AI News · 2026-08-06

Sundar Pichai ประกาศเมื่อ 5 ส.ค. ว่า Demis Hassabis จะย้ายจากตำแหน่งซีอีโอของ Google DeepMind ไปเป็นประธานของหน่วยงานควบกับตำแหน่งหัวหน้านักวิทยาศาสตร์ของ Alphabet โดยยังดูแล Isomorphic Labs ต่อ คนที่เข้ามารับงานบริหารประจำวันแทนคือ Koray Kavukcuoglu ซึ่งเดิมเป็นหัวหน้าฝ่ายเทคโนโลยีของ Google DeepMind และ Chief AI Architect เขาขึ้นเป็นรองประธานอาวุโสที่รายงานตรงต่อ Pichai ดูแลการพัฒนาโมเดล Gemini งานวิจัยระดับแนวหน้า รวมถึงทีมแอป Gemini และทีมฝั่งนักพัฒนา

พร้อมกันนั้น Jeff Dean หัวหน้านักวิทยาศาสตร์ของ Google ลาออกหลังทำงานมา 27 ปี โดย Pichai เขียนว่า "After an incredible 27-year run, Jeff Dean is at a moment where he wants to try something new" เขาออกไปพร้อม Sanjay Ghemawat ซึ่งเป็น Google Senior Fellow เพื่อตั้งองค์กรแบบ public benefit corporation ที่เป็นอิสระจาก Google บริษัทนั้นชื่อ Discovery Loop และตามหน้าเว็บของบริษัทเองมี Quoc Le กับ Oriol Vinyals ร่วมเป็นผู้ก่อตั้ง โดยระบุพันธกิจว่า "Our mission is straightforward: we are building AI solutions that can automatically solve important problems in machine learning, science, and engineering."

Hassabis อธิบายการย้ายด้วยตัวเองว่า "I've decided that now is the right time for me to hand over my day-to-day operational responsibilities at GDM, so that I have the time and space to focus on the big picture and help influence what is to come to the best of my ability." และเขียนว่าจะยังทำงานใกล้ชิดกับ Pichai ในเรื่อง AGI พร้อมให้คำปรึกษา Koray, Josh และหัวหน้าทีมของ Google DeepMind

ข้อควรระวังมีสามข้อ ข้อแรกคือประกาศของ Google ระบุชื่อผู้ที่ออกไว้แค่สองคนคือ Dean กับ Ghemawat ส่วน Le และ Vinyals ปรากฏจากเว็บของบริษัทใหม่และจากตัวเขาเอง ข้อสองคือตำแหน่งหัวหน้านักวิทยาศาสตร์ของ Dean เป็นของ Google ส่วนของ Hassabis เป็นของ Alphabet คนละตำแหน่งกันและไม่ใช่การเข้าไปแทนที่ ข้อสามคือแม้สื่อหลายสำนักจะตั้งข้อสังเกตว่าเรื่องนี้เกิดในจังหวะที่ Bloomberg รายงานเมื่อ 16 ก.ค. ว่า Gemini 3.5 Pro เลื่อนออกไปเพราะยังไม่ถึงเป้าหมายภายใน แต่สารของ Pichai ไม่ได้เชื่อมสองเรื่องนี้เข้าด้วยกัน ประโยคที่ใกล้ที่สุดคือ "We are committed to being at the frontier, and are super focused on the areas where we need to improve."

▲ ทำไมต้องรู้ · คนที่เอา Gemini ไปผูกกับงานประจำหรือกับระบบขององค์กรควรอ่านข่าวนี้เป็นข้อมูลเรื่องความต่อเนื่องของผลิตภัณฑ์ ไม่ใช่ข่าวซุบซิบผู้บริหาร เพราะคนที่ถือทั้งโมเดล Gemini แอป Gemini และเครื่องมือฝั่งนักพัฒนากลายเป็นคนเดียวกันที่รายงานตรงต่อซีอีโอ Alphabet ซึ่งแปลว่าการตัดสินใจเรื่องรุ่นและเรื่องราคาจะมาจากสายบังคับบัญชาที่สั้นลง สิ่งที่ควรทำคือติดตามว่ารุ่นถัดไปออกตามกำหนดหรือไม่ มากกว่าจะเดาจากการเปลี่ยนตัวคน และบทเรียนที่ใช้ได้กับทุกองค์กรคือเมื่อผู้ให้บริการที่คุณพึ่งพาเปลี่ยนโครงสร้างระดับนี้ ควรถือเป็นจังหวะทบทวนว่าระบบของคุณผูกกับผู้ให้บริการรายเดียวแน่นแค่ไหน ไม่ใช่จังหวะย้ายทันที

blog.google · Discovery Loop · 9to5Google · HN

Vincent Schmalbach เผยแพร่ผลทดสอบเมื่อ 5 ส.ค. ว่าเมื่อเรียกบทความเดียวกันจากเว็บ TIME ซ้ำๆ โดยเปลี่ยนแค่ค่า User-Agent ซึ่งเป็นข้อความที่เบราว์เซอร์หรือบอตใช้บอกว่าตัวเองคือใคร เซิร์ฟเวอร์จะส่งเนื้อหาคนละชุดกลับมา เบราว์เซอร์ของคนและ Googlebot ได้ HTML ขนาด 303,235 ไบต์ ส่วน ClaudeBot, PerplexityBot และ OAI-SearchBot ได้ไฟล์ markdown ขนาด 13,409 ไบต์

ในเวอร์ชัน markdown มีเนื้อหาที่มีลักษณะเป็นโฆษณาแทรกอยู่ เช่นคำถามคำตอบของ Ally Bank ซึ่งไม่ปรากฏในหน้าที่คนอ่านเห็นเลย และมี header ที่ส่อว่าเป็นระบบขายโฆษณาจริง ทั้ง x-mobian-impression ที่เป็นรหัสนับการแสดงผลและ x-mobian-tokens ที่นับจำนวนโทเคน ส่วนบอตของ OpenAI อย่าง GPTBot และ ChatGPT-User ถูกตอบกลับด้วยรหัส 406 คือปฏิเสธไม่ให้เข้า

ข้อควรระวังคือในกระทู้ Hacker News ที่ได้ 227 คะแนน มีผู้อ่านรายงานว่าทดสอบด้วย curl แล้วได้ไฟล์ markdown จริงแต่ไม่เจอโฆษณา และมีคนตั้งข้อสังเกตว่าสิ่งที่บทความแสดงคือเนื้อหาที่ไม่เกี่ยวข้องซึ่งโผล่เฉพาะฝั่งบอต ไม่ใช่การยัดโฆษณาแบบตรงไปตรงมา ผลจึงยังไม่ถูกยืนยันซ้ำโดยอิสระ และ TIME ยังไม่ได้ชี้แจง

