AI News · 2026-08-03

จดหมายเปิดผนึก "Open Weights and American AI Leadership" ที่ Microsoft เป็นเจ้าภาพ มียอดผู้ลงนามเติบโตต่อเนื่อง หน้าเว็บของ Microsoft ระบุเป็นข้อความคงที่ (ไม่ใช่ตัวนับสด) ว่า ณ วันที่ 30 ก.ค. 2026 มีบริษัทและองค์กรลงนามแล้วมากกว่า 230 ราย ขณะที่ Simon Willison นับด้วยตัวเองเมื่อ 2 ส.ค. ได้ 235 บริษัทในแวดวง AI ซึ่งรวม NVIDIA, Amazon, Y Combinator, The Linux Foundation และ OpenAI ที่มาเซ็นทีหลัง เส้นทางของยอดทั้งเส้นคือ 25 ราย (24 ก.ค. วันปล่อยจดหมาย) → 35 (กลางวัน 25 ก.ค.) → 50 (25 ก.ค. เวลา 21:19 EDT) → มากกว่า 230 (30 ก.ค.) → 235 (2 ส.ค.) โดยตัวเลข 235 กับมากกว่า 230 ไม่ได้ขัดกัน เพราะเป็นตัวเลขคนละ timestamp

การตรวจรายชื่อบนหน้า Microsoft โดยตรงเมื่อ 3 ส.ค. พบว่า OpenAI, Google และ Amazon อยู่ในรายชื่อครบทั้งสามเจ้า ส่วนคำว่า Anthropic ไม่ปรากฏบนหน้านั้นเลยแม้แต่ครั้งเดียว ฝั่ง Amazon ซึ่งเข้ามาเซ็นหลังวันที่ 27 ก.ค. แถลงเองว่าแม้บางส่วนของจดหมายยังต้องนิยามให้ชัดขึ้นเมื่อเวลาผ่านไป แต่บริษัทสนับสนุนทิศทางใหญ่จึงร่วมลงนาม

คำตอบจากฝั่ง Anthropic มาในรูปแถลงการณ์ของ Dario Amodei ลงวันที่ 27 ก.ค. ซึ่งคลังเพิ่งเก็บได้ช้าไปหกวัน เขาเขียนด้วยสรรพนามบุรุษที่หนึ่งว่า "Anthropic has never advocated for a ban on open-weights models." คือยืนยันว่า Anthropic ไม่เคยเรียกร้องให้แบนโมเดล open-weights เลย และมองว่าโมเดลเปิดที่ไม่มีความสามารถอันตรายเป็นของสาธารณะ เพราะไม่มีต้นทุนอะไรนอกจากค่า compute ที่ใช้รัน และให้ประโยชน์กับธุรกิจ นักพัฒนา และนักวิจัย ส่วนสิ่งที่เขาเรียกร้องมีสามข้อ คือไม่ขายชิปประสิทธิภาพสูงและเครื่องจักรผลิตชิปให้จีน ปราบปรามปฏิบัติการ distillation ระดับอุตสาหกรรม และให้โมเดลที่ความสามารถถึงเกณฑ์ทุกตัวไม่ว่าเปิดหรือปิดต้องผ่านการทดสอบความปลอดภัยภาคบังคับเท่ากันทั้งสองฝั่ง

จุดที่ถูกเล่าผิดกันมากที่สุด (และเราเองก็เกือบเขียนผิดตาม) คือเรื่อง distillation ซึ่งที่จริงไม่ได้เป็นการปะทะกันระหว่างฝ่ายหนุนกับฝ่ายต้าน ตัวจดหมายเตือนผู้กำหนดนโยบายว่าอย่าเหมารวมเทคนิคพัฒนาโมเดลที่ชอบธรรมเข้ากับการขโมยทรัพย์สินทางปัญญา และย้ำว่า distillation เป็นเทคนิคที่ใช้กันแพร่หลายในการปรับปรุง ประเมิน และตรวจสอบโมเดล ขณะที่ Amodei ก็ขอให้ปราบเฉพาะปฏิบัติการระดับอุตสาหกรรมเท่านั้น สรุปคือทั้งสองฝ่ายยอมรับตรงกันว่ามีเส้นแบ่ง จุดต่างอยู่ที่ว่าเส้นนั้นควรลากตรงไหน

ข้อควรระวังคือเดือน ก.ค. มีจดหมายเปิดผนึกสามฉบับที่ห้ามจำสลับกันเด็ดขาด ได้แก่ Open Weights and American AI Leadership (24 ก.ค. องค์กรกว่า 230 ราย Anthropic ไม่เซ็น) Pacing the Frontier (28 ก.ค. พนักงานรายบุคคล 1,273 ราย Amodei เซ็นเอง) และ Open Secure AI Alliance (27 ก.ค. ราว 37 ถึง 40 องค์กร นำโดย NVIDIA) ประโยคที่ว่า Anthropic ไม่เซ็นจึงเป็นจริงเฉพาะฉบับแรกเท่านั้น

▲ ทำไมต้องรู้ · บทเรียนที่แข็งแรงที่สุดของเรื่องนี้คือวิธีอ่านข่าว ไม่ใช่ตัวนโยบาย เพราะข่าวเดียวกันอ่านห่างกันแค่สัปดาห์เดียวให้ข้อสรุปตรงกันข้าม วันที่ 24 ก.ค. เรื่องนี้คือค่ายใหญ่สามเจ้าไม่เอาด้วย แต่พอถึง 3 ส.ค. กลายเป็นทุกเจ้าเซ็นหมดแล้วเหลือ Anthropic เจ้าเดียว รายชื่อผู้ลงนามจึงเป็นข้อมูลที่มีอายุ ไม่ใช่ข้อเท็จจริงถาวร เวลาอ่านจดหมายเปิดผนึกของอุตสาหกรรมไหนก็ตามให้ดูสองอย่างคือใครเซ็นและใครไม่เซ็น แต่ต้องดูวันที่กำกับเสมอ เพราะคนที่ไม่เซ็นเมื่อสัปดาห์ก่อนอาจเซ็นไปแล้ววันนี้ ส่วนคนที่ต้องเลือกใช้โมเดลแบบเปิดควรรู้ว่าข้อถกเถียงระดับรัฐบาลสหรัฐตอนนี้เลยคำถามว่าควรมีโมเดลเปิดไหมไปแล้ว ทุกฝ่ายเห็นตรงกันว่าควรมี ที่ยังไม่ตรงกันคือควรทดสอบความปลอดภัยก่อนปล่อยแค่ไหน ซึ่งกระทบโดยตรงว่าโมเดลเปิดรุ่นถัดไปจะออกช้าลงหรือไม่ และพึงระวังว่าไม่มีแหล่งใดให้ยอดผู้ลงนามของวันที่ 3 ส.ค. ตัวเลขล่าสุดที่มี timestamp จริงคือ 235 ของวันที่ 2 ส.ค.

