AI News · 2026-08-25

ฟีเจอร์นี้ชื่อ sign-to-text อยู่บนมือถือ Pixel 11 ผู้ใช้เปิดกล้องหน้าแล้วทำภาษามือ ระบบจะอ่านรูปมือ สีหน้า และการเคลื่อนไหวของร่างกาย แล้วแปลออกมาเป็นประโยคภาษาอังกฤษบนหน้าจอแบบทันที รองรับทั้งการทำมือเดียวและสองมือ และใช้ได้ทั้งใน Gboard และ Live Transcribe โดยไม่คิดเงินเพิ่ม

โมเดลที่อยู่เบื้องหลังชื่อ SL2T ฝึกด้วยข้อมูลกว่า 100,000 ชั่วโมงจากภาษามือมากกว่า 50 ภาษา โดยราวหนึ่งในสี่เป็นภาษามืออเมริกัน คะแนนที่รายงานคือ 70 BLEURT บนชุดทดสอบ FLEURS-ASL แบบไม่เคยเห็นตัวอย่างมาก่อน ซึ่งทีมงานระบุว่าสูงกว่าคะแนนที่เคยมีใครรายงานไว้

จุดที่น่าสนใจกว่าตัวคะแนนคือวิธีออกแบบเรื่องความเป็นส่วนตัว เครื่องจะใช้ MediaPipe Holistic แปลงวิดีโอเป็นลำดับพิกัดจุดสำคัญบนร่างกายตั้งแต่บนเครื่องผู้ใช้ แล้วทิ้งวิดีโอต้นฉบับทันที สิ่งที่ส่งขึ้นไปให้เซิร์ฟเวอร์แปลจึงเป็นลำดับตัวเลขพิกัด ไม่ใช่ภาพหน้าคน

ข้อจำกัดที่ทีมงานเขียนไว้เองคือระบบยังผิดกับท่ามือที่พบไม่บ่อย การสะกดนิ้วเร็วๆ ประโยคที่ประธานถูกกระทำ ท่าบรรยายลักษณะ และการระบุกาลเมื่อไม่มีบริบทช่วย และตอนเปิดตัวรองรับเฉพาะภาษามืออเมริกันเป็นภาษาอังกฤษเท่านั้น แม้ข้อมูลฝึกจะมีเกิน 50 ภาษาก็ตาม

▲ ทำไมต้องรู้ · แบบแผนที่ใช้ในฟีเจอร์นี้เอาไปใช้ต่อได้กับงานอื่นที่ต้องส่งข้อมูลอ่อนไหวขึ้นคลาวด์ คือแปลงข้อมูลดิบให้เหลือเฉพาะสิ่งที่โมเดลต้องใช้จริงตั้งแต่บนเครื่องก่อน แล้วค่อยส่งของที่แปลงแล้วออกไป องค์กรที่ติดปัญหาว่าเอาภาพหรือเสียงของลูกค้าขึ้นระบบภายนอกไม่ได้ ลองถามคำถามนี้ก่อนว่าจริงๆ แล้วโมเดลต้องการอะไรบ้าง อาจไม่ต้องส่งของทั้งก้อน

Google · Google DeepMind · Blognone

รุ่น 2.1.243 เพิ่มส่วนสรุปงานแบบวนซ้ำเข้าไปในคำสั่ง /usage โดยแสดงจำนวนครั้งที่รันของแต่ละงาน จำนวนโทเคนรวม จำนวนโทเคนต่อการรันหนึ่งครั้ง และเวลาที่รันล่าสุด

รุ่นเดียวกันเพิ่มการตั้งค่าชื่อ modelPicker ที่ให้จัดรายการโมเดลในคำสั่ง /model เป็นลำดับและติดป้ายชื่อเองได้ กับการลงชื่อเข้าใช้แบบไม่ต้องใช้กุญแจ API ผ่าน /login เข้าหน้าคอนโซล สำหรับองค์กรที่ระบบไม่รองรับกุญแจ API

ของที่แก้ในรุ่นนี้คืออาการที่เซิร์ฟเวอร์ MCP ระยะไกลไม่กลับมาทำงานอีกเลยหลังการเชื่อมต่อหลุด เมื่อรันในโหมดไม่โต้ตอบหรือผ่านชุดพัฒนา

▲ ทำไมต้องรู้ · ปัญหาที่ทีมเจอบ่อยเวลาตั้งงานให้ AI รันเองซ้ำๆ คือไม่รู้ว่างานไหนกินโทเคนไปเท่าไร รู้แต่ยอดรวมตอนสิ้นเดือน ตัวเลขต่อการรันหนึ่งครั้งเป็นตัวเลขที่เอาไปคูณกับความถี่แล้วประเมินค่าใช้จ่ายล่วงหน้าได้จริง ส่วนการจัดรายการโมเดลมีประโยชน์กับทีมที่อยากให้ทุกคนเริ่มจากตัวถูกก่อน แล้วขยับขึ้นตัวแรงเมื่อจำเป็น

Claude Code changelog

เมื่อวันที่ 24 ส.ค. ปลั๊กอินชื่อ llm-anthropic ออกรุ่น 0.27 เพื่อให้ทำงานกับชุดคำสั่ง anthropic รุ่น 1.0.0 ได้ หลังชุดคำสั่งตัวหลักย้ายชั้นเชื่อมต่อจาก httpx ไปเป็น httpx2

Simon Willison ผู้ดูแลปลั๊กอินเขียนไว้ว่าใช้โมเดล Fable 5 ใน Claude Code ไล่ทำตามคู่มือย้ายรุ่นที่ผู้ผลิตเขียนไว้ จนได้ชุดแก้ที่ผ่านการทดสอบทั้งหมด และระบุด้วยว่าชุดคำสั่งของ OpenAI ย้ายไลบรารีตัวเดียวกันไปก่อนแล้วราวสองสัปดาห์ในรุ่น 3.0.0

เอกสารของผู้ผลิตระบุว่า httpx2 เป็นตัวแยกที่ยังมีคนดูแลและออกแบบให้เรียกใช้เหมือนเดิม แต่ถ้าโปรแกรมพึ่งเครื่องมือติดตามหรือเครื่องมือจำลองที่เข้าไปแก้ httpx ตัวเดิม ต้องเรียก httpx2.alias_httpx() ตอนเริ่มโปรแกรมด้วย

