AI News · 2026-09-10

Inception Labs ประกาศเมื่อ 8 ก.ย. ว่าเปิดให้ใช้ Mercury 2.5 ทั่วไป ซึ่งเป็นโมเดลภาษาตระกูล diffusion ตามคำอธิบายในเอกสารข่าวของบริษัท โดยรุ่นพรีวิวขึ้นให้ลองบน OpenRouter มาตั้งแต่ 31 ส.ค. แล้ว วันที่ 8 ก.ย. จึงไม่ใช่การเปิดตัวครั้งแรก โมเดลกลุ่มนี้ไม่ได้ทำนายคำถัดไปทีละคำแบบโมเดลทั่วไป แต่เริ่มจากร่างหยาบทั้งก้อนแล้วขัดหลายคำให้ชัดขึ้นพร้อมกัน บริษัทระบุว่าเท่าที่ตัวเองทราบ นี่คือโมเดล diffusion ที่ใหญ่ที่สุดเท่าที่เคยฝึกมา

ตัวเลขที่ให้ไว้คือความเร็ว 1,107 โทเคนต่อวินาทีบนการ์ด NVIDIA ที่หาซื้อได้ทั่วไป ซึ่งไม่ระบุรุ่นการ์ดหรือเงื่อนไขการวัดใดๆ ส่วนคุณภาพระบุว่าความฉลาดเพิ่มขึ้น 40 เปอร์เซ็นต์จาก Mercury 2 และเทียบได้กับกลุ่มโมเดลราคาประหยัดของค่ายใหญ่อย่าง GPT-5.6 Luna ระดับ Low, Gemini 3.5 Flash-Lite และ Claude Haiku 4.5 หน้าต่างบริบทอยู่ที่ 260,000 โทเคน

ราคาป้ายอยู่ที่ 0.20 ดอลลาร์ต่อล้านโทเคนขาเข้าและ 0.75 ดอลลาร์ต่อล้านโทเคนขาออก โดยช่วงเปิดตัวลด 80 เปอร์เซ็นต์เหลือ 0.04 และ 0.15 ดอลลาร์ ใช้ได้ผ่าน API ของตัวเอง Baseten และ OpenRouter

ข้อควรระวังที่สำคัญคือหน้าประกาศไม่มีตารางคะแนนหรือชื่อชุดทดสอบใดๆ เลย ตัวเลขความฉลาดที่เพิ่มขึ้น 40 เปอร์เซ็นต์จึงเป็นคำอ้างที่ไม่ได้บอกวิธีวัด ไม่ใช่ผลจากชุดทดสอบ และบริษัทเขียนเองว่างานจริงของลูกค้าให้สัญญาณที่ชัดกว่าชุดทดสอบเพียงอย่างเดียว จุดที่สับสนได้คือเอกสารสองชิ้นของบริษัทเองให้ตัวเลขคนละหน่วย หน้าบล็อกเขียนว่าเพิ่มขึ้น 40 เปอร์เซ็นต์ ส่วนเอกสารข่าวเขียนว่าเพิ่มขึ้น 10 จุด ของที่ยังเป็นแค่การพรีวิวคือ Mercury Voice ที่อ้างว่าเริ่มตอบภายในไม่ถึง 170 มิลลิวินาที

▲ ทำไมต้องรู้ · งานที่คนรอหน้าจออยู่จริง เช่น ผู้ช่วยตอบลูกค้าสด การเติมข้อความระหว่างพิมพ์ หรือการแปลทันที ความเร็วมีค่ามากกว่าคะแนนสอบอีกหนึ่งจุด ถ้าโมเดลกลุ่มนี้ทำได้จริงตามที่อ้าง ตัวเลือกสำหรับงานที่ต้องตอบเร็วจะไม่ได้เหลือแค่การจ่ายแพงขึ้นเพื่อซื้อความเร็วอีกต่อไป

Inception Labs · เอกสารข่าวของบริษัท · Hacker News

Blognone รายงานเมื่อ 9 ก.ย. ว่า Suno เปิดตัวโมเดลแต่งเพลง V6 ที่พัฒนาร่วมกับ Warner Music Group, BMG และ Believe จุดที่ต่างจากรุ่นก่อนไม่ใช่ความสามารถ แต่เป็นข้อตกลงแบ่งรายได้ให้ค่ายเพลงที่ร่วมพัฒนา หลังจาก Suno ถูกฟ้องเรื่องละเมิดลิขสิทธิ์แล้วยอมความกับค่ายบางราย

ของที่มาพร้อมกันคือระบบป้องกันการเลียนเสียงร้องหรือแนวเพลงของศิลปินรายบุคคล ผลคือเพลงที่สร้างด้วย V6 ได้รับความคุ้มครองจากการถูกค่ายที่เป็นพันธมิตรฟ้อง เมื่อเอาไปใช้เชิงพาณิชย์ แต่ยังไม่มีการเปิดเผยว่าส่วนแบ่งที่หักจากรายได้ของผู้สร้างเป็นเท่าไร

รุ่นย่อยมีสามตัวคือ v6 สำหรับผู้ใช้แบบเสียเงิน v6-wild ที่ผลลัพธ์คาดเดาไม่ได้สำหรับผู้ใช้แบบเสียเงินเช่นกัน และ v6-mini ที่เบากว่าและใช้ได้ฟรี

ข้อควรระวังคือยังไม่มีข้อตกลงกับ Universal Music Group และ Sony Music และคดีกับสองค่ายนี้ยังดำเนินอยู่ ความคุ้มครองจึงครอบคลุมเฉพาะค่ายที่ร่วมลงนาม

▲ ทำไมต้องรู้ · คนทำคอนเทนต์ที่ใช้เพลงจาก AI ในงานลูกค้า สิ่งที่ต้องดูไม่ใช่ว่าเพลงเพราะไหม แต่คือใครรับประกันว่าใช้ได้ และรับประกันครอบคลุมถึงใครบ้าง ข้อตกลงแบบนี้กำลังกลายเป็นจุดขายจริงของเครื่องมือสร้างงานสร้างสรรค์ มากกว่าคุณภาพของผลลัพธ์

Blognone · Suno

Sebastian Raschka เผยแพร่บทวิเคราะห์เมื่อ 9 ก.ย. ตั้งคำถามสองข้อเกี่ยวกับ GPT-6 Astra คือมันใช้โครงสร้างแบบวนชั้นเดิมซ้ำหลายรอบหรือไม่ และการที่ร่องรอยการคิดของมันสั้นลงเป็นการจงใจซ่อนหรือไม่

