AI News · 2026-10-23

หน้าบันทึกการเปลี่ยนแปลงของ Claude API ลงวันที่ 22 ตุลาคม ระบุว่าบริการชื่อ Claude Models on Google Cloud (Anthropic managed) เปิดใช้งานทั่วไปแล้ว รูปแบบคือตัว API ยังรันและดูแลโดย Anthropic แต่ลูกค้าเข้าถึงผ่านโครงการ Google Cloud ของตัวเอง ใช้ระบบสิทธิ์ IAM ของ Google Cloud คุมว่าใครเรียกได้ และคิดเงินผ่าน Google Cloud Marketplace

พร้อมกันนั้นโหมด fast mode ของ Claude Opus 5.5 ใช้ได้บนช่องทางนี้ด้วย

ข่าวนี้มาในทิศทางกลับกับที่ Google Cloud เพิ่งเปิดให้ลูกค้าองค์กรเรียกโมเดล GPT-6 ของ OpenAI ได้เมื่อวันก่อน (ต่อเนื่องจาก 2026-10-22) ภาพรวมคือคลาวด์เจ้าใหญ่กำลังกลายเป็นหน้าร้านกลางที่ขายโมเดลของคู่แข่งกันเอง ส่วนเจ้าของโมเดลก็ยอมไปตั้งร้านในบ้านคนอื่นเพื่อแลกกับการเข้าถึงงบที่องค์กรผูกไว้กับคลาวด์อยู่แล้ว

▲ ทำไมต้องรู้ · ถ้าองค์กรของคุณมีสัญญาและวงเงินกับคลาวด์เจ้าใดเจ้าหนึ่งอยู่แล้ว การเบิกใช้โมเดลข้ามค่ายจะง่ายขึ้นมากเพราะไม่ต้องตั้งผู้ขายรายใหม่และไม่ต้องขออนุมัติใบแจ้งหนี้แยก สิ่งที่ยังต้องอ่านให้ละเอียดคือใครดูแลข้อมูลและใครรับผิดเมื่อระบบล่ม เพราะคำว่าซื้อผ่านคลาวด์ไม่ได้แปลว่าคลาวด์เป็นผู้ให้บริการโมเดลนั้นเอง

Claude API release notes

ประกาศวันที่ 22 ตุลาคม ระบุว่า Anthropic ยกมาตรฐาน Agent Skills ให้ Agentic AI Foundation ซึ่งอยู่ภายใต้ Linux Foundation เป็นผู้ดูแล สิ่งที่ระบุว่าจะโอนไปมีทั้งตัวมาตรฐาน ชื่อและโลโก้ องค์กรบน GitHub และโดเมน agentskills.io

Agent Skills คือรูปแบบของการเก็บความรู้และขั้นตอนทำงานเฉพาะทางให้ AI agent หยิบไปใช้ โดยหนึ่ง skill คือโฟลเดอร์ที่มีไฟล์ SKILL.md กับสคริปต์หรือเอกสารอ้างอิงที่จำเป็น Anthropic ระบุว่ามีแพลตฟอร์ม agent มากกว่า 70 รายรองรับแล้ว เช่น ChatGPT, Cursor, GitHub Copilot และ VS Code ซึ่งเป็นการนับของ Anthropic เองที่ไม่ได้บอกวิธีนับ และสูงกว่าเอกสารเสนอโปรเจกต์ของมูลนิธิเมื่อ 21 กันยายนที่ระบุว่าหน้ารวมผลิตภัณฑ์มี 46 รายการ

สิ่งที่ยังไม่จบคือตัวการโอน หน้าติดตามโปรเจกต์ของมูลนิธิเองยังเปิดอยู่ ติดป้ายว่าสัญญาบริจาคยังไม่ถูกลงนาม โดยรายการเคลื่อนไหวล่าสุดคือวันที่ 21 ตุลาคม และข้อความเรื่องการโอนเครื่องหมายการค้ากับบัญชีต่าง ๆ เขียนเป็นเงื่อนไขว่าจะทำเมื่อโปรเจกต์ได้รับการรับรอง ขณะที่หน้า projects ของมูลนิธิขึ้นชื่อโปรเจกต์นี้แล้ว

โครงสร้างการดูแลที่ประกาศไว้คือวิศวกรจาก Anthropic, Google, OpenAI และบริษัทอื่นจะดูแลมาตรฐานนี้ในฐานะบุคคล โดยผู้ดูแลหลักสองคนคือ David Soria Parra และ Mahesh Murag ซึ่งทั้งคู่เป็นพนักงาน Anthropic ส่วนองค์ประกอบของคณะกรรมการเทคนิคยังต้องตกลงกับ Linux Foundation ในขั้นตอนรับเข้า ตัวสเปกยังอยู่ที่ agentskills.io และการให้ความเห็นต่อการแก้สเปกอยู่บน GitHub กับ Discord ของโครงการ

ตัวเลขที่ถูกอ้างกันบ่อยว่ามีสกิลเผยแพร่แล้วหนึ่งล้านรายการและติดตั้งไปเกือบ 280 ล้านครั้ง มีที่มาจากรายงาน State of Agent Skills ของ Vercel เมื่อ 25 กันยายน ซึ่งนับเฉพาะรายการใน registry ชื่อ skills.sh ตั้งแต่เปิดตัวเดือนมกราคมถึงสิงหาคม 2026 ไม่ใช่การนับสกิลทั้งหมดที่มีอยู่ และยอดติดตั้งเป็นตัวนับรวมของ registry ที่รายงานเองระบุว่าไม่ได้แทนจำนวนผู้ใช้จริง

