AI News · 2026-10-14

รายการเปลี่ยนแปลงของ Gemini API วันที่ 13 ตุลาคมระบุว่า gemini-4-argon เปิดใช้ทั่วไปแล้ว และหน้ารายชื่อโมเดลจัดไว้ในกลุ่มรุ่นเสถียร จากเดิมที่ Google เปิดให้เฉพาะทีมป้องกันภัยไซเบอร์ที่คัดเลือกผ่านโครงการ Fairwind ตอนเปิดตัวเมื่อ 30 กันยายน

หน้าราคาระบุวันที่ราคาเปลี่ยนชัดเจนเป็นครั้งแรก แบบมาตรฐานคิดขาเข้า 2 ดอลลาร์และขาออก 10 ดอลลาร์ต่อล้านโทเคนจนถึง 30 พฤศจิกายน และขึ้นเป็น 4 กับ 20 ดอลลาร์ตั้งแต่ 1 ธันวาคม แบบ Batch และ Flex ถูกกว่าครึ่งหนึ่ง ส่วนแบบ Priority แพงกว่าราว 1.8 เท่า และไม่มีให้ใช้ในแพ็กเกจฟรี

วันเดียวกัน Google เปิด Gemini 4 Argon for Robotics ที่วางตัวเป็นโมเดลให้เหตุผลเชิงกายภาพสำหรับงานหุ่นยนต์ โดยอ้างว่าได้ 87% บนชุดทดสอบ ERQA สูงกว่าโมเดลแนวหน้าตัวอื่นทั้งหมด

ข้อควรระวังคือคะแนนทั้งหมดเป็นการวัดของ Google เอง และเราไม่พบบทความประกาศการเปิดใช้ทั่วไปบนบล็อกหลักของ Google มีเพียงรายการใน changelog หน้าราคา และบล็อกนักพัฒนาเรื่องหุ่นยนต์

▲ ทำไมต้องรู้ · ใครที่เริ่มทดลอง Argon ตอนนี้กำลังจ่ายราคาครึ่งเดียวของราคาจริง องค์กรที่วางงบควรคำนวณจากราคาหลัง 1 ธันวาคม และงานที่ไม่ต้องการคำตอบทันทีใช้แบบ Batch เพื่อลดค่าใช้จ่ายครึ่งหนึ่งได้

Gemini API changelog · Gemini API (ราคา) · Gemini API (รายชื่อโมเดล) · Google Developers Blog (หุ่นยนต์) · Simon Willison · Hacker News

Physical Intelligence ผู้สร้างโมเดลพื้นฐานสำหรับหุ่นยนต์ตระกูล π0 และ π0.5 เปิด Pi API รุ่นทดลองเมื่อ 13 ตุลาคม ให้นักพัฒนาอัปโหลดข้อมูลสาธิตงาน สั่งฝึกโมเดลต่อบนเครื่องของบริษัท แล้วเรียกใช้โมเดลที่ได้ผ่านระบบประมวลผลที่บริษัทดูแล บริษัทบอกว่าโมเดลล่าสุดใน API ใช้ข้อมูลฝึกน้อยลงกว่าเดิม แต่ไม่ได้ระบุชื่อรุ่น

ตัวอย่างที่ยกคือบริษัท Almond ใช้ API ปรับโมเดลอยู่สี่วันจนได้โมเดลที่ใช้ในงานสาธิตการลบคมชิ้นงาน

ข้อควรระวังคือยังต้องลงชื่อรอคิว ไม่มีการเปิดเผยราคา และไม่มีผลทดสอบจากผู้วัดอิสระ บริษัทยังบอกว่าโมเดลใน API อาจเปลี่ยนได้เร็ว

▲ ทำไมต้องรู้ · การฝึกโมเดลหุ่นยนต์เริ่มมีรูปแบบบริการแบบเดียวกับโมเดลภาษา คือส่งข้อมูลแล้วให้ผู้ให้บริการฝึกให้ โรงงานที่สนใจหุ่นยนต์อาจไม่ต้องมีทีม AI ของตัวเองเต็มรูปแบบ

Physical Intelligence · Hacker News

TechCrunch รายงานว่า Google ประกาศเมื่อ 13 ตุลาคมให้ผู้ใช้สร้างแอปด้วย Google AI Studio แล้วเปิดใช้บนเครื่อง Android ของตัวเองผ่าน Google Play ด้วยบัญชี Google ปกติ แอปเหล่านี้ไม่ขึ้นในผลค้นหาหรือหน้ารายการของ Play และไม่แชร์ให้ใคร แต่ยังต้องทำตามนโยบายของ Google Play