ฝั่งข้อมูลที่ยืนยันได้คือ Jakub Pachocki หัวหน้านักวิทยาศาสตร์ของ OpenAI ระบุว่าความลึกของกราฟการคำนวณของโมเดลแนวหน้าปัจจุบันรวมถึง Astra ต่างจาก GPT-4 ไม่เกินสองเท่า และเขาปฏิเสธรายงานก่อนเปิดตัวที่บอกว่า Astra ใช้ recurrent depth ว่าเป็นการรายงานที่สับสน ส่วน Raschka สรุปเองว่ามีองค์ประกอบแบบวนซ้ำอยู่มีความเป็นไปได้สูง แต่ไม่มีการยืนยันอย่างเป็นทางการ

ประเด็นที่สองเขาไม่เห็นด้วยกับกระแสตกใจ เอกสารระบบของ Astra เขียนเองว่าร่องรอยการคิดตรวจสอบได้น้อยลงและสั้นลง แต่ Raschka ชี้ว่า OpenAI ซ่อนร่องรอยการคิดมาตั้งแต่รุ่น o1 ซึ่งเก่ากว่า Astra และโมเดลที่เก่งขึ้นย่อมแก้โจทย์ด้วยขั้นตอนที่สั้นลงอยู่แล้ว

ตัวเลขที่เขายกมาประกอบคือผลบน ARC-AGI-3 ที่ Astra ได้ 99.9 เปอร์เซ็นต์ เทียบกับ GPT-5.6 Sol ที่ได้ 7.8 เปอร์เซ็นต์ และงานวิจัยชื่อ SMELT ที่พบว่าโครงสร้างแบบวนซ้ำใช้พลังฝึกน้อยลง 6.8 ถึง 18 เปอร์เซ็นต์เพื่อไปถึงค่าความสูญเสียเท่ากัน

▲ ทำไมต้องรู้ · ทีมที่เคยใช้วิธีอ่านขั้นตอนการคิดของโมเดลเพื่อตรวจว่ามันคิดถูกทางไหม กำลังจะเสียเครื่องมือนั้นไปเงียบๆ เมื่อผู้ให้บริการทำร่องรอยให้สั้นลงเพื่อความเร็ว การตรวจงานจึงต้องย้ายไปอยู่ที่ผลลัพธ์กับหลักฐานที่ตรวจย้อนได้จริง ไม่ใช่ที่คำอธิบายซึ่งโมเดลเขียนให้เราอ่าน

Sebastian Raschka · Hacker News

Apple ประกาศเมื่อ 9 ก.ย. เปิดตัว iPhone Duo เป็น iPhone พับได้รุ่นแรก จอด้านในขนาด 7.6 นิ้วและจอด้านนอก 5.4 นิ้ว ส่วนที่เกี่ยวกับ AI โดยตรงคือชิป A20 Pro บนกระบวนการผลิต 2 นาโนเมตร ซึ่ง Apple ระบุว่ามี Neural Engine แบบ 16 คอร์คู่ ให้พลังประมวลผล AI เป็นสองเท่าของรุ่นก่อน ขณะที่ซีพียูเร็วขึ้น 20 เปอร์เซ็นต์และจีพียูเร็วขึ้น 40 เปอร์เซ็นต์เทียบกับ A19 Pro

ฟีเจอร์ที่ผูกกับพลังส่วนนี้คือ Siri รุ่นที่ Apple อธิบายว่าเป็นส่วนตัวและคุยได้ต่อเนื่องกว่าเดิมมาก โดยดึงบริบทจากข้อความ อีเมล และรูปในเครื่อง รวมถึงรับรู้สิ่งที่อยู่บนหน้าจอขณะนั้น และให้สั่งเขียนข้อความด้วยการบอกว่าต้องการอะไร

ราคาเริ่มต้นในสหรัฐอยู่ที่ 1,999 ดอลลาร์สำหรับรุ่น 256GB ส่วนราคาไทยที่ประกาศคือเริ่มต้น 79,900 บาท เปิดให้สั่งจอง 16 ต.ค. และเริ่มส่ง 23 ต.ค. โดยวางขาย 70 ประเทศในรอบแรก

ข้อควรระวังคือทั้งตัวเลขประสิทธิภาพและคำบรรยายความสามารถของ Siri เป็นคำของผู้ผลิตเองทั้งหมด ยังไม่มีใครทดสอบเครื่องจริง

▲ ทำไมต้องรู้ · ทิศทางที่ควรจับตาคือการที่งาน AI ย้ายมาทำบนเครื่องมากขึ้น เพราะแปลว่าข้อมูลที่อ่อนไหวไม่ต้องออกจากมือถือไปหาเซิร์ฟเวอร์ใครก็ได้ผลลัพธ์ องค์กรที่กังวลเรื่องข้อมูลรั่วควรเริ่มแยกให้ออกว่าฟีเจอร์ไหนของผู้ช่วยในมือถือทำงานบนเครื่อง และฟีเจอร์ไหนส่งออกไปข้างนอก

Apple · Blognone · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude Code ขึ้นถึงรุ่น 2.1.267 เมื่อ 9 ก.ย. เป็นรุ่นยาวราว 55 รายการ โดยกลุ่มที่ใหญ่ที่สุดราวสิบกว่ารายการเป็นเรื่องเดียวกันหมด คือเวลารายการเครื่องมือเปลี่ยนกลางบทสนทนา แคชของ prompt จะพังและขั้นตอนการคิดที่ทำมาก่อนหน้าจะหายไป

สาเหตุที่ไล่แก้มีหลายทาง เช่น การสลับโมเดลด้วยคำสั่ง /model ทำให้ระบบส่งคำนิยามเครื่องมือทั้งชุดใหม่ทั้งหมด การที่เซิร์ฟเวอร์เครื่องมือภายนอกหลุดแล้วต่อกลับมาในจังหวะที่ต่างจากเดิม และการเปิดงานเก่าขึ้นมาทำต่อแล้วระบบเขียนรายการเครื่องมือใหม่แทนที่จะเล่นซ้ำของเดิม

