AI News · 2026-10-07

Mistral เปิดให้ทดลองใช้ Mistral Large 4 ผ่าน API ของ Mistral Studio เมื่อ 6 ตุลาคม โดยบรรยายว่าเป็นโมเดลแบบ Mixture-of-Experts ที่รับข้อมูลหลายรูปแบบได้ในตัว มีพารามิเตอร์รวมหนึ่งล้านล้านแต่ใช้งานจริงครั้งละ 49B ฝึกด้วย GPU NVIDIA Grace Blackwell 3,800 ตัวในดาต้าเซ็นเตอร์ของบริษัทเองในยุโรป และบอกว่าจะปล่อยน้ำหนักปลายเดือนนี้

หน้าประกาศระบุราคา 1.36 ดอลลาร์ต่อล้านโทเคนขาเข้า และ 4.18 ดอลลาร์ต่อล้านโทเคนขาออก บริษัทรายงานคะแนน DeepSWE v1.1 ที่ 61.7% Terminal Bench 4.0 ที่ 28.3% และ AutomationBench ที่ 59.9%

Simon Willison อ้างคะแนนจาก Artificial Analysis ว่า Mistral Large 4 ได้ 38 ตามหลัง DeepSeek 4.1 Flash เพียงเล็กน้อย จากเดิมที่ Mistral Large 3 ได้ 9 เมื่อธันวาคม 2025 และให้ความเห็นว่าโมเดลนี้น่าจะตามหลังโมเดลแนวหน้าราวหกเดือน

ข้อควรระวังคือคะแนนส่วนใหญ่เป็นผลวัดของผู้พัฒนาเอง หน้าประกาศไม่ได้ระบุสัญญาอนุญาตของน้ำหนักและขนาด context และยังไม่มีใครดาวน์โหลดไปทดสอบซ้ำได้

▲ ทำไมต้องรู้ · องค์กรที่อยากได้โมเดลขนาดใหญ่จากผู้พัฒนาฝั่งยุโรปไว้รันเองจะมีตัวเลือกเพิ่ม ถ้าน้ำหนักออกตามกำหนดและสัญญาอนุญาตเปิดให้ใช้เชิงพาณิชย์

Mistral AI · Simon Willison · Hacker News

Google เปิดตัว EmbeddingGemma 2 เมื่อ 6 ตุลาคม เป็นโมเดล embedding ขนาด 740M สำหรับรุ่นเต็มที่รับหลายรูปแบบ ถ้าใช้เฉพาะข้อความจะเล็กลงเหลือ 270M โดยเลือกเพิ่มตัวเข้ารหัสภาพหรือเสียงได้

โมเดลรับข้อความได้ 8K โทเคน ให้เวกเตอร์ 768 มิติที่ตัดสั้นเหลือ 512 256 หรือ 128 มิติได้ Google รายงานคะแนน MTEB Code 78.68 ซึ่งสูงกว่ารุ่นแรก 9.92 จุด และดาวน์โหลดได้แล้วบน Hugging Face และ Kaggle

ข้อควรระวังคือคำว่าเป็นโมเดลที่เก่งที่สุดสำหรับงานบนอุปกรณ์เป็นคำอ้างของ Google เอง

▲ ทำไมต้องรู้ · ระบบค้นเอกสารภายในองค์กรต้องใช้ embedding เป็นฐาน โมเดลเปิดที่รันเองได้ช่วยให้ไม่ผูกติดผู้ขาย ถ้าผู้ให้บริการเลิกรุ่นใดไปก็ยังรันต่อได้เอง

Google · Simon Willison · Hacker News

บันทึกการเปลี่ยนแปลงของ Gemini API วันที่ 6 ตุลาคมระบุว่า Gemini Nano Banana 2.1 เปิดใช้งานทั่วไปแล้ว เป็นโมเดลสร้างและแก้ภาพผ่านการคุยที่เน้นความเร็ว Google บอกว่าภาพดีขึ้นทั้งคุณภาพ การทำตามพรอมต์ ความคงที่ของตัวละคร และการวางตัวอักษร และรองรับภาพแนวกว้างหรือแนวยาว เช่น 1:4 และ 8:1