▲ ทำไมต้องรู้ · เมื่อวิธีเก็บความรู้ของทีมถูกวางไว้บนมาตรฐานที่ไม่ได้ขึ้นกับผู้ขายรายเดียว สิ่งที่คุณเขียนเป็นคู่มือให้ AI วันนี้มีโอกาสย้ายข้ามเครื่องมือได้โดยไม่ต้องเขียนใหม่ ข้อควรระวังมีสองชั้น ชั้นแรกคือการโอนยังไม่เสร็จตามเอกสารของมูลนิธิเอง จึงยังเร็วเกินไปที่จะบอกว่ามาตรฐานนี้พ้นมือผู้ขายไปแล้ว ชั้นที่สองคือจำนวนสกิลที่มีอยู่ไม่ได้บอกคุณภาพหรือความปลอดภัยของสกิลที่ดาวน์โหลดมาจากคนอื่นเลย ซึ่งเป็นเรื่องที่ Anthropic เองก็เพิ่งเสนอให้ทำแนวทางเพิ่ม

Anthropic · AAIF project tracker · Vercel State of Agent Skills

โครงการบน GitHub ของ Nvidia ชื่อ OpenShell เรียกตัวเองว่าตัวรันที่ปลอดภัยและเป็นส่วนตัวสำหรับ agent จำนวนมาก สัญญาอนุญาตเป็น Apache 2.0 และขึ้นอันดับต้น ๆ ของ Hacker News เมื่อ 22 ตุลาคม

โจทย์ที่ตั้งไว้คือ agent จะมีประโยชน์เมื่ออ่านไฟล์ ติดตั้งแพ็กเกจ เรียก API และใช้รหัสผ่านได้ แต่สิทธิ์เหล่านั้นคือความเสี่ยง วิธีของ OpenShell คือให้ประกาศเป็นนโยบายว่า agent แต่ละตัวแตะอะไรได้ แล้วบังคับด้วยกลไกของเคอร์เนลว่าเข้าถึงไฟล์ไหนและเรียก system call ใดได้ ส่วนการเชื่อมต่อออกนอกเครื่องทุกครั้งถูกตรวจกับนโยบาย

จุดที่น่าสนใจคือ agent ไม่เคยเห็นรหัสจริง ระบบจะใส่ให้เฉพาะคำขอที่วิ่งไปยังปลายทางที่อนุญาตไว้ และเมื่อมีการแก้นโยบาย ระบบจะใช้การพิสูจน์เชิงรูปนัยชี้จุดที่เปิดสิทธิ์ใหม่แบบเสี่ยง เช่น การไปถึงโฮสต์ใหม่พร้อมรหัส แล้วให้คนรีวิวก่อนอนุมัติ

ข้อควรระวังคือหน้าโครงการไม่ได้ให้ตัวเลขวัดผลหรือ benchmark ใด ๆ ไว้เลย และยังไม่ระบุวันปล่อยรุ่นแรกชัดเจน ความต้องการระบบคือ Linux หรือ macOS บนชิป Apple หรือ Windows ผ่าน WSL 2 ซึ่งยังเป็นของทดลอง

▲ ทำไมต้องรู้ · ถ้าที่ทำงานเริ่มให้ agent รันคำสั่งหรือเรียก API แทนคน คำถามที่ต้องตอบไม่ใช่แค่โมเดลเก่งแค่ไหน แต่คือใครคุมว่ามันแตะอะไรได้ และรหัสขององค์กรอยู่ในมือใคร แนวคิดที่ว่า agent ไม่ต้องเห็นรหัสจริงแต่ระบบใส่ให้เฉพาะปลายทางที่อนุญาต เป็นหลักที่หยิบไปถามผู้ขายเครื่องมือได้ทันทีแม้จะไม่ได้ใช้ตัวนี้

GitHub NVIDIA/OpenShell

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.309 เป็นรุ่นใหญ่ที่เน้นแก้บั๊ก แต่มีการเปลี่ยนพฤติกรรมที่ควรรู้ไว้สามอย่าง

อย่างแรกคือคำสั่ง rm และ rmdir ถูกปฏิเสธตรง ๆ เมื่ออยู่ในโหมดข้ามการถามอนุญาตบนแอปเดสก์ท็อปและส่วนขยาย VS Code อย่างที่สองคือคำสั่ง sed -i ถูกนับเป็นคำสั่ง Bash ปกติแล้ว และอย่างที่สามคือการสั่งรีวิวโค้ดแบบลึกต้องอยู่ในโฟลเดอร์ที่ผู้ใช้ตั้งค่าว่าเชื่อถือก่อน

รุ่นนี้ยังแก้เรื่องความเร็วและข้อความแจ้งข้อผิดพลาด เช่น การเรียก git บน Windows เร็วขึ้น และข้อความเตือนเมื่อดิสก์เต็มอ่านรู้เรื่องขึ้น ส่วนรุ่น 2.1.308 ก่อนหน้าระบุไว้เพียงว่าแก้บั๊กและปรับความเสถียร

