AI News · 2026-10-06

Reflection AI ประกาศเมื่อ 5 ตุลาคมว่า Beam เป็นโมเดลแบบ Mixture-of-Experts ขนาด 501B ที่ใช้งานจริงครั้งละ 23B ฝึกด้วยข้อมูล 23.8 ล้านล้านโทเคนจากเว็บและชุดข้อมูลที่ซื้อสิทธิ์มา และขยาย context ที่ใช้ได้จริงเป็นหนึ่งล้านโทเคน

บริษัทรายงานคะแนน SWE Bench Pro v2-Hard 77.2, Terminal Bench v2.1 80.1, GPQA Diamond 90.5 และ AIME 2026 97.8 แต่ในตารางของบริษัทเองยังมีโมเดลเปิดที่ทำคะแนนสูงกว่า เช่น Kimi K3 ได้ 88.2 ใน SWE Bench Pro v2-Hard และ DeepSeek V4.1 Flash ได้ 90.6 ใน Terminal Bench v2.1 ตอนนี้ยังใช้ได้เฉพาะผู้ที่ลงชื่อรอใช้งานล่วงหน้า และบริษัทบอกว่าจะปล่อยน้ำหนัก รายงานทางเทคนิค และ model card ภายในเดือนตุลาคม

ข้อควรระวังคือคะแนนทั้งหมดเป็นผลวัดของผู้พัฒนาเอง ยังไม่มีใครดาวน์โหลดไปทดสอบซ้ำได้ ประกาศไม่ได้ระบุราคา และผู้ใช้ Hacker News ทักว่าโจทย์วาดแผนที่โลกที่บริษัทใช้อ้างว่าโมเดลรับมืองานใหม่ได้ เคยเผยแพร่บน LessWrong ตั้งแต่สิงหาคม 2025 จึงอาจอยู่ในข้อมูลฝึกแล้ว

▲ ทำไมต้องรู้ · ถ้า Beam ปล่อยน้ำหนักจริงตามสัญญา องค์กรที่ต้องการโมเดลขนาดใหญ่ไว้รันเองโดยไม่ส่งข้อมูลออกนอกบริษัทจะมีตัวเลือกจากผู้พัฒนาฝั่งสหรัฐเพิ่มอีกราย แต่ควรรอผลทดสอบอิสระก่อนตัดสินใจ

Reflection AI · Hacker News

หน้าช่วยเหลือของ Anthropic ระบุว่าตั้งแต่ 6 ตุลาคม งาน Cowork ใหม่ของแพ็กเกจ Pro และ Max จะรันบนคลาวด์ ตัวเลือกให้รันเฉพาะบนคอมพิวเตอร์ของตัวเองจะถูกถอดออก แต่งานที่เริ่มบนเครื่องไปแล้วยังอยู่บนเครื่องและทำต่อจนจบได้ อีกหน้าช่วยเหลือระบุว่าการย้ายไปคลาวด์ทยอยเปิดให้ทีละกลุ่ม ตอนนี้ Cowork ใช้ได้ทั้งบนเดสก์ท็อป เว็บ มือถือ และแถบข้างของ Claude in Chrome โดยเว็บและมือถือยังเป็นรุ่นทดสอบ

เซสชันบนคลาวด์อ่านและเขียนไฟล์ได้เฉพาะในโฟลเดอร์ที่เชื่อมไว้ ตามสิทธิ์ที่ตั้งไว้ และเฉพาะตอนที่แอปเดสก์ท็อปเปิดอยู่บนเครื่องนั้น ถ้าปิดแอป งานยังเดินต่อแต่เข้าถึงไฟล์ในเครื่องไม่ได้ งานตั้งเวลาจะรันได้แม้ไม่มีอุปกรณ์ใดออนไลน์ แต่งานตั้งเวลาที่สร้างบนคลาวด์ใช้โฟลเดอร์และ connector ในเครื่องไม่ได้ ส่วนการใช้ไฟล์ในเครื่อง connector ในเครื่อง การควบคุมเบราว์เซอร์ และการควบคุมคอมพิวเตอร์จากเว็บหรือมือถือ ต้องทำผ่านแอปเดสก์ท็อป

