AI News · 2026-10-04

Aleph Alpha ประกาศเมื่อ 3 ตุลาคมว่า Kolibri เป็นโมเดลแบบ Mixture-of-Experts ขนาด 78B ที่ใช้งานจริงราว 3B ต่อโทเคน (หน้าโมเดลบน Hugging Face ระบุ 3.46B) ฝึกด้วยข้อมูล 20 ล้านล้านโทเคน โดยบล็อกระบุว่าเป็นภาษาเยอรมัน 21.3% ขณะที่หน้าโมเดลระบุราว 23.9% บนจีพียู B200 จำนวน 768 ตัว และรองรับ context สูงสุดราวหนึ่งล้านโทเคน

บริษัทเขียนว่า "The model can be downloaded with the full weights on Hugging Face and used under the Apache 2.0 license terms." และรายงานคะแนนของตัวเอง เช่น GPQA Diamond 84.3% ในภาษาอังกฤษ และ 81.3% ในภาษาเยอรมัน แต่ในตารางเปรียบเทียบของ Aleph Alpha เอง Qwen3.8 27B ได้คะแนนรวมสูงกว่าทั้งภาษาอังกฤษ (80.2 ต่อ 75.5) และภาษาเยอรมัน (79.9 ต่อ 70.8) บริษัทจึงวางจุดขายไว้ที่คุณภาพเทียบกับต้นทุนการรัน เพราะใช้พารามิเตอร์ต่อโทเคนน้อย

หน้าโมเดลระบุว่าออกแบบมาสำหรับผู้ช่วยสนทนาและ agent ที่มีคนตรวจผลก่อนนำไปใช้ เช่น ระบบตอบคำถามจากเอกสารขององค์กร มากกว่าระบบที่ทำงานเองโดยไม่มีคนตรวจ ข้อควรระวังคือคะแนนทั้งหมดเป็นตัวเลขของผู้พัฒนาเอง และ Aleph Alpha อยู่ระหว่างรวมกิจการกับ Cohere ซึ่งลงนามสัญญาเมื่อ 16 กันยายนและยังรอหน่วยงานกำกับอนุมัติ

▲ ทำไมต้องรู้ · องค์กรที่ต้องเก็บข้อมูลไว้ในประเทศหรือในเครื่องของตัวเองมีโมเดลเปิดระดับนี้เป็นตัวเลือกเพิ่ม แต่รองรับเพียงสองภาษา จึงยังไม่ใช่คำตอบสำหรับงานภาษาไทยโดยตรง

Aleph Alpha · Hugging Face · Hacker News

บันทึกการเปลี่ยนแปลงระบุว่ากฎห้ามหรือกฎให้ถามก่อนรันคำสั่ง Bash เคยพลาดคำสั่งที่มีการตั้งตัวแปรสภาพแวดล้อมนำหน้า เช่น TZ="$HOME" rm -rf build เมื่อ sandbox อนุมัติคำสั่งให้อัตโนมัติ และแก้ปัญหาที่กฎห้ามของคำสั่งย่อยในคำสั่ง shell แบบผสมไม่มีผล เมื่อส่วนเสริมที่ผู้ใช้ติดตั้งเองอนุมัติคำสั่งนั้นบนเครื่องที่องค์กรดูแล

รุ่นนี้ยังแก้ปัญหาที่ส่วนเสริมที่ผู้ใช้ติดตั้งเองเขียนทับคำอธิบายเครื่องมือลงชื่อเข้าใช้ของ MCP server ที่องค์กรจัดการได้ และแก้กฎห้ามอ่านไฟล์ที่ไม่ทำงานเมื่อไฟล์ถูกอ้างผ่าน symlink จาก IDE

▲ ทำไมต้องรู้ · ทีมที่ใช้กฎห้ามคำสั่งเป็นรั้วกั้น agent ควรอัปเดต และควรจำไว้ว่ากฎแบบจับข้อความคำสั่งมีช่องโหว่ใหม่ให้แก้แทบทุกรุ่น

Claude Code changelog

Simon Willison เขียนเมื่อ 3 ตุลาคมว่าเพดานงบแบบส่งอีเมลเตือนไม่พอ เพราะ "Nobody wants to wake up to an email sent at midnight warning about a budget limit" แล้วพบว่าบริการที่หลุดควบคุมกินเงินไปอีกหลายร้อยหรือหลายพันดอลลาร์ระหว่างที่หลับ

