AI News · 2026-09-30

OpenAI เปิดตัว GPT-6.1 Sol ในงาน DevDay เมื่อ 29 กันยายน ราคา 2 ดอลลาร์ต่อล้านโทเคนขาเข้า 10 ดอลลาร์ขาออก และ 0.10 ดอลลาร์สำหรับขาเข้าที่อ่านจากแคช เทียบกับ GPT-6 Astra ที่ 10, 50 และ 1 ดอลลาร์ตามลำดับ Simon Willison บันทึกคำโปรยบนเวทีว่า "Near-Astra level intelligence at a fifth of the price"

Unite.ai รายงานว่าโมเดลใช้ได้แล้วใน ChatGPT Work และ Codex สำหรับแพ็กเกจ Plus, Pro, Business, Enterprise และ Edu และบน API ในชื่อ gpt-6.1-sol ตามตัวเลขที่ OpenAI ให้ไว้ สัดส่วนคำตอบที่มีข้อผิดพลาดเชิงข้อเท็จจริงลดจาก 11.4% ของ GPT-6 Sol เหลือ 7.7%

งานเดียวกันเปิดแพ็กเกจ Pro 500 ที่ให้ใช้ได้ 25 เท่าของ Plus และได้โหมด Ultrafast ซึ่งบนเวทีระบุว่าสร้างข้อความเร็วขึ้นแปดเท่า สูงสุดราว 300 โทเคนต่อวินาที โดย Simon Willison บันทึกว่าราคาเป็นหกเท่าของปกติ นอกจากนี้ยังมี OpenAI Marketplace ที่มีพันธมิตรอย่าง Adobe, Canva, Figma, Notion, Salesforce, Vercel และ Zendesk และปุ่ม Sign in with ChatGPT ที่ให้ผู้ใช้เข้าแอปอื่นแล้วใช้โควตาที่จ่ายไว้กับ ChatGPT

ข้อควรระวังคือคะแนนทั้งหมดเป็นตัวเลขของ OpenAI หน้าประกาศของ OpenAI เปิดอ่านจากภายนอกไม่ได้ และ Simon Willison ระบุเองว่าได้บัตรเข้างานฟรีจาก OpenAI

▲ ทำไมต้องรู้ · ถ้าตัวเลขเป็นจริง งานประจำที่เคยต้องใช้โมเดลแพงสุดจะย้ายมาใช้รุ่นกลางได้ในราคาหนึ่งในห้า องค์กรที่จ่ายค่า API ตามการใช้งานควรลองงานของตัวเองเทียบก่อนเปลี่ยน เพราะตอนนี้ทั้ง OpenAI และ Anthropic ต่างมีรุ่นกลางที่อ้างว่าใกล้รุ่นบนสุดแล้ว

Simon Willison · Unite.ai · Hacker News

ทีม Frontier Red Team ของ Anthropic เผยแพร่รายงานเมื่อ 29 กันยายนเรื่อง GLM-5.3 โมเดลแบบเปิดน้ำหนักของ Zhipu AI หรือ Z.ai บนชุดทดสอบ ExploitBench ที่วัดการเจาะช่องโหว่ที่รู้แล้วใน V8 ของ Chrome โมเดลนี้สร้างโค้ดเจาะระบบได้ครบกระบวนการ 50 ครั้งจาก 410 ครั้ง ใกล้กับ Claude Mythos Preview ที่ทำได้ 56 ครั้ง

รายงานระบุว่าเทคนิคง่ายๆ ทำให้ GLM-5.3 ยอมทำงานที่ควรปฏิเสธได้ตั้งแต่ 64% ถึง 100% และการถอดระบบป้องกันออกจากน้ำหนักโมเดลลดอัตราการปฏิเสธจากเกิน 90% เหลือราว 2% ถึง 3% โดยใช้ราว 2,200 ชั่วโมง GPU หรือประมาณ 4,400 ดอลลาร์ ในอีกการทดลองหนึ่ง รุ่นเล็ก GLM-5.3-Flash ต่อช่องโหว่ที่รู้แล้วสองจุดของ Chrome เป็นโค้ดเจาะระบบที่ใช้ได้จริง โดยใช้เวลาของคนราว 20 นาทีและเวลาทำงานของโมเดล 8 ชั่วโมง ซึ่งคิดตามราคา API ของ Zhipu เป็นเงินราว 20.40 ดอลลาร์