▲ ทำไมต้องรู้ · เรื่องนี้กระทบวิธีที่คุณใช้ AI หาข้อมูลโดยตรง เพราะถ้าสิ่งที่ AI อ่านจากเว็บหนึ่งไม่ใช่สิ่งเดียวกับที่คุณเห็นเมื่อกดเข้าไปเอง การกดลิงก์เพื่อตรวจสอบก็ไม่ได้แปลว่าคุณกำลังตรวจสิ่งที่โมเดลอ่านจริง ข้อสังเกตที่ควรเก็บคือแรงจูงใจของเจ้าของเว็บกำลังเปลี่ยนจากการดึงคนเข้าเว็บไปเป็นการเสิร์ฟเนื้อหาให้บอต ซึ่งเปิดช่องให้มีการวางเนื้อหาที่หวังผลไว้เฉพาะสายตาของโมเดล นิสัยที่ใช้ป้องกันตัวได้จริงคือเวลาได้คำตอบที่มีการอ้างอิงเว็บ ให้ดูว่าข้อความที่ AI สรุปมามีอยู่ในหน้าที่คุณเปิดเองหรือเปล่า ไม่ใช่แค่ดูว่ามีลิงก์แนบมา

vincentschmalbach.com · HN

Meta เปิดตัว Muse Code ซึ่งเป็น agent ที่ทำงานบนบรรทัดคำสั่ง พร้อมโมเดล Muse Spark 1.2 เมื่อ 5 ส.ค. โดยระบุว่าเทรนสองอย่างนี้มาด้วยกัน ตามที่เขียนไว้ว่า "We co-trained Muse Spark 1.2 with Muse Code to ensure the model exhibits its best performance and coding usability when paired together." จุดที่บริษัทเน้นคืองานที่ยาวต่อเนื่อง เช่นการสร้างทั้ง repository และโครงการที่จบครบวงจร ราคาบน Meta Model API อยู่ที่ 1.25 ดอลลาร์ต่อล้านโทเคนขาเข้าและ 4.25 ดอลลาร์ต่อล้านโทเคนขาออก ที่ความยาว context 1 ล้านโทเคน และรับได้ทั้งข้อความ ภาพ วิดีโอ เสียงและ PDF

สิ่งที่ควรบันทึกไว้คือหน้าประกาศแสดงผลการวัดบน Terminal-Bench 2.1, DeepSWE 1.1 และชุดทดสอบภายในของ Meta เอง แต่แสดงเป็นกราฟภาพล้วน ไม่มีตัวเลขในเนื้อความให้ตรวจสอบหรืออ้างอิงได้เลย

เสียงในกระทู้ Hacker News ที่ได้ 145 คะแนนมีสองด้าน ด้านที่ชมคือโครงสร้างราคาแบบสองชั้นที่ให้ส่วนลดถ้ายอมให้บริษัทเอาข้อมูลไปเทรน ซึ่งมีคนบอกว่าตรงไปตรงมาดี ด้านที่ติหนักที่สุดคือการเลือกคู่เทียบ โดยมีคอมเมนต์ว่า "They chose to compare against Open AI's mid tier model Terra instead of Sol and still lost some benchmark" และมีเสียงสงสัยเรื่องข้อมูลว่าอย่างไรเสียบริษัทก็คงเอาไปเทรนอยู่ดี รวมถึงข้อติเรื่องต้องล็อกอินด้วยบัญชีที่ผูกกับ Facebook ซึ่งเป็นอุปสรรคกับการใช้ในองค์กร

▲ ทำไมต้องรู้ · เวลามีโมเดลใหม่ออกมา เกณฑ์ที่ใช้ได้จริงไม่ใช่ดูว่าเขาเคลมว่าชนะหรือเปล่า แต่ดูว่าเขาเลือกเทียบกับใครและตัวเลขนั้นตรวจสอบได้ไหม กรณีนี้มีสองสัญญาณพร้อมกัน คือคู่เทียบเป็นรุ่นกลางของคู่แข่งไม่ใช่รุ่นบนสุด และตัวเลขอยู่ในภาพจนคัดลอกไปตรวจไม่ได้ ส่วนเรื่องที่มีผลกับกระเป๋าเงินโดยตรงคือส่วนลดที่แลกกับการยอมให้เอาข้อมูลไปเทรน ซึ่งเป็นทางเลือกที่องค์กรต้องตัดสินใจอย่างตั้งใจ ไม่ใช่กดผ่านไปเพราะเห็นว่าถูกกว่า เพราะข้อมูลที่ทีมคุณพิมพ์เข้าไปตอนใช้งานคือทรัพย์สินของบริษัท

Meta · OpenRouter · HN

Alibaba เปิด Qwen-Image-3.0-Pro บนแพลตฟอร์ม QwenCloud เมื่อ 5 ส.ค. โดยจุดขายไม่ได้อยู่ที่ความสวยแต่อยู่ที่การใช้งานเป็นเอกสารจริง มันรับคำสั่งได้ยาวถึงราว 4.5 พันโทเคน รองรับเลย์เอาต์ที่ซับซ้อนอย่างหน้าหนังสือพิมพ์และข้อสอบ เขียนตัวหนังสือได้เล็กถึง 10 พิกเซล รองรับ 12 ภาษาและฟอนต์กว่า 20 แบบ

ราคาอยู่ที่ 0.003 ดอลลาร์ต่อภาพขาเข้า และ 0.04 ดอลลาร์ต่อภาพขาออกที่ความละเอียด 1K หรือ 0.075 ดอลลาร์ที่ 2K ทีมงานเขียนว่า "Qwen-Image-3.0-Pro isn't just pursuing 'good looks', it's pursuing 'usefulness', making image generation a truly deployable productivity tool."

ข้อควรระวังมีสามข้อ ข้อแรกคือเพดานการเรียกใช้ตั้งไว้ที่ 1 ครั้งต่อนาที ซึ่งต่ำมากสำหรับงานที่ต้องผลิตจำนวนมาก ข้อสองคือหน้าโมเดลไม่ให้ตัวเลขการวัดใดๆ เลย ทุกอย่างเป็นคำบรรยายความสามารถ ข้อสามคือไม่มีการระบุว่าปล่อย weights หรือใช้สัญญาอนุญาตแบบใด และไม่มีภาษาไทยอยู่ในรายการ 12 ภาษาที่ประกาศ

▲ ทำไมต้องรู้ · ความสามารถที่เปลี่ยนงานจริงในสายการตลาดและงานเอกสารคือการเขียนตัวหนังสือลงในภาพให้อ่านออกและสะกดถูก เพราะที่ผ่านมานี่คือจุดที่ทำให้ภาพจาก AI ใช้งานจริงไม่ได้และต้องเอาไปแก้ในโปรแกรมกราฟิกอยู่ดี ถ้าคุณกำลังประเมินเครื่องมือกลุ่มนี้ สิ่งที่ต้องทดสอบเองก่อนเสมอคือข้อความภาษาไทย เพราะไทยไม่อยู่ในรายการภาษาที่ผู้ผลิตประกาศรองรับ และการวางสระกับวรรณยุกต์เป็นจุดที่โมเดลสร้างภาพพลาดบ่อยที่สุด อีกจุดที่ต้องดูก่อนวางแผนงานคือเพดานหนึ่งครั้งต่อนาที ซึ่งทำให้ยังใช้ผลิตงานเป็นชุดใหญ่ไม่ได้

QwenCloud · HN

ทีมวิจัยเผยแพร่ LLaDA MoE v2 เมื่อ 4 ส.ค. เป็นโมเดลภาษาแบบ diffusion ที่ผสมกับสถาปัตยกรรมแบบแบ่งผู้เชี่ยวชาญ ขนาด 30B โดยมีพารามิเตอร์ทำงานจริง 3B เทรนบนข้อมูล 23.5 ล้านล้านโทเคน สิ่งที่งานนี้เสนอไม่ใช่แค่ตัวโมเดล แต่เป็นชุดกฎว่าถ้าจะขยายโมเดลแบบนี้ให้ใหญ่ขึ้นต้องปรับอะไรบ้าง

ข้อค้นพบคือขนาดชุดข้อมูลต่อรอบควรโตเร็วกว่าที่ใช้กับโมเดลแบบเดิม อัตราการเรียนรู้ควรลดลงเร็วกว่าเมื่อใช้พลังประมวลผลมากขึ้น การเพิ่มข้อมูลควรโตนำหน้าการเพิ่มขนาดโมเดลเล็กน้อย และเมื่อสเกลใหญ่ขึ้นการมีผู้เชี่ยวชาญจำนวนมากขึ้นจะได้เปรียบ ผลที่รายงานคือใช้โทเคนราว 65% ของที่ Qwen3 ใช้ แล้วได้ผลใกล้เคียงกันในหมวดความรู้ การให้เหตุผลและการเขียนโค้ด

