AI News · 2026-10-09

Google Cloud เปิดตัว Gemini agent ในงาน Gemini at Work 2026 เมื่อ 8 ตุลาคม โดยบล็อกของ Google เรียกว่า "a universal agent for work" รับงานทั้งค้นความรู้ ตอบคำถาม สร้างเนื้อหา และเขียนโค้ดจากช่องพิมพ์เดียว ใช้ข้อมูลธุรกิจขององค์กร วางแผนงานเอง แล้วส่งผลลัพธ์กลับไปในเอกสาร อีเมล หรือเครื่องมือนักพัฒนาที่ใช้อยู่ ระบบเลือกโมเดลให้เหมาะกับแต่ละงานและมีตัวคุมค่าใช้จ่ายในตัว

VentureBeat รายงานว่า agent ทำงานต่อเนื่องได้หลายชั่วโมงถึงหลายวันและแตกงานให้ agent ย่อยได้ โดย Google ยกตัวอย่าง agent ที่ได้บัญชี Workspace อีเมล ปฏิทิน และพื้นที่ Drive ของตัวเอง แต่ยังไม่ยืนยันว่า agent ทุกตัวจะได้แบบนี้ ตอนนี้เปิดแบบ private preview ให้ลูกค้าบางรายตั้งแต่ 8 ตุลาคม รวมอยู่ใน Gemini Enterprise โดยไม่คิดเงินเพิ่ม และส่งงานไปให้ Claude ของ Anthropic ทำได้ด้วย

ข้อควรระวังคือบล็อกของ Google ไม่ได้ระบุราคา ภูมิภาค หรือวันเปิดทั่วไป รายละเอียดส่วนใหญ่มาจาก VentureBeat

▲ ทำไมต้องรู้ · องค์กรที่ใช้ Google Workspace จะมีตัวเลือก agent ที่ทำงานในระบบเดิมได้โดยตรง แต่ agent ที่มีบัญชีอีเมลและไฟล์ของตัวเองต้องมีคนกำหนดสิทธิ์และงบให้ชัดก่อนเปิดใช้

Google · VentureBeat

Blognone รายงานเมื่อ 8 ตุลาคมว่า Microsoft เพิ่มฟีเจอร์ Hybrid Intelligence ใน Windows 11 เพื่อเชื่อมโมเดล AI ที่รันในเครื่องกับโมเดลบนคลาวด์ แกนหลักคือ Microsoft Execution Containers หรือ MXC ที่รัน agent ใน sandbox และรองรับ container หลายแบบ

agent ที่ทำงานบน MXC แล้วมี OpenAI Codex, GitHub Copilot และ NVIDIA OpenShell ส่วน Claude Code และ Hermes ประกาศว่าจะรองรับ นอกจากนี้ GitHub HydraFusion ซึ่งส่งคำขอไปให้โมเดลในเครื่องจะเข้าไปอยู่ในแอป GitHub Copilot, Copilot CLI และ VS Code ภายในเดือนตุลาคม

▲ ทำไมต้องรู้ · ฝ่ายไอทีที่กังวลเรื่อง agent เข้าถึงไฟล์ทั้งเครื่องจะมีชั้นกั้นจากระบบปฏิบัติการเอง และงานบางส่วนอาจรันบนเครื่องได้โดยไม่ต้องส่งข้อมูลออกไปคลาวด์

Blognone

รุ่น 2.1.294 แก้ปัญหาที่ hook แบบเขียนเป็นคำสั่งภาษาคน เช่น "Block commands that..." กลับปล่อยให้คำสั่งที่ควรถูกบล็อกผ่านไปได้ และปรับการตัดสิน hook ตอนจบงานให้ Claude หยุดก่อนเวลาน้อยลง

