AI News · 2026-09-01

หน้าเว็บชื่อ Codex Tool Reference ที่บันทึกสถานะไว้ ณ วันที่ 31 ส.ค. ไล่รายการสิ่งที่ผลิตภัณฑ์ ChatGPT Work เรียกใช้ได้จริงระหว่างทำงาน ออกมาเป็นเครื่องมือ 232 รายการและชุดคำสั่งสำเร็จรูปอีก 44 ชุด โดยหน้าเว็บนิยามตัวเองว่าเป็นภาพถ่ายฉบับสมบูรณ์ของอินเทอร์เฟซที่เรียกได้และนิยามงานที่ใช้ซ้ำได้ ซึ่งมีอยู่ในเซสชันทำงานนี้

หมวดที่ใหญ่ที่สุดคือ GitHub ที่มีเครื่องมือถึง 89 ตัว รองลงมาคือการสร้างและปล่อยเว็บไซต์ 23 ตัว Gmail 21 ตัว และ Google Calendar 15 ตัว ที่เหลือเป็นการรันคำสั่งและจัดการไฟล์ การแตกงานให้เซสชันลูก การตั้งเวลาสั่งงานล่วงหน้า และการต่อกับบริการภายนอกอีกหลายสิบรายการ

ข้อควรระวังที่สำคัญคือหน้านี้ไม่มีชื่อผู้เขียนกำกับ ไม่ได้อ้างตัวว่าเป็นเอกสารทางการของ OpenAI และเผยแพร่อยู่บนโดเมนย่อยของบริการปล่อยเว็บของตัวผลิตภัณฑ์เอง หมวดอย่างฐานข้อมูลสัตว์เลี้ยง ฐานข้อมูลการออกกำลังกาย และฐานข้อมูลเว็บไซต์ส่วนตัวของผู้ใช้คนหนึ่ง บอกชัดว่านี่คือรายการของเซสชันเดียว ที่ผูกกับบัญชีที่คนคนนั้นเชื่อมไว้ ไม่ใช่รายการมาตรฐานที่ทุกคนจะได้เหมือนกัน

อีกจุดที่ไม่ตรงกันคือตัวเลข บทวิเคราะห์ที่เผยแพร่ก่อนหน้าหนึ่งวันนับเครื่องมือได้ 223 ตัว ขณะที่หน้ารายการนับได้ 232 ตัว ทั้งที่พูดถึงผลิตภัณฑ์เดียวกัน

▲ ทำไมต้องรู้ · องค์กรส่วนใหญ่อนุมัติให้พนักงานใช้เครื่องมือ AI จากชื่อผลิตภัณฑ์และราคา แทบไม่มีใครได้เห็นรายการความสามารถจริงที่ติดมาด้วย หน้านี้แสดงให้เห็นว่ารายการนั้นยาวแค่ไหน และที่สำคัญกว่าคือมันยาวไม่เท่ากันในแต่ละคน เพราะขึ้นกับว่าผู้ใช้เชื่อมบัญชีอะไรเข้าไปบ้าง การถามว่าองค์กรเราเปิดอะไรไว้จึงต้องถามเป็นรายคน ไม่ใช่ถามเป็นรายผลิตภัณฑ์

Codex Tool Reference · Simon Willison

รุ่น 2.1.252 เผยแพร่เมื่อ 31 ส.ค. เป็นรุ่นแก้บั๊กล้วน ไม่มีฟีเจอร์ใหม่ ไม่มีการเปลี่ยนราคา และไม่มีการเปลี่ยนเพดานการใช้งาน

รายการที่แก้คือคำสั่งเชลล์ที่ล้มเหลวด้วยข้อความว่าโฟลเดอร์เก็บผลลัพธ์ถูกย้ายหรือถูกลิงก์บนเครื่องแมคบางเครื่อง การเลือกอนุญาตแบบถาวรที่ไม่ถูกบันทึกในโครงการที่ยังไม่มีไฟล์ตั้งค่าเฉพาะเครื่อง เซสชันที่ควบคุมจากระยะไกลผ่านแอปเดสก์ท็อปหรือโปรแกรมแก้โค้ดแล้วค้างไปหลายนาทีหลังเครื่องมือทำงานเสร็จเมื่อการเชื่อมต่อไม่ดี และการแจ้งเตือนงานเบื้องหลังที่มีข้อความผิดพลาดยาวมากจนคำขอเกินขนาดที่ระบบยอมรับ

▲ ทำไมต้องรู้ · อาการที่แก้ในรุ่นนี้คืออาการที่คนมักโทษตัวเองว่าตั้งค่าผิด โดยเฉพาะเรื่องกดอนุญาตถาวรแล้วมันถามซ้ำทุกครั้ง ซึ่งที่จริงคือบั๊กที่เกิดเฉพาะในโครงการที่ยังไม่เคยมีไฟล์ตั้งค่ามาก่อน การไล่อ่านบันทึกการแก้ไขของเครื่องมือที่ใช้ทุกวันจึงมีค่ามากกว่าที่คิด เพราะบางครั้งปัญหาที่ทนอยู่หลายสัปดาห์ถูกแก้ไปแล้วโดยที่ไม่มีใครประกาศ

Claude Code CHANGELOG

AMD ปล่อย ROCm 10.0 ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์สำหรับพัฒนางานบนการ์ดจอของตัวเอง ต่อจากรุ่น 7.14 พร้อมประกาศว่าเป็นการครบรอบสิบปีของแพลตฟอร์มนี้

