AI News · 2026-09-04

OpenAI เปิดตัว GPT-6 Astra เมื่อ 3 ก.ย. โดยวันแรกปล่อยให้องค์กรกลุ่มจำกัดก่อน แล้วจะขยายไปยังผู้ใช้ ChatGPT ระดับ Plus, Pro, Business และ Enterprise ในไม่กี่วันข้างหน้า พร้อมเปิดผ่าน API ของตัวเองและผ่าน AWS ซึ่งระบุไว้อีกที่หนึ่งว่าคือ Amazon Bedrock โดยใช้ชื่อเรียกในระบบว่า gpt-6-astra

ราคาอยู่ที่ 10 ดอลลาร์ต่อล้านโทเคนขาเข้าและ 50 ดอลลาร์ต่อล้านโทเคนขาออก ซึ่งเท่ากับราคาของ Claude Fable 5.1 พอดี และมีโหมดเร่งความเร็วที่เอกสารเขียนว่าเร็วขึ้นได้สูงสุดสองเท่าโดยคิดราคาสองเท่าของราคาปกติ คือราคาเป็นสองเท่าแน่นอนแต่ความเร็วเป็นเพดาน ไม่ใช่การรับประกัน

ตัวเลขที่ต้องอ่านคู่กันคู่แรกคือ ARC-AGI-3 ซึ่งหน้าประกาศของ OpenAI ระบุไว้ที่ 99.9 เปอร์เซ็นต์โดยไม่อธิบายวิธีวัดเลย ส่วนตารางเต็มอยู่ที่บล็อกของ ARC Prize ซึ่งแยกผลเป็นสองเครื่องมือครอบคือตัวที่ OpenAI ทำเองชื่อ Provider Adapter ที่เก็บสถานะการคิดข้ามคำขอและบีบอัดบทสนทนายาวให้เอางานเดิมมาใช้ต่อได้ กับเครื่องมือมาตรฐานของ ARC Prize โดยตัวเลข 99.9 เปอร์เซ็นต์เป็นผลของเครื่องมือฝั่ง OpenAI ที่ระดับความพยายาม high ขณะที่เครื่องมือมาตรฐานทำได้สูงสุด 62.7 เปอร์เซ็นต์ที่ระดับ max และลงไปต่ำสุด 17.5 เปอร์เซ็นต์ที่ระดับ low แปลว่าคะแนนสองตัวที่ถูกเล่าคู่กันไม่ได้มาจากการตั้งค่าเดียวกันด้วยซ้ำ และ ARC Prize ไม่ได้ระบุว่าตรวจสอบผลนี้อย่างเป็นอิสระ

คู่ที่สองอยู่ในหมวดความมั่นคงไซเบอร์ คือ ExploitBench ได้ 100 เปอร์เซ็นต์เทียบกับ GPT-5.6 Sol ที่ 78.5 เปอร์เซ็นต์ แต่หน้าเดียวกันมีอีกบรรทัดคือ ExploitBench ฉบับที่ใช้ช่องโหว่ของสามเดือนล่าสุดคือ มิ.ย. ถึง ส.ค. 2569 ซึ่งได้เพียง 39.0 เปอร์เซ็นต์ โดยบริษัทเขียนเหตุผลไว้เองว่าทำชุดนี้ขึ้นมาเพราะกังวลว่าการเคยเห็นช่องโหว่เก่าอาจมีผลต่อคะแนน

ตัวเลขอื่นที่บริษัทให้มาต้องอ่านชื่อแถวให้ครบเช่นกัน คือ GPQA Diamond 96.0 เปอร์เซ็นต์ Terminal-Bench 4.0 57.9 เปอร์เซ็นต์ ส่วน Humanity's Last Exam 57.2 เปอร์เซ็นต์นั้นตารางกำกับว่าเป็นผลแบบให้ใช้เครื่องมือช่วย และ OSWorld 2.0 72.6 เปอร์เซ็นต์กำกับว่าเป็นชุดออฟไลน์และเป็นคะแนนแบบให้คะแนนบางส่วน ขณะที่ผู้ประเมินภายนอกอย่าง Artificial Analysis ให้คะแนนดัชนีรวมของ Astra ที่ 61 ซึ่งเท่ากับ GPT-5.6 Sol และต่ำกว่า Claude Fable 5.1 ที่ 66 อยู่ห้าคะแนน ส่วนขนาดหน้าต่างบริบทไม่มีอยู่ในหน้าประกาศเลย ต้องไปดูที่หน้ารายการโมเดลของ API ซึ่งระบุไว้ที่ 1.05 ล้านโทเคน และขาออกสูงสุด 128,000 โทเคน

