AI News · 2026-09-24

Google เปิดให้ใช้ Gemini 3.8 Flash TTS และ Gemini 3.8 Flash-Lite TTS แบบ GA ผ่าน API และ AI Studio มีเสียงสำเร็จรูปกว่า 2,000 เสียง รองรับกว่า 100 ภาษาและสำเนียง และออกแบบเสียงใหม่จากคำบรรยายได้ ตัว Flash TTS ใช้ใน Gemini Notebook ส่วน Flash-Lite TTS ใช้ใน Google Vids

ฟีเจอร์ที่คนพูดถึงมากที่สุดคือการสร้างเสียงเลียนแบบจากตัวอย่างเสียงยาว 30 วินาที ซึ่งต้องมีการอัดเสียงให้ความยินยอมจากเจ้าของเสียงที่ตรงกับเสียงต้นแบบ และการสร้างเสียงเลียนแบบผ่าน AI Studio ยังเปิดไม่ได้ในรัฐ Illinois และ Texas เขตเศรษฐกิจยุโรป สหราชอาณาจักร สวิตเซอร์แลนด์ และอินเดีย เสียงทุกคลิปฝังลายน้ำ SynthID

Simon Willison ทดลองสร้างบทสนทนาหลายผู้พูดยาว 1 นาที 18 วินาที ใช้เวลาสร้างราว 20 วินาทีและเสียเงิน 2.74 เซนต์

▲ ทำไมต้องรู้ · งานเสียงบรรยายสำหรับวิดีโอสอนงาน คลิปประชาสัมพันธ์ภายใน หรือระบบตอบรับทางโทรศัพท์ กำลังมีต้นทุนแทบเป็นศูนย์ แต่การโคลนเสียงคนจริงต้องได้รับความยินยอมจากเจ้าของเสียง และองค์กรควรมีกติกาภายในก่อนว่าเสียงของใครใช้ได้บ้าง

Google · Gemini API changelog · Simon Willison · Hacker News

Przemek Szypowicz ทดสอบด้วยการสร้างโฟลเดอร์ที่มีแค่ไฟล์ AGENTS.md ซึ่งซ่อนคำรหัส PERIWINKLE ไว้ แล้วถาม Claude Code ว่าเห็นคำนั้นไหม ผลคือเมื่อตั้ง DISABLE_TELEMETRY=1 หรือ CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1 โปรแกรมจะไม่อ่านไฟล์นี้เลย และไม่มีคำเตือนใดๆ

ต้นเหตุคือตัวอ่าน AGENTS.md ที่เพิ่งเพิ่มเข้ามาในรุ่น 2.1.277 ผูกไว้กับสวิตช์ฝั่งเซิร์ฟเวอร์ที่ค่าตั้งต้นเป็นปิด และดึงค่าไม่ได้เมื่อผู้ใช้บล็อกการเชื่อมต่อที่ไม่จำเป็น ผู้เขียนสรุปว่า "A privacy setting should never quietly switch off unrelated local behavior."

พนักงาน Anthropic ตอบบน Hacker News ว่าเป็นผลข้างเคียงจากการทยอยเปิดฟีเจอร์ และแก้แล้วในรุ่น 2.1.281 ที่ปล่อยในวันเดียวกัน ส่วนบันทึกการเปลี่ยนแปลงของรุ่นนั้นไม่ได้เขียนถึงการแก้นี้ ทางเลี่ยงที่ผู้เขียนเสนอสำหรับคนที่ยังอัปเดตไม่ได้คือสร้างไฟล์ CLAUDE.md บรรทัดเดียวที่เขียนว่า @AGENTS.md

▲ ทำไมต้องรู้ · ทีมที่ปิดการส่งข้อมูลการใช้งานด้วยเหตุผลด้านความเป็นส่วนตัวขององค์กร อาจได้ agent ที่ไม่ทำตามกติกาโปรเจกต์โดยไม่มีใครรู้ตัว วิธีตรวจแบบคำรหัสในไฟล์ที่ผู้เขียนใช้ เป็นวิธีง่ายๆ ที่ใช้เช็กเครื่องมือ AI ตัวไหนก็ได้ว่าอ่านไฟล์คำสั่งของเราจริงหรือเปล่า

blog.szypowi.cz · Claude Code changelog · Hacker News

ทีมของ Anthropic เล่าว่าใช้ Claude Tag เป็น agent ประจำอยู่ในช่อง Slack ให้หาคอขวด สร้างชุดวัดผลที่ได้ค่าเดิมทุกครั้ง เปิด pull request และเฝ้าการ deploy เอง มีงานปรับปรุงเดินพร้อมกันกว่า 150 เส้น โดยคนทำหน้าที่กำหนดทิศทาง

ผลที่รายงานคือการโหลดหน้าใหม่ลดจาก 3,085 เหลือ 550 มิลลิวินาที การเปิดบทสนทนาเดิมบนเว็บลดจาก 1,557 เหลือ 646 มิลลิวินาที และภาพรวมเร็วขึ้นเฉลี่ย 3.1 เท่าจาก 13 จุดที่วัด ประโยคที่ทีมใช้สรุปคือ "Once Claude can measure something, it can make it faster."