ของใหม่ที่เพิ่มมามีสองตัวคือการตั้งเพดานระดับความพยายามของโมเดลไว้ที่ค่าเดียวทั้งเครื่อง และตัวเลือกให้สร้างคำสั่งระบบใหม่ทุกครั้งแทนการใช้ของที่บันทึกไว้ สำหรับคนที่กำลังแก้ข้อความคำสั่งอยู่

รายการที่ควรอ่านเป็นพิเศษคือสองข้อด้านความปลอดภัย ข้อแรกคือเส้นทางไฟล์ที่มีเครื่องหมายทับกลับหัวเคยใช้เลี่ยงการตรวจขอบเขตบน macOS และ Linux ได้ ข้อที่สองคือรายการอนุญาตที่องค์กรตั้งไว้ เมื่ออ่านไฟล์ไม่ออกระบบเคยตีความว่าอนุญาตทุกอย่าง ซึ่งตอนนี้แก้ให้ไม่อนุญาตอะไรเลยแทน

▲ ทำไมต้องรู้ · ค่าใช้จ่ายก้อนที่คนมองไม่เห็นบ่อยที่สุดคือการจ่ายเต็มราคาซ้ำสำหรับข้อความส่วนหัวเดิมที่ควรถูกแคชไว้แล้ว การสลับโมเดลกลางงานหรือการต่อเครื่องมือเสริมเข้ามาระหว่างทาง เป็นสองพฤติกรรมที่ทำให้เกิดเรื่องนี้บ่อยที่สุด และเพิ่งถูกแก้ในรุ่นนี้เอง

Claude Code changelog

Adam Wathan ประกาศเมื่อ 9 ก.ย. ว่า Tailwind Labs เข้าไปอยู่กับ Shopify แล้ว โดยยืนยันว่าไม่มีอะไรเปลี่ยนกับ Tailwind CSS หรือโครงการโอเพนซอร์สตัวอื่นของทีม ทุกตัวยังใช้สัญญาอนุญาตแบบ MIT เหมือนเดิม และทีมยังดูแลต่อโดยมี Shopify สนับสนุน

สิ่งที่เปลี่ยนจริงอยู่ฝั่งสินค้าที่ขาย ลูกค้าเดิมของ Tailwind Plus และ ui.sh ยังใช้ได้ต่อ แต่ปิดรับลูกค้าใหม่ เพื่อให้ทีมโฟกัสกับตัว Tailwind CSS ภายใต้ Shopify ไม่มีการเปิดเผยมูลค่าดีล

ตัวเลขที่ยกมาคือ Tailwind CSS ถูกติดตั้งเกิน 110 ล้านครั้งต่อสัปดาห์ โครงการเริ่มมาเกินเก้าปี และผู้ใช้ที่ระบุชื่อรวมถึง ChatGPT, X, Cloudflare, Reddit และ Shopify เอง

▲ ทำไมต้องรู้ · โครงการโอเพนซอร์สที่ทีมงานกลายเป็นพนักงานของบริษัทหนึ่ง คือรูปแบบที่เจอบ่อยขึ้นเรื่อยๆ และเป็นความเสี่ยงที่ต้องประเมินคนละแบบกับความเสี่ยงเรื่องคุณภาพโค้ด สิ่งที่ควรทำคือดูว่าของที่ทีมเราพึ่งพาอยู่เป็นตัวโอเพนซอร์สหรือเป็นสินค้าที่ต้องจ่าย เพราะสองอย่างนี้เพิ่งถูกแยกชะตากรรมออกจากกันชัดเจน

Tailwind Labs · Hacker News

Desert Ant Labs ที่ก่อตั้งโดย Paul Veugen เปิดตัวเมื่อ 8 ก.ย. ด้วยโมเดลรวม 18 ตัว แบ่งเป็นตัวที่ถือว่านิ่งแล้ว 12 ตัวและตัวทดลอง 6 ตัว ทุกตัวออกแบบให้รันบนเครื่องผู้ใช้เอง ครอบคลุมงานเสียง ภาพ และข้อความ โดยจุดขายคือตอบภายในหลักมิลลิวินาทีและไม่มีค่ารันต่อครั้ง

ตัวที่น่าสนใจกับงานองค์กรที่สุดคือ Redact ซึ่งทำหน้าที่ปิดบังข้อมูลส่วนบุคคล ขนาดไฟล์ 12 เมกะไบต์ รองรับ 27 ภาษา และบริษัทรายงานว่าจับข้อมูลส่วนบุคคลได้ 88.8 เปอร์เซ็นต์ เทียบกับตัวอ้างอิงชื่อ GLiNER-PII ที่ทำได้ 91.1 เปอร์เซ็นต์แต่กินพื้นที่ 2.3 กิกะไบต์

ตัวอื่นเช่น Voz ถอดเสียงเป็นข้อความที่อ้างว่าเร็วกว่า Whisper 4.7 เท่า Clear สำหรับลดเสียงรบกวนขนาด 9 เมกะไบต์ และ Tongue สำหรับระบุภาษาขนาด 2 เมกะไบต์ที่อ้างความแม่นยำ 0.933 จากคำเพียงสามคำ เงื่อนไขคือใช้ฟรีจนถึงหนึ่งแสนเครื่องที่ใช้งานจริงต่อเดือน มี SDK สำหรับ Swift, Kotlin และ JavaScript บน GitHub และไม่ต้องล็อกอิน

ข้อควรระวังคือตัวเลขทั้งหมดเป็นผลวัดของผู้ขายเอง ยังไม่มีการตรวจจากภายนอกแม้แต่รายการเดียว

▲ ทำไมต้องรู้ · รูปแบบที่ใช้ได้จริงกับองค์กรไทยที่กังวลเรื่องข้อมูลคือ เอาโมเดลจิ๋วบนเครื่องมาปิดบังชื่อ เลขบัตร และเบอร์โทรก่อน แล้วค่อยส่งข้อความที่ปิดบังแล้วไปให้โมเดลใหญ่บนคลาวด์ทำงานต่อ วิธีนี้ทำให้ได้ความสามารถของโมเดลใหญ่โดยข้อมูลตัวจริงไม่ออกจากเครื่อง แต่ต้องทดสอบอัตราการจับพลาดกับข้อมูลภาษาไทยของตัวเองก่อนเสมอ