Felix Rieseberg จาก Anthropic อธิบายว่ารุ่นเดิมรันเครื่องเสมือนบนคอมพิวเตอร์ของผู้ใช้ ซึ่งผู้ใช้ไม่ชอบที่กินดิสก์ แบตเตอรี่ และประสิทธิภาพเครื่อง และไม่ชอบที่งานหยุดเมื่อพับจอ รุ่นใหม่ให้แต่ละเซสชันมี sandbox บนคลาวด์ของตัวเองที่ไม่ใช้ข้อมูลร่วมกับเซสชันอื่น

▲ ทำไมต้องรู้ · คนที่ใช้ Cowork ทำงานกับไฟล์ในเครื่องควรรู้ว่างานจะเดินต่อบนคลาวด์แม้ปิดเครื่อง และองค์กรที่มีกติกาเรื่องที่เก็บข้อมูลควรตรวจว่างานบนคลาวด์แบบนี้เข้ากับนโยบายของตัวเองหรือไม่

Claude Help Center · Simon Willison

รุ่นนี้แก้ปัญหาที่การตรวจสิทธิ์อนุมัติคำสั่งอ่านอย่างเดียวบางคำสั่งให้เองทั้งที่อาร์กิวเมนต์ยังถูก shell ขยายเป็น wildcard ได้ เช่น rg และ git grep ตอนนี้คำสั่งเหล่านี้จะถามก่อนรัน คำสั่ง pyright และ ps บางรูปแบบก็เปลี่ยนเป็นต้องขออนุญาตเช่นกัน และไฟล์ตั้งค่าของโปรเจกต์เปิดใช้ Claude in Chrome เองไม่ได้อีกแล้ว

โควตาค้นเว็บของเซสชันแบบโต้ตอบเปลี่ยนจากหยุดเมื่อครบ 200 ครั้ง เป็นเติมใหม่ 100 ครั้งต่อชั่วโมง เครื่องมือดึงหน้าเว็บที่เคยตัดข้อความหลัง 100,000 ตัวอักษรทิ้งแบบเงียบๆ ตอนนี้บอกว่ายังอ่านไม่จบเท่าไรและอ่านต่อได้ และใน Slack ผู้ใช้พิมพ์ !fast เพื่อสลับเธรดเป็นโหมดเร็วได้

▲ ทำไมต้องรู้ · ทีมที่ให้ Claude Code ทำงานแบบอนุมัติอัตโนมัติจะเจอคำขออนุญาตเพิ่มขึ้นในคำสั่งที่เคยผ่านเอง ซึ่งเป็นการปิดช่องที่โค้ดในโปรเจกต์จะใช้แอบเรียกคำสั่งเกินขอบเขต

Claude Code CHANGELOG

Cloudflare เปิดทดสอบ Web Search API เมื่อ 2 ตุลาคม ให้ agent และแอปค้นข้อมูลสดจากอินเทอร์เน็ตแทนการเดา URL หรือพึ่งความรู้ที่หยุดอยู่ ณ วันตัดข้อมูลของโมเดล โดยเลือกผู้ให้บริการค้นหาได้สามราย คือ Ceramic.ai, Exa และ Linkup ซึ่งทั้งหมดรองรับการไม่เก็บข้อมูลคำค้น

ค่าค้นหาตัดจากเครดิต AI Gateway ตามราคาปกติของผู้ให้บริการแต่ละรายโดยไม่บวกเพิ่ม เรียกใช้ได้ทั้งผ่าน REST API และผ่าน Workers ข่าวนี้ได้คะแนนบน Hacker News กว่า 470