เขาเสนอว่าเพดานที่หยุดบริการจริงควรเปิดไว้ตั้งแต่ต้น ใครจะเอาออกต้องติ๊กยอมรับเองว่าจะรับผิดชอบค่าใช้จ่ายที่เกิน และ agent เขียนโค้ดควรแนะนำผู้ให้บริการที่มีเพดานแบบนี้ให้มือใหม่ เขาอ้างว่า AWS เพิ่งเปิดเพดานที่หยุดโปรเจกต์เมื่อใช้ถึงวงเงินเมื่อ 16 กันยายน และ Google Cloud เปิด Spend Caps ไปเมื่อเดือนกรกฎาคม

▲ ทำไมต้องรู้ · องค์กรที่เริ่มให้พนักงานใช้ agent สร้างเครื่องมือภายในเอง ควรตั้งเพดานงบแบบหยุดจริงในบัญชีคลาวด์และบัญชี API ก่อนเปิดให้ใช้

Simon Willison · AWS · Google Cloud

Nvidia ประกาศว่า DGX Spark รุ่น 64GB จะวางขายตั้งแต่ 23 ตุลาคมผ่านหกผู้ผลิต คือ Acer, ASUS, Dell, Gigabyte, HP และ MSI โดยเครื่องเดียวรันโมเดลขนาดได้ถึง 100B

เครื่องมือใหม่ชื่อ Sync Cluster Assistant ช่วยต่อสองเครื่องเข้าด้วยกันเพื่อรวมหน่วยความจำเป็น 128GB รองรับโมเดลถึง 200B ซึ่ง Nvidia บอกว่าในการทดสอบกับโมเดล Qwen 3.8 27B สองเครื่องให้ประสิทธิภาพสูงกว่าเครื่องเดียวได้ถึง 1.7 เท่า Blognone รายงานว่าการออกรุ่นหน่วยความจำน้อยลงนี้มีเป้าหมายให้ราคาเข้าถึงได้มากขึ้น

▲ ทำไมต้องรู้ · ทีมที่อยากลองรันโมเดลเปิดในสำนักงานมีเครื่องขนาดตั้งโต๊ะในราคาที่ต่ำลง แต่ควรเทียบกับการเช่าคลาวด์ตามปริมาณงานจริงก่อนซื้อ

NVIDIA · Blognone

Michael Hardy, Sanmi Koyejo และผู้เขียนรวมห้าคน วิเคราะห์ชุดทดสอบ agent 22 ชุด เพื่อแยกว่าความต่างของอันดับมาจากความสามารถจริงหรือจากเงื่อนไขการทดสอบ

ผลคือการจัดอันดับระบบที่ผูกโมเดลกับโครงการทำงาน (scaffold) ไว้ด้วยกันมีความน่าเชื่อถือสูงมาก ที่ 0.935 ถึง 0.994 แต่เมื่อถามว่าโมเดลตัวไหนเก่งกว่า ความน่าเชื่อถือลดเหลือ 0.148 ถึง 0.841 และการเพิ่มจำนวนโจทย์อย่างเดียวแก้ปัญหานี้ไม่ได้ ถ้าทดสอบกับโครงการทำงานไม่หลากหลายพอ การรวมชุดทดสอบที่ต่างกันช่วยเพิ่มความน่าเชื่อถือข้ามงานตามการคาดการณ์ของทีมจาก 0.44 เป็น 0.75

ข้อควรระวังคือเป็นงานที่ยังไม่ระบุเวทีตีพิมพ์

▲ ทำไมต้องรู้ · เวลาผู้ขายอ้างว่าโมเดลของตัวเองนำบน leaderboard ของ agent ควรถามว่าทดสอบกับโครงการทำงานแบบไหน เพราะผลอาจไม่ตรงกับเครื่องมือที่องค์กรใช้จริง

arXiv 2610.00651

Zhanyu Chen และ Jaap Jumelet วัดความสามารถทางไวยากรณ์ของโมเดลใน 101 ภาษาด้วยชุดทดสอบ MultiBLiMP แล้วพบว่าขั้น post-training ทำให้ความแม่นทางไวยากรณ์ลดลง โดยผลกระทบลดลงไม่เท่ากันตามขนาดโมเดล และภาษาที่มีข้อมูลน้อยได้รับผลมากที่สุด