▲ ทำไมต้องรู้ · บรรทัดที่มีประโยชน์ที่สุดในประกาศนี้คือบรรทัดที่คะแนนตกจาก 100 เหลือ 39 เมื่อเปลี่ยนไปใช้โจทย์ที่เพิ่งเกิดใหม่จริง ซึ่งเป็นหลักการเดียวกับที่ใช้ประเมินเครื่องมือทุกตัวได้ คือถ้าผู้ขายวัดกับโจทย์ที่มีอยู่ก่อนที่โมเดลจะถูกฝึก ตัวเลขนั้นบอกได้แค่ว่ามันจำได้ดีแค่ไหน ไม่ได้บอกว่ามันจะทำงานใหม่ของเราได้ดีแค่ไหน คำถามที่ควรถามผู้ขายทุกรายจึงเป็นคำถามเดียวกันว่าชุดทดสอบนี้เกิดขึ้นก่อนหรือหลังโมเดล

OpenAI · ARC Prize · OpenAI model list · Artificial Analysis · Simon Willison

กลุ่มที่ใช้ชื่อว่า IFM ประกาศชุดโมเดลชื่อ K2 Horizon เมื่อ 3 ก.ย. โดยปล่อยพร้อมกันหกขนาดที่ตั้งใจให้ใช้ต่อกันเป็นชุดเดียว ตั้งแต่ 375 พันล้านพารามิเตอร์แบบเรียกใช้จริงราว 23 พันล้าน ลงมาเป็น 36 พันล้านแบบเรียกใช้จริง 4 พันล้าน แล้วมี 32 พันล้าน 7 พันล้าน 3.7 พันล้าน และ 0.9 พันล้านสำหรับอุปกรณ์อย่างนาฬิกาและแว่น

จุดที่ทำให้ชุดนี้ต่างจากการปล่อยโมเดลเปิดทั่วไปคือทีมเปิดเผยกระบวนการทั้งสาย ตั้งแต่การฝึกตั้งต้นไปจนถึงการฝึกต่อด้านการให้เหตุผลและด้านการทำงานเป็น agent พร้อมรายละเอียดสถาปัตยกรรมและวิธีประกอบชุดข้อมูล

สัญญาอนุญาตของตัวโมเดลและโค้ดคือ Apache 2.0 ส่วนชุดข้อมูลใช้สัญญาอนุญาตตามแหล่งที่มา ดาวน์โหลดได้จากคลังของกลุ่มบน Hugging Face และรองรับการรันผ่าน vLLM, SGLang และ Ollama ตั้งแต่วันแรก

ตัวเลขที่ทีมยกมาคือรุ่นเล็กสามตัวคือ 0.9 พันล้าน 3.7 พันล้าน และ 7 พันล้าน ทำคะแนนได้ดีที่สุดในรุ่นขนาดเดียวกัน โดยรุ่นเล็กสุดทำคะแนนข้อสอบคณิตศาสตร์ AIME 2026 ได้เกิน 48 ข้อควรระวังคือคะแนนทั้งหมดเป็นตัวเลขที่ทีมวัดเองและยังไม่มีผู้ประเมินอิสระยืนยัน

▲ ทำไมต้องรู้ · องค์กรที่ติดเงื่อนไขว่าข้อมูลออกนอกองค์กรไม่ได้ มักเจอปัญหาว่าต้องเลือกระหว่างโมเดลใหญ่ที่รันไม่ไหวกับโมเดลเล็กที่ทำงานได้ไม่ดีพอ ชุดที่ปล่อยพร้อมกันหลายขนาดภายใต้สัญญาอนุญาตแบบใช้ในเชิงพาณิชย์ได้ ทำให้วางระบบแบบส่งงานง่ายไปตัวเล็กและส่งงานยากไปตัวใหญ่ได้โดยไม่ต้องสลับผู้ผลิตกลางทาง

IFM · Hugging Face

เอกสารสำหรับนักพัฒนาของ Gemini API บันทึกไว้เมื่อ 3 ก.ย. ว่ามีโมเดลสร้างเสียงดนตรีรุ่นใหม่สองตัว ตัวแรกชื่อ lyria-3.5-clip-preview สำหรับคลิปสั้นความยาว 30 วินาทีในรูปแบบ MP3 และอีกตัวคือ lyria-3.5-pro-preview สำหรับเพลงเต็มความยาวราวสองนาที ได้ทั้ง MP3 และ WAV

ทั้งสองตัวรับคำสั่งเป็นข้อความอธิบายแนวเพลง เครื่องดนตรี จังหวะและอารมณ์ รับภาพประกอบได้สูงสุด 10 ภาพ และรับเนื้อร้องที่ใส่ป้ายกำกับโครงสร้างอย่างท่อนเวิร์ส ท่อนฮุก และท่อนเชื่อมได้ โดยได้ผลลัพธ์เป็นเสียงสเตอริโอที่ 44.1 กิโลเฮิรตซ์

เอกสารระบุว่าไฟล์ที่ได้จะฝังลายน้ำ SynthID ไว้ทุกไฟล์เพื่อให้ตรวจย้อนได้ว่าสร้างด้วยเครื่อง และมีตัวกรองที่ปฏิเสธคำขอที่ระบุเสียงของศิลปินคนใดคนหนึ่งหรือขอเนื้อหาที่มีลิขสิทธิ์