รายงานอ้างการประเมินของ CAISI หน่วยงานภายใต้ NIST ของสหรัฐที่เรียก GLM-5.3 ว่า "the most cyber-capable open-weight model released to date" และเสนอให้รัฐบาลทดสอบความปลอดภัยของโมเดลที่เก่งถึงระดับนี้ รวมถึงรุ่นต่อจาก GLM-5.3

ข้อควรระวังคือ Anthropic เป็นคู่แข่งของผู้ผลิตโมเดลที่ตัวเองประเมิน และรายงานยอมรับว่าการทดสอบในสภาพแวดล้อมจำลองสะท้อนโลกจริงได้ไม่สมบูรณ์

▲ ทำไมต้องรู้ · ความสามารถหาและเจาะช่องโหว่ที่เคยมีเฉพาะในโมเดลปิดกำลังหลุดมาอยู่ในโมเดลที่ใครก็ดาวน์โหลดได้ ทีมไอทีขององค์กรควรเร่งรอบการอัปเดตแพตช์ให้เร็วขึ้น เพราะเวลาระหว่างช่องโหว่ถูกประกาศกับการถูกโจมตีจริงมีแนวโน้มสั้นลง

Anthropic · Simon Willison · Hacker News

OpenAI เปิดตัว Dots ในงาน DevDay เมื่อ 29 กันยายน เป็น agent ที่ทำงานต่อเนื่องแทนผู้ใช้ รันบน GPT-6 Astra แต่ละตัวมีคอมพิวเตอร์และเบราว์เซอร์บนคลาวด์ของตัวเอง เชื่อมกับแอปได้มากกว่า 4,000 ตัวผ่านปลั๊กอิน และสั่งงานได้ทั้งผ่าน ChatGPT, Slack และ Teams

The Next Web รายงานว่า Dots ตัวแรกรวมอยู่ในแพ็กเกจ Pro และ Business Premium โดยไม่เสียเงินเพิ่ม ส่วนลูกค้า Enterprise, Edu และ Healthcare ได้รุ่นเบต้า ผู้ใช้ตั้งกฎให้อนุญาต บล็อก หรือต้องขออนุมัติก่อนทำบางอย่างได้ และการเปลี่ยนรหัสผ่านต้องให้ผู้ใช้ทำเองเท่านั้น

งานเดียวกันเปิดตัว ChatGPT Space เป็นพื้นที่ให้ทีมทำงานร่วมกับ Dots ของแต่ละคน

ข้อควรระวังคือผู้ใช้ Pro ในเขตเศรษฐกิจยุโรป สวิตเซอร์แลนด์ และสหราชอาณาจักรยังใช้ไม่ได้ และยังไม่มีราคาของ Dots ตัวที่สองขึ้นไป

▲ ทำไมต้องรู้ · agent ที่ทำงานเองตลอดวันและเข้าถึงแอปขององค์กรได้หลายพันตัว คือความเสี่ยงแบบเดียวกับที่เห็นในเหตุ agent หลุดขอบเขตเดือนนี้ องค์กรควรกำหนดก่อนเปิดใช้ว่างานประเภทไหนต้องให้คนอนุมัติ

The Next Web · Simon Willison · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.285 เพิ่มค่าตั้งแบบบังคับจากผู้ดูแลระบบชื่อ allowedProviders สำหรับจำกัดว่าเครื่องหนึ่งเรียก API ผ่านผู้ให้บริการใดได้บ้าง และเพิ่มตัวแปร CLAUDE_CODE_DISABLE_WEB_FETCH สำหรับปิดเครื่องมือดึงหน้าเว็บ

รุ่นเดียวกันเปลี่ยนให้คำสั่ง Bash และ PowerShell ที่รันเบื้องหลังหยุดเองเมื่อครบเวลา ค่าตั้งต้นคือ 30 นาที และเพิ่มคำสั่ง claude --desktop สำหรับเปิดแอปเดสก์ท็อปในโฟลเดอร์ที่ทำงานอยู่

▲ ทำไมต้องรู้ · องค์กรที่ต้องคุมว่าข้อมูลวิ่งผ่านผู้ให้บริการคลาวด์รายไหน หรือไม่ต้องการให้ agent ดึงหน้าเว็บภายนอก ตั้งค่าได้จากส่วนกลางแล้ว ส่วนคนที่รันงานยาวเบื้องหลังควรรู้ว่างานจะถูกหยุดเมื่อครบ 30 นาที

