AI News · 2026-10-16

Meta เปิดน้ำหนักของ Muse Spark Open เมื่อ 15 ตุลาคม เป็นโมเดลที่มีพารามิเตอร์รวม 816B ใช้งานจริงครั้งละ 42B รองรับ context 1 ล้านโทเคน รับข้อมูลได้หลายรูปแบบในตัว และเน้นงานเขียนโค้ดกับงานแบบ agent

น้ำหนักวางบน Hugging Face, SageMaker, Google Cloud Model Garden และ Microsoft Foundry และเรียกใช้ผ่าน API ของผู้ให้บริการอย่าง Baseten, Fireworks, Groq, OpenRouter และ Together ได้ Meta บอกว่ารันได้บน Mac Studio ชิป M5 Ultra สองเครื่องที่มีหน่วยความจำเครื่องละสูงสุด 512GB ผ่าน MLX

โมเดลใช้สัญญาอนุญาต Muse Model License ซึ่งมีเงื่อนไขการใช้เชิงพาณิชย์แบบจำกัด แม้ Meta บอกว่านักพัฒนาจำนวนมากใช้ได้ฟรี

ข้อควรระวังคือหน้าประกาศยังไม่มีตัวเลขผลทดสอบ บอกเพียงว่ารายงานการประเมินฉบับเต็มจะตามมา คำว่าเก่งที่สุดจึงยังเป็นคำอ้างของ Meta เอง และ TechCrunch อ้าง Engadget ว่าต้องใช้หน่วยความจำอย่างน้อย 1TB ซึ่งทำให้คนทั่วไปรันเองไม่ได้

▲ ทำไมต้องรู้ · องค์กรที่ต้องการเก็บข้อมูลไว้ในระบบของตัวเองมีตัวเลือกโมเดลเปิดขนาดใหญ่จากบริษัทสหรัฐฯ เพิ่มอีกตัว แต่ก่อนใช้งานจริงควรอ่านเงื่อนไขสัญญาอนุญาตให้ละเอียด และรอผลทดสอบจากผู้วัดอิสระก่อนตัดสินใจ

Meta AI · TechCrunch · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude API วันที่ 15 ตุลาคมระบุว่าโหมดเร็วของ Claude Opus 5.5 ไม่ต้องขอสิทธิ์และไม่ต้องส่ง beta header อีกต่อไป และมีเพดานอัตราการใช้โหมดเร็วตั้งต้นในทุกระดับการใช้งาน ส่วนโหมดเร็วของ Opus 5 และ Opus 4.8 ยังอยู่ในช่วงทดลองวิจัย วันเดียวกันโหมดเร็วของ Opus 5.5 ยังเปิดบน Claude ใน Microsoft Foundry ด้วย

อีกรายการคือ Compliance API รุ่นเบต้าสำหรับ Claude Enterprise ที่ดึงข้อความซึ่งสมาชิกแต่ละคนตั้งไว้เป็นคำสั่งส่วนตัวใน claude.ai และคำสั่งรวมใน Cowork ออกมาได้

▲ ทำไมต้องรู้ · ทีมที่ต้องการให้ agent ตอบเร็วขึ้นเริ่มใช้โหมดเร็วกับโมเดลรุ่นบนสุดได้ทันที ส่วนฝ่ายกำกับดูแลขององค์กรตรวจได้แล้วว่าพนักงานตั้งคำสั่งอะไรไว้ให้ Claude ซึ่งพนักงานควรรู้ว่าข้อความในช่องนี้ถูกองค์กรเรียกดูได้

Claude API release notes

Blognone รายงานว่า Jev 1.14 ของ TypeSafe AI ใส่ภาพลงในสถานะ คำถาม หรือตัวเลือกคำตอบได้ และมีคำถามแบบกรอบที่คืนพิกัดสี่ค่าพร้อมค่าความมั่นใจ บริษัทบอกว่าชุดทดสอบภายในให้คุณภาพการตัดสินใจดีที่สุด แต่ไม่ได้เปิดคะแนนหรือคู่เทียบ

ข้อควรระวังคือฟีเจอร์ภาพยังอยู่ในช่วงทดสอบ ปิดไว้เป็นค่าตั้งต้น และบริษัทยอมรับเองว่าคุณภาพยังไม่ถึงเป้า

