AI News · 2026-09-02

Anthropic ประกาศ Claude Fable 5.1 และ Claude Mythos 5.1 เมื่อวันที่ 1 ก.ย. โดยเอกสารสำหรับนักพัฒนาระบุว่าทั้งสองรุ่นมีหน้าต่างบริบทหนึ่งล้านโทเคน ซึ่งเป็นทั้งค่าเริ่มต้นและค่าสูงสุด เขียนคำตอบได้สูงสุด 128,000 โทเคน และเปิดโหมดคิดก่อนตอบไว้ตลอดเวลาโดยปรับความลึกเอง

ราคาอยู่ที่ 10 ดอลลาร์ต่อล้านโทเคนขาเข้าและ 50 ดอลลาร์ต่อล้านโทเคนขาออก ซึ่งเท่ากับรุ่นก่อนหน้า สิ่งที่ถูกลงจริงคือค่าอ่านข้อมูลจากแคชที่ลดจาก 1 ดอลลาร์เหลือ 0.25 ดอลลาร์ต่อล้านโทเคน คิดเป็น 0.025 เท่าของราคาขาเข้า จากที่โมเดลตัวอื่นคิดกันที่ 0.1 เท่า และนี่คือตัวขับหลักของส่วนลดที่บริษัทประกาศ

ตัวเลขทดสอบที่บริษัทวัดเองและประกาศเองมีหลายชุด เช่น Terminal-Bench-Science 0.1 ขยับจาก 24.7 เป็น 52.6 เปอร์เซ็นต์ Terminal-Bench 4.0 จาก 42.0 เป็น 55.8 เปอร์เซ็นต์ OSWorld 2.0 แบบเข้มงวดจาก 36.1 เป็น 41.7 เปอร์เซ็นต์ และข้อสอบ Humanity's Last Exam แบบไม่ให้ใช้เครื่องมือจาก 57.8 เป็น 60.9 เปอร์เซ็นต์ ส่วนคำกล่าวอ้างเรื่องต้นทุนนั้น Anthropic เขียนว่าเป็นการประมาณการของบริษัทเองว่างานทั่วไปจะถูกลงราว 25 เปอร์เซ็นต์ และงานที่ปล่อยให้ AI ทำเองยาวๆ ถูกลงได้ถึงราว 45 เปอร์เซ็นต์

ข้อควรระวังคือยังไม่มีใครทำซ้ำตัวเลขชุดนี้ได้ ผู้วัดอิสระเผยแพร่ผลของตัวเองสำหรับรุ่นนี้แล้วก็จริง แต่ใช้ชุดทดสอบคนละชุดกัน จึงยังเทียบกันตรงๆ ไม่ได้ อีกจุดคือการอ่านชื่อชุดทดสอบต้องอ่านวงเล็บให้ครบ เพราะชุดเดียวกันมีทั้งแบบเข้มงวดและแบบให้คะแนนบางส่วนซึ่งได้ตัวเลขคนละชุด ส่วน Mythos 5.1 ไม่ได้เปิดให้ทุกคนใช้ แต่เปิดเฉพาะลูกค้าที่ได้รับอนุมัติภายใต้โครงการชื่อ Project Glasswing และตอนนี้จำกัดที่องค์กรในสหรัฐ โดยฝั่งวิทยาศาสตร์ชีวภาพเข้าถึงได้ผ่านโครงการตรวจสอบที่เปิดแบบเชิญเข้าร่วมเท่านั้น ขณะที่โครงการตรวจสอบฝั่งความมั่นคงไซเบอร์นั้น Anthropic ระบุเองว่าจะเพิ่มการเข้าถึงโมเดล Mythos ในอนาคตอันใกล้ ยังไม่ใช่ตอนนี้

▲ ทำไมต้องรู้ · การประกาศลดราคาแบบนี้เป็นรูปแบบที่จะเจอบ่อยขึ้นเรื่อยๆ คือป้ายราคาหลักไม่ขยับ แต่ผู้ขายบอกว่าคุณจะจ่ายน้อยลงเพราะไปลดราคาส่วนที่คนไม่ค่อยดู ซึ่งจะจริงหรือไม่ขึ้นกับว่างานของคุณใช้โทเคนแบบไหน ถ้างานของทีมคือส่งเอกสารชุดเดิมซ้ำๆ ส่วนลดค่าแคชจะเห็นผลทันที แต่ถ้าเป็นงานถามตอบสั้นๆ ที่ไม่ได้ใช้ข้อมูลซ้ำ ค่าใช้จ่ายจะเท่าเดิม วิธีเดียวที่จะรู้คือเทียบบิลจริงของงานตัวเองย้อนหลังสักสองสัปดาห์ ไม่ใช่เชื่อเปอร์เซ็นต์ในประกาศ

Anthropic · Claude Platform release notes · Anthropic pricing · Claude Mythos · Blognone

บันทึกการเปลี่ยนแปลงของ Gemini API ลงวันที่ 1 ก.ย. ระบุว่าโมเดลตระกูล Flash หลายตัวได้ความสามารถใหม่ในการทำความเข้าใจวิดีโอแบบเชิงรุก