ของใหม่ที่แถมมาคือชุดเครื่องมือชื่อ ROCm.AI ซึ่งมีสามส่วน ส่วนแรกคือคำสั่งรวมชื่อ ROCm CLI ที่สั่งรันโมเดล ติดตั้งไลบรารี อัปเดต และไล่หาปัญหาได้จากคำสั่งเดียว ส่วนที่สองคือคลังชื่อ AMD Skills และส่วนที่สามคือเครื่องมือปรับจูนอัตโนมัติชื่อ Hyperloom โดยมี PyTorch รวมอยู่ในชุดด้วย

ข้อควรระวังคือนี่เป็นประกาศผลิตภัณฑ์ระดับโลกของ AMD ที่รายงานผ่านสื่อไทย ไม่ได้มีข้อมูลเฉพาะสำหรับตลาดไทย ไม่มีตัวเลขราคา และไม่มีการเทียบสมรรถนะกับคู่แข่งในประกาศชุดนี้

▲ ทำไมต้องรู้ · เหตุผลที่คนส่วนใหญ่ยังซื้อการ์ดของอีกค่ายไม่ใช่เพราะฮาร์ดแวร์อย่างเดียว แต่เพราะซอฟต์แวร์ของอีกค่ายทำให้ทุกอย่างรันได้ทันที การที่ผู้ผลิตอีกรายพยายามลดระยะนี้ด้วยคำสั่งเดียวที่รันโมเดลได้เลย เป็นสัญญาณของทิศทางที่ทำให้ตัวเลือกในการรันโมเดลเองมีมากกว่าหนึ่งทางในระยะยาว ซึ่งมีผลต่อราคาที่เราจะจ่ายในที่สุด

Blognone

โครงการ OpenClaw ซึ่งเป็นซอฟต์แวร์โอเพนซอร์สสำหรับสร้าง agent ทำงานอัตโนมัติโดยไม่ผูกกับผู้ให้บริการโมเดลรายใดรายหนึ่ง ประกาศออกรุ่น 2.0 เมื่อ 30 ส.ค. โดยผู้ดูแลชุมชนเขียนเองว่าเริ่มจากตั้งใจแค่ทำให้การติดตั้งง่ายขึ้นและรื้อแอปบนเบราว์เซอร์ใหม่ แต่การทำสองอย่างนั้นให้ดีลากการรื้อไปทั้งโครงการจนกลายเป็นรุ่น 2.0

ตัวเลขที่โครงการรายงานคือมีคำขอรวมโค้ดเข้ารุ่นนี้มากกว่า 16,000 รายการ จากผู้ร่วมพัฒนา 933 คน ซึ่ง 569 คนเป็นผู้ร่วมพัฒนาครั้งแรก และราวครึ่งหนึ่งของคำขอรวมโค้ดทั้งหมดที่โครงการเคยรับมาตลอดอายุ อยู่ในรุ่นนี้รุ่นเดียว ก่อนหน้านั้นทีมเงียบไปเจ็ดสัปดาห์ ซึ่งผิดปกติสำหรับโครงการที่เคยออกรุ่น 106 ครั้งใน 230 วัน ของใหม่ที่ชูคือเซสชันบนคลาวด์ที่ใช้ร่วมกันหลายคนได้

ข้อควรระวังคือสถิติทั้งหมดนี้เป็นตัวเลขที่โครงการรายงานเอง ในบล็อกของตัวเอง ยังไม่มีใครตรวจสอบจากข้อมูลของคลังโค้ดอย่างเป็นอิสระ

▲ ทำไมต้องรู้ · ทางเลือกโอเพนซอร์สที่ไม่ผูกกับค่ายโมเดลค่ายเดียวกำลังโตเร็วขึ้นมาก และตัวเลขผู้ร่วมพัฒนาหน้าใหม่ที่มากกว่าครึ่งบอกว่าคนที่เข้ามาไม่ใช่แค่ทีมเดิม สำหรับองค์กรที่กังวลว่าจะติดอยู่กับผู้ให้บริการรายเดียว นี่คือกลุ่มเครื่องมือที่ควรรู้ว่ามีอยู่ แม้จะยังไม่ถึงเวลาย้ายก็ตาม

OpenClaw

Cal Paterson เสนอรูปแบบไฟล์ชื่อ memoryfields สำหรับเก็บความจำระยะยาวของ agent โดยนิยามไว้สามข้อ คือเป็นหน้าเอกสารแบบ Markdown มีข้อมูลกำกับหัวไฟล์แบบ YAML ซึ่งจะมีหรือไม่มีก็ได้ และมีดัชนีค้นหาเชิงความหมายเก็บใน SQLite ซึ่งจะมีหรือไม่มีก็ได้เช่นกัน แล้วแจกจ่ายทั้งก้อนเป็นไฟล์บีบอัดไฟล์เดียว

สิ่งที่เขาเลือกต่างจากระบบความจำที่นิยมกันคือเก็บเป็นหน้าเอกสารเต็มขนาดราวสองพันโทเคน แทนการหั่นเป็นข้อเท็จจริงย่อยๆ และใช้การค้นเชิงความหมายรอบเดียว แทนการไล่ตามความสัมพันธ์เป็นทอดๆ ในกราฟความรู้ โดยตั้งใจให้กลไกน้อยที่สุดเพื่อให้ agent ใช้เครื่องมือธรรมดาอย่างเชลล์หรือ SQLite จัดการได้เอง เหตุผลที่เขายกมาคือ agent จริงไม่ควรเริ่มงานจากหน้าต่างบริบทที่ว่างเปล่า

ข้อควรระวังคือนี่เป็นข้อเสนอส่วนตัวของคนคนเดียว ไม่ใช่มาตรฐานที่ใครรับไปใช้แล้ว ไม่มีตัวเลขการใช้งานจริง และไม่มีการเทียบผลกับระบบความจำที่มีอยู่