ข้อจำกัดที่เอกสารเขียนไว้เองคือสร้างได้ครั้งเดียวจบ แก้ไขต่อทีละจุดไม่ได้ และผลลัพธ์จากคำสั่งเดิมอาจไม่เหมือนเดิมทุกครั้ง ส่วนสถานะยังเป็นรุ่นทดลอง

▲ ทำไมต้องรู้ · งานที่คนทำคอนเทนต์ไทยจ่ายเงินซื้ออยู่ทุกเดือนคือเพลงประกอบคลิปที่ใช้ได้โดยไม่ติดลิขสิทธิ์ ความยาวสองนาทีกับการใส่เนื้อร้องภาษาที่ต้องการเองได้ทำให้ของแบบนี้เริ่มพอใช้กับงานจริง สิ่งที่ต้องตรวจก่อนเอาไปใช้เชิงพาณิชย์คือเงื่อนไขการใช้งานผลลัพธ์และลายน้ำที่ติดมา เพราะแพลตฟอร์มปลายทางเริ่มอ่านลายน้ำแบบนี้แล้ว

Gemini API changelog · Music generation guide

Blognone รายงานเมื่อ 3 ก.ย. ว่า World Labs ซึ่งเป็นบริษัทที่ก่อตั้งโดย Fei-Fei Li เปิดตัวโมเดลชื่อ Atlas ที่สร้างสภาพแวดล้อมสามมิติขึ้นมาจากคำสั่งข้อความ ภาพนิ่ง วิดีโอ หรือแบบจำลองสามมิติที่ป้อนเข้าไป

จุดที่ทีมเน้นคือการควบคุมมุมกล้องได้อย่างแม่นยำ และการที่โมเดลเข้าใจบริบทเชิงพื้นที่มากพอจะสร้างฉากที่สมเหตุสมผลจากภาพอ้างอิงเพียงภาพเดียว

ข้อควรระวังคือรายงานนี้ไม่ได้ระบุราคา วันเปิดให้ใช้งานทั่วไป หรือคะแนนบนชุดทดสอบใดเลย จึงยังเทียบกับระบบสร้างฉากสามมิติเจ้าอื่นด้วยตัวเลขไม่ได้

▲ ทำไมต้องรู้ · งานที่ต้องทำภาพสามมิติในไทย ตั้งแต่อสังหาริมทรัพย์ ร้านค้า ไปจนถึงงานอบรมที่ต้องจำลองสถานที่ ปกติต้องจ้างทีมทำโมเดลซึ่งเป็นค่าใช้จ่ายก้อนใหญ่ที่สุดของโครงการ เครื่องมือที่เริ่มจากภาพถ่ายใบเดียวจึงเป็นทิศทางที่ควรติดตาม แต่ตอนนี้ยังไม่มีตัวเลขให้ประเมินคุณภาพ จึงยังไม่ควรใส่ไว้ในแผนงานที่มีกำหนดส่ง

Blognone

รุ่น 2.1.260 เพิ่มแผงเทียบความต่างของโค้ดแบบวางคู่กันในโหมดเต็มจอ เรียกด้วยคำสั่ง diff เพื่อดูการแก้ไขที่ยังไม่ได้บันทึกลงระบบควบคุมเวอร์ชันขณะที่โปรแกรมกำลังแก้ไฟล์อยู่

ของใหม่อีกอย่างที่ตรงกับปัญหาที่คนบ่นกันมากคือคำสั่งดูค่าใช้จ่ายและรายงานสถานะ ที่ตอนนี้ระบุสาเหตุได้ว่าทำไมคำสั่งรอบนั้นถึงไม่ได้ใช้แคชที่สะสมไว้ ซึ่งเป็นตัวเลขที่มีผลกับบิลโดยตรง

ฝั่งการแก้บั๊กมีสามรายการที่กระทบคนใช้งานประจำ คือกฎอนุญาตที่มีวงเล็บอยู่ในเส้นทางไฟล์เคยถูกตัดทิ้งไปเงียบๆ กฎที่เขียนรูปแบบการค้นหาผิดเคยทำให้การแก้ไฟล์ล้มเหลวเป็นวงกว้าง และแคชคำสั่งของเซสชันที่ใช้ Fable 5.1 เคยพังเมื่อมีการประมวลผลบริบทที่แนบหลังผลลัพธ์ของเครื่องมือซ้ำ

▲ ทำไมต้องรู้ · คนที่จ่ายค่า API เองมักเห็นบิลแล้วเดาไม่ออกว่าเงินหายไปตรงไหน การที่เครื่องมือเริ่มบอกสาเหตุที่แคชไม่โดนได้เอง คือการเปลี่ยนจากการเดาเป็นการอ่านเหตุผล ซึ่งเป็นสิ่งที่ควรถามหาจากเครื่องมือทุกตัวที่คิดเงินตามการใช้งาน

