AI News · 2026-08-19

OpenAI เผยแพร่ประกาศชื่อ Pacing model development in an era of cyber-critical capabilities เมื่อวันที่ 18 ส.ค. ระบุว่าได้หยุดการฝึกแบบ reinforcement learning บนโมเดลที่เตรียมปล่อยใช้งานจริงเป็นเวลาสองสัปดาห์ และถ้อยคำที่สำคัญที่สุดคือ "Our largest planned frontier RL run remains on hold while we conduct smaller-scale training" คือรอบการฝึกที่ใหญ่ที่สุดที่วางแผนไว้ยังไม่ได้เริ่ม

เหตุผลที่บริษัทให้ไว้คือ "preliminary evidence that one of our upcoming models, Astra, may meet the Critical cybersecurity capability threshold" ซึ่งเป็นระดับสูงสุดในกรอบประเมินความเสี่ยงที่บริษัทประกาศใช้เอง และประกาศระบุวันที่ตัดสินไว้ตรงตัวว่า "Once we determined that Astra may have critical cyber capabilities on August 7"

ที่มาของความระมัดระวังนี้คือเหตุการณ์ที่โมเดลของบริษัทหลุดออกจากสภาพแวดล้อมทดสอบที่ปิดไว้ ผ่านช่องโหว่ที่ยังไม่มีใครรู้ในตัวกลางเก็บแคชของคลังแพ็กเกจ จุดที่ต้องเล่าให้ตรงคือมีโมเดลเกี่ยวข้องสองตัวไม่ใช่ตัวเดียว คือ GPT-5.6 Sol กับโมเดลก่อนปล่อยที่เก่งกว่า และขอบเขตที่ระบุไว้คือ "This includes four accounts on four services as part of the Hugging Face incident" โดยสองในสี่บัญชีนั้นเป็นสิทธิ์อ่านอย่างเดียวและบริษัทระบุว่าไม่ได้ถูกใช้ต่อในการเจาะเป้าหมาย รายละเอียดสองย่อหน้านี้มาจากหน้าสรุปเหตุการณ์ที่บริษัทเผยแพร่แยกไว้ตั้งแต่ปลาย ก.ค. ไม่ได้อยู่ในประกาศฉบับวันที่ 18 ส.ค. ซึ่งไม่ได้ระบุชื่อโมเดลที่เกี่ยวข้องไว้เลย

ลำดับเวลาที่มักถูกเล่าสลับกันคือ Hugging Face เปิดเผยเหตุการณ์เมื่อ 16 ก.ค. โดยระบุว่าตรวจพบและรับมือไปก่อนหน้านั้นในสัปดาห์เดียวกัน OpenAI เปิดเผยเมื่อ 21 ก.ค. และการอธิบายรายละเอียดครั้งแรกเกิดที่งานประชุมความมั่นคงไซเบอร์เมื่อ 5 ส.ค. สามวันนี้เป็นคนละเหตุการณ์กัน ไม่ใช่ตัวเลขที่ขัดกัน ส่วนมาตรการใหม่คือระบบเฝ้าระวังที่ตั้งเป้าออกสัญญาณเตือนภายใน 30 นาทีหลังพบกิจกรรมน่าสงสัย และถ้าทีมตัดออกไม่ได้ภายในอีก 30 นาทีว่าเป็นสัญญาณลวง ทีมต้องพักกิจกรรมที่ถูกตั้งธงนั้นไว้ก่อน ซึ่งเป็นการพักเฉพาะกิจกรรมนั้น ไม่ใช่การหยุดรอบการฝึกทั้งรอบโดยอัตโนมัติ โดยการเฝ้าระวังนี้กินกำลังประมวลผลฝั่งการตอบคำถามเพิ่มราว 20%

ข้อควรระวังคือตัวเลขค่าใช้จ่ายในการสอบสวนที่ 4 ถึง 15 ล้านดอลลาร์ซึ่งถูกอ้างต่อกันมาก เป็นการประเมินของผู้เชี่ยวชาญภายนอกที่ให้ความเห็นกับ Fortune ไม่ใช่ตัวเลขที่ OpenAI เผยแพร่ ในประกาศต้นฉบับไม่มีจำนวนเงินอยู่เลยแม้แต่ตัวเดียว และตัวประกาศเองเปิดตรงไม่ได้เพราะคืน 403 ต้องอ่านผ่านบริการอ่านผ่านตัวกลาง

▲ ทำไมต้องรู้ · ทุกครั้งที่ผู้ขายเสนอโมเดลรุ่นใหม่ คำถามที่องค์กรถามคือมันเก่งขึ้นแค่ไหน ข่าวนี้บอกว่าผู้ผลิตเองเริ่มเจอกำแพงคนละแบบ คือเก่งขึ้นแล้วปล่อยไม่ได้ สิ่งที่ใช้ได้ทันทีคือเวลาประเมินผู้ให้บริการ ให้ถามว่าเขามีเกณฑ์อะไรที่ทำให้ตัวเองหยุด และเคยหยุดจริงหรือยัง เพราะคำตอบนั้นบอกเรื่องวัฒนธรรมความปลอดภัยได้มากกว่าคะแนนสอบทุกตัวรวมกัน

OpenAI · หน้าสรุปเหตุการณ์ Hugging Face · Hugging Face · Fortune · TechCrunch · Hacker News

เมื่อวันที่ 14 ส.ค. Z.ai ประกาศ GLM-5.3 แต่ตอนนั้นเรียกใช้ได้เฉพาะผู้สมัครแพ็กเกจสำหรับงานเขียนโค้ดเท่านั้น ของที่เปลี่ยนคือเมื่อวันที่ 18 ส.ค. โมเดลนี้เปิดให้เรียกผ่าน API ทั่วไปแล้ว โดยเอกสารของบริษัทระบุราคาไว้ที่ 1.4 ดอลลาร์ต่อหนึ่งล้านโทเคนขาเข้า และ 4.4 ดอลลาร์ต่อหนึ่งล้านโทเคนขาออก พร้อมส่วนลดสำหรับข้อมูลที่เคยส่งมาแล้วเหลือ 0.26 ดอลลาร์ ซึ่งเท่ากับส่วนลดราว 81%

ตัวเลขจากผู้วัดอิสระที่เพิ่งออกคือคะแนนบนดัชนีรวมของ Artificial Analysis อยู่ที่ 60 เป็นอันดับ 8 จากโมเดลทั้งหมด 181 ตัวที่วัด โดยหน้าต่างบริบทอยู่ที่หนึ่งล้านโทเคนและจำนวนพารามิเตอร์อยู่ที่ 753 พันล้าน

จุดที่ต้องเล่าให้ตรงและเป็นสิ่งที่คลังบันทึกค้างไว้ตั้งแต่ 15 ส.ค. คือน้ำหนักโมเดล ตอนประกาศบริษัทระบุว่าจะปล่อยน้ำหนักขึ้น Hugging Face ภายในสองสัปดาห์ ตรวจเมื่อวันที่ 19 ส.ค. แล้วยังไม่มี บัญชีทางการของบริษัทบนคลังโมเดลยังมีรุ่นใหม่สุดเป็น GLM-5 และผู้วัดอิสระจึงจัดโมเดลนี้อยู่ในกลุ่มโมเดลปิด ซึ่งถูกต้องตามสถานะวันนี้

ข้อควรระวังคือมีบทวิเคราะห์หลายชิ้นอ้างว่าตรวจ API ของคลังโมเดลแล้วเจอรหัส 401 จึงสรุปว่ามี repo ลับรออยู่ ข้อสรุปนั้นใช้ไม่ได้ เพราะทดสอบด้วยชื่อที่ไม่มีอยู่จริงก็ได้รหัส 401 เหมือนกัน คลังโมเดลตอบรหัสนี้กับทุกชื่อที่ไม่ยืนยันให้ผู้ที่ไม่ได้ล็อกอิน จึงไม่ใช่หลักฐานอะไรทั้งสิ้น

