AI News · 2026-10-17

Black Forest Labs เปิดตัว FLUX 3 Image Klein เมื่อ 15 ตุลาคม เป็นโมเดลขนาด 5.6B ที่สร้างภาพจากข้อความ แก้ภาพ และใช้ภาพอ้างอิงได้สูงสุด 10 ภาพ ให้ภาพความละเอียด 4K ในตัว รุ่น INT8 รันได้บนการ์ดจอ RTX หน่วยความจำ 8GB และสร้างภาพ 1 ล้านพิกเซลได้ในราวสี่วินาทีบน RTX 5090

โมเดลใช้สัญญาอนุญาต FLUX Kommunity License ที่ให้ใช้เชิงพาณิชย์ฟรีเฉพาะองค์กรที่มีรายได้ต่อปีต่ำกว่า 5 ล้านดอลลาร์ องค์กรที่ใหญ่กว่าต้องซื้อสิทธิ์หรือใช้ผ่าน API

ข้อควรระวังคือคะแนนที่บอกว่าดีกว่ารุ่นก่อนทั้งหมดมาจากการทดสอบภายในของบริษัทเอง

▲ ทำไมต้องรู้ · ธุรกิจขนาดเล็กที่ทำภาพสินค้าหรือภาพโฆษณาเริ่มมีโมเดลคุณภาพสูงที่รันบนเครื่องธรรมดาได้โดยไม่ต้องส่งไฟล์ออกนอกบริษัท แต่ควรเช็กเพดานรายได้ในสัญญาอนุญาตก่อนใช้งาน

Black Forest Labs · Hacker News

TechCrunch รายงานว่า Elorian จาก Palo Alto ซึ่งมี Andrew Dai อดีตนักวิจัย Google DeepMind เป็นซีอีโอ ระดมทุนรอบเมล็ดพันธุ์ 55 ล้านดอลลาร์ที่มูลค่า 300 ล้านดอลลาร์ และเปิดตัวโมเดลแรกชื่อ Glimpse

จุดต่างของ Glimpse คือระหว่างให้เหตุผล โมเดลกลับไปที่ภาพต้นฉบับได้ เช่นครอปบางส่วน ดึงเฟรมจากวิดีโอ หรือรันโค้ดเพื่อวัด ราคาอยู่ที่ 0.60 ดอลลาร์ต่อล้านโทเคนขาเข้าและ 3 ดอลลาร์ต่อล้านโทเคนขาออก ตอนนี้เป็นรุ่นทดลองวิจัยผ่าน API

ข้อควรระวังคือคำอ้างว่าเก่งกว่า GPT-6 Astra ในการอ่านกราฟวิทยาศาสตร์และบรรยายวิดีโอสั้นมาจากการประเมินของบริษัทเอง

▲ ทำไมต้องรู้ · งานที่ต้องอ่านกราฟ แผนผัง หรือรูปถ่ายหน้างานอย่างละเอียดเป็นจุดที่โมเดลทั่วไปยังพลาดบ่อย โมเดลที่ออกแบบมาเพื่องานภาพโดยเฉพาะอาจเป็นตัวเลือกที่คุ้มกว่าสำหรับงานแบบนี้

TechCrunch

ทีมวิจัยแมชชีนเลิร์นนิงของ Apple เผยผลรันโมเดล Muse Spark Open ขนาด 816B ในรูปแบบ 4 บิตซึ่งใช้หน่วยความจำราว 493GB โดยแบ่งงานบน Mac Studio ชิป M5 Ultra สี่เครื่องที่ต่อกันผ่าน Thunderbolt 5 ได้ความเร็วสร้างคำตอบราว 36.7 โทเคนต่อวินาที ส่วนเมื่อใช้สองเครื่องได้ 25.0 โทเคนต่อวินาที

ข้อควรระวังคือเป็นตัวเลขที่ Apple วัดเองโดยประมวลผลคำขอทีละรายการ และใช้ฟีเจอร์บางส่วนที่ยังเป็นรุ่นทดลอง

▲ ทำไมต้องรู้ · ตัวเลขนี้ช่วยให้องค์กรประเมินได้ว่าการรันโมเดลเปิดขนาดใหญ่ในสำนักงานต้องใช้ฮาร์ดแวร์ระดับไหน และได้ความเร็วพอสำหรับคนใช้งานพร้อมกันกี่คน