Claude Code changelog

Meta ประกาศเมื่อ 28 กันยายนเปิดตัว Meta Enterprise Platform ซึ่งรวม Muse agent, Meta Business Agent, Muse API และ Muse Code ไว้ขายให้องค์กร โดย CJ Desai อดีตซีอีโอของ MongoDB รับตำแหน่ง Chief Enterprise Platform Officer รายงานตรงต่อ Mark Zuckerberg

ประกาศไม่ได้ระบุราคา วันเปิดให้ใช้ หรือประเทศที่ให้บริการ

▲ ทำไมต้องรู้ · ตอนนี้ Meta เข้ามาแข่งขาย AI ให้องค์กรเต็มตัวแล้ว ทีมจัดซื้อจะมีตัวเลือกเพิ่ม แต่ควรรอดูเงื่อนไขเรื่องข้อมูลและราคาก่อน โดยเฉพาะหลังข่าว agent Muse ในข้อถัดไป

Meta · Blognone

AppleInsider รายงานเมื่อ 28 กันยายนว่า Jason Aten คอลัมนิสต์ของ Inc. พบว่า Muse ซิงก์ข้อมูลจากฐานข้อความ Apple Messages ของเขาไปราว 187,000 บรรทัด ทั้งที่ปิด Full Disk Access และไม่ได้อนุญาตให้เข้าถึง Messages โดยตรง

เอกสารช่วยเหลือของ Meta เขียนว่า "Your Muse can make mistakes or take unexpected actions" และระบุว่า Muse ต้องทำตามสิทธิ์ที่ผู้ใช้ตั้งไว้

ข้อควรระวังคือเป็นการทดสอบของผู้ใช้คนเดียวที่รายงานต่อ และผู้อ่านรายหนึ่งตั้งข้อสังเกตว่าอาจเป็นข้อมูลที่เก็บไว้ตั้งแต่ตอนที่ยังมีสิทธิ์ แล้วไม่ถูกลบเมื่อถอนสิทธิ์ ซึ่งก็ยังเป็นปัญหาแต่คนละแบบกับการฝ่าสิทธิ์โดยตรง

▲ ทำไมต้องรู้ · agent บนเครื่องที่เข้าถึงไฟล์และแอปส่วนตัวได้อาจเก็บข้อมูลมากกว่าที่ผู้ใช้คิด องค์กรควรกำหนดว่าเครื่องทำงานที่มีข้อมูลลูกค้าติดตั้ง agent แบบนี้ได้หรือไม่

AppleInsider · Hacker News

ทีมผู้เขียนแปดคนสร้าง EmailBench ชุดทดสอบ 206 สถานการณ์ใน 16 หมวดงานอีเมลและงานเอกสาร บนกล่องอีเมลจำลองที่ได้แนวคิดจากข้อมูลอีเมลของ Enron และตรวจผลด้วยการตรวจแบบรันได้ 258 ข้อควบคู่เกณฑ์ที่ให้โมเดลตัดสิน 211 ข้อ

จากแปดชุดโมเดลที่ทดสอบ ตัวที่ดีที่สุดผ่านเพียง 33.5% ของสถานการณ์ ทั้งที่ 99.7% ของการเรียกเครื่องมือทำงานโดยไม่มีข้อผิดพลาดจาก API ผู้เขียนสรุปว่า "valid tool execution is not equivalent to task completion"

ข้อควรระวังคือข้อมูลเป็นอีเมลสังเคราะห์ของผู้ใช้คนเดียว บทคัดย่อไม่ได้บอกว่าทดสอบโมเดลใดบ้าง และการรันซ้ำหลายรอบยังเป็นงานในอนาคต

▲ ทำไมต้องรู้ · agent ที่ดูเหมือนทำงานได้ราบรื่นเพราะไม่มี error อาจยังทำงานไม่เสร็จจริง องค์กรที่จะให้ agent จัดการอีเมลหรือนัดหมายควรวัดว่างานจบถูกต้องหรือไม่ แทนการดูเพียงว่าระบบไม่ล่ม

arXiv 2609.31906

งานวิจัยของผู้เขียนคนเดียวทดลอง 74,944 ตัวอย่างบนชุดทดสอบห้าชุด โดยใช้โมเดลตัวเดิมแล้วเปิดหรือปิดโหมดคิดก่อนตอบ พบว่าเมื่อเปิดโหมดคิด โอกาสที่คำตอบผิดสองคำตอบจะตรงกันเพิ่มขึ้นในทั้งสิบการเปรียบเทียบ และจำนวนคำตอบที่ต่างกันลดเหลือ 0.43 ถึง 0.65 เท่าของตอนปิด