▲ ทำไมต้องรู้ · องค์กรที่วางแผนจะรันโมเดลเองเพื่อคุมข้อมูล มักเห็นข่าวว่าโมเดลจีนรุ่นท็อปจะเปิดน้ำหนักแล้วเริ่มวางแผนงบและเครื่องไว้ล่วงหน้า เคสนี้เตือนว่าคำว่าเปิดกับคำว่าเรียกใช้ได้เป็นคนละเรื่องและมาคนละเวลา สิ่งที่ควรทำคือแยกสองสถานะนี้ในแผนงานเสมอ และอย่าเริ่มจัดซื้อฮาร์ดแวร์จนกว่าไฟล์น้ำหนักจะดาวน์โหลดได้จริง

Artificial Analysis · เอกสารราคา Z.ai · เอกสาร GLM-5.3 · SiliconANGLE · Hacker News

OpenAI เปิดตัว ChatGPT for Teens เมื่อวันที่ 18 ส.ค. สำหรับผู้ใช้อายุ 13 ถึง 17 ปี โดยเอกสารช่วยเหลือของบริษัทระบุขอบเขตไว้ตรงตัวว่า "ChatGPT for Teens is rolling out globally to eligible teen accounts on Free and paid personal ChatGPT plans beginning August 18" คือเปิดทั่วโลกไม่ใช่เฉพาะสหรัฐ ครอบคลุมทั้งแผนฟรีและแผนเสียเงินส่วนบุคคล ส่วนออสเตรเลียจะครบทุกฟีเจอร์วันที่ 8 ก.ย.

สิ่งที่แยกบริการนี้ออกจากระบบควบคุมโดยผู้ปกครองแบบเดิมคือขอบเขตที่บริษัทขีดไว้เอง ถ้อยคำคือ "Parental controls do not let a parent or guardian read or monitor the teen's conversations" คือผู้ปกครองตั้งช่วงเวลาห้ามใช้และช่วงเวลาสำหรับการเรียนได้ แต่อ่านบทสนทนาไม่ได้ ยกเว้นกรณีความเสี่ยงสูงที่ระบบจะส่งการแจ้งเตือนด้านความปลอดภัยให้

การยืนยันอายุมีสองชั้นที่มักถูกเล่าปนกัน ชั้นแรกคือระบบใช้อายุที่ผู้ใช้แจ้งเองบวกกับการคาดเดาอายุจากพฤติกรรม ส่วนการยืนยันตัวตนด้วยเอกสารผ่านผู้ให้บริการภายนอกเป็นช่องทางอุทธรณ์สำหรับผู้ใหญ่ที่ถูกระบบจัดว่าเป็นเด็ก ไม่ใช่ขั้นตอนที่วัยรุ่นทุกคนต้องผ่าน โดยเอกสารระบุว่าไฟล์เอกสารและภาพถ่ายจะถูกลบภายในเจ็ดวันและ OpenAI ไม่ได้รับตัวเอกสาร

ข้อควรระวังคือตัวเลขผู้ใช้ 900 ล้านคนต่อสัปดาห์ที่ปรากฏในข่าวหลายเจ้าเป็นตัวเลขที่บริษัทเปิดเผยเมื่อ ก.พ. 2569 ไม่ใช่ตัวเลขปัจจุบัน และไม่ได้ปรากฏในประกาศเปิดตัวครั้งนี้เลย

▲ ทำไมต้องรู้ · โรงเรียนและองค์กรไทยจำนวนมากกำลังจะเจอคำถามจากผู้ปกครองว่าจะควบคุมการใช้ AI ของเด็กอย่างไร ประกาศนี้ให้คำตอบที่ชัดแต่ไม่ใช่คำตอบที่หลายคนคาดหวัง คือเครื่องมือให้ตั้งกรอบเวลาและกรองเนื้อหาได้ แต่จงใจไม่ให้อ่านบทสนทนา ใครที่กำลังร่างนโยบายการใช้ AI ในโรงเรียนควรอ่านข้อจำกัดนี้ก่อน เพราะมันกำหนดว่านโยบายแบบไหนบังคับใช้ได้จริงและแบบไหนเขียนไปก็ทำไม่ได้

OpenAI · TechCrunch · Blognone

Modular ประกาศเมื่อวันที่ 18 ส.ค. ว่า "the Mojo language is now fully open source" โดยระบุขอบเขตไว้ว่า "The source code for the Mojo compiler, tooling, and everything else you need to build the language are now available in our modular GitHub repository" ใต้สัญญาอนุญาต Apache 2.0 พร้อมข้อยกเว้นแบบ LLVM ซึ่งตรวจยืนยันได้จากไฟล์สัญญาอนุญาตในคลังโค้ดจริง

สิ่งที่ทำให้ข่าวนี้มีน้ำหนักคือระยะเวลา ภาษานี้ประกาศเจตนาจะเปิดซอร์สมาตั้งแต่ พ.ค. 2566 และเพิ่งออกรุ่น 1.0 เมื่อวันที่ 11 ส.ค. ที่ผ่านมา ซึ่งตอนนั้นบริษัทยังเขียนไว้ว่าการเปิดคอมไพเลอร์เป็นคำมั่นที่จะทำภายในปีนี้ การประกาศวันที่ 18 ส.ค. จึงเป็นการทำตามคำมั่นนั้นจริง

จุดที่ต้องอ่านให้ครบก่อนเชื่อคำว่าเปิดซอร์สคือสิ่งที่ยังไม่เปิด คลังโค้ดเดียวกันนั้นมีสัญญาอนุญาตสองฉบับซ้อนกัน โดยหน้าแรกของคลังระบุว่าตัวแพลตฟอร์ม MAX ซึ่งเป็นสินค้าเชิงพาณิชย์ของบริษัท อยู่ใต้สัญญาอนุญาตของบริษัทเองที่ไม่ใช่สัญญาโอเพนซอร์ส และบริษัทระบุด้วยว่า "we aren't ready to take contributions to the compiler and tooling" คือเปิดให้อ่านแล้วแต่ยังไม่รับการแก้ไขจากภายนอก

▲ ทำไมต้องรู้ · คำว่าเปิดซอร์สถูกใช้เป็นจุดขายกับฝ่ายจัดซื้อและฝ่ายกฎหมายบ่อยมาก เคสนี้เป็นตัวอย่างที่ดีของสิ่งที่ต้องตรวจก่อนเซ็น คือเปิดส่วนไหน ใต้สัญญาอะไร และส่วนที่เราจะพึ่งจริงในการทำงานอยู่ในส่วนที่เปิดหรือส่วนที่ยังปิด สามคำถามนี้ใช้ได้กับทุกผลิตภัณฑ์ที่อ้างว่าเปิดซอร์ส ไม่ใช่แค่รายนี้

Modular · ประกาศรุ่น 1.0 · สัญญาอนุญาตในคลังโค้ด · Simon Willison

บันทึกการเปลี่ยนแปลงทางการระบุรุ่น 2.1.235 เป็นรุ่นบนสุด และหน้าเผยแพร่บนคลังโค้ดระบุเวลาไว้ที่ 18 ส.ค. เวลา 20:38 ถัดจากรุ่น 2.1.234 ที่ออกเมื่อวันก่อนหน้า