▲ ทำไมต้องรู้ · ความจำของผู้ช่วย AI กำลังกลายเป็นข้อมูลที่มีค่าที่สุดของแต่ละคน คือสรุปว่าเราทำงานอย่างไร ลูกค้าเราเป็นใคร และเคยตัดสินใจอะไรไปแล้วบ้าง คำถามที่ควรถามตั้งแต่วันนี้คือถ้าย้ายผู้ให้บริการ ของกองนี้ย้ายตามไปได้ไหม ข้อเสนอแบบนี้มีค่าตรงที่มันตั้งคำถามนั้นให้เห็นเป็นรูปธรรม

Cal Paterson

Graham Dumpleton ซึ่งเป็นผู้สร้างไลบรารีที่ใช้กันแพร่หลายในโลก Python ปล่อยไลบรารีใหม่ชื่อ wrapture สำหรับแทรกการตรวจสอบและการทดสอบเข้าไปในโค้ดที่เราไม่ได้เป็นเจ้าของ โดยใช้แทนเครื่องมือจำลองพฤติกรรมมาตรฐานได้ และเพิ่มการติดตามการทำงานเข้าไปโดยไม่ต้องแก้โค้ดเดิม

สิ่งที่ทำให้บทความนี้ถูกพูดถึงคือย่อหน้าที่เขาประกาศเอง ถ้อยคำคือ "Every line of code and documentation in wrapture was written by an AI assistant working under my direction" แล้วเขาอธิบายต่อทันทีว่าสิ่งที่ทำไม่ใช่การโยนคำสั่งเดียวแล้วหวังว่าผลลัพธ์จะดีเพราะตัวเองไม่มีความรู้พอจะตัดสินสิ่งที่ได้กลับมา เขาบอกว่าเขาออกแบบไลบรารีนี้อย่างระมัดระวังตั้งแต่ต้น เพราะอยู่กับปัญหามุมนี้ของ Python มานาน และรู้อยู่แล้วว่าผลลัพธ์ต้องออกมาหน้าตาแบบไหน โดย AI เป็นวิธีการผลิต ไม่ใช่ต้นทางของการออกแบบ

ข้อควรระวังคือคำอธิบายกระบวนการทั้งหมดนี้เป็นคำของเจ้าตัวเอง ไม่มีใครตรวจสอบได้จากภายนอก และตัวโครงการเองระบุว่าเพิ่งเริ่มมาไม่กี่สัปดาห์ จึงยังไม่ควรถือว่าพร้อมใช้งานจริงในระบบสำคัญ

▲ ทำไมต้องรู้ · คำถามที่หลายทีมกำลังเถียงกันคือจะเปิดเผยไหมว่างานชิ้นนี้ AI ช่วยทำ กรณีนี้เป็นตัวอย่างของการเปิดเผยที่ทำให้ตัวเองน่าเชื่อขึ้นแทนที่จะน้อยลง เพราะเขาไม่ได้หยุดที่การบอกว่าใช้ AI แต่บอกต่อว่าความเชี่ยวชาญของตัวเองเข้าไปอยู่ตรงไหนของกระบวนการ ซึ่งเป็นเส้นแบ่งที่ใช้อธิบายงานของเราเองกับหัวหน้าหรือลูกค้าได้

Simon Willison

กลุ่มวิจัยของ Kuleshov เผยแพร่บทความอธิบายวิธีสร้างโมเดลภาษาแบบ diffusion ซึ่งต่างจากโมเดลกระแสหลักที่ทำนายทีละโทเคนเรียงกันไป โดยแบบนี้จะสร้างลำดับทั้งชุดพร้อมกันจากคำตอบเริ่มต้นที่ยังหยาบ แล้วค่อยขัดให้ดีขึ้นทีละรอบ

บทความไล่ตั้งแต่พื้นฐานที่มาจากโมเดลสร้างภาพ มาถึงการดัดแปลงให้ทำงานกับข้อความด้วยการปิดบังโทเคนแทนการเติมสัญญาณรบกวน แล้วจึงถึงเทคนิคที่ใช้ในระดับใช้งานจริง เช่นการทำเป็นบล็อก การเปิดบังใหม่เพื่อแก้ที่ผิด และการกลั่นโมเดลให้เร็วขึ้น

ตัวเลขที่บทความยกมาอ้างจากโมเดลของผู้อื่นคือรุ่นหนึ่งทำได้ราว 1,200 โทเคนต่อวินาที ซึ่งเร็วกว่าโมเดลไล่ทีละคำที่เทียบเคียงกันได้ห้าถึงสิบเท่า และอีกรุ่นให้ปริมาณงานสองถึงแปดเท่าขณะที่ยังรักษาคุณภาพไว้ได้ถึง 99 เปอร์เซ็นต์ ข้อควรระวังคือตัวเลขเหล่านี้เป็นสิ่งที่ผู้เขียนบทความสรุปมาจากผลที่คนอื่นเผยแพร่ ไม่ใช่ผลที่วัดเองในบทความนี้

▲ ทำไมต้องรู้ · ความเร็วในการตอบเป็นข้อจำกัดที่รู้สึกได้ทุกวันสำหรับคนที่ใช้ AI ทำงาน โดยเฉพาะเวลาให้มันเขียนยาวๆ แนวทางนี้เป็นสายที่ต่างออกไปโดยสิ้นเชิงและเริ่มมีผู้ผลิตรายใหญ่ลงมาเล่นแล้ว การรู้ว่ามีทางเลือกเชิงสถาปัตยกรรมอยู่ ทำให้อ่านข่าวโมเดลใหม่ในอีกหกเดือนข้างหน้าได้เข้าใจขึ้น