ในวันเดียวกัน Google ประกาศว่า gemini-3.1-flash-image เลิกพัฒนาแล้วและจะปิดใช้งานวันที่ 29 ตุลาคม 2026 โดยให้ย้ายไปใช้รุ่นใหม่

▲ ทำไมต้องรู้ · ทีมที่เรียกโมเดลสร้างภาพรุ่นเก่าผ่าน API มีเวลาราวสามสัปดาห์ในการย้ายและทดสอบผลลัพธ์ใหม่ ก่อนระบบที่พึ่งโมเดลนั้นจะใช้งานไม่ได้

Gemini API Changelog

เอกสารนักพัฒนาของ OpenAI ระบุว่า Decisions API รับข้อความ ภาพ หรือทั้งสองอย่าง แล้วตอบเป็นคำตอบที่มีรูปแบบตายตัวสามแบบ คือความน่าจะเป็นที่เงื่อนไขเป็นจริง ตัวเลือกจากชุดที่กำหนด หรือคะแนนตามเกณฑ์ที่เรียงระดับไว้ และบอกว่าเร็วกว่า Responses API ราว 10 เท่า

ราคาคือ 0.10 ดอลลาร์ต่อล้านโทเคนขาเข้า โดยไม่คิดค่าโทเคนขาออก ตอนนี้ใช้ได้กับ gpt-6-luna รุ่นเดียว อยู่ในช่วงทดสอบสาธารณะ และบริษัทคาดว่าจะเปิดใช้ทั่วไป "in the coming weeks"

ข้อควรระวังคือตัวเลขความเร็วเป็นคำอ้างของ OpenAI และเรายังดึงหน้าประกาศของบริษัทไม่ได้

▲ ทำไมต้องรู้ · งานจำนวนมากในองค์กรเป็นการคัดแยก เช่น อีเมลนี้เร่งด่วนไหม หรือเอกสารนี้เข้าหมวดไหน บริการที่ตอบสั้นและถูกแบบนี้ทำให้งานคัดแยกปริมาณมากมีต้นทุนต่ำลงมาก

OpenAI Docs · Hacker News

รุ่น 2.1.292 แก้ปัญหาด้านความปลอดภัยที่การอนุมัติผ่าน PreToolUse hook และโหมดอนุมัติอัตโนมัติข้ามการขออนุญาตเมื่ออ่านไฟล์จาก path เครือข่ายแบบ UNC และแก้กรณีที่แคชค่าตั้งจากเซิร์ฟเวอร์ซึ่งถูกแก้บนดิสก์สามารถปิดปลั๊กอินนโยบายที่มากับระบบได้ในช่วงที่ดึงค่าตั้งจากเซิร์ฟเวอร์ไม่สำเร็จ

รุ่นนี้เพิ่มพารามิเตอร์ effort ให้เครื่องมือ Agent เพื่อสั่งให้ sub-agent ทำงานที่ระดับความพยายามที่ต้องการ แก้ปัญหาไฟล์ข้อความเกิน 256KB ที่อ้างถึงด้วย @ ถูกตัดทิ้งแบบเงียบๆ ให้ Claude รู้ขนาดไฟล์แล้วอ่านเป็นส่วนๆ แทน และแก้งานตั้งเวลาที่สร้างหลังคำสั่ง /resume /branch หรือ /clear ที่ไม่เคยทำงาน

ก่อนหน้านั้นรุ่น 2.1.291 แก้ปัญหาที่เซสชันบนคลาวด์อาจทำคำตอบของผู้ใช้ต่อคำขออนุญาตหาย และปัญหาข้อความท้ายเซสชันหายเมื่อปิดโปรแกรม

▲ ทำไมต้องรู้ · องค์กรที่ใช้ Claude Code บนเครื่องที่ต่อไดรฟ์เครือข่ายควรอัปเดต เพราะช่องนี้ทำให้อ่านไฟล์บนเครือข่ายได้โดยไม่ผ่านการขออนุญาต