รุ่น 2.1.295 เพิ่มตัวเลือกให้ hook ที่เริ่มทำงานไม่ได้ หมดเวลา หรือจบด้วยรหัสผิดปกติ บล็อกการกระทำนั้นแทนการปล่อยผ่าน แก้กรณีที่ hook ได้รับข้อมูลซ้อนลึกแบบถูกตัดทอนโดยไม่แจ้ง ทำให้ด่านตรวจปล่อยเนื้อหาที่ไม่เคยเห็นผ่านไป และแก้หน้าจอค้างเมื่อคำตอบยาวหลายหมื่นบรรทัด

รุ่นเดียวกันยังขยายความยาวคำอธิบายเครื่องมือ MCP ที่โมเดลโหลดผ่านการค้นหาเครื่องมือจาก 2,048 เป็น 16,384 ตัวอักษร และแก้ปัญหาบน Windows ที่ปลั๊กอินระดับโปรเจกต์ไม่โหลดใน VS Code เพราะตัวพิมพ์ของอักษรไดรฟ์

▲ ทำไมต้องรู้ · ทีมที่ใช้ hook เป็นด่านกันคำสั่งอันตรายควรอัปเดตและพิจารณาตั้งให้ด่านที่ทำงานพลาดบล็อกไว้ก่อน เพราะด่านที่พังแล้วปล่อยผ่านเท่ากับไม่มีด่าน

Claude Code CHANGELOG

บันทึกการเปลี่ยนแปลงของ Claude API วันที่ 7 ตุลาคมระบุว่าเครื่องมือดึงหน้าเว็บใน Managed Agents จะดึงได้เฉพาะ URL ที่เคยปรากฏในงานนั้นแล้ว เช่น ในข้อความของผู้ใช้ ผลค้นเว็บ หรือหน้าที่ดึงมาก่อน ส่วน URL ที่โผล่เฉพาะในคำตอบของ Claude ใน system prompt หรือในผลจากเครื่องมืออื่น จะได้ error แทน โดยให้เหตุผลว่าเพื่อลดความเสี่ยงการส่งข้อมูลออก

เมื่อตั้งเครือข่ายแบบจำกัด รายชื่อโดเมนที่อนุญาตจะใช้กับการค้นเว็บและดึงหน้าเว็บด้วย และ SDK ภาษา Python กับ TypeScript ได้คลาสรุ่นทดลองสำหรับเครื่องมือควบคุมเบราว์เซอร์และคอมพิวเตอร์ที่จัดการวงจรการเรียกเครื่องมือและการขออนุมัติให้

วันที่ 8 ตุลาคม Compliance API สำหรับองค์กรที่ใช้ Claude Enterprise ดึงประวัติแชตจากประสบการณ์ Claude แบบรวมได้แล้วในรุ่นเบต้า

▲ ทำไมต้องรู้ · การโจมตีที่หลอกให้ agent แอบส่งข้อมูลไปยังเว็บของผู้โจมตีเป็นความเสี่ยงหลักของ agent ที่อ่านเนื้อหาจากภายนอก ทีมที่สร้าง agent เองควรใช้กติกาแบบเดียวกันนี้

Claude API release notes

Blognone รายงานเมื่อ 8 ตุลาคมว่า Elon Musk โพสต์ว่า Grok Bot บริการ AI agent ของ SpaceXAI จะส่งแต่ละคำขอไปให้โมเดลที่เหมาะที่สุดจากหลายผู้ให้บริการ โดยยกตัวอย่าง Claude Opus 5.5, MidJourney และ Suno คำถามง่ายไปโมเดลเล็กเพื่อความเร็ว ส่วนคำถามซับซ้อนไปโมเดลใหญ่

Gizmodo ซึ่ง Blognone อ้างถึงตั้งข้อสังเกตว่าไม่ได้แปลว่า SpaceXAI จะเลิกพัฒนา Grok และ Anthropic เป็นลูกค้าดาต้าเซ็นเตอร์ของบริษัท