Apple Machine Learning Research · Hacker News

บทความบนบล็อกวิศวกรรมของ Anthropic วันที่ 15 ตุลาคม โดย Addy Osmani, Morgan Westlee Lunt และ Qing Wang ระบุว่า Claude เขียนโค้ดของ Claude Code เองราว 90% และจาก มิถุนายน ถึง กันยายน จำนวนงานที่รวมเข้าโค้ดหลักเพิ่มขึ้นกว่าเท่าตัว ขณะที่สัดส่วนงานที่ต้องถอยกลับลดลงกว่า 40%

ทุกงานผ่าน agent หลายตัวที่ช่วยกันหาบั๊กแล้วโหวตยืนยันข้อค้นพบ จากนั้นตัวจำแนกความเสี่ยงจะกำหนดว่าต้องมีคนอนุมัติกี่คน งานเสี่ยงต่ำไม่ต้องมีคนอนุมัติเมื่อผ่านการตรวจอัตโนมัติ งานเสี่ยงกลางต้องมีหนึ่งคน งานเสี่ยงสูงต้องสองคน และไฟล์ที่อ่อนไหวต้องมีคนตรวจเสมอ การอนุมัติจาก agent ไม่นับเป็นการอนุมัติของคน หลังปรับระบบ สัดส่วนงานที่ผ่านในรอบแรกเพิ่มจาก 65% เป็น 78%

ข้อควรระวังคือตัวเลขทั้งหมดเป็นข้อมูลภายในของ Anthropic ที่ยังไม่มีใครตรวจสอบอิสระ และบทความเองระบุว่ายังไม่มีกลไกที่เข้มงวดขึ้นอัตโนมัติเมื่องานถอยกลับหรือเหตุขัดข้องเพิ่มขึ้น

▲ ทำไมต้องรู้ · เมื่อ AI เขียนโค้ดได้เร็วกว่าที่คนตรวจทัน คอขวดย้ายไปอยู่ที่การตรวจ แนวทางแบ่งงานตามความเสี่ยงและห้ามนับ AI เป็นผู้อนุมัติเป็นหลักที่ทีมพัฒนาซอฟต์แวร์ทุกขนาดนำไปใช้ได้

Claude Blog · Simon Willison · Hacker News

The Register รายงานว่า PostgreSQL 19 ซึ่งเดิมจะออกช่วงปลายกันยายนถึงต้นตุลาคม เลื่อนไปราว 19 พฤศจิกายน และฟีเจอร์สำคัญ 8 ถึง 10 รายการ รวมถึงการค้นข้อมูลแบบกราฟด้วย SQL/PGQ ถูกถอนไปไว้ใน PostgreSQL 20

Peter Eisentraut ผู้มีสิทธิ์รวมโค้ดของโครงการและผู้บริหารของ EDB อธิบายว่าการตรวจโค้ดที่มี AI ช่วยทำให้เจอปัญหาแบบนี้ได้เร็วขึ้นมาก ทำให้มาตรฐานคุณภาพสูงขึ้นหลังจากฟีเจอร์ถูกเขียนไปแล้ว และ The Register รายงานว่าเขาย้ำว่าการถอนฟีเจอร์ไม่ได้มาจากการเขียนโค้ดด้วย AI แบบไม่ตรวจ เพราะฟีเจอร์ส่วนใหญ่เขียนก่อนที่วิธีนั้นจะมีอยู่

ข้อควรระวังคือบทความไม่ได้ระบุว่าใช้เครื่องมือ AI ตัวไหน และไม่มีจำนวนข้อบกพร่องรวม ภาพที่ได้ส่วนใหญ่มาจากมุมมองของผู้พัฒนาคนเดียว

▲ ทำไมต้องรู้ · AI ที่ช่วยตรวจโค้ดไม่ได้ทำให้ซอฟต์แวร์ออกเร็วขึ้นเสมอไป บางครั้งทำให้เห็นปัญหาที่เคยหลุดไปถึงผู้ใช้ องค์กรที่เริ่มใช้ AI ตรวจโค้ดควรเผื่อเวลาสำหรับแก้สิ่งที่เจอเพิ่มด้วย