Claude Code CHANGELOG

โครงการ OpenTPU บน GitHub ตั้งคำถามว่า "how far can AI agents go at hardware design" และเปิดทั้งชุด ตั้งแต่การออกแบบวงจร ชุดคำสั่ง ตัวจำลอง คอมไพเลอร์ ไปจนถึงเครื่องมือวัดประสิทธิภาพ ภายใต้ Apache 2.0

ตอนนี้รันบนบอร์ด FPGA Xilinx Kintex-7 ความเร็วนาฬิกา 133.33 MHz และรันโมเดล LFM2.5-230M แบบ 4 บิตได้ที่ 85.8 โทเคนต่อวินาทีในขั้นสร้างคำตอบ โครงการนี้ได้คะแนนบน Hacker News กว่า 200

ข้อควรระวังคือ README ไม่ได้ระบุว่าใช้โมเดล AI ตัวไหนออกแบบ และคนมีส่วนร่วมมากน้อยแค่ไหน และยังไม่ได้ผลิตเป็นชิปจริง

▲ ทำไมต้องรู้ · เป็นสัญญาณว่า agent เริ่มถูกลองใช้กับงานวิศวกรรมที่ซับซ้อนนอกเหนือจากเขียนซอฟต์แวร์ แต่ยังต้องรอดูว่าคนทำส่วนไหนเอง

GitHub OpenTPU · Hacker News

OpenAI เผยแพร่คลัง openai/math บน GitHub ซึ่งระบุว่า "The current catalogue contains 722 manuscripts organized into 372 families." และผลส่วนใหญ่ได้จากโมเดลภายในที่ยังไม่เปิดตัว ระหว่างการประเมินโมเดลถูกถามโจทย์ราว 4,000 ข้อ และแต่ละผลใช้การคิดของ ChatGPT Pro เฉลี่ยราวสามชั่วโมง

หัวข้อมีตั้งแต่ค่าเลขชี้กำลังความเป็นอตรรกยะของพาย ไปจนถึงข้อคาดการณ์ของ Mahler และบริเวณที่ไม่มีศูนย์ของฟังก์ชันซีตาของรีมันน์ ข่าวนี้ได้คะแนนบน Hacker News กว่า 230

ข้อควรระวังคือ README เขียนเองว่าผลอยู่ในระดับการตรวจสอบที่ต่างกัน ไม่ใช่ทุกชิ้นมีการพิสูจน์ด้วย Lean และ "Some of the unformalized results could have issues." เรายังดึงหน้าประกาศของ OpenAI ไม่ได้

▲ ทำไมต้องรู้ · AI เริ่มผลิตงานเชิงวิชาการปริมาณมากที่คนตรวจไม่ทัน คนทำงานที่ใช้ AI ช่วยวิเคราะห์ควรแยกให้ออกว่าผลไหนตรวจแล้ว ผลไหนยังเป็นแค่ร่าง

GitHub openai/math · Hacker News

Thomas Bloom ผู้ดูแล erdosproblems.com เขียนเมื่อ 6 ตุลาคมว่าจะหยุดรับความเห็นและคำอ้างว่าพิสูจน์โจทย์ใหม่ทางเว็บ ยังรับทางอีเมลอยู่ จะเอาป้ายบอกสถานะโจทย์ว่าแก้แล้วหรือยังออก และจะเน้นบทอธิบายคุณภาพสูงแทน โดยบอกว่าการปิดรับอาจกลับมาเปิดในอนาคต

เขาเขียนว่า "AI has gone from being essentially useless to helping solve some of the hardest problems in mathematics in less than a year." และกังวลเรื่องคำตอบที่ AI สร้างแล้วส่งมาโดยไม่มีคำอธิบาย

ข้อควรระวังคือ Bloom ระบุด้วยว่าความคืบหน้าส่วนหนึ่งมาจากความพยายามของคนที่เพิ่มขึ้น ไม่ใช่จาก AI อย่างเดียว และบทความไม่ได้ระบุจำนวนโจทย์ที่แก้ได้