Desert Ant Labs · Hacker News

โครงการชื่อ deltafin จาก Argonaut Labs สาธิตการรัน Kimi K3 ขนาด 2.8 ล้านล้านพารามิเตอร์แบบไม่บีบความละเอียดเลยบน MacBook Pro รุ่น M5 Max แรม 128 กิกะไบต์ วิธีการคือสตรีมน้ำหนักของผู้เชี่ยวชาญแต่ละตัวจากไดรฟ์ SSD สี่ลูกเข้ามาทีละส่วน โดยน้ำหนักรวมอยู่ที่ 1.45 เทระไบต์

ตัวเลขที่วัดได้จากการรันครั้งเดียวแต่ละแบบคือ 1.00 โทเคนต่อวินาทีที่ความยาว 512 โทเคน และ 1.13 โทเคนต่อวินาทีที่ความยาว 128 โทเคน ส่วนการเพิ่มไดรฟ์มีผลชัดเจน คือหนึ่งลูกได้ราว 52 เปอร์เซ็นต์ของความเร็วเมื่อใช้สี่ลูก สองลูกได้ราว 73 เปอร์เซ็นต์ และสามลูกได้ราว 90 เปอร์เซ็นต์

ข้อจำกัดที่ผู้ทำเขียนไว้เองคือ prompt ยาว 512 โทเคนต้องรอราว 6.3 นาทีกว่าจะได้ตัวอักษรแรก เพราะขั้นตอนอ่านข้อมูลเข้าไปวนอ่านน้ำหนักของแต่ละชั้นซ้ำแปดรอบ เขาระบุว่ารู้สาเหตุแล้วแต่ยังไม่ได้แก้

▲ ทำไมต้องรู้ · ตัวเลขชุดนี้มีประโยชน์ตรงที่มันบอกเส้นแบ่งจริงของคำว่ารันเองได้ คือรันได้ไม่ได้แปลว่าใช้ทำงานประจำวันได้ ทีมที่กำลังคิดว่าจะซื้อเครื่องมารันโมเดลใหญ่เองเพื่อเลี่ยงค่า API ควรเอาตัวเลขความเร็วระดับนี้ไปคูณกับปริมาณงานจริงก่อนตัดสินใจ

deltafin บน GitHub · Hacker News

งานชิ้นที่ได้คะแนนสูงสุดของวันบน Hacker News เมื่อ 9 ก.ย. ไม่ใช่ข่าวหรืองานวิจัย แต่เป็นเกมสั้นเล่นบนเว็บที่ผู้เขียนบรรยายตัวเองว่าเป็นตลกสั้นแบบมีปฏิสัมพันธ์ เกี่ยวกับผู้ช่วย AI ที่ไม่เคยทำแค่สิ่งที่สั่งได้เลยสักครั้ง

โจทย์ที่ให้ผู้เล่นคือเปลี่ยนปุ่มใส่ตะกร้าให้เป็นสีน้ำเงิน และห้ามให้ผู้ช่วยไปแก้อะไรอย่างอื่น ทั้งเรื่องเดินไปตามความพยายามของผู้ช่วยที่จะรื้อสิ่งที่ไม่ได้ขอให้รื้อ

สิ่งที่เป็นข่าวจริงคือคะแนน 969 แต้มและตำแหน่งบนสุดของหน้าแรก ซึ่งบอกว่านักพัฒนาจำนวนมากเจอเรื่องเดียวกันจนกลายเป็นเรื่องขำร่วมกันได้

▲ ทำไมต้องรู้ · อาการที่คนขำกันอยู่นี้มีต้นทุนจริง คือเวลาที่หมดไปกับการไล่ตรวจว่าผู้ช่วยไปแตะอะไรที่ไม่ได้สั่งบ้าง ทางแก้ที่ใช้ได้ทันทีคือสั่งงานทีละก้อนเล็ก บังคับให้แสดงส่วนที่แก้ก่อนบันทึก และมีวิธีย้อนกลับที่กดได้จริง ไม่ใช่หวังว่ามันจะเชื่อฟังคำสั่งห้ามในประโยคเดียว

opusfived.dev · Hacker News

Terence Tao เขียนบนบัญชี Mathstodon เมื่อ 8 ก.ย. เป็นข้อความสี่ตอน ต่อเนื่องจากข้อพิพาทเรื่องบทพิสูจน์สมการของไหลที่เป็นข่าวใหญ่สองวันก่อน ใจความคือกองโจทย์เปิดที่ยังให้ผลงอกงามได้กำลังถูกขุดแบบใช้แล้วหมดไป โดยเขาเปรียบว่าเหมือนพื้นที่ที่ขาดแคลนน้ำดื่มทั้งที่ถูกล้อมด้วยมหาสมุทร

ข้อความที่ถูกยกไปพูดถึงมากที่สุดคือตอนที่เขาเขียนว่าตอนนี้สิ่งที่หายากและมีค่าคือการระบุโจทย์ที่มีแวว เพราะแม้แต่ข่าวลือว่ามีคนกำลังทำโจทย์ไหนอยู่ ก็เพียงพอจะกระตุ้นให้เกิดความพยายามขนาดใหญ่ที่ขับด้วย AI เข้าไปถล่มโจทย์นั้นก่อนที่โครงการเดิมจะโตเต็มที่ เขาระบุว่าแรงจูงใจกำลังชี้ไปทางที่คนจะเลิกแบ่งปันทิศทางการวิจัยที่มีแววกับวงกว้าง ซึ่งจะย้อนกลับธรรมเนียมวิทยาศาสตร์แบบเปิดที่สั่งสมมาหลายศตวรรษ

สาเหตุหนึ่งที่เขาชี้คือการที่บริษัท AI ไม่ยอมเปิดเผยผลลบของตัวเอง หรือไม่เปิดเผยกระบวนการที่นำไปสู่คำตอบ ทำให้ไม่มีใครมองออกว่าเส้นแบ่งระหว่างโจทย์ที่ AI ทำได้กับที่ทำไม่ได้อยู่ตรงไหน

▲ ทำไมต้องรู้ · กลไกเดียวกันนี้ทำงานในที่ทำงานได้ทันที ถ้าการเล่าไอเดียที่ยังไม่เสร็จให้คนอื่นฟัง แปลว่าใครก็ตามที่มีเครื่องมือแรงกว่าไปทำเสร็จก่อนได้ คนก็จะเลิกเล่าไอเดียตั้งแต่ต้น องค์กรที่อยากให้คนแชร์งานระหว่างทางต้องออกแบบให้เครดิตผูกกับคนที่ตั้งโจทย์ ไม่ใช่ผูกกับคนที่ส่งงานถึงเส้นชัยก่อนอย่างเดียว