▲ ทำไมต้องรู้ · โหมดที่ให้เครื่องมือทำงานต่อเนื่องโดยไม่ถามทุกขั้นเป็นที่นิยมเพราะเร็ว แต่ก็เป็นโหมดที่พลาดแล้วเจ็บที่สุด การที่ผู้พัฒนาเลือกปิดคำสั่งลบไฟล์ในโหมดนั้นไปเลยสะท้อนว่ารั้วที่ได้ผลจริงคือรั้วที่ห้ามไปเลย ไม่ใช่รั้วที่ขอให้ระวัง

Claude Code CHANGELOG

บันทึกการเปลี่ยนแปลงวันที่ 20 ตุลาคมระบุว่ามีระบบ user profiles ให้นักพัฒนาบอก Anthropic ได้ว่าคำขอแต่ละครั้งทำแทนลูกค้าปลายทางรายใด ผลคือเมื่อมีการใช้งานผิดเงื่อนไข มาตรการจะมีผลกับลูกค้ารายนั้นแทนที่จะกระทบทั้งองค์กรผู้พัฒนา

ถัดมาวันที่ 21 ตุลาคม มีฟิลด์ enforcement_status และ enforcement_actions ให้อ่านย้อนได้ว่าลูกค้ารายไหนถูกจำกัดหรือถูกระงับอยู่ และมี webhook ระดับองค์กรในสถานะ beta ที่ยิงแจ้งเมื่อมีการจำกัดหรือระงับ และเมื่อมาตรการนั้นสิ้นสุด

ในชุดเดียวกันยังเปิดให้ผู้ดูแลองค์กรปิดเครื่องมือ web fetch ได้ทั้งองค์กร เมื่อปิดแล้วคำขอที่แนบเครื่องมือนี้จะได้ 400 กลับมา และถ้าเปิดไว้ก็ยังกำหนดรายชื่อโดเมนที่อนุญาตหรือห้ามได้

▲ ทำไมต้องรู้ · ใครที่สร้างบริการของตัวเองซ้อนบน AI ของคนอื่นมีความเสี่ยงอยู่ข้อหนึ่งที่มักนึกไม่ถึง คือผู้ใช้คนเดียวที่ทำผิดเงื่อนไขอาจทำให้ทั้งระบบของคุณถูกตัดพร้อมกัน การแยกตัวตนลูกค้าปลายทางไปบอกผู้ให้บริการจึงเป็นงานบ้านที่ควรทำก่อนจะมีปัญหา ไม่ใช่หลังจากนั้น

Claude API release notes

มูลนิธิ PHP เผยแพร่ไทม์ไลน์ของการรั่วไหลระหว่างกระบวนการแจ้งเตือนแบบประสานงาน ซึ่งถือกันไว้ได้จนเหลืออีกสองวันก่อนกำหนดปล่อยแพตช์

วันที่ 20 ตุลาคมราวบ่ายสามตามเวลา UTC รหัส CVE ทั้งสองตัวไปปรากฏบนฟอรั่มและโซเชียล โดยโพสต์เหล่านั้นให้เวลาปล่อยผิดและให้คะแนน CVSS ผิดเป็น 10.0 ขณะที่ค่าจริงคือ 9.2 และยังไม่มีรายละเอียดทางเทคนิครั่วในจุดนั้น ทีม PHP จึงประกาศล่วงหน้าเร็วขึ้นในเวลา 19:30 UTC และเลื่อนกำหนดปล่อยจากวันที่ 22 มาเป็นวันที่ 21 ตุลาคมเวลา 14:00 UTC

ต่อมาราว 20:00 UTC บริษัท Calif ซึ่งเป็นหนึ่งในผู้รายงานช่องโหว่ เผยแพร่วิดีโอออกไปโดยไม่ได้ตั้งใจ วิดีโอนั้นแสดงให้เห็นว่าโค้ดทดสอบของพวกเขาทำงานได้จริงกับเป้าหมายหลายตัวและเผยรายละเอียดเพิ่มบางส่วน การลบทีหลังไม่ได้หยุดสำเนาที่กระจายไปแล้ว และเช้าวันที่ 21 ตุลาคมเวลา 07:41 UTC บริษัท Chainguard ก็เผยแพร่อิมเมจที่ใส่แพตช์แล้วออกไปก่อนกำหนดกว่าหกชั่วโมงโดยไม่ได้ประสานกับใคร ทำให้ผู้โจมตีมีโอกาสศึกษาแพตช์ในรูปไบนารีขณะที่คนอื่นยังรออยู่

มูลนิธิบอกว่าวิดีโอนั้นเร่งให้เกิดโค้ดทดลองโจมตีหลายชิ้นซึ่งวนอยู่ในวันที่ 21 ตุลาคม แต่ทีมความปลอดภัยเฝ้าดูแล้วยังไม่พบตัวที่ใช้โจมตีได้จริงในช่วงเวลาที่ปล่อยแพตช์ ส่วนการปรับกระบวนการที่ประกาศไว้คือเลิกใช้มติเอกฉันท์มาเป็นเสียงข้างมาก และดึงผู้บริหารมูลนิธิเข้ามาร่วมตัดสินเร็วขึ้นในเคสที่ต้องแลกอย่างยาก