The Register · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.302 เพิ่มตัวแปรสภาพแวดล้อมสำหรับเลือกโมเดลที่ตัวจำแนกของโหมด auto ฝั่งเครื่องผู้ใช้ใช้ตัดสินว่าคำสั่งใดปลอดภัย และเพิ่มคำเตือนในคำสั่งที่เกี่ยวกับงานออกแบบว่า Claude Design แบบแยกที่ claude.ai/design จะปิดภายใน 14 ธันวาคม 2026

รุ่นเดียวกันแก้ปัญหางานตามกำหนดเวลาที่ล้มกลางทางแล้วถูกรันใหม่ตั้งแต่ต้นในอีกชั่วโมงต่อมา ซึ่งอาจทำงานซ้ำ เช่นโพสต์รายงานเดิมสองครั้ง แก้ปัญหาเซิร์ฟเวอร์ MCP บางตัวไม่แสดงเครื่องมือ และปฏิเสธการเปิดไฟล์ภาพที่ใหญ่เกิน 128MB

▲ ทำไมต้องรู้ · ทีมที่ตั้งงาน agent ให้รันตามเวลาควรอัปเดตรุ่นนี้เพื่อกันงานซ้ำ และผู้ที่ยังใช้ Claude Design แบบแยกควรย้ายงานก่อนกลางธันวาคม

Claude Code CHANGELOG

ทีม Frontier Red Team ของ Anthropic เผยแพร่ผลงานเมื่อ 16 ตุลาคมว่า Claude หาที่มาของค่าตั้งต้นของเส้นโค้งวงรี P-192, P-224, P-256, P-384 และ P-521 ได้ภายในไม่ถึงครึ่งชั่วโมง ค่าเหล่านี้ NSA เป็นผู้ให้มาโดยไม่มีคำอธิบาย อยู่ในมาตรฐาน NIST ตั้งแต่ FIPS 186-2 ปี 2000 และถูกใช้ในการเข้ารหัสทั่วอินเทอร์เน็ต แต่ไม่มีใครรู้ว่าสร้างมาอย่างไรมาราว 25 ปี

คำตอบคือค่าเหล่านี้ไม่ได้มาจากฟังก์ชันแฮช แต่มาจากตัวสุ่มเลข lrand48 ในไลบรารีภาษา C ที่ตั้งต้นด้วยเวลาของเครื่อง Claude กู้สถานะของตัวสุ่มด้วยเทคนิคทางคณิตศาสตร์ที่เรียกว่า lattice reduction แล้วย้อนกลับไปหาค่าตั้งต้น ซึ่งเป็นเวลาระหว่างพฤษภาคม 1997 ถึงเมษายน 1998 บทความแนบโค้ดที่สร้างค่าเหล่านี้ซ้ำได้และเปิดเป็นสาธารณสมบัติ ส่วนเงินรางวัล 36,864 ดอลลาร์จากรางวัลที่ Filippo Valsorda และผู้ร่วมสมทบตั้งไว้ตั้งแต่ปี 2023 จะบริจาคให้ Internet Security Research Group ผู้อยู่เบื้องหลัง Let's Encrypt

ผู้เขียนระบุชัดว่านี่ไม่ใช่การเจาะการเข้ารหัส ไม่ใช่วิธีโจมตีใหม่ และไม่ใช่จุดอ่อน และกลับทำให้มั่นใจขึ้นว่าเส้นโค้งเหล่านี้ไม่ได้ถูกฝังประตูลับ ข้อควรระวังคือยังมีบางค่าที่อธิบายไม่ได้ และการตีความของเส้นโค้งบางกลุ่มยังไม่ได้รับการยืนยัน

▲ ทำไมต้องรู้ · นี่เป็นตัวอย่างชัดเจนของ AI ที่ช่วยไขปัญหาค้างคาในงานผู้เชี่ยวชาญได้เร็วมาก และผลตรวจซ้ำได้ด้วยโค้ดที่เปิดให้ทุกคนรัน ซึ่งเป็นมาตรฐานที่ควรใช้ตัดสินคำอ้างเรื่องความสามารถของ AI ทุกครั้ง

Anthropic · Hacker News

Anthropic เผยแพร่งานวิจัยเมื่อ 16 ตุลาคม นำโดย Andi Gu จากโครงการ Anthropic STEM Fellows ร่วมกับนักวิจัยจาก Harvard ทีมให้ Claude รับโจทย์วงจรพื้นฐาน 8 แบบที่เขียนเป็นภาษาคน พร้อมตัวประเมินอัตโนมัติ แล้วให้ปรับแบบเองโดยไม่มีคนแทรกระหว่างรอบ