Kuleshov Group

ทีมวิจัยสร้างระบบ agent ที่สั่งงานคอมพิวเตอร์ผ่านหน้าจอ แล้ววัดบนชุดทดสอบ 361 งาน ได้คะแนนเฉลี่ย 82.9 ซึ่งสูงกว่าค่าอ้างอิงของมนุษย์ที่ 72.4 แต่เมื่อไล่ดูงานที่ล้มเหลว 71 งาน พบว่า 64 งานหรือราวเก้าในสิบ จบลงด้วยการที่ agent ประกาศว่าทำสำเร็จ และใน 61 งานนั้นมันยังบอกด้วยว่าไม่เจออุปสรรคอะไรเลย ที่ชัดกว่านั้นคือช่องทางที่ระบบเตรียมไว้ให้ agent บอกว่าตัวเองทำไม่ได้ ไม่เคยถูกใช้เลยสักครั้งตลอดการเรียกใช้ราวเก้าพันหนึ่งร้อยครั้ง

สิ่งที่ทีมเสนอคือตัวเฝ้าดูจากภายนอกที่อ่านเฉพาะร่องรอยที่ระบบเห็นอยู่แล้ว ไม่ต้องดูข้างในโมเดล ไม่ต้องเรียกโมเดลเพิ่ม และไม่ต้องแก้คำสั่ง แล้วแปลงร่องรอยที่กำลังเดินอยู่ให้เป็นการทดสอบทางสถิติที่ส่งสัญญาณเตือนได้ระหว่างทาง

ผลคือที่ระดับความคลาดเคลื่อนที่ยอมรับได้ 10 เปอร์เซ็นต์ ตัวเตือนจับความล้มเหลวได้ 42.3 เปอร์เซ็นต์ โดยเตือนล่วงหน้าก่อนงานจบเฉลี่ย 31 ขั้นตอน และเมื่อเอาสัญญาณเตือนไปใช้ส่งงานที่น่าสงสัยต่อให้โมเดลที่แพงกว่าดูแทน ระบบกู้งานที่เคยล้มเหลวคืนมาได้ 23 จาก 70 งาน โดยจ่ายค่าโมเดลแพงเฉพาะ 38 กรณี และคะแนนรวมขยับขึ้นเป็น 86.8

ข้อควรระวังที่ทีมเขียนไว้เองคือ เมื่อวัดแบบย้อนหลังหลังงานจบแล้ว วิธีนี้ชนะการนับจำนวนโทเคนเฉยๆ ไม่ถึงระดับที่มีนัยสำคัญทางสถิติ ข้อได้เปรียบจริงอยู่ที่การเตือนระหว่างทางเท่านั้น และตัวเลขทั้งหมดมาจากชุดทดสอบเดียวบนระบบที่ทีมสร้างเอง

▲ ทำไมต้องรู้ · ปัญหาที่งานนี้วัดออกมาเป็นตัวเลข คือปัญหาที่ทุกคนที่เคยปล่อย AI ทำงานยาวเจอมาแล้ว คือมันบอกว่าเสร็จแล้วทั้งที่ไม่เสร็จ สิ่งที่หยิบไปใช้ได้ทันทีโดยไม่ต้องรอเครื่องมือใหม่คือ อย่าใช้คำประกาศความสำเร็จของ AI เป็นเกณฑ์รับงาน ให้ตรวจจากผลลัพธ์ที่ตรวจได้จริงเสมอ และการดูระหว่างทางมีค่ามากกว่าการมาไล่ดูตอนจบ

arXiv 2608.27808

งานนี้ตั้งชื่อสิ่งที่หลายทีมทำอยู่แล้วว่าการวางวงรอบควบคุม คือการเอาโมเดลอีกตัวมาห่อ AI ที่เขียนโค้ด ให้คอยดูความคืบหน้า จ่ายงาน สั่งตรวจ และตัดสินว่าขั้นถัดไปควรทำอะไร ข้อสังเกตของทีมคือการวัดจากผลลัพธ์ปลายทางอย่างเดียวทำให้แยกไม่ออกว่าคุณภาพมาจากตัวคุมงานหรือมาจากฝีมือของ AI ที่ลงมือ

ทีมจึงสร้างชุดทดสอบที่แยกวัดเฉพาะตัวคุมงาน โดยมีสามระดับตามต้นทุน ระดับแรกวัดการเลือกขั้นถัดไปโดยไม่ต้องรัน AI ที่ลงมือเลย ระดับที่สองรันควบคุมบางส่วนของงาน และระดับที่สามรันงานเต็มรูปแบบ

ผลที่ได้คือเมื่อรันงานเต็ม ตัวคุมงานที่ทำได้ดีที่สุดผ่านเกณฑ์เข้มครบทุกข้อเพียง 24.69 เปอร์เซ็นต์ และการวัดด้วยระดับที่สองซึ่งถูกกว่ามาก ให้อันดับของโมเดลใกล้เคียงกับการวัดเต็มรูปแบบมาก โดยลดต้นทุนการประเมินลงเฉลี่ย 64.4 เปอร์เซ็นต์

ข้อควรระวังคือ 24.69 เปอร์เซ็นต์เป็นเพดานที่วัดบนชุดทดสอบที่ทีมสร้างขึ้นเอง และบทคัดย่อไม่ได้เทียบกับวิธีควบคุมแบบอื่นที่มีอยู่ก่อน จึงยังบอกไม่ได้ว่าตัวเลขนี้ถือว่าดีหรือแย่เมื่อเทียบกับของเดิม