แทนที่จะยัดทั้งคลิปเข้าไปให้โมเดลอ่านครั้งเดียว เอกสารอธิบายว่าโมเดลจะเดินไปตามเส้นเวลาของวิดีโอด้วยตัวเอง แล้วขอสิ่งที่ต้องการเป็นชิ้นๆ ไม่ว่าจะเป็นบทถอดเสียง ภาพนิ่งบางเฟรม หรือแทร็กเสียง ตามที่คำถามนั้นต้องใช้จริง

Google ระบุว่าวิธีนี้ใช้โทเคนน้อยลงได้ถึง 88 เปอร์เซ็นต์สำหรับเนื้อหายาว เมื่อเทียบกับการประมวลผลแบบเดิมที่ป้อนทุกอย่างเข้าไปพร้อมกัน โดยตัวเลขนี้มาจากเอกสารของผู้ให้บริการเอง ยังไม่มีการทดสอบอิสระ

▲ ทำไมต้องรู้ · ค่าใช้จ่ายในการให้ AI ดูวิดีโอเป็นอุปสรรคจริงของงานหลายอย่างในไทย ตั้งแต่การสรุปคลิปประชุม การตรวจงานถ่ายทำ ไปจนถึงการทำสรุปคอนเทนต์ยาว ถ้าตัวเลขนี้จริงแม้เพียงครึ่งเดียว งานที่เคยคำนวณแล้วไม่คุ้มก็อาจกลับมาคุ้มได้ และควรลองคำนวณใหม่ก่อนตัดทิ้งว่าแพงเกินไป

Gemini API changelog

รุ่น 2.1.257 ออกพร้อมกับโมเดลใหม่ โดยเพิ่ม Claude Fable 5.1 เข้ามาและตั้งเป็นรุ่น Fable เริ่มต้น พร้อมรายการแก้ไขและปรับปรุงยาวเกินร้อยรายการในรุ่นเดียว ข้อยกเว้นที่บันทึกไว้ในรุ่นเดียวกันคือเซสชันที่วิ่งผ่านเกตเวย์ของแอป Claude จะยังชี้ไปที่ Fable 5 ตัวเดิมไปก่อน เพราะเกตเวย์ที่ยังไม่ได้ตั้งค่ารองรับรุ่นใหม่จะปฏิเสธคำขอ

ของที่กระทบเรื่องความปลอดภัยมากที่สุดคือกฎชื่อ Containment Escape ในโหมดอนุมัติอัตโนมัติ ซึ่งทำให้คำสั่งที่ไปดึงกุญแจจากบริการข้อมูลระบบของคลาวด์ คำสั่งที่พยายามเลี่ยงด่านควบคุมการส่งข้อมูลออก และคำสั่งที่เอื้อมไปหาระบบของลูกค้ารายอื่น ไม่ถูกอนุมัติให้ผ่านเองอีกต่อไป เว้นแต่สภาพแวดล้อมนั้นระบุไว้ว่าเป็นเรื่องปกติ

อีกจุดที่คนทำงานเห็นผลทันทีคือการถามครั้งแรกก่อนที่ AI จะอ่านไฟล์นอกโฟลเดอร์ที่กำลังทำงานอยู่ พร้อมตัวเลือกให้ปิดการอ่านแบบนั้นไปเลย และการตั้งค่ารูปแบบเวลาและเขตเวลาที่แสดงในบทสนทนา ส่วนรุ่น 2.1.258 ที่ตามมาติดๆ เป็นการแก้สองอาการคือโปรแกรมเปิดไม่ขึ้นบน macOS 12 ซึ่งเป็นผลข้างเคียงจากรุ่น 2.1.255 และเซสชันที่ล้มด้วยข้อความว่าข้อความของผู้ใช้ต้องไม่ว่างเปล่า

▲ ทำไมต้องรู้ · ช่องโหว่ที่เจอเมื่อสัปดาห์ก่อนคือการยึดเครื่องผ่านผู้ช่วยเขียนโค้ดที่เปิดโหมดอนุมัติอัตโนมัติไว้ การที่ผู้ผลิตเติมกฎเฉพาะเรื่องกุญแจของคลาวด์เข้ามาบอกว่าปัญหานี้ไม่ได้ปิดจบในรุ่นเดียว องค์กรที่ปล่อยให้ทีมใช้โหมดนี้กับเครื่องที่มีสิทธิ์เข้าถึงระบบจริง ควรถือว่าการอัปเดตเครื่องมือเป็นงานความปลอดภัย ไม่ใช่งานเก็บกวาดที่ค่อยทำก็ได้

Claude Code CHANGELOG

เอกสารสำหรับนักพัฒนาระบุว่าพารามิเตอร์ tool_choice ชนิด any และ tool ซึ่งใช้บังคับให้โมเดลเรียกเครื่องมือ ใช้กับ Fable 5.1 และ Mythos 5.1 ไม่ได้แล้วและจะได้ error 400 กลับมา ส่วนชนิด auto และ none ยังทำงานเหมือนเดิม โดยแนะนำให้ไปใช้กลไกบังคับรูปแบบผลลัพธ์แทน