Terence Tao บน Mathstodon · Simon Willison · Hacker News

งานวิจัยชื่อ MERIT ที่เพิ่งขึ้นในรอบนี้ตั้งข้อสังเกตว่า ชุดทดสอบความจำของ agent ที่ใช้กันอยู่วัดแค่ว่าโมเดลตอบคำถามจากบทสนทนาเก่าได้ไหม ไม่ได้วัดว่าสิ่งที่จำไว้เปลี่ยนการกระทำของ agent ที่ใช้เครื่องมือจริงหรือไม่ เขาจึงสร้างชุดทดสอบที่วัดผลควบคู่กับต้นทุนโทเคนและค่าใช้จ่ายของทุกการอ่านและเขียนความจำ

ผลหลักคือความจำช่วยจริงในงานที่ต้องพึ่งข้อมูลเก่า โดยยกอัตราความสำเร็จจากพื้นที่ตรวจแล้วว่าเป็นศูนย์ ขึ้นไปอยู่ในช่วง 0.55 ถึง 1.00 แต่จุดที่พังคือเมื่อข้อเท็จจริงถูกแก้ใหม่ วิธีค้นความจำด้วยการเทียบความใกล้เคียงของความหมายให้ผลแกว่งตั้งแต่ 0.30 ถึง 0.95 และที่สำคัญกว่านั้นคือ แม้ระบบจะหยิบค่าที่ถูกต้องขึ้นมาได้แล้ว agent ก็ลงมือทำตามค่านั้นเพียง 55 เปอร์เซ็นต์ของครั้ง

วิธีที่รอดกว่าคือการเก็บความจำแบบเขียนทับเมื่อมีข้อมูลใหม่ ซึ่งอยู่ในช่วง 0.70 ถึง 1.00 และการเอาสองวิธีมาผสมกันกลับแย่กว่าใช้วิธีเก็บแบบมีโครงสร้างอย่างเดียว งานนี้ยังพบว่าการเปลี่ยนวิธีเก็บความจำอย่างเดียวขยับอัตราความสำเร็จได้ถึง 60 จุด

ข้อควรระวังคือทดสอบเพียงสามโดเมนและชุดทดสอบเป็นของผู้เขียนเอง อีกทั้งฝั่งความจำถูกตรึงไว้ตอนไล่เทียบโมเดล จึงแยกไม่ออกว่าผลมาจากโมเดลหรือจากวิธีเก็บ

▲ ทำไมต้องรู้ · ความจำของ agent ที่จำราคาเก่า นโยบายเก่า หรือเบอร์ติดต่อเก่าไว้ อันตรายกว่าการไม่มีความจำเลย เพราะมันตอบด้วยความมั่นใจเท่าเดิม ใครที่กำลังต่อผู้ช่วยเข้ากับฐานข้อมูลของบริษัท ควรออกแบบให้ข้อมูลที่เปลี่ยนบ่อยถูกเขียนทับทันทีที่เปลี่ยน แทนการสะสมทับกันไปเรื่อยๆ

arXiv 2609.05441

ชุดทดสอบชื่อ EVOHARNESSBENCH กลับด้านวิธีวัดแบบเดิม แทนที่จะเปลี่ยนโจทย์ไปเรื่อยๆ แล้วตรึงเครื่องมือไว้ มันตรึงโจทย์ไว้แล้วค่อยๆ เพิ่มเครื่องมือ ทักษะ และ agent ผู้ช่วยเข้าไปในระบบแทน เพื่อดูว่า agent ยังทำงานที่เคยทำได้อยู่หรือไม่เมื่อสภาพแวดล้อมรอบตัวมันโตขึ้น

ขนาดของชุดทดสอบคือ 17 สายการเปลี่ยนแปลงที่สร้างแบบตรวจซ้ำได้ ครอบคลุม 802 โจทย์ 520 เครื่องมือ 42 ทักษะ และ 62 agent

ข้อสรุปสามข้อคือ การเพิ่มเครื่องมืออย่างเดียวก็ทำให้ผลงานในโจทย์ที่เคยแก้ได้แย่ลงได้ ซึ่งผู้เขียนเรียกว่าการลืมที่เกิดจากเครื่องมือ ประโยชน์จากการให้ระบบปรับตัวเองยังไม่สม่ำเสมอในแต่ละช่วง และการรักษาความสามารถเดิมไว้ได้ก็ไม่ได้แปลว่าจะปรับตัวรับความสามารถใหม่ได้ดีขึ้นตามไปด้วย

ข้อควรระวังที่ต้องพูดตรงๆ คือบทคัดย่อไม่ให้ตัวเลขความแม่นยำ ไม่บอกชื่อโมเดลที่ทดสอบ และไม่มีการแยกผลรายโมเดล จึงบอกไม่ได้เลยว่าคำว่าแย่ลงนั้นแย่ลงเท่าไร

▲ ทำไมต้องรู้ · หลายองค์กรกำลังไล่ต่อเครื่องมือเข้ากับผู้ช่วยตัวเดียวให้ทำได้ทุกอย่าง งานนี้ชี้ว่านั่นมีต้นทุนที่ไม่มีใครวัด คือของที่เคยทำได้ดีอาจแย่ลงเงียบๆ ทางปฏิบัติคือเก็บชุดงานตัวอย่างที่ทำได้ดีอยู่แล้วไว้ทดสอบซ้ำทุกครั้งที่เพิ่มเครื่องมือใหม่

arXiv 2609.04280

งานชิ้นนี้เสนอว่าไม่ควรตัดขั้นตอนการคิดทิ้งเป็นก้อน เพราะข้อมูลหาย แต่ควรดูว่าขั้นตอนไหนเดินหน้าตรงไปหาคำตอบและขั้นตอนไหนเลี้ยวออกไป วิธีวัดคือฉายทั้งโจทย์ แต่ละขั้นตอน และคำตอบลงในปริภูมิสามมิติ แล้ววัดมุมระหว่างทิศทางของแต่ละก้าวกับทิศทางรวมจากโจทย์ไปคำตอบ

