AI News · 2026-09-06

Blognone รายงานเมื่อ 5 ก.ย. โดยอ้างโพสต์ของ Sam Altman ว่า GPT-6 Astra เปิดให้ผู้ใช้ ChatGPT ระดับ Plus, Pro, Business และ Enterprise ใช้งานได้แล้ว รวมถึงผ่าน API ด้วย หลังจากตอนประกาศเปิดตัวเมื่อ 3 ก.ย. บริษัทระบุว่าจะปล่อยให้เฉพาะบางองค์กรก่อนแล้วค่อยทยอยขยาย

รายงานชิ้นเดียวกันระบุว่าการเข้าถึงเป็นการเข้าผ่าน ChatGPT Work และ Codex โดยไม่ได้อธิบายรายละเอียดของสองช่องทางนี้เพิ่ม จึงยังตอบไม่ได้จากรายงานนี้ว่าผู้ใช้ Plus จะเห็นชื่อโมเดลในช่องเลือกโมเดลปกติหรือไม่

ข้อควรระวังคือข่าวนี้ยืนยันได้จากรายงานของสำนักข่าวเดียวที่อ้างโพสต์บนโซเชียลของผู้บริหาร ยังไม่ใช่หน้าประกาศทางการที่มีรายละเอียดโควตาต่อแผน ส่วนหน้าบันทึกรุ่นของ ChatGPT เองวันนี้ดึงข้อมูลไม่ได้ ตัวเลขราคาและสเปกยังเป็นชุดเดิมที่ประกาศไว้เมื่อ 3 ก.ย.

▲ ทำไมต้องรู้ · ช่วงเวลาระหว่างวันที่โมเดลใหม่ถูกประกาศกับวันที่คนทั่วไปได้ใช้จริง กำลังหดจากหลายสัปดาห์เหลือไม่กี่วัน ซึ่งเปลี่ยนวิธีวางแผนของทีมที่ต้องเลือกโมเดล เพราะการรอให้ของนิ่งก่อนแล้วค่อยตัดสินใจใช้ไม่ได้แปลว่ารอนานเหมือนเดิมอีกแล้ว สิ่งที่ควรทำแทนคือเตรียมวิธีสลับโมเดลในระบบของตัวเองไว้ล่วงหน้า

Blognone

รายงานของ LLaDA-Image เสนอโครงสร้างที่จับโมเดลสร้างภาพแบบ Diffusion Transformer ขนาด 6 พันล้านพารามิเตอร์ที่ฝึกจากศูนย์ มาต่อกับส่วนที่เข้าใจภาพและภาษาซึ่งแช่แข็งไว้ไม่ฝึกต่อ โดยสร้างบนโมเดลภาษาแบบ diffusion ชื่อ LLaDA2.0-Mini

จุดที่ทีมเน้นคือลำดับการฝึก แทนที่จะพึ่งข้อมูลภาพคู่ข้อความตั้งแต่แรก ทีมสร้างพื้นฐานการสร้างภาพจากภาพล้วนก่อนในขั้นฝึกต้นและฝึกกลาง แล้วค่อยเข้าสู่สายการผลิตที่ใช้ตัวอย่าง 220 ล้านชุด

คะแนนบน Qwen-Image-Bench อยู่ที่ 53.53 ในสายภาษาอังกฤษและ 53.38 ในสายภาษาจีน ซึ่งทีมระบุว่าเป็นที่หนึ่งในกลุ่มโมเดลโอเพนซอร์สทั้งสองสาย และมีรุ่นย่อชื่อ LLaDA-Image-Turbo ที่สร้างภาพจบใน 2 ถึง 4 ขั้น

ข้อควรระวังคือคะแนนนี้เป็นตัวเลขที่ทีมวัดเอง ยังไม่มีผู้ประเมินอิสระ และการเทียบเป็นการเทียบในกลุ่มโมเดลเปิดด้วยกัน ไม่ใช่การเทียบกับโมเดลสร้างภาพเชิงพาณิชย์

▲ ทำไมต้องรู้ · สิ่งที่ต่างจากการปล่อยโมเดลเปิดทั่วไปคือทีมปล่อยสูตรฝึกและโค้ดออกมาด้วย ไม่ใช่แค่ไฟล์น้ำหนักโมเดล ซึ่งเป็นเงื่อนไขที่ทำให้ทีมในไทยเอาไปฝึกต่อกับภาพงานของตัวเองอย่างสินค้าหรือสถานที่จริงได้ แทนที่จะได้แค่โมเดลที่เอาไปใช้ตามที่เขาให้มาเท่านั้น

arXiv 2609.03796

บันทึกรุ่นของ API เมื่อ 3 ก.ย. ระบุว่าเครื่องมือบรรทัดคำสั่งรุ่น 1.30.0 เพิ่มคำสั่ง ant apply ที่สร้างและอัปเดตทรัพยากรบน API จากไฟล์ในรีโป ครอบคลุม agent, สภาพแวดล้อมที่ใช้รัน, skill, คลังความจำ และงานที่ตั้งเวลาไว้