ข้อควรระวังคือตัวเลขทั้งหมดเป็นการรายงานของผู้เขียนเอง ยังไม่มีการวัดซ้ำโดยอิสระ และการเทียบว่าใช้ข้อมูลน้อยกว่าแล้วได้ผลใกล้เคียงเป็นการเทียบข้ามสถาปัตยกรรมซึ่งมีตัวแปรอื่นปนอยู่มาก

▲ ทำไมต้องรู้ · เรื่องนี้ยังไม่ใช่สิ่งที่คนทำงานทั่วไปเอาไปใช้พรุ่งนี้ แต่เป็นสัญญาณที่ควรรู้ไว้ว่ามีสถาปัตยกรรมสายที่สองซึ่งสร้างข้อความคนละวิธีกับที่โมเดลดังทุกตัวใช้อยู่ กำลังไล่ตามมาถึงระดับที่เทียบกันได้แล้ว จุดที่จะกระทบคนใช้งานถ้ามันสำเร็จคือความเร็ว เพราะวิธีแบบ diffusion ไม่ได้สร้างคำทีละคำเรียงกันไป จึงมีโอกาสตอบเร็วขึ้นมากในงานที่ต้องการคำตอบยาว สิ่งที่ควรทำตอนนี้คือรับรู้ไว้เฉยๆ แล้วรอผลวัดจากคนนอก อย่าเพิ่งเอาไปเป็นเหตุผลในการเลือกเครื่องมือ

arXiv 2608.03457

Cloudflare เปิดตัว Cloudflare OS เมื่อ 5 ส.ค. เป็นแพลตฟอร์มโอเพนซอร์สที่องค์กรเอาไปติดตั้งบนบัญชีของตัวเองเพื่อสร้าง agent และแอปที่ผูกกับระบบงานภายใน ส่วนที่ผู้ใช้ทั่วไปเห็นคือ Agent Workspace ซึ่งเป็นหน้าจอบนเบราว์เซอร์สำหรับพนักงานทุกคนไม่เฉพาะนักพัฒนา รวมทั้งบทสนทนากับ agent สถานะที่ค้างไว้ ไฟล์ และพื้นที่รันโค้ดแยกไว้ในที่เดียว

ส่วนที่น่าสนใจกว่าสำหรับคนวางระบบคือวิธีคุมสิทธิ์ agent เริ่มต้นด้วยสิทธิ์ศูนย์แล้วได้ทรัพยากรมาเป็นชิ้นๆ ตามที่ระบุ การต่อออกอินเทอร์เน็ตถูกปิดไว้ยกเว้นช่องที่เปิดให้ชัดเจน มีตัวกลางชื่อ Gatekeepers คุมการเข้าถึงระบบภายนอกทีละบริการ และแพลตฟอร์มบันทึกว่า agent เคยเห็นข้อมูลอะไรบ้าง แล้วใช้สิ่งนั้นจำกัดว่ามันแชร์หรือทำอะไรต่อได้ ส่วนการเรียกโมเดลทั้งหมดวิ่งผ่าน AI Gateway เพื่อเลือกโมเดล คุมงบและแยกดูว่าค่าใช้จ่ายมาจากไหน

ข้อควรระวังคือของทั้งหมดเพิ่งเปิดวันนี้ผ่าน GitHub ยังไม่มีใครรายงานผลใช้งานจริงในองค์กร ไม่มีการเปิดเผยราคา และการที่ตัวแพลตฟอร์มเป็นโอเพนซอร์สไม่ได้แปลว่ารันได้โดยไม่ผูกกับบริการของ Cloudflare เพราะส่วนประกอบหลักอย่าง Workers และ Durable Objects เป็นบริการของบริษัท

▲ ทำไมต้องรู้ · คำถามที่ฝ่ายไอทีไทยติดกันมากที่สุดตอนจะเปิดให้พนักงานใช้ agent คือจะกันไม่ให้มันไปแตะข้อมูลที่ไม่ควรแตะได้อย่างไร แนวคิดที่แพลตฟอร์มนี้ใช้ตอบคำถามนั้นเอาไปใช้ได้ทันทีแม้คุณจะไม่ได้ใช้ของ Cloudflare เลย นั่นคือให้ agent เริ่มจากไม่มีสิทธิ์อะไรเลยแล้วเปิดให้ทีละอย่างตามงาน แทนที่จะให้สิทธิ์กว้างไว้ก่อนแล้วค่อยเขียนกฎห้าม และปิดทางออกอินเทอร์เน็ตเป็นค่าตั้งต้น เพราะเหตุการณ์ agent ทำเกินขอบเขตที่เป็นข่าวต่อเนื่องหลายสัปดาห์มานี้ ล้วนมีจุดร่วมกันที่การต่อเน็ตซึ่งเปิดค้างไว้โดยไม่มีใครตั้งใจ

Cloudflare · HN

ในวันเดียวกัน Cloudflare ประกาศ Cloudflare Wallets และบริการชื่อ cloudflare.pay ซึ่งแก้ปัญหาว่าเมื่อ agent ไปติดต่อกับเว็บของคนอื่น ฝั่งปลายทางไม่มีทางรู้ว่าใครเป็นคนสั่งมัน วิธีแก้คือทุกบัญชี Cloudflare จะได้ที่อยู่บนเว็บที่ใช้เป็นตัวระบุตัวตนแบบถาวร แล้วเจ้าของขยายตัวตนนั้นไปให้ agent แต่ละตัวได้ ซีอีโอ Matthew Prince สรุปโจทย์ไว้ว่า "When an agent shows up at your door, you need to know who sent it."

ฝั่งกระเป๋าเงินแบ่งเป็นสองชั้น ชั้นแรกคือกระเป๋าของบัญชีซึ่งเก็บ stablecoin ไว้เป็นยอดกลาง ชั้นที่สองคือกระเป๋าเสมือนที่ออกให้ agent แต่ละตัวพร้อมกติกาที่ตั้งได้เอง ทั้งเพดานยอดใช้จ่าย รายชื่อร้านค้าที่อนุญาต และวงเงินสูงสุดต่อรายการ

ข้อควรระวังคือตอนนี้ทำได้แค่จองชื่อบัญชีเท่านั้น ส่วนการเติมเงิน ถอนเงิน และการออกกระเป๋าเสมือนจริงๆ บริษัทระบุว่าจะเปิดในอีกไม่กี่เดือนข้างหน้า ยังไม่มีการประกาศราคา ไม่ระบุว่าใช้ stablecoin สกุลใด และการจ่ายเงินด้วยสินทรัพย์ดิจิทัลยังมีเงื่อนไขทางกฎหมายที่ต่างกันในแต่ละประเทศรวมถึงไทย

▲ ทำไมต้องรู้ · ทิศทางที่ประกาศนี้ชี้ให้เห็นคือการซื้อขายที่มี AI เป็นคนกดสั่งกำลังถูกทำให้เป็นระบบจริง ไม่ใช่การสาธิต และคำถามที่ธุรกิจไทยจะต้องตอบเร็วกว่าที่คิดคือถ้ามีบอตมาสั่งซื้อของจากร้านคุณ คุณจะยืนยันได้อย่างไรว่าใครเป็นคนอยู่เบื้องหลัง กับอีกฝั่งคือถ้าคุณจะให้ AI ไปซื้อของแทน คุณจะจำกัดวงเงินและร้านค้าไว้ตรงไหน แนวคิดกระเป๋าแยกที่มีเพดานต่อ agent เป็นสิ่งที่ลอกไปใช้ได้แม้จะไม่ได้ใช้ระบบนี้ เพราะหลักการเดียวกันคือไม่เอาบัญชีหลักที่มีเงินทั้งก้อนไปผูกกับเครื่องมืออัตโนมัติ