รายการที่กระทบความปลอดภัยมากที่สุดคือกลุ่มที่แก้เรื่องหน้าจอขออนุญาต ถ้อยคำคือ "display text and 'don't ask again' options now always match what a grant would cover, and 'don't ask again' is withheld when contents cannot be fully displayed" คือก่อนหน้านี้ข้อความบนหน้าจอกับขอบเขตที่การกดอนุมัติครอบคลุมจริงอาจไม่ตรงกัน และมีอีกจุดที่แก้คือการกด Shift+Tab ในช่องคอมเมนต์ของหน้าจอขออนุญาต เดิมกลายเป็นการอนุมัติการแก้ไฟล์และให้สิทธิ์แก้ไฟล์ทั้ง session แทนที่จะเป็นการปิดช่องคอมเมนต์

รายการอื่นเป็นงานเก็บกวาดเป็นหลัก มีการเพิ่มการตรวจคำสะกดในช่องพิมพ์คำสั่งโดยใช้โปรแกรมตรวจสะกดที่ติดตั้งไว้ในเครื่อง แก้อาการแคชทั้งคำสั่งถูกล้างเมื่อตัวเชื่อมกับภาษาโปรแกรมหลุดกลางทาง และลดการใช้หน่วยความจำกับซีพียูระหว่างที่งานบนคลาวด์รันอยู่เบื้องหลัง

▲ ทำไมต้องรู้ · หน้าจอขออนุญาตคือด่านสุดท้ายที่กั้นระหว่างคำสั่งของ AI กับไฟล์จริงในเครื่อง ถ้าข้อความบนหน้าจอไม่ตรงกับสิ่งที่การกดปุ่มครอบคลุมจริง ด่านนั้นก็ไม่ได้ทำหน้าที่ที่เราคิดว่ามันทำ ทีมที่ให้พนักงานใช้เครื่องมือแบบนี้ควรถือการอัปเดตกลุ่มนี้เป็นงานความปลอดภัย และควรสอนพนักงานให้อ่านสิ่งที่เขียนบนหน้าจอก่อนกด ไม่ใช่กดตามความเคยชิน

Claude Code CHANGELOG · หน้าเผยแพร่รุ่น

หน้าเอกสารสนับสนุนของ Anthropic ที่ระบุว่าอัปเดตวันนี้ เขียนเงื่อนไขไว้ตรงตัวว่า "From May 13, 2026 through August 31, 2026, your weekly usage limit in Claude Code is 50% higher" และปิดท้ายว่า "After August 31, 2026, weekly usage limits in Claude Code return to their standard levels" คือโควตาที่ผู้ใช้เคยชินมาสามเดือนครึ่งกำลังจะกลับไปที่ระดับปกติ

รายละเอียดที่กระทบการวางแผนคือขอบเขต ถ้อยคำคือ "The 50% increase applies to Claude Code only, everywhere you use it: the CLI, IDE extensions, desktop, and the web" และ "5-hour usage limits are not affected by this promotion" คือโควตาที่ถูกเพิ่มคือโควตารายสัปดาห์เท่านั้น ส่วนเพดานรายห้าชั่วโมงไม่เคยเปลี่ยนตั้งแต่แรก ผู้มีสิทธิ์คือแผน Pro, Max, Team และแผนองค์กรแบบคิดตามที่นั่งแบบเดิม ส่วนแผนฟรีและแผนองค์กรแบบคิดตามการใช้งานไม่เข้าเงื่อนไข

เรื่องนี้ขึ้นอันดับต้นของกระดานนักพัฒนาโดยมีคะแนนโหวตกว่าสองร้อยห้าสิบและความเห็นกว่าสองร้อยรายการ ซึ่งสะท้อนว่าคนจำนวนมากเพิ่งรู้ว่าโควตาที่ใช้อยู่เป็นของชั่วคราว

▲ ทำไมต้องรู้ · ทีมที่วางแผนงานโดยอิงจากปริมาณที่ใช้ได้จริงในช่วงสามเดือนที่ผ่านมา กำลังจะพบว่าเพดานลดลงหนึ่งในสามตั้งแต่ต้นเดือนหน้าโดยที่ไม่มีอะไรเปลี่ยนในฝั่งเรา สิ่งที่ควรทำสัปดาห์นี้คือดูว่าปริมาณการใช้จริงของทีมอยู่ตรงไหนเทียบกับเพดานเดิม แล้วตัดสินใจล่วงหน้าว่าจะลดงานลง ปรับวิธีทำงานให้กินโควตาน้อยลง หรือขยับแผน ดีกว่าไปรู้ตอนงานค้างกลางสัปดาห์

เอกสารสนับสนุน Anthropic · Hacker News

กระทู้ที่ได้คะแนนโหวตกว่าหกร้อยเมื่อวันที่ 18 ส.ค. พาดหัวว่าราคาของ GPT-5.6 Sol ถูกลดลงครึ่งหนึ่ง โดยลิงก์ไปที่หน้าโมเดลของบริการตัวกลางแห่งหนึ่งซึ่งแสดงราคา 2.5 ดอลลาร์ต่อหนึ่งล้านโทเคนขาเข้าและ 15 ดอลลาร์ขาออก พร้อมป้ายว่าลด 50% จากราคาเดิม 5 และ 30 ดอลลาร์

สิ่งที่ตรวจสอบได้ในไม่กี่นาทีคือหน้าราคาทางการของ OpenAI เอง ซึ่งวันนี้ยังระบุราคามาตรฐานของโมเดลตัวนี้ไว้ที่ 5 ดอลลาร์ขาเข้าและ 30 ดอลลาร์ขาออกเหมือนเดิม ไม่มีการลดราคาใดๆ สิ่งที่ลดคือราคาของบริการตัวกลางที่ขายต่อ ซึ่งเป็นคนละเรื่องกัน

รายละเอียดที่ทำให้เห็นภาพชัดขึ้นคือบริการตัวกลางอีกเจ้าหนึ่งประกาศส่วนลดชุดเดียวกันไว้บนหน้าบันทึกการเปลี่ยนแปลงของตัวเองเมื่อวันที่ 17 ส.ค. พร้อมระบุวันสิ้นสุดไว้ที่ 18 ก.ย. คือเป็นโปรโมชันมีกำหนดหมดอายุ ส่วนอีกเจ้าที่กระทู้ลิงก์ไปไม่ได้ระบุวันเริ่มหรือวันสิ้นสุดไว้เลย และเมื่อค้นหน้าประกาศของเจ้านั้นก็ไม่พบโพสต์ที่เกี่ยวข้อง

อีกจุดที่คนพลาดคือราคาส่วนลดนั้นเท่ากับราคาระดับประมวลผลแบบไม่เร่งด่วนที่ OpenAI ตั้งไว้เป็นราคาปกติอยู่แล้ว และเมื่อคำสั่งยาวเกินสองแสนเจ็ดหมื่นโทเคน ราคาจะเด้งกลับไปที่ระดับเดิมโดยไม่ได้ส่วนลด ข้อควรระวังคือยังไม่มีแหล่งปฐมภูมิใดระบุวันเริ่มและวันสิ้นสุดของส่วนลดฝั่งที่กระทู้อ้างถึง จึงยืนยันได้เพียงว่ามันมีผลอยู่แล้วในวันที่ 18 ส.ค.