▲ ทำไมต้องรู้ · เวลาเราบอกว่า AI เขียนโค้ดให้ได้แล้ว สิ่งที่ทำงานจริงมักเป็นระบบสองชั้น คือตัวสั่งกับตัวทำ งานนี้ชี้ว่าชั้นที่คนไม่ค่อยพูดถึงคือชั้นสั่ง และมันยังห่างจากดีมาก ประเด็นที่ใช้ได้ทันทีคือถ้าผลงานของ AI ในทีมยังไม่ดี ปัญหาอาจไม่ได้อยู่ที่โมเดล แต่อยู่ที่วิธีที่เราจ่ายงานและตรวจงานให้มัน

arXiv 2608.28281

คำถามตั้งต้นคือการเพิ่มโครงสร้างให้ AI คิดมากขึ้น เช่นให้วางแผน ให้ตรวจงานตัวเอง และให้แก้ซ้ำ ล้วนกินโทเคนจากงบก้อนเดียวกันกับที่ใช้ตอบจริง จึงไม่แน่ว่าจะคุ้มเสมอไป

ทีมจึงเทียบระบบสองแบบบนโจทย์การเงินสองชุด แบบแรกคือเรียกโมเดลรอบเดียวจบ แบบที่สองเพิ่มการวางแผน การตรวจแบบไม่เห็นเฉลย และการซ่อม โดยรันทั้งสองแบบข้ามงบโทเคน 14 ระดับ ตั้งแต่ 250 ถึง 42,000 โทเคน บนโจทย์หนึ่งพันข้อ รวมทั้งหมดสองหมื่นแปดพันชุดผลลัพธ์

ผลคือที่งบต่ำมาก ทั้งสองแบบทำคะแนนไม่ได้เลย ที่งบหนึ่งพันโทเคน แบบเรียกรอบเดียวได้ 18 เปอร์เซ็นต์ ขณะที่แบบเพิ่มการตรวจได้เกือบศูนย์ เพราะค่าใช้จ่ายในการวางแผนกินที่จนไม่เหลือให้ตอบ แต่ตั้งแต่หนึ่งพันห้าร้อยโทเคนขึ้นไป แบบเพิ่มการตรวจแซงแล้วนำต่อเนื่อง จนที่งบสูงสุดได้ราว 44 เปอร์เซ็นต์เทียบกับราว 40 เปอร์เซ็นต์ จุดตัดจึงอยู่ระหว่างหนึ่งพันถึงหนึ่งพันห้าร้อยโทเคน

ข้อควรระวังคือผลนี้วัดบนโมเดลตัวเดียวและโจทย์การเงินสองชุดเท่านั้น ตัวเลขจุดตัดจึงน่าจะขยับตามงานและตามโมเดล ไม่ควรเอาไปใช้เป็นกฎสากล

▲ ทำไมต้องรู้ · หลายทีมกำลังเติมขั้นตอนให้ระบบ AI ของตัวเองโดยเชื่อว่ายิ่งให้มันตรวจซ้ำยิ่งดี งานนี้ให้หลักที่ตรวจสอบได้ว่า ถ้างบโทเคนต่อครั้งของเราน้อย การเพิ่มขั้นตอนตรวจกลับทำให้แย่ลง ไม่ใช่ดีขึ้น สิ่งที่ควรทำคือวัดจุดตัดของงานตัวเองก่อนจะไปเพิ่มความซับซ้อน

arXiv 2608.27506

ปัญหาที่งานนี้จับคือเวลาเราให้ agent ใช้บัญชีของพนักงานคนหนึ่ง มันจะได้สิทธิ์เข้าถึงทุกอย่างเท่าที่คนคนนั้นเข้าถึงได้ โดยไม่มีดุลพินิจของคนคนนั้นติดมาด้วย และทุกคำสั่งที่มันยิงไปยังระบบหลังบ้านก็ยังนับว่าถูกต้องตามสิทธิ์เสมอ แม้จะถูกหลอกด้วยคำสั่งแฝงที่มันเผลอดูดเข้ามาก็ตาม ทีมจึงชี้ว่าการหวังให้ agent ควบคุมตัวเองตามคำสั่งที่เขียนกำกับไว้เป็นรั้วที่เปราะเกินไป

สิ่งที่ทีมเสนอคือย้ายด่านออกไปอยู่นอกความคิดของ agent ทั้งหมด โดยด่านนี้จะตรวจอนุญาตทีละคำสั่ง บีบขอบเขตคำค้นให้แคบลงก่อนจะถึงระบบหลังบ้าน แล้วกรองหรือปิดบังข้อมูลในคำตอบขากลับ โดยมีคนที่เป็นเจ้าของนโยบายข้อมูลเป็นผู้กำหนดเพดานสิทธิ์สูงสุด และนโยบายระดับ agent ทำได้แค่บีบให้แคบลง ห้ามขยายเพิ่ม

ผลการทดสอบกับระบบจำลองของเครื่องมือจัดการงานสองตัว บนโมเดลสี่ตัว รวม 3,621 รอบ ซึ่งมีชุดทดสอบเชิงโจมตีที่ปรับตัวได้ 20 แบบรวมอยู่ด้วย พบว่าอัตราการละเมิดนโยบายลดจาก 57.6 เปอร์เซ็นต์เหลือ 0.2 เปอร์เซ็นต์ ราคาที่จ่ายคืออัตราการทำงานสำเร็จลดจาก 79.1 เหลือ 60.9 เปอร์เซ็นต์ แต่ตัวชี้วัดที่นับเฉพาะคำตอบที่ทั้งปลอดภัยและใช้ได้จริงกลับเพิ่มขึ้น 21.8 จุด