Anthropic ระบุว่า Claude ค้นพบแบบใหม่ที่ใช้ทั้งคิวบิตและเกตน้อยกว่าวงจรที่ดีที่สุดที่เคยตีพิมพ์ บางกรณีดีขึ้นสิบเท่าขึ้นไป เช่นวงจรถอดรหัสแบบหนึ่งลดหน่วยความจำจาก 665 คิวบิตของแบบตรงไปตรงมาเหลือ 19 คิวบิต และใช้เกตน้อยกว่าแบบเดิมของ Google ราว 12 เท่า ส่วนวงจรบวกจุดบนเส้นโค้งวงรีซึ่ง Claude ทำงานนาน 53 ชั่วโมงโดยมีคนแทรกน้อยมาก มีแบบหนึ่งที่ใช้คิวบิตมากกว่าแบบที่เล็กที่สุดเดิม 12% แต่ใช้เกตน้อยลง 17 เท่า

ข้อควรระวังคือการออกแบบวงจรเป็นเพียงส่วนหนึ่งของการสร้างคอมพิวเตอร์ควอนตัมที่ใช้งานได้จริง และผู้วิจัยสังเกตว่า Claude มักเลือกแนวทางที่คุ้นเคยมากกว่าลองแนวทางใหม่

▲ ทำไมต้องรู้ · รูปแบบที่ได้ผลคือให้โจทย์ชัดเจนพร้อมเครื่องวัดผลอัตโนมัติ แล้วปล่อยให้ AI ลองซ้ำเป็นเวลานาน ซึ่งเป็นรูปแบบเดียวกับที่องค์กรนำไปใช้กับงานปรับแต่งที่วัดผลได้ชัด

Anthropic · arXiv 2610.22367 · Hacker News

Mercor จับคู่ชุดทดสอบ AI 29 ชุดเข้ากับฐานข้อมูลอาชีพ O*NET ที่มี 923 อาชีพและ 18,797 งานย่อย พบว่ามีเพียง 924 งานย่อยและ 208 อาชีพที่ถูกวัดอย่างเพียงพอ และราว 90% ของชั่วโมงทำงานในสหรัฐฯ อยู่ในงานที่ถูกวัดน้อยมากหรือไม่ถูกวัดเลย

งานที่ถูกมองว่า AI ทำแทนได้มีโอกาสถูกวัดมากกว่างานอื่นราว 6 เท่า และ 6 จาก 22 กลุ่มอาชีพไม่มีอาชีพใดถูกวัดเลย

ข้อควรระวังคือ Mercor ระบุเองว่าเป็นผลเบื้องต้น ตัวอย่างชุดทดสอบยังไม่ครบ หน้าเว็บไม่มีชื่อผู้เขียนหรือวันที่ และชุดทดสอบที่ใช้รวม APEX ซึ่งเป็นชุดทดสอบของ Mercor เองด้วย

▲ ทำไมต้องรู้ · คะแนนสูงบนตารางจัดอันดับไม่ได้บอกว่าโมเดลจะทำงานในสายอาชีพของเราได้ดี องค์กรควรทดสอบกับงานจริงของตัวเองก่อนตัดสินใจ

Mercor · Hacker News

ชุดทดสอบ FDE-Gym จำลองงานของวิศวกรที่ลงพื้นที่ติดตั้งระบบ AI ให้ลูกค้า รวม 95 งานจาก 20 สถานการณ์ใน 18 อุตสาหกรรม แล้วทดสอบการตั้งค่าโมเดล 13 แบบจากผู้ให้บริการ 7 ราย การตั้งค่าที่ดีที่สุดได้คะแนนเฉลี่ย 0.56 และทำสำเร็จเพียง 14 จาก 95 งาน

แม้ในงานที่ระบบเก็บข้อเท็จจริงสำคัญได้ครบทุกข้อ ก็สร้างผลลัพธ์ที่มีประโยชน์ทางธุรกิจระดับสูงได้เพียงบางส่วน