▲ ทำไมต้องรู้ · ทีมที่เขียนโปรแกรมเรียก AI มักไม่ได้จดว่าตัวเองพึ่งไลบรารีชั้นล่างอะไรบ้าง จนกระทั่งของชั้นล่างเปลี่ยนแล้วโปรแกรมพัง สิ่งที่ทำได้ตอนนี้คือไล่ดูว่าโปรแกรมของทีมล็อกรุ่นของไลบรารีเชื่อมต่อไว้หรือเปล่า และการที่ทั้งสองค่ายย้ายไปทางเดียวกันแปลว่านี่ไม่ใช่การเลือกของค่ายเดียว แต่เป็นทิศทางของทั้งระบบนิเวศ

llm-anthropic 0.27 · บันทึกการเปลี่ยนแปลงของแพลตฟอร์ม

Agent Lightning ออกรุ่น 1.0 เมื่อวันที่ 24 ส.ค. ตัวมันเป็นชุดคำสั่งที่ทำงานร่วมกับเครื่องมือเขียนโค้ดอย่าง Claude Code, Codex หรือ GitHub Copilot โดยรับ agent ที่แก้ไขได้ตัวหนึ่งกับชุดวัดผลหนึ่งชุด แล้วไล่ปรับส่วนประกอบให้ทีละอย่าง

สิ่งที่มันเข้าไปปรับครอบคลุมทั้งคำสั่งตั้งต้น เครื่องมือที่ agent เรียกใช้ ลำดับขั้นการทำงาน ตัวโมเดล และการตั้งค่าความละเอียดในการคิด โดยเอกสารระบุว่าเป้าหมายคือถ่วงดุลระหว่างความแม่น ค่าใช้จ่าย เวลาตอบ และความสม่ำเสมอ ผ่านการวนปรับที่วัดผลได้

รุ่น 1.0 นี้เป็นรุ่นแรกที่ประกาศว่าพร้อมใช้จริง โดยรอบนี้เน้นเรื่องระบบทดสอบอัตโนมัติ การจัดแพ็กเกจ การออกรุ่น เอกสาร และการรายงานผลการวัด

▲ ทำไมต้องรู้ · คนส่วนใหญ่ปรับคำสั่งให้ AI ด้วยความรู้สึกว่าอันไหนดีกว่า แล้วไม่มีทางรู้ว่าที่แก้ไปทำให้ดีขึ้นจริงหรือแค่บังเอิญ สิ่งที่เครื่องมือแนวนี้บังคับให้ทำก่อนคือต้องมีชุดวัดผลของงานตัวเองก่อน ซึ่งเป็นขั้นที่ข้ามไม่ได้อยู่แล้วไม่ว่าจะใช้เครื่องมือตัวไหน

Agent Lightning v1.0.1

Steve Yegge เขียนเมื่อวันที่ 24 ส.ค. แยกสองแนวทางออกจากกัน แนวทางแรกคือการขังไว้ในกล่อง ซึ่งคือการจำกัดขอบเขตงานให้แคบและให้บริบทน้อยที่สุด ส่วนอีกแนวทางคือการล้อมรั้ว ซึ่งคือการเขียนกติกา ขอบเขตอำนาจ และวิธีบังคับใช้ออกมาเป็นเอกสารที่ตรวจสอบได้

ข้อโต้แย้งหลักคือเมื่อโมเดลเก่งขึ้นและถูกลง การขังไว้ในกล่องจะฝืนธรรมชาติของมันมากขึ้นเรื่อยๆ โดยเขาเขียนว่า "Fences are the ultimate metaphor for how superintelligence needs to be governed. Not high walls, not 'secure' sandboxes."

ระบบที่เขาทำใช้เองเก็บเอกสารเชิงกติกาไว้กว่า 450 ชิ้น ทั้งคำวินิจฉัย ขอบเขตอำนาจ และกลไกบังคับใช้ โดยมีวงจรตั้งแต่เสนอ รับรอง ประกาศใช้ บังคับใช้ ไปจนถึงวัดผล และคำตัดสินของคนจะกลายเป็นบรรทัดฐานให้รอบต่อไป

เขาเขียนไว้ด้วยว่าเรื่องนี้ไม่มีทางลัด "You have to seed it, then grow it. There's no shortcut." และข้อควรระวังคือทั้งบทความเป็นประสบการณ์จากระบบที่เขาสร้างเอง ไม่ใช่ผลการทดลองที่มีตัวเทียบ

▲ ทำไมต้องรู้ · องค์กรที่เริ่มมี agent มากกว่าหนึ่งตัวจะเจอปัญหาเดียวกันคือ ความรู้ว่าใครทำอะไรได้แค่ไหนอยู่ในหัวคน ไม่ได้เขียนไว้ที่ไหน พอ agent เข้ามาทำงานแทน มันจะไปชนกฎที่ไม่มีใครเคยเขียนออกมา วิธีเริ่มที่ถูกที่สุดคือเขียนกติกาที่ทีมใช้อยู่แล้วให้เป็นลายลักษณ์อักษรก่อน ไม่ต้องรอระบบใหญ่

Steve Yegge · Hacker News

บทความอธิบายว่าการโจมตีที่มันสนใจคือการที่โมเดลพ่นลำดับสัญลักษณ์ซึ่ง "semantic meaning is irrelevant" หรือความหมายของมันไม่เกี่ยวเลย แต่ไปกระตุ้นช่องโหว่ในโปรแกรมที่ทำหน้าที่โหลดโมเดล รันโมเดล แล้วแปลผลลัพธ์ที่ได้ เพราะโปรแกรมชั้นนั้นต้องแยกว่าข้อความส่วนไหนเป็นคำตอบ ส่วนไหนเป็นคำสั่งเรียกเครื่องมือ และส่วนไหนเป็นความคิดของโมเดล

ตัวอย่างที่เกิดขึ้นจริงแล้วคือช่องโหว่รหัส CVE-2025-9141 ในโปรแกรม vLLM ซึ่งตัวแยกคำสั่งเรียกเครื่องมือของโมเดลตระกูลหนึ่ง ส่งค่าที่โมเดลพ่นออกมาเข้าฟังก์ชัน eval() โดยตรง ประกาศความปลอดภัยของโครงการระบุว่าเป็นการแปลงข้อมูลกลับที่ไม่ปลอดภัย ซึ่งเปิดให้ผู้ใช้ที่ผ่านการยืนยันตัวตนแล้วรันโค้ดอะไรก็ได้บนเครื่อง ถ้าทำให้โมเดลส่งโค้ดนั้นมาเป็นค่าของคำสั่งเรียกเครื่องมือได้ ระดับความรุนแรงอยู่ที่ 8.8 และแก้แล้วในรุ่น 0.10.1.1