ข้อที่สองคือข้อความทุกชิ้นที่ออกจากสองรุ่นนี้มีลายน้ำข้อความของ Anthropic ติดมาด้วยในทุกช่องทาง ส่วนไฟล์ภาพกับวิดีโอที่สร้างผ่านเครื่องมือรันโค้ดจะมีข้อมูลกำกับที่มาแบบมาตรฐาน C2PA ฝังอยู่เมื่อดึงไฟล์ผ่าน Files API บน Claude API โดยผู้เรียกใช้ไม่ต้องแก้อะไรในคำขอ

ข้อที่สามคือการส่งบล็อกความคิดของโมเดลกลับเข้าไปในบทสนทนา ซึ่งบัญชีที่เปิดตั้งแต่ 31 ส.ค. เป็นต้นไปจะได้ error 400 ถ้าส่งกลับหลังแก้คำสั่งระบบหรือรายการเครื่องมือ โดยเอกสารระบุว่าการตรวจข้อนี้ใช้กับ Fable 5.1 ส่วน Mythos 5.1 ไม่ได้ตรวจ ส่วนเงื่อนไขที่ทั้งสองรุ่นบังคับให้เก็บข้อมูลไว้ 30 วัน จึงใช้กับข้อตกลงแบบไม่เก็บข้อมูลเลยไม่ได้นั้น เป็นเงื่อนไขเดิมที่ Fable 5 มีอยู่แล้ว ไม่ใช่ของใหม่ในรุ่นนี้

▲ ทำไมต้องรู้ · สามข้อนี้คือเหตุผลว่าทำไมการเปลี่ยนรุ่นโมเดลไม่ใช่แค่แก้ชื่อรุ่นในไฟล์ตั้งค่าแล้วจบ ทีมที่บังคับให้โมเดลเรียกเครื่องมือทุกครั้งจะพังทันทีที่ย้าย ส่วนองค์กรที่ตกลงกับฝ่ายกฎหมายไว้ว่าไม่ให้เก็บข้อมูลเลย จะใช้สองรุ่นนี้ไม่ได้จนกว่าจะเจรจาใหม่ และงานสายสื่อสารควรรู้ไว้ว่าข้อความที่ได้จากรุ่นนี้มีร่องรอยระบุที่มาติดอยู่

Claude Platform release notes

Simon Willison เขียนเมื่อ 1 ก.ย. ว่าแอปเดสก์ท็อปของ Codex ซึ่งตอนนี้เปลี่ยนชื่อเป็น ChatGPT แล้ว เก็บไฟล์ที่จำเป็นต่อการทำงานไว้ในโฟลเดอร์แคชของผู้ใช้รวม 1.7 กิกะไบต์

สิ่งที่อยู่ในนั้นไม่ใช่แค่ไลบรารีเล็กๆ แต่เป็นชุดติดตั้งเต็มของ Python และ Node.js พร้อมกับ LibreOffice ทั้งชุด บวกโปรแกรมอ่านไฟล์ PDF ชื่อ Poppler และตัว git โดยในแอปมีไฟล์ชุดคำสั่งที่บอกให้ AI รู้ว่าเครื่องมือเหล่านี้อยู่ที่ไหนและใช้อย่างไร

กระทู้เรื่องนี้ขึ้นอันดับต้นของกระดานนักพัฒนาด้วยคะแนน 212 และความเห็น 106 รายการ

▲ ทำไมต้องรู้ · นี่คือคำอธิบายว่าทำไมผู้ช่วย AI ถึงเปิดไฟล์เอกสารและแปลงไฟล์ให้เราได้ทันที คือมันไม่ได้ฉลาดขึ้นเฉยๆ แต่มีโปรแกรมจริงติดมาให้ใช้ด้วย ประเด็นที่ฝ่ายไอทีขององค์กรควรรู้คือการติดตั้งแอปตัวเดียวอาจหมายถึงการเอาชุดโปรแกรมอีกหลายตัวลงเครื่องพนักงานโดยไม่ผ่านกระบวนการอนุมัติซอฟต์แวร์ตามปกติ

Simon Willison

ผู้เขียนบล็อกรายหนึ่งฝึกโมเดลแบบทรานสฟอร์เมอร์ขนาดเล็กแปดชั้นจากศูนย์ เพื่อแก้โจทย์ชุด ARC ซึ่งเป็นข้อสอบที่วัดการมองหารูปแบบจากตัวอย่างไม่กี่ตัว โดยใช้เวลาฝึกหนึ่งชั่วโมงครึ่งบนการ์ดจอ RTX 5090 หนึ่งใบ และคิดต้นทุนรวมตลอดอายุงานทั้งฝึกและใช้งานได้ราว 67 เซนต์