ก้าวที่ทิศตรงกับเป้าหมายถูกเก็บไว้เป็นข้อความที่คนอ่านได้ ส่วนก้าวที่เลี้ยวออกจะถูกบีบให้เหลือรูปที่มีแต่โมเดลอ่านได้ ผู้เขียนระบุว่ามุมนี้ตีความได้ คือมุมแคบมักตรงกับการลงมือคำนวณและการสรุปคำตอบ ส่วนมุมกว้างมักตรงกับการตรวจทาน การแก้ไข และการลองแตกทางเลือกอื่น

ตัวเลขที่รายงานคือความแม่นยำเฉลี่ยดีขึ้นได้ถึง 2.6 เปอร์เซ็นต์ ความยาวคำตอบลดลงได้ถึงครึ่งหนึ่ง ประสิทธิภาพต่อหน่วยการคำนวณดีขึ้น 2.29 เท่า และเวลาที่ใช้เตรียมข้อมูลกับฝึกลดลง 94.6 เปอร์เซ็นต์และสูงสุด 80.3 เปอร์เซ็นต์ตามลำดับ

ข้อควรระวังมีสามข้อ ทดสอบกับโมเดลตระกูล Qwen อย่างเดียวสองขนาด ตัวเลขทุกตัวเป็นค่าสูงสุดไม่ใช่ค่าเฉลี่ย และผลข้างเคียงที่บทคัดย่อไม่พูดถึงคือ ส่วนที่ถูกบีบจนคนอ่านไม่ออกคือส่วนที่โมเดลกำลังตรวจสอบและแก้ไขตัวเองพอดี

▲ ทำไมต้องรู้ · ทิศทางนี้กำลังไปทางเดียวกับที่ผู้ให้บริการรายใหญ่ทำอยู่ คือทำให้การคิดถูกลงโดยแลกกับการที่คนอ่านตามไม่ได้ ใครที่ต้องอธิบายให้ผู้ตรวจสอบฟังว่าคำตอบมาได้อย่างไร ควรเริ่มเก็บหลักฐานจากข้อมูลนำเข้าและผลลัพธ์ที่ทำซ้ำได้ แทนการพึ่งคำอธิบายที่โมเดลเขียนมาให้

arXiv 2609.07821

ปัญหาของเครื่องตรวจภาพปลอมที่สร้างบนโมเดลภาพตัวเดียวคือมันจำลักษณะของภาพปลอมที่เคยเห็นตอนฝึกได้เก่ง แต่พอเจอเครื่องมือสร้างภาพรุ่นใหม่ก็ตรวจไม่ออก งานชิ้นนี้จึงรวมสองมุมมองเข้าด้วยกัน คือมุมความหมายที่ผูกกับภาษาจาก CLIP กับมุมโครงสร้างที่เรียนรู้ด้วยตัวเองจาก DINO แล้วถ่วงน้ำหนักการรวมด้วยความไม่แน่ใจของแบบจำลอง

ขนาดข้อมูลที่ใช้คือชุดทดสอบรวมราวสี่ล้านภาพ และชุดทดสอบแยกอีกชุดที่มีภาพใบหน้ากว่าแปดพันภาพจากเครื่องมือสร้างภาพรุ่นใหม่แปดตัวที่โมเดลไม่เคยเห็น

ผลที่รายงานคือได้ค่า AUC เฉลี่ยดีที่สุดในกลุ่มวิธีที่นำมาเทียบ ทั้งกับข้อมูลในโดเมนเดิมและข้ามโดเมน แต่ข้อความที่สำคัญที่สุดคือประโยคที่ผู้เขียนเขียนไว้เองว่า การถ่ายโอนไปยังเครื่องมือที่ไม่เคยเห็นโดยไม่มีตัวอย่างเลยยังคงเป็นเรื่องยาก คือมันต้องได้เห็นตัวอย่างจากเครื่องมือรุ่นใหม่จำนวนหนึ่งก่อนถึงจะทำงานได้

▲ ทำไมต้องรู้ · นี่คือเหตุผลที่ไม่ควรเอาผลจากเครื่องตรวจภาพปลอมไปใช้ตัดสินเรื่องที่มีผลกับคน ทั้งการรับสมัครงาน การอนุมัติสินเชื่อ หรือการยืนยันตัวตน เพราะกรณีที่อันตรายที่สุดคือภาพที่สร้างจากเครื่องมือรุ่นใหม่ล่าสุด ซึ่งเป็นกรณีเดียวกับที่งานวิจัยเองบอกว่ายังทำได้ไม่ดี

arXiv 2609.07670

กรุงเทพธุรกิจรายงานเมื่อ 10 ก.ย. อ้างรายงานของบริษัทที่ปรึกษาอสังหาริมทรัพย์ Cushman & Wakefield ว่าไทยต้องมีการพัฒนาดาต้าเซ็นเตอร์ราว 15.9 พันล้านดอลลาร์ หรือราว 570,000 ล้านบาท ระหว่างปี 2569 ถึง 2573 เพื่อรองรับความต้องการด้าน AI และคลาวด์

ตัวเลขที่ใช้อธิบายว่าทำไมถึงยังขาดคือ ไทยมีประชากรราว 514,587 คนต่อความจุที่เปิดใช้งานจริงหนึ่งเมกะวัตต์ ขณะที่ค่าเฉลี่ยของเอเชียแปซิฟิกอยู่ที่ราว 247,713 คนต่อหนึ่งเมกะวัตต์ ส่วนการจองพื้นที่ล่วงหน้าในไทยโตขึ้น 9 เท่าเมื่อเทียบกับปีก่อน

รายงานประเมินว่าธุรกิจให้เช่าพื้นที่จะสร้างรายได้ประจำเกิน 3 พันล้านดอลลาร์ต่อปี หรือราว 107,000 ล้านบาท ภายในปี 2573 ต้นทุนพัฒนาเฉลี่ยอยู่ที่ 9.0 ล้านดอลลาร์ต่อเมกะวัตต์รวมที่ดิน และไทยอยู่อันดับสามของเอเชียแปซิฟิกด้านผลตอบแทนต่อต้นทุน รองจากสิงคโปร์และเวียดนาม

ข้อควรระวังที่ต้องอ่านคู่กันเสมอคือ ตัวเลขทั้งชุดมาจากบริษัทที่ปรึกษาที่มีผลประโยชน์ในธุรกิจนี้โดยตรง ไม่ใช่ข้อมูลของหน่วยงานรัฐ และมาในจังหวะที่ภาครัฐเพิ่งชะลอโครงการดาต้าเซ็นเตอร์ 166 โครงการไว้ระหว่างจัดทำกรอบระดับชาติ โดยกำหนดส่งข้อมูลอยู่ที่ 11 ก.ย.