วิธีทำงานคือเขียนแต่ละอย่างเป็นไฟล์ Markdown หรือ YAML ในโฟลเดอร์ที่ตั้งชื่อตามชนิด รันคำสั่ง แล้วระบบจะพิมพ์แผนว่าจะสร้างหรือแก้อะไรบ้างให้กดอนุมัติก่อน จากนั้นเขียนไฟล์ล็อกชื่อ claude-lock.json ที่ต้องคอมมิตตามไปด้วย เพื่อให้รอบถัดไปไปแก้ของเดิมแทนการสร้างใหม่ซ้ำ

ไฟล์ต่างๆ อ้างถึงกันด้วยเส้นทางไฟล์แทนการใส่รหัสจริง ระบบจะไล่สร้างตามลำดับที่ต้องพึ่งกันแล้วเติมรหัสให้เอง ส่วนบนระบบอัตโนมัติต้องใส่ตัวเลือกยืนยันเองเพราะไม่มีคนกด และเอกสารเตือนว่าให้รันทีละงานเพราะไม่มีอะไรล็อกไฟล์ล็อกไว้

ข้อจำกัดที่เอกสารเขียนไว้ตรงๆ คือคำสั่งนี้รับช่วงต่อ agent ที่สร้างไว้จากหน้าคอนโซลไม่ได้ ถ้าเอาไฟล์ที่บรรยาย agent ตัวเดิมมารัน ระบบจะสร้างตัวที่สองขึ้นมาแทน และการลบไฟล์ทิ้งเฉยๆ จะไม่ลบของจริงจนกว่าจะสั่งตัดออกเอง

▲ ทำไมต้องรู้ · นี่คือสัญญาณว่างานตั้งค่า AI กำลังย้ายจากการกดในหน้าเว็บ ไปเป็นไฟล์ที่ผ่านการรีวิวเหมือนโค้ด ซึ่งเป็นจุดที่องค์กรไทยหลายแห่งกำลังเจ็บอยู่ตอนนี้ เพราะคำสั่งของ agent ที่ใครก็แก้ในหน้าเว็บได้โดยไม่มีประวัติ ทำให้ไล่ไม่ออกว่าใครเปลี่ยนอะไรตอนระบบเริ่มตอบเพี้ยน

Anthropic API release notes · เอกสาร ant apply

บล็อกวิศวกรรมของ Spotify เมื่อ 3 ก.ย. อธิบายเครื่องมือภายในชื่อ Portal ที่ให้คนประกาศผู้ช่วยย่อยเป็นค่าตั้งค่า โดยกำหนดคำสั่ง เลือกโมเดล และผูกเครื่องมือให้ ไม่ต้องดูแลเซิร์ฟเวอร์หรือกุญแจ API เอง

ปัญหาที่บริษัทตั้งต้นคือผู้ช่วยเขียนโค้ดเผาโทเคนของโมเดลแพงไปกับงานจำเจอย่างการไล่อ่านไฟล์หลายไฟล์ การเขียนโค้ดโครงซ้ำๆ และการอัปเดตเอกสาร วิธีแก้คือส่งงานพวกนี้ไปให้โมเดลที่ถูกกว่า แล้วเก็บโมเดลแพงไว้ใช้กับงานที่ต้องคิดจริง

ตัวเลขที่โพสต์อ้างคือค่าเฉลี่ยการประหยัดโทเคนราว 90 เปอร์เซ็นต์ เมื่อเทียบการให้ผู้ช่วยย่อยที่ทำหน้าที่อ่านไฟล์แบบเหมารวมทำงานแทนการอ่านไฟล์ตรงๆ ทดสอบกับสี่สถานการณ์บนรีโปรวมภาษา Java ก้อนเดียว

ข้อควรระวังคือโพสต์ให้มาเป็นเปอร์เซ็นต์อย่างเดียว ไม่มีจำนวนโทเคนจริงหรือค่าใช้จ่ายเป็นเงินให้เทียบ และเป็นการวัดภายในของบริษัทเจ้าของเครื่องมือเอง

▲ ทำไมต้องรู้ · หลักการที่หยิบไปใช้ได้เลยโดยไม่ต้องมีเครื่องมือของ Spotify คือแยกงานสองประเภทออกจากกัน งานที่แค่ต้องหยิบของมาวางกับงานที่ต้องตัดสินใจ แล้วอย่าจ่ายราคาโมเดลแพงให้กับประเภทแรก ซึ่งเป็นวิธีลดบิลที่ได้ผลกว่าการไล่ตัดความยาวคำสั่งทีละนิด

Spotify Engineering

บริษัท Armature เผยแพร่เมื่อ 3 ก.ย. ว่าได้รันเซสชันทั้งหมด 16,893 รอบบนชุดรีโปที่สร้างขึ้นเอง 75 แห่งใน 10 ภาษา แล้วคัดเหลือ 5,292 รอบบน 51 ฐานโค้ดใน 18 กลุ่มธุรกิจที่ถือว่าใช้ได้และนำมาเผยแพร่ โดยทดสอบ Claude Code, Codex และ Cursor ด้วยคำสั่ง 1,163 แบบและบุคลิกผู้ใช้สี่แบบตั้งแต่คนที่ปล่อยให้ AI เขียนให้ทั้งหมด ไปจนถึงวิศวกรในองค์กรใหญ่