▲ ทำไมต้องรู้ · ผู้ให้บริการหลายรายเริ่มขายการเลือกโมเดลให้อัตโนมัติแทนการผูกกับโมเดลตัวเดียว ผู้ใช้ควรถามว่าคำตอบแต่ละครั้งมาจากโมเดลไหน เพราะคุณภาพและเงื่อนไขข้อมูลต่างกัน

Blognone

บล็อกของ Hugging Face เมื่อ 8 ตุลาคมเล่าว่าผู้เขียนใช้ ML Intern ซึ่งเป็น agent ใน HuggingChat สร้างโมเดลใหม่หกตัว เช่น โมเดลขนาด 0.8B ที่เขียนพรอมต์ใหม่ให้ Qwen-Image 2.1 และโมเดลดูภาพวินิจฉัยโรคส้ม

agent วางแผนงาน ขอวงเงินก่อนใช้จ่าย ทดสอบเบื้องต้น แล้วฝึก ประเมินผล และเผยแพร่โมเดลขึ้น Hub เอง ค่าประมวลผลรวมทั้งหมดราว 103 ดอลลาร์

▲ ทำไมต้องรู้ · การสร้างโมเดลเล็กเฉพาะงานกำลังถูกลงจนทีมที่ไม่มีนักวิจัย ML ลองทำได้ แต่ยังต้องมีคนตรวจว่าโมเดลที่ได้ใช้งานจริงได้ดีแค่ไหน

Hugging Face

Retraction Watch รายงานว่า OpenAI ถอนต้นฉบับสามฉบับเมื่อ 7 ตุลาคม หลังพบข้อผิดพลาดเรื่องเครื่องหมายที่ทำให้ข้อโต้แย้งในฉบับหนึ่งใช้ไม่ได้ และกระทบโครงสร้างที่อีกสองฉบับใช้ต่อ บันทึกการแก้ไขในคลังของ OpenAI ระบุว่าแก้ไขอีก 14 ฉบับ ทั้งซ่อมบทพิสูจน์ แก้ข้อความทฤษฎีบท และทำเงื่อนไขให้ชัดขึ้น

บันทึกเดียวกันระบุว่าผลหลักที่ทำเป็นบทพิสูจน์ให้เครื่องตรวจได้แล้วมี 300 จาก 719 รายการ หรือราว 42% โฆษกของ OpenAI บอก Retraction Watch ว่าราวครึ่งหนึ่งของผลถูกเผยแพร่ก่อนยืนยันตามคำแนะนำของกลุ่มที่ปรึกษาด้านคณิตศาสตร์

Alex Townsend จาก Cornell คาดว่าจะพบข้อผิดพลาดเพิ่ม ส่วน Andrew Sutherland จาก MIT ชมว่าแก้เร็ว แต่บอกว่านักคณิตศาสตร์หลายคนยังไม่พอใจ

▲ ทำไมต้องรู้ · งานจาก AI ที่ปล่อยออกมาจำนวนมากโดยยังไม่ได้ตรวจมีโอกาสผิดได้จริง แม้มาจากบริษัทใหญ่ ผลงานที่เอาไปใช้ต่อควรรอให้ผ่านการตรวจก่อน

Retraction Watch · OpenAI math history · Hacker News

Google รายงานเมื่อ 8 ตุลาคมถึงผลการศึกษาที่ตีพิมพ์ใน The Lancet ร่วมกับ Beth Israel Deaconess Medical Center ผู้ป่วย 98 คนคุยกับ AMIE แชตบอตวินิจฉัยเพื่อการวิจัยของ Google ก่อนเข้าพบแพทย์ โดยมีแพทย์ดูการสนทนาอยู่ตลอด

ไม่มีบทสนทนาใดต้องหยุดกลางคันตามเกณฑ์ความปลอดภัยที่ตั้งไว้ แพทย์บอกว่าสรุปจาก AI ช่วยเตรียมตัวได้ใน 75% ของกรณี และรายการโรคที่ AMIE คาดตรงกับการวินิจฉัยสุดท้ายของแพทย์ 90%