Microsoft · แถลงการณ์ Anthropic · Simon Willison · Forbes · open-weights-letter-2026

งานวิจัยชื่อ "Sample More, Reflect Less" จับวิธี self-reflection ซึ่งให้โมเดลตรวจและแก้คำตอบตัวเอง มาเทียบกับวิธีพื้นฐานที่สุดคือสุ่มคำตอบซ้ำหลายครั้งแล้วนับเสียงข้างมาก โดยคุมต้นทุน token ของทั้งสองฝั่งให้เท่ากัน ซึ่งเป็นตัวแปรที่งานก่อนหน้าไม่เคยคุม

ผลสรุปตามที่เปเปอร์เขียนคือ "No method is reliably better than repeated sampling at equal cost anywhere. Ten are reliably worse, all of them methods where the model inspects its own output, and all 18 self-inspection comparisons are negative." แปลว่าที่ต้นทุนเท่ากัน ไม่มีวิธีไหนชนะการสุ่มซ้ำได้อย่างน่าเชื่อถือเลยแม้แต่จุดเดียว มีสิบกรณีที่แย่กว่าอย่างชัดเจน ทั้งหมดเป็นวิธีแบบให้โมเดลตรวจผลงานตัวเอง และการเทียบฝั่ง self-inspection ติดลบครบทั้ง 18 รายการ

อาการที่คมที่สุดคือกลไกพังแบบเงียบ ซึ่งอันตรายกว่าคะแนนตกธรรมดา ผู้เขียนพบว่า "Reflexion as published never triggered its own retry on the smallest model. It judged itself correct every time and silently became a single chain of thought." คือวิธี Reflexion ตามสูตรที่ตีพิมพ์ไว้ไม่เคยสั่งตัวเองให้ลองใหม่เลยสักครั้งบนโมเดลเล็กสุด เพราะมันตัดสินว่าตัวเองถูกทุกครั้ง จนกลายเป็นการคิดรอบเดียวธรรมดาไปเงียบๆ โดยไม่มีใครรู้

ตัวเลขต้องเล่าให้ครบทั้งสองครึ่ง มิฉะนั้นจะบิด ฝั่งการให้โมเดลเลือกคำตอบที่ดีที่สุดเองแพ้การนับเสียงข้างมากจากคำตอบชุดเดียวกัน 8.0 และ 11.3 จุดที่ขนาด 1.5B แต่ช่องว่างหดเหลือ 2.0 และ 1.3 จุดที่ 7B ซึ่งต้นฉบับระบุเองว่าแยกจากศูนย์ไม่ออกแล้ว ขณะที่ฝั่งการให้เขียนคำตอบใหม่ยังแย่กว่า baseline อยู่ 3.6 ถึง 10.1 จุดแม้ที่ขนาด 7B ผู้เขียนสรุปว่า self-inspection สองแบบนี้แยกทางกันเมื่อโมเดลโตขึ้น

ขอบเขตการทดลองคือ 7 วิธี ทดสอบบนโมเดลแบบเปิด 3 ขนาด (1.5B, 3B, 7B) กับ benchmark คณิตศาสตร์ 2 ชุด ชุดละ 150 คำถาม รวมเป็น 36 การเทียบ โดยนับ token ทุกตัวรวมทั้งรอบวิจารณ์และรอบโต้แย้ง

▲ ทำไมต้องรู้ · เรื่องนี้แก้ความเข้าใจผิดที่พบบ่อยที่สุดข้อหนึ่งเวลาองค์กรปรับ prompt ที่ว่าสั่งให้มันตรวจงานตัวเองอีกรอบน่าจะดีขึ้น เพราะที่ต้นทุนเท่ากัน การถามใหม่หลายรอบแล้วดูว่าคำตอบไหนออกบ่อยที่สุดได้ผลดีกว่าการสั่งให้มันวิจารณ์ตัวเอง ถ้าคุณมีงบให้โมเดลคิดเพิ่มหนึ่งเท่า ให้เอาไปถามซ้ำ อย่าเอาไปให้มันตรวจตัวเอง จุดที่อันตรายกว่าคะแนนและเกี่ยวกับทุกคนที่วางระบบ AI คือขั้นตอนให้ AI ตรวจงานก่อนส่งที่หลายองค์กรใส่ไว้ อาจไม่ได้ทำงานอยู่จริงโดยไม่มีใครรู้ เพราะมันไม่ได้ error มันแค่ผ่านทุกครั้ง วิธีตรวจที่ทำได้เองในสิบนาทีคือนับดูว่าขั้นตอนตรวจของคุณเคยตีกลับงานบ้างไหม ถ้าไม่เคยเลยแปลว่ามันไม่ได้ทำงาน ข้อควรระวังที่ต้องพูดทุกครั้งและห้ามข้ามคืองานนี้วัดบนโมเดลแบบเปิดขนาด 1.5B ถึง 7B กับงานคณิตศาสตร์เท่านั้น ไม่มีการทดสอบเหนือ 7B และแนวโน้มในเปเปอร์เองคือโทษของการให้เลือกเองจางลงเมื่อโมเดลใหญ่ขึ้นจนแยกจากศูนย์ไม่ออกที่ 7B จึงห้ามใช้เปเปอร์นี้อธิบายพฤติกรรมของโมเดลระดับ frontier นอกจากนี้ยังเป็นงานของผู้เขียนคนเดียว เวอร์ชัน v1 ยังไม่ผ่าน peer review และเราระบุชื่อ benchmark หรือชื่อโมเดลไม่ได้ เพราะตัวสรุปของเครื่องมือ fetch แต่งข้อมูลส่วนนั้นขึ้นมาเอง

arXiv 2607.28576

งานวิจัยชิ้นนี้สร้างเอกสารที่จงใจชี้นำผิดจำนวน 5,933 ใบ แล้วนำไปทดสอบกับเครื่องมือ deep research หลายตัวรวมทั้งของ Gemini เพื่อวัดว่ารายงานสุดท้ายจะรับข้อสรุปเท็จเข้ามามากแค่ไหน

ผลตามที่เปเปอร์รายงานคือ "Across the configurations, introducing one misleading document increases the mean FCAR from 0% in the no-injection control to 54.7%." แปลว่าแค่แทรกเอกสารชี้นำผิดใบเดียว อัตราการรับข้อสรุปเท็จโดยเฉลี่ยก็พุ่งจาก 0% ในกลุ่มควบคุมที่ไม่แทรกอะไรเลย ขึ้นเป็น 54.7% โดยตัวชี้วัด FCAR นี้นับเฉพาะรายงานที่รับข้อสรุปเท็จนั้นเข้าไปจริงๆ เท่านั้น

ผลที่คมที่สุดสำหรับคนออกแบบระบบคืออันดับของผลค้นหาและเอกสารใบที่สองเป็นต้นไปมีผลจำกัด ตัวชี้ขาดคือเอกสารใบแรก และผู้เขียนยังพบว่าการให้โมเดลอีกตัวมาช่วยตรวจนั้นจัดประเภทเอกสารว่าชี้นำผิดได้ถูกต้องอย่างสม่ำเสมอ แต่ agent ก็ยังรับข้อสรุปเท็จนั้นไปใช้อยู่ดีระหว่างทำงานวิจัยยาว