สองจุดที่ต้องอ่านให้ครบคือช่องโหว่นี้ไม่ได้เปิดให้คนนอกที่ยังไม่ได้ยืนยันตัวตนเข้ามาใช้ได้ และต้องเปิดใช้งานคำสั่งเรียกเครื่องมือกับเลือกตัวแยกของโมเดลตระกูลนั้นไว้ก่อนด้วย จึงไม่ใช่ช่องโหว่ที่ยิงจากอินเทอร์เน็ตได้ทันที

รายละเอียดที่บทความหยิบมาเล่าคือระบบตรวจโค้ดอัตโนมัติเตือนไว้แล้วว่าการใช้ eval() กับผลลัพธ์ของโมเดลเป็นช่องโหว่ร้ายแรง แต่ผู้ดูแลโครงการรวมโค้ดชุดนั้นเข้าไปในราวสามชั่วโมงครึ่งต่อมา โดยเขียนไว้ว่า "I'm force merging this to unblock model usage, after lint."

อีกกรณีที่บทความยกมาชี้ปัญหาเดียวกันคือเมื่อโมเดลพิมพ์ข้อความ <mm:think> ออกมาเป็นเนื้อหาปกติ ตัวแยกความคิดของโมเดลตระกูลหนึ่งกลับตีความว่าเป็นเครื่องหมายเปิดบล็อกความคิด กรณีนี้ไม่ใช่ช่องโหว่ความปลอดภัย แต่ก็ไม่ได้ไม่มีผล เพราะผู้แจ้งรายงานว่าคำตอบถูกตัดครึ่งอย่างเงียบๆ โดยระบบยังบอกว่าจบงานปกติ และในงานจริงของเขามีเอกสารเสียไปสองชิ้นจาก 546 ชิ้น ซึ่งเป็นสองชิ้นที่บังเอิญมีข้อความนั้นอยู่พอดี

ข้อควรระวังที่สำคัญที่สุดคือนี่เป็นบทวิเคราะห์ ไม่ใช่รายงานเหตุที่เกิดขึ้นแล้ว ไม่มีผู้เสียหายและไม่มีรายงานการโจมตีจริง ตัวผู้เขียนเองก็ไม่ได้ฟันธงว่าจะเกิด โดยเขียนไว้ว่า "Somewhat likely? I'm unsure. Discovering a useful vulnerability is probably the harder step." และผู้อ่านในกระทู้หลายคนแย้งว่าภัยที่สมจริงกว่าคือคนที่ตั้งใจโจมตีโปรแกรมนั้นผ่านช่องทางเรียกใช้ของมันโดยตรง ไม่ใช่โมเดลที่อยู่ดีๆ ตัดสินใจโจมตีเครื่องที่ตัวเองรันอยู่

▲ ทำไมต้องรู้ · องค์กรไทยที่เลือกรันโมเดลเปิดบนเครื่องตัวเองเพราะกังวลว่าข้อมูลจะรั่ว มักคิดถึงแค่ว่าโมเดลจะพูดอะไรผิดไหม แต่การรันเองแปลว่าทีมเป็นเจ้าของโปรแกรมชั้นที่แปลความข้อความนั้นด้วย สิ่งที่ควรทำคือไล่ดูว่ารุ่นของโปรแกรมรันโมเดลที่ใช้อยู่ตามแพตช์ล่าสุดหรือยัง เหมือนที่ทำกับซอฟต์แวร์เซิร์ฟเวอร์ตัวอื่น

boydkane.com · ประกาศความปลอดภัยของ vLLM · ความเห็นตอนรวมโค้ด · รายงานบั๊กตัวแยกความคิด · Hacker News

ปัญหาที่งานนี้ตั้งต้นคือระบบที่ต่อ AI เข้ากับเครื่องมือภายนอกต้องส่งคำอธิบายของเครื่องมือทุกตัวเข้าไปใหม่ทุกครั้งที่คุย พอรายการเครื่องมือยาวขึ้น เวลาที่ใช้ก่อนจะเริ่มตอบคำแรกก็โตเร็วกว่าความยาวของข้อความเสียอีก

วิธีที่งานนี้เสนอชื่อ Nexus คือเลิกส่งคำอธิบายทั้งหมด แล้วใช้ตัวค้นหาเลือกเครื่องมือที่น่าจะใช้ก่อน จากนั้นให้โมเดลเขียนค่าที่จะส่งเข้าเครื่องมือจากคำอธิบายแบบย่อซึ่งยาวกลางๆ ที่ 19 สัญลักษณ์ แทนการอ่านคำอธิบายเต็ม

ตัวเลขที่รายงานคือความแม่นในการเลือกเครื่องมืออยู่ราว 89% แม้จำนวนเครื่องมือจะเพิ่มถึง 250 ตัว ซึ่งเป็นจุดที่วิธีเดิมแบบส่งคำอธิบายทั้งหมดล้นพื้นที่บริบทไปแล้ว โดยได้ค่าแรกที่ส่งเข้าเครื่องมือเร็วขึ้น 1.66 เท่า และประหยัดพื้นที่บริบทหลักได้ราว 80%

ข้อควรระวังที่ผู้เขียนเขียนไว้เองคือผลการวัดทั้งหมดมาจากโมเดลตัวเดียวบนเครื่องแบบหน่วยความจำรวมชนิดเดียว ตัวเลขจึงผูกกับชุดนั้น ส่วนขอบเขตเชิงคุณภาพเท่านั้นที่น่าจะใช้ได้ทั่วไป และอีกกลไกหนึ่งที่เสนอไว้ยังติดข้อจำกัดเชิงคณิตศาสตร์จนบางกรณีต้องคำนวณใหม่ทั้งหมดอยู่ดี