Claude Code CHANGELOG

กระทู้ที่ขึ้นกระดานนักพัฒนาเมื่อ 3 ก.ย. ชี้ไปที่ข้อความในเงื่อนไขการใช้งานของ Antigravity ซึ่งเป็นเครื่องมือเขียนโค้ดของ Google โดยข้อความระบุตรงตัวว่าการใช้ซอฟต์แวร์ เครื่องมือ หรือบริการของบุคคลที่สามเพื่อเข้าถึงบริการนี้ ยกตัวอย่างการใช้ OpenClaw กับการยืนยันตัวตนของ Antigravity ถือเป็นการผิดข้อตกลง

ประโยคถัดมาคือส่วนที่ทำให้เรื่องนี้เป็นข่าว เพราะระบุว่าการกระทำเช่นนั้นอาจเป็นเหตุให้ระงับหรือยกเลิกบัญชี Antigravity และบัญชี Gemini CLI ของผู้ใช้

เรื่องนี้ไม่ใช่ข้อกังวลเชิงทฤษฎี เพราะเมื่อ 23 ก.พ. ที่ผ่านมามีรายงานว่าผู้ใช้ที่จ่ายค่าบริการระดับสูงสุดเดือนละ 250 ดอลลาร์ถูกระงับบัญชีจากการต่อเครื่องมือภายนอก โดยวิศวกรของ Google อธิบายในตอนนั้นว่าเกิดจากการใช้งานที่ทำให้คุณภาพบริการของผู้ใช้รายอื่นแย่ลง ขณะที่ผู้ใช้ที่ถูกระงับโต้ว่าตัวเองใช้งานอยู่ในโควตาที่จ่ายเงินซื้อมา

ข้อควรระวังคือหน้าเงื่อนไขที่ดึงมาอ่านไม่มีบรรทัดระบุวันที่มีผลบังคับใช้กำกับไว้ จึงบอกไม่ได้จากหน้านั้นว่าข้อความนี้เพิ่งเพิ่มเข้ามาหรือมีมานานแล้ว

▲ ทำไมต้องรู้ · ทีมไทยจำนวนมากต่อเครื่องมือ AI หลายตัวเข้าด้วยกันเพื่อให้ได้ระบบที่ถูกใจ ซึ่งเป็นเรื่องปกติจนไม่มีใครคิดว่าต้องไปอ่านเงื่อนไข บทเรียนที่ใช้ได้ทันทีคือบัญชีที่ถูกระงับในกรณีนี้ไม่ใช่แค่บัญชีของเครื่องมือตัวนั้น แต่พ่วงบัญชีอื่นในระบบเดียวกันไปด้วย ก่อนต่อระบบใดเข้ากับบัญชีที่ใช้ทำงานจริง ควรอ่านว่าผลของการผิดเงื่อนไขกินไปถึงบริการใดบ้าง

Antigravity Terms · Hacker News · The Register

เอกสารของ Cerebras ระบุว่าตอนนี้เปิดให้เรียกใช้โมเดล qwen-3.8-27b ซึ่งเป็นโมเดลขนาด 27 พันล้านพารามิเตอร์ ที่ความเร็วราว 1,500 โทเคนต่อวินาที

หน้าต่างบริบทอยู่ที่ 64,000 โทเคนสำหรับระดับใช้ฟรี และ 128,000 โทเคนสำหรับระดับเสียเงิน ส่วนอีกตัวที่เปิดอยู่บนบริการเดียวกันคือ gpt-oss-120b ที่ความเร็วราว 3,000 โทเคนต่อวินาที

ข้อควรระวังคือหน้าเอกสารที่ดึงมาอ่านไม่ได้ระบุราคาไว้ในหน้าเดียวกัน จึงยังเทียบต้นทุนต่อโทเคนกับผู้ให้บริการรายอื่นไม่ได้จากหน้านี้

▲ ทำไมต้องรู้ · ความเร็วระดับพันโทเคนต่อวินาทีเปลี่ยนประเภทของงานที่ทำได้ จากงานที่ส่งไปแล้วรอ กลายเป็นงานที่ตอบกลับทันทีระหว่างพิมพ์ ซึ่งเป็นเงื่อนไขจำเป็นของงานอย่างการช่วยร่างข้อความสดในหน้าจอที่ลูกค้ากำลังคุยอยู่ ทีมที่เคยตัดฟีเจอร์แบบนี้ทิ้งเพราะช้าเกินไป ควรกลับไปทดลองใหม่

Cerebras

ทีมวิจัยเสนอวิธีชื่อ WHALE ที่สลับกันปรับสองอย่างคือค่าน้ำหนักภายในตัวโมเดล กับโค้ดของเครื่องมือที่ครอบโมเดลไว้และคอยจัดลำดับการเรียกใช้งานจริง แทนที่จะแช่อย่างหนึ่งไว้แล้วปรับอีกอย่าง

