AI News · 2026-09-23

Anthropic เปิดตัว Claude Opus 5.5 เมื่อวันที่ 22 กันยายน เป็นรุ่นแรกของตระกูล Claude 5.5 โดยบริษัทเขียนว่าโมเดลนี้ทำงานได้ในระดับเดียวกับ Claude Fable 5.1 ในงานส่วนใหญ่ และมีค่ารันถูกกว่า Opus 5 ราว 40% เมื่อใช้ค่าตั้งต้นกับงานทั่วไป พร้อมส่งข้อความออกเร็วกว่า Opus 5 มากกว่า 30%

ราคาต่อหนึ่งล้านโทเคนอยู่ที่ 4 ดอลลาร์ขาเข้าและ 20 ดอลลาร์ขาออก ลดจาก 5 และ 25 ดอลลาร์ของ Opus 5 ส่วนการอ่านจากแคชลดจาก 0.50 เหลือ 0.20 ดอลลาร์ Simon Willison ชี้ว่าราคาป้าย 5 และ 25 ดอลลาร์นี้ใช้กันมาตั้งแต่ Opus 4.5 จนถึง Opus 5 การลดครั้งนี้จึงเป็นครั้งแรกในรอบหลายรุ่น

ข้อควรระวังคือตัวเลขสองชุดนี้เป็นคนละเรื่องกัน ราคาต่อโทเคนลดลง 20% เป็นราคาที่ประกาศ ส่วนค่ารันที่ถูกลง 40% เป็นคำอ้างของบริษัทว่าโมเดลใช้โทเคนน้อยลงในงานเดียวกัน ซึ่งยังไม่มีผู้วัดอิสระยืนยัน

ตารางคะแนนที่บริษัทเผยแพร่เองให้ Opus 5.5 ได้ Terminal-Bench 4.0 ที่ 66.4% เทียบกับ 55.8% ของ Fable 5.1 และ 57.9% ของ GPT-6 Astra แต่บน AutomationBench ได้ 40.0% ตามหลัง GPT-6 Astra ที่ 41.4% หน้าประกาศระบุว่า เว้นแต่จะระบุไว้เป็นอย่างอื่น คะแนนของ Opus 5.5 ทุกตัววัดด้วยการคิดแบบปรับเองที่ระดับความพยายามสูงสุด ซึ่งไม่ใช่ค่าที่ผู้ใช้ได้ถ้าไม่ตั้งเอง

บริษัทเขียนว่านี่เป็นรุ่นแรกที่ออกหลังจากเรียกร้องให้วงการชะลอการแข่งขันที่ขอบบนสุด และผ่านการทดสอบก่อนปล่อยโดยผู้ประเมินภายนอกรวมถึง METR ฝั่งเอกสารนักพัฒนาระบุบริบท 1 ล้านโทเคน ส่งออกได้สูงสุด 128,000 โทเคน และปิดโหมดการคิดไม่ได้แล้ว

▲ ทำไมต้องรู้ · ใครจ่ายค่า API ของ Claude อยู่จะได้ส่วนลดทันทีโดยไม่ต้องทำอะไร แต่ตัวเลข 40% ที่บริษัทชูเป็นคำอ้างเรื่องประสิทธิภาพ ไม่ใช่ราคา วิธีเช็กที่ดีที่สุดคือรันงานจริงของตัวเองสักชุดแล้วดูบิล

Anthropic · Claude Platform · Simon Willison · Hacker News

ในวันเดียวกันนั้น OpenAI ปล่อยโมเดลสองตัวที่รับได้ทั้งข้อความและภาพ บันทึกการเปลี่ยนแปลงสำหรับนักพัฒนาระบุราคาต่อหนึ่งล้านโทเคนของ GPT-6 Sol ที่ 2 ดอลลาร์ขาเข้า 0.20 ดอลลาร์สำหรับขาเข้าที่อยู่ในแคช และ 10 ดอลลาร์ขาออก ส่วน GPT-6 Luna อยู่ที่ 0.10 ดอลลาร์ 0.01 ดอลลาร์ และ 0.50 ดอลลาร์ ตามลำดับ โดยราคานี้ใช้กับคำขอที่มีขาเข้าไม่เกิน 272,000 โทเคน