▲ ทำไมต้องรู้ · ทีมที่เริ่มต่อเครื่องมือให้ AI มักเพิ่มไปเรื่อยๆ เพราะแต่ละตัวดูไม่กินอะไร แต่ต้นทุนของมันคือพื้นที่บริบทกับเวลาก่อนเริ่มตอบ ซึ่งจ่ายทุกครั้งที่คุยแม้จะไม่ได้ใช้เครื่องมือตัวนั้นเลย ทางแก้ที่ทำได้ทันทีโดยไม่ต้องรองานวิจัยคือแยกชุดเครื่องมือตามประเภทงาน แทนการเปิดทุกตัวพร้อมกันตลอดเวลา

arXiv 2608.20397

โจทย์ที่งานนี้วัดคือการแยกว่าผู้ใช้ต้องการอะไรจากประโยคที่พิมพ์เข้ามา ซึ่งเป็นหัวใจของระบบตอบคำถามอัตโนมัติ โดยเทียบสี่วิธีคือตัวจำแนกที่ฝึกเฉพาะงาน วิธีนับคำแบบดั้งเดิม วิธีเทียบความใกล้เคียงของข้อความ และการถามโมเดลใหญ่ตรงๆ โดยไม่ให้ตัวอย่าง

ผลบนชุดข้อมูลที่มีป้ายกำกับเยอะคือตัวจำแนกที่ฝึกเฉพาะงานชนะขาด โดยได้ 95.9 เทียบกับ 84.1 ซึ่งห่างกัน 11.8 คะแนน ส่วนบนชุดข้อมูลที่มีเจตนาให้แยกถึง 150 แบบ ตัวเลขรวมออกมาเสมอกันในทางสถิติที่ 89.1 กับ 88.5 แต่ตัวเลขคู่นี้นับคำถามนอกขอบเขต 1,000 ข้อรวมเข้าไปในตัวหารด้วย ถ้าวัดเฉพาะคำถามที่อยู่ในขอบเขต ตัวจำแนกที่ฝึกเฉพาะงานยังนำอยู่ที่ 96.0 ต่อ 89.2

จุดที่โมเดลใหญ่ได้เปรียบชัดที่สุดจึงเป็นเรื่องเดียวกันกับที่ทำให้ตัวเลขรวมเสมอกัน คือการรู้ตัวว่าคำถามอยู่นอกขอบเขต ซึ่งจับได้ 85.6 เทียบกับ 58.1 อีกจุดคือการย้ายไปใช้กับงานใหม่ที่มีรายการเจตนาคนละชุด ซึ่งตัวจำแนกที่ล็อกรายการเจตนาของงานเดิมไว้ทำได้ 0% เพราะรายการเจตนาของงานใหม่ไม่มีอยู่ในตัวเลือกของมันเลย ขณะที่โมเดลใหญ่ที่รับรายการเจตนาผ่านคำสั่งรับใช้ทั้งสองงานได้ราว 94% โดยไม่ต้องฝึกใหม่

งานนี้ยังทดสอบเสียงพูดที่ถอดออกมาเป็นข้อความแบบมีสัญญาณรบกวนด้วย ที่ระดับรบกวนสูงสุดที่ทดสอบ วิธีนับคำแบบดั้งเดิมตกลงมาเหลือ 80.0 ขณะที่โมเดลใหญ่ยังอยู่ที่ 92.5 จุดที่ต้องระวังคือการทดลองนี้ไม่ได้เอาตัวจำแนกที่ฝึกเฉพาะงานมาเทียบด้วย จึงบอกไม่ได้ว่าตัวจำแนกทนเสียงรบกวนได้แค่ไหน

ข้อควรระวังที่เหลือคือชุดข้อมูลที่ใช้ทดสอบทั้งหมดเป็นภาษาอังกฤษ และผู้เขียนระบุเองว่างานหลายภาษาอยู่นอกขอบเขต ผลจึงยังใช้เถียงเรื่องภาษาไทยตรงๆ ไม่ได้ นอกจากนี้ยังเป็นร่างที่ยังไม่ผ่านการตรวจของผู้ทรงคุณวุฒิ ทดสอบโมเดลใหญ่เพียงตัวเดียวกับตัวจำแนกเพียงตัวเดียว และวัดแบบไม่ให้ตัวอย่างเลย ซึ่งผู้เขียนยอมรับเองว่าการให้ตัวอย่างสักสองสามอันน่าจะลดช่องว่างลงได้

▲ ทำไมต้องรู้ · ทีมไทยจำนวนมากกำลังจะรื้อระบบตอบคำถามลูกค้าของเดิมทิ้งเพราะคิดว่าโมเดลใหญ่ทำแทนได้หมด งานนี้ให้เกณฑ์ตัดสินที่ใช้ได้จริง คือถ้าเจตนาที่ต้องแยกอยู่กับที่และมีข้อมูลเก่าที่ติดป้ายไว้แล้วเยอะ ของเดิมยังคุ้มกว่ามากทั้งเรื่องความแม่นและค่าใช้จ่าย แต่ถ้ารายการเจตนาเปลี่ยนบ่อยจนต้องฝึกใหม่ทุกครั้ง หรืองานนั้นแพ้ทางตรงที่ต้องรู้ตัวว่าคำถามอยู่นอกขอบเขต โมเดลใหญ่คุ้มกว่า และถ้าจะทำเป็นภาษาไทยต้องวัดเองใหม่ทั้งหมด เพราะงานนี้ไม่ได้ทดสอบภาษาอื่นเลย

arXiv 2608.20371

วิธีที่งานนี้เสนอคือมองการประเมินคุณภาพเป็นการค้นหา แทนการสุ่มคำถามแบบกระจายเท่ากัน โดยเรียนรู้จากผลของรอบก่อนว่าคำถามแบบไหนทำให้ระบบพลาดบ่อย แล้วทุ่มคำถามรอบถัดไปไปตรงนั้น

ผลที่ได้คือชุดทดสอบชื่อ MeetingProbe ประกอบด้วยคู่คำถามคำตอบที่มีคนตรวจแล้วกว่า 3,000 คู่ จากบันทึกการประชุม 20 ชุด สามประเภทการประชุม และผู้ช่วยสรุปการประชุมสามตัว โดยวิธีไล่ถามแบบปรับตามผลหาจุดพังได้ 7.1% เทียบกับการสุ่มถามที่ 2.9% หรือราวสองเท่าครึ่ง