ผลที่ชัดที่สุดคือทั้งสามเจ้าเลือกเครื่องมือตัวเดียวกันเพียง 42 เปอร์เซ็นต์ของช่องที่วัด และพฤติกรรมการค้นเว็บก่อนตัดสินใจต่างกันมาก โดย Codex ค้นเว็บใน 94 เปอร์เซ็นต์ของเซสชัน Cursor ราว 67 เปอร์เซ็นต์ ส่วน Claude Code ค้นเพียงราว 30 เปอร์เซ็นต์เพราะพึ่งความรู้เดิมของตัวเองเป็นหลัก แต่ขึ้นไปราว 80 เปอร์เซ็นต์ในกลุ่มธุรกิจที่ใหม่กว่าซึ่งความรู้เดิมของมันบางลง

ภาษาของรีโปมีผลต่อผู้ชนะด้วย เช่นในกลุ่มบริการส่งอีเมล Resend ชนะในโปรเจกต์ TypeScript 55 จาก 89 รอบ Sendgrid ชนะในฝั่ง Python 22 จาก 24 รอบ Postmark ชนะในฝั่ง Go 20 จาก 24 รอบ และบริการของ Azure ชนะในฝั่ง Java 22 จาก 23 รอบ

ตัวเลขที่แปลกที่สุดคือช่องว่างระหว่างการถูกพูดถึงกับการถูกเลือกจริง PayPal ถูกเอ่ยถึง 139 ครั้งแต่ไม่เคยถูกเลือกเลยสักครั้ง โดยในกลุ่มเดียวกันนั้น Stripe ชนะไป 124 จาก 139 รอบ ส่วน LangChain ถูกเอ่ยถึง 194 ครั้งแต่ถูกเลือกจริงแค่ 4 ครั้ง

ข้อควรระวังที่ต้องอ่านคู่กับทุกตัวเลขข้างบนคือรายงานเขียนไว้เองว่าบริษัทขายบริการช่วยให้ผลิตภัณฑ์ของลูกค้าถูกผู้ช่วยเขียนโค้ดเลือก งานนี้จึงเป็นการวัดของผู้มีส่วนได้เสียโดยตรง อีกทั้งรีโปที่ใช้ทดสอบเป็นของที่สร้างขึ้นทั้งหมดไม่ใช่โค้ดที่ใช้งานจริง มีการคัดเซสชันทิ้งไปราวสองในสามโดยอธิบายเกณฑ์ไว้สั้นมาก และไม่ได้ระบุรุ่นของผู้ช่วยทั้งสามตัวหรือช่วงวันที่รัน

▲ ทำไมต้องรู้ · เวลาเราสั่งผู้ช่วยว่าช่วยต่อระบบส่งอีเมลให้หน่อย มันไม่ได้ถามว่าจะใช้เจ้าไหน แต่เลือกให้เลยตามความเคยชินของตัวมันเอง แปลว่าการเลือกผู้ให้บริการที่เคยเป็นการตัดสินใจของหัวหน้าทีม กำลังกลายเป็นค่าตั้งต้นที่ฝังอยู่ในเครื่องมือ ทางแก้ที่ทำได้ทันทีคือเขียนรายชื่อบริการที่องค์กรอนุมัติแล้วไว้ในไฟล์คำสั่งประจำโปรเจกต์ ไม่ใช่ปล่อยให้เป็นดุลพินิจของโมเดล

Armature

Simon Willison เขียนเมื่อ 5 ก.ย. ว่าลองติดตั้งโปรแกรม Blender แบบเต็มบน macOS แล้วสั่งผู้ช่วยเขียนโค้ดของ ChatGPT ที่ชื่อ Codex ให้เรียกใช้โปรแกรมที่ติดตั้งไว้แล้วในเครื่อง โดยไม่ต้องตั้งค่าตัวเชื่อมอะไรเพิ่ม

คำสั่งที่ใช้เป็นภาษาพูดล้วน เริ่มจากบอกให้ใช้ Blender ที่อยู่ในโฟลเดอร์แอปพลิเคชันเพื่อเรนเดอร์ฉากที่ต้องการ แล้วตามด้วยคำสั่งสั้นๆ ให้เติมฉากหลังและปรับให้ดีขึ้น ผลที่ได้เป็นทั้งไฟล์งานที่เปิดแก้ต่อในโปรแกรมได้จริง และภาพที่เรนเดอร์ออกมาแล้ว

ข้อสังเกตของเขาคือโมเดลแนวหน้ารุ่นปัจจุบันใช้ Blender ผ่านชุดคำสั่งภาษา Python ของโปรแกรมได้คล่องพอที่จะออกทั้งไฟล์ที่แก้ต่อได้และภาพนิ่งหรือลำดับภาพเคลื่อนไหว

▲ ทำไมต้องรู้ · สิ่งที่น่าสนใจไม่ใช่ตัวภาพ แต่คือรูปแบบการทำงานที่ใช้กับโปรแกรมอื่นได้ด้วย คือถ้าโปรแกรมที่เราใช้อยู่สั่งงานผ่านสคริปต์ได้ ผู้ช่วยเขียนโค้ดก็ขับมันได้โดยไม่ต้องรอให้ใครทำตัวเชื่อมเฉพาะทางมาให้ ซึ่งเปิดทางให้งานทำซ้ำในโปรแกรมออกแบบ บัญชี หรือวิเคราะห์ข้อมูลที่มีสคริปต์อยู่แล้ว