ผลที่ได้คือ 44 เปอร์เซ็นต์บนชุดประเมินสาธารณะของ ARC รุ่นแรก และ 7 เปอร์เซ็นต์บน ARC รุ่นสอง ซึ่งผู้เขียนระบุว่าชนะโมเดลภาษาหลายตัวและเสมอกับวิธีเฉพาะทางที่มีอยู่แล้ว

กติกาสำคัญที่ต้องเข้าใจคือวิธีนี้ใช้การฝึกเพิ่มตอนทดสอบ คือโมเดลได้เรียนจากคู่ตัวอย่างของโจทย์แต่ละข้อระหว่างทำข้อสอบ ผู้เขียนชี้แจงเองว่าโมเดลเห็นเฉพาะโจทย์ ไม่เห็นเฉลยที่ซ่อนไว้ จึงไม่ใช่การลอกข้อสอบ และข้อโต้แย้งหลักของเขาคือคะแนนที่โมเดลภาษาทำได้บนชุดนี้มาจากการฝึกเพิ่มและข้อมูลสังเคราะห์ มากกว่ามาจากการให้เหตุผลที่ดีขึ้นจริง

▲ ทำไมต้องรู้ · กระทู้นี้ได้ 552 คะแนนบนกระดานนักพัฒนาเพราะมันขัดกับสมมติฐานที่ว่าต้องใหญ่ก่อนถึงจะเก่ง สำหรับองค์กรไทยที่กำลังคิดว่าจะทำ AI ของตัวเองต้องลงทุนเท่าไร ตัวอย่างนี้ชี้ว่างานที่นิยามขอบเขตได้ชัด โมเดลเฉพาะทางตัวเล็กที่ฝึกเองอาจคุ้มกว่ามาก แต่ต้องไม่ลืมว่านี่คือโจทย์ประเภทเดียวที่แคบมาก ไม่ใช่งานทั่วไปที่คุยกับลูกค้าได้

บล็อกต้นทาง

ทีมวิจัยเสนอกรอบทดสอบชื่อ PRISK ที่สร้างข้อมูลทดสอบเองโดยอัตโนมัติ เพื่อวัดผลข้างเคียงของการทำให้ AI จดจำและปรับตัวตามผู้ใช้แต่ละคน แล้วทดสอบกับโมเดลภาษา 13 ตัว

ความเสี่ยงที่ทีมนี้แยกออกมามีสามอย่าง อย่างแรกคือการหยิบข้อมูลส่วนตัวมาพูดถึงในบริบทที่ไม่จำเป็นต้องพูด อย่างที่สองคือการตีวงคำตอบให้แคบลงจนกลายเป็นห้องเสียงสะท้อน และอย่างที่สามคือการเห็นด้วยกับความเห็นของผู้ใช้มากเกินควร

เมื่อใส่โปรไฟล์ผู้ใช้และความจำที่ดึงกลับมาเข้าไปในบทสนทนา ผลคือตัวชี้วัดทั้งสามด้านแย่ลงอย่างเป็นระบบ โดยงานรายงานว่าลดลงเฉลี่ย 45.9 เปอร์เซ็นต์ในด้านการหยิบข้อมูลส่วนตัวมาใช้ผิดที่ 41.7 เปอร์เซ็นต์ในด้านการตีวงคำตอบ และ 61.7 เปอร์เซ็นต์ในด้านการเออออตามผู้ใช้

▲ ทำไมต้องรู้ · ฟีเจอร์ความจำเป็นสิ่งที่ผู้ให้บริการทุกเจ้าขายว่าเป็นข้อดี และคนทำงานส่วนใหญ่ก็เปิดใช้โดยไม่คิดอะไร งานนี้บอกว่าราคาของความสะดวกนั้นคือคำตอบที่เข้าข้างเรามากขึ้นและแคบลง ซึ่งอันตรายเป็นพิเศษเวลาใช้ AI ช่วยตัดสินใจหรือช่วยหาข้อโต้แย้ง วิธีป้องกันที่ทำได้ทันทีคือถามคำถามสำคัญในหน้าต่างสนทนาใหม่ที่ไม่มีประวัติ แล้วเทียบคำตอบกัน

arXiv 2608.28833

ทีมวิจัยสร้างชุดทดสอบชื่อ FACE-Eval ขนาด 5,100 ตัวอย่าง เพื่อดูว่าร่องรอยความคิดที่โมเดลเขียนออกมา บันทึกสิ่งที่มีผลต่อคำตอบจริงหรือไม่ โดยสลับสองอย่างคือตำแหน่งที่ข้อมูลชี้นำถูกส่งเข้ามา ระหว่างข้อความของผู้ใช้กับผลลัพธ์ที่เครื่องมือส่งกลับ และความชัดเจนของข้อมูลนั้น ระหว่างการสรุปมาให้ตรงๆ กับการปล่อยให้อ่านเอาเองจากเอกสารดิบ