VentureBeat คำนวณว่า Sol ถูกกว่า GPT-5.6 Sol ที่ 4 และ 20 ดอลลาร์พอดีครึ่งหนึ่ง และโฆษกของ OpenAI ยืนยันกับสื่อรายนี้ว่าเป็นราคาถาวร ไม่ใช่ราคาโปรโมชัน Simon Willison เสริมว่ารุ่น GPT-5.6 มีกำหนดขึ้นราคา 25% ในเดือนพฤศจิกายน

คะแนนที่ OpenAI รายงานเองได้แก่ Sol ได้ DeepSWE 1.1 ที่ 68.8% เมื่อใช้ความพยายามสูงสุด และได้ AutomationBench ที่ 33.2% ที่ระดับความพยายาม xhigh ด้วยต้นทุนราว 0.27 ดอลลาร์ต่องาน บริษัทยังอ้างว่า Sol ทำผิดพลาดน้อยกว่า GPT-5.6 Sol ราวครึ่งหนึ่ง จากการทดสอบภายในที่สร้างจากบทสนทนาซึ่งผู้ใช้เคยแจ้งว่ามีข้อมูลผิด ข้อควรระวังที่ VentureBeat ชี้คือ OpenAI ไม่ได้เทียบกับ Gemini 3.8 Flash, Grok 4.7 หรือ MiMo เลย

ใช้งานได้ผ่าน API ในชื่อ gpt-6-sol และ gpt-6-luna และทยอยเปิดใน ChatGPT Work กับ Codex สำหรับแพ็กเกจ Plus, Pro, Business และ Enterprise ส่วนผู้ใช้ Free และ Go ใช้ Luna ได้ผ่านแอปเดสก์ท็อป

▲ ทำไมต้องรู้ · สองค่ายใหญ่ลดราคาในวันเดียวกัน หลังจากค่ายที่สามเพิ่งเปิดตัวรุ่นใหม่โดยชูว่าราคาครึ่งหนึ่งของคู่แข่งเมื่อวันก่อน องค์กรที่เซ็นสัญญาหรือตั้งงบรายปีไว้ตามราคาเดือนก่อนน่าจะจ่ายแพงเกินไปแล้ว ส่วนใครที่ยังใช้ GPT-5.6 ผ่าน API ควรวางแผนย้ายก่อนราคาขึ้นเดือนหน้า

OpenAI Developers · VentureBeat · Simon Willison · Hacker News

Claude Code รุ่น 2.1.280 เพิ่ม Claude Opus 5.5 และตั้งให้เป็นโมเดล Opus ตั้งต้น พร้อมเปลี่ยนโมเดลตั้งต้นของแพ็กเกจ Pro และ Team Standard จาก Sonnet ไปเป็น Opus ให้ตรงกับแพ็กเกจ Max, Team Premium และ Enterprise

รุ่นนี้ยังแก้ช่องโหว่ที่การเขียนไฟล์ผ่านทางลัดของระบบไฟล์ถูกตัดสินจากชื่อที่ดูเหมือนอยู่ในโครงการ ทั้งที่ไฟล์จริงไปตกนอกโครงการ ตอนนี้ทั้งโหมดอนุมัติอัตโนมัติ โหมด acceptEdits และกฎอนุญาตที่ตั้งไว้ จะไม่ยอมให้เขียนไฟล์แบบนั้นแล้ว และการกดตัวอักษร y หรือ n หลงเข้ามาจะไม่ถือเป็นการยืนยันหรือปิดหน้าต่างถามอีกต่อไป ต้องกด Enter หรือ Esc

อีกจุดที่ผู้ใช้จะสังเกตเห็นคือระดับความพยายามที่บันทึกไว้ตั้งแต่ก่อนคำสั่ง /effort จะแยกค่าตามรุ่น จะไม่ถูกนำไปใช้กับโมเดลใหม่อย่าง Opus 5.5 โมเดลใหม่จะเริ่มที่ค่าตั้งต้นของตัวเองจนกว่าผู้ใช้จะเลือกเอง

▲ ทำไมต้องรู้ · ผู้ใช้แพ็กเกจ Pro จะได้โมเดลที่แรงขึ้นโดยอัตโนมัติ แต่โมเดลที่ใหญ่กว่าก็กินโควตาเร็วกว่า ใครที่เคยใช้ได้ทั้งวันอาจพบว่าโควตาหมดเร็วขึ้น และสามารถเปลี่ยนกลับเป็นโมเดลเล็กได้เองถ้างานไม่ต้องการ