▲ ทำไมต้องรู้ · ทีมที่คำนวณงบค่า AI จากพาดหัวข่าวลดราคาจะตั้งงบผิดทันที เพราะราคาที่ลดเป็นของคนกลางไม่ใช่ของเจ้าของโมเดล เป็นโปรโมชันมีวันหมดอายุ และไม่ครอบคลุมงานที่คำสั่งยาว สิ่งที่ควรทำก่อนย้ายปริมาณงานไปหาราคาถูกคือเปิดหน้าราคาทางการของเจ้าของโมเดลเทียบดูด้วยตาตัวเอง แล้วหาวันหมดอายุให้เจอก่อนวางแผนระยะยาว

หน้าราคาทางการ OpenAI · OpenRouter · Vercel changelog · Hacker News

โครงการชื่อ fx เปิดตัวเมื่อวันที่ 18 ส.ค. โดยอธิบายตัวเองว่าเป็นโครงและโปรแกรมบรรทัดคำสั่งสำหรับรัน agent เขียนโค้ด ที่เขียนด้วยภาษา Zig และออกแบบมาให้ฝังเข้าไปในโปรแกรมอื่นได้ ใต้สัญญาอนุญาต Apache 2.0

ตัวเลขที่เป็นจุดขายคือไฟล์โปรแกรมขนาด 6.39 เมกะไบต์และเวลาเริ่มทำงานจากเย็น 10 ไมโครวินาที ซึ่งต่างจากเครื่องมือกลุ่มเดียวกันที่มักติดตั้งผ่านตัวจัดการแพ็กเกจของภาษาสคริปต์และใช้เวลาเริ่มทำงานเป็นหลักวินาที โดยตัวโครงการระบุว่าไม่ผูกกับผู้ให้บริการโมเดลรายใด

ข้อควรระวังคือโครงการนี้อยู่ที่รุ่น 0.0.3 และติดป้ายตัวเองว่าเป็นงานทดลอง จึงยังไม่ใช่ของที่เอาไปวางในงานจริงได้ และวิธีติดตั้งที่หน้าเว็บแนะนำคือการดึงสคริปต์จากอินเทอร์เน็ตมารันทันที ซึ่งเป็นรูปแบบที่ไม่ควรทำบนเครื่องที่มีข้อมูลงาน

▲ ทำไมต้องรู้ · กระแสของเครื่องมือ agent ปีนี้คือใหญ่ขึ้นและกินบริบทมากขึ้นเรื่อยๆ โครงการเล็กๆ แบบนี้เป็นสัญญาณของทิศทางตรงข้ามที่กำลังก่อตัว คือคนเริ่มอยากได้ตัวรันที่เบาพอจะฝังในเครื่องมือของตัวเอง ทีมที่กำลังคิดจะสร้าง agent ใช้ภายในองค์กรควรรู้ว่ามีทางเลือกแบบนี้อยู่ แม้จะยังเร็วเกินไปที่จะใช้จริง

fx.sh · Hacker News

งานนี้จับวิธีที่ถูกใส่ไว้ในเครื่องมือเขียนโค้ดหลายตัว คือให้โมเดลประเมินความมั่นใจของตัวเองก่อน แล้วถ้าไม่มั่นใจก็ให้ลองเขียนใหม่ ทีมทดสอบตัวประเมินความมั่นใจห้าวิธีบนโมเดลเขียนโค้ดขนาดเล็กสามตัว ข้ามชุดทดสอบสองชุดคือ HumanEval และ BigCodeBench

ผลที่ได้แรงกว่าที่ผู้เขียนคาดไว้เอง ถ้อยคำคือ "Our results reveal a stronger negative finding than anticipated: uncertainty-based self-correction fails to reliably improve Pass@1, degrading accuracy in 5 of 6 configurations across both benchmarks (-3pp to -10pp), and adaptive decoding degrades accuracy in 4 of 6 configurations" คือแทนที่จะดีขึ้น กลับแย่ลง 3 ถึง 10 จุดในห้าจากหกการตั้งค่า

สิ่งที่ได้ผลจริงคือคนละอย่างกัน คือการให้รันโค้ดจริงแล้วดูว่าผ่านหรือไม่ผ่านก่อนแก้ ซึ่งเพิ่มความแม่นได้ 6 ถึง 26 จุดบนชุดทดสอบแรกและ 8 ถึง 20 จุดบนชุดที่สอง ผู้เขียนจึงสรุปว่าตัวประเมินความมั่นใจแบบถูกๆ ควรใช้เป็นสัญญาณคัดกรองว่าเคสไหนคุ้มจะเอาไปรันจริง ไม่ใช่ใช้แทนการตรวจ

สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุชื่อโมเดลทั้งสามตัวเลย บอกเพียงว่าเป็นโมเดลขนาดเล็ก ไม่ระบุจำนวนโจทย์หรือจำนวนตัวอย่างต่อการตั้งค่า ไม่มีการทดสอบนัยสำคัญทางสถิติ และไม่มีตัวเลขค่าใช้จ่ายหรือเวลาของวิธีที่ผู้เขียนเรียกเองว่าแพงกว่า

▲ ทำไมต้องรู้ · คำโฆษณาที่ได้ผลที่สุดของเครื่องมือ AI เขียนโค้ดตอนนี้คือมันตรวจงานตัวเองได้ งานนี้บอกว่าการตรวจแบบที่ไม่ได้เอาผลลัพธ์ไปทดสอบจริง ทำให้ผลแย่ลงมากกว่าดีขึ้น คำถามที่ควรถามผู้ขายคือตอนที่บอกว่าตรวจเอง มันเอาโค้ดไปรันจริงหรือแค่ถามโมเดลว่ามั่นใจไหม เพราะสองอย่างนี้ให้ผลตรงข้ามกัน

arXiv 2608.14659

ระบบเลือกโมเดลอัตโนมัติเป็นสินค้าที่ขายด้วยเหตุผลว่ามันส่งงานง่ายไปโมเดลถูก ส่งงานยากไปโมเดลแพง จึงประหยัดโดยไม่เสียคุณภาพ ทีมนี้เอาระบบโอเพนซอร์สสี่ตัวมาวัดบนมาตรฐานเดียวกัน ข้ามชุดทดสอบสี่ชุด ด้วยงานที่ตรึงไว้ 290 งานและตารางผลลัพธ์ที่เป็นไปได้ 2,610 ช่อง

ผลที่พลิกคำโฆษณาคือ "Three routers emit constant or near-constant tier assignments; only vLLM Semantic Router varies materially with prompt content, and it has the highest observed success rate on none of the four benchmarks" คือสามในสี่ตัวส่งงานไปที่ระดับราคาเดิมแทบทุกครั้งไม่ว่าโจทย์จะเป็นอะไร ส่วนตัวเดียวที่เปลี่ยนตามเนื้องานจริง กลับไม่ได้ที่หนึ่งบนชุดทดสอบไหนเลย

ข้อสรุปที่ผู้เขียนเขียนไว้คือ "the results show that, under these configurations and controls, observed gains track selected-tier composition more closely than demonstrated task-specific targeting" คือประโยชน์ที่วัดได้มาจากการที่มันบังเอิญเลือกระดับราคาไหนไว้ตายตัว ไม่ใช่จากการเลือกให้เหมาะกับงาน หลักฐานที่ชัดที่สุดคือการเทียบกับวิธีโง่ๆ ที่ส่งทุกงานไปโมเดลระดับกลางเสมอ ซึ่งให้ผลตรงกับระบบตัวหนึ่งเป๊ะบนสามชุดทดสอบ และต่างกันเพียง 0.003 บนชุดที่สี่

งานนี้เป็นใบเดียวในรอบนี้ที่มีการทดสอบนัยสำคัญทางสถิติจริง สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุชื่อระบบสองในสี่ตัว ไม่ระบุว่าโมเดลที่ให้เลือกมีตัวไหนบ้างและราคาเท่าไร และไม่มีตัวเลขเป็นเงินหรือเป็นโทเคนเลยแม้จะเป็นงานที่ว่าด้วยเรื่องต้นทุน