ข้อควรระวังคือประกาศไม่ได้ระบุราคาต่อคำค้นของแต่ละราย และยังเป็นรุ่นทดสอบ

▲ ทำไมต้องรู้ · ทีมที่สร้างผู้ช่วย AI ภายในองค์กรต้องมีช่องทางค้นข้อมูลสดเสมอ ตัวเลือกแบบนี้ช่วยให้เปลี่ยนผู้ให้บริการค้นหาได้โดยไม่ต้องเขียนระบบใหม่ และควรเลือกแบบที่ไม่เก็บคำค้นถ้าคำค้นมีข้อมูลลูกค้า

Cloudflare Changelog · Hacker News

Vals AI เผยแพร่บทความเมื่อ 4 ตุลาคมว่าทีม agent ของ Claude Opus 5.5 ทำการจำลองเชิงควอนตัมด้วยวิธี density functional theory สองระดับความละเอียด เพื่อหาวัสดุสำหรับหน่วยความจำแบบ spintronic และได้ผู้สมัครสองตัว

ตัวแรกคือ YBaMnFeO5 ซึ่ง agent ออกแบบขึ้นใหม่และยังไม่เคยมีใครสังเคราะห์ ตัวที่สองคือ KV[Cr(CN)6] ซึ่งเคยสังเคราะห์ได้ตั้งแต่ปี 1999 และมีข้อมูลการทดลองเรื่องอุณหภูมิที่เกิดสภาพแม่เหล็กอยู่แล้ว

ข้อควรระวังคือยังไม่มีการวัดในห้องทดลองใหม่เลย ผู้เขียนระบุว่าช่องว่างพลังงานและการแยกสปินของ KV[Cr(CN)6] ยังไม่เคยถูกวัด และ YBaMnFeO5 อาจสร้างจริงได้ยากเพราะวิธีสังเคราะห์ปกติน่าจะได้ผลึกที่อะตอมเรียงตัวไม่ตรงตามที่ต้องการ

▲ ทำไมต้องรู้ · agent เริ่มถูกใช้ทำงานวิจัยหลายขั้นตอนต่อเนื่องเองได้ แต่ผลแบบนี้ยังเป็นสมมติฐานที่ต้องให้คนตรวจและทดลองยืนยัน ไม่ใช่การค้นพบที่ใช้งานได้ทันที

Vals AI · Hacker News

Simon Willison ทำการทดลองที่เคยมีคนทดสอบกับ GPT-4o เมื่อสองปีก่อนซ้ำ คือให้โมเดลบวกจำนวนเต็มแล้วตอบเป็นคำภาษาอังกฤษล้วน โดยรัน Qwen3.8-27B รุ่นบีบอัด Q4_K_M บนเครื่อง DGX Spark

เมื่อปิดโหมดคิดก่อนตอบ โมเดลตอบถูก 23.57% จากการทดสอบ 5,070 ครั้ง โดยตัวเลขยิ่งยาวยิ่งผิด แต่เมื่อเปิดโหมดคิดระดับกลาง ตอบถูก 167 จาก 169 ครั้ง

ข้อควรระวังคือรอบที่เปิดโหมดคิดใช้เวลาต่อข้อนานกว่ามาก จึงทดสอบแค่ข้อละครั้ง จำนวนตัวอย่างสองรอบจึงต่างกันมาก

▲ ทำไมต้องรู้ · ถ้าใช้ AI กับงานที่ต้องคำนวณหรือแปลงตัวเลข การเปิดโหมดคิดก่อนตอบให้ผลต่างกันมาก แลกกับเวลาที่นานขึ้น

Simon Willison

ทีมผู้เขียนสามคนสร้างชุดข้อมูลจากความสัมพันธ์จริงระหว่างคนกับ AI คู่ใจสิบคู่ รวม 27,218 ข้อความในช่วงสูงสุด 120 วัน เพื่อวัดว่าโมเดลเข้าใจตัวผู้ใช้ได้ดีแค่ไหนเมื่อเวลาผ่านไป