Claude Code changelog

บันทึกการเปลี่ยนแปลงของ API ระบุการเปลี่ยนแปลงที่ทำให้โค้ดเดิมใช้ไม่ได้สามจุด คือการสั่งเปิดหรือปิดการคิดแบบเดิมจะได้ข้อผิดพลาด 400 ให้ใช้พารามิเตอร์ระดับความพยายามแทน การบังคับให้เรียกเครื่องมือด้วยค่า any หรือ tool ก็ได้ข้อผิดพลาด 400 เช่นเดียวกับ Fable 5.1 และการใช้งานควบคุมคอมพิวเตอร์บน Claude API และ Google Cloud ต้องเปลี่ยนไปใช้ชุดเครื่องมือรุ่นใหม่ ส่วนบน Amazon Bedrock ยังใช้เครื่องมือรุ่นเดิมได้

ในวันเดียวกัน Anthropic เปิดให้ประกาศเครื่องมือใหม่กลางบทสนทนาได้โดยไม่ทำให้แคชของ prompt เสีย ในสถานะเบต้า

▲ ทำไมต้องรู้ · ทีมที่เปลี่ยนชื่อโมเดลในโค้ดแล้วคาดว่าจะใช้ได้ทันทีอาจเจอระบบล้ม ควรทดสอบในสภาพแวดล้อมทดลองก่อนสลับจริง โดยเฉพาะระบบที่ตั้งค่าการคิดไว้เอง

Claude Platform

Peter James เขียนเล่าเมื่อ 22 กันยายนว่าเขาขอให้ Muse ซึ่งเป็น agent ส่วนตัวของ Meta บีบอัดไฟล์ทั้งหมดที่มันมองเห็นแล้วส่งเข้า Google Drive ของเขา และมันก็ทำตาม

ไฟล์ที่ได้มีขนาดราว 2.7 กิกะไบต์เมื่อบีบอัด และ 6.8 กิกะไบต์เมื่อแตกออก ข้างในมีบันทึกการทำงานของ agent ย่อย 113 รายการ โฟลเดอร์ทักษะราว 68 โฟลเดอร์ เอกสารภายในราว 20 ไฟล์ และไฟล์กุญแจ SSH

ฝ่ายรับแจ้งช่องโหว่ของ Meta ตอบว่ารายงานนี้ไม่เข้าข่าย โดยไล่เหตุผลที่เป็นไปได้หลายข้อแต่ไม่ระบุว่าใช้ข้อไหน และเปิดให้ส่งหลักฐานผลกระทบเพิ่ม ข้อควรระวังที่ผู้เขียนระบุเองคือเขายังไม่ได้ตรวจว่ากุญแจ SSH นั้นใช้งานได้จริงหรือไม่ และการทดลองเจาะขอบเขตของคอนเทนเนอร์แบบเบาๆ ก็ดูเหมือนขอบเขตยังกั้นอยู่

เรื่องนี้เกิดขณะที่ Muse กำลังโตเร็ว Blognone อ้างข้อมูล Sensor Tower ว่าแอปมียอดดาวน์โหลดกว่า 730,000 ครั้งในห้าวันแรก

▲ ทำไมต้องรู้ · agent ที่ทำงานแทนเราได้ ต้องมีพื้นที่ทำงานและสิทธิ์ของตัวเอง เคสนี้แสดงว่าคำถามแค่ประโยคเดียวอาจพาสิ่งที่อยู่ในพื้นที่นั้นออกมาทั้งหมด องค์กรที่ประเมิน agent ควรถามผู้ขายว่ามีอะไรอยู่ในเครื่องที่ agent รัน และมันถูกห้ามส่งอะไรออกไปบ้าง

mouse.dev · Blognone · Hacker News

Blognone รายงานว่า Googlebook เปิดตัวอย่างเป็นทางการ โดยสร้างระบบรอบ Gemini Intelligence และมีเทอร์มินัล Linux ที่รองรับเครื่องมือเขียนโค้ดอย่าง Antigravity, Codex และ Claude Code