▲ ทำไมต้องรู้ · โมเดลที่ตอบเป็นตัวเลือกพร้อมความน่าจะเป็นเริ่มขยายไปงานที่ต้องดูภาพ เช่นตรวจเอกสารหรือคัดแยกสินค้า แต่ยังไม่ควรใช้กับงานจริงจนกว่าจะมีผลทดสอบที่เปิดเผย

Blognone

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.301 เพิ่มตัวแปรสภาพแวดล้อมที่กำหนดเวลารอสูงสุดของโหมดลองซ้ำแบบไม่มีคนเฝ้าเมื่อชนเพดานการใช้งานที่ยังอีกนานกว่าจะรีเซ็ต และเพิ่มข้อมูลในบันทึกการตัดสินใจของเครื่องมือที่บอกได้ว่าคำสั่งถูกอนุญาตโดยตัวจำแนกของโหมด auto หรือโดยกฎสิทธิ์

รุ่นเดียวกันแก้ปัญหาที่ Grep และ Glob รายงานว่าไม่พบผลทั้งที่จริงค้นล้มเหลว แก้ปัญหา workflow ข้ามขั้นตอนแต่ยังรายงานว่าสำเร็จ และเมื่อสลับไปโมเดลที่ context เล็กกว่า ระบบจะย่อบทสนทนาด้วยโมเดลเดิมก่อนโดยไม่ใช้เครดิตโดยไม่ถาม ส่วนบน VS Code แสดงสูตรคณิตศาสตร์แบบ LaTeX ได้แล้ว

▲ ทำไมต้องรู้ · บั๊กที่เครื่องมือค้นหาบอกว่าไม่พบทั้งที่ค้นไม่สำเร็จ ทำให้ agent ตัดสินใจผิดได้โดยไม่มีใครรู้ ทีมที่ใช้งาน agent อัตโนมัติควรอัปเดตรุ่นนี้

Claude Code CHANGELOG

Blognone รายงานว่า Epic Games Launcher รุ่นทดลองตัวใหม่ถูกเขียนใหม่ทั้งหมดด้วย AI ตามคำของ Epic เอง และรองรับ Linux โดย Fortnite บน Linux จะตามมาหลังระบบกันโกงพร้อม Epic อ้างว่าตัวใหม่เปิดเร็วกว่า Steam

ข้อควรระวังคือ Epic ไม่ได้บอกว่าใช้เครื่องมือ AI ตัวไหนหรือโค้ดกี่ส่วนเขียนด้วย AI รุ่นนี้ยังขาดฟีเจอร์บางส่วน และคำอ้างเรื่องความเร็วยังไม่มีผู้ทดสอบอิสระยืนยัน

▲ ทำไมต้องรู้ · บริษัทใหญ่เริ่มบอกลูกค้าตรงๆ ว่าซอฟต์แวร์ที่ใช้งานจริงเขียนใหม่ด้วย AI ผู้ใช้ควรดูผลจากการใช้งานจริงมากกว่าคำอ้างตอนเปิดตัว

Blognone

TechCrunch รายงานว่า Universal Cart เก็บสินค้าที่เจอใน Search และแอป Gemini จากหลายร้านไว้ที่เดียว แจ้งเตือนเมื่อราคาลดหรือของกลับมามี และแนะนำสิทธิประโยชน์บัตรกับโค้ดส่วนลด

การจ่ายเงินทำผ่าน Universal Commerce Protocol ซึ่ง Google เสนอเป็นมาตรฐานเปิดให้ agent กับร้านค้าคุยกัน และเคยเปิดตัวในงาน I/O เมื่อพฤษภาคม ตอนนี้ใช้ได้เฉพาะในสหรัฐฯ

▲ ทำไมต้องรู้ · การซื้อของกำลังย้ายจากหน้าเว็บของร้านไปอยู่ในผู้ช่วย AI ร้านค้าออนไลน์ควรเริ่มดูว่าสินค้าของตัวเองจะถูก agent ค้นเจอและสั่งซื้อได้อย่างไร