จุดที่น่าสนใจที่สุดคือประเภทของความผิดพลาด งานนี้จัดได้แปดกลุ่มที่พบซ้ำ และกลุ่มที่ครองสัดส่วนมากที่สุดไม่ใช่การจำข้อเท็จจริงผิด แต่เป็นเรื่องการตีความบทสนทนา เช่น ใครพูดแทนใคร ประโยคไหนคือข้อสรุปและประโยคไหนแค่เสนอขึ้นมา งานนี้ยังพบชุดคำถามกลุ่มหนึ่งที่ไม่มีโมเดลไหนตอบได้เลยสักตัว

▲ ทำไมต้องรู้ · เครื่องมือสรุปการประชุมเป็น AI ตัวที่คนทำงานไทยใช้บ่อยที่สุดตัวหนึ่ง และคนมักตรวจมันด้วยการดูว่าชื่อกับตัวเลขถูกไหม งานนี้บอกว่าจุดที่มันพลาดจริงอยู่คนละที่ คือการแยกว่าอะไรคือข้อสรุปที่ตกลงกันแล้ว กับอะไรคือความเห็นที่มีคนโยนขึ้นมาเฉยๆ ซึ่งเป็นบรรทัดที่ราคาแพงที่สุดในบันทึกการประชุม

arXiv 2608.20392

สิ่งที่งานนี้วัดคือความไวของโมเดลต่อการเปลี่ยนถ้อยคำเพียงเล็กน้อย โดยสร้างคำสั่งที่มีความหมายเดียวกันแต่เขียนต่างกันรวม 132,000 แบบ แล้วดูว่าผลลัพธ์แกว่งแค่ไหน

ข้อค้นพบหลักคือคำสั่งที่ทำคะแนนสูงมักเป็นคำสั่งที่ผลแกว่งน้อยด้วย ไม่ใช่คนละเรื่องกัน และตัวขับสองตัวที่ทำให้ผลนิ่งคือการใช้ศัพท์เฉพาะของงานนั้น กับการเขียนคำสั่งที่ระบุการกระทำอย่างชัดเจน ทั้งสองอย่างทำหน้าที่บีบขอบเขตพฤติกรรมของโมเดลให้แคบลง

เมื่อเอาสองตัวนี้ไปให้ระบบอัตโนมัติเขียนคำสั่งใหม่ ผลคือความแกว่งของคะแนนในงานเขียนโค้ดลดลง 40.7% โดยค่าเฉลี่ยไม่ตกและบางกรณีดีขึ้น

▲ ทำไมต้องรู้ · คนส่วนใหญ่ปรับคำสั่งโดยดูว่าครั้งนี้ตอบดีขึ้นไหม ซึ่งวัดค่าเฉลี่ยอย่างเดียว แต่สิ่งที่ทำให้เอา AI ไปใช้ในงานประจำไม่ได้คือความไม่แน่นอน ไม่ใช่ค่าเฉลี่ย งานนี้ให้ของที่ลองได้ทันทีสองอย่าง คือใส่ศัพท์เฉพาะของงานลงในคำสั่ง และเขียนเป็นคำสั่งให้ทำ ไม่ใช่คำบรรยายว่าอยากได้อะไร

arXiv 2608.20349

งานนี้ตรวจขั้นตอนที่คนมักไม่ตรวจ คือตัวตรวจคำตอบที่ใช้เทียบข้อความแบบตรงตัว ซึ่งเป็นกลไกที่ระบบฝึกโมเดลด้วยรางวัลจากการตรวจคำตอบใช้ตัดสินว่าคำตอบไหนถูก

ตัวเลขที่รายงานคืออัตราการตัดสินว่าผิดทั้งที่ถูกอยู่ที่ 0.642 สำหรับภาษาญี่ปุ่น เทียบกับ 0.122 สำหรับภาษาอังกฤษ และ 0.073 สำหรับภาษาจีน แปลว่าคำตอบภาษาญี่ปุ่นที่ถูกจริงเกือบสองในสามถูกตีตกไปเฉยๆ

วิธีแก้ที่งานนี้เสนอคือรวมคะแนนโดยอิงบริบทของภาษาปลายทางแทนการเทียบตรงตัวแบบเดียวกันหมด ซึ่งปิดช่องว่างในการเลือกคำตอบได้ระหว่าง 55% ถึง 78%

▲ ทำไมต้องรู้ · ทีมไทยที่เริ่มทำระบบวัดผลของตัวเองมักเขียนตัวตรวจง่ายๆ ที่เทียบว่าคำตอบตรงกับเฉลยหรือไม่ ซึ่งใช้ได้ดีกับภาษาอังกฤษที่มีรูปเขียนตายตัว แต่ภาษาที่เขียนคำเดียวกันได้หลายแบบจะโดนตีตกเป็นระบบ สิ่งที่ควรทำก่อนเชื่อคะแนนของตัวเองคือสุ่มคำตอบที่ระบบบอกว่าผิดมาอ่านสักห้าสิบข้อ แล้วดูว่าผิดจริงกี่ข้อ

arXiv 2608.20362

งานนี้ตรวจว่าโมเดลมองว่าใครมีความสามารถในอาชีพไหน โดยไม่ได้ดูแค่คำตอบที่โมเดลพิมพ์ออกมา แต่เข้าไปดูการแทนความหมายภายในตัวโมเดลด้วย

ข้อค้นพบหลักคืออคติในระดับการแทนความหมายยังอยู่ แม้การวัดจากพฤติกรรมภายนอกจะตรวจไม่พบอะไรเลย โดยงานนี้ใช้เวกเตอร์ที่ผลักทิศทางความหมายเป็นเครื่องมือเผยให้เห็นว่าลักษณะทางประชากรยังส่งผลต่อการแทนความหมายเรื่องความสามารถ

ข้อควรระวังคือรายละเอียดที่ตรวจได้ในรอบนี้มาจากบทคัดย่อ ยังไม่ได้อ่านวิธีวัดฉบับเต็ม จึงยังบอกไม่ได้ว่าผลนี้แปลเป็นความเสียหายในการใช้งานจริงมากน้อยแค่ไหน