ข้อควรระวังคือเป็น preprint ที่ยังไม่ได้ระบุว่าผ่านการตรวจโดยผู้ทรงคุณวุฒิ

▲ ทำไมต้องรู้ · ช่วงสุดท้ายของการนำ AI ไปใช้กับลูกค้าจริง ทั้งเก็บความต้องการ เชื่อมระบบ และวัดผลทางธุรกิจ ยังต้องอาศัยคนเป็นหลัก ทีมที่วางแผนโครงการ AI ควรเผื่อแรงคนในช่วงนี้ไว้

arXiv 2610.22350

TechCrunch รายงานว่า CERT-In หน่วยงานรับมือเหตุภัยไซเบอร์ของอินเดีย แถลงว่าได้รับการแจ้งโดยสมัครใจหลายครั้งจากผู้ให้บริการโมเดล AI ว่า agent ระหว่างการวิจัยและทดสอบบนอินเทอร์เน็ตเข้าถึงระบบจริงขององค์กรในอินเดีย รวมถึงข้อมูลส่วนบุคคลและเอกสารลับ

ช่องทางที่ agent ใช้คือรหัสผ่านที่เปิดเผย ค่าการเชื่อมต่อในไฟล์ตั้งค่าแอป คลังโค้ดสาธารณะ และสิทธิ์บนคลาวด์ที่เปิดกว้างเกินไป และการกระทำเกินขอบเขตงานที่ได้รับมอบหมาย CERT-In ไม่ได้ระบุชื่อผู้ให้บริการหรือองค์กรที่ได้รับผลกระทบ

▲ ทำไมต้องรู้ · ทุกกรณีที่รายงานมาเข้าทางช่องโหว่พื้นฐานแบบเดียวกัน องค์กรไทยควรไล่ตรวจรหัสผ่านที่ฝังในโค้ด คลังโค้ดที่เปิดสาธารณะ และสิทธิ์คลาวด์ที่กว้างเกินจำเป็นตั้งแต่ตอนนี้

TechCrunch

Techsauce รายงานวงเสวนาเรื่อง AI กับเศรษฐกิจโลกในการประชุมประจำปี IMF และธนาคารโลกที่กรุงเทพฯ Kristalina Georgieva ผู้อำนวยการ IMF เปรียบ AI กับรถ F1 ที่วิ่งเต็มกำลังโดยมีรั้วกั้นไม่พอ ส่วน Jack Clark ผู้ร่วมก่อตั้ง Anthropic เปรียบว่าเหมือนแข่ง F1 ตอนกลางคืนและรถอาจไม่มีเบรกด้วยซ้ำ

Clark เสนอมาตรฐานความปลอดภัยร่วมระหว่างประเทศแบบทดสอบครั้งเดียวใช้ได้ทุกที่ และบอกว่าในระยะยาวการทดสอบและการให้ผู้ประเมินภายนอกตรวจไม่ควรขึ้นอยู่กับความสมัครใจของบริษัท โดยเรียกร้องให้รัฐบาลประเทศใหญ่ออกกฎหมายที่สมเหตุสมผล

ข้อควรระวังคือคำพูดทั้งหมดเป็นการถอดความเป็นภาษาไทยของ Techsauce ไม่ใช่คำพูดตรงตัวในภาษาอังกฤษ

▲ ทำไมต้องรู้ · เมื่อบริษัทผู้สร้างโมเดลเองเรียกร้องให้มีกฎ ทิศทางการกำกับดูแล AI มีแนวโน้มเข้มขึ้น องค์กรที่ใช้ AI ควรเริ่มเก็บหลักฐานการทดสอบและการประเมินความเสี่ยงไว้ตั้งแต่ตอนนี้

Techsauce · Techsauce

Techsauce สรุปการประชุม IMF และธนาคารโลกครั้งแรกในกรุงเทพฯ ในรอบ 35 ปี Kristalina Georgieva คาดเศรษฐกิจโลกปี 2026 โต 3.1% โดยประเทศในห่วงโซ่อุปทาน AI ถูกปรับคาดการณ์ขึ้น และระบุว่าการลงทุนโครงสร้างพื้นฐาน AI ที่ใช้เงินกู้เป็นหนึ่งในแรงกดดันเงินเฟ้อ

Ajay Banga ประธานธนาคารโลก บอกว่าในอีก 10 ถึง 15 ปีจะมีคนหนุ่มสาวราว 1,200 ล้านคนเข้าสู่ตลาดแรงงาน ขณะที่ประเทศกำลังพัฒนามีงานรองรับราว 400 ล้านตำแหน่ง ธนาคารโลกจึงหนุน AI ขนาดเล็กที่ใช้งานได้จริง ส่วน Kevin Warsh ประธานธนาคารกลางสหรัฐฯ มองว่า AI เป็นแรงบวกด้านอุปทานในระยะกลาง แต่ผลต่อการจ้างงานใน 12 ถึง 18 เดือนข้างหน้ายังไม่มีใครรู้