TechCrunch

TechCrunch รายงานว่า Bee Frontier ราคา 74.99 ดอลลาร์ ใส่ข้อมือหรือหนีบเสื้อได้ แบตเตอรี่อยู่ได้สูงสุดเจ็ดวัน วางขายแล้ว ส่วน Bee Eclipse ราคา 99.99 ดอลลาร์ติดหลังโทรศัพท์ด้วยแม่เหล็กและจะตามมา ทั้งสองรุ่นสรุปบทสนทนา สร้างรายการงาน และเชื่อมกับ Gmail, Google Calendar และ Outlook

แพ็กเกจฟรีจำข้อมูลได้ 14 วัน แบบ Pro ราคา 11.99 ดอลลาร์ต่อเดือน Amazon บอกว่าไม่เก็บไฟล์เสียงดิบ ถอดความแล้วเข้ารหัสด้วยกุญแจบนอุปกรณ์ และพนักงานเข้าถึงไม่ได้ถ้าผู้ใช้ไม่แชร์

▲ ทำไมต้องรู้ · อุปกรณ์ที่อัดเสียงรอบตัวตลอดวันเริ่มราคาถูกลง องค์กรควรมีกติกาเรื่องการอัดเสียงในห้องประชุมและการพูดคุยกับลูกค้า ก่อนที่พนักงานจะใส่อุปกรณ์แบบนี้มาทำงานเอง

TechCrunch

TechCrunch รายงานว่า RJ Scaringe ซีอีโอของ Rivian บอกในงาน Disrupt ว่ารถของบริษัทจะรองรับ AI agent จากภายนอก โดยผู้ช่วยตอนนี้ใช้ระบบที่บริษัทสร้างเอง ซึ่งเลือกส่งคำขอไปโมเดลในรถหรือบนคลาวด์ และเขายืนยันว่างานที่ควบคุมตัวรถจะไม่ถูกส่งให้ agent

ข้อควรระวังคือยังไม่มีกำหนดเวลาและไม่มีชื่อพาร์ตเนอร์ รายละเอียดจะประกาศในงานของบริษัทเดือนธันวาคม

▲ ทำไมต้องรู้ · เส้นแบ่งที่ Rivian วางไว้ คือให้ agent ช่วยงานรอบตัวแต่ไม่ให้แตะระบบที่กระทบความปลอดภัย เป็นหลักเดียวกับที่องค์กรควรใช้เมื่อให้ agent เข้าถึงระบบสำคัญ

TechCrunch

Christian Schaller เขียนบนบล็อก GNOME เมื่อ 15 ตุลาคมว่าใช้ Claude และ Claude Code เขียนส่วนขับเคลื่อน SANE ให้สแกนเนอร์ฟิล์ม Plustek OpticFilm 8200i ที่ไม่มีไดรเวอร์บน Linux ได้ภาพแรกภายในไม่กี่ชั่วโมง และสแกนที่ 3600 dpi ใช้ 34.6 วินาที เทียบกับ 54.4 วินาทีของไดรเวอร์ตัวเดิมที่มีอยู่

เขายังแก้กล้องของ ThinkPad X1 Carbon Gen 14 ทั้งในเคอร์เนลและ libcamera จนความสว่างในที่แสงน้อยเพิ่มจาก 31.1 เป็น 90.9 และสร้างเครื่องมือที่อัดการทำงานของไดรเวอร์ Windows ในเครื่องเสมือนมาเทียบกับ Linux

ข้อควรระวังคือผลมาจากอุปกรณ์เครื่องเดียว สีฟ้าในที่แสงน้อยยังขาดอยู่ราว 17% และผู้เขียนบอกเองว่าไม่ได้เชี่ยวชาญด้านนี้ลึก ยังต้องจัดการฮาร์ดแวร์จริงด้วยมือ

▲ ทำไมต้องรู้ · งานที่เคยต้องใช้ผู้เชี่ยวชาญเฉพาะทางหลายสัปดาห์ เช่นทำให้อุปกรณ์เก่าใช้กับระบบใหม่ได้ เริ่มทำได้โดยคนที่เข้าใจปัญหาและมี AI ช่วย องค์กรที่มีอุปกรณ์ตกรุ่นแต่ยังใช้งานได้มีทางเลือกเพิ่ม

GNOME Blogs · Hacker News

ทีมผู้เขียนห้าคนทดสอบโมเดลแนวหน้า 12 ตัว ตัวละ 180 งาน ในพื้นที่ทำงานจำลองที่มีไฟล์ 115 ถึง 328 ไฟล์ต่องาน โดยฝังการโจมตีไว้ในไฟล์ที่คนอื่นในทีมทิ้งไว้