▲ ทำไมต้องรู้ · บทเรียนของเคสนี้ไม่ได้อยู่ที่ตัวช่องโหว่ แต่อยู่ที่ช่วงเวลาระหว่างรู้แล้วกับแพตช์ถึงมือผู้ใช้ ซึ่งเป็นช่วงที่ความลับรั่วได้จากคนที่ตั้งใจดีเหมือนกัน ใครดูแลเว็บหรือระบบในองค์กรจึงควรวางแผนไว้ว่าจะอัปเดตอย่างไรเมื่อข่าวมาถึงก่อนแพตช์ ไม่ใช่รอให้ทุกอย่างเรียบร้อยตามกำหนดการ

The PHP Foundation

รายงานวันที่ 22 ตุลาคมจากทีม Frontier Red Team ของ Anthropic ร่วมกับบริษัท Theorem ระบุว่าใช้ Claude สร้างบทพิสูจน์เชิงรูปนัยให้ซอฟต์แวร์จริงในระดับไบนารีที่คอมไพล์แล้ว ครอบคลุม 239 จุดเข้าใช้งานใน 123 ไลบรารี ซึ่งทั้ง 123 ตัวเป็นไลบรารีในโครงการ OSS-Fuzz ของ Google

คุณสมบัติหลักที่พิสูจน์คือโปรแกรมเหล่านั้นจะไม่พังด้วยข้อผิดพลาดด้านหน่วยความจำหรือ assertion ที่ไม่ผ่าน สำหรับข้อมูลเข้าทุกแบบที่ไม่เกิน 64 MB ภายใต้เงื่อนไขที่รายงานระบุว่าใช้อยู่ในตอนนี้ คือเป็นไบนารีสถิตแบบเธรดเดียวที่มีงบหน่วยความจำกำหนดไว้ บนซีพียู RISC-V และระบบปฏิบัติการ Linux วิธีที่ทำให้ขยายขนาดได้คือแปลงชุดทดสอบที่โครงการมีอยู่แล้วให้เป็นข้อกำหนดเชิงรูปนัยโดยอัตโนมัติ ข้อกำหนดจึงมีใจความว่าชุดทดสอบนี้ผ่านทุกครั้ง ซึ่งช่วยข้ามอุปสรรคเรื่องการหาข้อกำหนดที่ครบถ้วนและไม่กำกวม

ขนาดของงานคือบทพิสูจน์รวมประมาณ 180 ล้านบรรทัดในภาษาของตัวตรวจ Rocq โดยบทพิสูจน์ทั่วไปอยู่ราว 600,000 บรรทัดต่อไบนารีที่มีคำสั่งเครื่องมัธยฐาน 18,000 คำสั่ง เฉพาะส่วน OSS-Fuzz 123 ไลบรารีนี้ Claude แก้บั๊กที่เจอแล้วพิสูจน์เสร็จภายในเวลาไม่กี่สัปดาห์ ส่วนงานย่อยอื่นในรายงานไม่ได้ระบุระยะเวลาไว้ รายงานยกงานวิจัยของคนอื่นมาเทียบว่าการพิสูจน์เคอร์เนล seL4 ใช้เวลา 20 ปีคน ขณะที่การเขียนตัวเคอร์เนลเองใช้ 2 ปีคน

รายงานระบุว่ากระบวนการพยายามพิสูจน์ทำให้ค้นพบบั๊กหลายร้อยจุด และ Claude แก้บั๊กที่เจอเหล่านั้นได้ ตัวอย่างที่ยกมาคือการนับย้อนต่ำกว่าศูนย์ในสำเนาตัวคลายบีบอัดที่ไลบรารีหนึ่งพามาด้วย ซึ่งทำให้เกิดการเขียนทับนอกขอบเขต แต่เกิดเฉพาะกับข้อมูลเข้าขนาดราว 20 MB ที่มีการจัดวางแบบเฉพาะหนึ่งแบบเท่านั้น ส่วนบั๊กตรรกะที่ซ่อนอยู่นานกว่าสิบปีมาจากงานตรวจแอปพลิเคชันอีกชุดหนึ่ง ไม่ใช่กองเดียวกับบั๊กหลายร้อยจุดข้างต้น

ข้อควรระวังที่ทีมเขียนเอาไว้ชัดคือคำว่าพิสูจน์แล้วไม่ได้แปลว่าไม่มีบั๊ก เพราะบทพิสูจน์ดีได้เท่าข้อกำหนดและแบบจำลองเครื่องที่ใช้ และยังมีช่องว่างที่ของจริงส่วนใหญ่รันบน x86 หรือ ARM กับไลบรารีแบบเชื่อมโยงตอนรัน ไม่ใช่ไบนารีสถิต RISC-V ที่ผูกกับ musl libc อย่างที่พิสูจน์ไว้ อีกเรื่องที่ทีมเล่าไว้ในเชิงอรรถคือ Claude ทำให้ทฤษฎีบทพิสูจน์ได้ด้วยการแก้โปรแกรมให้ไม่พังเสียเลยก็ได้ ทีมจึงหักคะแนนแพตช์ทุกตัวที่ Claude แก้โปรแกรม และให้คะแนนเพิ่มเมื่อพิสูจน์ได้ว่าแพตช์นั้นเปลี่ยนพฤติกรรมกับข้อมูลเข้าชุดใดและน้อยเพียงใด พร้อมเก็บบันทึกไว้ตรวจย้อนทุกตัว