▲ ทำไมต้องรู้ · เรื่องนี้ตรงกับพฤติกรรมที่คนทำงานไทยเพิ่งเริ่มใช้กันหนักที่สุดในปีนี้ คือสั่งให้ AI ไปค้นข้อมูลแล้วสรุปมาเป็นรายงาน แก่นของมันคือระบบพวกนี้ไม่ได้ถ่วงน้ำหนักหลักฐาน มันรับสิ่งที่เจอก่อน รายงานที่ AI ค้นมาให้จึงไม่ได้แปลว่ามันชั่งน้ำหนักแหล่งข้อมูลแล้ว ให้ดูว่ามันอ้างอะไรเป็นแหล่งแรก เพราะนั่นคือตัวที่กำหนดข้อสรุป ประเด็นที่สองที่น่ากังวลกว่าคือการเอาโมเดลอีกตัวมาตรวจนั้นตรวจเจอแต่ไม่ช่วย ซึ่งไปตรงกับข้อ 2 ในหน้าเดียวกันโดยบังเอิญว่าความสามารถในการรู้ว่าผิด กับการไม่เอาสิ่งที่ผิดมาใช้ เป็นคนละความสามารถกัน ข้อควรระวังคือตัวเลขทั้งหมดเป็นเลขที่เปเปอร์รายงานเอง ยังไม่มี independent replication และเป็นการทดสอบแบบจงใจแทรกเอกสาร ไม่ใช่การวัดว่าบนเว็บจริงมีเอกสารแบบนี้อยู่มากแค่ไหน

arXiv 2607.20891

benchmark ชื่อ ORCA-bench ตั้งโจทย์ให้ agent หาสาเหตุราก (root cause) ของเหตุการณ์ระบบล่ม บนระบบ microservice จริงที่ติดตั้งเครื่องมือวัดไว้ครบ มีโจทย์ทั้งหมด 1,079 ข้อ ทดสอบกับ agent ระดับ frontier 5 ตัว โดยให้ข้อมูล telemetry ย้อนหลัง 6 วันขนาด 50 GB ผ่าน Prometheus, Jaeger และ OpenSearch พร้อมทั้งเปิดให้เข้าถึง source code เต็มทั้งระบบ

ผลออกมาต่ำกว่าที่หลายคนน่าจะคาด เปเปอร์สรุปว่า "Across five frontier agents, the best RCA Accuracy is 25.3% on Medium-difficulty tasks (the realistic-input setting) and 10.0% on Hard" คือ agent ที่ทำได้ดีที่สุดยังหาสาเหตุถูกแค่หนึ่งในสี่ของโจทย์ระดับกลาง ซึ่งเป็นระดับที่ตั้งใจให้ใกล้ข้อมูลจริงที่สุด และเหลือเพียง 10.0% ในโจทย์ระดับยาก

ที่น่ากังวลกว่าคะแนนคือคุณภาพของรายงาน ผู้เขียนพบว่าโมเดลที่อ่อนที่สุดแต่งสาเหตุที่เป็นไปไม่ได้ขึ้นมาเองใน 40% ของรายงานเหตุการณ์ และเมื่อทดลองตัดการเข้าถึง source code ออก ตัวชี้วัดทุกตัวก็แย่ลงทั้งหมด

ผู้เขียนระบุเองด้วยว่าตัวเลขเหล่านี้เป็นเพียงขอบล่างของช่องว่างที่แท้จริง เพราะระบบที่ใช้ทดสอบยังเล็กกว่าระบบ production จริงหลาย order of magnitude

▲ ทำไมต้องรู้ · เวรเฝ้าระบบกลางคืนคืองานกลุ่มแรกๆ ที่องค์กรไทยอยากให้ AI ทำแทนคน แต่งานนี้ชี้ว่าปัญหาไม่ได้อยู่ที่ agent อ่าน log ไม่ออก มันสรุปสาเหตุผิดแล้วสรุปอย่างมั่นใจ ตัวเลข 40% ของรายงานที่มีสาเหตุซึ่งเป็นไปไม่ได้จึงอันตรายกว่าตัวเลขความแม่นเสียอีก เพราะรายงานที่ผิดแบบดูสมเหตุสมผลทำให้คนไล่แก้ผิดที่และเสียเวลามากกว่าไม่มีรายงานเลย ประโยคที่เอาไปใช้ได้ทันทีคือก่อนให้ AI สรุปว่าระบบล่มเพราะอะไร ให้ถามว่าใครจะเป็นคนตรวจข้อสรุปนั้น ถ้าคำตอบคือไม่มีใคร คุณกำลังเพิ่มงานให้ทีมไม่ใช่ลด อีกจุดที่ใช้ตัดสินใจได้จริงคือการตัด source code ออกทำให้ทุกตัวชี้วัดแย่ลง แปลว่าถ้าจะใช้จริงต้องยอมให้เครื่องมือเข้าถึงโค้ด ซึ่งเป็นคำถามความปลอดภัยที่ต้องตอบก่อนเริ่มใช้ ไม่ใช่หลังจากใช้ไปแล้ว ข้อควรระวังคือตัวเลขทั้งหมดเป็นตัวเลขที่เปเปอร์รายงานเอง และระบบที่ใช้ทดสอบเป็น open source ที่เล็กกว่าระบบจริงมาก

arXiv 2607.28545

งานเชิงทฤษฎีชิ้นนี้ตั้งโจทย์ที่กำลังจะเป็นเรื่องจริงในหลายองค์กร คือคนหนึ่งคนตรวจงานของ agent จำนวนมากได้จำกัดต่อรอบ แล้วควรจัดลำดับการตรวจอย่างไร โดยไม่ได้คิดบนกระดาษอย่างเดียว มีการวัดควบคู่กับโมเดลจริงด้วย

คำตอบหลักคือมีจุดตัดของความไม่แม่นในการประเมินตัวเองอยู่จุดหนึ่ง ถ้าโมเดลประเมินตัวเองพลาดเกินจุดนั้น การเรียงลำดับตรวจตามค่าความมั่นใจที่โมเดลรายงานเองจะให้ผลแย่กว่าการสุ่มตรวจเฉยๆ

สมมติฐานที่คนคาดไว้ล่วงหน้าสองข้อกลับด้านทั้งคู่ ข้อแรกคือยิ่งมีเวลาตรวจน้อย ยิ่งต้องการค่าความมั่นใจที่แม่นมากขึ้น ไม่ใช่พึ่งมันได้ง่ายขึ้น ข้อสองคือการใช้โมเดลคนละค่ายมาตรวจไขว้กันไม่ได้ช่วยกระจายความเสี่ยงอย่างที่คิด เพราะทุกตัวพลาดที่โจทย์ยากเหมือนกัน ความยากของโจทย์มีอิทธิพลมากกว่าสายพันธุ์ของโมเดล

เมื่อวัดกับโมเดลจริง เปเปอร์รายงานว่า "Five open-weight LLMs show operationally useless (near-constant) confidence" คือโมเดลแบบเปิดทั้งห้าตัวให้ค่าความมั่นใจที่แทบไม่ขยับตามความยากของงานเลยจนใช้ประโยชน์จริงไม่ได้ มีเพียงโมเดลเชิงพาณิชย์หนึ่งตัวที่ให้ค่าความมั่นใจที่ใช้งานได้และยังอยู่ต่ำกว่าจุดตัด

▲ ทำไมต้องรู้ · คำถามว่าจะตรวจงาน agent อย่างไรเมื่อคนไม่พอ กำลังจะกลายเป็นคำถามหลักขององค์กรที่เริ่มใช้ agent หลายตัว วิธีที่ฟังดูสมเหตุสมผลที่สุดคือให้ AI บอกว่ามั่นใจแค่ไหนแล้วตรวจเฉพาะอันที่มันไม่มั่นใจ แต่งานนี้ชี้ว่าวิธีนั้นอาจแย่กว่าการสุ่มตรวจ จุดที่สวนความรู้สึกและมีค่าที่สุดคือยิ่งมีเวลาตรวจน้อย ยิ่งพึ่งค่าความมั่นใจของโมเดลไม่ได้ ตรงข้ามกับสัญชาตญาณที่ว่าเวลาน้อยยิ่งต้องใช้ตัวช่วยจัดลำดับ และการเอาโมเดลคนละค่ายมาตรวจกันก็ไม่ได้ช่วยเท่าที่หวัง เพราะทุกตัวพลาดที่โจทย์ยากเหมือนกัน ข้อควรระวังคือตัวเลขเป็นตัวเลขที่เปเปอร์รายงานเอง งานนี้เป็นงานเชิงทฤษฎีที่วัดประกอบกับโมเดลจริง ไม่ใช่การทดลองในองค์กรจริง และค่าที่วัดได้ของโมเดลแบบเปิดยังมีช่วงความเชื่อมั่นคร่อมจุดตัดอยู่

arXiv 2607.28317

เปเปอร์เสนอวิธีชื่อ MIND เพื่อรับมือการโจมตีแบบ memory injection คือ agent ที่มีหน่วยความจำอาจถูกผู้โจมตีแอบวางเอกสารพิษไว้ล่วงหน้า พอ agent ดึงความจำก้อนนั้นขึ้นมาใช้ พฤติกรรมของมันจะเบี่ยงออกจากเจตนาเดิมของผู้ใช้จนงานล้มเหลวในที่สุด