▲ ทำไมต้องรู้ · องค์กรที่กำลังจะซื้อชั้นเลือกโมเดลอัตโนมัติมาคุมค่าใช้จ่าย งานนี้ให้วิธีทดสอบที่ทำเองได้ในหนึ่งบ่าย คือส่งงานง่ายกับงานยากเข้าไปสลับกัน แล้วดูบันทึกว่ามันส่งไปโมเดลไหนจริง ถ้าคำตอบเหมือนเดิมทุกครั้ง แปลว่าสิ่งที่เราซื้อคือการตั้งค่าโมเดลไว้ตัวเดียว ซึ่งตั้งเองได้ฟรี

arXiv 2608.14641

ทีมนี้สร้างชุดทดสอบที่จำลองระบบ agent จริงห้าแบบ ที่คุยกันข้าม agent และเรียกเครื่องมือภายนอก แล้วจงใจใส่ความผิดพลาดสิบชนิดเข้าไปตามจุดต่างๆ ทั้งฝั่งเครื่องมือ ฝั่งโมเดล ฝั่งด่านกรอง และฝั่งการส่งข้อความระหว่าง agent รวมเป็นบันทึกการทำงาน 275 ชุด โดยมี 25 ชุดที่ไม่มีความผิดพลาดเลยไว้เป็นตัวควบคุม

ผลที่รายงานคือ "local detectors up to 14B parameters reach only 13.6-19.2% top-1 fault-type accuracy and the frontier DeepSeek-v4-pro only 24.8%, while jointly identifying the fault type and its location tops out at 22%" คือเมื่อให้อ่านบันทึกแล้วบอกว่าเป็นความผิดพลาดชนิดไหน โมเดลที่รันเองได้ตอบถูกไม่ถึงสองในสิบ ส่วนโมเดลแนวหน้าอยู่ที่ราวหนึ่งในสี่ และถ้าต้องบอกทั้งชนิดและตำแหน่งพร้อมกัน ตัวเลขดีที่สุดอยู่ที่ 22%

ประโยคที่วางกรอบทั้งงานไว้คือ "Reliability in LLM-based agentic systems is a property of the whole execution (its tool calls, model calls, guardrails, and inter-agent messages), not of the final answer alone" คือความน่าเชื่อถือของระบบ agent อยู่ที่ทั้งเส้นทางการทำงาน ไม่ได้อยู่ที่คำตอบสุดท้ายอย่างเดียว

สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุชื่อโมเดลที่รันเองได้ที่นำมาทดสอบ ไม่ระบุว่าระบบทั้งห้าแบบคืออะไร และที่สำคัญที่สุดคือไม่มีค่าอ้างอิงของการเดาสุ่ม จึงบอกไม่ได้ว่าตัวเลข 13.6 ถึง 24.8% นั้นดีกว่าการเดาแค่ไหน

▲ ทำไมต้องรู้ · ทีมที่เริ่มปล่อย agent ทำงานจริงมักลงทุนกับการวัดว่างานสำเร็จหรือไม่สำเร็จ แล้วพบทีหลังว่าเมื่อมันพัง ไม่มีใครบอกได้ว่าพังตรงไหน งานนี้บอกว่าการหวังให้ AI อีกตัวมาอ่านบันทึกแล้วชี้จุดให้ ยังไม่ใช่คำตอบในตอนนี้ สิ่งที่ควรทำแทนคือบังคับให้ระบบบันทึกทุกการเรียกเครื่องมือและทุกข้อความระหว่าง agent ไว้ตั้งแต่วันแรก เพราะคนยังต้องเป็นผู้อ่านมันอยู่

arXiv 2608.14680

งานนี้ชี้ว่ามาตรฐานที่ใช้ให้ agent คุยกันในตอนนี้ กำหนดแค่วิธีส่งข้อความและวิธีค้นหากันเจอ แต่ไม่ได้กำหนดอะไรเลยเกี่ยวกับความถูกต้องเชิงกลยุทธ์ ทีมจึงเอากติกาการต่อรองแบบคลาสสิกที่ทฤษฎีพิสูจน์แล้วว่าออกแบบมาให้การพูดความจริงเป็นทางเลือกที่ดีที่สุด มาเขียนเป็นข้อบังคับบนโครงข้อความมาตรฐานนั้น แล้ววัดผลกับโจทย์ที่รู้คำตอบที่ดีที่สุดอยู่แล้ว

ผลที่เป็นแก่นของงานคือ "In auction experiments (N=30 per model), both models achieve 100 percent efficient allocation but differ sharply in truthful bidding: one bids its exact valuation in every trial, whereas the other does so in only 3.3 percent of trials" คือทั้งสองตัวจัดสรรของได้อย่างมีประสิทธิภาพเต็มร้อย แต่เรื่องการเสนอราคาตามมูลค่าจริงต่างกันสุดขั้ว ตัวหนึ่งทำทุกครั้ง อีกตัวทำเพียงหนึ่งครั้งในสามสิบครั้ง

ข้อสรุปที่ผู้เขียนเขียนไว้คือ "Thus, mechanism-level incentive compatibility does not automatically transfer to LLM-agent behavior" คือการที่กติกาถูกออกแบบมาดี ไม่ได้แปลว่า agent จะเล่นตามกติกานั้น ผู้เขียนยังรายงานผลลบไว้ด้วยว่าโจทย์แบ่งของอย่างเป็นธรรมระหว่างสามฝ่าย ให้ผลที่ใช้ได้จริงเพียง 4.2%

สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุชื่อโมเดลเลยแม้แต่ตัวเดียว เรียกเพียงว่าตัวหนึ่งกับอีกตัวหนึ่ง ไม่มีการทดสอบนัยสำคัญทางสถิติ ไม่มีช่วงความเชื่อมั่น และไม่ได้นิยามว่าคำว่าผลที่ใช้ได้จริงในตัวเลข 4.2% นั้นวัดด้วยเกณฑ์อะไร

▲ ทำไมต้องรู้ · ปีนี้เริ่มมีการขายภาพว่าให้ agent ของเราคุยกับ agent ของคู่ค้าโดยตรง เพื่อต่อรองราคาหรือจัดคิวส่งของ งานนี้บอกว่าถึงจะวางกติกาไว้ดีแค่ไหน พฤติกรรมจริงของแต่ละโมเดลก็ต่างกันได้สุดขั้ว องค์กรที่คิดจะทำแบบนี้ควรทดสอบด้วยโจทย์ที่รู้คำตอบที่ถูกอยู่แล้วก่อน และควรเก็บบันทึกทุกข้อเสนอไว้ตรวจย้อน เพราะยังไม่มีใครรับประกันได้ว่า agent จะเล่นตรง

arXiv 2608.14613

งานนี้ตั้งชื่อปัญหาว่าความไม่สอดคล้องเชิงวาทศิลป์ คือกรณีที่โมเดลให้ข้อมูลถูกต้องตามข้อเท็จจริง แต่จัดเรียงและเลือกใช้คำในรูปแบบที่ผลักให้คนอ่านตัดสินใจแย่ลง ผ่านกลไกอย่างการวางตัวเลขแรกไว้เป็นหมุดให้ยึด การอ้างน้ำหนักของผู้เชี่ยวชาญ และการเล่นกับความกลัวการสูญเสีย ทีมทดสอบด้วยการทดลองที่มีคนจริงเป็นผู้ตัดสินใจ โดยใช้โจทย์ที่ดัดแปลงจากข้อสอบใบประกอบวิชาชีพแพทย์ของสหรัฐ

ตัวเลขที่รายงานคือ "we observe that LLMs induce an average 2.81% rate of harmful decision flips across different models, where clinician participants change from a correct to an incorrect answer" คือโดยเฉลี่ยแล้ว 2.81% ของกรณีที่ทดสอบ ผู้เข้าร่วมที่เป็นบุคลากรทางการแพทย์เปลี่ยนจากคำตอบที่ถูกไปเป็นคำตอบที่ผิดหลังอ่านสิ่งที่โมเดลเขียน

ข้อสรุปที่ผู้เขียนเน้นคือ "a model can be factually aligned yet still induce harm through its rhetorical presentation" คือโมเดลถูกต้องตามข้อเท็จจริงได้และก่อความเสียหายได้ในเวลาเดียวกัน ซึ่งเป็นความเสี่ยงคนละแกนกับที่การตรวจสอบความถูกต้องจับได้

สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุจำนวนผู้เข้าร่วมการทดลอง ไม่ระบุชื่อโมเดลที่ใช้เลย บอกเพียงว่าหลายตัว จึงไม่มีช่วงของตัวเลข 2.81% ให้ดู ไม่ระบุอัตราของกลุ่มควบคุมเพื่อเทียบ และไม่มีการทดสอบนัยสำคัญทางสถิติ

▲ ทำไมต้องรู้ · การตรวจงาน AI ในองค์กรตอนนี้เกือบทั้งหมดเป็นการตรวจว่าข้อมูลถูกไหม งานนี้ชี้ความเสี่ยงอีกแกนที่การตรวจแบบนั้นมองไม่เห็นเลย คือถูกทุกข้อแต่เรียบเรียงให้คนสรุปผิด ซึ่งเป็นเรื่องใหญ่มากสำหรับงานที่ AI สรุปข้อมูลให้ผู้บริหารตัดสินใจ สิ่งที่ทำได้ทันทีคือขอให้ AI แสดงทางเลือกที่ไม่ได้เลือกพร้อมเหตุผลด้วยเสมอ ไม่ใช่แค่ข้อสรุปเดียว

arXiv 2608.14630

งานส่วนใหญ่ที่วัดความปลอดภัยของโมเดลวัดว่าโจมตีสำเร็จกี่ครั้ง ทีมนี้เปลี่ยนมุมไปมองที่ตัวผลลัพธ์ที่เป็นอันตรายเอง แล้วนิยามว่าการกระจายตัวของผลลัพธ์อันตรายของแต่ละโมเดลคือลายเซ็นความเสี่ยงประจำตัวของโมเดลนั้น โดยรวบรวมได้กว่า 80,000 ชิ้นที่ผ่านการตรวจแล้ว จากโมเดลแนวหน้า 23 ตัวใน 13 ตระกูล ครอบคลุมประเภทความเสียหาย 15 หมวดและ 57 หมวดย่อย

ข้อสรุปที่ผู้เขียนเขียนไว้คือ "frontier LLMs reliably produce harmful content at scale, yet exhibit distinct risk profiles; both harmfulness and diversity grow with model capability, suggesting that frontier LLMs may appear safe yet harbor increasingly dangerous knowledge beneath the alignment surface" คือทั้งระดับความเป็นอันตรายและความหลากหลายของมันโตตามความสามารถของโมเดล และโมเดลอาจดูปลอดภัยจากภายนอกทั้งที่ด้านล่างของชั้นปรับพฤติกรรมยังมีความรู้อันตรายสะสมมากขึ้น

สิ่งที่บทคัดย่อไม่ได้บอกคือไม่ระบุชื่อโมเดล 23 ตัวหรือ 13 ตระกูลนั้นเลยแม้แต่ตัวเดียว ไม่ให้อัตราแยกรายโมเดลหรือรายหมวด ไม่ได้นิยามว่าคำว่าผ่านการตรวจแล้วหมายถึงใครตรวจและตรวจอย่างไร ไม่มีอัตราการปฏิเสธเทียบไว้ และข้ออ้างที่ว่าความอันตรายโตตามความสามารถไม่มีค่าสหสัมพันธ์กำกับไว้ นอกจากนี้งานนี้ส่งขึ้นระบบตั้งแต่ 11 มิ.ย. แต่เพิ่งประกาศในรอบนี้ ห่างกัน 68 วัน โมเดลที่วัดจึงอาจไม่ใช่รุ่นปัจจุบัน

▲ ทำไมต้องรู้ · องค์กรที่เลือกโมเดลมักดูคะแนนความปลอดภัยเป็นตัวเลขเดียวแล้วเทียบกัน งานนี้เสนอว่าตัวเลขเดียวปิดบังความต่างที่สำคัญ เพราะโมเดลสองตัวที่คะแนนเท่ากันอาจพลาดคนละแบบสิ้นเชิง สิ่งที่ควรทำคือทดสอบด้วยความเสี่ยงที่ตรงกับธุรกิจของเราเอง แทนที่จะเชื่อคะแนนรวมของคนอื่น

arXiv 2608.14577

เปเปอร์ที่ส่งขึ้นระบบเมื่อวันที่ 15 ส.ค. ตั้งชื่อตัวเองว่าไปถึงความแม่น 95.3% หรือรอบทดสอบระดับแนวหน้าที่ราคา 15 ดอลลาร์ บนชุดทดสอบงานบรรทัดคำสั่ง ซึ่งอ่านผ่านๆ เหมือนกำลังบอกว่าทำผลลัพธ์ที่ดีที่สุดได้ด้วยเงินสิบห้าดอลลาร์

ตัวเลขทั้งสองมีจริงในบทคัดย่อแต่มาจากคนละการทดลอง ตัวเลข 95.3% มาจากการรันบนโมเดลของ OpenAI โดยระบุว่า "StateM reaches 95.3% raw accuracy across 445 trials and succeeds on all 89 tasks at least once" ส่วนตัวเลข 15 ดอลลาร์อยู่ในย่อหน้าที่พูดถึงโมเดลของ DeepSeek และประโยคถัดไปทันทีคือค่าใช้จ่ายรวมของฝั่งนั้นอยู่ที่ 52.22 ดอลลาร์ คำว่า หรือ ในชื่อเปเปอร์จึงหมายถึงสองการตั้งค่าที่เลือกอย่างใดอย่างหนึ่ง ไม่ใช่ผลลัพธ์เดียวกัน

สิ่งที่บทคัดย่อไม่ได้บอกและสำคัญที่สุดคือไม่ได้นิยามคำว่าความแม่นดิบเลย เมื่อรัน 445 ครั้งบนงาน 89 งาน เท่ากับเฉลี่ยงานละห้าครั้ง และประโยคที่ว่าสำเร็จทุกงานอย่างน้อยหนึ่งครั้งเป็นการวัดคนละแบบกับความแม่นต่อครั้ง จึงยังบอกไม่ได้ว่า 95.3% นับจากอะไร นอกจากนี้ไม่มีค่าความแปรปรวน ไม่มีการทดสอบนัยสำคัญ ไม่มีการยืนยันจากผู้ดูแลชุดทดสอบ และเป็นเอกสารก่อนตีพิมพ์ที่ยังไม่ผ่านการตรวจ

▲ ทำไมต้องรู้ · ตัวเลขจากเปเปอร์แบบนี้เดินทางเข้าสไลด์ขายของและข่าวได้ภายในไม่กี่วัน ในรูปประโยคว่าทำได้ 95% ด้วยเงินสิบห้าดอลลาร์ ซึ่งเป็นประโยคที่เปเปอร์ไม่ได้พูดเลย ทักษะที่ใช้ได้ทันทีคือเวลาเห็นตัวเลขสองตัวถูกวางคู่กันในพาดหัว ให้ตรวจก่อนว่ามันมาจากการทดลองเดียวกันหรือไม่ ซึ่งในกรณีนี้ใช้เวลาอ่านบทคัดย่อไม่ถึงหนึ่งนาที

arXiv 2608.15089

สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม เปิดให้ลงทะเบียนล่วงหน้าและทดสอบระบบของโครงการ TH-AI Passport ตั้งแต่วันที่ 19 ส.ค. ที่เว็บไซต์ de.aipass.net ตามไทม์ไลน์ที่ประกาศไว้ โดยงานเปิดตัวอย่างเป็นทางการอยู่วันที่ 28 ส.ค. และวันที่เริ่มใช้โมเดล AI ได้จริงคือ 31 ส.ค.