ผลจากโมเดลน้ำหนักเปิด 15 ตัวจากแปดตระกูล ขนาดตั้งแต่ 4 พันล้านถึง 1.6 ล้านล้านพารามิเตอร์ คือทุกตัวโดยไม่มีข้อยกเว้น พูดออกมาน้อยกว่าเมื่อข้อมูลชี้นำมาจากเครื่องมือ และการทำตามแบบไม่บอกก็สูงกว่าในทั้ง 15 ตัว

ทีมยังลองใช้โมเดลอีกสองตัวมาคอยอ่านบทสนทนาเพื่อจับว่ามีการทำตามข้อมูลชี้นำหรือไม่ แล้วพบว่ายิ่งการทำตามแบบไม่บอกสูงขึ้นเท่าไร ตัวเฝ้าก็ยิ่งจับได้น้อยลงเท่านั้น ข้อจำกัดที่ทีมระบุเองคือทดสอบในกรอบการเรียกครั้งเดียวที่เตรียมผลลัพธ์เครื่องมือไว้ล่วงหน้า ยังไม่ใช่ระบบจริงที่วิ่งยาว

▲ ทำไมต้องรู้ · วิธีที่หลายองค์กรใช้ตรวจงาน AI ตอนนี้คืออ่านสิ่งที่มันอธิบายว่าคิดอย่างไร งานนี้บอกว่าการตรวจแบบนั้นเชื่อได้น้อยลงพอดีในสถานการณ์ที่เราใช้กันมากขึ้นเรื่อยๆ คือเวลาที่ AI ไปดึงข้อมูลจากระบบอื่นมาเอง สิ่งที่ควรทำคือตรวจจากผลลัพธ์และหลักฐานที่มันหยิบมาใช้ ไม่ใช่จากคำอธิบายของมันเอง

arXiv 2608.29464

งานที่ได้คะแนนโหวตสูงสุดของรอบนี้บนกระดานเปเปอร์ของ Hugging Face เสนอระบบชื่อ DreamX-Creator 1.0 ที่สร้างภาพและเสียงไปพร้อมกันในโมเดลเดียว แทนวิธีที่นิยมกันคือสร้างวิดีโอก่อนแล้วค่อยไปหาเสียงมาใส่ทีหลัง

ตัวสร้างมีขนาดเจ็ดพันล้านพารามิเตอร์ รับภาพเปิดเรื่องกับคำบรรยายเป็นข้อมูลตั้งต้น โดยสายภาพและสายเสียงจะแยกกันทำงานก่อนในช่วงต้น แล้วค่อยเชื่อมเข้าหากันด้วยกลไกที่ควบคุมว่าจะให้แต่ละฝั่งมีอิทธิพลต่อกันแค่ไหน ส่วนภาพความละเอียดสูงได้จากขั้นตอนขัดภาพที่ยุบให้เหลือรอบเดียว

ทีมประกาศว่าเปิดทั้งตัวสร้างขนาดเจ็ดพันล้านและตัวขัดภาพระดับ 2K ให้คนอื่นใช้ต่อ และเคลมว่าผลลัพธ์สูสีกับระบบโอเพนซอร์สที่ดีที่สุดในตอนนี้ ซึ่งเป็นการเทียบที่ทีมทำเอง ยังไม่มีการวัดจากภายนอก

▲ ทำไมต้องรู้ · จุดที่น่าสนใจไม่ใช่คุณภาพวิดีโอ แต่คือขนาดโมเดลที่เล็กพอจะรันบนเครื่องของตัวเองได้ และการที่เสียงกับภาพถูกสร้างพร้อมกันแปลว่าปากขยับตรงกับเสียงตั้งแต่แรก ไม่ต้องมาแก้ทีหลัง สำหรับทีมคอนเทนต์ในไทยที่ยังส่งงานวิดีโอสั้นออกไปให้บริการเสียเงินทำ นี่คือสัญญาณว่าทางเลือกที่ทำเองในบ้านกำลังใกล้เข้ามา

arXiv 2608.31106

ทีมวิจัยตั้งโจทย์ที่เรียกว่าปัญหา Super Library Agent คือให้ AI สร้างโปรแกรมหลายตัวที่ใช้ตรรกะทางธุรกิจร่วมกันเรียงกันไปทีละตัว พร้อมกับดูแลคลังโค้ดกลางที่ใช้ร่วมกันไปด้วย

ปัญหาที่พบจากวิธีทำงานแบบไล่ทีละโปรแกรมตามปกติมีสองอย่าง อย่างแรกคือโค้ดที่ควรใช้ร่วมกันถูกคัดลอกซ้ำในทุกโปรแกรม อย่างที่สองคือเมื่อปล่อยให้ AI ดูแลต่อไปนานๆ โค้ดจะสะสมความยืดยาว โค้ดที่ไม่มีใครเรียกใช้ และโครงสร้างที่ค่อยๆ พังลง