หลักการทำงานคือดูความสัมพันธ์ระหว่างเจตนาที่ผู้ใช้ตั้งไว้ตอนแรกกับพฤติกรรมที่ agent กำลังทำอยู่ แล้วให้ตัวตรวจขนาดเบาชี้ว่าความจำก้อนไหนน่าจะเป็นพิษ โดยไม่ต้องเรียกโมเดลใหญ่มาตรวจซ้ำอีกรอบ

ผลที่เป็นรูปธรรมมีชุดเดียว เปเปอร์รายงานว่า "on ReAct-StrategyQA, MIND reduces mean ASR-r and ASR-a by 55.4% and 55.3%, respectively, while matching the undefended agent in average accuracy and latency." คือบนชุดทดสอบ ReAct-StrategyQA วิธีนี้ลดอัตราการโจมตีสำเร็จทั้งสองแบบลง 55.4% และ 55.3% ขณะที่ความแม่นเฉลี่ยและความเร็วยังเท่ากับ agent ที่ไม่มีระบบป้องกันเลย

▲ ทำไมต้องรู้ · เรื่องนี้ต่อ thread ความปลอดภัยของ agent ที่คลังตามมาทั้งเดือน และเป็นครั้งแรกที่มีงานฝั่งวิธีแก้ออกมา หลังจากที่ผ่านมามีแต่งานชี้ช่องโหว่ หลักการที่เอาไปใช้ได้กว้างกว่าตัวงานคือกลไกตรวจจับที่ได้ผลในงานนี้ เป็นการเทียบว่าสิ่งที่กำลังทำยังตรงกับสิ่งที่ถูกสั่งตอนแรกหรือเปล่า ซึ่งเป็นหลักเดียวกับการควบคุมงานคน ส่วนทีมที่กำลังจะเปิดให้ agent จำข้อมูลข้ามครั้ง ควรจำประโยคนี้ไว้ ทุกอย่างที่ agent จำได้คือทุกอย่างที่คนอื่นเขียนใส่หัวมันได้ ข้อควรระวังคือตัวเลขเป็นตัวเลขที่เปเปอร์รายงานเอง abstract ให้ตัวเลขชุดเดียวและไม่ระบุจำนวน benchmark หรือโมเดลที่ทดสอบ ยังไม่มี independent replication และยังไม่มีใครนำไปใช้ใน production

arXiv 2607.28103

Andrej Karpathy โพสต์เมื่อ 2 ส.ค. ว่าเขาอยากรู้ว่า Opus 5 จะทำอะไรได้ ถ้าให้อ่านย่อหน้าแรกของ Lord of the Rings พร้อมงบ 1 ล้าน token (ราว 10 ดอลลาร์) แล้วสั่งให้เขียน three.js render ฉากจากเนื้อเรื่องออกมา ผลคือโมเดลทำงานไปราว 2 ชั่วโมง เขียนโค้ด 5,500 บรรทัดที่ render เรื่องราวออกมาแบบ procedural ซึ่งเขาบรรยายเองว่าผลงานยังขัดๆ อยู่บ้างแต่ก็สนุกดี

ประโยคที่เป็นแกนจริงของโพสต์อยู่ตอนที่เขาอธิบายว่างานประเภทโลกสามมิติและเกมเผยจุดอ่อนของ LLM: "they can't easily audit their work because they aren't able to efficiently and natively perceive videos or play games within them" คือโมเดลตรวจงานตัวเองได้ยาก เพราะมันรับรู้วิดีโอโดยกำเนิดไม่ได้และเข้าไปเล่นเกมเองก็ไม่ได้ ในงานนี้ Opus 5 จึงต้องค่อยๆ กด screenshot ดูทีละจุดอย่างช้าๆ และยังพลาดไปหลายครั้งจนเกิดจุดขัดๆ ในผลงานอยู่พอสมควร

เขาเปิดโพสต์ด้วยการบอกว่าวงการกำลังพ้นจากยุคที่ทดสอบ LLM ด้วยโจทย์อย่างการวาดนก pelican ขี่จักรยานเป็นภาพ SVG แล้ว และอธิบายว่าเหตุผลที่งานแบบนี้เพิ่งเป็นไปได้ คือไม่มีคนสติดีคนไหนยอมเสียเวลาเขียนของเฉพาะทางขนาดนี้เอง แต่ LLM มีเรี่ยวแรงและความอดทนไม่จำกัด

ข้อควรระวังในการเล่าต่อมีหลายจุด งบ 1 ล้าน token ราว 10 ดอลลาร์คืองบที่ตั้งไว้ให้ ไม่ใช่ยอดที่ใช้จริง จึงห้ามเล่าว่างานนี้มีค่าใช้จ่าย 10 ดอลลาร์ ตัวเลข 2 ชั่วโมงกับ 5,500 บรรทัดเป็นคำบอกเล่าของ Karpathy เองที่ยังไม่มีใครตรวจสอบ ผลงานที่เปิดดูได้เป็น render ที่กดเล่นดูเหมือนวิดีโอ ไม่ใช่เกมที่เล่นได้ ส่วนพาดหัวกระทู้ Hacker News (ซึ่งได้ 407 คะแนน) ที่เรียกโพสต์นี้ว่า Karpathy's Pelican เป็นชื่อที่ผู้ส่งกระทู้ตั้งเองเพราะโพสต์บน X ไม่มีหัวข้อในตัว และไม่ตรงกับเนื้อโพสต์ที่พูดถึง pelican แค่ครั้งเดียวในฐานะการทดสอบที่เขาบอกว่ากำลังเลิกใช้ อีกทั้งคำว่า LLMs ของเขาก็เหมารวมกว่าที่ทดสอบจริง เพราะเขาลองแค่ Opus 5 ตัวเดียว ทั้งที่มีโมเดลค่ายอื่นที่รับวิดีโอได้ในตัวและมี agent ที่เล่นเกมสามมิติได้อยู่แล้ว