ข้อควรระวังคือเป็นการศึกษาขนาดเล็กในคลินิกเดียว และ Google เองระบุว่ายังต้องมีการทดลองทางคลินิกที่ใหญ่กว่านี้

▲ ทำไมต้องรู้ · การใช้ AI คุยกับลูกค้าก่อนแล้วสรุปให้ผู้เชี่ยวชาญอ่าน เป็นรูปแบบที่ธุรกิจบริการอื่นนำไปใช้ได้ โดยมีคนดูแลอยู่ตลอด

Google

ทีมผู้เขียนสี่คนทดสอบโมเดลเก้าตัว ตั้งแต่ขนาด 0.8B ไปจนถึงโมเดลแนวหน้าบนคลาวด์ ในห้าจุดที่ระบบบ้านอัจฉริยะแบบโอเพนซอร์สเรียกใช้โมเดล ด้วย 280 กรณีบนระบบ Home Assistant จริงสองบ้าน พบว่าโมเดลในเครื่องที่ดีที่สุดให้ผลไม่ต่างจากโมเดลบนคลาวด์อย่างมีนัยสำคัญในสี่จุด มีเพียงงานเขียนโค้ดที่ยังต่าง

การเลือกโมเดลในเครื่องที่ดีที่สุดให้แต่ละจุดได้ความแม่น 91.8% เทียบกับ 95.4% ของชุดที่ดีที่สุด โดยไม่มีค่าใช้จ่ายต่อการเรียก และในการใช้งานจริง การส่งเฉพาะสองจุดที่ต้องสร้างเนื้อหาไปคลาวด์ได้ผลเท่ากับส่งทุกจุดที่ 28% ของค่าใช้จ่าย

ผู้เขียนยังพบว่าโมเดลเล็กตัวหนึ่งทำตามคำขอสั่งงานอุปกรณ์ที่บ้านนั้นไม่มีถึง 87.2% ขณะที่อีกตัวปฏิเสธทุกครั้ง ข้อควรระวังคืองานนี้ได้ลงเวิร์กช็อปของ NeurIPS 2026 ไม่ใช่เวทีหลัก

▲ ทำไมต้องรู้ · องค์กรที่ใช้ agent ควรแยกดูว่าแต่ละขั้นต้องใช้โมเดลแพงจริงหรือไม่ เพราะการเลือกโมเดลรายขั้นลดต้นทุนได้มากโดยเสียความแม่นไม่มาก

arXiv 2610.09021

ทีมผู้เขียนสี่คนวิเคราะห์คำตอบ 103,939 รายการจากโมเดลสิบแบบ ใน 200 โจทย์และ 13 รูปแบบการกดดัน เพื่อดูว่าเมื่อไรโมเดลจะทิ้งคำตอบที่ถูกหรือคล้อยตามผู้ใช้หลังถูกค้าน

ผลหลักคือปัจจัยสำคัญที่สุดอยู่ที่ว่าโมเดลตรวจคำกล่าวอ้างของผู้ใช้ได้ยากแค่ไหน และมีการฝึกให้รับมือเรื่องนั้นหรือไม่ ข้อเท็จจริงที่ชัดเจนแทบไม่ถูกยอม แต่เรื่องทางเลือกส่วนตัวมักถูกเห็นด้วย และการยอมส่วนใหญ่เกิดกับโจทย์ยากที่โมเดลแก้เองไม่ได้แน่นอน เมื่อรันสองในสิบแบบซ้ำโดยเปิดการคิดเต็มที่ การยอมแบบนี้หายไปหมด

ข้อควรระวังคือเป็น preprint ที่ยังไม่ผ่านการตรวจโดยผู้ทรงคุณวุฒิ และผลเรื่องการคิดเต็มที่ทดสอบเพียงสองแบบ