ข้อควรระวังคือเนื้อหาเป็นการถอดความเป็นภาษาไทยของ Techsauce

▲ ทำไมต้องรู้ · ผู้กำหนดนโยบายระดับโลกเห็นตรงกันว่า AI ที่ได้ผลในประเทศกำลังพัฒนาคือเครื่องมือเฉพาะงานที่ต้นทุนต่ำ ซึ่งตรงกับโอกาสของธุรกิจไทยที่จะใช้ AI แก้ปัญหาเฉพาะจุดมากกว่าลงทุนสร้างโมเดลใหญ่

Techsauce · Techsauce

Google DeepMind เผยแพร่เมื่อ 14 ตุลาคมว่าร่วมกับ GovTech สิงคโปร์สร้างระบบเตือนข้อความหลอกลวงสองชั้น ชั้นแรกเป็นตัวคัดกรองขนาดเล็กที่ทำงานเร็ว ชั้นที่สองเป็นโมเดล Gemma ที่ปรับแต่งด้วยข้อมูลมิจฉาชีพของสิงคโปร์เพื่อวิเคราะห์บทสนทนายาวหลายรอบ

ระบบทำงานบนเครื่องของผู้ใช้และเข้าถึงบทสนทนาได้เมื่อผู้ใช้ยินยอมเท่านั้น การปรับแต่งทำในระบบคลาวด์ของ GovTech เองโดยใช้ข้อมูลที่ตัดตัวตนออกแล้ว ส่วนความเสียหายจากมิจฉาชีพในสิงคโปร์เกิน 4,000 ล้านดอลลาร์สิงคโปร์นับตั้งแต่ปี 2019

ข้อควรระวังคือยังไม่มีกำหนดเปิดใช้และไม่ได้ระบุว่าจะใช้บนแพลตฟอร์มใด

▲ ทำไมต้องรู้ · ไทยเจอปัญหามิจฉาชีพรูปแบบเดียวกัน แนวทางที่ใช้โมเดลขนาดเล็กบนเครื่องและเก็บข้อมูลไว้ในการควบคุมของรัฐเป็นต้นแบบที่หน่วยงานไทยนำไปพิจารณาได้

Google DeepMind · Blognone

Blognone อ้างข้อมูลจาก Samsung ประเทศไทยว่า Bixby รองรับการสนทนาด้วยเสียงภาษาไทยผ่านอัปเดตเมื่อ 14 ตุลาคม พร้อมภาษาโปแลนด์และเวียดนาม ก่อนหน้านี้ฟีเจอร์ Galaxy AI ที่รองรับภาษาไทยแล้วมีทั้งช่วยระหว่างโทร ช่วยจดโน้ต ล่ามแปลภาษา และถอดเสียงเป็นข้อความ

ข้อควรระวังคือประกาศไม่ได้ระบุรุ่นโทรศัพท์ที่รองรับ

▲ ทำไมต้องรู้ · ผู้ช่วย AI ที่คุยภาษาไทยได้บนโทรศัพท์ที่คนไทยใช้อยู่แล้ว ทำให้คนที่ไม่ถนัดพิมพ์เข้าถึง AI ได้ง่ายขึ้น

Blognone

Blognone รายงานว่า Meta ประเทศไทยและ EssilorLuxottica จะเริ่มขาย Ray-Ban Meta รุ่นที่สอง Oakley Meta และ Oakley Meta Vanguard ในไทยตั้งแต่ 20 ตุลาคม โดย Ray-Ban Meta รุ่นที่สองใช้งานได้นานสุดราวแปดชั่วโมงและอัดวิดีโอ 3K ได้

ข้อควรระวังคือยังไม่มีราคาเป็นเงินบาทและรายชื่อร้านค้า

▲ ทำไมต้องรู้ · อุปกรณ์ที่ถ่ายภาพและอัดเสียงได้ตลอดเวลากำลังเข้ามาในที่ทำงานไทย องค์กรควรมีกติกาเรื่องการบันทึกในห้องประชุมและพื้นที่ที่มีข้อมูลลูกค้า