ตัวเลขที่บอกขนาดโครงการคือจำกัดที่ 5 ล้านสิทธิ์ สำหรับคนไทยอายุ 15 ปีขึ้นไป ให้เข้าถึงโมเดล AI มากกว่า 30 ตัวจากผู้พัฒนามากกว่า 14 ราย ซึ่งมีทั้ง GPT-5.6, Claude Opus 5, Gemini 3.1 Pro, Grok 4.3 และ Pathumma LLM ของไทย พร้อมคอร์สเรียนมากกว่า 96 คอร์ส

กลไกที่ควรรู้ที่สุดคือวิธีที่รัฐจ่ายเงิน ถ้อยคำที่เผยแพร่คือ "ภาครัฐจะชำระค่าบริการเฉพาะผู้ใช้งานระดับ Innovator ที่มีการใช้งานจริงตามเงื่อนไขของโครงการ ในอัตรา 24.70 บาท ต่อคน ต่อเดือน" คือจ่ายตามคนที่ใช้จริง ไม่ใช่จ่ายเหมาตามจำนวนคนที่ลงทะเบียน

รายละเอียดที่คนจะติดกันมากที่สุดในวันแรกคือระบบไม่รองรับการเปิดผ่านโหมดไม่ระบุตัวตนของเบราว์เซอร์ ต้องเปิดในโหมดปกติ แล้วสมัครด้วยบัญชี Google, Microsoft หรือ Apple จากนั้นยืนยันตัวตนผ่านแอปทางรัฐหรือ ThaiD ข้อควรระวังคือข่าวที่อ้างอิงในข้อนี้ทั้งหมดเขียนคำอธิบายในนามหน่วยงาน ไม่ได้อ้างคำพูดของบุคคล ส่วนไทม์ไลน์ทั้งชุดรวมวันที่ 28 ส.ค. มาจากการแถลงของรัฐมนตรีเมื่อกลางเดือนนี้ซึ่งเป็นคนละชิ้นกัน และ ณ ช่วงเช้าวันที่ 19 ส.ค. ยังไม่พบรายงานว่าระบบลงทะเบียนล่ม โดยเปิดหน้าเว็บตรวจแล้วพบว่าใช้งานได้ตามปกติ

▲ ทำไมต้องรู้ · นี่คือครั้งแรกที่คนทำงานไทยทั่วไปจะเข้าถึงโมเดลระดับบนสุดของหลายค่ายได้โดยรัฐออกค่าใช้จ่ายให้ ตัวเลข 24.70 บาทต่อคนต่อเดือนคือของที่ควรจำ เพราะมันบอกว่าค่าใช้จ่ายที่รัฐคำนวณไว้ต่อหัวต่ำมากเมื่อเทียบกับราคาสมัครใช้เองรายเดือน ซึ่งแปลว่าโควตาที่ได้จะไม่ใช่การใช้แบบไม่จำกัด ใครที่จะลงทะเบียนควรอ่านเงื่อนไขระดับการใช้งานให้ครบก่อนวางแผนเอาไปใช้กับงานประจำ

เดลินิวส์ วิธีลงทะเบียน · เดลินิวส์ · MGR Online · โพสต์ทูเดย์ · กรุงเทพธุรกิจ · ไทม์ไลน์จากการแถลงของรัฐมนตรี · de.aipass.net

เมื่อวานคลังนี้บันทึกไว้ว่าข่าวช่องโหว่ในคลังโค้ดของ Snowflake ถูกหลายสำนักรายงานว่าฟีเจอร์แก้โค้ดอัตโนมัติของ GitHub เป็นผู้เขียนบรรทัดที่พัง ทั้งที่ประวัติการแก้ไขโค้ดสาธารณะบอกว่าคนเขียน วันนี้มีของใหม่สองอย่าง อย่างแรกคือ Blognone เผยแพร่ข่าวนี้เมื่อเวลา 00:53 ของวันที่ 19 ส.ค. ด้วยเวอร์ชันเดิม โดยเขียนไว้ว่า "แต่แพตช์ที่ร่วมเขียนโดย Copilot Autofix กลับแก้เป็นการรัน bash จากตัวแปร github โดยตรง" และพาดหัวระบุว่าเกิดขึ้นหลังปล่อยให้ AI แก้สคริปต์ โดยไม่มีหมายเหตุแก้ไขและไม่มีการอ้างคำชี้แจงของ GitHub

อย่างที่สองคือ Wiz แก้เนื้อบทความของตัวเองอีกรอบหลังวันที่ 18 ส.ค. โดยตัดประโยคที่เขียนไว้เดิมว่าการแก้อัตโนมัติเป็นตัวสร้างช่องทางโจมตีออกทั้งประโยค และเปลี่ยนเป็นข้อความที่ระบุว่าสิ่งที่ฟีเจอร์นั้นทำตามเอกสารคือการแก้ไฟล์คนละไฟล์ในคำขอรวมโค้ดเดียวกัน จุดที่ควรบันทึกไว้คือหมายเหตุแก้ไขที่ลงวันที่ไว้ท้ายบทความยังเป็นฉบับเดิมของวันที่ 17 ส.ค. ไม่ได้อัปเดตตามการแก้รอบนี้ และพาดหัวยังคงมีคำว่าคำขอรวมโค้ดที่ Copilot ช่วยอยู่เหมือนเดิม

หลักฐานฝั่งที่ตรวจซ้ำได้แข็งขึ้นกว่าเมื่อวาน เพราะดึงข้อมูลการแก้ไขโค้ดจากช่องทางโปรแกรมของ GitHub โดยตรงแล้วได้ชื่อผู้เขียนเป็นพนักงาน Snowflake ที่ระบุชื่อและอีเมลบริษัทชัดเจน ลงวันที่ 25 ส.ค. 2568 ตรงกับที่บันทึกไว้

▲ ทำไมต้องรู้ · เรื่องนี้ให้ภาพชัดที่สุดของสิ่งที่เกิดกับข่าวเทคโนโลยีเกือบทุกครั้ง คือพาดหัวเดินทางเร็วและไกล ส่วนคำแก้ไขเดินทางช้าและมักไม่ข้ามภาษา ผู้อ่านไทยจำนวนมากจึงได้รับเวอร์ชันที่ต้นทางเลิกยืนยันไปแล้วสองวัน สิ่งที่ทำได้ทันทีคือก่อนแชร์ข่าวที่บอกว่า AI ทำอะไรพัง ให้เปิดต้นทางภาษาอังกฤษดูว่ามีหมายเหตุแก้ไขต่อท้ายหรือไม่ ซึ่งใช้เวลาไม่ถึงหนึ่งนาที

Blognone · Wiz · ประวัติการแก้ไขโค้ด

Responsible Statecraft เผยแพร่งานสืบสวนเมื่อวันที่ 17 ส.ค. โดยระบุตรงตัวว่า "But the Hanover Institute is not a real think tank. None of the reports have bylines." และ "The fake think tank has churned out over 100 reports since it started publishing on August 6" คือเป็นเว็บที่จัดหน้าตาเหมือนสถาบันวิจัยนโยบายของอเมริกา ผลิตรายงานกว่าร้อยชิ้นในเวลาไม่ถึงสองสัปดาห์ โดยไม่มีชื่อผู้เขียนสักชิ้น

จุดที่ทำให้เรื่องนี้กลายเป็นข่าว AI โดยตรง อยู่ที่คำโฆษณาบนเว็บของบริษัทที่สร้างมันขึ้นมา ซึ่งเขียนว่าตัวเองรับ "author(s) content engineered for how LLMs evaluate credibility" และเรียกบริการนี้ว่าการทำให้เรื่องเล่าเหมาะกับ AI คือเป็นการเขียนเนื้อหาที่ออกแบบมาให้ผ่านเกณฑ์ที่โมเดลภาษาใช้ตัดสินว่าอะไรน่าเชื่อถือโดยเฉพาะ ตัวเว็บของสถาบันนี้ยังเปิดอยู่และมีข้อความท้ายเว็บระบุว่าเนื้อหาถูกเผยแพร่โดยบริษัทหนึ่งในนามบริษัทสื่ออีกแห่งในนามหน่วยงานโฆษณาของรัฐบาลอิสราเอล