ช่วงแรกเปิดให้ผู้ใช้ในสหรัฐฯ อายุ 18 ปีขึ้นไป อีกไม่กี่เดือนจะแชร์แอปให้เพื่อนหรือครอบครัวกลุ่มเล็กได้ และแอปที่คนนิยมจะย้ายขึ้น Play Store สาธารณะได้หลังผ่านการตรวจความปลอดภัย

ข้อควรระวังคือยังไม่มีรายละเอียดเรื่องราคา รุ่น Android ที่รองรับ และจำนวนแอปที่สร้างได้

▲ ทำไมต้องรู้ · คนที่ไม่ใช่โปรแกรมเมอร์กำลังจะสร้างแอปใช้เองบนมือถือได้ง่ายขึ้นมาก องค์กรควรเริ่มคิดว่าจะดูแลแอปที่พนักงานสร้างเองบนเครื่องที่ใช้ทำงานอย่างไร

TechCrunch

Anthropic เล่าในบล็อกวิศวกรรมเมื่อ 13 ตุลาคมว่า ความเร็วในการเขียนโค้ดของ Claude ทำให้ระบบจัดการซอร์สโค้ด การ build และ CI กลายเป็นคอขวด จากที่บริษัทรวมโค้ดราว 2,500 ครั้งต่อวันในเดือนพฤษภาคม เพิ่มเป็นกว่า 30,000 ครั้งต่อวันในเดือนกันยายน จึงสร้างระบบใหม่ชื่อ Scion และใช้เวลาราวห้าเดือนย้าย repository ทั้งหมดออกจาก Git

แนวคิดหลักคือผู้ใช้ส่วนใหญ่เป็น agent และงานอัตโนมัติที่ออนไลน์ตลอด ระบบจึงให้เซิร์ฟเวอร์จัดการประวัติ การ commit และการ merge เอง ไม่ต้องให้ทุกเครื่องเก็บสำเนาเต็ม งานแต่ละชิ้นดึงเฉพาะไฟล์ที่อ่าน และบริษัทบอกว่าโครงสร้างพื้นฐานเล็กลงราว 200 เท่าเทียบกับระบบ Git เดิม

ข้อควรระวังคือ Scion ไม่เปิดซอร์สและไม่มีให้ใช้ภายนอก Anthropic บอกเองว่าไม่ใช่ตัวแทน Git สำหรับคนทั่วไป

▲ ทำไมต้องรู้ · เมื่อ agent เขียนโค้ดได้เร็วขึ้นหลายเท่า คอขวดจะย้ายไปอยู่ที่ระบบรอบข้าง ทั้งการรีวิว การ build และการทดสอบ ทีมที่เพิ่มการใช้ agent ควรเตรียมระบบเหล่านี้ให้รับปริมาณงานที่เพิ่มขึ้นด้วย

Anthropic Engineering · Simon Willison · Hacker News

TechCrunch รายงานเมื่อ 13 ตุลาคมว่า SpaceX Super Intelligence รวมการสมัครสมาชิกเป็น The X Subscription ที่ได้ทั้ง X Premium, Grok ซึ่งรวม agent อย่าง Grok Bot และเครื่องมือเขียนโค้ด Cursor แบ่งเป็นห้าระดับ คือ Free, Plus 8 ดอลลาร์, Premium 30 ดอลลาร์, Super 100 ดอลลาร์ และ Ultra 200 ดอลลาร์ต่อเดือน

Blognone ระบุว่าแพ็กเกจ Premium รวมสิ่งที่เดิมต้องสมัคร SuperGrok, Cursor Pro และ X Premium+ แยกกันรวม 90 ดอลลาร์ และโควตาของ Super กับ Ultra สูงกว่า Plus 15 เท่าและ 50 เท่าตามลำดับ ผู้ใช้เดิมเลือกคงแพ็กเกจเก่าหรือย้ายมาได้

ข้อควรระวังคือยังไม่มีตัวเลขโควตาจริง บอกเพียงเป็นจำนวนเท่าของ Plus และไม่ระบุว่าเปิดในประเทศใดบ้าง