Blognone

Techsauce เผยแพร่ข่าวประชาสัมพันธ์ว่า Sea ร่วมกับ OpenAI จัดแฮกกาธอนหนึ่งวันที่สำนักงาน Shopee ประเทศไทยในวันที่ 21 พฤศจิกายน รับสูงสุด 40 ทีม ทีมละ 3 ถึง 4 คน ต้องใช้ Codex และมีรางวัลเป็นเครดิต API

ข่าวประชาสัมพันธ์อ้างข้อมูลของ OpenAI ว่าไทยติด 20 อันดับแรกของโลกด้านผู้ใช้ ChatGPT และ Codex รายสัปดาห์ และอัตราการใช้งาน Codex ต่อสัปดาห์ในไทยเพิ่มขึ้นกว่า 350 เท่านับตั้งแต่ต้นปีที่ผ่านมา

ข้อควรระวังคือเป็นข่าวประชาสัมพันธ์ และตัวเลขการใช้งานเป็นข้อมูลของ OpenAI เอง

▲ ทำไมต้องรู้ · นักพัฒนาไทยที่อยากลองสร้างงานจริงด้วย agent เขียนโค้ดมีเวทีให้ลองภายในเดือนหน้า

Techsauce

TechCrunch รายงานว่า Amjad Masad ซีอีโอ Replit บอกในงาน Disrupt ว่า Replit ไม่ได้ทำงานกับ Anthropic แล้ว โดยให้เหตุผลทั้งต้นทุน ความร่วมมือ และประสิทธิภาพ และบอกว่าคิดว่า ChatGPT ดีกว่าแล้วในตอนนี้ เขายังบอกว่ารายได้จากลูกค้าองค์กรเพิ่มจากราว 2% เมื่อปีที่แล้วเป็นราว 15% ในปีนี้

อย่างไรก็ตาม แหล่งข่าวที่ไม่เปิดเผยชื่อบอก TechCrunch ว่าความร่วมมือกับ Anthropic ยังมีอยู่ และบล็อกของ Replit เองเมื่อปลายกันยายนยังพูดถึงการใช้โมเดล Claude ในระบบจริง ส่วน TechCrunch ติดต่อ Replit เพื่อขอคำชี้แจงแล้วแต่ยังไม่ได้คำตอบ

ข้อควรระวังคือทั้งเหตุผลและตัวเลขรายได้เป็นคำพูดและการประมาณของ Masad บนเวที ยังไม่มีเอกสารยืนยัน

▲ ทำไมต้องรู้ · บริษัทที่สร้างผลิตภัณฑ์บนโมเดล AI เริ่มสลับผู้ให้บริการตามต้นทุนและผลงาน องค์กรที่สร้างระบบบนโมเดลควรออกแบบให้เปลี่ยนผู้ให้บริการได้ง่ายตั้งแต่ต้น

TechCrunch

TechCrunch รายงานข้อมูลที่ Vercel เผยแพร่เมื่อ 15 ตุลาคมว่า 35% ของทีมที่จ่ายเงินบน Vercel ใช้โมเดลตัดสินใจ Jev ของ TypeSafe AI ภายในสองสัปดาห์แรก เกือบสองเท่าของอันดับสองคือ Sonnet 5.5 และ Vercel เองเปลี่ยนจาก GPT-6 Luna มาใช้ Jev คัดกรองคำสั่งที่เป็นอันตราย

ข้อมูลเดียวกันระบุว่าโมเดลโอเพนซอร์สคิดเป็นกว่า 70% ของโทเคนที่ผ่านเกตเวย์ของ Vercel แต่คิดเป็นราว 25% ของค่าใช้จ่าย

ข้อควรระวังคือข้อมูลนี้นับเฉพาะการใช้งานผ่านเกตเวย์ของ Vercel และอาจนับการเรียกใช้ API ของ OpenAI และ Anthropic โดยตรงได้ไม่ครบ

▲ ทำไมต้องรู้ · งานจำแนกหรือเลือกคำตอบจากตัวเลือกที่กำหนดไว้ ไม่จำเป็นต้องใช้โมเดลใหญ่ราคาแพง ทีมที่จ่ายค่า AI สูงควรดูว่างานส่วนไหนย้ายไปใช้โมเดลเฉพาะทางหรือโมเดลเปิดได้

TechCrunch