Cloudflare · Blognone

บันทึกการเปลี่ยนแปลงของ Claude ลงวันที่ 5 ส.ค. มีสองรายการ รายการแรกคือฟีเจอร์ inference hooks ที่เข้าสถานะเบต้าสำหรับองค์กรที่ใช้แพ็กเกจ Enterprise หลักการคือองค์กรชี้ Claude ไปที่เซิร์ฟเวอร์ตรวจความปลอดภัยของตัวเอง แล้วทุก prompt ที่อยู่ในขอบเขตจะถูกพักไว้รอคำตัดสินอนุญาตหรือปฏิเสธจากเซิร์ฟเวอร์นั้นก่อนที่โมเดลจะเริ่มทำงาน โดยครอบคลุมทั้ง claude.ai, Cowork และ Claude Code คำขอถูกเซ็นกำกับ ตั้งได้ว่าถ้าเซิร์ฟเวอร์ล่มจะให้ทำอย่างไร และทุกการปฏิเสธถูกบันทึกลงระบบตรวจสอบ

รายการที่สองคือ Claude Opus 4.1 ถูกปลดระวางแล้ว คำขอที่ยังเรียกชื่อรุ่นนี้จะได้ error กลับมา โดยแนะนำให้ย้ายไป Claude Opus 5 ส่วนนักวิจัยที่ยังต้องใช้รุ่นเก่าต้องขอผ่านโครงการเข้าถึงสำหรับนักวิจัยภายนอก

ข้อควรระวังคือ inference hooks จำกัดอยู่ที่แพ็กเกจ Enterprise เท่านั้น องค์กรที่ใช้แพ็กเกจอื่นยังใช้ไม่ได้ และการวางด่านตรวจก่อนโมเดลเริ่มคิดย่อมเพิ่มเวลารอในทุกคำสั่ง ซึ่งบันทึกไม่ได้ระบุตัวเลขไว้

▲ ทำไมต้องรู้ · การปลดระวางรุ่นเก่าเป็นเรื่องที่ทีมไทยมักโดนเข้าเต็มๆ เพราะระบบที่เขียนไว้เมื่อปีที่แล้วมักฝังชื่อรุ่นไว้ในโค้ดตรงๆ พอผู้ให้บริการปิดรุ่นนั้น ระบบก็หยุดทำงานทันทีโดยไม่มีสัญญาณเตือน สิ่งที่ควรทำวันนี้คือค้นในโค้ดของคุณว่ามีชื่อรุ่นโมเดลฝังอยู่ที่ไหนบ้าง แล้วย้ายไปไว้ที่ตั้งค่าที่เปลี่ยนได้โดยไม่ต้อง deploy ใหม่ ส่วนแนวคิดของ inference hooks มีค่ากับองค์กรที่ต้องตอบผู้ตรวจสอบว่าใครถามอะไรกับ AI บ้าง เพราะมันย้ายจุดควบคุมไปอยู่ก่อนที่ข้อมูลจะออกจากองค์กร แทนที่จะไปตรวจทีหลังจากบันทึกการใช้งาน

Claude Platform release notes

Neon เผยแพร่บทความเมื่อ 5 ส.ค. เล่าถึงเครื่องมือชื่อ Castform ที่ช่วยให้นักพัฒนาฝึกโมเดลเปิดต่อยอดด้วยวิธี reinforcement learning โดยไม่ต้องลงลึกเรื่องการจัดการ GPU ผลที่เคลมคือโมเดลเปิดขนาด 4 พันล้านพารามิเตอร์ที่ผ่านการฝึกเพิ่มแล้ว ค้นข้อมูลแบบต้องค้นหลายรอบต่อกันได้แม่นเทียบเท่า GPT-5.6 Sol ในราคาที่ถูกกว่าร้อยเท่า

จุดที่ต้องบันทึกไว้ตรงๆ คือบทความไม่ได้ให้ตัวเลขความแม่นยำเป็นเปอร์เซ็นต์เลยสักตัว กราฟที่แสดงเทียบกันใช้หน่วยเป็นค่ารางวัลเฉลี่ยจากการประเมินโดยไม่มีตัวเลขกำกับ และฝั่งราคาให้ไว้ข้างเดียวว่าคำขอค้นข้อมูลแบบหลายรอบด้วย GPT-5.6 Sol ใช้เวลาเกิน 10 วินาทีและมีค่าใช้จ่ายราว 0.03 ดอลลาร์ต่อครั้ง แต่ไม่ได้บอกว่าฝั่งของตัวเองเท่าไร ตัวเลขร้อยเท่าจึงยังไม่มีอะไรมารองรับในบทความ

ผู้เขียนเองระบุขอบเขตไว้แคบกว่าพาดหัวว่าผลนี้ใช้กับงานค้นข้อมูลโดยเฉพาะ ตามที่เขียนว่า "On specific tasks like search, post-trained open-source models can match & beat frontier models."

▲ ทำไมต้องรู้ · ข้อเสนอที่ว่าโมเดลเล็กที่ฝึกเฉพาะทางจะเอาชนะโมเดลใหญ่ในงานแคบๆ ได้ในราคาถูกกว่ามาก เป็นทิศทางที่มีน้ำหนักจริงและตรงกับสิ่งที่หลายทีมกำลังทำ แต่กรณีนี้ใช้เป็นตัวอย่างของสิ่งที่ต้องถามกลับได้ดีมาก คือเมื่อเห็นตัวเลขแบบถูกกว่าร้อยเท่า คำถามแรกคือถูกกว่าเมื่อคิดรวมอะไรบ้าง รวมค่าฝึกโมเดลกับค่าเครื่องที่ต้องรันเองหรือเปล่า และคำถามที่สองคือแม่นเท่ากันวัดจากอะไร ถ้าคำตอบอยู่ในกราฟที่ไม่มีตัวเลข สิ่งที่คุณมีคือทิศทางที่น่าสนใจ ไม่ใช่หลักฐานที่เอาไปเสนอผู้บริหารได้

Neon · HN

Simon Willison เผยแพร่เมื่อ 5 ส.ค. ว่าเขาใช้ Claude Fable 5 ผ่าน Claude Code บนเว็บ สร้างเกมสามมิติที่เล่นบนเบราว์เซอร์จากไอเดียในทวีตปี 2022 ออกมาได้ในคำสั่งเดียว ตัวเกมสร้างตัวละครแบบสุ่มขึ้นมาเอง มีดนตรีประกอบที่สังเคราะห์ขึ้นสดโดยไม่ใช้ไฟล์เสียงสักไฟล์ และใช้ Three.js เป็นตัวเรนเดอร์

จุดที่มีค่ามากกว่าตัวเกมคือวิธีทำงาน เพราะ Claude ใช้ Playwright ซึ่งเป็นเครื่องมือสั่งเบราว์เซอร์อัตโนมัติ มาเปิดหน้าเกมของตัวเองแล้วตรวจ จนจับบั๊กได้เองทั้งปัญหาการวาดภาพบน canvas และปัญหาการตกทอดของ CSS แล้วจึงนำไปแก้ ก่อนจะ deploy ขึ้น GitHub Pages

ข้อควรระวังคือผู้เขียนบอกเองว่าเกมที่ได้เล่นไม่สนุก และทั้งหมดเป็นการทดลองส่วนตัวหนึ่งครั้ง ไม่ใช่การวัดผลที่ทำซ้ำได้