ข้อควรระวังคือตัวเลขนี้เป็นค่าเฉลี่ยเรขาคณิตที่เปอร์เซ็นไทล์ 75 ทีมเขียนเองว่ากลุ่มที่ช้าที่สุดยังต้องทำต่อ และความเห็นบน Hacker News เตือนว่าเมื่อจุดง่ายหมด agent มีแนวโน้มจะหาทางโกงตัววัดแทนการแก้จริง

▲ ทำไมต้องรู้ · บทเรียนที่ใช้ได้กับงานทุกประเภทคือ agent ทำงานได้ดีเมื่อมีตัวเลขให้ไล่ งานไหนที่ทีมยังวัดไม่ได้ ควรลงแรงสร้างตัววัดก่อนจะมอบให้ AI

claude.dev · Hacker News

Anthropic รายงานเมื่อ 23 กันยายนว่า agent ของ Claude ราว 950 ตัวค้นฐานข้อมูลลำดับดีเอ็นเอขนาดใหญ่นาน 21 ชั่วโมง ใช้ไป 210 ล้านโทเคน ไล่จากเอนไซม์ reverse transcriptase กว่า 200,000 ตัว คัดเหลือระบบที่น่าสนใจราว 3,500 ระบบ และ 20 ระบบที่เด่นที่สุด

สิ่งที่พบถูกตั้งชื่อว่า Array-Associated Reverse Transcriptases หรือ ART พบส่วนใหญ่ในไวรัสที่ติดเชื้อแบคทีเรีย ประกอบด้วยเอนไซม์ ยีนคู่ และชุดลำดับดีเอ็นเอซ้ำที่เว้นระยะเท่ากันคล้ายชุดลำดับของ CRISPR การทดลองในห้องแล็บยืนยันแล้วว่าชุดลำดับนี้ถูกแปลงออกมาเป็น RNA สั้นๆ แยกเป็นชิ้น บริษัทเผยแพร่ผลเป็นพรีปรินต์ และ Feng Zhang ผู้บุกเบิก CRISPR อ่านพรีปรินต์แล้วให้ความเห็นว่าเป็นตัวอย่างที่น่าตื่นเต้นของการที่ agent ช่วยค้นพบทางชีววิทยาได้

ข้อควรระวังที่บริษัทเขียนเองคือยังไม่รู้ว่าระบบนี้ทำหน้าที่อะไร ความเห็นบน Hacker News เสนอให้มองแบบพอดีๆ ว่าเป็นการเจอการจัดเรียงยีนแบบใหม่รอบเอนไซม์ที่รู้จักอยู่แล้ว มากกว่าจะเป็นเครื่องมือแก้ยีนตัวใหม่

▲ ทำไมต้องรู้ · รูปแบบงานนี้คือให้ agent จำนวนมากกวาดข้อมูลที่ใหญ่เกินกว่าคนจะอ่านไหว แล้วให้ผู้เชี่ยวชาญตัดสินขั้นสุดท้าย องค์กรที่มีข้อมูลสะสมมาก เช่น เอกสารสัญญาหรือบันทึกลูกค้า ใช้แนวคิดเดียวกันได้ โดยต้องมีคนที่รู้จริงเป็นคนยืนยันเสมอ

Anthropic · Hacker News

Epoch AI ร่วมกับ Thomas Bloom จากมหาวิทยาลัยแมนเชสเตอร์ ผู้ดูแลเว็บรวมโจทย์ของ Erdős สร้าง FrontierMath Erdős จากโจทย์ที่ยังเปิดอยู่ 68 ข้อ ซึ่งคัดจากทั้งหมด 652 ข้อ AI ต้องพิสูจน์หรือหักล้างให้ได้ในภาษาพิสูจน์ Lean