▲ ทำไมต้องรู้ · ตัวเลขความต้องการที่ใหญ่ขนาดนี้กับการชะลอโครงการที่เกิดพร้อมกัน แปลว่าราคาค่าเช่าพื้นที่ประมวลผลในไทยมีโอกาสตึงตัวในระยะสั้น องค์กรที่วางแผนย้ายงาน AI มารันในประเทศเพื่อให้ข้อมูลอยู่ในเขตอำนาจไทย ควรถามผู้ให้บริการเรื่องกำหนดส่งมอบและเงื่อนไขราคาให้ชัดตั้งแต่ตอนนี้

กรุงเทพธุรกิจ · The Nation

ไทยรัฐรายงานเมื่อ 9 ก.ย. ว่า เอกนิติ นิติทัณฑ์ประภาศ รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการคลัง กล่าวปาฐกถาในงาน TNN Future Forum 2026 โดยเปรียบการเปลี่ยนแปลงทางเทคโนโลยีของโลกเป็นรถไฟความเร็วสูงที่กำลังวิ่งผ่านไทยไป

สาระหลักคือเขาเตือนว่าความเหลื่อมล้ำรูปตัว K ของไทยจะกลายเป็นรูปตัว A คือลงอย่างเดียวถ้าไม่ทำอะไร และเป้าหมายของรัฐบาลคือดัดให้เป็นรูปตัว V โดยวางโครงสร้างพื้นฐาน AI ไปพร้อมกับพลังงานสะอาด เชื้อเพลิงสะอาดอย่าง B20 และ E20 และการทำศูนย์กลางสุขภาพเพื่อรองรับสังคมสูงวัย

ตัวเลขที่ระบุในปาฐกถามีทั้งเงินอุดหนุนติดตั้งโซลาร์บนหลังคาบ้าน 50,000 บาทต่อครัวเรือน การค้ำประกันสินเชื่อเอสเอ็มอี 600,000 ล้านบาท การคืนภาษี 600,000 ล้านบาท การแก้หนี้ครัวเรือนเกือบหนึ่งล้านราย และโครงการโฟโตนิกส์ที่สระบุรีซึ่งอ้างว่าจะสร้างงานเกิน 30,000 ตำแหน่ง

ข้อควรระวังคือทั้งหมดเป็นการแถลงนโยบายของฝ่ายการเมือง จึงเป็นเป้าหมายที่ตั้งไว้ ไม่ใช่ผลที่เกิดขึ้นแล้วหรือผ่านการตรวจสอบ

▲ ทำไมต้องรู้ · สิ่งที่ใช้ได้จริงจากข่าวแบบนี้คือการอ่านว่ารัฐกำลังจะเอาเงินไปลงตรงไหน เพราะมันบอกล่วงหน้าว่างบสนับสนุน สิทธิประโยชน์ทางภาษี และความต้องการแรงงานจะไปกองอยู่ที่กลุ่มไหน ธุรกิจที่อยู่ในเส้นทางนั้นมีเวลาเตรียมตัวก่อนมาตรการจะออกเป็นรูปธรรม

ไทยรัฐ

ทีม Economics ของ Anthropic เผยแพร่เครื่องมือชื่อ Econ Scenario Explorer รุ่น 1.0 ลงวันที่เดือน ก.ย. 2026 และเป็นที่พูดถึงในวงกว้างเมื่อ 9 ก.ย. เป็นแบบจำลองสามฉากทัศน์ว่าเศรษฐกิจสหรัฐจะเป็นอย่างไรถึงปี 2030 โดยผู้จัดทำเขียนเองว่าให้มองเป็นเครื่องมือช่วยคิดว่าพัฒนาการทางเทคโนโลยีแบบต่างๆ จะแปลว่าอะไรต่อเศรษฐกิจ และผลที่เกิดขึ้นจริงอาจต่างออกไปอย่างมีนัยสำคัญ

จุดที่ต้องอ่านให้ตรงคือตัวเลข 1.6, 8.3 และ 32.4 เปอร์เซ็นต์ ไม่ใช่อัตราการเติบโต แต่เป็นส่วนที่จีดีพีปี 2030 สูงกว่าเส้นทางที่ไม่มี AI ทั้งสามฉากทัศน์ให้จีดีพีสหรัฐปี 2030 ที่ 34.1 ล้านล้านดอลลาร์ในฉากทัศน์พอประมาณ 36.3 ล้านล้านดอลลาร์ในฉากทัศน์ระดับมีนัยสำคัญ และ 44.4 ล้านล้านดอลลาร์ในฉากทัศน์สุดขั้ว โดยคิดที่ระดับราคาปี 2025 ส่วนอัตราการเติบโตต่อปีที่แบบจำลองให้ไว้ในฉากทัศน์สุดขั้วคือแตะระดับ 15 เปอร์เซ็นต์ต่อปี

สมมติฐานของฉากทัศน์กลางที่มักถูกเล่าไม่ครบคือ AI ทำงานความรู้ได้ครึ่งหนึ่งของทั้งหมดภายในปี 2030 และส่วนใหญ่ทำเองได้โดยไม่ต้องมีคนคุม แต่ไม่ได้ถูกนำไปใช้กับงานทั้งหมดนั้น คืองานความรู้ส่วนใหญ่ยังทำโดยไม่ใช้ AI อยู่ดี

ตัวเลขที่ควรอ่านมากกว่าจีดีพีคือสัดส่วนรายได้ระหว่างแรงงานกับทุน ฐานปัจจุบันที่หน้าเว็บระบุคือทุกหนึ่งดอลลาร์ที่เศรษฐกิจผลิตได้ ตกเป็นของแรงงานราว 60 เซนต์และของทุนราว 40 เซนต์ พอถึงปี 2030 สัดส่วนนี้กลายเป็น 59.4 ต่อ 40.6 ในฉากทัศน์พอประมาณ 56.1 ต่อ 43.9 ในฉากทัศน์กลาง และ 45.2 ต่อ 54.8 ในฉากทัศน์สุดขั้ว คือส่วนแบ่งของทุนเพิ่มขึ้นจากฐานเดิม 0.6 จุด 3.9 จุด และ 14.8 จุดตามลำดับ