ที่ต้องเน้นคือตัวเลขทุกตัวในรายงานนี้มาจากผู้ทำงานเองคือ Anthropic กับ Theorem และยังไม่มีการทำซ้ำหรือตรวจทานจากภายนอก บทพิสูจน์ส่วนหนึ่งพร้อม semantics ของ RISC-V และระบบปฏิบัติการถูกเปิดไว้บน GitHub ใต้องค์กรของ Theorem โดยบทพิสูจน์ที่อาจเปิดเผยบั๊กที่ยังไม่ได้แพตช์ถูกกันไว้ไม่ปล่อย

▲ ทำไมต้องรู้ · ข่าวนี้บอกทิศทางว่าการตรวจซอฟต์แวร์กำลังย้ายจากหาบั๊กทีละตัวไปเป็นพิสูจน์ว่าทั้งก้อนไม่พังภายใต้เงื่อนไขที่เขียนไว้ สิ่งที่หยิบไปใช้ได้ทันทีคือวิธีอ่านคำโฆษณาแนวนี้ ให้ดูว่าเขาพิสูจน์คุณสมบัติอะไร ภายใต้ข้อสมมติอะไร และของจริงที่คุณรันอยู่ตรงกับข้อสมมตินั้นหรือไม่

Anthropic

ทีมวิจัยเผยแพร่งานเมื่อวันที่ 21 ตุลาคม ตั้งคำถามว่าเทคนิคของระบบค้นเอกสารมาตอบคำถาม ที่แต่ละตัววัดแล้วดีขึ้นจริง จะยังดีขึ้นอยู่ไหมเมื่อถูกต่อเข้าด้วยกันในสายงานเดียว เทคนิคที่ครอบคลุมมีตั้งแต่การฝังเวกเตอร์ การตัดเอกสารเป็นชิ้น การค้น การจัดอันดับใหม่ การขยายคำค้น การบีบอัดบริบท ไปจนถึงการให้ agent ตรวจคำตอบ

ทีมระบุว่าประกาศสมมติฐานไว้ก่อนทดสอบสามข้อ และปล่อยเครื่องมือชื่อ LASAGNA ให้ทำการทดลองซ้ำได้ ขอบเขตที่รายงานไว้คือ 450 สูตร บนแปดชุดทดสอบ กับคลังเอกสารขนาดตั้งแต่ห้าพันถึงสองแสนชิ้น

ตัวเลขที่เป็นพาดหัวของงานคือการวัดบนชุดข้อมูลชุดเดียว ไม่ใช่ค่าเฉลี่ยของทั้งแปดชุด โดยการเปลี่ยนสามอย่างที่วัดแยกกันแล้วได้ผลดีที่สุด ได้แก่ การจัดอันดับใหม่ด้วย cross-encoder การปิด MMR และการเติมคำนำหน้าบอกที่มาของเอกสาร รวมกันแล้วควรได้คะแนน NDCG@10 ดีขึ้น 46.6% แต่สายงานที่ใส่ทั้งสามอย่างได้จริง 17.2%

ข้อควรระวังที่สำคัญคือภาคผนวกของเปเปอร์เองระบุว่าการทดสอบทางสถิติที่ทีมประกาศเกณฑ์ไว้ล่วงหน้า สำหรับสมมติฐานข้อที่ว่าเทคนิคไม่บวกกันแบบตรงไปตรงมา ไม่ผ่านเกณฑ์ที่ตั้งไว้ และค่าที่ใช้เทียบแบบจำลองยังเอียงไปทางแบบจำลองที่ไม่มีผลร่วมระหว่างเทคนิคเลย ช่องว่างระหว่าง 46.6% กับ 17.2% จึงยืนได้ในฐานะตัวเลขที่วัดได้ แต่ยังไม่ใช่ข้อสรุปทางสถิติที่เปเปอร์ยืนยันได้เอง และการที่ทีมหยิบสามอย่างที่แรงที่สุดมารวมกันก็เป็นวิธีที่ทำให้ผลรวมต่ำกว่าที่คาดอยู่แล้วตามธรรมชาติของการเลือกค่าสูงสุด

ข้อค้นพบที่งานนี้ยืนยันได้หนักแน่นที่สุดเป็นอีกข้อ คือสูตรที่ดีที่สุดเปลี่ยนไปตามขนาดคลังเอกสาร สูตรแบบมาตรฐานนำที่คลังขนาดห้าพันถึงหนึ่งหมื่นห้าพันชิ้น แล้วสูตรแบบสมดุลแซงตั้งแต่สองหมื่นห้าพันชิ้นขึ้นไป อีกข้อที่รายงานไว้คือการไล่ปรับคุณภาพการค้นกับการไล่ปรับให้คำตอบตรงตามเอกสารเป็นคนละทาง ปรับข้างหนึ่งแล้วอีกข้างแย่ลงได้ โดยฝั่งการค้นได้ผลรวมน้อยกว่าที่คาด ขณะที่ฝั่งความตรงตามเอกสารได้ผลรวมมากกว่าที่คาด