▲ ทำไมต้องรู้ · เมื่อ AI ผลิตงานได้มากกว่าที่คนตรวจทัน ทีมที่รับงานจากภายนอกต้องปรับวิธีคัดกรอง ไม่ใช่เพิ่มคนตรวจอย่างเดียว

Erdős Problems · Hacker News

ทีมผู้เขียนสามคนสร้างชุดทดสอบ SEAM จากงานแก้ข้อความ 300 ชิ้น ทดสอบหกเงื่อนไขกับ 20 โมเดล เพื่อดูว่าเมื่อผู้ใช้วางข้อความแล้วพิมพ์คำสั่งต่อท้ายโดยขึ้นบรรทัดใหม่ โมเดลจะเอาคำสั่งนั้นไปปนในข้อความที่แก้กลับมาหรือไม่

อัตราที่เกิดปัญหานี้อยู่ระหว่าง 7.7% ถึง 66.7% แล้วแต่โมเดล การเว้นบรรทัดเปล่าเพิ่มไม่ได้ลดปัญหาอย่างมีนัยสำคัญในโมเดลใดเลย ส่วนการใส่เครื่องหมายบอกขอบเขตชัดๆ ลดปัญหาได้ใน 19 จาก 20 โมเดล และคำสั่งที่เข้ากับเนื้อหาที่วาง เช่น คอมเมนต์ต่อท้ายโค้ด ถูกกลืนบ่อยขึ้นใน 17 จาก 20 โมเดล

ข้อควรระวังคือเป็น preprint และผู้เขียนระบุว่าการใส่ขอบเขต "reduce but do not remove this failure"

▲ ทำไมต้องรู้ · เวลาวางอีเมลหรือเอกสารให้ AI แก้ ควรครอบข้อความด้วยเครื่องหมายชัดเจน เช่น ใส่หัวว่า "ข้อความต้นฉบับ" และปิดท้าย แทนการขึ้นบรรทัดใหม่แล้วพิมพ์คำสั่งต่อเลย

arXiv 2610.04210

ทีมผู้เขียนเจ็ดคนทดสอบระบบที่ agent หลายตัวเก็บความจำไว้ในฐานข้อมูลเวกเตอร์เดียวกัน พบว่าการค้นหาตามความคล้ายตามปกติดึงความจำของผู้ใช้อื่นขึ้นมาได้ 70% ถึง 100% ในการตั้งค่าที่รวมความจำของทีมเดียวกันไว้ด้วยกัน

ในทางเดินข้อมูลแบบที่ใช้จริง คำตอบปนเปื้อนข้อมูลของคนอื่นได้คะแนน 5.00 จาก 5 และ 4.67 จาก 5 เมื่อใช้ Claude Sonnet 4.5 โดยคำตอบที่ปนเปื้อนมักถูกให้คะแนนว่ามีประโยชน์เท่าหรือมากกว่าคำตอบปกติ ในสามวิธีป้องกันที่ทีมทดสอบ มีเพียงการกรองความเป็นเจ้าของข้อมูลหลังค้นอย่างเข้มงวดที่ได้ผลสม่ำเสมอ ซึ่งเพิ่มเวลาราว 1.4 มิลลิวินาทีต่อคำค้น

ข้อควรระวังคือเป็น preprint ที่ทดสอบในสภาพแวดล้อมจำลอง ไม่ได้วัดจากระบบขององค์กรจริง

▲ ทำไมต้องรู้ · องค์กรที่สร้างผู้ช่วย AI ซึ่งจำข้อมูลของพนักงานแต่ละคน ควรตรวจว่าระบบแยกความจำตามเจ้าของจริง เพราะการรั่วแบบนี้ไม่ดูเหมือนความผิดพลาด คำตอบยังอ่านแล้วดูดี

arXiv 2610.04195

ทีมผู้เขียนหกคนทดสอบโมเดลที่รับภาพได้ทั้งแบบเปิดและปิดชั้นนำ โดยให้ใช้เครื่องมืออย่างการซูมภาพหรือติดป้ายบนภาพ พบว่าในชุดทดสอบความปลอดภัยยอดนิยมสามชุด โมเดลปฏิเสธคำขออันตรายล้มเหลวมากขึ้นสูงสุด 68.7% เมื่อเทียบกับตอนไม่มีเครื่องมือ จากการวิเคราะห์คำตอบกว่า 100,000 รายการ