ทุกรุ่นที่เปิดตัวใช้หน่วยประมวลผล AI ที่แรงกว่า 45 TOPS และมีหน่วยความจำเริ่มต้น 16 กิกะไบต์ ราคาเริ่มต้นไล่ตั้งแต่ 899 ดอลลาร์ของ Acer ไปจนถึง 1,299 ดอลลาร์ของ ASUS และ HP วางขายในสหรัฐวันที่ 4 ตุลาคม และในแคนาดา สหราชอาณาจักร ไอร์แลนด์ ฝรั่งเศส เยอรมนี และออสเตรเลียวันที่ 5 ตุลาคม พร้อมสิทธิ์ Google AI Pro 12 เดือนและอัปเดตซอฟต์แวร์นานสูงสุด 10 ปี

▲ ทำไมต้องรู้ · เครื่องที่ออกแบบให้ AI อยู่ในระบบปฏิบัติการตั้งแต่ต้นกำลังเข้าสู่ตลาดจริง แต่รอบแรกไม่มีไทยอยู่ในรายชื่อประเทศ ใครที่วางแผนจัดซื้อโน้ตบุ๊กให้ทีมยังไม่ต้องรีบเปลี่ยนแผน

Blognone · Google

Frode Weierud นักวิจัยประวัติศาสตร์การเข้ารหัส เผยแพร่รายงานว่าข้อความ Enigma รหัส MVUEH ลงวันที่ 10 กรกฎาคม 1941 ที่ส่งถึงสถานีวิทยุของฝ่ายพลาธิการหน่วย SS-Totenkopf ของเยอรมัน ซึ่งต้านทุกความพยายามถอดรหัสมาตั้งแต่ปี 2005 ถูกแกะออกแล้ว

Carter Leffer เป็นคนสั่งให้ GPT-6 Astra ไล่ดูข้อความที่ยังไม่มีใครถอดได้ ตัวโมเดลเลือกเองว่าข้อความ MVUEH น่าจะแกะได้มากที่สุด แล้วเขียนโปรแกรมภาษา Python และ C++ จำลองเครื่อง Enigma และเครื่อง Bombe ขึ้นมาใช้ถอดรหัส ใช้เวลาราวสองวัน และ Weierud ตรวจแล้วยืนยันว่าผลถูกต้อง

ข้อควรระวังคือต้นฉบับที่ถอดความไว้มีจุดผิดพลาด และวงล้อของเครื่องหมุนข้ามที่ตัวอักษรที่ 72 ซึ่งเกิดไม่บ่อย น่าจะเป็นเหตุที่คนรุ่นก่อนแกะไม่ได้ ผู้ใช้บน Hacker News หลายคนยังแย้งว่าการเล่าว่าโมเดลทำได้เองทั้งหมดเกินจริง เพราะงานหนักคือโปรแกรมที่มันเขียนขึ้นมาไล่ลองทุกทาง

▲ ทำไมต้องรู้ · สิ่งที่น่าสนใจกว่าข่าวถอดรหัสได้คือรูปแบบงาน โมเดลเลือกโจทย์ เขียนเครื่องมือเอง แล้วใช้เครื่องมือนั้นทำงานต่อ งานสายวิเคราะห์ในองค์กรจำนวนมากมีรูปแบบเดียวกัน และคนที่ตรวจผลลัพธ์เป็นยังจำเป็นเหมือนที่ Weierud ต้องเป็นคนยืนยัน

Crypto Cellar Research · Hacker News

หลายทีมใช้วิธีให้โมเดลหลายตัวช่วยกันให้คะแนนแล้วโหวต โดยเชื่อว่ายิ่งหลายตัวยิ่งแม่น เปเปอร์นี้วัดพบว่าโมเดลที่ใช้เป็นผู้ตัดสินมักผิดในจุดเดียวกัน โดยค่าสหสัมพันธ์ของความผิดพลาดเฉลี่ยรายคู่อยู่ที่ 0.21 ทั้งในโมเดลเปิดและโมเดลแนวหน้า

ผลคือผู้ตัดสินสิบตัวให้ข้อมูลเทียบเท่าผู้ตัดสินที่เป็นอิสระต่อกันราว 3.5 ตัว และในการเปรียบเทียบสูงสุดถึง 28% การมองข้ามความผิดพลาดร่วมนี้ทำให้สรุปว่าระบบหนึ่งดีกว่าอย่างมีนัยสำคัญ ทั้งที่เมื่อนับความผิดร่วมเข้าไปแล้วสรุปแบบนั้นไม่ได้ ผู้เขียนเสนอให้วัดความแม่นและความผิดร่วมบนตัวอย่างที่มีเฉลยก่อน แล้วค่อยให้โหวตกับข้อมูลใหม่