▲ ทำไมต้องรู้ · องค์กรที่เอา AI ไปช่วยคัดใบสมัครหรือประเมินคน มักตรวจความเป็นธรรมด้วยการป้อนกรณีทดสอบแล้วดูว่าคำตอบต่างกันไหม งานนี้บอกว่าการผ่านการทดสอบแบบนั้นไม่ได้แปลว่าไม่มีอคติ แปลแค่ว่าอคติไม่โผล่ในกรณีที่ทดสอบ ซึ่งเป็นคนละเรื่องกัน

arXiv 2608.20347

งานนี้ให้โมเดลดึงข้อมูลจากเวชระเบียนที่ยังไม่ผ่านการจัดรูป แล้ววัดผลรวมได้ว่า 87% ตรงกันทุกตัวอักษร 2% ตรงบางส่วน และ 9% ไม่ตรงเลย ซึ่งถ้าดูแค่ตัวเลขรวมก็ดูเป็นระบบที่ใช้ได้

แต่เมื่อแยกตามชนิดของช่องข้อมูล ภาพเปลี่ยนไปมาก ช่องที่เป็นการทำเครื่องหมายว่ามีเหตุการณ์หรือมีการใช้ยาหรือไม่ ได้ความแม่น 96% ขณะที่ช่องที่ต้องระบุว่าเหตุการณ์เกิดขึ้นเมื่อไร ตกลงมาเหลือ 62%

สิ่งที่งานนี้เสนอจึงเป็นการจัดหมวดความกำกวมของโจทย์ เพื่อให้บอกได้ล่วงหน้าว่าช่องไหนควรให้คนตรวจซ้ำ แทนการตรวจสุ่มเท่ากันทุกช่อง

▲ ทำไมต้องรู้ · ทุกองค์กรที่เอา AI ไปกรอกข้อมูลจากเอกสารเข้าระบบ จะได้ตัวเลขความแม่นรวมมาหนึ่งตัวแล้วเอาไปตัดสินว่าใช้ได้หรือไม่ได้ งานนี้บอกว่าตัวเลขนั้นแทบไม่มีประโยชน์ในการตัดสินใจ สิ่งที่ต้องขอคือความแม่นแยกตามชนิดของช่อง แล้วจะเห็นว่าช่องที่เกี่ยวกับเวลาและลำดับก่อนหลังคือช่องที่ต้องให้คนตรวจเสมอ

arXiv 2608.20373

เอกสารราคาของ DeepSeek ระบุว่าช่วงราคาแพงคือ 01:00 ถึง 04:00 และ 06:00 ถึง 10:00 ตามเวลามาตรฐานสากล เฉพาะวันจันทร์ถึงศุกร์ ส่วนเวลาที่เหลือทั้งหมดคิดราคาถูก โดยราคาถูกอยู่ที่ครึ่งหนึ่งของราคาแพง

เมื่อแปลงเป็นเวลาประเทศไทยซึ่งเร็วกว่าเจ็ดชั่วโมง ช่วงราคาแพงคือ 08:00 ถึง 11:00 และ 13:00 ถึง 17:00 ซึ่งตรงกับเวลาทำงานของออฟฟิศไทยเกือบพอดี ส่วนความเปลี่ยนแปลงล่าสุดที่สื่อเทคโนโลยีไทยรายงานเมื่อวันที่ 24 ส.ค. คือเสาร์อาทิตย์ถูกปล่อยเป็นราคาถูกทั้งวันแล้ว

ตัวเลขราคาต่อหนึ่งล้านสัญลักษณ์ที่เอกสารระบุคือ รุ่น v4-flash ค่าข้อความเข้าที่ไม่เคยส่งมาก่อนอยู่ที่ 0.22 ดอลลาร์ในช่วงถูก และ 0.44 ดอลลาร์ในช่วงแพง ส่วนข้อความออกอยู่ที่ 0.66 กับ 1.32 ดอลลาร์ ขณะที่รุ่น v4-pro อยู่ที่ 0.66 กับ 1.32 ดอลลาร์สำหรับข้อความเข้า และ 1.98 กับ 3.96 ดอลลาร์สำหรับข้อความออก

ข้อควรระวังคืออย่าอ่านข่าวนี้ว่าเป็นการลดราคา สิ่งที่เกิดขึ้นคือการแยกราคาเป็นสองชั้นตามช่วงเวลา แล้วขยายช่วงที่คิดราคาถูกให้กว้างขึ้น การจะรู้ว่าบิลของทีมถูกลงหรือแพงขึ้นจึงต้องดูว่างานของทีมวิ่งตอนไหนเป็นหลัก ไม่ใช่ดูจากพาดหัว

▲ ทำไมต้องรู้ · นี่เป็นกรณีที่หายากที่โครงราคาของผู้ให้บริการต่างชาติไปตรงกับนาฬิกาทำงานของคนไทยพอดี ทีมที่มีงานประเภทประมวลผลเอกสารเป็นชุด สรุปรายงานประจำวัน หรือแปลงข้อมูลจำนวนมาก แทบไม่มีเหตุผลที่จะรันงานพวกนี้ตอนสิบโมงเช้า การเลื่อนไปรันตอนกลางคืนหรือเสาร์อาทิตย์คือการลดค่าใช้จ่ายครึ่งหนึ่งโดยไม่ต้องเปลี่ยนโมเดลหรือแก้โค้ดอะไรเลย

เอกสารราคาของ DeepSeek · Techsauce · Blognone

เครื่องต้นแบบชื่อ AI Cube ประกอบด้วยชิปสามตัวที่บริษัทออกแบบเอง ตัวแรกคือ XRING O3 ซึ่งเป็นชิปเรือธงสำหรับมือถือ มีหน่วยประมวลผลกลาง 10 แกน หน่วยประมวลผลกราฟิก 16 แกน หน่วยความจำแบบ LPDDR6 ที่แบนด์วิดท์ 113.8GB ต่อวินาที และหน่วยประมวลผลด้าน AI ที่ 200 TOPS

อีกสองตัวเป็นชิปเร่งความเร็วด้าน AI โดยเฉพาะ คือ XRING O100 ที่อัตราส่งข้อมูล 1.22TB ต่อวินาที และ XRING D100 ที่มีหน่วยประมวลผลกลาง 20 แกนกับหน่วยประมวลผล AI 16 แกน รองรับหน่วยความจำสูงสุด 160GB

เมื่อรวมกันแล้วเครื่องมีหน่วยความจำ 160GB และบริษัทระบุว่ารันโมเดลขนาดถึงสองแสนล้านพารามิเตอร์ได้ในเครื่องเดียวโดยไม่ต้องต่อออกไปข้างนอก