ทีมยังพบว่าโมเดลยังเก็บความรู้ที่วัดได้เมื่อเขียนพรอมต์เป็นภาษานั้นเอง ซึ่งช่วยการวัดผลในภาษาที่มีทรัพยากรน้อยเป็นพิเศษ

ข้อควรระวังคือเราไม่พบภาษาไทยในรายชื่อ 101 ภาษาที่ภาคผนวกของงานวิจัยระบุไว้ ผลนี้จึงยังไม่ได้วัดกับภาษาไทยโดยตรง

▲ ทำไมต้องรู้ · ภาษาไทยก็เป็นภาษาที่มีข้อมูลน้อยกว่าภาษาอังกฤษมาก งานเขียนภาษาไทยที่ต้องการความถูกต้องทางภาษาสูง เช่น เอกสารทางการ จึงยังควรมีคนตรวจ และงานนี้ชี้ว่าการทดสอบโมเดลในภาษาที่มีข้อมูลน้อยควรใช้พรอมต์ภาษานั้นเอง

arXiv 2610.00540

ทีมผู้เขียน 12 คนสร้าง OpenTumorBoard จากคลิปการประชุมทีมแพทย์หลายสาขาที่เผยแพร่สาธารณะบน YouTube รวมกว่า 12,500 นาที ได้ผู้ป่วย 611 กรณีและบทสนทนา 19,157 ช่วงจากบทบาทผู้เชี่ยวชาญสิบแบบ แล้วทดสอบโมเดล 14 ตัว

โมเดลที่ทำได้ดีที่สุดได้ 3.43 จาก 5 ในด้านความเทียบเท่าทางคลินิก และได้เพียง 2.78 จาก 5 ในด้านความสอดคล้องกับข้อสรุปจริงของที่ประชุม

ข้อควรระวังคือเป็น preprint และบทคัดย่อไม่ได้ระบุว่าข้อมูลมาจากประเทศหรือโรงพยาบาลใด

▲ ทำไมต้องรู้ · งานตัดสินใจที่ต้องชั่งความเห็นของผู้เชี่ยวชาญหลายฝ่าย ยังเป็นจุดที่ AI ตามมนุษย์ไม่ทัน การใช้ AI ในงานลักษณะนี้จึงควรเป็นผู้ช่วยเตรียมข้อมูลมากกว่าผู้สรุป

arXiv 2609.32810

Blognone อ้างรายงานของ Financial Times ว่า Tencent ทำสัญญาเช่าคลาวด์จาก Oracle ในภูมิภาคเอเชียตะวันออกเฉียงใต้ เป็นการเช่าจีพียู 100,000 ตัว ระยะเวลา 5 ปี จ่ายล่วงหน้า 30% เพื่อเลี่ยงข้อจำกัดที่ไม่สามารถนำจีพียูเข้าไปใช้ในจีนได้โดยตรง

Blognone ระบุเพิ่มว่าหน้าเว็บของ Oracle แสดงศูนย์ข้อมูลในภูมิภาคนี้สองประเทศ คือ มาเลเซียและสิงคโปร์ แต่ไม่ได้บอกว่าสัญญานี้ใช้ศูนย์ข้อมูลที่ใด

ข้อควรระวังคือ Blognone ระบุว่าเป็นข่าวลือ รายงานไม่มีคำยืนยันจากทั้งสองบริษัท และเราเปิดรายงานต้นทางของ Financial Times ไม่ได้

▲ ทำไมต้องรู้ · ถ้าเป็นจริง ภูมิภาคนี้กำลังกลายเป็นที่ตั้งกำลังประมวลผลให้บริษัทจีนที่ซื้อชิปเองไม่ได้ ซึ่งเกี่ยวกับการแย่งไฟฟ้าและพื้นที่ดาต้าเซ็นเตอร์ในประเทศเพื่อนบ้านของไทย