ข้อควรระวังคือ 68.7% เป็นการเพิ่มขึ้นเชิงสัมพัทธ์และเป็นค่าสูงสุด ไม่ใช่อัตราล้มเหลวจริง และเครื่องมือที่ทดสอบเป็นเครื่องมือด้านภาพ ไม่ใช่ agent ทำงานสำนักงานทั่วไป

▲ ทำไมต้องรู้ · ระบบป้องกันที่ทดสอบกับแชตบอตธรรมดาอาจหลวมลงเมื่อเปลี่ยนเป็น agent ที่ใช้เครื่องมือ องค์กรจึงควรทดสอบความปลอดภัยซ้ำในรูปแบบที่ใช้งานจริง

arXiv 2610.03938

ทีมผู้เขียนหกคนให้โมเดลตัวหนึ่งเขียนข้อโต้แย้งจากจุดยืนที่กำหนด แล้วให้อีกตัวอ่านและสรุปว่าผู้เขียนมีจุดยืนอย่างไร บนหัวข้อโต้วาที 112 หัวข้อ พบว่าทั้งเก้าโมเดลรักษาจุดยืนเดิมไว้ได้ไม่เกิน 0.7 ในค่าตั้งต้น

ความเพี้ยนส่วนใหญ่มาจากการทำให้จุดยืนสุดโต่งขึ้น การเบี่ยงออกจากความเป็นกลาง และการกลับข้าง วิธีแก้ที่ช่วยได้ชัดมีเพียงการให้ GPT-5.4 ทบทวนตัวเองโดยเปิดการคิดระดับกลาง ซึ่งเพิ่มเป็น 0.775

ข้อควรระวังคือเป็น preprint ที่ทดสอบกับหัวข้อโต้วาที ไม่ใช่อีเมลหรือเอกสารงานจริง

▲ ทำไมต้องรู้ · เมื่อทั้งผู้ส่งและผู้รับต่างให้ AI ช่วยเขียนและช่วยสรุป ใจความที่ตั้งใจจะสื่ออาจคลาดเคลื่อนได้ ข้อความที่จุดยืนสำคัญควรอ่านตรวจเองก่อนส่ง

arXiv 2610.04620

ทีมผู้เขียน 11 คนเทียบการค้นเอกสารแบบให้ agent ค้นหลายรอบกับการค้นตามความคล้ายแบบปกติด้วยโมเดล embedding ตัวเดียวกัน พบว่าแบบ agent เพิ่มคะแนน nDCG@10 ได้ 8.7 จุด

แต่ใช้เวลาเฉลี่ย 107.4 วินาทีต่อคำค้น เทียบกับ 0.67 วินาที และใช้โทเคนขาเข้า 764,100 โทเคนกับขาออก 5,800 โทเคนต่อคำค้น

ข้อควรระวังคือเป็น preprint และคะแนนวัดบนชุดทดสอบงานค้นที่ซับซ้อนเป็นหลัก

▲ ทำไมต้องรู้ · ก่อนเปลี่ยนระบบค้นเอกสารภายในเป็นแบบ agent ควรคิดต้นทุนต่อคำค้นและเวลาที่ผู้ใช้ต้องรอ เทียบกับความแม่นที่เพิ่มขึ้น

arXiv 2610.05750

The Decoder สรุปรายงานของ The Information เมื่อ 5 ตุลาคมว่า Microsoft เคยคาดว่าจะจ่ายค่า Claude ทั้งปีกว่า 1 พันล้านดอลลาร์ แต่ผู้บริหารให้พนักงานหันไปใช้เครื่องมือภายในอย่าง GitHub Copilot และโมเดลของ OpenAI แทน และลดค่าใช้จ่ายลงมากกว่าหนึ่งในสาม