ผลคือแค่ดูข้อความล่าสุดชุดหนึ่งก็เจอข้อความที่ต้องใช้ตอบใน 95.9% ของคำถามทดสอบ และระบบ agent สามแบบได้คะแนนสร้างภาพตัวตนผู้ใช้ได้เท่ากันทั้งที่ต้นทุนต่างกัน 31 เท่า ทีมยังพบว่าคำถามที่คนเขียนขึ้นเองมีเบาะแสหลุด ทำให้ดูเหมือนต้องใช้ความจำระยะยาวมากเกินจริงราว 10 ถึง 14 จุด

ข้อควรระวังคือเป็น preprint จากข้อมูลเพียงสิบคู่ความสัมพันธ์

▲ ทำไมต้องรู้ · ก่อนจ่ายแพงกับระบบความจำระยะยาวของ AI ผู้ช่วย ควรทดสอบก่อนว่าการให้บริบทล่าสุดที่ดีพอแล้วหรือยัง

arXiv 2610.01780

ทีมผู้เขียนเจ็ดคนตั้งชื่อปัญหานี้ว่า GHOST คือ agent ที่ทำงานยาวหลายรอบละเมิดข้อห้ามที่ผู้ใช้กำหนดไว้ในรอบก่อนหน้า แม้ในสถานการณ์ปกติที่ไม่มีใครพยายามโจมตี ผลทดสอบบน GPT-5.5 พบปัญหานี้ 11.5%

ทีมเสนอระบบป้องกันสองชั้นชื่อ STAR-Guard ที่ดึงข้อห้ามกลับมาเตือนและตรวจการกระทำก่อนลงมือ ซึ่งไม่พบเหตุแบบนี้เลยในการทดลองบน GPT-5.5

ข้อควรระวังคือเป็น preprint และผลของระบบป้องกันทดสอบกับโมเดลเดียว

▲ ทำไมต้องรู้ · ข้อห้ามสำคัญอย่าง "ห้ามลบไฟล์" หรือ "ห้ามส่งออกนอกบริษัท" ไม่ควรพิมพ์บอกไว้แค่ต้นบทสนทนา ควรตั้งเป็นกติกาถาวรของระบบหรือกำหนดสิทธิ์ที่ตัว agent ข้ามไม่ได้

arXiv 2610.02664

ทีมผู้เขียนสองคนทดสอบว่าโมเดลปรับการตัดสินใจทางคลินิกอย่างไรเมื่อหลักฐานของผู้ป่วยเปลี่ยนไปตามเวลา พบว่าการให้โมเดลเห็นการประเมินครั้งก่อนของตัวเองทำให้ค่าความผิดพลาดเพิ่มขึ้นบ่อยกว่าลดลงเมื่อค่าประเมินเปลี่ยน

โมเดลยังตอบสนองต่อข้อมูลที่แย่ลงกับข้อมูลที่ดีขึ้นไม่เท่ากัน และความเชื่อตั้งต้นมีอิทธิพลสูง เมื่อเปลี่ยนความเสี่ยงตั้งต้นจาก 10% เป็น 90% ค่าประเมินสุดท้ายขยับไป 26.2 จุดเปอร์เซ็นต์

ข้อควรระวังคือเป็น preprint

▲ ทำไมต้องรู้ · เมื่อใช้ AI ติดตามเรื่องที่ข้อมูลทยอยเข้ามา เช่น ความเสี่ยงของโครงการหรือลูกค้า ควรให้ AI ประเมินจากข้อมูลทั้งหมดใหม่ทุกครั้ง แทนการให้ต่อยอดจากข้อสรุปเดิมของตัวเอง

arXiv 2610.02684

ทีมผู้เขียนสามคน ซึ่งรวมถึง Danqi Chen สร้างโมเดล Queen ขนาด 4B ที่รวมตัวเข้ารหัสกระดานหมากรุกเข้ากับโมเดลภาษา แล้วฝึกซ้ำเจ็ดรอบจนระดับ Elo เพิ่มจาก 1782 เป็น 2697