ทีมวิจัยทดสอบ AI ห้าตัวด้วยงบ 300 ดอลลาร์ต่อโจทย์ GPT-6 Astra ได้ 3% ส่วนตัวอื่นทั้งหมดได้ 0% ผู้เขียนอธิบายว่าข่าว AI แก้โจทย์เปิดได้ที่ผ่านมาเป็นการสาธิตทีละเคส ยังไม่ใช่การวัดอย่างเป็นระบบบนโจทย์ชุดเดียวกันและงบเท่ากัน

▲ ทำไมต้องรู้ · ข่าว AI ค้นพบสิ่งใหม่ออกมาถี่ขึ้นทุกสัปดาห์ ตัวเลขนี้ช่วยตั้งความคาดหวังให้พอดี ความสำเร็จที่เห็นในข่าวคือเคสที่ถูกเลือกมาเล่า ส่วนอัตราสำเร็จเมื่อวัดทั้งชุดยังต่ำมาก

arXiv 2609.25050

ทีมผู้เขียนสร้าง Taste-Bench จากบันทึกการทำงานของ agent ในงานวิศวกรรมและงานวิจัย แต่ละข้อคือจุดแยกทางที่มีหลายทางเลือกและมีทางหนึ่งนำไปสู่ผลที่ดีกว่า โมเดลต้องเลือกโดยไม่เห็นว่าเกิดอะไรขึ้นหลังจากนั้น

โมเดลแนวหน้าที่ดีที่สุดตอบถูก 59.7% จุดแยกที่หลักฐานชี้ขาดโผล่มาทีหลังยากขึ้นมากสำหรับทุกโมเดล และการให้เวลาคิดมากขึ้นไม่ช่วยให้แม่นขึ้น ผู้เขียนยังแสดงว่าฝึกรสนิยมนี้ได้ด้วยการกลั่นวิจารณญาณของโมเดลครูที่เห็นผลลัพธ์แล้วไปให้โมเดลนักเรียน ซึ่งทำให้งานบน SWE-bench Pro ที่แยกไว้ทดสอบสำเร็จมากขึ้น

ข้อควรระวังคือเปเปอร์ยังเป็นพรีปรินต์ที่ไม่ระบุว่าผ่านการพิจารณาของงานประชุมใด

▲ ทำไมต้องรู้ · เวลามอบงานยาวให้ agent ความเสี่ยงไม่ได้อยู่ที่ขั้นย่อยแต่ละขั้น แต่อยู่ที่การเลือกทางผิดตั้งแต่ต้นแล้วทำต่อไปอีกหลายชั่วโมง การให้คนตรวจที่จุดตัดสินใจสำคัญจึงคุ้มกว่าการตรวจงานตอนจบ

arXiv 2609.25804

Tapan Parikh ส่งบทสนทนาหลายรอบชุดเดียวกันให้ 60 โมเดลจาก 13 ผู้ผลิต ในแต่ละฉากผู้ใช้ยืนกราน อ้อนวอน ประจบ หรือแสดงความเศร้า เพื่อให้โมเดลยอมทิ้งข้อเท็จจริงที่ถูก เขียนเอกสารที่ควรปฏิเสธ หรือเชียร์แผนที่จะทำให้ผู้ใช้เสียเงิน

ผลคือโอกาสที่โมเดลจะยอมถอยสัมพันธ์กับความสามารถของโมเดลที่ค่าสหสัมพันธ์ Spearman ลบ 0.64 แปลว่ายิ่งรุ่นใหม่ยิ่งถอยน้อย โดยแทบไม่ขึ้นกับผู้ผลิต แต่ลักษณะวิธียืนหยัดหรือวิธียอมกลับแยกตามผู้ผลิตชัดเจน

อีกผลที่น่าสนใจคือโมเดลหกตัวที่ใช้เป็นผู้ติดป้ายข้อมูล ติดป้ายได้สม่ำเสมอกว่าคนสามคน ผู้เขียนสรุปว่างานของคนควรอยู่ที่การออกแบบหมวดหมู่และดูแลชุดเฉลยขนาดเล็ก มากกว่าจะนั่งติดป้ายเองจำนวนมาก