▲ ทำไมต้องรู้ · เวลาถาม AI เรื่องที่ตรวจยาก ควรถามแบบเป็นกลางโดยไม่บอกคำตอบที่เราอยากได้ไว้ก่อน เพราะโมเดลมีแนวโน้มคล้อยตามมากที่สุดในเรื่องแบบนี้

arXiv 2610.08840

ทีมผู้เขียนหกคนวัดผลของ Skills ซึ่งเป็นชุดขั้นตอนที่แนบให้ agent ใช้ บนงาน 87 ชิ้นจาก SkillsBench โดยเทียบอัตราผ่านกับกรณีไม่ใส่ Skill ด้วยโมเดลและโครงเดียวกัน พบว่า Skills ชุดเดียวกันช่วยบางชุดการตั้งค่าแต่ทำให้อีกชุดแย่ลงใน 36.78% ของงาน และขั้นตอนที่แนะนำบางครั้งกลายเป็นภาระตอนลงมือ

การเลือก Skill ตามความเกี่ยวข้องของหัวข้อพลาดตัวที่มีประโยชน์กว่า ส่วนการเรียงตามว่า Skill รองรับขั้นตอนที่งานต้องทำจริงแค่ไหนเพิ่มอัตราผ่านในตัวเลือกแรกได้ 4.35 ถึง 5.80 จุด ผู้เขียนสรุปแนวทางเขียน Skill ไว้ 17 ข้อ เช่น เขียนขั้นตอนให้ลงมือได้จริง รักษาข้อกำหนดของงาน และตรวจผลงานสุดท้าย

ข้อควรระวังคือเป็น preprint ที่ยังไม่ระบุเวทีตีพิมพ์

▲ ทำไมต้องรู้ · คนที่เขียน Skills ให้ทีมใช้ไม่ควรถือว่าใส่ไว้แล้วจะดีขึ้นเสมอ ควรลองเทียบผลแบบมีและไม่มี Skill กับงานจริงก่อนเปิดใช้ทั้งทีม

arXiv 2610.08875

ทีมผู้เขียนสามคนทดสอบว่าสภาพการให้บริการ เช่น ขนาดชุดข้อมูลที่ส่งพร้อมกัน ฮาร์ดแวร์ และความละเอียดของตัวเลข ทำให้ผลของโมเดลจัดหมวดเปลี่ยนไปไหน ทั้งที่ใช้โมเดลและข้อความเดิม โดยฝึกโมเดล 180 ตัวในหลายรูปแบบ

การเปลี่ยนแค่ขนาดชุดข้อมูลไม่ทำให้หมวดที่ทายเปลี่ยนเลยในการเทียบแบบ fp32 แต่ภายใต้ bf16 ทำให้ค่าความน่าจะเป็นที่ทายขยับได้สูงสุด 56.7 จุด และโมเดลแบบสร้างข้อความเปลี่ยนหมวดที่ทายบ่อยกว่าแบบจัดหมวดโดยตรง

ข้อควรระวังคือเป็น preprint และตัวเลข 56.7 จุดเป็นกรณีที่แย่ที่สุด

▲ ทำไมต้องรู้ · ระบบที่ใช้คะแนนความมั่นใจของ AI ตัดสินใจ เช่น คัดกรองเอกสารตามเกณฑ์คะแนน อาจได้ผลไม่เหมือนเดิมเมื่อย้ายเซิร์ฟเวอร์หรือปรับการตั้งค่า แม้โมเดลไม่ได้เปลี่ยน

arXiv 2610.09111

Quartz รายงานเมื่อ 8 ตุลาคมว่ารายได้ต่อปีของ OpenAI ณ ปลายเดือนกันยายนอยู่ที่ราว 5 หมื่นล้านดอลลาร์ ต่ำกว่าตัวเลขราว 6.8 หมื่นล้านที่มีการอ้างกันทั่วไป โดย Financial Times รายงานตัวเลขนี้ก่อนและ CNBC รายงานตาม