ผู้จัดทำระบุว่าค่าจ้างเฉลี่ยเพิ่มขึ้นในทั้งสามฉากทัศน์ แต่ส่วนที่เพิ่มไปกระจุกอยู่ที่อาชีพนอกกลุ่มงานความรู้ ส่วนค่าจ้างของคนทำงานความรู้ในฉากทัศน์กลางแทบไม่ขยับ และในฉากทัศน์สุดขั้วต่ำกว่าเส้นทางที่ไม่มี AI เกินสิบเปอร์เซ็นต์ภายในปี 2030 ซึ่งเป็นการเทียบกับเส้นทางที่ไม่มี AI ไม่ใช่การเทียบกับค่าจ้างวันนี้ พร้อมระบุว่าในฉากทัศน์สุดขั้วการว่างงานอาจพุ่งไปถึงระดับสูงสุดในประวัติศาสตร์

ผลสำรวจคนอเมริกันกว่าหนึ่งหมื่นคนเมื่อเดือน ส.ค. พบว่าคนส่วนใหญ่คาดการณ์ตรงกับฉากทัศน์กลาง และราวหนึ่งในสิบคาดการณ์ตรงกับฉากทัศน์สุดขั้ว ข้อควรระวังที่ผู้จัดทำเขียนเองคือแบบจำลองนี้ไม่ได้ใส่ฉากทัศน์ที่มีหุ่นยนต์ความสามารถสูงเข้ามา และไม่ได้รวมการตอบสนองเชิงนโยบาย วัฏจักรเศรษฐกิจ ความปั่นป่วนของอุปสงค์รวมหรือตลาดการเงิน และความเสี่ยงระดับหายนะ ผู้ทบทวนจากภายนอกมีสิบแปดคนซึ่งรวมถึง Daron Acemoglu และ David Autor แต่ผู้จัดทำระบุชัดว่าผู้ทบทวนไม่ได้ถูกขอให้รับรองข้อสรุป และนี่เป็นแบบจำลองของบริษัทที่ขาย AI เอง

▲ ทำไมต้องรู้ · จุดที่ใช้ได้จริงคือแม้แต่ในภาพที่บริษัท AI วาดเองว่าเศรษฐกิจโตแรงที่สุด ค่าจ้างของคนทำงานความรู้ก็ไม่ได้โตตาม ส่วนแบ่งไปอยู่กับฝั่งทุนแทน คำถามที่ตามมาสำหรับคนทำงานคือจะทำอย่างไรให้ตัวเองอยู่ฝั่งที่ได้ส่วนแบ่ง เช่น การถือครองผลงานที่ทำซ้ำได้ หรือการอยู่ในงานที่ต้องตัดสินใจแทนองค์กร ไม่ใช่งานที่ผลิตชิ้นงานเป็นชิ้นๆ

Anthropic · Hacker News

The American Prospect เผยแพร่รายงานเมื่อ 9 ก.ย. เกี่ยวกับหน่วยงานรักษาความปลอดภัยทางกายภาพของ Anthropic โดยแหล่งข้อมูลหลักคือรายการพอดแคสต์ที่สัมภาษณ์ Keon Ellison ผู้จัดการศูนย์ปฏิบัติการความปลอดภัยของบริษัทและ Zach Melvin รวมถึงประกาศรับสมัครงานหนึ่งชิ้น และรายงานก่อนหน้าของ Wall Street Journal และ SF Standard

สิ่งที่ผู้ให้สัมภาษณ์เล่าเองคือบริษัทใช้บริการของผู้ให้บริการข้อมูลความเสี่ยงชื่อ Samdesk เพื่อรู้ล่วงหน้าว่ามีการชุมนุมที่วางแผนไว้ใกล้เส้นทางของผู้บริหาร โดยยกตัวอย่างว่าการได้รู้ล่วงหน้า 60 นาทีทำให้เปลี่ยนทางเข้าให้ผู้บริหารได้ทัน ส่วนประกาศรับสมัครงานตำแหน่งด้านความปลอดภัยที่ให้ค่าตอบแทน 180,000 ถึง 230,000 ดอลลาร์ต่อปี ระบุการเคลื่อนไหวเชิงกิจกรรมไว้ในรายการภัยคุกคามที่ต้องติดตาม เคียงกับการก่อการร้ายและการโจมตีระดับรัฐ

กรณีที่รายงานยกมาซึ่งเกี่ยวกับคนใช้งานทั่วไปคือ ชายคนหนึ่งพิมพ์คุยกับ Claude ว่าเขาซื้อปืนไรเฟิลมาแล้วและเล็งไปที่ผู้บริหารของบริษัท เรื่องถูกแจ้งตำรวจ เจ้าตัวบอกภายหลังว่าเป็นการพูดเล่น และรายงานระบุว่า Anthropic ปฏิเสธที่จะให้เนื้อหาข้อความจริงแก่ตำรวจ โดยอ้างนโยบายภายในของบริษัทเอง

ข้อควรระวังที่ต้องพูดให้ชัดคือ คำว่าระบบเฝ้าระวังเชิงทำนายเป็นการตีความของสำนักข่าวเอง ไม่ใช่ชื่อหรือคำอธิบายของระบบที่บริษัทเปิดเผย ข้อมูลส่วนใหญ่มาจากบทสัมภาษณ์และประกาศรับสมัครงาน ไม่ใช่เอกสารสัญญา และรายงานระบุว่า Anthropic ไม่ตอบคำขอความเห็น

▲ ทำไมต้องรู้ · สองอย่างที่ควรจำจากเรื่องนี้คือ ข้อความที่เราพิมพ์เข้าไปในผู้ช่วย AI มีเส้นทางไปถึงเจ้าหน้าที่รัฐได้จริงภายใต้นโยบายของผู้ให้บริการ และในกรณีนี้เส้นแบ่งที่ผู้ให้บริการยืนคือแจ้งเหตุได้แต่ไม่ส่งมอบเนื้อหาข้อความ องค์กรที่ใช้เครื่องมือเหล่านี้กับข้อมูลอ่อนไหวควรอ่านนโยบายการแจ้งเหตุและการส่งมอบข้อมูลของผู้ให้บริการให้จบ ไม่ใช่ดูแค่หน้าเรื่องความเป็นส่วนตัว

The American Prospect · Hacker News