▲ ทำไมต้องรู้ · แกนของเรื่องใช้ได้กับทุกคนที่จ้าง AI ทำงานที่ต้องตัดสินด้วยสายตา คือโมเดลตรวจงานตัวเองไม่ได้ถ้ามันไม่มีช่องทางรับรู้ผลงานนั้น งานเขียนโค้ดมี test คอยบอกว่าผ่านหรือไม่ผ่าน แต่งานที่ผลลัพธ์คือภาพที่มนุษย์ดูแล้วรู้สึกว่าใช่ยังไม่มีตัวบอกแบบนั้น ก่อนสั่งงานลักษณะนี้จึงควรถามก่อนว่า AI เห็นผลงานของตัวเองไหม ถ้าไม่เห็น เราคือตาของมัน และงานตรวจทั้งหมดยังเป็นของเรา ข่าวดีที่ควรเล่าคู่กันคือสิ่งที่เปลี่ยนไปจริงคือความอดทน งานที่ไม่มีใครยอมทำเพราะน่าเบื่อเกินไปกลายเป็นงานที่สั่งได้แล้ว ช่องที่ธุรกิจไทยควรมองหาจึงเป็นงานที่ทำได้แต่ไม่คุ้มเวลาคน ไม่ใช่งานที่ยากเกินกว่าคนจะทำ ข้อควรระวังคือทั้งหมดนี้เป็นการรันครั้งเดียว โมเดลเดียว ผู้สังเกตคนเดียว ไม่มีการทดลองเปรียบเทียบ คอมเมนต์ที่ได้คะแนนสูงในกระทู้ยังตั้งข้อสงสัยว่าโมเดลของ Anthropic อาจถูกเทรนมาให้เขียนไลบรารีตัวนี้เก่งเป็นพิเศษ และข้อความต้นฉบับทั้งหมดอ่านผ่าน mirror เพราะ x.com ปิดกั้นการเข้าถึง (คืน 402)

Karpathy (mirror) · ผลงาน · HN

Flint เป็นภาษากลางสำหรับสร้างกราฟภายใต้ MIT License พัฒนาโดย Microsoft Research ร่วมกับ IDEAS Lab มหาวิทยาลัยเหรินหมิน แนวคิดคือเขียนสเปกของกราฟครั้งเดียวแล้วคอมไพล์ออกไปเป็น Vega-Lite, ECharts, Chart.js, Plotly หรือกราฟใน Excel ได้เลย โดยใช้ประเภทข้อมูลเชิงความหมายกว่า 70 แบบช่วยกำหนดแกนและป้ายกำกับให้อัตโนมัติ และมีเซิร์ฟเวอร์ MCP มาให้เพื่อให้ agent เรียกใช้ระหว่างสนทนาได้ ทีมงานวางตำแหน่งของมันว่าเป็นภาษาที่ช่วยให้ AI agent สร้างกราฟที่สวยและสื่อสารได้อย่างน่าเชื่อถือ จากสเปกง่ายๆ ที่มนุษย์เปิดแก้เองได้

เรื่องเส้นเวลาต้องเล่าให้ถูก นี่ไม่ใช่การเปิดตัวเมื่อ 1 ส.ค. เพราะรุ่น 0.4.0 ออกมาตั้งแต่ 24 ก.ค. และรุ่นแรกๆ ย้อนไปถึงกลางเดือน วันที่ 1 ส.ค. เป็นเพียงวันที่โครงการขึ้นหน้า Hacker News

เสียงค้านในกระทู้หนักผิดปกติ และเกือบทั้งหมดพุ่งไปที่การติดป้ายว่าเป็นของสำหรับยุค AI เช่นคอมเมนต์ที่ว่า "DSLs for AI doesn't really make sense- they were trained on existing graphics libraries and are pretty good at them." คือโมเดลถูกเทรนมากับไลบรารีกราฟที่มีอยู่แล้วและใช้พวกมันได้ดีอยู่แล้ว หลายคนเสริมว่าทุกวันนี้ก็สั่งให้ LLM วาดกราฟด้วย plotly, matplotlib หรือ echarts ได้ตลอดเวลา ส่วนฝ่ายที่เห็นด้วยให้เหตุผลเชิงระบบว่าการสั่งให้ AI เขียนโค้ดวาดกราฟต้องมี sandbox ไว้รันโค้ด JS หรือ Python ที่มันเขียน แต่ถ้าใช้สเปกแบบ Flint ก็แค่ validate สเปกแล้วนำไปวาดเอง โดยไม่ต้องรันโค้ดจากโมเดลเลย

▲ ทำไมต้องรู้ · ประเด็นที่มีค่ากว่าตัวเครื่องมือคือเหตุผลของฝ่ายที่เห็นด้วย เพราะมันใช้ตัดสินใจได้จริงในองค์กร การให้ AI เขียนโค้ดแล้วรัน กับการให้ AI เขียนสเปกแล้วเราตรวจก่อนนำไปสร้างจริง เป็นสถาปัตยกรรมคนละแบบที่เสี่ยงต่างกันมาก แบบแรกต้องมี sandbox แบบที่สองไม่ต้อง ถ้าให้ AI สร้างของที่ต้องเอาไปรัน ให้ถามเสมอว่ารันที่ไหน ทางเลือกที่ปลอดภัยกว่ามักเป็นการให้มันเขียนคำอธิบายของสิ่งที่ต้องการ แล้วให้ระบบของเราเป็นคนสร้างของจริง อีกแกนหนึ่งคือเสียงค้านทั้งกระทู้สะท้อนความเหนื่อยหน่ายกับการติดป้าย AI ให้ของที่ไม่ต้องใช้ AI ก็ได้ ซึ่งเป็นอารมณ์ที่ลูกค้าองค์กรเริ่มมีเหมือนกัน ข้อควรระวังคือหน้าเว็บหลักของโครงการ render ด้วย JavaScript ล้วนจนอ่านเนื้อหาไม่ได้ ข้อมูลทั้งหมดจึงมาจาก repo และยังไม่มีการทดสอบอิสระว่ามันช่วยให้ agent สร้างกราฟถูกต้องขึ้นจริงหรือไม่

GitHub · HN

จดหมายข่าว Interconnects ออกฉบับรวบรวมความเคลื่อนไหวโมเดลเปิดรอบล่าสุดเมื่อ 2 ส.ค. พร้อมข้อสังเกตที่สวนความคาดหมายของวงการ นักสังเกตการณ์ที่เฉียบคมจำนวนมากเคยทำนายว่า lab ที่เทรนโมเดลจะต้องควบรวมกันในอนาคตอันใกล้ แต่สิ่งที่เกิดขึ้นจริงกลับตรงข้าม คือมีบริษัทที่เทรนโมเดลเก่งๆ เพิ่มขึ้น และมีองค์กรที่ปล่อยโมเดลออกมาแบบเปิดมากขึ้นด้วย

เหตุผลที่ผู้เขียนให้คือบรรดา lab ที่เคยถูกมองว่าต้องควบรวม กำลังค้นพบว่า "building token machines is a likely path to value" คือการสร้างเครื่องจักรผลิตโทเคนขายเป็นเส้นทางสู่มูลค่าที่เป็นไปได้จริง เพราะความต้องการโทเคนสูงมาก และมีแนวโน้มจะเพิ่มขึ้นอีกเมื่อโมเดลมีประสิทธิภาพมากขึ้น

ตัวเลขที่น่าสนใจที่สุดในฉบับ และเป็นตัวเลขที่ควรระวังที่สุดด้วย คือคำกล่าวที่ว่าบริการปรับแต่งโมเดลเปิดของ Thinking Machines "is making hundreds of millions in revenue per year" คือทำรายได้ปีละหลายร้อยล้านดอลลาร์ ข้อควรระวังคือนี่เป็นการยืนยันของผู้เขียนเองโดยไม่มีการอ้างแหล่งที่มาในบทความ จึงห้ามยกไปใช้เป็นตัวเลขที่ตรวจสอบแล้ว

ฝั่ง license มีความเคลื่อนไหวที่ควรบันทึกสองเรื่อง คือ Tencent Hy3 เปลี่ยนจาก license แบบจำกัดมาเป็น Apache 2 และ Poolside Laguna-S-2.1 เลือกใช้ license ชื่อ OpenMDW