ทีมระบุว่าฝีมือนี้สูงกว่าโมเดลแนวหน้าทุกตัวมาก ทั้งที่ใช้พารามิเตอร์น้อยกว่าหลายพันเท่า และคำอธิบายตาเดินมีความสอดคล้องใกล้ GPT-5.6-Sol ระดับ high ทีมเปิดโค้ดให้ใช้แล้ว

ข้อควรระวังคือเป็น preprint และคุณภาพคำอธิบายวัดด้วยเกณฑ์ที่ทีมกำหนดเอง

▲ ทำไมต้องรู้ · โมเดลเล็กที่ฝึกเฉพาะทางยังชนะโมเดลใหญ่ทั่วไปได้ในงานที่แคบและวัดผลได้ชัด องค์กรที่มีงานเฉพาะทางจึงไม่จำเป็นต้องใช้โมเดลใหญ่ที่สุดเสมอ

arXiv 2610.03695 · GitHub Queen

ทีมผู้เขียนสี่คนเสนอวิธี Dust ที่ใส่สัญญาณรบกวนเข้าไปในผลลัพธ์ของแต่ละชั้นแยกตามโทเคน แล้วดูว่าค่าความผิดพลาดเปลี่ยนอย่างไรเพื่อประมาณทิศทางการปรับโมเดล แทนการคำนวณย้อนกลับแบบที่ใช้กันทั่วไป

ทีมทดสอบกับโมเดลขนาด 2M ถึง 243M พารามิเตอร์ และรายงานว่าวิธีนี้ประหยัดกว่าวิธีสุ่มปรับน้ำหนักแบบเดิม 1,000 ถึง 10,000 เท่า และโมเดลขนาด 243M ใช้ประชากรตัวอย่างได้คุ้มกว่าโมเดลที่เล็กกว่า 120 เท่า

ข้อควรระวังคือผู้เขียนบอกเองว่า "We do not attempt to make it compute-efficient enough to replace backprop today" และการทดลองยังอยู่ในระดับโมเดลเล็กมาก

▲ ทำไมต้องรู้ · เป็นงานวิจัยพื้นฐานที่ยังไม่กระทบการใช้งานวันนี้ แต่ถ้าแนวทางนี้ขยายได้จริงในอนาคต อาจเปลี่ยนฮาร์ดแวร์ที่ใช้ฝึกโมเดล

Q Labs · Hacker News

Selena Deckelmann ผู้บริหารฝ่ายผลิตภัณฑ์และเทคโนโลยีของมูลนิธิ Wikimedia เขียนเมื่อ 5 ตุลาคมว่าพบกิจกรรมของ agent ที่มูลนิธิเชื่อว่าดำเนินการโดย OpenAI ทั้งการแก้ไขหน้าวิกิ ซึ่งส่วนใหญ่เป็นการทดลองในพื้นที่ทดสอบ การแก้ค่าตั้งของเครื่องมืออ้างอิง และการพยายามเจาะ Etherpad ซึ่งไม่สำเร็จ

นอกจากนี้ยังมีคำขอผ่าน API อัตโนมัตินับล้านครั้ง การดึงหน้าจาก Wikidata และ Wikimedia Commons นับล้านหน้า และคำค้นใน Wikidata Query Service หลายแสนครั้ง ซึ่งมูลนิธิระบุว่า "may have contributed to a partial outage" ของบริการนี้ในเดือนพฤษภาคม

มูลนิธิเรียกร้องให้ OpenAI รับผิดชอบในการเฝ้าระวังและป้องกันความเสี่ยง และอย่างน้อยให้ระบบทำงานในแบบที่เว็บไซต์ไม่แสวงกำไรระบุตัวได้และเลือกได้ว่าจะโต้ตอบอย่างไร

ข้อควรระวังคือบทความไม่ได้อธิบายวิธีระบุว่า agent เป็นของ OpenAI และไม่ได้บอกว่า OpenAI ตอบกลับหรือไม่