Simon Willison

Google เปิดฟีเจอร์กลุ่มที่เรียกว่า Live ให้ผู้ใช้ทั่วไปเมื่อ 5 ก.ย. หลังจากเคยโชว์ในงานนักพัฒนาของบริษัทเมื่อต้นปี โดยครอบคลุมสามผลิตภัณฑ์ในชุดทำงานคือ Gmail, Docs และ Keep

ฝั่ง Gmail ผู้ใช้ถามด้วยเสียงแล้วให้ระบบไปค้นคำตอบในกล่องจดหมายให้ได้ ฝั่ง Docs ทำหน้าที่เป็นผู้ช่วยร่างเอกสารที่ดึงข้อมูลจากหลายแหล่งมาประกอบ ส่วน Keep ให้พูดความคิดออกมาแล้วระบบจัดเป็นเนื้อหาที่มีรูปแบบให้

เงื่อนไขการใช้งานไม่เท่ากันทุกตัว โดย Gmail และ Keep เปิดให้ผู้สมัคร Google AI ระดับ Plus, Pro และ Ultra ส่วน Docs จำกัดเฉพาะระดับ Pro และ Ultra ขณะที่ลูกค้าองค์กรที่ใช้ Google Workspace ยังต้องรอรอบถัดไป

▲ ทำไมต้องรู้ · นี่เป็นก้าวที่ AI ขยับจากช่องแชทแยกต่างหาก เข้าไปอยู่ในโปรแกรมที่คนทำงานเปิดค้างไว้ทั้งวันอยู่แล้ว ซึ่งเปลี่ยนต้นทุนการเริ่มใช้ให้เกือบเป็นศูนย์ ข้อควรระวังสำหรับองค์กรคือการค้นกล่องจดหมายด้วยเสียงหมายถึงเนื้อหาอีเมลถูกส่งเข้าโมเดล จึงควรตกลงกันในทีมก่อนว่ากล่องจดหมายไหนใช้ได้และไหนใช้ไม่ได้

Blognone · Google Workspace blog

Google อัปเดตฟีเจอร์แปลสดที่เปิดตัวไปเมื่อเดือนมิถุนายน โดยฝั่ง Android เพิ่มความสามารถให้การแปลทำงานต่อเบื้องหลังได้ ผู้ใช้จึงสลับไปทำอย่างอื่นบนเครื่องระหว่างฟังคำแปลได้ และฟีเจอร์นี้จะตามไปที่ iOS ในภายหลัง

ฝั่ง iPhone ได้ของที่ Android มีอยู่แล้วคือการฟังคำแปลออกลำโพงของเครื่องได้โดยไม่ต้องเสียบหูฟัง ทำให้ใช้ในสถานการณ์ที่คุยกันหลายคนได้สะดวกขึ้น

เหตุผลที่ Google ยกมาอธิบายการเพิ่มโหมดเบื้องหลังคือหนึ่งในสามของผู้ใช้ฟีเจอร์นี้ แปลเสียงที่ยาวเกินห้านาที ส่วนฟีเจอร์แปลสดรองรับมากกว่า 70 ภาษา

▲ ทำไมต้องรู้ · การแปลเสียงต่อเนื่องยาวเกินห้านาทีคือรูปแบบการประชุมจริง ไม่ใช่การถามทางนักท่องเที่ยว การที่ตัวเลขของ Google บอกว่าคนใช้แบบนั้นถึงหนึ่งในสาม แปลว่าเครื่องมือกลุ่มนี้กำลังถูกใช้ทำงานจริงในองค์กรที่ต้องคุยข้ามภาษา และข้อจำกัดที่ยังต้องเผื่อไว้คือคำเฉพาะทางของแต่ละธุรกิจซึ่งระบบแปลทั่วไปยังพลาดบ่อย

Blognone

รายงานของ Terminal-Universe ตั้งต้นจากปัญหาที่ทีมเขียนว่าบันทึกการทำงานของ agent สายบรรทัดคำสั่งสะสมกันไว้มหาศาลแล้ว แต่สภาพแวดล้อมที่รันได้จริงและสมจริงยังหายาก

วิธีที่ทีมใช้คือประกอบสภาพแวดล้อมกลับขึ้นมาจากบันทึกเหล่านั้น ด้วยการเล่นซ้ำการกระทำต่อไฟล์ที่บันทึกไว้ แล้วสังเคราะห์ส่วนที่ขาดหายอย่างไลบรารีที่ต้องพึ่งพาขึ้นมาเติมให้ครบ จากนั้นจึงออกโจทย์ใหม่บนสนามนั้นและรองรับการโต้ตอบหลายรอบได้

ผลที่ได้จากบันทึกสาธารณะคือสภาพแวดล้อมที่มีข้อมูลพอจะตั้งโจทย์ได้ 37,300 ชุด และเมื่อเอาไปฝึกต่อโมเดล Qwen3.5-27B คะแนนบน Terminal-Bench 2.1 เพิ่มขึ้น 11.9 จุด กับบน EvoCode-Bench v2 เพิ่มขึ้น 13.8 จุด