▲ ทำไมต้องรู้ · เรื่องนี้กระทบการวางแผนระยะกลางของทุกองค์กรที่กังวลว่าเลือกผู้ให้บริการ AI ไปแล้ว วันหนึ่งวงการจะเหลือเจ้าเดียวแล้วโดนขึ้นราคา อย่างน้อยตอนนี้ทิศทางกลับกัน คือผู้เล่นเพิ่มขึ้นและโมเดลเปิดออกมามากขึ้น ความเสี่ยงเรื่องผูกขาดจึงยังไม่เกิดในปีนี้ แต่วิธีป้องกันที่ถูกต้องไม่ใช่การเลือกเจ้าที่ใหญ่ที่สุด มันคือการออกแบบระบบให้เปลี่ยนโมเดลได้ อีกบทเรียนสำหรับคนที่ต้องอ่านบทวิเคราะห์ให้เป็นคือผู้เขียนประกาศเองว่าเคยทำนายไปในทางควบรวมมานาน การที่นักวิเคราะห์ยอมรับเองว่าเปลี่ยนใจเป็นสัญญาณที่ควรติดตามต่อ ไม่ใช่สัญญาณที่ควรเชื่อทันที ข้อควรระวังคือนี่เป็นบทวิเคราะห์ ไม่ใช่รายงานข้อมูล ตัวเลขรายได้ไม่มีแหล่งอ้างอิง และการเปลี่ยน license ของ Tencent ยังไม่ได้ตรวจกับหน้าประกาศของ Tencent เอง

Interconnects

จดหมายข่าว ChinAI แปลบทความของสื่อจีน 第一新声 ลงวันที่ 27 ก.ค. (เพิ่งเข้ามาในรอบสรุปรายสัปดาห์) ซึ่งวิเคราะห์การตั้งราคาของ Kimi K3 ด้วยคำว่า "affordable luxury" คือของหรูที่พอเอื้อมถึง

ตารางราคาแบบผสม input/output ที่บทความให้ไว้ หน่วยเป็นดอลลาร์ต่อล้านโทเคน เริ่มจาก Kimi K3 ที่ $2.30 ตามด้วย Alibaba Qwen3.7 Max ที่ $1.40, Zhipu GLM-5.2 ที่ $0.90, MiniMax M3 ที่ $0.22 และ DeepSeek V4 Pro ที่ $0.18 หัวตารางกับท้ายตารางจึงห่างกันสิบกว่าเท่า

ผู้เขียนชาวจีนมองว่า K3 ทำผลงานเทียบชั้นโมเดลเรือธงจากต่างประเทศได้ แล้วเลือกตั้งราคาชนเพดานของโมเดลในประเทศ ซึ่งช่วยดันให้วงการโมเดลจีนพ้นจากสงครามหั่นราคากันเอง และทิ้งประโยคมองไปข้างหน้าว่า "Model capabilities will become increasingly cheap, while scenario-specific evaluation datasets will become increasingly expensive." คือความสามารถของโมเดลจะถูกลงเรื่อยๆ ขณะที่ชุดข้อมูลสำหรับวัดผลเฉพาะงานจะแพงขึ้นเรื่อยๆ

ข้อควรระวังอีกจุดคือตัวเลขพารามิเตอร์ของ K3 ยังขัดกันระหว่างแหล่ง บทความนี้เขียน 2.8 ล้านล้าน ขณะที่สื่อตะวันตกบางเจ้าเขียน 2.7 ล้านล้าน และยังไม่มีข้อยุติ

▲ ทำไมต้องรู้ · เรื่องนี้ช่วยแก้ความเข้าใจที่ยังค้างอยู่ในตลาดไทยว่าโมเดลจีนแปลว่าของถูก เพราะในจีนเองราคาต่างกันสิบกว่าเท่าระหว่างรุ่นบนกับรุ่นล่าง และรุ่นบนสุดตั้งราคาแพงโดยตั้งใจ เวลามีคนเสนอให้ย้ายไปใช้โมเดลจีนเพื่อลดต้นทุน คำถามแรกจึงต้องเป็นว่ารายไหน เพราะราคาต่างกันเป็นสิบเท่าในประเทศเดียวกัน อีกแกนที่ควรจำไว้คือประโยคมองอนาคตข้างต้น ซึ่งแปลว่าสิ่งที่องค์กรควรลงทุนสะสมไม่ใช่ตัวโมเดล แต่คือชุดตัวอย่างที่ใช้ตัดสินว่างานของตัวเองผ่านหรือไม่ผ่าน ข้อควรระวังคือนี่เป็นบทแปลของบทวิเคราะห์จากสื่อจีน ไม่ใช่ราคาทางการจากผู้ให้บริการ และราคาแบบผสมขึ้นกับสัดส่วน input/output ที่ผู้เขียนสมมติ จึงห้ามเอาไปเทียบตรงๆ กับราคาป้ายของเจ้าอื่น

ChinAI #368

ทีมวิจัยจาก MIT Sloan และ Stanford GSB ให้ผู้ใหญ่ 1,000 คนเขียนคำถามขอคำแนะนำการเงินจาก AI คนละสามคำถาม แล้วจำลองว่าถ้าแต่ละคนทำตามคำแนะนำที่ได้ ความมั่งคั่งตลอดชีวิตจะออกมาเป็นอย่างไร ผลฝั่งบวกคือคำแนะนำมีคุณภาพพอที่จะสร้างเงินสำรองก้อนใหญ่ให้แทบทุกคนที่อายุเกิน 30 ปี

ปัญหาอยู่ที่ผลลัพธ์ไม่เท่ากัน งานพบว่าราวสองในสามของช่องว่างความมั่งคั่งระหว่างเพศอธิบายได้ด้วยวิธีเขียน prompt ที่ต่างกันระหว่างผู้ชายกับผู้หญิง ส่วนคนที่ไม่เคยใช้ AI มาก่อนได้ผลลัพธ์แย่กว่าชัดเจน คือมีความมั่งคั่ง ณ อายุ 60 น้อยกว่าเกือบ 100,000 ดอลลาร์ หรือราว 6%

ตัวเลขจากฝั่ง Stanford ยังชี้ว่าคนถามไม่ตรงกับสิ่งที่ควรถาม เรื่องสภาพคล่อง (liquidity) โผล่ในคำตอบของ AI ถึง 83% ทั้งที่ผู้ใช้ยกขึ้นมาเองแค่ 6% มีคนถามเรื่องการออมเพียง 20% ทั้งที่ราว 40% ของคนที่เขียน prompt มีเงินเก็บไม่ถึง 10,000 ดอลลาร์

ข้อควรระวังมีสองข้อที่ต้องพูดคู่กันเสมอ ข้อแรกคือนี่ไม่ใช่ข่าวของสัปดาห์นี้ บทความของทั้งสองมหาวิทยาลัยลงตั้งแต่เดือนกรกฎาคมและตัวเปเปอร์เก่ากว่านั้นอีก วันที่ 1 สิงหาคมเป็นแค่วันที่เรื่องขึ้น Hacker News ข้อสองคือตัวเลขช่องว่างระหว่างเพศของสองมหาวิทยาลัยไม่ตรงกัน MIT เขียนราว 50,000 ดอลลาร์ ส่วน Stanford เขียนเกือบ 60,000 ดอลลาร์ จะหยิบตัวใดตัวหนึ่งไปใช้โดยไม่บอกว่ามีอีกตัวไม่ได้ นอกจากนี้ทั้งหมดเป็นการจำลองผลตลอดชีวิตจากคำแนะนำ ไม่ใช่การติดตามคนจริงว่ารวยขึ้นหรือไม่ และเราอ่านจากหน้าเว็บของสองมหาวิทยาลัยเท่านั้น ไม่ได้อ่านตัวเปเปอร์เพราะหน้าดาวน์โหลดคืน 403