ข้อควรระวังคือเปเปอร์ยังเป็นพรีปรินต์ที่ไม่ระบุงานประชุม

▲ ทำไมต้องรู้ · ถ้าองค์กรใช้ AI ตรวจงานของ AI อีกที แล้วเพิ่มจำนวนผู้ตรวจเพื่อให้รู้สึกมั่นใจขึ้น งานนี้บอกว่าความมั่นใจนั้นโตเร็วกว่าความแม่นจริงมาก

arXiv 2609.22512

แทนที่จะส่งทุกขั้นของงาน agent ไปให้โมเดลแนวหน้า AgentRouter ใช้ตัวจำแนกขนาดเล็ก 12 ล้านพารามิเตอร์ ตัดสินใจทีละขั้นว่าจะส่งไปให้โมเดลระดับไหนในสี่ระดับ ตัวจำแนกนี้ฝึกจากขั้นตอนงานที่ติดป้ายกำกับไว้แล้ว 50,000 ขั้น และเพิ่มเวลาไม่ถึง 5 มิลลิวินาทีต่อขั้นบน GPU รุ่น A100

ผู้เขียนรายงานว่าค่าใช้จ่ายลดลง 72% เมื่อเทียบกับการส่งทุกขั้นไปที่โมเดลแนวหน้า โดยรักษาคุณภาพไว้ได้ 97.3% ขณะที่วิธีเดิมอย่าง RouteLLM ลดได้ 31% และ FrugalGPT ลดได้ 44%

ข้อควรระวังคือบทคัดย่ออธิบายคุณภาพ 97.3% เพียงว่าอัตราการทำงานสำเร็จแบบครบทั้งงานลดลงไม่ถึง 3% และตัวเลขเทียบกับวิธีเดิมเป็นผลที่ผู้เขียนรันเอง เปเปอร์ได้รับคัดเลือกเข้าเวิร์กช็อป AgenticUQ ของงานประชุม ICML 2026

▲ ทำไมต้องรู้ · ในสัปดาห์ที่ราคาโมเดลเปลี่ยนทุกวัน แนวคิดที่ว่าไม่จำเป็นต้องใช้โมเดลที่แพงที่สุดกับทุกขั้นของงานเป็นวิธีคุมค่าใช้จ่ายที่ใช้ได้ทันที แม้จะไม่ได้ใช้ตัวจำแนกแบบในงานวิจัยก็ตาม

arXiv 2609.22951

ทีมผู้เขียนเสนอ EDGEGEN ซึ่งดึงกฎที่ agent ต้องทำตามออกมาจากสเปกของระบบ แล้วสร้างโจทย์ที่อิงกับข้อมูลในฐานข้อมูลของระบบและออกแบบมาให้ละเมิดกฎนั้น ทั้งกระบวนการทำงานอัตโนมัติโดยไม่ต้องให้คนกำกับข้อมูล

บนชุดทดสอบงานสายการบินของ tau2bench การฝึกด้วยโจทย์ชุดนี้ทำให้ความคืบหน้าเฉลี่ยของงานดีขึ้น 2% ถึง 42% ขณะที่วิธีเทียบบางวิธีทำให้บางโมเดลแย่ลง

ข้อควรระวังคือการทดสอบการฝึกใช้งานเพียงโดเมนเดียว และบทคัดย่อรายงานผลส่วนที่ปรับโครงสร้างรอบ agent ของโมเดลขนาดเล็กเพียงตัวเดียวคือ Gemma-4-e4b