▲ ทำไมต้องรู้ · ข้อจำกัดที่ทำให้ทีมส่วนใหญ่ฝึกผู้ช่วยของตัวเองไม่ได้ ไม่ใช่การขาดตัวอย่างงาน แต่คือการขาดสนามที่ให้มันลองแล้วรู้ว่าถูกหรือผิด แนวคิดที่ว่าเอาบันทึกการทำงานที่มีอยู่แล้วมาประกอบกลับเป็นสนาม จึงเป็นทางที่องค์กรซึ่งมีบันทึกการใช้เครื่องมือของตัวเองอยู่แล้วหยิบไปคิดต่อได้

arXiv 2609.04148

ทีมวิจัยเสนอวิธีชื่อ Random Attention ซึ่งตั้งคำถามกับสมมติฐานร่วมของวิธีบีบอัดหน่วยความจำที่ใช้กันทุกวันนี้ คือการให้คะแนนแต่ละโทเคนว่าจะสำคัญแค่ไหนในอนาคตแล้วเก็บตัวที่ได้คะแนนสูงไว้

สิ่งที่ทีมทำคือเก็บส่วนที่เป็นคำสั่งตั้งต้นไว้ทั้งหมด แล้วทิ้งส่วนที่เหลือแบบสุ่มโดยไม่คำนวณคะแนนใดๆ เลย ผลคือทดสอบกับสี่โมเดลและหกงานที่ต้องใช้การให้เหตุผล แล้วได้ผลเทียบเท่าวิธีคัดที่ดีที่สุดที่มีอยู่ พร้อมกับรองรับงานได้มากขึ้น 32 ถึง 43 เปอร์เซ็นต์เมื่อรันจริงบน vLLM

คำอธิบายที่ทีมให้ไว้มีสองชั้น ชั้นแรกคือส่วนที่เปราะจริงๆ คือคำสั่งตั้งต้น และช่องว่างระหว่างวิธีคัดต่างๆ ที่เห็นกันมา แท้จริงแค่สะท้อนว่าวิธีนั้นบังเอิญเก็บคำสั่งตั้งต้นไว้ได้หรือไม่ ชั้นที่สองคือร่องรอยการคิดของโมเดลป้องกันตัวเองด้วยความซ้ำซ้อนอยู่แล้ว ทั้งในตัวข้อความที่โมเดลทวนสิ่งที่ยังต้องใช้ซ้ำไปมา และข้ามหัวความสนใจที่ต่างเก็บสำเนาของตัวเองไว้

▲ ทำไมต้องรู้ · บทเรียนที่ใช้ได้กว้างกว่าเรื่องเทคนิคคืออย่ารีบเชื่อว่าวิธีที่ซับซ้อนกว่าย่อมดีกว่า เพราะงานนี้แสดงว่าสิ่งที่คนคิดว่าเป็นความฉลาดของอัลกอริทึม แท้จริงมาจากผลข้างเคียงที่ไม่มีใครตั้งใจ ซึ่งเป็นเหตุผลที่ควรมีวิธีเปรียบเทียบแบบง่ายที่สุดไว้เป็นเส้นฐานเสมอเวลาประเมินของใหม่

arXiv 2609.03430

รายงานของ LatentPress ชี้ว่าปกติเวลาเราย่อบริบทให้โมเดล เรามักย่อเป็นข้อความที่คนอ่านออกหรือเป็นภาพที่ต้องถอดกลับก่อนใช้ ทั้งที่ผู้อ่านปลายทางคือโมเดล ไม่ใช่คน

วิธีที่ทีมเสนอคือเขียนประวัติการสนทนาและเอกสารยาวให้กลายเป็นโทเคนความจำแบบต่อเนื่อง ที่โมเดลซึ่งแช่แข็งไว้อ่านตรงผ่านช่องรับข้อมูลของตัวเองได้เลย โดยไม่ต้องแปลงกลับเป็นข้อความตอนใช้งาน

ตัวเลขที่รายงานให้ไว้คือบีบได้ 4 ถึง 16 เท่าโดยใช้แค่ตัวปรับเล็กๆ บนชุดทดสอบ LongMemEval ได้ความแม่น 0.504 ที่อัตราบีบ 7.70 เท่า ซึ่งสูงกว่าทั้งการสรุปเป็นข้อความและการอ่านผ่านภาพ ส่วนเวลาเขียนอยู่ที่ 43 มิลลิวินาทีต่อบทสนทนา และเวลาอ่านเร็วกว่าการป้อนบริบทดิบ 5 ถึง 9 เท่า