ผลจากการทดสอบกับ agent ที่สร้างจากโมเดลตระกูล Qwen3.5 ในสามโดเมนคือดีขึ้น 4.15 ถึง 24.38 จุดเมื่อวัดด้วยค่าเฉลี่ยที่ดีที่สุดจากการลองแปดครั้ง เทียบกับการปรับเฉพาะค่าน้ำหนักหรือปรับเฉพาะเครื่องมือ

สิ่งที่ทีมบันทึกไว้คือคอขวดอยู่คนละที่ในแต่ละโดเมน บางงานติดที่ตัวโมเดล บางงานติดที่เครื่องมือ จึงต้องสลับปรับไปมาถึงจะได้ผล

▲ ทำไมต้องรู้ · ข้อสรุปนี้อ่านคู่กับตัวเลขของ Astra ในข้อแรกได้พอดี เพราะทั้งสองบอกเรื่องเดียวกันคือคะแนนที่เห็นเป็นคะแนนของทั้งชุด ไม่ใช่ของตัวโมเดลอย่างเดียว องค์กรที่กำลังเลือกโมเดลจึงควรทดสอบด้วยเครื่องมือชุดเดียวกับที่จะใช้จริง เพราะการเปลี่ยนเครื่องมือรอบตัวโมเดลขยับผลลัพธ์ได้ในระดับเดียวกับการเปลี่ยนโมเดล

arXiv 2609.00196

ทีมวิจัยทดสอบการใช้โมเดลขนาด 1.7 พันล้านพารามิเตอร์เป็นตัวให้คะแนนตามเกณฑ์ที่เขียนไว้ เพื่อป้อนค่าตอบแทนกลับเข้าไปในกระบวนการฝึกแบบเสริมกำลัง แทนการใช้โมเดลใหญ่กว่ามาทำหน้าที่นี้

ผลที่รายงานคือคะแนนตามเกณฑ์ของนโยบายที่ฝึกได้ขยับจาก 0.232 ขึ้นเป็น 0.643 โดยใช้เวลาของตัวให้คะแนนน้อยกว่าการใช้โมเดลขนาด 8 พันล้านพารามิเตอร์ถึง 10.7 เท่า และทีมระบุว่าตัวให้คะแนนแบบนี้ย้ายไปใช้กับงานและโดเมนอื่นได้

ข้อควรระวังคือนี่เป็นการให้คะแนนตามเกณฑ์ที่เขียนไว้ล่วงหน้าในกระบวนการฝึก ไม่ใช่การเอาไปตัดสินคุณภาพงานปลายทางแทนคน ซึ่งเป็นคนละโจทย์กับงานหลายชิ้นก่อนหน้าที่พบว่าการให้ AI ตรวจงาน AI มีเพดานที่ต่ำกว่าที่คิด

▲ ทำไมต้องรู้ · องค์กรที่อยากวัดคุณภาพงานที่ AI ทำให้ มักติดที่ค่าใช้จ่ายของการเอาโมเดลใหญ่มานั่งตรวจทุกชิ้น ตัวเลขชุดนี้บอกว่าสำหรับการวัดตามเกณฑ์ที่นิยามไว้ชัดเจน โมเดลเล็กมากก็พอ ซึ่งเปลี่ยนการวัดคุณภาพจากของฟุ่มเฟือยเป็นของที่ทำได้ทุกวัน โดยมีเงื่อนไขว่าต้องเขียนเกณฑ์ให้ชัดก่อน

arXiv 2608.30005

ทีมวิจัยเสนอวิธีสร้างโจทย์ที่แยกคำสั่งงานออกจากความรู้เฉพาะที่จำเป็นต้องใช้ โดยเก็บความรู้นั้นไว้ในเอกสารแนบที่ควบคุมได้ว่าจะให้ดูหรือไม่ให้ดู เพื่อวัดว่าความล้มเหลวมาจากการขาดข้อมูลหรือขาดความสามารถ

ตัวเลขที่ยืนยันว่ากลไกนี้ทำงานคือ agent ระดับแนวหน้าทำโจทย์ชุดปรับเทียบ 15 ข้อผ่านได้ 68.0 เปอร์เซ็นต์เมื่อมีเอกสารแนบ และผ่านได้ 0 เปอร์เซ็นต์เมื่อไม่มี

▲ ทำไมต้องรู้ · เวลาองค์กรทดลองใช้ AI แล้วผลออกมาไม่ดี คำถามแรกที่ตอบไม่ค่อยได้คือควรไปแก้ที่การป้อนข้อมูลภายในให้ครบ หรือควรเปลี่ยนไปใช้โมเดลที่เก่งกว่า ซึ่งสองทางนี้ราคาต่างกันมาก วิธีทดสอบแบบนี้ลอกไปใช้กับงานของตัวเองได้ตรงๆ คือลองรันงานเดิมสองรอบโดยรอบหนึ่งแนบเอกสารภายในให้ครบ อีกรอบไม่แนบ แล้วดูว่าช่องว่างอยู่ตรงไหน

arXiv 2608.30322

ทีมวิจัยเสนอวิธีชื่อ CRISP ที่ปรับวิธีเลือกว่าส่วนไหนของข้อความยาวที่โมเดลต้องใส่ใจจริงในขั้นตอนอ่านคำสั่งตั้งต้น แทนการอ่านทุกส่วนเท่ากันหมดซึ่งใช้เวลาเพิ่มขึ้นเร็วมากเมื่อข้อความยาวขึ้น