ข้อควรระวังที่สำคัญที่สุดคือคำว่าเครื่องต้นแบบ บริษัทยังไม่ประกาศว่าจะขายจริงหรือไม่ ไม่มีราคา และไม่มีกำหนดวางจำหน่าย สิ่งที่มีกำหนดคือชิป O3 จะไปอยู่ในมือถือเรือธงรุ่นถัดไป ส่วน D100 กับ O100 คาดว่าจะไปอยู่ในรถยนต์ มือถือ และหุ่นยนต์ภายในปี 2027

▲ ทำไมต้องรู้ · ข้อจำกัดที่ทำให้องค์กรไทยหลายแห่งเอา AI ไปใช้กับข้อมูลอ่อนไหวไม่ได้ คือโมเดลที่เก่งพอต้องรันบนคลาวด์ต่างประเทศ เครื่องแบบนี้คือสัญญาณว่าเส้นแบ่งนั้นกำลังขยับ แต่ยังไม่ใช่ตอนนี้ สิ่งที่ควรทำในระหว่างนี้คือจดไว้ว่างานไหนของทีมที่ติดปัญหาเรื่องข้อมูลออกนอกองค์กร เพื่อจะได้ประเมินได้เร็วเมื่อของแบบนี้ขายจริง

Blognone

Business Insider รายงานเมื่อวันอาทิตย์ที่ 23 ส.ค. โดยอ้างแหล่งข่าวที่รู้เรื่องนี้ว่า Hugging Face กำลังสำรวจความเป็นไปได้ในการขายกิจการที่มูลค่า 13 พันล้านดอลลาร์หรือมากกว่านั้น

รายละเอียดที่สำนักข่าวอื่นรายงานต่อคือบริษัทว่าจ้างธนาคารให้ไปหยั่งเชิงความสนใจของผู้ซื้อ การพูดคุยยังอยู่ในขั้นต้น และยังไม่มีการเปิดเผยชื่อผู้ที่สนใจซื้อรายใด

มูลค่าที่เปิดเผยล่าสุดของบริษัทคือ 4.5 พันล้านดอลลาร์จากรอบระดมทุนปี 2566 ซึ่งมีผู้ลงทุนร่วมหลายรายรวมถึง Salesforce, Google, Amazon, Nvidia, Intel และ IBM และเมื่อปลายปี 2568 มีรายงานว่าบริษัทปฏิเสธข้อเสนอเงินลงทุน 500 ล้านดอลลาร์จาก Nvidia ที่ตีมูลค่าบริษัทไว้ราว 7 พันล้านดอลลาร์ ด้วยเหตุผลว่าไม่อยากให้มีผู้ลงทุนรายใดรายหนึ่งมีอิทธิพลเหนือรายอื่น ซึ่งจุดที่ต้องอ่านให้ครบคือ Nvidia เป็นผู้ลงทุนอยู่ในบริษัทนี้อยู่แล้วตั้งแต่รอบปี 2566

ข้อควรระวังมีสามข้อ ข้อแรกคือเรื่องนี้มีต้นทางเดียวคือรายงานของ Business Insider ยังไม่มีสำนักข่าวไหนหาข้อมูลยืนยันได้เอง ทุกสำนักที่รายงานต่ออ้างกลับไปที่ต้นทางเดียวกันหมด และบทความต้นทางเปิดตรงไม่ได้ในรอบนี้ ข้อสองคือบริษัทไม่ได้ตอบคำขอความเห็นของสำนักข่าว และยังไม่มีแถลงการณ์ปรากฏในการรายงานของสำนักไหนเลย ณ วันที่ 25 ส.ค.

ข้อสามคือบางสำนักเชื่อมโยงเรื่องนี้กับดีลที่ Stripe ตกลงซื้อ OpenRouter พร้อมเขียนตัวเลข 7 พันล้านดอลลาร์เป็นราคาไปเลย ทั้งที่ Stripe ประกาศเองว่าเป็นการตกลงจะซื้อซึ่งยังต้องผ่านเงื่อนไขปิดดีลตามปกติ ยังไม่ปิดจนถึงวันนี้ และไม่มีฝ่ายไหนเปิดเผยราคา ส่วนตัวเลขที่สื่อรายงานจากแหล่งข่าวที่ไม่เปิดเผยตัวก็ไม่ตรงกันเอง มีตั้งแต่เกิน 7 พันล้าน 7.5 พันล้าน ไปจนถึงเกิน 8 พันล้านดอลลาร์ จึงยังไม่ควรอ้างตัวเลขใดเป็นราคาที่ยืนยันแล้ว

▲ ทำไมต้องรู้ · ทีมไทยจำนวนมากพึ่งแพลตฟอร์มนี้เป็นทางเข้าหลักในการโหลดโมเดลเปิดและชุดข้อมูลมาใช้ โดยแทบไม่มีใครคิดว่ามันคือบริษัทที่เปลี่ยนเจ้าของได้ เรื่องนี้ยังไม่กระทบการใช้งานวันนี้ แต่เป็นเหตุผลที่ดีที่จะเช็กว่าระบบของทีมพึ่งการโหลดจากที่นั่นตอนติดตั้งแบบอัตโนมัติหรือเปล่า และมีสำเนาของโมเดลที่ใช้จริงเก็บไว้เองหรือยัง

TechCrunch · SiliconANGLE · Techsauce

The Information รายงานเมื่อวันอาทิตย์ที่ 23 ส.ค. ว่า Nvidia อยู่ระหว่างการพูดคุยเพื่อลงทุนใน Perplexity ซึ่งเป็นบริษัทที่ทำระบบค้นหาด้วย AI โดยรอบระดมทุนนี้จะตีมูลค่าบริษัทไว้เกิน 30 พันล้านดอลลาร์

ตัวเลขที่รายงานประกอบคือรายได้ต่อปีของบริษัทเมื่อคำนวณจากอัตราปัจจุบัน ขึ้นมาเกิน 750 ล้านดอลลาร์ จากที่ต่ำกว่า 250 ล้านดอลลาร์เมื่อต้นปี และมูลค่าที่ตีในรอบนี้สูงกว่ารอบก่อนหน้าเมื่อราวหนึ่งปีที่แล้วซึ่งอยู่ที่ 20 พันล้านดอลลาร์ เกินครึ่ง