▲ ทำไมต้องรู้ · ค่าใช้จ่ายก้อนใหญ่ที่สุดของระบบ AI ที่ต้องจำเรื่องเก่าได้ คือการลากประวัติทั้งกองกลับเข้าไปใหม่ทุกครั้งที่ถาม งานนี้ชี้ทางที่สาม คือเก็บความจำในรูปที่ออกแบบมาเพื่อเครื่องอ่าน ซึ่งถ้าใช้ได้จริงจะลดทั้งเวลารอและบิลของงานอย่างระบบตอบลูกค้าที่ต้องจำบทสนทนาเดิม

arXiv 2609.01507

ทีมวิจัยศึกษาวิธีถ่ายทอดความรู้จากโมเดลครูสู่โมเดลนักเรียนแบบที่ให้นักเรียนลองทำเองแล้วครูให้คำแนะนำละเอียดทีละโทเคน โดยตั้งคำถามที่ยังไม่มีใครตอบชัด คือข้อมูลฝึกมีบทบาทแค่ไหนในวิธีนี้

วิธีทดสอบคือดันไปสุดขั้วที่สุด ด้วยการฝึกจากโจทย์เพียงข้อเดียว ผลคือการฝึกยังดีขึ้นต่อเนื่องหลายร้อยรอบ และได้ผลกลับคืนมาเกือบเท่าการฝึกด้วยข้อมูลเต็มชุด ทั้งข้ามประเภทงานและข้ามตระกูลโมเดล

ตัวเลขที่ทีมรายงานคือโจทย์เดียวครอบคลุมสถานะที่โมเดลไปถึงได้ 71.5 เปอร์เซ็นต์ภายในร้อยรอบแรก และเมื่อใช้โจทย์ที่ต่างกันเชิงความหมาย 16 ข้อ ความครอบคลุมขึ้นไปถึง 98.9 เปอร์เซ็นต์ซึ่งเทียบเท่าการใช้ชุดข้อมูลเต็ม ข้อสรุปของทีมคือวิธีนี้ไม่ได้ติดที่ปริมาณข้อมูล แต่ติดที่ประสิทธิภาพของการฝึกเอง

▲ ทำไมต้องรู้ · ความเชื่อที่ฝังแน่นที่สุดข้อหนึ่งคือต้องมีข้อมูลเยอะก่อนถึงจะเริ่มปรับโมเดลให้เข้ากับงานของตัวเองได้ งานนี้เป็นหลักฐานอีกชิ้นว่าอย่างน้อยในวิธีตระกูลนี้ ข้อจำกัดจริงอยู่ที่วิธีฝึกมากกว่าจำนวนตัวอย่าง ซึ่งเปลี่ยนคำถามของทีมเล็กจากจะไปหาข้อมูลจากไหน เป็นจะเลือกตัวอย่างที่ต่างกันจริงมาสักกี่แบบดี

arXiv 2609.04172

ทีมวิจัยทดสอบความเชื่อที่แพร่หลายในชุมชนโมเดลเปิด ว่าชั้นที่เป็นความจำแบบวนซ้ำในโมเดลลูกผสมนั้นบอบบางเกินกว่าจะบีบให้เหลือสี่บิตได้ เพราะความคลาดเคลื่อนจะสะสมทบขึ้นเรื่อยๆ เมื่อบริบทยาว การบีบรุ่นก่อนหน้าจึงมักเว้นชั้นกลุ่มนี้ไว้ที่แปดหรือสิบหกบิต

สิ่งที่ทีมทำคือบีบทุกชั้นเชิงเส้นทั้ง 496 ชั้นของโมเดล Qwen3.8-27B ให้เหลือสี่บิตทั้งน้ำหนักและค่าที่ไหลผ่าน แล้ววัดผลด้วยชุดทดสอบหลากหลายตั้งแต่คณิตศาสตร์ การเขียนโค้ด ไปจนถึงการค้นข้อมูลในบริบทยาวหกหมื่นสี่พันโทเคน

ผลคือคะแนนเฉลี่ยห้างานต่างจากรุ่นความละเอียดเต็มเพียง 0.52 จุดซึ่งอยู่ในระดับความแปรปรวนของการสุ่ม ขณะที่ขนาดไฟล์เหลือ 17.5 กิกะไบต์และช่วงอ่านคำสั่งตั้งต้นเร็วขึ้น 14 ถึง 19 เปอร์เซ็นต์ ที่น่าสนใจกว่านั้นคือช่องว่างของคุณภาพที่บริบทยาวกลับแคบลงเมื่อตำแหน่งไกลขึ้น แทนที่จะกว้างขึ้นตามที่คนคาด

▲ ทำไมต้องรู้ · เรื่องนี้แปลว่าโมเดลเปิดขนาดใหญ่กำลังลงมาอยู่ในเครื่องที่หน่วยความจำน้อยกว่าเดิมมาก ซึ่งเป็นเงื่อนไขจริงของหน่วยงานไทยที่อยากรันโมเดลในองค์กรเองเพราะข้อมูลออกนอกไม่ได้ และบทเรียนอีกชั้นคือความเชื่อของชุมชนที่ฟังดูมีเหตุผลมากอย่างเรื่องความคลาดเคลื่อนสะสม ก็ยังเป็นสิ่งที่ต้องวัดจริงก่อนเชื่อ

arXiv 2609.04098

ทีมวิจัยจาก Sungkyunkwan University ตั้งข้อสังเกตว่าชุดทดสอบที่ใช้วัดผู้ช่วยเขียนโค้ดกันทุกวันนี้ สร้างจากรายงานปัญหาบน GitHub ที่ถูกคัดมาแล้ว ซึ่งยาว มีโครงสร้าง และข้อมูลแน่น ขณะที่คำขอของผู้ใช้จริงสั้นกว่าและไม่มีโครงสร้างมาก