ผลที่รายงานคือเร็วขึ้นสูงสุด 5.30 เท่าในขั้นตอนนี้ที่ความยาว 512,000 โทเคน และดีขึ้นสูงสุด 28.0 จุดในงานค้นหาข้อมูลเทียบกับวิธีลัดแบบเดิม โดยยังได้ผลเทียบเท่าการอ่านทุกส่วนบนชุดทดสอบที่เน้นการค้นหา

▲ ทำไมต้องรู้ · หน้าต่างบริบทหนึ่งล้านโทเคนกลายเป็นมาตรฐานของรุ่นใหม่ไปแล้ว แต่สิ่งที่คนใช้งานรู้สึกจริงคือยิ่งแนบเอกสารเยอะ ยิ่งรอนาน งานสายนี้คือเหตุผลที่การรอนั้นจะสั้นลงในรุ่นถัดๆ ไป และเป็นสัญญาณว่าการแนบเอกสารทั้งกองแล้วถามทีเดียวจะกลายเป็นวิธีทำงานปกติมากขึ้น

arXiv 2609.01925

รายงานนี้อธิบายระบบที่แยกส่วนประกอบออกจากภาพสแกนหนังสือพิมพ์เก่าแล้วจัดให้เป็นชุดข้อมูลที่มีโครงสร้าง โดยระบุตัวเลขไว้ชัดว่าประมวลผลภาพสแกนที่เป็นสมบัติสาธารณะไปแล้ว 1,473,635 หน้า

ผลลัพธ์ที่ได้คือข้อความราว 16.3 พันล้านโทเคน และภาพย่อยที่ตัดออกมา 83.1 ล้านชิ้น จากหนังสือพิมพ์ที่ตีพิมพ์ระหว่างปี 1795 ถึง 1930

▲ ทำไมต้องรู้ · ข้อถกเถียงเรื่องข้อมูลฝึกโมเดลกับลิขสิทธิ์กำลังเข้มขึ้นทุกเดือน งานแบบนี้คือคำตอบฝั่งที่เลือกใช้เฉพาะของที่หมดลิขสิทธิ์แล้ว ซึ่งเป็นแนวทางเดียวกับที่หน่วยงานไทยที่มีเอกสารเก่าจำนวนมากอย่างหอสมุดและหอจดหมายเหตุใช้ได้ทันที ถ้าคิดจะสร้างชุดข้อมูลภาษาไทยของตัวเองโดยไม่ต้องรอความชัดเจนทางกฎหมาย

arXiv 2608.18972

ทีมวิจัยเสนอวิธีฝึกชื่อ SimLoss ที่สอนโมเดลบรรยายภาพด้วยการเทียบความใกล้เคียงในปริภูมิเวกเตอร์ แทนวิธีเดิมที่ต้องไล่ทำหลายขั้นตอนเพื่อให้ได้คำบรรยายที่ละเอียด

ผลที่รายงานคือได้ค่าความแม่นยำสูงสุดในการทดลอง และได้คะแนนรวมใกล้เคียงกับวิธีหลายขั้นตอน โดยใช้เวลาน้อยกว่าราว 20 เท่า

▲ ทำไมต้องรู้ · งานที่องค์กรไทยต้องทำซ้ำเยอะที่สุดอย่างหนึ่งคือใส่คำบรรยายให้ภาพสินค้าหลายหมื่นรายการ ซึ่งความต่างระหว่างเร็วกว่ายี่สิบเท่ากับไม่เร็ว คือความต่างระหว่างทำได้ในคืนเดียวกับทำไม่จบ วิธีที่ใช้ประเมินได้ทันทีคือดูว่าเครื่องมือที่ใช้อยู่คิดเงินตามจำนวนรอบที่เรียกหรือไม่

arXiv 2609.00591

รายงานทางเทคนิคของ NeoMME เสนอตัวเข้ารหัสที่รับทั้งข้อความและภาพดิบเข้ามาในโครงสร้างเดียวกัน โดยปล่อยสองขนาดคือ 260 ล้านและ 800 ล้านพารามิเตอร์ ซึ่งเป็นขนาดที่รันบนเครื่องขององค์กรเองได้ไม่ยาก

ตัวเลขบนชุดทดสอบการค้นเอกสารด้วยภาพชื่อ ViDoRe v3 คือรุ่น 260 ล้านได้ 0.523 และรุ่น 800 ล้านได้ 0.556 เมื่อวัดด้วยเกณฑ์การจัดอันดับผลลัพธ์สิบอันดับแรก