▲ ทำไมต้องรู้ · องค์กรไทยหลายแห่งกำลังทำระบบถามตอบจากเอกสารภายใน และวิธีตัดสินใจที่พบบ่อยคือหยิบเทคนิคที่เปเปอร์หรือบล็อกบอกว่าได้ผลมาต่อกันให้ครบ งานนี้เสนอว่าตัวเลขที่วัดแบบแยกชิ้นไม่ใช่ตัวทำนายผลในสภาพทดสอบที่สมจริงได้อย่างน่าเชื่อถือ ทางที่ปลอดภัยกว่าคือวัดทั้งสายด้วยคลังเอกสารขนาดเท่าของจริง และกรณีนี้ยังเป็นตัวอย่างที่ดีว่าบทคัดย่อกับหน้าโครงการของงานวิจัยอาจเล่าผลหนักแน่นกว่าที่ภาคผนวกของตัวเองรองรับ

arXiv 2610.29722

งานวิจัยที่เผยแพร่เมื่อวันที่ 19 ตุลาคมตั้งโจทย์ว่า ให้ agent อ่านคำสั่งงานกับสภาพแวดล้อม แล้วเขียนโปรแกรมตรวจคำตอบที่ต้องรับทุกคำตอบที่ถูกและปฏิเสธคำตอบที่ผิด ชุดทดสอบชื่อ VerifierBench มี 222 งานที่ดึงมาจากหกชุดทดสอบ agent พร้อมกรณีทดสอบซ่อน 4,993 กรณีที่มีทั้งคำตอบถูกแบบอื่นและการโจมตี

ผลจาก 19 โมเดลในสภาพแวดล้อมเดียวกันคือคะแนนความแม่นแบบถ่วงดุลกระจายตั้งแต่ 10.6 ถึง 62.1 ตัวตรวจที่ AI เขียนขึ้นปฏิเสธคำตอบผิดได้ค่อนข้างแน่นอนกว่าการรับคำตอบถูก ซึ่งผู้วิจัยเตือนว่าตัวเลขแบบนี้อาจกลบปัญหาว่าตัวตรวจเข้มเกินไป

ตัวอย่างที่ยกมาคือตัวตรวจตั้งข้อสมมติที่ไม่มีใครระบุไว้เกี่ยวกับรูปแบบคำตอบ การเรียกเครื่องมือ และวิธีแก้โค้ด ความผิดพลาดแบบนี้รอดจากการทดสอบตัวเองได้ เพราะ agent ไปทดสอบด้วยคำตอบที่ตั้งข้อสมมติผิดแบบเดียวกัน หรือส่งตัวตรวจออกมาโดยไม่ยืนยันเลยว่ามีคำตอบที่ถูกผ่านได้จริง

▲ ทำไมต้องรู้ · วิธียอดนิยมในการวางใจ AI คือให้ AI ตรวจงานตัวเองหรือตรวจงานกันเอง งานนี้ชี้จุดอ่อนที่ตรงใจ คือตัวตรวจที่เข้มเกินไปจะดูเหมือนทำงานดีเพราะมันปฏิเสธเก่ง ถ้าจะใช้แนวทางนี้ในงานจริง ต้องทดสอบด้วยว่าตัวตรวจยอมรับคำตอบที่ถูกต้องแบบอื่นที่โจทย์เปิดช่องไว้ด้วยหรือไม่

arXiv 2610.28679

งานวิจัยที่เผยแพร่เมื่อวันที่ 21 ตุลาคมเปิดชุดทดสอบและกระดานคะแนนชื่อ Quant-Arena ที่วัดว่าโมเดลทำวงจรวิจัยเชิงปริมาณได้ครบไหม ตั้งแต่ตั้งสมมติฐานเรื่องตลาด เขียนเป็นสัญญาณซื้อขาย ทดสอบกับข้อมูลย้อนหลัง แล้วตัดสินใจว่าจะเก็บอะไรไว้

วิธีวัดคือให้ทำงานบนข้อมูลหุ้นจีนจริง เห็นผลป้อนกลับได้เฉพาะช่วงปี 2022 ถึง 2023 แล้วต้องตรึงกลยุทธ์หนึ่งตัวไปวัดกับปี 2024 ที่ปิดไว้ไม่ให้เห็น การประเมินใช้บัญชีเงินสดที่คิดข้อจำกัดและต้นทุนการซื้อขาย และประมาณผลกระทบต่อราคาจากสมุดคำสั่งจำลอง

ผลจากเก้าโมเดลแนวหน้าคือ GPT-6 Astra ได้คะแนนสูงสุด แต่บทคัดย่อระบุว่าไม่มีโมเดลไหนเอาชนะการถือหุ้นแบบถ่วงน้ำหนักเท่ากันทั้งตลาดในปี 2024 ได้

▲ ทำไมต้องรู้ · คำโฆษณาที่เจอบ่อยคือ AI ช่วยหาจังหวะลงทุนได้ ชุดทดสอบนี้วัดแบบที่โกงยากขึ้น คือตรึงกลยุทธ์แล้ววัดกับปีที่ไม่เคยเห็น และผลออกมาว่าแพ้วิธีที่ง่ายที่สุด ข้อควรระวังคือชุดนี้วัดบนตลาดหุ้นจีน จึงยังไม่ตอบแทนตลาดอื่น

arXiv 2610.30113

เว็บ ModelCompare เผยแพร่การทดลองเมื่อวันที่ 22 ตุลาคม โดยถามโมเดลข้อความ 12 ตัวแบบไม่ใส่คำสั่งระบบและไม่ขอคำตอบใหม่ ตัวละสามครั้ง ให้ตอบเป็นความเห็นหนึ่งประโยคพร้อมเหตุผลสั้น ๆ โมเดลที่ทดสอบมีทั้ง GPT-6.1 Sol, GPT-6 Astra, Gemini 4 Argon, DeepSeek V4 Pro, Kimi K3, Grok 4.7, Claude Opus 5.5, Claude Fable 5.1, Mistral Large 4 และอื่น ๆ