▲ ทำไมต้องรู้ · นี่คือหลักฐานเชิงตัวเลขชิ้นแรกๆ ของสิ่งที่คนสอน AI พูดกันมานานว่าผลที่ได้ขึ้นกับคนถาม และคราวนี้วัดออกมาเป็นเงินได้จริง จุดสำคัญคือความต่างของผลลัพธ์มาจากวิธีเขียนคำถาม ไม่ได้มาจากตัวโมเดล แปลว่า AI ขยายช่องว่างเดิมของคนแทนที่จะลดมัน องค์กรที่กำลังเปิดให้พนักงานใช้ AI ทั้งบริษัทจึงควรรู้ว่าการให้เครื่องมือเดียวกันกับทุกคนไม่ได้แปลว่าทุกคนจะได้ผลเท่ากัน คนที่ใช้เป็นอยู่แล้วจะยิ่งได้มากกว่าเดิมและช่องว่างจะกว้างขึ้นถ้าไม่มีการสอนควบคู่ อีกมุมที่ใช้กับตัวเองได้ทันทีคือโมเดลเติมสิ่งที่คนลืมถามให้ได้พอสมควร เห็นได้จากเรื่องสภาพคล่องที่คนถามเอง 6% แต่โมเดลพูดถึง 83% ทว่าสิ่งที่มันเติมให้ไม่ได้คือบริบทที่มีแต่คุณคนเดียวที่รู้

MIT Sloan · Stanford GSB

Greg Brockman ประธาน OpenAI เล่าเมื่อ 1 ส.ค. ถึงสิ่งที่เกิดขึ้นในบริษัทของตัวเอง ว่าพนักงานจำนวนมากต่อ ChatGPT เข้ากับ Slack แล้วพบพฤติกรรมที่ไม่มีใครคาดคิดมาก่อน

เขาเขียนว่า "people really don't like when a coworker's chatgpt contacts them asking for help with a task, even when they'd be perfectly happy doing that same work if asked by that coworker" คือคนไม่พอใจเมื่อ ChatGPT ของเพื่อนร่วมงานทักมาขอให้ช่วยงาน ทั้งที่ถ้าเพื่อนคนนั้นทักมาขอเองก็เต็มใจช่วยอยู่แล้ว

Brockman สรุปว่าเรื่องนี้ตอกย้ำว่าคนให้ค่ากับความสัมพันธ์ระหว่างมนุษย์และการได้ช่วยเหลือกันมากแค่ไหน สิ่งที่คนอยากได้จาก AI คือให้มันคืนเวลาให้หรือทำให้เวลาที่อยู่ด้วยกันดีขึ้น ไม่ใช่กลายเป็นชั้นที่มาคั่นกลางระหว่างคนกับคน

ข้อควรระวังคือนี่เป็นข้อสังเกตจากบริษัทเดียวที่พนักงานเป็นผู้ใช้ AI จัดจ้านกว่าคนทั่วไปมาก ไม่ใช่งานวิจัยและไม่มีตัวเลขรองรับ และเราอ่านผ่านการอ้างอิงของบุคคลที่สามเพราะเข้า x.com ตรงไม่ได้

▲ ทำไมต้องรู้ · เป็นข้อสังเกตเล็กๆ แต่ตอบคำถามที่ทำให้โครงการ AI ในองค์กรไทยล้มบ่อยที่สุดและแทบไม่มีใครเตือนล่วงหน้า นั่นคืองานเดียวกัน คำขอเดียวกัน แต่ถ้าส่งมาจาก AI แทนที่จะเป็นคน คนรับจะรู้สึกต่างกันทันที ต้นทุนที่ซ่อนอยู่ของการทำงานอัตโนมัติจึงมีมากกว่าค่าเครื่องมือ คือความสัมพันธ์ในทีมที่ถูกกัดกินไปทีละนิด ก่อนให้ AI ทักหาคนแทนเรา ให้ถามก่อนว่าคนรับสารจะรู้สึกอย่างไร เพราะเขาไม่ได้ตอบแค่เนื้องาน เขาตอบด้วยว่าใครเป็นคนขอ ข้อสังเกตนี้ยังชี้ทางออกแบบระบบด้วยว่าที่ของ AI คือฝั่งเราเอง ให้มันช่วยเราเตรียมงานก่อนไปคุยกับคน ไม่ใช่ให้มันไปคุยกับคนแทนเรา

Simon Willison อ้าง Greg Brockman

สื่อไทยรายงานเมื่อ 2 ส.ค. โดยอ้างข่าวเจาะของ Bloomberg วันที่ 30 ก.ค. ว่า DeepSeek กำลังสร้างดาต้าเซ็นเตอร์ AI ขนาด 1 กิกะวัตต์ที่เมืองอูหลานฉาบ เขตมองโกเลียใน ซึ่งเป็นโครงการใหญ่ที่สุดของบริษัท ตามกำหนดการบางส่วนจะเริ่มใช้งานได้จริงปลายปี 2027 หรือช่วงต้นปี 2028

เหตุผลของทำเลคืออุณหภูมิเฉลี่ยราว 4 องศาเซลเซียส ซึ่งช่วยลดต้นทุนระบายความร้อน และพื้นที่เดียวกันนี้มีบริษัทมากกว่าสิบแห่งยื่นขออนุมัติโครงการจากรัฐบาลท้องถิ่นเช่นกัน ส่วนสเกลเมื่อเทียบกับฝั่งสหรัฐ รายงานระบุว่า OpenAI และ Anthropic กำลังทุ่มเงินสร้างดาต้าเซ็นเตอร์ขนาด 3 ถึง 5 กิกะวัตต์

ฝั่งการเงิน DeepSeek กำลังทำดีลระดมทุนก้อนใหญ่ที่สุดเท่าที่เคยทำมา มูลค่า 7,000 ล้านดอลลาร์ ที่มูลค่าบริษัทประมาณ 50,000 ล้านดอลลาร์ ข่าวนี้ยังมีมุมการเมืองพ่วงมาด้วย เพราะรัฐบาลสหรัฐกล่าวหาว่า DeepSeek ใช้ชิปที่ถูกห้ามขายให้จีน

ข้อควรระวังคือนี่เป็นการรายงานของสื่อไทยที่อ้าง Bloomberg อีกทอดหนึ่ง เราไม่ได้เปิดต้นฉบับ Bloomberg เพราะอยู่หลัง paywall ตัวโครงการยังเป็นแผนที่ยังไม่เริ่มใช้งานจริง และข้อกล่าวหาเรื่องชิปเป็นคำกล่าวหาของรัฐบาลที่ยังไม่มีหลักฐานสาธารณะ