จุดที่ใช้งานได้จริงคือทีมรายงานว่าย่อขนาดเวกเตอร์ลงได้ 255 เท่าโดยยังรักษาประสิทธิภาพไว้เกิน 95 เปอร์เซ็นต์ของค่าตั้งต้น ข้อควรระวังคือบทคัดย่อไม่ได้ระบุว่าภาษาที่รองรับครอบคลุมภาษาไทยหรือไม่

▲ ทำไมต้องรู้ · ระบบค้นเอกสารภายในองค์กรที่ทำกันอยู่ตอนนี้มักติดสองเรื่องพร้อมกัน คือค่าเก็บเวกเตอร์ที่บานปลายตามจำนวนเอกสาร และการที่เอกสารไทยจำนวนมากเป็นภาพสแกนซึ่งค้นด้วยข้อความไม่เจอ โมเดลที่รับภาพดิบได้และย่อเวกเตอร์ได้สองร้อยกว่าเท่า ตอบทั้งสองข้อพร้อมกัน แต่ต้องทดสอบกับเอกสารไทยเองก่อนเสมอ

arXiv 2609.01657

รายงานทางเทคนิคของ VibeVoice-ASR-Streaming เสนอระบบถอดเสียงที่ทำงานต่อเนื่องแบบทันทีระหว่างที่คนกำลังพูด และระบุผู้พูดไปพร้อมกันในโมเดลเดียว แทนการต่อระบบถอดเสียงกับระบบแยกผู้พูดเข้าด้วยกันเป็นสองขั้น

ผลที่รายงานสำหรับรุ่นขนาด 7 พันล้านพารามิเตอร์คือได้ค่าความผิดพลาดเฉลี่ยต่ำที่สุดบนชุดประเมินทั้งห้าชุด และทำได้ดีที่สุดหรือดีเท่าตัวที่ดีที่สุดใน 12 จาก 13 เงื่อนไขของการระบุผู้พูด

ข้อควรระวังคือรายงานไม่ได้ระบุว่าชุดประเมินทั้งห้าครอบคลุมภาษาไทยหรือไม่ ตัวเลขนี้จึงยังใช้คาดการณ์ผลกับเสียงภาษาไทยไม่ได้

▲ ทำไมต้องรู้ · งานที่ทุกองค์กรอยากได้เหมือนกันหมดคือบันทึกการประชุมที่รู้ว่าใครพูดประโยคไหน ซึ่งที่ผ่านมาต้องต่อระบบสองชั้นแล้วความผิดพลาดสะสมกัน การที่มีระบบเดียวจบและทำงานทันทีระหว่างประชุม เปลี่ยนจากงานที่ต้องรอหลังประชุมเป็นงานที่เห็นผลระหว่างประชุม สิ่งที่ต้องทดสอบก่อนคือเสียงภาษาไทยที่มีคำอังกฤษปนซึ่งเป็นแบบที่ประชุมจริงในไทยเป็นกันเกือบทั้งหมด

arXiv 2609.02812

ค่ำวันที่ 3 ก.ย. ตามเวลาไทย ผู้ใช้รายงานว่า ChatGPT, Claude และ Grok ใช้งานไม่ได้ในช่วงเวลาใกล้เคียงกัน โดยหน้าสถานะของ Anthropic บันทึกว่าเริ่มตรวจสอบข้อผิดพลาดที่เพิ่มขึ้นเมื่อ 20:26 น. ตามเวลาไทย ขยายไปกระทบโมเดลรุ่นอื่นเพิ่มในเวลา 20:50 น. และประกาศว่าแก้ไขเรียบร้อยเมื่อ 23:23 น. รวมเวลาราวสามชั่วโมง

สิ่งที่ได้รับผลกระทบฝั่ง Anthropic คือทั้งหน้าเว็บ ตัว API เครื่องมือบรรทัดคำสั่ง และผลิตภัณฑ์สำหรับทำงานร่วมกัน ส่วน Grok ระบุภายหลังว่าเกิดจากปัญหาที่ศูนย์ประมวลผลของตัวเองที่เมืองเมมฟิส

คำอธิบายที่คนคาดเดากันมากที่สุดบนกระดานนักพัฒนาคือมีบริการพื้นฐานร่วมกันบางตัวล่มแล้วลามต่อ โดยในกระทู้เดียวกันมีการอ้างว่าผู้บริหารฝ่ายเทคโนโลยีของ Cloudflare ปฏิเสธว่าฝั่งตัวเองไม่มีปัญหา ซึ่งเป็นคำอ้างในความเห็นของผู้ใช้ ไม่ใช่ประกาศทางการที่เราตรวจต้นทางได้ อีกคำอธิบายที่ถูกยกมาคือเมื่อเจ้าหนึ่งล่ม ผู้ใช้ย้ายไปอีกเจ้าพร้อมกันจนเจ้าที่เหลือรับไม่ไหวต่อกันเป็นทอด