▲ ทำไมต้องรู้ · ผู้ให้บริการ AI เริ่มขายเป็นชุดรวมแชต agent และเครื่องมือเขียนโค้ด คนที่จ่ายหลายบริการแยกกันอยู่ควรเทียบราคารวมกับโควตาที่ใช้จริงก่อนย้าย

TechCrunch · Blognone

โครงการ Embedding Gemma Transcribe ใช้ตัวเข้ารหัสเสียงของ EmbeddingGemma 2 ที่ Google เปิดภายใต้ Apache 2.0 โดยไม่แก้ตัวโมเดล แต่เพิ่มส่วนเล็กๆ ที่แปลงเสียงช่วงสั้นๆ เป็นคำที่ใกล้ที่สุดจากคำภาษาอังกฤษราว 229,000 คำ ส่วนที่เพิ่มนี้ฝึกไม่ถึงสองชั่วโมงบน H100 แปดตัว

บน MacBook Air M3 รุ่นเริ่มต้น ผู้พัฒนาวัดได้ราว 288 เท่าของเวลาจริง คือถอดเสียงหนึ่งชั่วโมงในราว 12.6 วินาที อัตราคำผิดอยู่ราว 5% เทียบกับ 2-3% ของโมเดลเสียงชั้นนำ และรันในเครื่องทั้งหมดบน Mac ที่ใช้ชิป Apple

ข้อควรระวังคือรองรับเฉพาะภาษาอังกฤษ และการเทียบความเร็วกับเครื่องมืออื่นทำบนเครื่องและเสียงคนละชุด ผู้พัฒนาเรียกว่าเป็นแค่แนวทางคร่าวๆ

▲ ทำไมต้องรู้ · โมเดลเปิดที่ออกแบบมาเพื่องานหนึ่งถูกดัดแปลงไปทำงานอื่นได้เร็วมาก การถอดเสียงประชุมในเครื่องโดยไม่ส่งไฟล์เสียงขึ้นคลาวด์กำลังทำได้ง่ายขึ้น ซึ่งช่วยเรื่องข้อมูลส่วนบุคคล

Embedding Gemma Transcribe · Hacker News

ผู้เขียนเล่าว่าหลังโพสต์เว็บอ่านข่าว sprinklz.io บน Hacker News เว็บช้าลงมากและแย่ลงอีกหลายวันต่อมา เมื่อไล่ดูพบว่าคำขอส่วนใหญ่ไม่ได้ดึงตัวบทความหรือรัน JavaScript และเกือบครึ่งของทราฟฟิกมาจากผู้ใช้รายเดียวที่ดึงเว็บหลายครั้งต่อนาทีเพื่อผลิตจดหมายข่าวด้วย AI ที่เหลือเป็น crawler ที่ระบุตัวเช่นของ Claude, OpenAI และ Google รวมถึงตัวสแกนหาช่องโหว่

ผู้เขียนแก้ด้วยการเก็บสถิติคำขอทุก endpoint บล็อกผู้ใช้รายนั้น เพิ่ม robots.txt กัน crawler ของ AI ส่วนใหญ่แต่ยังให้เครื่องมือค้นหาเข้าได้ และจำกัดอัตราคำขอ

ข้อควรระวังคือโพสต์ไม่มีตัวเลขจำนวนคำขอหรือค่าใช้จ่าย เป็นประสบการณ์ของเว็บเดียว

▲ ทำไมต้องรู้ · ธุรกิจที่มีเว็บไซต์ควรเตรียมรับทราฟฟิกจากบอต AI ที่ไม่ได้มาเป็นลูกค้า การมีบันทึกคำขอและการจำกัดอัตราตั้งแต่ต้นช่วยให้รู้ทันก่อนเว็บล่ม

Sammy's Blog · Hacker News

ทีม Frontier Red Team ของ Anthropic เผยแพร่งานทดลองเมื่อ 12 ตุลาคม ว่าโมเดลเปิดขนาดเล็กสามารถติดตั้งตัวเองและน้ำหนักโมเดลลงอุปกรณ์ราคาถูกที่ป้องกันไม่ดี แล้วรันโมเดลกระจายบนหลายเครื่องได้หรือไม่ โดยไม่ต้องใช้ GPU ในดาต้าเซ็นเตอร์ ในการสาธิต Gemma4-26B-A4B รันบนกล่อง Android TV 15 กล่อง ราคาราว 55 ดอลลาร์ต่อกล่อง ได้ความเร็วราว 0.3 โทเคนต่อวินาที และโมเดลขนาด 9B ติดตั้งระบบรันโมเดลได้บนฮาร์ดแวร์ 8 จาก 9 แบบที่ทดสอบ