ผู้เขียนทดสอบวิธีรวมคำตอบ 280 แบบบนแปดโมเดล และพบว่าหลังปรับแก้ทางสถิติแล้วไม่มีวิธีไหนดีกว่าการโหวตเสียงข้างมากธรรมดา การถ่วงน้ำหนักตามความมั่นใจของโมเดลก็ไม่ช่วย

ข้อควรระวังคือเป็นงานของผู้เขียนคนเดียวที่ยังไม่ระบุว่าผ่านการตีพิมพ์ในเวทีใด

▲ ทำไมต้องรู้ · หลายทีมใช้วิธีถามโมเดลซ้ำหลายรอบแล้วเชื่อคำตอบที่ออกมาตรงกัน ผลนี้เตือนว่ากับโมเดลที่คิดก่อนตอบ การตอบตรงกันอาจแปลว่าผิดเหมือนกัน งานสำคัญจึงยังต้องมีการตรวจจากแหล่งอื่น

arXiv 2609.32035

งานวิจัยของผู้เขียนคนเดียวให้โมเดลจากห้าผู้ผลิตเขียนโค้ดหลังบ้าน 50 งานจากงานการเงิน สุขภาพ และประกัน แต่ละงานรันสองแบบ คือสั่งตรงๆ กับสั่งโดยแนบกรอบสเปกยาว 267 คำที่ระบุว่าผลลัพธ์ต้องถูกต้องอย่างไรในเรื่องการคำนวณเงิน เวลา การส่งซ้ำ และสิทธิ์เข้าถึง

กรอบสเปกลดข้อบกพร่องได้ในทุกโมเดล เฉลี่ย 0.16 ถึง 0.70 จุดต่องาน และในงานที่ผลสองแบบต่างกัน แบบที่มีสเปกชนะ 95 จาก 100 ครั้ง เครื่องมือสแกนความปลอดภัย Bandit ที่ไม่รู้เรื่องสเปกพบปัญหาระดับกลางขึ้นไป 53 จุดในแบบสั่งตรงๆ และ 11 จุดในแบบที่มีสเปก

ข้อควรระวังคือเป็นงานของผู้เขียนคนเดียวที่ส่งขึ้นตั้งแต่ 20 กันยายน และตัวตรวจหลักเป็นของผู้เขียนเอง แต่ผู้เขียนเปิดผลลัพธ์ทั้ง 500 ชุดพร้อมโค้ดตรวจให้คนอื่นตรวจซ้ำได้

▲ ทำไมต้องรู้ · ทีมที่ใช้ AI เขียนโค้ดทำได้ทันทีด้วยการเขียนเงื่อนไขที่ต้องเป็นจริงไว้ก่อนสั่งงาน โดยเฉพาะระบบที่เกี่ยวกับเงินและสิทธิ์ ซึ่งเป็นจุดที่ข้อผิดพลาดมีต้นทุนสูง

arXiv 2609.23270

The National รายงานเมื่อ 29 กันยายนถึงรายงานของ Bain ที่ประเมินว่ารายจ่ายด้านโครงสร้างพื้นฐาน AI อาจขึ้นไปถึงปีละ 1.5 ล้านล้านดอลลาร์ภายในปี 2031 และวงการต้องมีรายได้ปีละ 6 ล้านล้านดอลลาร์เพื่อให้คุ้ม

ในจำนวนนี้ Bain คาดว่าผลิตภัณฑ์ใหม่ เช่น การค้นหา โฆษณา และ AI ในโลกกายภาพ จะสร้างรายได้ 4.2 ล้านล้านดอลลาร์ การเพิ่มผลิตภาพในองค์กรต้องสร้าง 1 ถึง 1.4 ล้านล้านดอลลาร์ และบริการผู้บริโภคอย่างค่าสมาชิกกับโฆษณาอีก 200 ถึง 400 พันล้านดอลลาร์ David Crawford ประธานฝ่ายเทคโนโลยีของ Bain กล่าวว่า "The economics of AI infrastructure demand trillions in new revenue beyond productivity gains"

ข้อควรระวังคือยังไม่ได้อ่านรายงานฉบับเต็มของ Bain ตัวเลขทั้งหมดมาจากบทความของ The National

▲ ทำไมต้องรู้ · ตัวเลขนี้ชี้ว่าผู้ให้บริการ AI ต้องหารายได้จากลูกค้าเพิ่มอีกมาก ซึ่งสอดคล้องกับข่าวแพ็กเกจราคาสูงขึ้นอย่าง Pro 500 องค์กรควรเตรียมงบ AI ที่อาจแพงขึ้น แทนการคาดว่าราคาจะลดลงเรื่อยๆ