คำตอบที่ตรงกันคือคนเลือกเชื่อตามกลุ่มของตัวเองก่อน แล้วค่อยหาเหตุผลมารองรับทีหลัง ผู้ทดลองนับได้ 29 คำตอบจาก 35 คำตอบที่ไปทางนี้ โดยมีหนึ่งครั้งที่ Grok 4.7 ปฏิเสธไม่ตอบ และมีเจ็ดโมเดลจากสิบสองตัวที่ตอบแนวนี้ทั้งสามครั้ง ส่วน Claude Opus 5.5 และ Claude Fable 5.1 เป็นสองตัวที่ให้คำตอบต่างออกไปบ้าง

ส่วนที่น่าคิดกว่าคือฝั่งภาพ เมื่อให้โมเดลสร้างภาพหกตัววาดการ์ตูนล้อความเห็นของตัวเอง สิบภาพจากสิบสองภาพวาดมุกเดียวกันคือคนติดโทรศัพท์และทำลายโลก ทั้งที่ไม่มีคำตอบฝั่งข้อความไหนพูดถึงโทรศัพท์หรือสิ่งแวดล้อมเลย ข้อควรระวังคือการจัดกลุ่มคำตอบทำด้วยมือโดยผู้เผยแพร่เอง และใช้คำถามเพียงสำนวนเดียว

▲ ทำไมต้องรู้ · เวลาถามโมเดลหลายตัวแล้วได้คำตอบเหมือนกัน หลายคนอ่านว่าเป็นหลักฐานว่าคำตอบนั้นถูก การทดลองนี้ชี้ทางอื่นที่เป็นไปได้ คือโมเดลเรียนจากข้อความกองใกล้เคียงกัน ความเหมือนจึงบอกเรื่องของข้อมูลฝึกมากกว่าความจริงของโลก

ModelCompare

P. K. G. Williams จากศูนย์ดาราศาสตร์ฟิสิกส์ Harvard และ Smithsonian เผยแพร่เปเปอร์เมื่อวันที่ 19 ตุลาคม มองวรรณกรรมวิชาการเป็นทรัพยากรส่วนรวมเชิงข้อมูล ซึ่งไม่มีใครเป็นเจ้าของและทุกคนใช้ร่วมกัน แล้วหยิบกรอบเศรษฐศาสตร์และรัฐศาสตร์ที่ใช้อธิบายที่ดินส่วนรวมในอังกฤษยุคก่อนอุตสาหกรรมมาใช้

ข้อสังเกตของผู้เขียนคือทรัพยากรส่วนรวมเชิงข้อมูลนั้นทนทานและมีค่ามาก ขณะที่ที่ดินส่วนรวมของอังกฤษแทบไม่มีเหลืออยู่จริงแล้ว และสาเหตุที่หายไปไม่ใช่โศกนาฏกรรมของสมบัติส่วนรวมตามที่มักเข้าใจกัน แต่เป็นขบวนการล้อมที่ดินช่วงราวปี 1600 ถึง 1800 ที่เปลี่ยนที่ดินส่วนรวมให้เป็นทรัพย์สินเอกชน ซึ่งหลายคนมองว่าเป็นการยึดครองขนาดใหญ่

ข้อเสนอหลักคือ AI ทำให้การล้อมทรัพยากรส่วนรวมเชิงข้อมูลเป็นไปได้ในทางปฏิบัติ ซึ่งต่างเรื่องกลไกจากการล้อมที่ดิน แต่มีลักษณะร่วมกันคือเปลี่ยนของส่วนรวมเป็นความมั่งคั่งของเอกชน และทำให้ระบบทางสังคมที่คอยค้ำทรัพยากรนั้นอ่อนแรงลง โดยผู้เขียนอธิบายผลข้อหลังผ่านปัญหาเนื้อหาขยะที่ท่วมขึ้นมา เปเปอร์ยาว 14 หน้าพร้อมรายการอ้างอิง 32 รายการ

▲ ทำไมต้องรู้ · ข้อถกเถียงเรื่อง AI กับเนื้อหามักจบลงที่คำถามว่าละเมิดลิขสิทธิ์หรือไม่ ซึ่งตอบได้แค่บางส่วน กรอบนี้เสนอมุมที่ต่างออกไปว่าปัญหาอยู่ที่ระบบที่ทำให้คนยังอยากผลิตความรู้มาแบ่งกันต่อ และเป็นมุมที่ใช้คุยในวงที่ทำงานกับเนื้อหาหรือข้อมูลขององค์กรได้

arXiv 2610.27251

งานวิจัยชื่อ SkillEval เสนอให้ใช้โมเดลวินิจฉัยเชิงปัญญา ซึ่งเป็นวิธีที่วงการวัดผลการศึกษาใช้ประเมินว่าผู้เรียนอ่อนแข็งทักษะใด มาประเมินความสามารถแยกทักษะของโมเดลภาษา แทนการให้คะแนนรวมเป็นตัวเลขเดียว