การโจมตีที่เปลี่ยนสคริปต์ให้ตรงกับงานนั้นๆ สำเร็จเฉลี่ย 81% ถึง 84% ส่วนสคริปต์ทั่วไปของผู้โจมตีสำเร็จเฉลี่ย 73% โมเดลที่ถูกโจมตีสำเร็จน้อยที่สุดคือ Claude Opus 5 ที่ 8% และ Sonnet 5 ที่ 20% ขณะที่ Gemini 3.8 Flash ได้คะแนนทำงานสูงสุดแต่ยังถูกโจมตีสำเร็จ 33% ผู้วิจัยสรุปว่าการทำงานที่สั่งเสร็จไม่ใช่หลักฐานเพียงพอว่า agent ทำอย่างปลอดภัย

ข้อควรระวังคือเป็น preprint ที่ยังไม่ระบุว่าผ่านการตรวจโดยผู้ทรงคุณวุฒิ และเป็นสภาพแวดล้อมจำลอง

▲ ทำไมต้องรู้ · agent ที่อ่านไฟล์ในโฟลเดอร์ทีมหรือไดรฟ์กลางอาจทำตามสคริปต์ที่ใครก็ได้วางไว้ องค์กรควรจำกัดว่า agent รันไฟล์อะไรได้ และอย่าวัดผล agent จากงานเสร็จหรือไม่อย่างเดียว

arXiv 2610.13623

ทีมผู้เขียนเก้าคนสร้างงาน 600 งานแบบหลายรอบที่ agent หลายตัวต้องใช้ทรัพยากรร่วมกัน แล้วทดสอบโมเดลแนวหน้า 15 ตัว พบว่าแม้โมเดลชั้นนำก็พลาดขั้นตอนปิดงาน เช่นปลดล็อกทรัพยากรที่ใช้ร่วมกันหรือส่งต่องาน มากกว่า 58%

ผู้วิจัยยังพบว่าการให้ agent ลงมือแก้สถานะของระบบเองทำให้งานสำเร็จน้อยลงอย่างมีนัยสำคัญ เมื่อเทียบกับการให้ agent แค่ชี้ว่าข้อมูลไม่ตรงกัน

ข้อควรระวังคือเป็น preprint ที่ยังไม่ระบุว่าผ่านการตรวจโดยผู้ทรงคุณวุฒิ และบทคัดย่อไม่ได้ให้ตัวเลขของผลส่วนหลัง

▲ ทำไมต้องรู้ · ระบบที่ให้ agent หลายตัวทำงานพร้อมกันมักพังที่ขั้นตอนเก็บกวาดมากกว่าตัวงาน ทีมที่ออกแบบระบบแบบนี้ควรมีกลไกที่ปลดล็อกและส่งต่องานอัตโนมัติ แทนการหวังให้ agent จำทำเอง

arXiv 2610.19128

Nick Cammarata จาก Goodfire เขียนบทความที่ระบุว่าเป็นสมมติฐานที่กำลังทดสอบ เสนอว่าหลักฐานคลาสสิกที่ว่าเซลล์ประสาทหนึ่งตัวทำหลายหน้าที่ปนกันถูกตีความผิด และสิ่งที่ดูปนกันส่วนใหญ่มีสาเหตุธรรมดาที่แก้ได้

การตรวจเบื้องต้นใน Qwen3-32B พบว่าราว 90% มีงานหลักงานเดียว ราว 7% มีสองงานที่เกี่ยวข้องกัน และ 2% ถึง 4% ยังอธิบายไม่ได้ ส่วนชั้นสุดท้ายของ InceptionV1 ตีความได้จากราว 5% ด้วยเครื่องมือยุค 2023 เป็นราว 50% ด้วยเครื่องมือที่ดีขึ้น

ข้อควรระวังคือผู้เขียนระบุเองว่าตัวเลขขึ้นกับเกณฑ์ที่ตั้ง ตัวอย่างยังเล็ก และข้อสรุปภาพกว้างยังเป็นการคาดการณ์อย่างมาก