▲ ทำไมต้องรู้ · เมื่อ 3 ส.ค. มีข้อสังเกตที่เป็นข่าวว่าโมเดลตรวจงานที่ต้องดูด้วยตาไม่ได้เพราะมันมองไม่เห็นผลงานตัวเอง เคสนี้คือด้านกลับของเหรียญเดียวกัน คือถ้าคุณให้เครื่องมือที่ทำให้มันเห็นผลลัพธ์ของตัวเองได้ มันจะจับข้อผิดพลาดของตัวเองเจอ หลักที่เอาไปใช้กับงานของคุณได้ทันทีคืออย่าให้ AI ส่งงานที่มันไม่มีทางตรวจได้ ถ้าเป็นงานเอกสารก็ให้มันอ่านไฟล์ที่ได้จริงกลับเข้าไปตรวจ ถ้าเป็นงานที่มีผลลัพธ์เป็นภาพหรือหน้าจอก็ต้องหาทางให้มันเห็นภาพนั้น เพราะช่องว่างระหว่างงานที่ AI ทำได้ดีกับงานที่มันพลาดบ่อย มักอยู่ตรงที่มันตรวจผลตัวเองได้หรือเปล่า

Simon Willison

PromptArmor เผยแพร่เมื่อ 5 ส.ค. ว่า Rovo ซึ่งเป็นผู้ช่วย AI ในระบบของ Atlassian มีช่องให้ส่งข้อมูลออกได้ ต้นเหตุหลักตามที่ระบุคือเครื่องมือเปิด URL ของ Rovo ไม่มีการกันการเปิดลิงก์ที่ตัว agent สร้างขึ้นเองระหว่างทำงาน โดยบทความเขียนว่า "Rovo's URL retrieval tool is insecure: there are no protections against opening a URL that has been dynamically created by the agent." และระบุการเรนเดอร์ภาพแบบ markdown ไว้เป็นช่องทางที่สองแยกต่างหาก

ลำดับการโจมตีที่สาธิตเริ่มจากผู้ใช้สั่งงานตามปกติ เช่นให้จัดระเบียบ ticket ใน Jira โดยมีไฟล์ที่ซ่อนคำสั่งแฝงไว้เข้ามาอยู่ในบริบท จากนั้นคำสั่งแฝงจะสั่งให้ Rovo ประกอบ URL ที่มีข้อมูลอ่อนไหวพ่วงไปด้วยแล้วเรียกลิงก์นั้น ผู้โจมตีก็อ่านข้อมูลได้จาก log ของเซิร์ฟเวอร์ตัวเอง จุดที่ควรรู้ที่สุดคือบทความระบุว่าวิธีนี้ยังได้ผลแม้องค์กรจะปิดการค้นเว็บไว้แล้ว เพราะ "the web search setting fails to remove the tool for opening the search results" ขอบเขตข้อมูลที่หลุดได้คือทุกอย่างที่ agent เข้าถึงได้ในระบบขององค์กร ทั้ง ticket ใน Jira เอกสารใน Confluence และข้อมูลจากตัวเชื่อมต่อระบบอื่น

ข้อควรระวังหนักและต้องอ่านคู่กันเสมอมีสี่ข้อ ข้อแรกคือข้อเท็จจริงทั้งหมดมาจากผู้รายงานฝ่ายเดียว ยังไม่มีคำยืนยันจาก Atlassian ไม่มีรหัสช่องโหว่กำกับ และไม่มีสื่อสายความปลอดภัยรายอื่นตรวจซ้ำ ข้อสองคือผู้รายงานขายสินค้าที่เกี่ยวข้องโดยตรง คือบริการเฝ้าระวังความเสี่ยงของตัวเชื่อมต่อ ซึ่งรวมถึงหน้าเฉพาะสำหรับ Rovo ข้อสามคือบทความไม่ได้ระบุว่าทดสอบบนระบบที่ใช้งานจริงหรือระบบจำลอง จึงประเมินความรุนแรงจริงไม่ได้ ข้อสี่คือแม้ช่องนี้จะยังไม่ถูกแก้ตามที่รายงาน แต่ Rovo เคยมีช่องแบบใกล้เคียงกันที่ถูกรายงานและ Atlassian แก้ไปแล้วอย่างน้อยสองรายการ การเขียนว่าเป็นเรื่องใหม่ทั้งหมดหรือว่าบริษัทเพิกเฉยต่อรายงานความปลอดภัยจึงไม่ตรงกับหลักฐาน สถานะทั้งหมดนี้ระบุ ณ วันที่ 6 ส.ค. 2026 และเปลี่ยนได้เร็ว

▲ ทำไมต้องรู้ · นี่คือรูปแบบเดียวกับที่เคยเกิดกับเครื่องมือ AI ในชุดออฟฟิศเมื่อเดือนก่อน และมันสำคัญเพราะ Jira กับ Confluence คือที่ที่บริษัทไทยจำนวนมากเก็บข้อมูลลูกค้า ราคางาน และแผนงานไว้จริง บทเรียนที่ใช้ได้ทันทีโดยไม่ต้องรอผลสรุปคือสวิตช์ปิดฟีเจอร์ที่ผู้ให้บริการให้มา อาจไม่ได้ปิดสิ่งที่คุณคิดว่ามันปิด สิ่งที่ควรทำคือทดสอบเองว่าปิดแล้วยังทำอะไรได้บ้าง แทนที่จะเชื่อชื่อของสวิตช์ และเมื่อเปิดให้ผู้ช่วย AI อ่านคลังเอกสารภายในได้ ให้ถือว่าไฟล์ทุกไฟล์ที่คนนอกส่งเข้ามาได้คือช่องทางสั่งงานที่เป็นไปได้ ไม่ใช่แค่ข้อมูลเฉยๆ

PromptArmor · HN

OpenAI เผยแพร่รายงานเรื่องการประเมินความสามารถด้าน cyber ที่จัดโดยผู้ให้บริการภายนอก โดยครอบคลุมสองเหตุการณ์ เหตุการณ์แรกคือกรณีของหน่วยงานความปลอดภัย AI ของรัฐบาลอังกฤษที่เป็นข่าวไปเมื่อวาน ส่วนเหตุการณ์ที่สองเกิดในสนามทดสอบแบบ capture the flag ที่จัดโดยบริษัทชื่อ Irregular ซึ่งรายงานระบุว่า "a testing-environment misconfiguration allowed models to access the public internet"

สิ่งที่เกิดขึ้นในเหตุการณ์ที่สองคือชื่อเป้าหมายสมมติในโจทย์บังเอิญไปตรงกับชื่อโดเมนที่มีอยู่จริง โมเดลจึงเข้าใจว่าเว็บจริงนั้นเป็นส่วนหนึ่งของสนามจำลองแล้วลงมือโจมตี ตามที่รายงานระบุว่า "the model exploited a real website, mistaking it to be part of the simulated environment"

จุดที่ทำให้รายงานฉบับนี้เพิ่มของใหม่ให้กับเรื่องที่เล่ากันมาสองสัปดาห์คือชื่อผู้จัดสนามทดสอบ เพราะ Irregular เป็นเจ้าเดียวกับที่ปรากฏในรายงานของ Anthropic เมื่อ 30 ก.ค. ในฐานะผู้จัดสภาพแวดล้อมที่ตั้งค่าผิดจนโมเดลต่ออินเทอร์เน็ตได้เช่นกัน สองเหตุการณ์ที่เคยถูกเล่าแยกกันในฐานะความผิดพลาดของแต่ละบริษัท จึงมีจุดร่วมอยู่ที่ผู้ให้บริการทดสอบรายเดียวกัน

ข้อควรระวังคือเว็บของ OpenAI ยังคืนรหัส 403 กับเครื่องมือดึงข้อมูลของเรา เนื้อหาทั้งหมดจึงอ่านผ่านสรุปของ Simon Willison ไม่ใช่ต้นฉบับ และการที่ผู้ให้บริการรายเดียวปรากฏในสองรายงานยังไม่เท่ากับข้อสรุปว่าเป็นความผิดของผู้ให้บริการรายนั้น เพราะไม่มีรายงานฉบับใดสรุปแบบนั้น