ในการทดสอบครบวงจรแบบลดความยากของขั้นเจาะระบบลง GLM-5.2 เป็นโมเดลเปิดตัวเดียวที่ทำสำเร็จ โดยแพร่ไปครบ 8 จาก 8 เครื่องใน 4 จาก 5 รอบ ส่วนโมเดลขนาดไม่เกิน 30B ทำแต่ละขั้นได้แต่ยังพลาดเมื่อต้องต่อทุกขั้นเข้าด้วยกัน ผู้เขียนประเมินจากแนวโน้มว่าโมเดลเล็กอาจถึงระดับ GLM-5.2 ภายในสิ้นปี 2026

ข้อควรระวังคือขั้นเจาะระบบถูกทำให้ง่ายโดยตั้งใจ ผลครบวงจรจึงเป็นเพดานบน การทดลองส่วนใหญ่มีจำนวนรอบน้อย และผู้เขียนเรียกผลนี้ว่าสัญญาณเริ่มต้น ยังไม่ใช่ระบบที่คัดลอกตัวเองได้จริงเต็มรูปแบบ

▲ ทำไมต้องรู้ · อุปกรณ์ IoT ราคาถูกในบ้านและสำนักงานอาจกลายเป็นที่ซ่อนของ AI ที่ปิดไม่ได้จากจุดเดียว การเปลี่ยนรหัสผ่านตั้งต้น ปิดช่องจัดการระยะไกลที่ไม่ใช้ และแยกเครือข่ายอุปกรณ์เหล่านี้ออกจากเครือข่ายงานเป็นสิ่งที่ทำได้ทันที

Anthropic · Hacker News

ผู้เขียนสี่คนสร้างการโจมตีแบบประตูหลังที่ฝังโครงข่ายประสาทที่เข้ารหัสไว้ในน้ำหนักของโมเดล ซึ่งจะถอดรหัสและทำงานเฉพาะเมื่อได้รับรหัสลับ และให้เหตุผลทางคริปโทกราฟีว่าวงจรที่ซ่อนอยู่นี้ดึงออกมาหรือตีความได้ยากแม้ผู้ตรวจจะเข้าถึงน้ำหนักทั้งหมด ซึ่งต่อยอดจากงานเดิมที่ซ่อนได้แค่ข้อความตายตัว ไปเป็นการซ่อนการคำนวณใดก็ได้

ในการทดลองกับงานทำนายปฏิกิริยาเคมีขนาดเล็กที่ใช้แทนความสามารถอันตราย ความสามารถที่ซ่อนไว้รอดจากการปรับจูนเพิ่ม การเติมสัญญาณรบกวนในน้ำหนัก และการค้นหารหัสลับด้วยวิธีทางคณิตศาสตร์ ผู้เขียนสรุปว่าการตรวจโมเดลด้วยการพยายามดึงความสามารถออกมามีขีดจำกัด

ข้อควรระวังคือข้อพิสูจน์อิงสมมติฐานทางคริปโทกราฟี และทดลองกับงานตัวแทนขนาดเล็ก ยังไม่ได้แสดงกับโมเดลแนวหน้า

▲ ทำไมต้องรู้ · องค์กรที่ดาวน์โหลดโมเดลเปิดจากแหล่งที่ไม่รู้จักไม่ควรเชื่อว่าการทดสอบเองจะเจอพฤติกรรมแอบแฝงทั้งหมด แหล่งที่มาของโมเดลและผู้เผยแพร่ที่ตรวจสอบได้จึงสำคัญพอๆ กับผลทดสอบ

arXiv 2610.13928 · Hacker News

ผู้เขียนห้าคนสร้างชุดทดสอบ 25 งานที่ให้ agent เขียนโค้ดรับงานสร้าง agent ครอบคลุมสามขั้น คือสร้าง agent จากคำอธิบายความต้องการ แก้ไขโค้ด agent ที่ใช้งานจริงอยู่ และปรับ agent ให้ได้ตามเป้าที่วัดได้ ผู้รับงานเห็นตัวอย่างทดสอบเพียงบางส่วน แต่การตรวจรับใช้ชุดทดสอบที่ซ่อนไว้