ตัวเลขที่ทีมวัดได้คือคำสั่งที่มีแต่คำบรรยายปัญหาโดยแทบไม่มีบริบทอื่น คิดเป็น 88 เปอร์เซ็นต์ของคำสั่งจากผู้ใช้จริง เทียบกับโจทย์ในชุดทดสอบที่เป็นแบบนั้นเพียง 7 เปอร์เซ็นต์ โดยฐานที่ใช้เทียบคือคำสั่งที่คนเขียนเอง 718 ชิ้น ซึ่งกรองมาจากบันทึกการใช้เครื่องมือของนักพัฒนาสายโอเพนซอร์สที่ยอมให้เก็บบันทึกไว้สาธารณะ ไม่ใช่ผู้ใช้ทั่วไป

ทีมจึงสร้างชุดทดสอบชื่อ RealSWE ที่มีตระกูลโจทย์ 381 ตระกูล คัดมาจากชุดทดสอบเดิม โดยโจทย์ในตระกูลเดียวกันใช้โจทย์และเฉลยชุดเดียวกัน ต่างกันแค่ข้อมูลที่ให้และสำนวนการเขียน ผลจากการทดสอบเจ็ดโมเดลคือคะแนนตกลงเฉลี่ย 6.4 จุดเมื่อโจทย์เปลี่ยนเป็นแบบที่ผู้ใช้จริงเขียน และสิ่งที่สำคัญกว่าตัวเลขนั้นคือลำดับความเก่งของโมเดลสลับกันได้ด้วย

สิ่งที่ช่วยได้จริงต่างกันตามชนิดงาน คือการบอกพฤติกรรมที่อยากได้มีผลชัดกับงานแก้บั๊ก และการบอกแรงจูงใจมีผลชัดกับงานขอฟีเจอร์ใหม่ ส่วนข้อมูลสภาพแวดล้อมกับขั้นตอนการทำซ้ำปัญหา ทีมระบุว่าไม่ให้ประโยชน์ที่วัดได้เลย มีแต่เพิ่มจำนวนโทเคน

ข้อจำกัดที่ทีมเขียนไว้เองและต้องอ่านคู่กันคือการทดสอบไม่มีโมเดลแนวหน้าอย่าง GPT-5.6, Opus 5 และ Kimi K3 อยู่เลย ผลจึงอาจไม่ครอบคลุมโมเดลที่เก่งที่สุดในตลาด และทั้งหมดเป็นการวัดแบบถามครั้งเดียวจบ ยังไม่ได้วัดว่าการถามย้อนเพื่อขอความชัดเจนจะช่วยแก้ปัญหานี้ได้แค่ไหน อีกทั้งงานนี้ยังเป็นฉบับ preprint ที่ไม่ผ่านการตรวจของผู้ทรงคุณวุฒิ

▲ ทำไมต้องรู้ · นี่คือคำอธิบายเชิงตัวเลขของอาการที่หลายคนเจอ คือเห็นคะแนนสอบของโมเดลสูงลิ่วแต่พอใช้เองกลับไม่ได้เรื่อง เพราะโจทย์ที่ใช้สอบไม่เหมือนที่เราพิมพ์จริง สิ่งที่หยิบไปใช้ได้ทันทีคือเลิกไล่บรรยายสภาพแวดล้อมยาวๆ ซึ่งงานนี้บอกว่าไม่ช่วย แล้วเปลี่ยนไปบอกว่าอยากให้ผลลัพธ์เป็นอย่างไรถ้าเป็นงานแก้ของที่เสีย หรือบอกว่าทำไปทำไมถ้าเป็นงานขอของใหม่

arXiv 2608.27831

รายงานข่าวประจำวันที่ 5 ก.ย. ระบุว่ารัฐบาลกำหนดกรอบเวลาหนึ่งเดือน ให้มีนโยบายและมาตรฐานขั้นต่ำในการกำกับดูแลดาต้าเซ็นเตอร์ทั้งระบบ โดยมองว่าเป็นโครงสร้างพื้นฐานสำคัญของเศรษฐกิจดิจิทัลและธุรกิจที่ใช้ AI

ปัญหาที่ยกมาเป็นเหตุผลคือที่ผ่านมาการอนุมัติกระจายอยู่หลายหน่วยงาน ทั้งใบอนุญาตก่อสร้าง การใช้ไฟฟ้า การใช้น้ำ และสิทธิประโยชน์การลงทุน ทำให้ข้อมูลกระจัดกระจายและไม่มีภาพรวมระดับประเทศ

ทิศทางที่ระบุไว้คือส่งเสริมการลงทุนต่อไปโดยจัดระเบียบการกำกับดูแล ไม่ใช่การสกัดกั้นการลงทุน