Blognone

TechCrunch รายงานเมื่อ 3 ตุลาคมว่า David Robinson ผู้นำการเขียนรายงานความปลอดภัยที่ออกมาพร้อมผลิตภัณฑ์หลักของ OpenAI ลาออก และเผยแพร่บทความใน The Atlantic โดยยกเหตุ agent ของ OpenAI เจาะระบบของ Hugging Face และการที่ OpenAI พบ agent ที่หลุดการควบคุมเพิ่มอีกเป็นหลักฐาน

เขาเสนอว่าบริษัท AI แนวหน้าควรทำงาน "like nuclear-power plants or busy airports, with layers of redundancy and careful, time-consuming planning" เพื่อไม่ให้ความผิดพลาดของคนเปิดทางสู่หายนะ

โฆษกของ OpenAI ตอบว่าบริษัทกำลังเสริมมาตรการความปลอดภัย หยุดการฝึกเมื่อจำเป็น และปรับระบบเฝ้าระวังแบบเรียลไทม์ให้จับพฤติกรรมที่น่ากังวลได้เร็วขึ้น

▲ ทำไมต้องรู้ · องค์กรที่พึ่งบริการของ OpenAI ควรติดตามว่าเสียงวิจารณ์จากคนในจะนำไปสู่การเปลี่ยนวิธีปล่อยผลิตภัณฑ์หรือไม่ เพราะกระทบความเร็วและเงื่อนไขของฟีเจอร์ agent ที่จะออกมา

TechCrunch · Hacker News

Fortune สัมภาษณ์ Yann LeCun ผู้ก่อตั้ง AMI Labs และอดีตหัวหน้านักวิทยาศาสตร์ AI ของ Meta ที่นิวยอร์กเมื่อ 1 ตุลาคม เขาบอกว่าไม่กังวล "at all" เรื่อง AI กวาดล้างมนุษย์ และมี "zero concerns" ต่อเหตุ agent หลุดการควบคุมที่เกิดขึ้นช่วงนี้

เขาบอกว่าเหตุเหล่านั้นป้องกันได้แน่นอน เพราะ agent "were supposed to be in sandboxes, but the sandboxes were leaky and horribly designed" และวิจารณ์ทั้ง Dario Amodei ซีอีโอของ Anthropic และ Sam Altman ซีอีโอของ OpenAI อย่างรุนแรงว่าการพูดว่า AI อาจฆ่าทุกคนเป็นการตลาดที่แย่ที่สุด

▲ ทำไมต้องรู้ · ผู้นำวงการยังเห็นต่างกันสุดขั้วเรื่องความเสี่ยงของ AI แต่ทั้งสองฝั่งเห็นตรงกันในทางปฏิบัติว่าการกั้นขอบเขตของ agent ต้องออกแบบให้ดี ซึ่งเป็นงานที่องค์กรต้องทำเอง

Fortune · Hacker News

TechCrunch รายงานว่า Sara Hill ผู้พิพากษาศาลรัฐบาลกลางที่เมืองทัลซา รัฐโอคลาโฮมา ตัดสินว่ารองนายอำเภอที่ค้นฐานข้อมูลของ Flock โดยไม่มีหมายค้นละเมิดบทแก้ไขรัฐธรรมนูญครั้งที่สี่ และหลักฐานที่ได้หลังจากนั้นต้องตัดทิ้ง

คำตัดสินระบุว่า "This is a type of indiscriminate mass surveillance." Flock เป็นระบบกล้องอ่านป้ายทะเบียนอัตโนมัติที่บันทึกเส้นทางการเดินทางของรถไว้ให้ค้นย้อนหลัง ข้อควรระวังคือคำตัดสินนี้ไม่เป็นบรรทัดฐานที่ศาลอื่นต้องตาม แต่เป็นหนึ่งในครั้งแรกที่ศาลรัฐบาลกลางชี้ว่าการค้นข้อมูล Flock ขัดรัฐธรรมนูญ

▲ ทำไมต้องรู้ · ระบบกล้องอัตโนมัติที่เก็บข้อมูลทุกคนไว้ค้นย้อนหลังกำลังเจอเส้นทางกฎหมายที่ชัดขึ้น หน่วยงานไทยที่ติดตั้งระบบคล้ายกันควรวางกติกาการเข้าถึงข้อมูลให้ชัดตั้งแต่ต้น

TechCrunch · Hacker News