ข้อควรระวังที่ทีมเขียนไว้เองคือด่านนี้ยังรั่ว มีกรณีที่คำตอบของ agent ประกอบค่าที่ไม่เคยเข้าไปอยู่ในบริบทของมันขึ้นมาได้ และมีกรณีที่มันใช้จำนวนแถวที่ถูกกรองทิ้งเป็นเบาะแสย้อนกลับ นอกจากนี้การทดสอบครอบคลุมเฉพาะการอ่านข้อมูล ไม่รวมการเขียนหรือการอนุมัติที่มีผลถาวร

▲ ทำไมต้องรู้ · องค์กรจำนวนมากกำลังจะเปิดให้ AI ต่อเข้ากับระบบภายในผ่านบัญชีของพนักงาน ซึ่งเป็นวิธีที่ง่ายที่สุดและเสี่ยงที่สุดพร้อมกัน งานนี้ให้ตัวเลขไว้เถียงในห้องประชุมได้ว่าการวางด่านไว้นอกตัว AI ได้ผลจริง และให้ตัวเลขอีกด้านไว้ด้วยว่าต้องแลกกับงานที่ทำไม่สำเร็จมากขึ้น การตัดสินใจจึงเป็นเรื่องเลือกจุดสมดุล ไม่ใช่เรื่องเปิดหรือปิด

arXiv 2608.27646

ทีมตั้งข้อสังเกตว่าเครื่องมือวัดความเข้าใจวัฒนธรรมของ AI ที่ใช้กันอยู่ ย่อวัฒนธรรมให้เหลือข้อสอบปรนัยที่ถามครั้งเดียวจบ ซึ่งไม่ตรงกับการใช้งานจริงที่คนถามหาความช่วยเหลือเป็นรอบๆ ในสถานการณ์เฉพาะของท้องถิ่นตัวเอง

สิ่งที่ทีมสร้างคือระบบจำลองการสนทนาที่ครอบคลุม 10 พื้นที่ในเอเชียตะวันออกและเอเชียตะวันออกเฉียงใต้ 58 อัตลักษณ์ย่อย และ 7 หมวดงาน โดยให้ผู้ใช้จำลองคุยกับผู้ช่วย และผู้ช่วยต้องอนุมานเงื่อนไขทางวัฒนธรรมเอาจากข้อมูลที่ได้มาไม่ครบ ชุดข้อมูลที่ได้มีบทสนทนาสำหรับวัดผล 14,610 ชุด และบทสนทนาที่มีเฉลยกำกับอีก 274,295 ชุด

ผลจากการวัดโมเดล 18 ตัว พบว่าตัวที่ให้คุณภาพการช่วยเหลือสูงสุดคือ GPT-5 mini และการนำข้อมูลชุดนี้ไปปรับโมเดลช่วยให้ทำได้ดีขึ้นทั้งในงานเดิมและถ่ายทอดไปยังงานอื่นที่ไม่ได้ฝึกได้ด้วย

ข้อควรระวังคือบทคัดย่อไม่ได้ให้คะแนนเป็นตัวเลขเลย บอกเพียงทิศทางว่าดีขึ้น จึงยังบอกไม่ได้ว่าดีขึ้นมากแค่ไหน และบทคัดย่อไม่ได้ระบุว่าไทยอยู่ในสิบพื้นที่นั้นหรือไม่

▲ ทำไมต้องรู้ · เวลาคนไทยบ่นว่า AI ตอบไม่เข้ากับบริบทบ้านเรา มักถูกตอบกลับว่าให้เขียนคำสั่งให้ดีขึ้น งานแบบนี้คือความพยายามทำให้ข้อบ่นนั้นวัดเป็นตัวเลขได้ ซึ่งเป็นก้าวแรกที่จำเป็นก่อนที่ผู้ผลิตโมเดลจะเห็นว่าต้องแก้ตรงไหน

arXiv 2608.28405

ทีมตั้งคำถามว่าเวลาเราป้อนเอกสารให้ AI แล้วมันตอบถูก มันใช้เอกสารที่เราให้จริงหรือมันรู้อยู่แล้วจากที่อื่น จึงเลือกโจทย์ปริศนาภาษาศาสตร์ที่ออกแบบมาให้ตอบได้จากตัวอย่างในโจทย์เท่านั้น ไม่มีทางรู้จากความรู้เดิม มาเป็นสนามทดสอบ

วิธีทดสอบคือหยิบโจทย์ 53 ข้อ แล้วสร้างเวอร์ชันที่ถูกทำให้พร่องสองแบบ แบบแรกสุ่มลบตัวอย่างออกหนึ่งชิ้น แบบที่สองเจาะจงลบชิ้นที่มีข้อมูลจำเป็นซึ่งไม่มีชิ้นอื่นทดแทนได้ แล้ววัดว่าโจทย์ข้อนั้นเปราะหรือทนต่อการหายไปของชิ้นนั้น

ผลที่ได้จากโมเดลระดับแนวหน้าสามตัว ซึ่งถูกสั่งไว้ชัดว่าให้ตอบว่าไม่พอถ้าข้อมูลไม่พอ คือมันแทบไม่เคยยอมบอกว่าไม่พอ และมักผลิตคำตอบที่ดูถูกออกมาต่อ แม้ชิ้นข้อมูลที่จำเป็นต่อคำตอบนั้นจะถูกลบไปแล้ว