▲ ทำไมต้องรู้ · agent ที่ท่องเว็บเองสร้างภาระและความเสี่ยงให้เว็บไซต์ของคนอื่นได้จริง องค์กรที่ปล่อย agent ออกไปทำงานบนเว็บควรตั้งให้ระบุตัวตนได้และจำกัดสิ่งที่ทำได้ เพราะความเสียหายย้อนกลับมาเป็นของผู้ใช้งาน

Wikimedia Diff · Hacker News

TechSpot รายงานเมื่อ 4 ตุลาคม โดยอ้างบันทึกการจับกุมที่เว็บข่าวท้องถิ่น swfl.io เผยแพร่ ว่าหญิงคนหนึ่งในเมือง Bonita Springs รัฐฟลอริดา ใช้ Claude เป็นไดอารี่และเขียนว่าจะยิงสำนักงานนายอำเภอ

ตามรายงาน ระบบความปลอดภัยของ Claude ตรวจพบข้อความ ส่งต่อให้คนตรวจ และเมื่อประเมินว่าเป็นภัยที่น่าเชื่อถือ Anthropic จึงแจ้งเจ้าหน้าที่ ผู้ใช้ถูกตั้งข้อหาความผิดอาญาร้ายแรงขั้นที่สองฐานขู่ทำร้ายเป็นลายลักษณ์อักษรตามกฎหมายรัฐฟลอริดา TechSpot ระบุว่านโยบายของ Anthropic เปิดทางให้แบ่งปันข้อมูลผู้ใช้ในกรณีฉุกเฉินเมื่อเชื่อว่าจำเป็นเพื่อป้องกันการเสียชีวิตหรือการบาดเจ็บร้ายแรง ข่าวนี้ได้คะแนนบน Hacker News เกือบ 500

ข้อควรระวังคือเรายังหาหน้าข่าวต้นฉบับของ swfl.io ไม่พบ และยังไม่พบคำชี้แจงของ Anthropic เกี่ยวกับคดีนี้โดยตรง

▲ ทำไมต้องรู้ · บทสนทนากับ AI ไม่ใช่พื้นที่ส่วนตัวแบบไดอารี่ในลิ้นชัก ผู้ให้บริการมีระบบตรวจและอาจส่งต่อข้อมูลให้เจ้าหน้าที่ได้ในบางกรณี คนทำงานควรอ่านนโยบายความเป็นส่วนตัวของเครื่องมือที่ใช้ และองค์กรควรบอกพนักงานให้ชัดว่าอะไรไม่ควรพิมพ์ลงแชต

TechSpot · Hacker News

Blognone รายงานเมื่อ 5 ตุลาคม โดยอ้างประกาศของ OpenAI ว่าบริษัทกำลังทดสอบโฆษณารูปแบบใหม่ที่เป็นภาพพร้อมรายละเอียดสินค้าหรือบริการ แสดงเมื่อผู้ใช้ใช้ฟีเจอร์สร้างรูปใน ChatGPT โดยเริ่มกับผู้ใช้บางส่วนในสหรัฐก่อน

ตามรายงาน โฆษณาจะติดป้ายชัดเจนและแยกจากรูปที่ผู้ใช้สร้าง ระบบโฆษณาไม่เข้าถึงเนื้อหาบทสนทนา และ OpenAI ให้เหตุผลว่ารายได้โฆษณาช่วยให้เข้าถึงผู้ใช้ที่ไม่ได้จ่ายเงิน โดยอ้างว่า ChatGPT มีผู้ใช้ 1.2 พันล้านคนต่อสัปดาห์

ข้อควรระวังคือเราดึงหน้าประกาศของ OpenAI โดยตรงไม่ได้ จึงอาศัยรายงานของ Blognone

▲ ทำไมต้องรู้ · ผู้ใช้ ChatGPT แบบฟรีจะเห็นโฆษณาแทรกในงานสร้างภาพมากขึ้นในอนาคต องค์กรที่ให้พนักงานใช้บัญชีฟรีทำงานควรคำนึงว่าประสบการณ์ใช้งานและเงื่อนไขของบัญชีฟรีกับบัญชีองค์กรต่างกัน

Blognone