แหล่งข่าวที่ไม่เปิดเผยชื่อบอก CNBC ว่าตัวเลขที่สูงกว่านั้นรวมรายได้รวมจากบริษัทพาร์ตเนอร์เข้าไปด้วย และใช้เพื่อเทียบกับ Anthropic ในวันเดียวกันหุ้น Oracle ลดลงกว่า 5% และดัชนี Nasdaq ลดลง 1.4% ช่วงบ่าย ซึ่ง Quartz ระบุว่ามีปัจจัยราคาน้ำมันและผลตอบแทนพันธบัตรร่วมด้วย

ข้อควรระวังคือเราดึงรายงานของ CNBC ไม่ได้ รายละเอียดมาจาก Quartz ที่อ้าง FT และ CNBC อีกต่อหนึ่ง

▲ ทำไมต้องรู้ · ตัวเลขรายได้ของบริษัท AI ที่ไม่ได้เข้าตลาดหุ้นนับได้หลายแบบ เวลาเห็นตัวเลขเปรียบเทียบระหว่างค่ายควรถามว่านับอะไรบ้าง ก่อนใช้ประเมินว่าผู้ให้บริการรายไหนมั่นคงกว่า

Quartz ผ่าน Yahoo Finance · Hacker News

Anthropic ประกาศเมื่อ 8 ตุลาคมว่าปรับนโยบายการใช้งานประจำปี มีผลวันที่ 12 พฤศจิกายน โดยรวมกติกาเรื่องบัญชีปลอม เว็บข่าวปลอม และปฏิบัติการชักจูงความคิดเห็นไว้ในหมวดใหม่ที่ครอบคลุมทั้งเรื่องการเมืองและการค้า หมวดการเลือกตั้งเปลี่ยนชื่อเป็น "Do Not Undermine Democratic Processes" และยกเลิกข้อห้ามแบบเหมารวมเรื่องการยิงข้อความหาเสียงเฉพาะบุคคล แต่การทำแบบหลอกลวงหรือใช้ข้อมูลส่วนบุคคลผิดวิธียังห้ามอยู่

ข้อห้ามด้านการสอดแนมเขียนชัดขึ้นว่าห้ามติดตามตัวคนโดยไม่ได้รับความยินยอม ทั้งแบบทันทีและจากข้อมูลที่เก็บไว้ ห้ามให้ Claude ตัดสินหรือแนะนำว่าจะสืบสวน จับกุม หรือตั้งข้อหาใคร แต่การตรวจจับการฉ้อโกงที่ได้รับความยินยอม การคัดกรองเนื้อหา งานข่าว และงานค้นคว้าทางกฎหมายยังทำได้ เมื่อต่อ Claude กับเครื่องจักรที่เคลื่อนไหวเองและอาจทำให้คนบาดเจ็บ ต้องมีผู้ควบคุมที่สั่งหยุดได้ และเครื่องต้องหยุดอยู่ในสภาพปลอดภัยเมื่อขาดการเชื่อมต่อ

ข้อห้ามใหม่อีกข้อคือการกระทำทารุณต่อโมเดลอย่างต่อเนื่องโดยไม่จำเป็น ซึ่งไม่รวมความหงุดหงิดทั่วไป การโต้แย้ง เนื้อหาสร้างสรรค์แนวมืด และการทดสอบโมเดล โดยการให้ Claude ยุติบทสนทนาที่ทารุณต่อเนื่องยังเป็นวิธีบังคับใช้หลัก

▲ ทำไมต้องรู้ · องค์กรที่ใช้ Claude ในงานติดตามบุคคล วิเคราะห์ข้อมูลลูกค้า หรือควบคุมอุปกรณ์ ควรตรวจว่ากรณีใช้งานของตัวเองยังอยู่ในกติกาก่อน 12 พฤศจิกายน