ข้อควรระวังคือจนถึงตอนนี้ยังไม่มีบริษัทใดประกาศสาเหตุร่วมอย่างเป็นทางการ และตัวเลขที่คนใช้อ้างอิงกันส่วนหนึ่งมาจากเว็บรวบรวมรายงานของผู้ใช้ ซึ่งเป็นการนับคนที่เข้ามาแจ้ง ไม่ใช่การตรวจสอบระบบจริง ส่วน Gemini มีรายงานว่ายังใช้งานได้ตามปกติ

▲ ทำไมต้องรู้ · แผนสำรองที่หลายองค์กรเขียนไว้คือถ้าเจ้าหนึ่งล่มให้สลับไปอีกเจ้า ซึ่งวันนี้พิสูจน์แล้วว่าสมมติฐานนั้นไม่จริงเสมอไป สิ่งที่ควรเพิ่มเข้าไปในแผนคือคำถามว่างานไหนที่หยุดไม่ได้จริงๆ และงานนั้นมีวิธีทำแบบไม่ใช้ AI ค้างไว้หรือเปล่า เพราะการสลับผู้ให้บริการไม่ได้ช่วยอะไรถ้าทุกเจ้าล่มพร้อมกัน

Claude Status · Hacker News · Blognone

Blognone รายงานเมื่อ 3 ก.ย. ว่า Microsoft จะเปลี่ยนวิธีรายงานผลประกอบการตั้งแต่ปีบัญชี 2570 โดยยุบจากสามกลุ่มธุรกิจเหลือสองกลุ่ม

กลุ่มแรกชื่อ Agents and Infra รวม Azure ผลิตภัณฑ์ Microsoft 365 ทั้งฝั่งคลาวด์และฝั่งซอฟต์แวร์ และ GitHub ไว้ด้วยกัน มีรายได้เมื่อคิดจากตัวเลขปีบัญชี 2569 อยู่ที่ 270,000 ล้านดอลลาร์ ส่วนกลุ่มที่สองชื่อ Devices and Consumer รวมการค้นหา Xbox Windows และอุปกรณ์ มีรายได้ 64,000 ล้านดอลลาร์

เหตุผลที่ Satya Nadella ให้ไว้คือ AI ทำให้เส้นแบ่งระหว่างกลุ่มธุรกิจเดิมเปลี่ยนไป จนการรายงานแบบเดิมไม่สะท้อนวิธีที่บริษัททำงานจริงอีกต่อไป

▲ ทำไมต้องรู้ · วิธีที่บริษัทใหญ่จัดกลุ่มตัวเลขให้นักลงทุนดู มักตามหลังการจัดทีมภายในไปแล้วหลายเดือน การที่ซอฟต์แวร์สำนักงานถูกย้ายไปอยู่กลุ่มเดียวกับโครงสร้างพื้นฐาน แปลว่าผู้ผลิตมองว่าสิ่งที่ขายต่อจากนี้คือระบบที่ทำงานให้เอง ไม่ใช่โปรแกรมที่คนเปิดใช้ ซึ่งเป็นสัญญาณล่วงหน้าว่าฟีเจอร์และราคาของชุดที่องค์กรไทยซื้ออยู่จะถูกจัดใหม่ตามนั้น

Blognone

Blognone รายงานเมื่อ 3 ก.ย. ว่า Eric Lu จากบริษัท Cognition AI ประกาศว่าแยกตัวประกอบเลข RSA-260 ได้สำเร็จ ซึ่งเป็นเลขในชุดทดสอบที่ใช้วัดความยากของการถอดรหัสแบบ RSA

ครั้งก่อนหน้าที่มีการแก้เลขในชุดนี้ได้คือ RSA-250 เมื่อปี 2563 หรือห่างกันหกปีครึ่ง โดยความปลอดภัยของการเข้ารหัสแบบนี้ตั้งอยู่บนความยากของการแยกผลคูณของจำนวนเฉพาะขนาดใหญ่สองตัวกลับคืน

บริบทที่ควรรู้คือมาตรฐานปัจจุบันกำหนดให้ใช้กุญแจขนาดอย่างน้อย RSA-2048 และกำหนดให้ใช้ RSA-3072 สำหรับงานที่ต้องปลอดภัยเลยปี 2574 ไปแล้ว ซึ่งใหญ่กว่าเลขที่เพิ่งถูกแก้ได้นี้มาก

▲ ทำไมต้องรู้ · ข่าวแบบนี้มักถูกเล่าต่อในไทยว่าการเข้ารหัสถูกเจาะแล้ว ซึ่งไม่ตรงกับข้อเท็จจริง สิ่งที่เกิดขึ้นคือเลขที่เล็กกว่ามาตรฐานที่ใช้จริงมากถูกแยกได้ด้วยกำลังประมวลผลมหาศาล ประโยชน์สำหรับคนทำงานคือใช้เป็นจังหวะไปตรวจว่าระบบเก่าในองค์กรยังใช้กุญแจขนาดต่ำกว่ามาตรฐานอยู่หรือเปล่า ซึ่งเป็นของที่มักค้างอยู่ในระบบที่ไม่มีใครแตะมานาน

Blognone