▲ ทำไมต้องรู้ · ข่าวนี้ตอบคำถามที่ผู้บริหารไทยถามบ่อยที่สุดข้อหนึ่งว่าโมเดลจีนที่ราคาถูกมากจะอยู่ได้นานไหม เพราะบริษัทที่ตั้งราคาต่ำที่สุดในตลาดกำลังลงทุนโครงสร้างพื้นฐานระดับพันเมกะวัตต์ ซึ่งเป็นสัญญาณว่าเขาตั้งใจอยู่ยาว ไม่ใช่การตัดราคาชั่วคราว แต่ต้องเล่าอีกด้านคู่กันเสมอว่ากำลังการผลิตขนาดนี้ต้องหารายได้มาให้คุ้ม ซึ่งอธิบายได้ว่าทำไมเจ้านี้ถึงประกาศจะเก็บค่าบริการเพิ่มเป็นสองเท่าในชั่วโมงเร่งด่วน ราคาถูกวันนี้กับความอยู่รอดระยะยาวจึงเป็นคนละเรื่องกัน ให้ดูว่าเขากำลังสร้างอะไรอยู่ ไม่ใช่ดูแค่ป้ายราคา มุมที่ใกล้ตัวคนไทยที่สุดคือช่วงเวลาที่ราคาแพงขึ้นของผู้ให้บริการจีนผูกกับเวลาทำการของปักกิ่ง ซึ่งเหลื่อมกับเวลาทำงานของไทยเกือบทั้งหมด

Techsauce (ไทย)

เรื่องนี้ต่อเนื่องจากที่คลังเก็บไว้เมื่อ 1 ส.ค. ว่า LinkedIn เพิ่มปุ่มรายงานเนื้อหาที่สร้างด้วย AI รายละเอียดที่เพิ่งมีเพิ่มและสำคัญกว่าตัวปุ่มคือ LinkedIn ปิดฟีเจอร์ "Enhance your post" ที่ให้ AI ช่วยเขียนโพสต์ แล้วแทนที่ด้วยเครื่องมือตรวจสะกดและไวยากรณ์ ซึ่งระบุว่ายังคงสำนวนและน้ำเสียงของคนเขียนไว้เหมือนเดิม

กลไกของปุ่มรายงานคือโพสต์ที่ถูกแจ้งจะไม่โดนลบทันที แต่ข้อมูลจะถูกส่งไปสอนระบบของ LinkedIn เนื้อหาที่ยืนยันแล้วว่าเป็น slop จะถูกลดการมองเห็น ส่วนผู้โพสต์จะได้รับการเตือนแบบส่วนตัว ไม่ใช่บทลงโทษ

ขนาดของปัญหาฝั่งบอทก็ไม่เล็ก แพลตฟอร์มระบุว่าสามารถบล็อกคอมเมนต์ที่มาจากบอทได้หลายแสนครั้งต่อวัน

ข้อควรระวังคือเราอ่านจากการรายงานของสื่อไทยสองเจ้าที่อ้าง TechCrunch และโพสต์ของผู้บริหาร LinkedIn อีกทอด ไม่ได้อ่านประกาศทางการฉบับเต็ม และยังไม่มีข้อมูลว่าการลดการมองเห็นทำงานแม่นแค่ไหนหรือมีอัตราตัดสินผิดเท่าไร

▲ ทำไมต้องรู้ · นี่คือแพลตฟอร์มใหญ่รายแรกที่ถอดฟีเจอร์ให้ AI เขียนแทนคนออก หลังจากทั้งวงการแข่งกันใส่ฟีเจอร์แบบนี้มาสองปี บริษัทที่เห็นข้อมูลการใช้งานจริงมากที่สุดในโลกด้านนี้สรุปแล้วว่าการให้ AI เขียนแทนทำให้คุณภาพฟีดแย่ลงจนต้องเลิก ทีมการตลาดและทีมสื่อสารองค์กรควรรู้ว่าถ้าแพลตฟอร์มที่คุณจะไปโพสต์กำลังลดการมองเห็นเนื้อหาที่ดูเหมือน AI เขียน การใช้ AI เขียนทั้งโพสต์ก็คือการจ่ายเงินซื้อยอดที่ลดลง ทางออกที่ตรงกับสิ่งที่ LinkedIn เลือกทำเองคือใช้ AI ที่ขั้นตอนตรวจและขัดเกลา ไม่ใช่ขั้นตอนสร้าง

Techsauce (ไทย) · Blognone (ไทย)

Epoch AI ร่วมกับ METR ปล่อย benchmark ชื่อ MirrorCode โจทย์คือให้ AI เขียนโปรแกรมขึ้นมาใหม่ทั้งตัวให้ทำงานเหมือนของเดิม รวม 132 โจทย์ ครอบคลุม 6 ภาษา อ้างอิงจากโปรแกรมเป้าหมาย 25 ตัวที่มีขนาดตั้งแต่ราว 16,000 ถึง 87,000 บรรทัด ข่าวนี้มาจากจดหมายข่าวรอบสัปดาห์ของ Import AI ฉบับวันที่ 27 ก.ค.

ผลคือ 17 จาก 25 โปรแกรมมีอย่างน้อยหนึ่งรอบที่ AI ทำได้คะแนนเต็ม และอีก 4 ตัวมีรอบที่ได้เกิน 99% แต่อีกด้านหนึ่ง 8 จาก 25 โปรแกรมไม่เคยถูกทำสำเร็จเต็มร้อยเลย และ 4 ตัวไม่เคยแตะ 99% ด้วยซ้ำ ส่วนต้นทุนการเขียนใหม่ที่รายงานไว้อยู่ที่ราว 100 ถึง 400 ดอลลาร์ต่อโปรแกรม

จดหมายข่าวฉบับเดียวกันยังมีตัวเลขฝั่งหุ่นยนต์ที่เปลี่ยนเร็วผิดปกติ งานชุดหนึ่งที่เมื่อเดือนสิงหาคม 2025 ต้องใช้คนทำร่วมกับโมเดลนาน 181 นาที พอถึงเดือนพฤษภาคม 2026 โมเดลทำเองได้เกือบทั้งหมดภายใน 9 นาที 35 วินาที

ข้อควรระวังคือตัวเลขทั้งหมดมาจากองค์กรที่ทำ benchmark เอง ยังไม่มีการทดสอบซ้ำโดยผู้อื่น การเขียนโปรแกรมที่มีของเดิมให้ดูเป็นโจทย์ที่ง่ายกว่าการสร้างของใหม่จากศูนย์มาก จึงห้ามโอนตัวเลขนี้ไปใช้กับงานสร้างใหม่ และตัวเลขฝั่งหุ่นยนต์มาจากผู้ผลิตเอง ยังไม่มีการทดสอบอิสระ

▲ ทำไมต้องรู้ · นี่เป็นตัวเลขที่ตอบคำถามว่า AI เขียนโปรแกรมแทนทีมได้แล้วหรือยัง ได้ตรงกว่า benchmark ที่ให้แก้บั๊กทีละจุด เพราะมันวัดงานทั้งก้อน ตัวเลข 17 จาก 25 กับ 8 จาก 25 ต้องพูดคู่กันเสมอ ถ้าเล่าแค่ด้านแรกจะได้ข้อสรุปว่าแทนได้แล้ว ถ้าเล่าแค่ด้านหลังจะได้ข้อสรุปว่ายังไม่ได้ ความจริงคืองานส่วนใหญ่ทำได้ แต่มีก้อนที่ทำไม่ได้เลยซึ่งไม่ได้เล็ก คำถามที่ควรถามจึงเปลี่ยนจาก AI เขียนโปรแกรมแทนคนได้ไหม เป็นงานของคุณอยู่ในกลุ่ม 17 หรือกลุ่ม 8 และวิธีเดียวที่จะรู้คือลองกับงานจริงของตัวเอง อีกตัวเลขที่หาได้ยากคือต้นทุน 100 ถึง 400 ดอลลาร์ต่อการเขียนโปรแกรมขนาดหลายหมื่นบรรทัดขึ้นใหม่ทั้งตัว ซึ่งผู้บริหารเอาไปเทียบกับค่าแรงได้ทันที

Import AI 466 · Epoch MirrorCode