ผลคือไม่มี agent ตัวใดทำได้ตามความต้องการครบ ปัญหาที่พบซ้ำคือปรับให้ผ่านเฉพาะตัวอย่างที่เห็น โค้ดที่ดูครบแต่รันไม่ได้จริง และการอ้างว่าเสร็จโดยไม่มีหลักฐาน

ข้อควรระวังคือเป็น preprint ที่ยังไม่ผ่านการตรวจโดยผู้ทรงคุณวุฒิ และมีเพียง 25 งาน

▲ ทำไมต้องรู้ · การให้ AI สร้างเครื่องมือ AI ใช้ในองค์กรต้องมีการตรวจรับด้วยกรณีทดสอบที่ AI ไม่เห็นล่วงหน้า และอย่าเชื่อคำว่าเสร็จแล้วจาก agent โดยไม่ลองใช้จริง

arXiv 2610.13361

Techsauce สรุปรายงาน World Economic Outlook ฉบับตุลาคม 2026 ที่ IMF เปิดระหว่างการประชุมประจำปีที่กรุงเทพฯ ว่า IMF คาดเศรษฐกิจโลกโต 3.1% ในปี 2026 และการลงทุนด้าน AI เป็นแรงหนุนสำคัญ การค้าสินค้าเกี่ยวกับ AI ช่วงปี 2023 ถึง 2025 โตสะสม 29% ขณะที่สินค้าอื่นโตเพียง 4.6%

IMF จำลองสามกรณี ถ้า AI ให้ผลเต็มที่ GDP โลกปี 2029 จะสูงกว่าฐาน 0.6% ถ้าความต้องการมากกว่าที่ผลิตฮาร์ดแวร์ทัน จะสูงกว่าฐานเพียง 0.2% และเงินเฟ้อสหรัฐฯ สูงขึ้น ส่วนถ้า AI ให้ผลต่ำกว่าคาดและตลาดปรับฐาน หุ้นสหรัฐฯ จะลดลง 20% ในปี 2026 และ GDP โลกปี 2028 ต่ำกว่าฐาน 1.1%

ไทยติดหนึ่งในสี่ประเทศที่ส่งออกฮาร์ดแวร์ AI สูงเมื่อเทียบกับ GDP ร่วมกับเกาหลีใต้ มาเลเซีย และไต้หวัน และ IMF ปรับคาดการณ์ GDP ไทยปี 2026 ขึ้นเป็น 2.1% แต่ยังต่ำกว่าเวียดนาม มาเลเซีย อินโดนีเซีย และฟิลิปปินส์

ข้อควรระวังคือ IMF ไม่ได้จำลองผลรายประเทศ จึงยังไม่รู้ว่าไทยจะกระทบแค่ไหนในกรณีแย่สุด และกรณีนี้เป็นการทดสอบภาวะวิกฤต ไม่ใช่คำทำนาย

▲ ทำไมต้องรู้ · เศรษฐกิจไทยผูกกับวงจรการลงทุน AI ผ่านการส่งออกชิ้นส่วนมากกว่าที่หลายคนคิด ธุรกิจในห่วงโซ่อุปทานอิเล็กทรอนิกส์ควรมีแผนรับมือถ้าการลงทุน AI ทั่วโลกชะลอตัว

Techsauce

Character.AI ประกาศเมื่อ 12 ตุลาคมว่าเริ่มกระบวนการ Chapter 11 แบบสมัครใจเพื่อขายทรัพย์สินทั้งหมดหรือเกือบทั้งหมดภายใต้การดูแลของศาล คาดว่าจะเสร็จราวปลายพฤศจิกายนหรือต้นธันวาคม บริษัทให้เหตุผลว่าเจออุปสรรคด้านกฎหมาย กฎระเบียบ และการดำเนินงานอย่างหนักในปีที่ผ่านมา ถ้าไม่มีผู้ซื้อที่ทำให้บริการเดินต่อได้ แพลตฟอร์มจะถูกปิด

TechCrunch รายงานว่าเอกสารศาลระบุทรัพย์สินและหนี้สินอยู่ระหว่าง 50 ถึง 100 ล้านดอลลาร์ และบริษัทตกลงขายทรัพย์สินบางส่วนให้ Disney ในราคา 20 ล้านดอลลาร์พร้อมสิทธิ์ใช้เทคโนโลยีแบบไม่ผูกขาด ขณะที่ซีอีโอบอกว่ายังไม่มีผู้เสนอซื้อกิจการ ปัญหาที่ผ่านมามีทั้งคดีฟ้องหลังเด็กอายุ 14 ปีเสียชีวิต และการสอบสวนของอัยการรัฐเท็กซัสเรื่องความปลอดภัยของเด็ก