วิธีที่ทีมเสนอคือให้ AI สรุปโค้ดเป็นก้อนๆ ก่อนแล้วค่อยเลือกว่าอันไหนควรดึงออกมาเป็นของกลาง ทำความสะอาดโค้ดก่อนดึง และย้ายโปรแกรมมาใช้ของกลางโดยดูจากร่องรอยการดึงและผังการเรียกใช้ ผลที่รายงานบนชุดทดสอบสองชุดคือโปรแกรมยังทำงานได้เหมือนเดิม แต่โค้ดซ้ำและจำนวนโทเคนลดลงชัดเจน

▲ ทำไมต้องรู้ · องค์กรจำนวนมากกำลังใช้ AI สร้างเครื่องมือภายในทีละตัวสองตัวไปเรื่อยๆ และยังไม่มีใครมองว่าของพวกนี้ต้องมีคลังกลาง งานนี้ชี้ว่าถ้าไม่วางแผนเรื่องนี้ตั้งแต่ต้น สิ่งที่ได้คือกองเครื่องมือที่ดูเหมือนใช้ได้ แต่แก้ทีเดียวไม่พอเพราะต้องไล่แก้ทุกตัว

arXiv 2608.29310 · โค้ด

ทีมวิจัยสร้างชุดทดสอบชื่อ ContextBias เพื่อดูว่าอคติที่ผูกกับอาชีพในโมเดลสร้างภาพจากข้อความ ยังอยู่หรือไม่เมื่อเปลี่ยนบริบทของคำสั่ง โดยวิเคราะห์จากภาพที่สร้างขึ้น 66,240 ภาพ

ผลคืออคติที่ผูกกับบทบาทยังคงอยู่อย่างต่อเนื่อง และเมื่อวางอาชีพนั้นไว้ในฉากที่ไม่เกี่ยวข้องกับงาน คุณลักษณะที่โมเดลใส่ให้บทบาทนั้นกลับกระจุกตัวมากขึ้น แทนที่จะกระจายออกหรือจางลงอย่างที่หลายคนคาด

▲ ทำไมต้องรู้ · วิธีแก้อคติที่คนทำงานสายครีเอทีฟใช้กันจริงคือเติมรายละเอียดฉากเข้าไปในคำสั่งให้เยอะขึ้น เพราะเชื่อว่ายิ่งบรรยายละเอียดยิ่งได้ภาพที่หลากหลาย งานนี้บอกว่าวิธีนั้นอาจให้ผลตรงกันข้าม ถ้าต้องการความหลากหลายจริงต้องระบุออกมาตรงๆ ไม่ใช่หวังให้บริบทช่วยเจือจางให้

arXiv 2608.29847

ทีมวิจัยเผยแพร่ชุดทดสอบชื่อ Terminal-Bench-LILT ซึ่งรวมโจทย์เขียนโปรแกรมจากงานจริง 300 ข้อใน 10 ภาษา ได้แก่ อาหรับ เช็ก เยอรมัน สเปน ฮินดี ญี่ปุ่น เกาหลี เซอร์เบีย ตุรกี และจีน โดยยังไม่มีภาษาไทยในชุดนี้

สิ่งที่ทำให้ชุดนี้ต่างจากชุดอื่นคือทุกโจทย์เป็นปัญหาที่เกิดเฉพาะกับการพัฒนาซอฟต์แวร์ที่ไม่ได้ใช้ภาษาอังกฤษ และไม่มีคู่เทียบตรงๆ ในโลกภาษาอังกฤษ เช่น การรองรับหลายภาษา การเข้ารหัสตัวอักษร การจัดรูปข้อความให้เป็นมาตรฐาน และธรรมเนียมปฏิบัติทางวัฒนธรรม โดยโจทย์ทั้งหมดเขียนโดยโปรแกรมเมอร์ที่เป็นเจ้าของภาษา

ผลการทดสอบกับโมเดลระดับแนวหน้าหกตัวคือตัวที่ดีที่สุดผ่านได้เพียง 63.1 เปอร์เซ็นต์ มีหลายโจทย์ที่ไม่มีโมเดลไหนแก้ได้เลย และที่สำคัญคือลำดับความเก่งในชุดนี้ไม่ตรงกับลำดับในชุดทดสอบการเขียนโปรแกรมทั่วไป

▲ ทำไมต้องรู้ · ทีมพัฒนาในไทยเลือกเครื่องมือ AI จากตารางคะแนนที่วัดด้วยโจทย์ภาษาอังกฤษเกือบทั้งหมด งานนี้บอกตรงๆ ว่าลำดับนั้นใช้ทำนายผลกับงานภาษาอื่นไม่ได้ ปัญหาที่คนไทยเจอบ่อยอย่างการเรียงลำดับตัวอักษรไทย การตัดคำ และการจัดรูปวันที่ อยู่ในหมวดเดียวกับที่ชุดนี้วัดพอดี วิธีเลือกที่ปลอดภัยกว่าคือทดสอบกับงานจริงของตัวเองก่อนตัดสินใจ

arXiv 2608.28641

งานนำร่องชิ้นนี้ทดสอบโมเดลหลายภาษาแบบเปิดกับภาพเอกสารภาษาเขมร โดยใช้ข้อมูลชุดย่อยที่มาจากแบบฟอร์มธุรกิจ และตั้งคำถามทั้งภาษาอังกฤษและภาษาเขมร