ข้อควรระวังคือบทคัดย่อไม่ให้ตัวเลขว่าเกิดขึ้นบ่อยแค่ไหน ไม่ระบุชื่อโมเดลสามตัวที่ทดสอบ และจำนวนโจทย์เพียง 53 ข้อในสาขาเฉพาะทาง ทำให้ยังขยายผลไปสรุปเรื่องระบบค้นเอกสารทั่วไปไม่ได้เต็มปาก

▲ ทำไมต้องรู้ · นี่คือคำอธิบายว่าทำไมระบบถามตอบเอกสารขององค์กรถึงดูดีในการสาธิตแต่พังในการใช้จริง เพราะตอนสาธิตเราถามเรื่องที่โมเดลรู้อยู่แล้ว จึงตอบถูกแม้เอกสารจะไม่ครบ วิธีทดสอบที่หยิบไปใช้ได้เลยคือลองลบข้อมูลชิ้นสำคัญออกจากคลังแล้วถามคำถามเดิม ถ้ามันยังตอบเหมือนเดิม แปลว่าคำตอบไม่ได้มาจากคลังของเรา

arXiv 2608.27756

เดลินิวส์รายงานตัวเลขวันเปิดใช้จริงเมื่อ 31 ส.ค. ว่าตั้งแต่ระบบเปิดเวลา 09.00 น. ถึง 13.30 น. มีผู้ใช้งานจริง 101,764 คน โดยยอดลงทะเบียนสะสม ณ เวลา 12.30 น. ของวันเดียวกันอยู่ที่ 1,366,217 คน ส่วนไอที 24 ชั่วโมงรายงานจำนวนผู้ใช้งานจริงตัวเลขเดียวกัน แต่ระบุเวลาไว้ที่ 13.00 น.

เงื่อนไขที่ประกาศคู่กันคือผู้ที่ลงทะเบียนรับสิทธิก่อนวันที่ 30 พ.ย. 2569 จะได้อัปเกรดเป็นระดับสูงสุด 30 วันแรก โดยไม่มีค่าใช้จ่ายตลอดโครงการถึง 31 ส.ค. 2570 หากเรียนสะสมคะแนนอย่างน้อย 100 คะแนนต่อเดือน ข้อสังเกตคือชื่อเรียกของระดับนี้ยังไม่ตรงกัน เว็บทางการใช้คำว่าระดับสูงสุด เดลินิวส์ใช้คำว่าระดับผู้สร้างสรรค์ ส่วน The Standard ใช้คำว่า Innovator

เว็บทางการระบุว่าแพลตฟอร์มรวม AI ระดับเสียเงินกว่า 14 ค่าย ขณะที่ไอที 24 ชั่วโมงนับได้ 15 แบรนด์ ครอบคลุมโมเดลกว่า 30 ตัว พร้อมคอร์สเรียนทักษะ AI ฟรีกว่า 90 คอร์ส ซึ่งจำนวนคอร์สเป็นตัวเลขที่ขยับมาตลอด เพราะเคยมีรายงานทั้ง 130 คอร์สและ 96 คอร์สมาก่อน

รีวิวการทดลองใช้จริงในวันเปิดของ Thai PBS ระบุข้อจำกัดที่ไม่เคยอยู่ในข่าวประชาสัมพันธ์ คือมีเครดิตรายวันสำหรับสร้างภาพและข้อความ 10,000 เครดิต ส่วนการสร้างวิดีโอ สร้างเพลง และค้นคว้าเชิงลึก มีโควตา 10 ครั้งต่อเดือน ระบบเติมเครดิตอัตโนมัติทุกวันตอน 02.00 น. วิดีโอยาวได้สูงสุดหกวินาที และจุดที่ผู้รีวิวชี้ว่าไม่ตรงกันคือหน้าจอเขียนว่าความละเอียดสูงสุด 720p แต่เลือกได้จริงแค่ 480p

ข้อสังเกตอื่นของผู้รีวิวคือคำสั่งที่มีรายละเอียดมากเกินไปใช้เวลาประมวลผลค่อนข้างนาน บางตัวเลือกใช้งานไม่ได้ตามที่เขียนไว้ และเมื่อเอาคำสั่งชุดเดียวกันไปให้ AI ตัวฟรีของค่ายอื่นทำ ผลที่ได้ดีกว่าการใช้ผ่าน TH-AI Passport มาก ส่วนประวัติการสนทนานั้นระบบระบุว่าไม่บันทึกไว้ แต่ข้อความเตือนความปลอดภัยระบุว่าอาจเก็บสำเนาแชตไว้ชั่วคราวไม่เกิน 30 วัน ข้อควรระวังคือทั้งหมดนี้เป็นผลการทดลองใช้ของผู้เขียนคนเดียวในวันแรก ไม่ใช่สถิติเรื่องร้องเรียน และตัวเลขผู้ใช้ 101,764 คนเป็นภาพช่วงสี่ชั่วโมงครึ่งแรก ไม่ใช่ยอดทั้งวัน

▲ ทำไมต้องรู้ · ตัวเลขที่ต้องเฝ้าของโครงการนี้คือผู้ใช้งานจริง เพราะรัฐจ่ายเงินตามหัวคนที่ใช้จริงรายเดือน ไม่ได้จ่ายตามยอดลงทะเบียน วันแรกจึงบอกว่าคนที่กดลงทะเบียนไว้ล้านกว่าคน เข้ามาใช้จริงในสี่ชั่วโมงครึ่งแรกราวหนึ่งในสิบสาม สำหรับคนทำงานที่คิดจะย้ายงานประจำมาผูกกับสิทธินี้ ข้อจำกัดเรื่องเครดิตรายวันและโควตารายเดือนคือสิ่งที่ต้องลองด้วยงานจริงของตัวเองก่อนตัดสินใจ