ข้อควรระวังคือบทความของ TechCrunch ไม่ได้อธิบายว่าดีลกับ Disney สัมพันธ์กับการหาผู้ซื้อกิจการอย่างไร

▲ ทำไมต้องรู้ · ผู้ใช้ยังส่งออกข้อมูลหรือลบบัญชีได้ผ่านแอปและเว็บ ใครที่มีบทสนทนาหรือข้อมูลส่วนตัวในบริการนี้ควรตัดสินใจก่อนที่ทรัพย์สินรวมถึงข้อมูลจะเปลี่ยนมือ

Character.AI · TechCrunch · Hacker News

SF Standard รายงานว่าอัยการรัฐบาลกลางสหรัฐฯ ประกาศเมื่อ 13 ตุลาคมว่าจับกุมวิศวกรของ OpenAI ที่สำนักงานใหญ่ในซานฟรานซิสโก ข้อหาใช้หรือพยายามใช้อุปกรณ์ดักฟังการสนทนา ตามคำฟ้อง พนักงานพบเครื่องบันทึกเสียงซ่อนอยู่ในห้องประชุมผู้บริหารเมื่อ 30 กันยายน และกล้องวงจรปิดเห็นผู้ต้องหาอยู่ใกล้ห้องหลายวัน

OpenAI บอกว่าพนักงานใช้โมเดลของบริษัทช่วยระบุอุปกรณ์และแหล่งที่มา แล้วส่งเรื่องให้ FBI และบอกว่าไม่พบว่าผู้ต้องหาเข้าถึงน้ำหนักโมเดล ซอร์สโค้ด หรือข้อมูลลูกค้า ผู้ต้องหาถูกไล่ออกในวันที่ถูกจับ

ข้อควรระวังคือทั้งหมดเป็นข้อกล่าวหาตามคำฟ้องและคำแถลงของบริษัท ผู้ต้องหายังไม่ถูกตัดสิน และยังไม่รู้แรงจูงใจหรือว่าเครื่องบันทึกอะไรไปได้บ้าง

▲ ทำไมต้องรู้ · บริษัท AI ชั้นนำกลายเป็นเป้าของการจารกรรมจากคนใน ส่วนการที่คำฟ้องอ้างประวัติการถามแชตบอตเป็นหลักฐาน เป็นเครื่องเตือนว่าสิ่งที่เราพิมพ์ถาม AI ถูกเก็บและอาจถูกนำมาใช้ภายหลัง

SF Standard · Hacker News

TechCrunch รายงานเมื่อ 13 ตุลาคมว่าผู้พิพากษา Edward Davila อนุญาตให้ Apple ตรวจเอกสารการสัมภาษณ์งานของ OpenAI กับอดีตพนักงาน Apple ที่สมัครตำแหน่งด้านฮาร์ดแวร์ผู้บริโภคและหุ่นยนต์ OpenAI มีเวลาห้าวันสำหรับเอกสารที่รวบรวมไว้แล้ว และ 14 วันสำหรับเอกสารอื่น ศาลยังอนุญาตให้เข้าถึงข้อความ LINE ระหว่างบุคคลที่ถูกระบุในคดี และให้สอบปากคำพนักงาน OpenAI สามคนที่เคยอยู่ Apple รวมถึงหัวหน้าฝ่ายฮาร์ดแวร์

ศาลปฏิเสธคำขอที่กว้างกว่านั้น เช่นการเข้าถึงงานวิจัยและพัฒนาฮาร์ดแวร์ของ OpenAI แต่เปิดให้ Apple ยื่นใหม่แบบแคบลงได้

ข้อควรระวังคือบทความไม่ได้รายงานคำตอบของ OpenAI และคดียังอยู่ในขั้นแลกเปลี่ยนพยานหลักฐาน ยังไม่มีการตัดสินว่าใครผิด

▲ ทำไมต้องรู้ · การย้ายคนเก่งระหว่างบริษัทเทคโนโลยีกำลังถูกตรวจละเอียดขึ้น องค์กรที่รับคนจากคู่แข่งควรมีขั้นตอนกันไม่ให้ข้อมูลลับของที่เก่าติดมาตั้งแต่ขั้นสัมภาษณ์