▲ ทำไมต้องรู้ · ถ้าสมมติฐานนี้ถูก การอ่านว่าโมเดลคิดอะไรอยู่ข้างในจะง่ายกว่าที่เคยเชื่อ ซึ่งสำคัญต่อการตรวจว่าโมเดลปลอดภัยหรือไม่ แต่ตอนนี้ยังเป็นข้อเสนอที่ต้องรอการพิสูจน์

Goodfire · Hacker News

Sarah Andrews จาก Signals Corps เขียนเมื่อ 6 ตุลาคมว่าสุ่มคำตอบจากเว็บ 217,097,223 รายการในข้อมูล Common Crawl พบเว็บ 7,959 แห่งที่ส่ง header ถึง AI ส่วนใหญ่เป็นตัวชี้ไปไฟล์ llms.txt และมีเพียง 30 แห่งที่พยายามฝังคำสั่งโจมตี ซึ่งส่วนใหญ่เป็นการแกล้งเล่น

โมเดลจะเห็น header หรือไม่ขึ้นกับเครื่องมือที่ใช้ดึงหน้าเว็บ ในการทดสอบจริง โมเดล Claude ปฏิเสธคำสั่งที่ฝังไว้เป็นค่าตั้งต้น แต่เมื่อพรอมต์ของผู้ใช้บอกให้ทำตามคำแนะนำของเว็บ โมเดลทำตาม 7 จาก 9 ครั้ง ผู้เขียนแนะนำให้ส่งเฉพาะเนื้อหน้าเว็บเป็นค่าตั้งต้น และคุมสิทธิ์ไว้นอกโมเดล

ข้อควรระวังคือเป็นข้อมูลจากรอบเก็บข้อมูลเดียว เว็บที่แสดงเนื้อหาต่างกันเฉพาะกับ agent จะไม่ปรากฏในข้อมูลนี้ และแต่ละแบบทดสอบรันเพียงครั้งเดียว

▲ ทำไมต้องรู้ · ความเสี่ยงจริงของ agent ที่อ่านเว็บอยู่ที่คำสั่งของเราเองไม่น้อยกว่าเว็บที่ประสงค์ร้าย การสั่ง agent ให้ทำตามสิ่งที่เว็บบอกเท่ากับเปิดประตูให้คำสั่งจากภายนอก

Signals Corps · Hacker News

Simons Foundation ประกาศเมื่อ 15 ตุลาคมว่าร่วมกับ Anthropic และ OpenAI ให้ทุนและทรัพยากรรวม 15 ล้านดอลลาร์ โดยมูลนิธิเป็นผู้บริหารและให้ทุน เพื่อจัดเวิร์กช็อปและโครงการที่ช่วยนักวิจัยประเมินผลงานที่ AI ช่วยทำ เรียนรู้เครื่องมือใหม่ และวางมาตรฐานร่วมในการใช้ AI ส่วนสองบริษัทจะให้เครื่องมือและกำลังประมวลผลแก่นักวิจัยที่มูลนิธิสนับสนุน

วันเดียวกัน Derek Thompson เขียนว่าหลัง OpenAI เผยแพร่ผลงานคณิตศาสตร์จำนวนมาก นักคณิตศาสตร์บางคนรู้สึกสูญเสีย โดยยกคำพูดของ Hugo Duminil-Copin ผู้ได้เหรียญฟิลด์สที่บอกว่าร้องไห้ในคืนที่ OpenAI ประกาศผลงาน และเสนอว่า AI ทำงานวิทยาศาสตร์ได้ดีแต่ตัดบทสนทนาระหว่างคนรุ่นต่อรุ่นในวงวิชาการ

ข้อควรระวังคือบทความของ Thompson ส่วนหลังต้องสมัครสมาชิก สรุปนี้มาจากส่วนที่เปิดอ่านได้เท่านั้น และประกาศของ Simons ไม่ได้ระบุระยะเวลาโครงการ

▲ ทำไมต้องรู้ · วงการแรกที่ AI ทำงานระดับผู้เชี่ยวชาญได้จริงกำลังเจอทั้งคำถามเรื่องการตรวจผลงานและความรู้สึกของคนในวิชาชีพ อาชีพอื่นที่ AI เริ่มทำงานได้ดีควรเตรียมทั้งมาตรฐานการตรวจและการดูแลคนไปพร้อมกัน