ส่วน Meta มีผู้ใช้ Claude Code ลดจากราว 60,000 เหลือ 30,000 คน ส่วนหนึ่งจากการเลิกจ้างและส่วนหนึ่งเพราะผลักดันเครื่องมือของตัวเองอย่าง Muse Code และ MetaCode โดย Meta เคยจ่ายค่า Claude Code กว่า 105 ล้านดอลลาร์ในช่วง 28 วัน

ข้อควรระวังคือรายงานต้นทางอยู่หลัง paywall เราอ่านผ่าน The Decoder และ Blognone และไม่พบคำชี้แจงจาก Microsoft Meta หรือ Anthropic

▲ ทำไมต้องรู้ · ตัวเลขนี้ชี้ว่าค่าใช้เครื่องมือเขียนโค้ดด้วย AI ในองค์กรใหญ่ขึ้นไปถึงระดับที่ผู้บริหารต้องคุม องค์กรที่เริ่มใช้ควรวางวิธีวัดความคุ้มค่าและเพดานงบตั้งแต่แรก

The Decoder · Blognone

Jason Kwon ประธานฝ่ายกลยุทธ์ของ OpenAI ไปให้ข้อมูลต่อคณะกรรมาธิการร่วมว่าด้วยปัญญาประดิษฐ์ของรัฐสภาออสเตรเลียที่ซิดนีย์ในสัปดาห์นี้ ตามที่ Cyber Daily รายงานไว้ล่วงหน้าเมื่อ 29 กันยายน

Victoria Kim ผู้สื่อข่าวที่รายงานจากรัฐสภาออสเตรเลีย เขียนตามที่ Simon Willison ยกมาว่า Kwon บอกว่าหลังเหตุ Medicare บริษัทเพิ่มการเฝ้าระวังเพื่อให้พนักงาน "immediate intervention" หยุดการฝึกได้ หากโมเดลเข้าอินเทอร์เน็ตในแบบที่ไม่ควรทำ

ข้อควรระวังคือเราดึงรายงานฉบับเต็มของ The New York Times ไม่ได้ จึงรู้เฉพาะส่วนที่ถูกยกมา

▲ ทำไมต้องรู้ · เหตุ agent ทำงานเกินขอบเขตเริ่มถูกถามในระดับรัฐสภา ผู้ให้บริการ AI จะถูกกดดันให้อธิบายว่าหยุดระบบได้อย่างไรเมื่อเกิดเหตุ ซึ่งองค์กรผู้ใช้ก็ควรถามคำถามเดียวกันกับระบบของตัวเอง

Simon Willison · Cyber Daily

TechSpot รายงานเมื่อ 6 ตุลาคมว่ายูทาห์ให้บริษัท Nolla Health ทดลองให้ AI วินิจฉัยและสั่งยาสำหรับสิวระดับเล็กน้อยถึงปานกลาง ผ่านแอปราคา 4.99 ดอลลาร์ต่อเดือน โดยเลือกได้จากยาทาที่อนุมัติไว้แปดชนิด

โครงการทดลองหนึ่งปีแบ่งเป็นสามช่วง ใบสั่งยา 100 ใบแรกต้องให้แพทย์ตรวจก่อนส่งร้านยา อีก 400 รายถัดไป AI ส่งใบสั่งยาเองแล้วแพทย์ตรวจย้อนหลังทุกสัปดาห์ หลังจากนั้นแพทย์ตรวจอย่างน้อย 10% ของใบสั่งยาทุกเดือน

ข้อควรระวังคือขอบเขตแคบมาก ใช้กับโรคเดียวและยาทาเท่านั้น

▲ ทำไมต้องรู้ · การลดการตรวจของคนลงเป็นขั้นตามผลงานจริงเป็นแบบที่องค์กรนำไปใช้กับงานอัตโนมัติของตัวเองได้ คือเริ่มจากตรวจทุกชิ้น แล้วค่อยลดเป็นการสุ่มตรวจเมื่อมีหลักฐาน

TechSpot · Hacker News