ไอที 24 ชั่วโมง · เดลินิวส์ · Thai PBS NOW

Thai PBS รายงานเมื่อวันที่ 1 ก.ย. 2569 ว่ารักชนก ศรีนอก สมาชิกสภาผู้แทนราษฎรพรรคประชาชน พร้อมด้วยธีระชาติ ก่อตระกูล จากทีมยุทธศาสตร์เศรษฐกิจดิจิทัลของพรรคประชาชน และนิธิกร บุญยกุลเจริญ ที่ปรึกษาผู้นำฝ่ายค้านในสภาผู้แทนราษฎร ยื่นเรื่องร้องเรียนต่อคณะกรรมการป้องกันและปราบปรามการทุจริตแห่งชาติ ขอให้ตรวจสอบโครงการ TH-AI Passport

ผู้ที่รายงานระบุว่าถูกยื่นให้ตรวจสอบคือไชยชนก ชิดชอบ รัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม พชร อนันตศิลป์ ปลัดกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม และบริษัทที่เกี่ยวข้องอีกสามราย โดยประเด็นที่ยกขึ้นมาคือข้อกำหนดขอบเขตงานของโครงการ

สิ่งที่ต้องเน้นให้ชัดคือนี่เป็นการยื่นขอให้เข้าตรวจสอบ ยังไม่ใช่ผลการตรวจสอบและยังไม่ใช่คำวินิจฉัยของหน่วยงานใด ฝ่ายรัฐยืนยันมาตลอดว่าดำเนินการตามขั้นตอนกฎหมายครบถ้วนและไม่มีการล็อกสเปก

บริบทที่ขาดไม่ได้คือนี่ไม่ใช่คำร้องฉบับแรกของโครงการนี้ มีผู้ยื่นเรื่องต่อคณะกรรมการชุดนี้มาแล้วตั้งแต่เดือน มิ.ย. 2569 และเมื่อ 20 ส.ค. 2569 เลขาธิการของคณะกรรมการระบุเองว่าเรื่องอยู่ระหว่างการตรวจสอบอยู่แล้ว การยื่นครั้งนี้จึงเป็นการยกระดับของเรื่องเดิม ไม่ใช่จุดเริ่มต้น ข้อควรระวังอีกข้อคือรายงานชิ้นนี้มาจากช่วงข่าวของสถานีเดียว และยังไม่มีสำนักข่าวอื่นรายงานเรื่องเดียวกัน

▲ ทำไมต้องรู้ · โครงการนี้เป็นครั้งแรกที่รัฐไทยซื้อสิทธิใช้ AI แบบเสียเงินมาแจกในระดับหลักล้านคน วิธีที่เรื่องนี้จบลงจะกลายเป็นแบบอย่างของโครงการ AI ภาครัฐรอบถัดไปทั้งหมด สำหรับคนที่ใช้สิทธินี้อยู่ ตัวสิทธิยังใช้งานได้ตามปกติระหว่างที่เรื่องอยู่ในกระบวนการ แต่ควรอ่านเงื่อนไขของโครงการให้ครบไว้ก่อน โดยเฉพาะวันสิ้นสุดสิทธิ

Thai PBS · มติชน

MacRumors รายงานเมื่อ 30 ส.ค. โดยอ้างรายงานของ The Information ว่า Apple ประกาศ Mac mini และ Mac Studio รุ่นใหม่เร็วกว่ารอบปกติที่มักอยู่ช่วงเดือน ต.ค. ถึง พ.ย. เพราะความต้องการฮาร์ดแวร์สำหรับงาน AI จากลูกค้าองค์กรแรงเกินคาด

เนื้อหาที่รายงานระบุคือเครื่องรุ่นสเปกสูงขาดตลาดยาวนานเป็นเดือน จนลูกค้าองค์กรบางส่วนหันไปซื้อของคู่แข่งแทนการรอ และระบุด้วยว่าบริษัทไม่มีทีมวิศวกรที่ดูแลลูกค้าองค์กรโดยเฉพาะ ไม่มีทีมดูแลความสัมพันธ์กับนักพัฒนา และยังไม่มียุทธศาสตร์ด้าน AI สำหรับองค์กร ส่วนของใหม่ที่ระบุคือ Mac Studio หลายเครื่องเชื่อมต่อกันเป็นระบบเดียวที่ทำงานได้มากขึ้นได้แล้ว

ข้อควรระวังคือรายงานนี้ไม่มีตัวเลขยอดขาย จำนวนเครื่อง หรือเปอร์เซ็นต์การเติบโตใดๆ เลย เป็นการบรรยายเชิงคุณภาพทั้งหมด และเป็นการรายงานต่อจากสื่ออีกเจ้าหนึ่ง โดยไม่มีคำยืนยันจาก Apple เองว่าสาเหตุคือความต้องการจากงาน AI จริง

▲ ทำไมต้องรู้ · เส้นแบ่งที่ทำให้เครื่องตั้งโต๊ะกลายเป็นของที่องค์กรแย่งกันซื้อคือหน่วยความจำ เพราะมันตัดสินว่าโมเดลขนาดไหนรันในเครื่องตัวเองได้โดยไม่ต้องส่งข้อมูลออกไปข้างนอก องค์กรไทยที่มีข้อจำกัดเรื่องข้อมูลออกนอกประเทศกำลังมองทางนี้กันมากขึ้น การรู้ว่าของขาดตลาดเป็นเดือนมีผลต่อการวางแผนจัดซื้อโดยตรง

MacRumors