▲ ทำไมต้องรู้ · บทเรียนที่ใช้ได้กับองค์กรทั่วไปไม่ได้อยู่ที่เรื่องการทดสอบโมเดล แต่อยู่ที่การจ้างงานต่อ เพราะเมื่อคุณจ้างผู้ให้บริการภายนอกมาจัดสภาพแวดล้อมให้ระบบ AI ของคุณทำงาน ความปลอดภัยของคุณก็ไปขึ้นกับการตั้งค่าของเขาด้วย และในกรณีนี้บริษัทระดับแนวหน้าสองเจ้าเจอปัญหาเดียวกันจากผู้ให้บริการรายเดียวกันโดยที่ทั้งคู่ไม่รู้ตัวจนเกิดเรื่อง คำถามที่ควรถามผู้ให้บริการก่อนเซ็นสัญญาจึงเป็นคำถามที่ตรวจสอบได้ เช่นสภาพแวดล้อมที่ให้เรานั้นต่ออินเทอร์เน็ตออกไปได้หรือไม่ ใครเป็นคนยืนยัน และมีบันทึกให้ตรวจย้อนหลังได้ไหม

Simon Willison · anthropic-eval-incidents-2026 · aisi-agent-incident-2026

รายงานสืบสวนของ Wired ที่ขึ้น Hacker News เมื่อ 5 ส.ค. และได้ 224 คะแนน ระบุว่าพบโฆษณาที่มีภาพล่วงละเมิดทางเพศเด็กซึ่งสร้างด้วย AI มากกว่า 50 ชิ้น กระจายอยู่บน Facebook, Instagram, Threads และ Messenger จุดที่หนักที่สุดในรายงานคือช่วงระหว่างที่ผู้สืบสวนติดต่อบริษัทไปจนถึงวันเผยแพร่ ยังมีโฆษณาที่แย่กว่าเดิมถูกลงเพิ่ม และโฆษณาบางชิ้นที่ถูกลบไปแล้วถูกอัปโหลดซ้ำและผ่านการอนุมัติอัตโนมัติอีกครั้ง

คำชี้แจงของ Meta อ้างถึงการใช้เครื่องมืออัตโนมัติเป็นส่วนหนึ่งของกระบวนการตรวจ และระบุตัวเลขว่าปีที่แล้วบริษัทลบเนื้อหาที่เข้าข่ายการแสวงหาประโยชน์ทางเพศจากเด็กไปกว่า 36 ล้านชิ้น

ข้อควรระวังคือเว็บของ Wired บล็อกเครื่องมือดึงข้อมูลของเรา เราจึงอ่านเนื้อหาผ่านการสรุปในกระทู้ Hacker News ไม่ใช่ต้นฉบับ ตัวเลขและรายละเอียดจึงควรถือเป็นข้อมูลชั้นรอง และประเด็นที่ผู้ร่วมถกเถียงยกขึ้นมามากที่สุดคือโฆษณาเป็นสิ่งที่แพลตฟอร์มได้เงินโดยตรงและมีขั้นตอนตรวจแยกจากเนื้อหาผู้ใช้ทั่วไป มาตรฐานจึงควรสูงกว่า

▲ ทำไมต้องรู้ · เรื่องนี้มีมุมที่ตรงกับงานของคนทำโฆษณาและคนดูแลแบรนด์ในไทย คือถ้าระบบตรวจอัตโนมัติของแพลตฟอร์มปล่อยเนื้อหาระดับนี้ผ่านได้ การหวังว่ามันจะกันโฆษณาปลอมที่แอบอ้างแบรนด์ของคุณหรือโฆษณาหลอกลวงที่ใช้ภาพผู้บริหารของคุณได้ ก็เป็นความหวังที่ไม่มีอะไรรองรับ สิ่งที่ทำได้จริงคือตั้งรอบเฝ้าดูโฆษณาที่ใช้ชื่อและภาพของแบรนด์ตัวเองเป็นงานประจำ และเตรียมช่องทางแจ้งลบไว้ล่วงหน้า แทนที่จะรอให้ลูกค้าเป็นคนมาบอก เพราะรายงานนี้ชี้ว่าแม้แจ้งลบไปแล้วเนื้อหาเดิมก็กลับมาผ่านการอนุมัติซ้ำได้

HN สรุปรายงานของ Wired

Pavel Durov ผู้ก่อตั้ง Telegram เปิดเผยเมื่อ 5 ส.ค. ว่ามีกลุ่มผู้ไม่หวังดีใช้วิธีใหม่กดดันให้แอปถูกถอดออกจาก App Store โดยอาศัยการที่ Apple ตอบสนองต่อรายงานการละเมิดอย่างรวดเร็ว

วิธีที่เขาอธิบายคือกลุ่มดังกล่าวใช้ AI เข้าไปแก้ข้อความเก่าที่อยู่ในกลุ่มแชต เพื่อแทรกเนื้อหาไม่เหมาะสมลงในบทสนทนาที่ผ่านไปแล้ว ซึ่งทำให้สมาชิกในกลุ่มไม่เห็นและไม่แจ้งเข้ามา ทีมตรวจสอบของแพลตฟอร์มจึงไม่ได้รับรายงาน จากนั้นกลุ่มเดียวกันจะนำเนื้อหานั้นไปรายงานต่อ Apple เพื่อกดดันให้ถอดแอป

ข้อควรระวังคือทั้งหมดเป็นคำอธิบายของผู้บริหารแพลตฟอร์มที่ตัวเองเป็นฝ่ายเสียหาย ยังไม่มีการยืนยันจาก Apple หรือจากนักวิจัยอิสระ และไม่มีการเปิดเผยจำนวนกลุ่มหรือจำนวนข้อความที่ถูกแก้

▲ ทำไมต้องรู้ · สิ่งที่ควรเก็บจากเรื่องนี้คือรูปแบบ ไม่ใช่ตัวแพลตฟอร์ม เพราะกลไกที่ถูกใช้คือการอาศัยระบบรับเรื่องร้องเรียนอัตโนมัติเป็นอาวุธ แล้วใช้ AI ทำให้เนื้อหาที่ใช้ปรักปรำมองไม่เห็นด้วยตาคนที่อยู่ในนั้น องค์กรไทยที่มีกลุ่มแชตของลูกค้าหรือชุมชนผู้ใช้ควรรู้ว่ารูปแบบนี้ใช้ได้กับกลุ่มของคุณเช่นกัน สิ่งที่ทำได้คือกำหนดคนดูแลกลุ่มที่ตรวจย้อนหลังเป็นระยะ ไม่ใช่รอเฉพาะตอนมีคนแจ้ง และเก็บบันทึกการแก้ไขข้อความไว้ให้ตรวจสอบได้ เพราะข้อความที่ถูกแก้ทีหลังคือหลักฐานที่ย้อนกลับมาทำร้ายเจ้าของกลุ่มได้

Blognone

ทีมวิจัยเผยแพร่ ContinualSkillBench เมื่อ 4 ส.ค. เป็นชุดทดสอบที่ครอบคลุมห้าโดเมนและมีโจทย์ 100 ข้อที่ยากขึ้นเรื่อยๆ และเชื่อมโยงกัน เพื่อตอบคำถามว่า agent ที่มีคลังทักษะให้เก็บและหยิบมาใช้ซ้ำนั้นพัฒนาตัวเองได้จริงหรือไม่