▲ ทำไมต้องรู้ · ดาต้าเซ็นเตอร์คือที่ตั้งจริงของระบบ AI ที่องค์กรไทยใช้อยู่ กติกาที่กำลังจะออกจึงกระทบทั้งค่าไฟที่ผลักมาเป็นค่าบริการ และคำถามที่ฝ่ายกฎหมายถามบ่อยที่สุดว่าข้อมูลของเราไปนั่งอยู่ที่ไหน สิ่งที่ควรติดตามในหนึ่งเดือนข้างหน้าคือมาตรฐานขั้นต่ำนั้นพูดถึงถิ่นที่อยู่ของข้อมูลและการเปิดเผยที่ตั้งหรือไม่

AEC10NEWS

เมื่อ 5 ก.ย. นายเผ่าภูมิ โรจนสกุล รองหัวหน้าพรรคเพื่อไทยและอดีตรัฐมนตรีช่วยว่าการกระทรวงการคลัง เสนอให้ไทยใช้เวทีการประชุมประจำปีของ IMF และธนาคารโลกที่ไทยเป็นเจ้าภาพ ผลักดันวาระที่เรียกว่า Bangkok AI Finance Initiative

เนื้อหาของข้อเสนออยู่ที่การใช้ AI ประเมินความน่าเชื่อถือและความเสี่ยงของผู้ประกอบการรายย่อยและกลุ่มที่เข้าไม่ถึงบริการธนาคาร ผ่านการให้สินเชื่อโดยดูกระแสเงินสดและการให้คะแนนเครดิตจากข้อมูลทางเลือก พร้อมระบบเตือนภัยล่วงหน้าที่เฝ้าดูกระแสเงินสดเพื่อคาดการณ์การผิดนัดชำระ

เป้าหมายที่ระบุคือให้ข้อเสนอนี้พัฒนาต่อเป็นมาตรฐานข้อมูล หลักการกำกับดูแลโมเดล และโครงการนำร่อง แทนที่จะจบแค่การเป็นเจ้าภาพจัดประชุม

▲ ทำไมต้องรู้ · การให้คะแนนเครดิตจากข้อมูลทางเลือกเป็นเรื่องที่ให้คุณให้โทษกับคนจำนวนมากโดยตรง เพราะหมายถึงข้อมูลการใช้ชีวิตประจำวันถูกนำมาตัดสินว่าใครกู้ได้ ประเด็นที่ควรจับตาจึงเป็นครึ่งหลังของข้อเสนอ คือหลักการกำกับดูแลโมเดลและสิทธิของคนที่ถูกปฏิเสธในการรู้เหตุผลและขอให้ทบทวน

ไทยรัฐ

Sylvain Kalache อดีตวิศวกรดูแลระบบของ LinkedIn ซึ่งปัจจุบันดูแลงานด้าน AI ที่บริษัท Rootly เขียนเมื่อ 4 ก.ย. ว่าเมื่อเครื่องมือ AI เก่งขึ้นในการจัดการเหตุขัดข้องที่เกิดซ้ำๆ คนที่ดูแลระบบจะเหลือโอกาสฝึกฝีมือน้อยลงเรื่อยๆ ทั้งที่ยังต้องรับผิดชอบเหตุที่ซับซ้อนและไม่เคยเจอมาก่อนอยู่ดี

เขาอ้างงานเก่าปี 1983 ของ Lisanne Bainbridge เรื่องความย้อนแย้งของระบบอัตโนมัติ ที่บันทึกไว้ตั้งแต่ตอนนั้นว่าการทำให้เป็นอัตโนมัติลดโอกาสฝึกของผู้ควบคุม แต่กลับเรียกร้องทักษะที่สูงขึ้นเมื่อเกิดสถานการณ์ผิดปกติ

ตัวอย่างที่เขายกคืออุบัติเหตุเที่ยวบิน 235 ของ TransAsia Airways ที่นักบินระบุเครื่องยนต์ผิดตัวภายใน 117 วินาทีจนเครื่องตก ทั้งที่เครื่องบินลำนั้นออกแบบมาให้บินด้วยเครื่องยนต์เดียวได้ และเทียบกับมาตรฐานการบินที่บังคับให้นักบินพาณิชย์เข้าเครื่องฝึกบินจำลองทุกหกเดือน รวมถึงสถานการณ์ฉุกเฉินที่แทบไม่เคยเกิดจริง

สิ่งที่เขาคาดคือเวลาเฉลี่ยในการแก้ปัญหาจะลดลงสำหรับเหตุทั่วไป แต่จะเพิ่มขึ้นอย่างมีนัยสำคัญสำหรับเหตุที่ซับซ้อน เพราะคนที่เข้าไปแก้ไม่มีความเคยชินในการไล่หาสาเหตุเหลืออยู่ ข้อควรระวังคือผู้เขียนทำงานให้บริษัทที่ขายบริการซ้อมรับมือเหตุขัดข้อง จึงมีส่วนได้เสียกับข้อสรุปนี้

▲ ทำไมต้องรู้ · ข้อเสนอที่หยิบไปใช้ได้โดยไม่ต้องซื้ออะไรคือ ถ้าทีมเริ่มให้ AI ทำงานประจำแทนคน ให้ตั้งรอบซ้อมของจริงขึ้นมาทดแทนโอกาสฝึกที่หายไป เพราะทักษะที่หายไปเงียบที่สุดคือทักษะที่ไม่มีใครสังเกตว่าหายจนถึงวันที่ต้องใช้

Sylvain Kalache