The National · Hacker News

Liberty Investigates และ The Guardian รายงานเมื่อ 29 กันยายนจากเอกสารที่ขอผ่านกฎหมายเสรีภาพข้อมูลว่า ตำรวจขนส่งของอังกฤษทดลองระบบจดจำใบหน้าแบบสด 18 ครั้งในเก้าสถานีของลอนดอนระหว่างกุมภาพันธ์ถึงกรกฎาคม 2026 สแกนใบหน้าไปกว่าห้าแสนครั้ง ใช้งบ 320,786 ปอนด์

ระบบแจ้งเตือนเพียงครั้งเดียวและเป็นการจับผิดตัว ไม่มีการจับกุมที่มาจากการแจ้งเตือนของระบบ แต่ตำรวจยังขยายการทดลองอีกสี่เดือนไปถึงสถานีรถไฟใต้ดิน โดยชี้แจงว่าเจ้าหน้าที่จับกุมคนได้หลายรายระหว่างการทดลองแม้ไม่ได้มาจากระบบโดยตรง

▲ ทำไมต้องรู้ · ตัวเลขนี้เป็นตัวอย่างชัดว่าการวัดผลระบบ AI ต้องดูผลลัพธ์จริงเทียบกับต้นทุน หน่วยงานไทยที่กำลังพิจารณาระบบกล้องจดจำใบหน้าควรขอตัวชี้วัดแบบนี้ก่อนตัดสินใจขยาย

Liberty Investigates · Hacker News

ฐานเศรษฐกิจรายงานเมื่อ 29 กันยายนว่ากรมอุตุนิยมวิทยา สังกัดกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม ออกบันทึกข้อความสั่งยุติการใช้งานระบบพยากรณ์อากาศ AI ของ Tomorrow.io ที่ทดลองใช้แบบพิสูจน์แนวคิดระหว่างธันวาคม 2568 ถึงกุมภาพันธ์ 2569 และได้ขยายให้ใช้ฟรีถึง 30 มิถุนายน 2569 โดยระบุเหตุผลว่าระบบ "ยังมีความไม่สมบูรณ์เพียงพอ" และต้องปรับปรุงทางเทคนิคให้เข้ากับบริบทของไทย

ข่าวระบุว่ารัฐมนตรีว่าการกระทรวงดิจิทัลฯ ปฏิเสธข่าวที่ว่ามีการจัดซื้อระบบนี้ด้วยวงเงิน 497 ล้านบาท โดยชี้ว่าเป็นข้อมูลเท็จ บริษัทที่เกี่ยวข้องคือ The Tomorrow Companies Inc. และบริษัท บีพีแอลซี จำกัด

▲ ทำไมต้องรู้ · กรณีนี้ชี้ว่าระบบ AI จากต่างประเทศต้องผ่านการทดลองกับข้อมูลและสภาพจริงของไทยก่อนซื้อ ซึ่งเป็นหลักที่องค์กรเอกชนใช้ได้เหมือนกันเวลาประเมินผู้ขาย

ฐานเศรษฐกิจ

Blognone รายงานเมื่อ 30 กันยายนโดยอ้าง Reuters ว่าขาดทุนสุทธิปี 2025 ของ Anthropic ราว 42 พันล้านดอลลาร์คิดเป็นเงินราว 1.4 ล้านล้านบาท ซึ่งรวมรายการทางบัญชีจากเงินกู้ที่แปลงเป็นหุ้นได้ราว 34 พันล้านดอลลาร์ และระบุว่าข้อมูลในเอกสารครอบคลุมถึงสิ้นปี 2025 เท่านั้น

ข้อควรระวังคือตัวเลขทั้งหมดยังมาจากรายงานของ Reuters ที่เห็นเอกสารแบบไม่เปิดเผย และยังไม่มีหนังสือชี้ชวนฉบับสาธารณะให้ตรวจ

▲ ทำไมต้องรู้ · ตัวเลขนี้เป็นเรื่องที่คนไทยเริ่มพูดถึงกันมาก ควรจำว่าขาดทุนส่วนใหญ่เป็นรายการทางบัญชี ส่วนที่สะท้อนการดำเนินงานจริงคือขาดทุนจากการดำเนินงานเกิน 8 พันล้านดอลลาร์

Blognone