ผลที่ได้คือการทำงานเรียงต่อกันช่วยให้ผลดีขึ้นจริง แต่ระดับความช่วยเหลือต่างกันมากในแต่ละโมเดลและแต่ละโดเมน จุดที่สะดุดที่สุดคือการปล่อยให้โมเดลอ่านบริบทของงานก่อนหน้าเฉยๆ ให้ผลใกล้เคียงกับการมีระบบจัดการคลังทักษะอย่างเป็นทางการ ผู้เขียนสรุปว่าผลที่ดีขึ้นส่วนมากมาจากการปรับตัวตามบริบทและ feedback มากกว่าการสร้างทักษะที่นำกลับมาใช้ใหม่ได้จริง อีกข้อสังเกตคือโมเดลที่อ่อนกว่ามักสะสมทักษะเฉพาะงานจำนวนมากที่กระจัดกระจาย แทนที่จะรวบให้เป็นความรู้ที่ย้ายไปใช้ที่อื่นได้

ข้อควรระวังคือชุดทดสอบนี้ผู้เขียนสร้างเอง และผลผูกกับโมเดลกับโดเมนที่เลือกมาทดสอบ ยังไม่มีการทำซ้ำโดยกลุ่มอื่น

▲ ทำไมต้องรู้ · หลายองค์กรกำลังลงแรงสร้างคลังคำสั่งหรือคลังทักษะให้ AI ขององค์กรโดยเชื่อว่ายิ่งสะสมยิ่งเก่งขึ้น งานนี้บอกว่าสมมติฐานนั้นยังไม่ได้รับการพิสูจน์ และส่วนใหญ่ของผลที่ดีขึ้นอาจมาจากการที่โมเดลได้เห็นตัวอย่างงานก่อนหน้าเฉยๆ สิ่งที่ควรทำก่อนลงทุนสร้างระบบใหญ่คือทดลองเปรียบเทียบง่ายๆ ด้วยตัวเอง คือลองแบบมีคลังทักษะกับแบบแค่แนบตัวอย่างงานที่ผ่านมาเข้าไปในคำสั่ง ถ้าผลไม่ต่างกันชัดเจน เงินและเวลาที่จะใช้สร้างระบบนั้นอาจเอาไปทำอย่างอื่นได้คุ้มกว่า

arXiv 2608.03874

ทีมวิจัยเผยแพร่ AntiSkillBench เมื่อ 4 ส.ค. เป็นชุดทดสอบสำหรับวัดความเสี่ยงเมื่อเอาประวัติการสนทนาของผู้ใช้มากลั่นเป็นทักษะเพื่อให้ agent ทำตัวเหมือนคนคนนั้น ชุดข้อมูลประกอบด้วยบทสนทนา 7,500 ชุดที่สร้างจากโปรไฟล์ 50 แบบ และวัดสามระดับ คือความเสี่ยงในตัวทักษะเอง การเปิดเผยข้อมูลของ agent และการสวมรอยเชิงพฤติกรรม

ผลที่ได้คือความเสี่ยงยังคงอยู่ไม่ว่าจะเปลี่ยนโมเดลหรือเปลี่ยนวิธีกลั่นทักษะ และไม่ได้จำกัดอยู่แค่ข้อมูลที่ระบุตัวตนตรงๆ ตามที่ผู้เขียนระบุว่าความเสี่ยง "extending from explicit attributes to communication styles and personality traits" ส่วนวิธีป้องกันสี่แบบที่ทดสอบให้ผลจำกัดและขึ้นกับวิธีกลั่นทักษะที่ใช้ จึงยังไม่มีวิธีไหนที่ใช้ได้ทั่วไป

ข้อควรระวังคือโปรไฟล์ทั้ง 50 แบบเป็นข้อมูลที่สร้างขึ้น ไม่ใช่ข้อมูลผู้ใช้จริง และตัวชุดทดสอบเป็นของผู้เขียนเอง

▲ ทำไมต้องรู้ · ฟีเจอร์ที่ให้ AI จำสไตล์การเขียนของคุณแล้วเขียนแทนคุณกำลังกลายเป็นของมาตรฐานในเครื่องมือทำงานหลายตัว งานนี้ชี้ว่าสิ่งที่ถูกเก็บไปไม่ได้มีแค่ข้อมูลที่คุณนึกออกว่าเป็นความลับ แต่รวมถึงลักษณะการพูดที่ทำให้คนอื่นรู้ว่าเป็นคุณ ซึ่งเป็นสิ่งที่ใช้สวมรอยได้ สิ่งที่ควรทำในองค์กรคือกำหนดให้ชัดว่าใครเข้าถึงโปรไฟล์แบบนี้ได้บ้าง โดยเฉพาะโปรไฟล์ของผู้บริหารที่ลายเซ็นการเขียนของเขาถูกใช้ยืนยันตัวตนในทางปฏิบัติอยู่แล้ว เช่นในอีเมลอนุมัติงานหรืออนุมัติการโอนเงิน

arXiv 2608.03700

งานวิจัยชื่อ FinIndices ซึ่งส่งเข้าคลังเปเปอร์เมื่อ 22 ก.ค. และเพิ่งได้รับความสนใจในรอบนี้ ทดสอบว่าโมเดลอ่านงบการเงินที่ยาวถึง 32,000 โทเคนแล้วคำนวณตัวชี้วัดได้จริงแค่ไหน วิธีทดสอบที่ทำให้ผลน่าสนใจคือการเอาคำใบ้ที่เป็นสูตรออกจากคำถาม

ผลคือคะแนนตกอย่างรุนแรง Gemini-3.1-Pro ตกจาก 70.70% เหลือ 38.22% ในโจทย์ประเภทตาราง ผู้เขียนตีความว่าโมเดลจำสูตรได้จากการเทรนแต่จับรูปแบบจากตัวงบเองไม่เก่ง อีกข้อค้นพบคือเมื่อต้องสร้างตารางที่มีหลายตัวชี้วัดและหลายช่วงเวลาพร้อมกัน โมเดลจะหมดกำลังคิดแล้วหันไปใช้ทางลัด เช่นหยิบตัวเลขจากคอลัมน์ข้างเคียงหรือบวกลบง่ายๆ แทนการปรับปรุงตามหลักบัญชี ส่วนการฝึกเพิ่มด้วยข้อมูลเฉพาะทางช่วยได้บ้างที่ 8.54% และ 3.82% ในสองประเภทโจทย์

ข้อควรระวังคือรหัสของเปเปอร์ขึ้นต้นด้วย 2607 และส่งจริงตั้งแต่ 22 ก.ค. ไม่ใช่งานที่เพิ่งออกวันนี้ และตัวชุดทดสอบเป็นของผู้เขียนเอง

▲ ทำไมต้องรู้ · นี่คือหลักฐานที่ตรงที่สุดสำหรับคำถามที่ฝ่ายบัญชีและฝ่ายการเงินถามกันมากที่สุดว่าจะให้ AI อ่านงบแทนคนได้ไหม สิ่งที่ผลนี้บอกคือคำตอบขึ้นกับว่าคุณบอกสูตรให้มันหรือเปล่า ถ้าคุณเขียนคำสั่งแบบระบุวิธีคำนวณไว้ครบ ผลจะดูดีมาก แต่นั่นแปลว่าความรู้ที่ใช้จริงมาจากคุณ ไม่ใช่จากโมเดล และถ้าเอาไปใช้กับคนที่ไม่รู้สูตร ผลจะตกลงราวครึ่งหนึ่งโดยที่คำตอบยังดูน่าเชื่ออยู่เหมือนเดิม วิธีทดสอบเครื่องมือก่อนซื้อจึงควรทำแบบเดียวกับงานนี้ คือลองถามโดยไม่บอกวิธีคำนวณ แล้วดูว่ามันยังตอบถูกไหม

arXiv 2607.28661

ทีมวิจัยเผยแพร่ Video-DeepResearch เมื่อ 4 ส.ค. โดยตั้งต้นจากปัญหาสองข้อที่พบในระบบเดิม ข้อแรกคือ agent มักเลี่ยงไปค้นข้อความแทนที่จะดูภาพจริง ข้อสองคือมันตอบจากความรู้ที่จำมาตอนเทรนแทนที่จะไปหาคำตอบด้วยเครื่องมือจริง