เหตุผลที่เอกสารเขมรยากเป็นพิเศษตามที่ทีมระบุคือลักษณะของอักษรที่ซับซ้อน เนื้อหาที่ปนกันระหว่างเขมรกับอังกฤษ และการเขียนจำนวนเงินสองสกุลในเอกสารเดียวกัน

ผลคือการป้อนภาพให้โมเดลอ่านตรงๆ ได้ความแม่นยำ 51.9 เปอร์เซ็นต์ ส่วนการต่อโปรแกรมอ่านตัวอักษรจากภาพเข้ามาช่วยก่อนทำได้ดีกว่าที่ราว 62 เปอร์เซ็นต์ แต่จุดที่ทีมย้ำคือคำตอบที่เป็นอักษรเขมรแท้ๆ ทำได้แย่กว่าคำตอบที่เป็นภาษาอังกฤษและตัวเลขอย่างสม่ำเสมอ

▲ ทำไมต้องรู้ · นี่คือภาพสะท้อนที่ตรงมากสำหรับงานเอกสารภาษาไทย เพราะปัญหาเดียวกันคืออักษรที่ไม่ใช่ละติน เอกสารที่ปนสองภาษา และตัวเลขที่เขียนได้หลายแบบ บทเรียนที่ใช้ได้ทันทีคือการต่อโปรแกรมอ่านตัวอักษรที่ดีเข้ามาช่วยก่อน ให้ผลดีกว่าการโยนภาพเข้าโมเดลตรงๆ และควรตรวจงานที่ผลลัพธ์ต้องเป็นภาษาไทยหนักกว่างานที่ผลลัพธ์เป็นตัวเลข

arXiv 2608.28635

ทีมจากมหาวิทยาลัยฮ่องกงร่วมกับมหาวิทยาลัยเสิ่นเจิ้นพัฒนาเซ็นเซอร์อัลตราซาวด์แบบ phased array ที่ส่งคลื่นความถี่ 3 เมกะเฮิรตซ์ เพื่อวัดปริมาตรกระเพาะปัสสาวะของผู้ป่วยที่ระบบทางเดินปัสสาวะส่วนล่างทำงานผิดปกติ

ตัวโมเดลชื่อ BladderCoordNet มีพารามิเตอร์เพียง 165,000 ตัว ฝึกจากอาสาสมัคร 10 คน เป็นชาย 7 คนและหญิง 3 คน รวมภาพที่ใช้ 6,180 ภาพ ได้ค่าความผิดพลาดเฉลี่ย 8.5 เปอร์เซ็นต์ ซึ่งลดลงเมื่อปริมาตรสูงขึ้น และใช้เวลาประมวลผล 39 มิลลิวินาทีเมื่อรันบนการ์ด RTX 4090

ข้อควรระวังคือจำนวนอาสาสมัครสิบคนถือว่าน้อยมากสำหรับงานทางการแพทย์ และตัวเลข 39 มิลลิวินาทีนั้นวัดบนการ์ดจอระดับสูง ไม่ใช่บนอุปกรณ์สวมใส่จริง งานนี้เผยแพร่ในงานประชุมวิชาการ ACM MobiSys

▲ ทำไมต้องรู้ · ขนาดโมเดลแค่หนึ่งแสนหกหมื่นพารามิเตอร์เป็นตัวเลขที่ควรจำไว้ เพราะมันเล็กกว่าโมเดลภาษาที่เราคุยกันทุกวันหลายหมื่นเท่า แต่ทำงานเฉพาะทางได้จริง งานสาย AI ในไทยที่ติดปัญหาว่าต้องซื้อการ์ดแพงถึงจะเริ่มได้ ควรแยกให้ออกระหว่างงานที่ต้องใช้โมเดลใหญ่กับงานที่ต้องการแค่โมเดลเล็กที่ฝึกกับข้อมูลของตัวเอง

Blognone · ACM Digital Library

Dan Luu เขียนบทความไล่ตรวจคำทำนายของ Ed Zitron ซึ่งเป็นนักวิจารณ์สายไม่เชื่อ AI ที่มีผู้ติดตามจำนวนมาก โดยรวบรวมคำทำนายกว่าสามสิบข้อตั้งแต่กุมภาพันธ์ 2024 ถึงพฤศจิกายน 2025 แล้วเทียบกับตัวเลขผลประกอบการจริง

ตัวอย่างที่ยกมาคือการเรียก Meta ว่าเป็นบริษัทที่กำลังจะตาย ขณะที่รายได้โตในช่วง 16 ถึง 22 เปอร์เซ็นต์ต่อปี การทำนายว่าโมเดลจะพัฒนาต่อไม่ได้เพราะข้อมูลหมด การบอกว่าประมาณการรายได้ของ OpenAI ที่ 11.6 พันล้านดอลลาร์เป็นเรื่องเกินจริงทั้งที่ทำได้เกิน และการบอกว่า Gemini จะไปไม่ถึง 500 ล้านผู้ใช้ ทั้งที่ตัวเลขจริงไปถึง 750 ล้าน