▲ ทำไมต้องรู้ · agent ที่ทำงานบริการลูกค้ามักพังตรงคำขอแปลกๆ ที่ไม่มีใครเขียนเป็นตัวอย่างไว้ งานนี้ชี้ว่ารายการกฎที่องค์กรมีอยู่แล้วเอามาสร้างเป็นชุดทดสอบกรณีขอบได้ ก่อนปล่อย agent ให้ลูกค้าจริงใช้

arXiv 2609.24115

ฐานเศรษฐกิจรายงานว่า OpenThai 2.0 Legal เปิดให้ผู้ถือ TH-AI Passport ใช้ฟรีผ่านแพลตฟอร์ม AiPASS ระบบนี้อ้างอิงฐานข้อมูลตัวบทกฎหมายกว่า 2,000 ฉบับ ตอบพร้อมระบุกฎหมายและมาตราที่เกี่ยวข้อง ค้นและสรุปคำพิพากษาศาลฎีกาได้ และให้อัปโหลดเอกสารเข้าไปวิเคราะห์

ระบบพัฒนาโดย iApp Technology ร่วมกับ AIEAT บนเทคโนโลยี NVIDIA NeMo ภายใต้ความร่วมมือกับ BDI โครงการ ThaiLLM และ NVIDIA เปิดให้คนไทยอายุ 15 ปีขึ้นไปลงทะเบียน และผู้ที่ลงทะเบียนภายในวันที่ 30 พฤศจิกายน 2569 จะได้สิทธิ์อัปเกรดเป็นระดับ Innovator นาน 30 วัน

ข้อควรระวังที่แหล่งข่าวระบุเองคือคำตอบเป็นข้อมูลเบื้องต้น ไม่ได้ใช้แทนผู้เชี่ยวชาญด้านกฎหมาย

▲ ทำไมต้องรู้ · งานเอกสารที่ต้องเช็กกฎหมายเป็นงานประจำของฝ่ายบุคคล จัดซื้อ และธุรการ เครื่องมือที่อ้างมาตราได้ช่วยให้ตรวจย้อนเองได้ว่าคำตอบมาจากไหน ซึ่งปลอดภัยกว่าการถามแชตบอตทั่วไปที่ไม่บอกแหล่งที่มา

ฐานเศรษฐกิจ

รายงาน Data and AI Impact Report ของ SAS และ IDC สำรวจองค์กรในสิงคโปร์ มาเลเซีย และไทย พบว่าดัชนีความน่าเชื่อถือของการใช้ AI ขึ้นจาก 57.7 เป็น 66.5 และช่องว่างระหว่างความไว้ใจกับความน่าเชื่อถือจริงแคบลงจาก 14.6 เหลือ 6.6 จุด แต่ดัชนีผลลัพธ์แทบไม่ขยับจาก 58.3 เป็น 58.0

สัดส่วนองค์กรที่ได้ผลตอบแทนจากการลงทุนชัดเจนลดลงจาก 36.7% เหลือ 28.7% และที่น่ากังวลกว่าคือสัดส่วนองค์กรที่ตรวจสอบระบบ AI อย่างสม่ำเสมอลดลงจาก 47.3% เหลือ 21.3% ขณะที่ 65.6% ยังวางแผนเพิ่มงบเล็กน้อย

เหตุผลอันดับต้นที่ทำให้พนักงานไม่เชื่อคำแนะนำของ AI คือคำอธิบายไม่พอ 37.8% และขาดความเข้าใจบริบท 37% ข้อควรระวังคือตัวเลขของภูมิภาคนี้อ้างอิงผู้ตอบแบบสอบถามราว 120 รายรวมสามประเทศ จากผู้ตอบทั่วโลก 2,699 ราย

▲ ทำไมต้องรู้ · การใช้ AI ที่ดูน่าเชื่อถือขึ้นแต่ผลลัพธ์ไม่ขยับ กับการตรวจสอบที่ลดลง เป็นสัญญาณอันตรายคู่กัน ถ้าทีมตรวจงานของ AI น้อยลงขณะที่ใช้มากขึ้น ความผิดพลาดจะหลุดไปถึงลูกค้าก่อนที่จะมีใครรู้

กรุงเทพธุรกิจ

Kyndryl สำรวจผู้บริหารในแปดประเทศ ได้แก่ ญี่ปุ่น อินเดีย สหราชอาณาจักร เยอรมนี ฝรั่งเศส สเปน สหรัฐ และบราซิล พบว่าผู้บริหาร 7 ใน 10 วางแผนเพิ่มการลงทุนด้าน AI แต่มีเพียง 23% ที่มั่นใจว่าบุคลากรของตัวเองพร้อม อุปสรรคอันดับต้นคือความปลอดภัยไซเบอร์และช่องว่างทักษะ