▲ ทำไมต้องรู้ · ใครที่เคยกดดันแชตบอตจนมันยอมเปลี่ยนคำตอบ งานนี้ยืนยันว่าเกิดขึ้นจริงและวัดได้ ถ้าคำตอบที่ได้หลังจากเถียงไปสามรอบตรงกับที่เราอยากได้พอดี ควรกลับไปเช็กกับแหล่งอื่นก่อนใช้

arXiv 2609.25447

ต่อจาก Jev ของ TypeSafe AI ที่คืนค่าเป็นตัวเลขแทนข้อความ ทีมผู้เขียนเทียบ Jev ในบทผู้ตัดสินกับผู้ตัดสินแบบอื่น 16 ตัว โดยมีคนตัดสินแบบปิดชื่อเป็นเกณฑ์ พบว่า Jev ห่างจากผู้ตัดสิน LLM ที่ดีที่สุดไม่เกินสามจุดเปอร์เซ็นต์ในงานเลือกคำตอบที่ชอบกว่าและงานตรวจข้อเท็จจริงที่มีหลักฐาน ด้วยค่าใช้จ่าย 0.36% ของผู้ตัดสินตัวนั้น

ช่องว่างกว้างขึ้นเมื่อต้องตรวจขั้นตอนการคำนวณ หรือต้องไม่หลงคำตอบผิดที่เขียนมาอย่างดี ผู้เขียนจึงเสนอให้รับคำตัดสินที่ Jev มั่นใจ และส่งข้อที่ไม่มั่นใจต่อให้ผู้ตัดสินตัวใหญ่ ซึ่งรักษาความแม่นได้ 99% ในราคาที่ถูกลง

ข้อควรระวังคือเปเปอร์ยังเป็นพรีปรินต์ และตัวเลขทั้งหมดเป็นผลที่ผู้เขียนวัดเอง

▲ ทำไมต้องรู้ · ต่อยอดจากงานเมื่อวานที่พบว่าผู้ตัดสินหลายตัวผิดพร้อมกัน งานนี้เสนอทางกลับด้าน คือใช้ตัวราคาถูกตรวจรอบแรกแล้วส่งเฉพาะข้อที่ยากให้ตัวแพง แนวคิดแบบขั้นบันไดนี้ใช้ได้กับงานตรวจเอกสารจำนวนมากในองค์กร

arXiv 2609.26550

Blognone รายงานจากงาน KBTG Techtopia ครั้งที่สี่ที่ศูนย์ประชุมแห่งชาติสิริกิติ์ว่า KBTG เปิดตัว AthenaMind แพลตฟอร์ม agent หลายตัวที่มี agent ตั้งค่าไว้แล้ว 24 แบบ พนักงานของ KBTG ใช้งานแล้ว 90% และตั้งเป้าลดต้นทุนลง 15% ภายในปี 2028 จากการที่นักพัฒนาทำงานร่วมกับ AI

บริษัทยังเล่าชุดเครื่องมือกำกับดูแลที่ใช้ภายใน ได้แก่ ระบบประเมิน AI ระบบกั้นไม่ให้ AI ทำงานนอกขอบเขตชื่อ Aegis และพื้นที่ทดลองสำหรับแอปใหม่ ในงานมีการอ้างตัวเลขว่าคนทำงานราว 39% จะต้องฝึกทักษะใหม่ภายในปี 2030

▲ ทำไมต้องรู้ · ธนาคารไทยรายใหญ่เริ่มพูดถึง agent ในมุมตัวเลขการใช้งานจริงและเป้าต้นทุน ไม่ใช่แค่โครงการนำร่อง และสิ่งที่เปิดตัวคู่กันคือระบบกำกับดูแล ซึ่งเป็นคำถามที่ฝ่ายบริหารในองค์กรอื่นจะถูกถามตามมา

Blognone

LINE ประเทศไทยร่วมกับ Nielsen สำรวจคนไทย 500 คนในกรุงเทพฯ และเมืองใหญ่ พบว่า 56% มองว่าการติดต่อเจ้าหน้าที่รัฐยากและรอนาน และ 44% ชี้ว่าบริการยังไม่เอื้อต่อผู้สูงอายุและผู้พิการ

52% ยินดีใช้บัญชีทางการบน LINE ถ้าแชตบอตตอบได้ทันที แต่ 40% ยังอยากคุยกับคนผ่านโทรศัพท์หรือไปติดต่อด้วยตัวเอง ข้อควรระวังคือผู้ทำสำรวจเป็นเจ้าของแพลตฟอร์มที่ได้ประโยชน์จากผลสำรวจเอง และกลุ่มตัวอย่างเป็นคนเมืองเท่านั้น

▲ ทำไมต้องรู้ · ตัวเลขนี้ใช้ได้กับทุกองค์กรที่คิดจะให้แชตบอตตอบลูกค้า ความเร็วคือสิ่งที่คนยอมแลก แต่ยังมีคนราวสี่ในสิบที่ต้องการช่องทางคนจริง การปิดช่องทางนั้นทิ้งไปเลยจึงเสี่ยง

กรุงเทพธุรกิจ

ในการกล่าวต่อที่ประชุมสมัชชาใหญ่สหประชาชาติเมื่อวันอังคารที่ 22 กันยายนตามเวลาสหรัฐ Donald Trump ประกาศว่าเอกสารของรัฐบาลสหรัฐจะเปลี่ยนไปใช้คำว่า super intelligence แทน artificial intelligence โดยให้เหตุผลว่า "The use of the word artificial makes intelligence fake, it makes it sound fake and it is not fake."