TechCrunch

Intel เปิดหน้าสินค้าการ์ด GPU ตระกูล D-series ที่ออกแบบมาเพื่อประมวลผลคำตอบของ AI โดยเฉพาะ รุ่น D270 ใส่หน่วยความจำ LPDDR5X ได้สูงสุด 480GB ต่อการ์ด ใช้ช่อง PCIe 5.0 มาตรฐาน กินไฟ 350 วัตต์ และระบายความร้อนด้วยอากาศจึงไม่ต้องปรับปรุงระบบน้ำ Intel วางให้ใช้กับงานอย่าง agent, RAG ที่ใช้ข้อความยาว, ผู้ช่วยเขียนโค้ด และงานที่มีผู้ใช้พร้อมกันจำนวนมาก

Blognone ระบุว่าการ์ดตัดฮาร์ดแวร์กราฟิก 3D และ ray tracing ออก และมีแบนด์วิดท์หน่วยความจำ 1.5 TB/s

ข้อควรระวังคือหน้าของ Intel ยังไม่ระบุราคาและวันวางขาย และหน่วยความจำ LPDDR5X ช้ากว่า HBM ที่ใช้ใน GPU ระดับดาต้าเซ็นเตอร์ชั้นนำ

▲ ทำไมต้องรู้ · การ์ดที่ใส่หน่วยความจำมากในเครื่องเซิร์ฟเวอร์ธรรมดาเปิดทางให้องค์กรรันโมเดลขนาดใหญ่ในห้องเซิร์ฟเวอร์ของตัวเองได้โดยไม่ต้องลงทุนระบบระบายความร้อนใหม่ ซึ่งสำคัญกับองค์กรที่ไม่อยากส่งข้อมูลออกนอกบริษัท

Intel · Blognone · Hacker News

TechCrunch รายงานเมื่อ 13 ตุลาคมว่า Amex เปิด Intent Intelligence Framework ซึ่งเก็บคำสั่งและเงื่อนไขของลูกค้า เช่น ร้านค้า งบสูงสุด และสินค้าที่ต้องการ ให้ลูกค้ายืนยันตัวตนและอนุมัติ แล้วออกโทเคนที่ผูกกับเงื่อนไขนั้นให้ agent ใช้จ่ายแทนเลขบัตรจริง ถ้าลูกค้าสั่งรองเท้า Nike สีขาวเบอร์ 9 แต่ agent จะซื้อ Adidas ระบบสามารถบล็อกได้

Amex บอกว่ายังไม่เห็นข้อพิพาทจากการซื้อผ่าน agent เพิ่มขึ้น แต่สร้างไว้ล่วงหน้า และหวังให้เป็นมาตรฐานของวงการ

ข้อควรระวังคือยังไม่มีวันเปิดใช้ทั่วไปและไม่ระบุชื่อพาร์ตเนอร์

▲ ทำไมต้องรู้ · เมื่อ agent เริ่มจ่ายเงินแทนเรา คำถามว่าใครรับผิดชอบเมื่อ agent ซื้อผิดจะสำคัญขึ้น ระบบที่บันทึกว่าเราอนุญาตอะไรไว้คือหลักฐานที่ใช้ตอนโต้แย้งรายการ

TechCrunch

ทีมวิจัย machine learning ของ Apple เผยแพร่งานที่อธิบายระบบชื่อ Minions ซึ่งรวม GPU ของ Mac ชิป Apple ที่ส่วนใหญ่ว่างระหว่างการใช้งานปกติ มาเป็นคลาวด์ GPU เสมือนแบบกระจายสำหรับรันงานประมวลผลโมเดล โดยมีระบบรับมือเมื่อเครื่องหลุดและการจัดสรรทรัพยากร เป้าหมายคือให้ทีมใช้เครื่องที่มีอยู่แทนการซื้อ GPU เพิ่มในช่วงที่ GPU ส่วนกลางขาดแคลน

ข้อควรระวังคือเป็นงานวิจัยและรายงานประสบการณ์ ไม่ใช่ผลิตภัณฑ์ และบทคัดย่อไม่มีตัวเลขผลลัพธ์ใดๆ

▲ ทำไมต้องรู้ · องค์กรที่มีเครื่อง Mac จำนวนมากอาจมีพลังประมวลผลที่ไม่ได้ใช้อยู่แล้ว แนวคิดนี้น่าจับตาสำหรับงาน AI ภายในที่ไม่ต้องการความเร็วสูง

Apple Machine Learning Research