Simons Foundation · Derek Thompson · Hacker News

TechCrunch รายงานว่านักวิจัยของ METR หกคนจะได้แล็ปท็อปของบริษัท พื้นที่ในสำนักงาน และเข้าถึงเครื่องมือภายในใกล้เคียงกับทีมประเมินความเสี่ยงของ Anthropic เอง METR เผยแพร่ผลการประเมินของตัวเองได้ และ Anthropic สละสิทธิ์ห้ามเผยแพร่ โดยตัดเนื้อหาได้เฉพาะบางหมวด เช่นข้อมูลลูกค้าและสถาปัตยกรรมโมเดล ซึ่ง METR บอกสาธารณะได้ว่าเห็นว่าการตัดนั้นสมควรหรือไม่

ผู้ประเมินภายนอกแบ่งเป็นสามระดับ โดยระดับล่างสุดยังต้องขออนุมัติก่อนเผยแพร่ และ TechCrunch ระบุว่า OpenAI ให้คำมั่นแบบเดียวกัน

ข้อควรระวังคือรายละเอียดส่วนใหญ่มาจากคำอธิบายของ Anthropic เอง และยังต้องรอดูว่ารายงานแรกของ METR จะออกมาอย่างไร

▲ ทำไมต้องรู้ · การให้ผู้ตรวจภายนอกเข้าถึงลึกและเผยแพร่ได้เองเป็นสัญญาณที่องค์กรผู้ซื้อใช้ประเมินความน่าเชื่อถือของผู้ให้บริการ AI ได้ คำถามที่ควรถามผู้ขายคือมีใครภายนอกตรวจแล้วบ้าง และเผยแพร่ผลได้จริงไหม

TechCrunch

Techsauce สรุปการแถลงรายงานเศรษฐกิจเอเชียแปซิฟิกของ IMF เมื่อ 15 ตุลาคมว่ากระแส AI และชิปทำให้ IMF ปรับคาดการณ์การเติบโตของเอเชียปี 2026 เป็น 4.8% จาก 4.4% เมื่อเมษายน โดยไต้หวันถูกปรับขึ้น 5.5 จุดเป็น 10.7%

ไทยถูกคาดว่าจะโต 2.1% ทั้งปี 2026 และ 2027 ต่ำสุดในกลุ่มอาเซียนห้าประเทศ และได้ประโยชน์จาก AI ทางอ้อม ผ่านการผลิตชิ้นส่วนให้ดาต้าเซ็นเตอร์ในประเทศเพื่อนบ้าน IMF ยังอ้างการวิเคราะห์ประกาศรับสมัครงาน 40 ล้านรายการว่าความต้องการจ้างในงานที่ AI ทำแทนได้ลดลงราว 10% ในช่วงแรกแล้วทรงตัว ขณะที่นายจ้างต้องการคนที่ใช้ AI เป็นมากขึ้น

ข้อควรระวังคือเป็นการสรุปของ Techsauce จากการแถลง เรายังไม่ได้ตรวจกับตัวรายงานของ IMF โดยตรง

▲ ทำไมต้องรู้ · ตัวเลขนี้บอกว่าไทยยังอยู่ปลายน้ำของกระแส AI การได้ประโยชน์มากขึ้นต้องมาจากการใช้ AI เพิ่มผลิตภาพในงานจริง ไม่ใช่รอเพียงคำสั่งซื้อชิ้นส่วน

Techsauce

Techsauce รายงานวงเสวนาเมื่อ 14 ตุลาคมในการประชุมประจำปี IMF และธนาคารโลกที่กรุงเทพฯ ผู้ร่วมเวทีมาจาก IMF, Gates Foundation, EBRD และ SouthBridge

ตัวอย่างที่ยกมามีเครื่องมือแนะนำการเกษตรด้วย AI ในอินเดียที่มีเกษตรกรใช้กว่า 740,000 คน ต้นทุนราว 18 เซนต์ต่อคน และแพลตฟอร์มปล่อยกู้ผ่านโทรศัพท์ปุ่มกดในแอฟริกาที่ปล่อยกู้ไปกว่า 80,000 ครั้ง ส่วน Greg Guyett จาก EBRD บอกว่าประเทศต่างๆ ไม่จำเป็นต้องสร้างโมเดลภาษาของตัวเองเพราะมีโมเดลโอเพนซอร์สให้ใช้