ข้อควรระวังคือทั้งการลงทุนและมูลค่ายังไม่มีการยืนยันว่าปิดดีลแล้ว รายงานระบุเองว่าการพูดคุยยังดำเนินอยู่ และบทความต้นทางทั้งของ The Information และของ Reuters ที่รายงานต่อ เปิดตรงไม่ได้ในรอบนี้ จึงอ่านผ่านสำนักที่สรุปต่ออีกทอด

▲ ทำไมต้องรู้ · ผู้ผลิตชิปที่ขายของให้ทุกคนในตลาด แล้วเข้าไปถือหุ้นในบริษัทที่เป็นลูกค้าด้วย เป็นรูปแบบที่เกิดถี่ขึ้นเรื่อยๆ ในปีนี้ ผลที่ตามมาสำหรับคนใช้งานคือตัวเลขการเติบโตที่เห็นในข่าว อาจมาจากเงินที่หมุนอยู่ในวงเดียวกันบางส่วน การอ่านข่าวประเภทนี้จึงควรแยกให้ออกระหว่างรายได้จากลูกค้าจริง กับมูลค่าที่ผู้ลงทุนตีให้

Investing.com สรุปรายงานของ Reuters · Blognone

บริษัทประกาศเมื่อวันที่ 24 ส.ค. ว่าออกหุ้นใหม่จำนวน 710 ล้านหุ้น ระดมเงินได้ราวแปดหมื่นล้านดอลลาร์ฮ่องกง ซึ่งสื่อไทยรายงานว่าคิดเป็นราวสามแสนสามหมื่นล้านบาท

บริษัทระบุว่าจะนำเงินไปลงทุนด้าน AI โดยเฉพาะการสร้างศูนย์ข้อมูล ซึ่งเป็นทิศทางเดียวกับที่บริษัทเทคโนโลยีขนาดใหญ่หลายรายทำในปีนี้

ปฏิกิริยาของตลาดคือราคาหุ้นของบริษัทในตลาดหลักทรัพย์ฮ่องกงร่วงลง 9% หลังการประกาศ ซึ่งเป็นผลปกติของการออกหุ้นใหม่ที่ทำให้สัดส่วนของผู้ถือหุ้นเดิมถูกลดทอนลง

▲ ทำไมต้องรู้ · ข่าวการระดมทุนก้อนใหญ่เพื่อสร้างศูนย์ข้อมูลกลายเป็นข่าวประจำสัปดาห์ไปแล้ว และสิ่งที่มันบอกกับคนใช้งานคือต้นทุนการประมวลผลยังเป็นของหายากที่ต้องแย่งกัน ราคาที่เราจ่ายต่อการเรียกใช้โมเดลจึงยังไม่ใช่ราคาที่นิ่ง การวางแผนงบ AI ของทีมควรเผื่อไว้ว่าราคาขยับได้ทั้งขึ้นและลงในรอบไม่กี่เดือน

ประกาศของ Alibaba · Blognone

กระทู้นี้ขึ้นกระดานเมื่อวันที่ 24 ส.ค. และได้ 428 คะแนนกับความเห็น 427 รายการ ซึ่งเป็นสัดส่วนที่บอกว่าคนไม่ได้เห็นตรงกัน แต่มาเถียงกัน ข้อควรระวังคือตัวบทความต้นทางคืน 403 เมื่อลองเปิด สิ่งที่สรุปได้ในรอบนี้จึงเป็นเนื้อหาของการอภิปราย ไม่ใช่ข้อโต้แย้งฉบับเต็มของผู้เขียน

ฝั่งที่ไม่เห็นด้วยยกการเทียบเคียงกับของเดิม โดยชี้ว่าคนเคยกลัวแบบเดียวกันตอนมีคอมไพเลอร์และตอนมีเครื่องคิดเลข แล้วความสามารถทางคณิตศาสตร์ก็ไม่ได้หายไป เพียงแต่เราแยกการคิดเลขออกจากการคิดเชิงคณิตศาสตร์ได้ชัดขึ้น ข้อสรุปของฝั่งนี้คือ AI เป็นแค่ชั้นนามธรรมอีกชั้น

ฝั่งที่เห็นด้วยโต้กลับด้วยจุดที่ต่างจริง โดยความเห็นหนึ่งเขียนว่า "your average calculator doesn't take over executive function" คือเครื่องคิดเลขไม่ได้ตัดสินใจแทนว่าจะแก้ปัญหาด้วยวิธีไหน สิ่งที่หายไปเมื่อให้ AI ตั้งโจทย์ให้คือความยากที่เคยเป็นสัญญาณว่าต้องหยุดคิดให้ลึกกว่านี้ และคนที่ไม่เคยเจอความยากในขั้นลงมือ จะไม่มีวิจารณญาณพอที่จะรู้ว่าโครงสร้างที่เลือกไว้ไม่ดี

วันเดียวกันมีบทความอีกชิ้นบนกระดานเดียวกันที่พูดเรื่องอารมณ์ของคนทำงานตรงๆ โดย Armin Ronacher เขียนว่าความโกรธต้องการตัวร้ายมารองรับ ซึ่งทำให้คนโทษผิดคน ส่วนความกังวลนำไปสู่ความอยากรู้ได้เพราะยอมรับว่ายังไม่รู้ เขายังเขียนถึงผู้บริหารว่าหลายคนแสดงความมั่นใจในที่สาธารณะแต่ไม่แน่ใจกว่านั้นมากในที่ส่วนตัว ข้อเสนอของเขาคือให้ลองใช้ให้เข้าใจก่อน แล้วจึงจะได้สิทธิ์ในการตัดสินว่าควรต้านตรงไหน

▲ ทำไมต้องรู้ · คำถามนี้กำลังจะเป็นคำถามที่หัวหน้าทีมไทยต้องตอบให้ลูกทีมฟัง และคำตอบที่ใช้ได้ไม่ใช่การเลือกข้าง สิ่งที่ทั้งสองฝั่งเห็นตรงกันคือทักษะที่มีค่าขึ้นคือการตัดสินใจว่าอะไรไม่ต้องทำ และการรู้ว่าเมื่อไรควรหยุดเชื่อคำตอบที่ได้มา ซึ่งเป็นทักษะที่ฝึกได้ก็ต่อเมื่อยังลงมือทำเองอยู่บ้าง ไม่ใช่ปล่อยทั้งหมด

Hacker News · Armin Ronacher