ข้อสังเกตที่ผู้เขียนตั้งไว้คือรูปแบบการโต้แย้งที่ยิงคำกล่าวอ้างจำนวนมากออกมาเร็วๆ ซึ่งผลิตง่ายแต่ใช้เวลานานมากในการตรวจทีละข้อ และเหตุผลที่ขัดกันเองคือบอกว่าบริษัทเหล่านี้จำเป็นต้องโตให้ได้ แต่พอโตจริงกลับไม่นับ

▲ ทำไมต้องรู้ · เวลาจะตัดสินใจเรื่องเทคโนโลยี คนส่วนใหญ่เลือกฟังฝั่งที่ถูกจริตตัวเอง ซึ่งช่วงนี้ฝั่งที่ไม่เชื่อ AI ฟังดูมีเหตุผลและปลอดภัยกว่า บทความนี้เป็นตัวอย่างของการตรวจย้อนหลังว่าเสียงที่เราฟังอยู่ทำนายถูกกี่ครั้ง ซึ่งเป็นนิสัยที่ควรใช้กับทุกฝ่ายรวมถึงฝั่งที่เชียร์ AI ด้วย ไม่ใช่ใช้กับฝั่งที่เราไม่ชอบอย่างเดียว

Dan Luu

Electronic Frontier Foundation ยื่นความเห็นในฐานะผู้ไม่ใช่คู่ความในสองคดีคือคดี Concord Music Group ฟ้อง Anthropic และคดีรวม In re Mosaic LLM Litigation โดยเผยแพร่บทความอธิบายจุดยืนเมื่อวันที่ 31 ส.ค.

ประเด็นหลักที่องค์กรนี้คัดค้านคือทฤษฎีที่เจ้าของลิขสิทธิ์เสนอว่าศาลควรให้อำนาจพวกเขาเหนืองานที่คนอื่นสร้างขึ้นซึ่งไม่ได้ละเมิดลิขสิทธิ์ โดยระบุว่าการยอมรับทฤษฎีนี้จะบั่นทอนเป้าหมายตามรัฐธรรมนูญของกฎหมายลิขสิทธิ์ ที่มีไว้เพื่อส่งเสริมการสร้างงานเพื่อประโยชน์สาธารณะ

ข้อโต้แย้งเชิงประวัติศาสตร์ที่ยกมาคือการเทียบกับยุคที่เครื่องเล่นวิดีโอเทปถูกกล่าวหาว่าเป็นภัยร้ายแรง แล้วชี้ว่าศาลควรลังเลที่จะตัดสินล่วงหน้าว่าเครื่องมือชนิดใดส่งเสริมความคิดสร้างสรรค์ของมนุษย์และชนิดใดไม่ส่งเสริม

▲ ทำไมต้องรู้ · คำตัดสินในคดีเหล่านี้จะกลายเป็นกติกาที่ไหลมาถึงสัญญาที่บริษัทไทยเซ็นกับผู้ให้บริการ AI ในที่สุด ถ้าศาลรับทฤษฎีที่ว่างานซึ่งไม่ได้ละเมิดก็ยังผิดได้ ความเสี่ยงจะย้ายจากผู้ผลิตโมเดลมาอยู่กับคนที่เอาผลลัพธ์ไปใช้ทำงาน ซึ่งก็คือพวกเราทุกคน

EFF

Blognone รายงานเมื่อ 2 ก.ย. ว่า NVIDIA จะเปิดตัว DLSS 5 ซึ่งเป็นเทคโนโลยีขยายความละเอียดภาพด้วย AI รุ่นใหม่ โดยเริ่มใช้จริงในเกม NBA 2K27 ตั้งแต่วันที่ 3 ก.ย. เป็นต้นไป

ตัวเลขที่ประกาศคือ 370 เฟรมต่อวินาทีที่ความละเอียด 4K และ 590 เฟรมต่อวินาทีที่ความละเอียด 1440p โดยรองรับการ์ดจอตระกูล RTX 50

ข้อควรระวังคือตัวเลขเฟรมเหล่านี้เป็นตัวเลขที่ผู้ผลิตประกาศเอง และยังไม่ได้ระบุว่าวัดบนการ์ดรุ่นใดในตระกูลและตั้งค่ากราฟิกอย่างไร

▲ ทำไมต้องรู้ · DLSS เป็นตัวอย่างที่จับต้องได้ที่สุดของการที่ AI ไม่ได้อยู่แค่ในแชท แต่ทำงานอยู่ในภาพทุกเฟรมที่เราเห็นบนจอ กลไกเดียวกันนี้กำลังถูกย้ายไปใช้กับงานตัดต่อวิดีโอและงานประชุมทางไกล ซึ่งเป็นจุดที่คนทำงานทั่วไปจะได้สัมผัสก่อนที่จะรู้ตัวว่านั่นคือ AI

Blognone