ข้อควรระวังคือตัวเลขทั้งหมดเป็นคำกล่าวของผู้ร่วมเวที ยังไม่มีแหล่งต้นทาง

▲ ทำไมต้องรู้ · ตัวอย่างที่ได้ผลจริงในประเทศกำลังพัฒนาเป็นบริการเฉพาะงานที่ต้นทุนต่อคนต่ำมาก มากกว่าการลงทุนสร้างโมเดลใหญ่ ซึ่งเป็นแนวคิดที่ธุรกิจไทยนำมาใช้ได้

Techsauce

Simon Willison สรุปรายงานของ Financial Times ว่า Anthropic พบนักลงทุนก่อนเข้าตลาดหุ้น และบอกว่ารายได้ไตรมาสหนึ่งราว 4.8 พันล้านดอลลาร์ ไตรมาสสอง 11.5 พันล้าน และไตรมาสสาม 16.8 พันล้านดอลลาร์ ในไตรมาสสามบริษัทได้รายได้ 1.70 ดอลลาร์ต่อค่ากำลังประมวลผลทุก 1 ดอลลาร์ และมีอัตรากำไรจากการดำเนินงานแบบปรับปรุงที่ไม่รวมค่าตอบแทนเป็นหุ้นอยู่ที่ 11%

FT อ้างแหล่งข่าวสี่คนว่า Anthropic บอกนักลงทุนว่ารายได้จากแล็บคู่แข่งที่นำคำตอบของโมเดลไปฝึกโมเดลตัวเองเคยคิดเป็น 5% ถึง 7% ของรายได้ และบริษัทลดส่วนนี้ลงอย่างมากในไตรมาสสาม

ข้อควรระวังคือเราเปิดอ่านบทความ FT ต้นฉบับไม่ได้ ตัวเลขทั้งหมดมาจากการสรุปของ Willison ซึ่งระบุเองว่าแหล่งข่าวไม่เปิดเผยชื่อ และ Anthropic ยังไม่ได้เปิดเผยตัวเลขเหล่านี้อย่างเป็นทางการ

▲ ทำไมต้องรู้ · ถ้าตัวเลขนี้ถูก ผู้ให้บริการโมเดลแนวหน้าเริ่มทำกำไรจากการดำเนินงานได้แล้ว ซึ่งลดความเสี่ยงที่ราคาจะถูกขึ้นแรงเพื่อชดเชยการขาดทุน และเรื่องการฝึกจากคำตอบของคู่แข่งอธิบายว่าทำไมผู้ให้บริการเข้มงวดกับการใช้งานผิดเงื่อนไขมากขึ้น

Simon Willison · Financial Times

Nathan J. Robinson บรรณาธิการของ Current Affairs นิตยสารไม่แสวงกำไรในสหรัฐฯ ประกาศเมื่อ 15 ตุลาคมว่าจะไม่ตีพิมพ์ข้อความที่สร้างด้วย AI และไม่ใช้ภาพประกอบจาก AI โดยกติกานี้อยู่ในสัญญาสหภาพแรงงานฉบับใหม่

นักเขียนยังใช้ AI ค้นข้อมูลได้ และศิลปินใช้กับงานเล็กอย่างพื้นผิวหรือสีได้ เพราะกติกามุ่งที่เครื่องมือซึ่งมาแทนคนทำงาน ไม่ใช่เครื่องมือที่ช่วย เหตุผลที่ให้คือไม่ต้องการให้สื่อเต็มไปด้วยเนื้อหาคุณภาพต่ำ และโมเดลถูกฝึกจากผลงานศิลปินโดยไม่ได้รับความยินยอม

ข้อควรระวังคือเป็นบทความแสดงจุดยืนของนิตยสาร ไม่ใช่รายงานข่าว

▲ ทำไมต้องรู้ · การแบ่งระหว่าง AI ที่ช่วยคนทำงานกับ AI ที่มาแทนคนทำงานเริ่มถูกเขียนลงในสัญญาจ้างจริง องค์กรที่วางนโยบายใช้ AI ใช้เกณฑ์แบ่งแบบเดียวกันนี้อธิบายกับพนักงานได้ชัดขึ้น

Current Affairs · Hacker News