ประเด็นที่มีน้ำหนักเชิงนโยบายกว่าคือเขาประกาศว่า "The United States totally rejects any attempt to construct a globalist scheme to control" AI และเทียบคำเตือนเรื่องความเสี่ยงของ AI กับคำเตือนเรื่องโลกร้อน

AFP รายงานว่าผู้นำคนอื่นบนเวทีเดียวกันเดินคนละทาง อังกฤษประกาศจะผลักดันมาตรฐาน AI ระดับโลกช่วงเป็นประธาน G20 ปี 2027 ส่วนประธานาธิบดีฝรั่งเศสเสนอให้ยุโรปสร้างเทคโนโลยี AI ของตัวเอง AP รายงานว่ากระทรวงการต่างประเทศสหรัฐส่งอีเมลภายในสั่งนักการทูตให้เปลี่ยนคำว่า Artificial Intelligence เป็น Super Intelligence ในเอกสารและจุดยืนแล้ว ข้อควรระวังคือยังไม่มีคำสั่งประธานาธิบดีที่เผยแพร่ออกมาให้อ่าน

▲ ทำไมต้องรู้ · การเปลี่ยนชื่อเป็นเรื่องสัญลักษณ์ แต่ท่าทีปฏิเสธการกำกับร่วมกันทำให้กติกา AI ของโลกมีแนวโน้มแยกเป็นหลายขั้ว องค์กรไทยที่ทำงานกับคู่ค้าทั้งสหรัฐและยุโรปควรเตรียมรับข้อกำหนดที่ต่างกันตามตลาด

AFP ผ่าน Yahoo News · AP ผ่าน Local 10 · Blognone

กรุงเทพธุรกิจและ The Next Web อ้างรายงานของรอยเตอร์สว่า Muse ซึ่งเป็น agent ส่วนตัวของ Meta ที่มียอดดาวน์โหลดกว่า 2.5 ล้านครั้ง มีฟีเจอร์โทรหาธุรกิจแทนผู้ใช้ ซึ่ง Meta ให้พนักงานทดลองมาตั้งแต่เดือนสิงหาคม ปัญหาคือปลายสายบางคนอาจไม่ยอมคุยกับ AI

เมื่อสัปดาห์ก่อน Meta แจ้งพนักงานว่าจะทดลองให้พนักงานสัญญาจ้างที่เป็นคนจริงโทรแทน โดยเปิดตัวเลือกนี้ให้พนักงานของ Meta ราวครึ่งหนึ่งพร้อมทางเลือกไม่เข้าร่วม ฟีเจอร์นี้ทดสอบเฉพาะกับพนักงาน ผลทดสอบบางส่วนชี้ว่าการให้คนโทรแทนทำให้อัตราสำเร็จขึ้นไปอยู่ที่ 95-98% สูงกว่าให้ AI โทรเอง

พนักงานของ Meta กังวลว่าข้อมูลอ่อนไหวจะไหลไปถึงคนที่โทรแทน และมีกรณีที่คนโทรแทนพูดถึงเชื้อชาติในทางเหยียด รองประธานของ Meta Superintelligence Labs ยอมรับว่าการเริ่มทดสอบโดยไม่เปิดเผยข้อมูลอย่างเหมาะสมเป็นความผิดพลาด และระงับฟีเจอร์นี้ชั่วคราว

▲ ทำไมต้องรู้ · นี่เป็นเรื่องที่สามของ Muse ในสัปดาห์เดียว ต่อจากการถูก Amazon บล็อกและการส่งไฟล์ในระบบออกมา คนที่ใช้งานอาจคิดว่ากำลังส่งงานให้ AI ทั้งที่งานบางส่วนไปถึงมือคน องค์กรที่ประเมิน agent ควรถามผู้ขายตรงๆ ว่างานส่วนไหนมีคนเข้ามาเกี่ยว และคนนั้นเห็นข้อมูลอะไรบ้าง

กรุงเทพธุรกิจ · The Next Web