วิธีแก้ที่เสนอคือแยกขั้นตอนการดูออกจากขั้นตอนการค้น แล้วล็อกไม่ให้ใช้เครื่องมือค้นเว็บจนกว่าจะวิเคราะห์ภาพข้ามเฟรมจนครบก่อน ผลที่รายงานคือรุ่น 35B ที่มีพารามิเตอร์ทำงานจริง 3B ได้ 64.0% เทียบกับ Claude 4.5 Sonnet ที่ 59.0% GPT-5 ที่ 52.5% และ Gemini 2.5 Pro ที่ 57.5%

ข้อควรระวังที่สำคัญมากคือชุดทดสอบที่ใช้วัดชื่อ Video-DR-Bench ซึ่งผู้เขียนสร้างขึ้นเอง มีโจทย์ 200 ข้อ การที่โมเดลของผู้เขียนชนะบนชุดทดสอบของผู้เขียนเองจึงเป็นผลที่ต้องรอการวัดซ้ำจากคนนอกก่อนเชื่อ และโมเดลที่เอามาเทียบหลายตัวเป็นรุ่นที่ไม่ใช่รุ่นบนสุดในปัจจุบันแล้ว

▲ ทำไมต้องรู้ · แนวคิดที่เอาไปใช้ได้จริงในการเขียนคำสั่งของคุณเองคือการบังคับลำดับ ปัญหาที่งานนี้แก้เป็นปัญหาเดียวกับที่คนใช้ AI เจอทุกวัน คือสั่งให้มันอ่านไฟล์ที่แนบไปแล้วสรุป แต่มันกลับตอบจากความรู้ทั่วไปที่จำมาได้ ซึ่งฟังดูถูกแต่ไม่ได้มาจากเอกสารของคุณ วิธีลดปัญหานี้คือแยกงานเป็นสองรอบ รอบแรกให้มันดึงข้อความจากเอกสารออกมาก่อนโดยห้ามสรุป แล้วรอบสองค่อยให้สรุปจากสิ่งที่ดึงมา เพราะเมื่อคุณเห็นสิ่งที่มันดึงออกมาได้ คุณจะรู้ทันทีว่าคำตอบนั้นมาจากเอกสารจริงหรือมาจากที่อื่น

arXiv 2608.03979

Quanta Magazine เผยแพร่บทสำรวจเมื่อ 3 ส.ค. และขึ้น Hacker News เมื่อ 5 ส.ค. ที่ 126 คะแนน เล่าว่าโจทย์ค้างในคลังปัญหาของ Erdős กำลังถูกแก้ด้วยความช่วยเหลือของ AI เพิ่มขึ้นเรื่อยๆ ณ วันที่เผยแพร่ ฐานข้อมูลมีโจทย์ที่แก้แล้ว 565 ข้อและยังเปิดอยู่ 652 ข้อ

ปฏิกิริยาของนักคณิตศาสตร์ในบทความแตกเป็นสองทางชัดเจน ฝั่งที่เห็นคุณค่ามี Tim Gowers ที่พูดถึงงานชิ้นหนึ่งของ OpenAI ว่า "if a human had written the paper and submitted it to the Annals of Mathematics...I would have recommended acceptance without any hesitation." และ Wouter van Doorn ที่บอกว่า "A lot of my recent papers should be mostly credited to AI" ส่วน Noga Alon จาก Princeton สะท้อนอีกด้านว่า "Once AI started to solve them, there is no point anymore"

ข้อกังวลที่คมที่สุดมาจาก Thomas Bloom ผู้ดูแลฐานข้อมูลนี้เอง ซึ่งชี้ว่าปัญหาใหญ่คือคนที่ไม่ใช่นักคณิตศาสตร์เริ่มใช้ AI ส่งคำตอบเข้ามาจำนวนมาก และมีบทพิสูจน์ยาวเป็นร้อยหน้าที่ยังไม่มีมนุษย์คนไหนอ่าน ตามที่เขาพูดว่า "no human has read it"

▲ ทำไมต้องรู้ · สิ่งที่เกิดในวงการคณิตศาสตร์ตอนนี้คือภาพล่วงหน้าของสิ่งที่กำลังจะเกิดในทุกวิชาชีพที่ตรวจงานด้วยการอ่าน ทั้งงานกฎหมาย งานตรวจสอบบัญชี และงานเขียนข้อกำหนดทางเทคนิค เพราะเมื่อ AI ผลิตงานที่ยาวและถูกต้องพอจะดูน่าเชื่อได้เร็วกว่าที่คนอ่านไหว คอขวดจะย้ายจากการผลิตไปอยู่ที่การตรวจทันที คำถามที่ทีมของคุณควรตอบไว้ล่วงหน้าจึงไม่ใช่ว่าจะให้ AI ทำงานนี้ได้ไหม แต่คือถ้ามันส่งงานยาวสามเท่าของเดิมมาให้ ใครจะเป็นคนอ่าน และจะอ่านด้วยเกณฑ์อะไร

Quanta Magazine · HN

Liher Urbizu ประธานและกรรมการผู้จัดการของ SAP ภูมิภาคเอเชียตะวันออกเฉียงใต้ พูดในงาน SAP NOW AI Tour ที่สิงคโปร์ในเดือน ส.ค. ว่าธุรกิจรับตัวเลขที่ใกล้เคียงไม่ได้ โดยเฉพาะข้อมูลทางการเงินซึ่งต้องแม่นยำร้อยเปอร์เซ็นต์

เงื่อนไขที่เขาระบุว่าจำเป็นมีสี่ข้อ คือต้องเป็น AI ที่เจาะจงกับงานนั้นไม่ใช่ตัวทั่วไป ต้องมีการควบคุมการเข้าถึงข้อมูลขององค์กร ต้องตรวจสอบย้อนกลับได้ว่าตัวเลขที่ได้มาจากข้อมูลชุดไหนและคำนวณอย่างไร และต้องมีการจัดโครงสร้างความรู้ในรูป knowledge graph เพื่อให้ระบบเข้าใจความสัมพันธ์ของข้อมูลในฐานข้อมูล

ข้อควรระวังคือผู้พูดเป็นผู้บริหารของบริษัทที่ขายสินค้าซึ่งตอบโจทย์สี่ข้อนี้พอดี คือผู้ช่วย AI ที่ทำงานบนข้อมูลในระบบของ SAP เอง คำแนะนำนี้จึงควรอ่านเป็นการวางตำแหน่งสินค้าไปพร้อมกับการให้ความเห็น

▲ ทำไมต้องรู้ · แม้จะเป็นคำพูดที่มาพร้อมการขายของ แต่เกณฑ์สี่ข้อนี้ใช้เป็นรายการตรวจสอบได้จริงเวลาผู้ขายรายไหนก็ตามมาเสนอระบบ AI สำหรับงานการเงินให้บริษัทคุณ โดยข้อที่แยกของจริงออกจากของที่ยังไม่พร้อมได้ดีที่สุดคือข้อการตรวจสอบย้อนกลับ เพราะเครื่องมือที่ตอบได้แค่ตัวเลขสุดท้ายโดยชี้ไม่ได้ว่าเอามาจากแถวไหนของฐานข้อมูล จะใช้กับงานที่ต้องส่งผู้สอบบัญชีไม่ได้เลย ไม่ว่าตัวเลขจะถูกแค่ไหนก็ตาม คำถามเดียวที่ควรถามในการนำเสนอคือขอดูว่ากดจากตัวเลขนี้กลับไปหาต้นทางได้ไหม

Blognone