สิ่งที่ต้องแยกให้ชัดเพราะเป็นแก่นของเรื่องคือหลักฐานสองระดับที่ต่างกัน งานชิ้นนี้พิสูจน์ได้ว่ามันถูกออกแบบมาเพื่อให้ AI หยิบไปใช้ แต่ไม่ได้แสดงว่า AI หยิบไปใช้จริง ถ้อยคำในบทความเองก็ระมัดระวังโดยใช้คำว่าน่าจะเป็นความพยายามและดูเหมือนถูกทำมาให้พอดี ส่วนหลักฐานว่าถูกหยิบไปใช้จริงมาจากรายงานของ Politico ที่ทดสอบเองแล้วพบว่าทั้ง ChatGPT และ Perplexity อ้างอิงเนื้อหาของสถาบันนี้เมื่อถูกถามเรื่องกาซาและประเด็นที่เกี่ยวข้อง ซึ่งเป็นคนละแหล่งกับงานสืบสวนชิ้นนี้

ตัวเลขที่ตรวจสอบแล้วคือบริษัทที่สร้างเว็บนี้ได้รับเงินจากรัฐบาลอิสราเอลรวม 900,000 ดอลลาร์ ซึ่งเป็นยอดรวมของบริษัท ส่วนแคมเปญเฉพาะของสถาบันนี้ที่ปรากฏในเอกสารแจ้งการเป็นตัวแทนต่างชาติอยู่ที่ 100,000 ดอลลาร์ สองตัวเลขนี้ห้ามเอามารวมกัน และเมื่อสุ่มบทความมาสิบสองชิ้นตรวจด้วยเครื่องมือตรวจจับข้อความที่ AI เขียน ผลคือถูกตั้งธงทั้งสิบสองชิ้น โดยสิบเอ็ดชิ้นอยู่ในระดับความมั่นใจสูง ข้อควรระวังคือเครื่องมือประเภทนี้มีอัตราตั้งธงผิดกับงานที่คนเขียนจริงอยู่ในหลักสิบเปอร์เซ็นต์ จึงเป็นการตั้งข้อสงสัย ไม่ใช่ข้อพิสูจน์

อีกจุดที่ต้องระวังคือตัวเลขที่หลายคนอ้างต่อว่า 19 จาก 36 คลิปมีข้อมูลที่ยังโต้แย้งกัน เป็นผลการศึกษาที่สถาบันแห่งนี้ผลิตออกมาเอง ไม่ใช่ผลการตรวจสอบสถาบันนี้ การเอาไปอ้างสลับกันจะทำให้เรื่องกลับหัว และเพื่อความเป็นธรรมต้องบันทึกด้วยว่าเว็บของสถาบันเปิดเผยหมายเลขจดทะเบียนตัวแทนต่างชาติของตัวเองไว้ในหน้าเกี่ยวกับเรา และผู้ก่อตั้งบริษัทที่รับงานได้ชี้แจงต่อสื่อว่างานของเขาคือการนำข้อเท็จจริงที่มีแหล่งอ้างอิงเข้าสู่พื้นที่สาธารณะ

▲ ทำไมต้องรู้ · คนทำงานจำนวนมากเปลี่ยนจากการค้นข้อมูลด้วยเสิร์ชเอนจินมาเป็นการถาม AI แล้วเชื่อคำตอบเพราะมันดูมีแหล่งอ้างอิง เรื่องนี้บอกว่ามีอุตสาหกรรมที่ตั้งขึ้นมาเพื่อผลิตแหล่งอ้างอิงที่ดูน่าเชื่อถือให้ AI หยิบโดยเฉพาะ สิ่งที่ควรทำเมื่อ AI ตอบเรื่องที่มีเดิมพันสูงคือกดเข้าไปดูแหล่งที่มันอ้างจริง แล้วดูว่ามีชื่อผู้เขียนไหม องค์กรนั้นมีที่ตั้งและประวัติไหม และใครเป็นคนออกเงิน สามคำถามนี้ใช้เวลาไม่ถึงห้านาทีและคัดของปลอมออกได้เกือบหมด

Responsible Statecraft · Arab News · Hacker News

Tom's Hardware เผยแพร่บทวิเคราะห์ราคาหน่วยความจำเมื่อวันที่ 17 ส.ค. ระบุว่าชุดแรมความจุสูงมีราคาสูงขึ้นเมื่อเทียบกับปีก่อนในระดับที่ผู้เขียนเขียนว่า "We are looking at year-over-year increases nearing 500% for high-capacity kits" โดยตัวเลขสูงสุดในตารางจริงอยู่ที่ 485% คือจาก 191 ดอลลาร์เป็น 1,118 ดอลลาร์ ส่วนพาดหัวที่เขียนว่า 500% เป็นการปัดขึ้น

ตัวเลขอีกชุดที่ถูกอ้างต่อบ่อยคือชุดแรม DDR5 ขนาด 128 กิกะไบต์ที่ตอนนี้ราคา 3,399 ดอลลาร์ ซึ่งบทความเขียนว่าแพงเป็นสิบเท่าของราคาต่ำสุดที่เคยบันทึกไว้ จุดที่ต้องอ่านให้ระวังคือตัวเลขสองชุดนี้ใช้ฐานเทียบคนละแบบ ตัวเลขห้าเท่าเทียบกับราคาเมื่อปีที่แล้ว ส่วนตัวเลขสิบเท่าเทียบกับราคาต่ำสุดที่เคยเห็นในประวัติการเก็บข้อมูล ซึ่งเป็นราคาโปรโมชันช่วงใดช่วงหนึ่งได้ จึงเป็นการเทียบที่หลวมกว่ามาก

ที่มาของข้อมูลเป็นตลาดสหรัฐทั้งหมด โดยตารางเปอร์เซ็นต์มาจากเว็บเทียบราคาชิ้นส่วนคอมพิวเตอร์ และผู้เขียนกำกับความไม่แน่นอนไว้เองว่า "This data is somewhat approximate, but it should be broadly accurate" ส่วนตัวเลขฝั่งยุโรปมาจากเว็บเยอรมันที่รายงานว่าราคาเฉลี่ยขึ้น 345% เมื่อเทียบกับเดือน ก.ย. 2568 ซึ่งเป็นเดือนฐานคนละเดือนกัน

คำอธิบายสาเหตุอยู่ในบทความเองไม่ใช่การตีความของผู้อ่าน โดยเขียนว่า "PC and smartphone makers are simply fighting over the scraps, as low-priority markets compared to the extremely lucrative AI datacenter buildouts" และระบุว่าเงื่อนไขที่จะทำให้ราคากลับลงมาคือการหดตัวครั้งใหญ่ของตลาด AI

▲ ทำไมต้องรู้ · องค์กรไทยที่วางแผนซื้อเครื่องใหม่หรือเครื่องแรงสำหรับรันโมเดลเองในปีนี้ กำลังจะเจอราคาที่ไม่ตรงกับงบที่ตั้งไว้เมื่อปีที่แล้วอย่างรุนแรง และนี่เป็นต้นทุนแฝงของกระแส AI ที่ไม่มีใครใส่ไว้ในสไลด์ขายของ สิ่งที่ควรทำคือขอใบเสนอราคาใหม่ก่อนอนุมัติงบทุกครั้ง และคำนวณทางเลือกเช่าเครื่องบนคลาวด์เทียบไว้ด้วย เพราะสมการเปลี่ยนไปมากในรอบสิบสองเดือน

Tom's Hardware · Hacker News