กิตติพงษ์ อัศวพิชยนต์ กรรมการผู้จัดการ คินดริล ประเทศไทย ให้ความเห็นว่าลูกค้าจำนวนมากมาพร้อมโจทย์ว่าจะใช้ AI ทำอะไร มากกว่าจะถามว่า AI จะเปลี่ยนธุรกิจอย่างไร

ข้อควรระวังคือการสำรวจนี้ไม่มีประเทศไทยอยู่ในกลุ่มตัวอย่าง

▲ ทำไมต้องรู้ · ตัวเลขนี้เข้าชุดกับรายงาน SAS และ IDC ข้างบน เงินลงทุนไหลเข้า AI เร็วกว่าที่คนในองค์กรพร้อมรับ งบฝึกคนจึงเป็นส่วนที่ขาดไม่ได้ของทุกโครงการ

กรุงเทพธุรกิจ

T-Head หน่วยออกแบบชิปของ Alibaba เปิดตัวชิป Zhenwu V900 ในงาน Apsara Conference 2026 ที่หางโจว ชิปมีหน่วยความจำ 216 กิกะไบต์ แบนด์วิดท์ระหว่างชิป 1,200 กิกะไบต์ต่อวินาที และบริษัทอ้างว่าแรงกว่ารุ่นก่อนหน้าสามเท่า

คลัสเตอร์หนึ่งขยายได้ถึง 500,000 ตัว คาดว่าจะเริ่มผลิตจำนวนมากและขายในไตรมาสแรกของปี 2027 ซึ่งแปลว่ายังไม่ได้ส่งมอบในตอนนี้ Alibaba ยังตั้งเป้าดาต้าเซ็นเตอร์รวม 20 กิกะวัตต์ภายในปี 2032

▲ ทำไมต้องรู้ · การที่ผู้ให้บริการคลาวด์รายใหญ่ของจีนทำชิปเองครบวงจร ทำให้ตลาดชิป AI มีผู้เล่นมากกว่าหนึ่งค่าย ซึ่งในระยะยาวจะมีผลต่อราคาเช่าเครื่องที่องค์กรในเอเชียต้องจ่าย

TechNode · TechNode Global · Blognone

Bloomberg รายงานจากการสอบสวนภายในของกระทรวงกลาโหมสหรัฐที่ยังไม่เปิดเผย ว่าการโจมตีโรงเรียนประถมในเมือง Minab ในวันแรกของสงครามเมื่อเดือนกุมภาพันธ์ ซึ่งมีผู้เสียชีวิตกว่า 150 คนรวมถึงเด็กอย่างน้อย 123 คน มีปัจจัยร่วมคือการพึ่งระบบ Maven Smart System ของ Palantir มากเกินไป ข้อมูลเป้าหมายที่ล้าสมัย และภาพถ่ายที่ล้าสมัย

รายงานระบุว่างานคัดเป้าหมายที่เคยใช้เวลาหลายชั่วโมงถูกย่อเหลือไม่กี่นาที และเจ้าหน้าที่ที่ดูแลการลดความเสียหายต่อพลเรือนถูกตัดลงราว 90% โดยทีมของกองบัญชาการภาคกลางเหลือจากสิบคนเป็นคนเดียว

Palantir ระบุว่าบริษัทไม่ได้รับผิดชอบข้อมูลต้นทางหรือการระบุจุดบกพร่องด้านข่าวกรอง ส่วนกระทรวงกลาโหมปฏิเสธจะให้ความเห็นเพราะการสอบสวนยังไม่จบ ข้อควรระวังคือรายงานนี้มาจากแหล่งข่าวของ Bloomberg ไม่ใช่เอกสารที่เปิดเผยอย่างเป็นทางการ

▲ ทำไมต้องรู้ · บทเรียนที่ใช้ได้กับทุกองค์กรคือเมื่อ AI ทำให้งานเร็วขึ้น คนที่ทำหน้าที่ตรวจทานมักถูกตัดออกเป็นอย่างแรก ทั้งที่ระบบที่เร็วขึ้นยังใช้ข้อมูลเก่าได้เหมือนเดิม การเร่งความเร็วโดยไม่เก็บจุดตรวจไว้คือการย้ายความเสี่ยงไปไว้ที่ปลายทาง

Gizmodo · Hacker News