Anthropic · TechCrunch

Anthropic เปิดตัว Anthropic Cyber Mission เมื่อ 8 ตุลาคม ส่วนแรกคือโครงการป้องกันโครงสร้างพื้นฐานสำคัญ เช่น ระบบไฟฟ้า น้ำประปา และขนส่ง ที่ให้โมเดล วิศวกรประจำหน้างาน และงานวิจัยภัยคุกคาม ผ่านพาร์ตเนอร์ผู้ก่อตั้ง 11 ราย เช่น Accenture, CrowdStrike, Deloitte, Palo Alto Networks และ PwC โดยเริ่มจากกลุ่มเล็กแล้วขยายในช่วงหลายเดือนข้างหน้า

ส่วนที่สองคือ OSS Scanner บริการสแกนช่องโหว่เป็นระยะแบบสมัครใจให้ผู้ดูแลโครงการโอเพนซอร์สสำคัญใช้ฟรี รายงานสร้างโดยโมเดลและส่งโดยไม่มีคนตรวจก่อน Anthropic จึงบอกว่าบางฉบับอาจไม่ถูกต้อง และคาดว่าสัดส่วนที่พบช่องโหว่จริงจะเกิน 90% บริษัทยังให้ทุน Python Software Foundation, Apache Software Foundation และ OpenSSF โดยไม่ได้ระบุจำนวนเงิน

▲ ทำไมต้องรู้ · ซอฟต์แวร์โอเพนซอร์สที่องค์กรใช้อยู่จะถูก AI สแกนหาช่องโหว่ถี่ขึ้น ทั้งจากฝ่ายป้องกันและฝ่ายโจมตี ทีมไอทีควรเตรียมอัปเดตแพตช์ให้เร็วขึ้น

Anthropic

Anthropic ประกาศเมื่อ 8 ตุลาคมว่าจะให้ "$150 million over three years" กับ Genesis Mission ของรัฐบาลกลางสหรัฐ โดย Claude จะเปิดให้หน่วยงานที่ร่วมโครงการกว่า 15 แห่งใช้ เช่น NASA, NIH และ NSF พร้อมเครดิต Claude, Claude Code และ API ให้โครงการวิจัยหลายร้อยโครงการ

บริษัทจะทำงานกับกระทรวงพลังงานและห้องปฏิบัติการแห่งชาติในเรื่องอย่างพลังงานฟิวชันและคอมพิวเตอร์ควอนตัม และเปิดตัวรุ่นทดลองของข้อกำหนดกลางสำหรับให้ AI agent ควบคุมเครื่องมือในห้องปฏิบัติการ

▲ ทำไมต้องรู้ · ผู้ให้บริการ AI รายใหญ่กำลังแข่งกันเข้าไปเป็นเครื่องมือของงานวิจัยภาครัฐ ซึ่งจะกำหนดว่าเครื่องมือแบบไหนกลายเป็นมาตรฐานของงานวิทยาศาสตร์ในอีกไม่กี่ปี

Anthropic

Blognone รายงานเมื่อ 8 ตุลาคมว่า Samsung คาดรายได้ไตรมาส 3 ปี 2026 ราว 195 ล้านล้านวอน มากกว่าปีก่อนเท่าตัว และกำไรจากการดำเนินงานราว 107.40 ล้านล้านวอน เพิ่มขึ้นเกือบเก้าเท่า โดยมีธุรกิจหน่วยความจำที่ตามความต้องการโครงสร้างพื้นฐาน AI เป็นตัวขับหลัก ผลประกอบการเต็มพร้อมรายละเอียดแต่ละธุรกิจจะออกวันที่ 29 ตุลาคม

▲ ทำไมต้องรู้ · หน่วยความจำที่ถูกดึงไปใช้กับดาต้าเซ็นเตอร์ AI ส่งผลต่อราคาคอมพิวเตอร์และอุปกรณ์ที่องค์กรทั่วไปซื้อ ฝ่ายจัดซื้อควรเผื่องบไว้

Blognone