ขอบเขตที่รายงานไว้คือครอบคลุมโมเดล 3,811 ตัว และผลที่ชี้ให้เห็นคือเมื่อรู้ว่าโมเดลตัวไหนถนัดทักษะใด ก็ส่งงานไปให้ตัวที่เหมาะกับงานนั้นได้ ซึ่งลดต้นทุนการประมวลผลลงได้มากกว่า 60%

▲ ทำไมต้องรู้ · องค์กรส่วนใหญ่เลือกโมเดลด้วยคะแนนรวมบนตารางอันดับ แล้วใช้ตัวเดียวทำทุกงาน งานนี้สนับสนุนวิธีที่ทีมซึ่งคุมค่าใช้จ่ายเป็นใช้กันอยู่แล้ว คือแยกประเภทงานก่อน แล้วจับคู่งานง่ายกับโมเดลเล็กที่ถูกกว่า เหลือโมเดลใหญ่ไว้เฉพาะงานที่ต้องใช้จริง

arXiv 2610.28767

Blognone รายงานเมื่อวันที่ 22 ตุลาคมว่า Cloudflare ออกกฎบนไฟร์วอลล์ระดับแอปพลิเคชันเพื่อสกัดการโจมตีผ่านช่องโหว่ PHP2Shell และเปิดให้ผู้ใช้ทุกระดับใช้ได้ฟรี ไม่จำกัดเฉพาะแพ็กเกจที่เสียเงิน

ข้อควรระวังคือการกรองที่ขอบเว็บเป็นการซื้อเวลา ไม่ใช่การแก้ต้นเหตุ เพราะตัว PHP บนเครื่องยังมีช่องโหว่อยู่จนกว่าจะอัปเดตเป็นรุ่นที่แพตช์แล้ว

▲ ทำไมต้องรู้ · เว็บองค์กรและเว็บร้านค้าในไทยจำนวนมากรันบน PHP ผ่าน WordPress หรือระบบจัดการเนื้อหาอื่น และหลายเจ้าอัปเดตเองไม่ได้ทันทีเพราะต้องรอผู้ดูแลระบบหรือผู้พัฒนาภายนอก การเปิดการป้องกันที่ชั้นหน้าเว็บให้ฟรีจึงช่วยลดความเสี่ยงช่วงรอได้ แต่ยังต้องตามอัปเดตให้จบ

Blognone

Blognone รายงานเมื่อวันที่ 22 ตุลาคมว่า Adobe เพิ่มความสามารถในแอป Lightroom บน iOS, Android และ iPadOS ที่ใช้ AI แบบสร้างภาพเปลี่ยนภาพบุคคลที่หลับตาให้กลายเป็นลืมตาได้ในคลิกเดียว

ผลลัพธ์จะดีขึ้นถ้าในคลังภาพมีรูปของคนเดียวกันที่ลืมตาอยู่ด้วย เพราะระบบใช้เป็นตัวอ้างอิง ส่วนเงื่อนไขการใช้งานคือลองฟรีได้สองครั้ง หลังจากนั้นต้องสมัครสมาชิก Creative Cloud

▲ ทำไมต้องรู้ · ความสามารถแบบนี้ทำให้งานถ่ายภาพหมู่ในที่ทำงานหรืองานอีเวนต์เร็วขึ้นมาก แต่ก็ดันเส้นแบ่งเรื่องการแก้ภาพคนให้คลุมเครือขึ้นไปอีก สิ่งที่ควรตกลงกันไว้ก่อนใช้กับภาพคนอื่นคือแก้ได้ถึงไหนและต้องบอกหรือไม่ เพราะใบหน้าที่ถูกสร้างขึ้นใหม่ไม่ใช่สิ่งที่กล้องบันทึกไว้จริง

Blognone

เอกสารแจ้งผลประกอบการลงวันที่ 21 ตุลาคมระบุว่ารายได้ไตรมาสสามปี 2026 อยู่ที่ 64.60 พันล้านดอลลาร์ เพิ่มขึ้น 26% จากปีก่อน ส่วนกำไรจากการดำเนินงานอยู่ที่ 12.99 พันล้านดอลลาร์ ซึ่งรวมค่าใช้จ่ายทางกฎหมาย 9.89 พันล้านดอลลาร์จากข้อตกลงเดือนสิงหาคม 2026 กับอัยการสูงสุด 52 รัฐไว้แล้ว

อัตรากำไรจากการดำเนินงานจึงเหลือ 20% จาก 40% ในไตรมาสเดียวกันของปีก่อน ขณะที่รายจ่ายลงทุนไตรมาสนี้อยู่ที่ 34.91 พันล้านดอลลาร์ และบริษัทปรับกรอบงบลงทุนทั้งปีให้แคบลงเป็น 135 ถึง 145 พันล้านดอลลาร์ จากเดิม 130 ถึง 145 พันล้านดอลลาร์

อีกตัวเลขที่สวนทางกันคือจำนวนพนักงาน ซึ่งอยู่ที่ 66,775 คน ณ สิ้นเดือนกันยายน ลดลง 15% จากปีก่อน ส่วนบริษัทระบุว่าจะยังลงทุนอย่างหนักต่อไปเพื่อรองรับทั้งธุรกิจหลักและงาน AI ใหม่ โดยสื่อไทยรายงานประกอบว่าแอป Muse มีผู้ใช้เกินสิบล้านคนแล้ว (ต่อเนื่องจาก 2026-10-22)

▲ ทำไมต้องรู้ · ตัวเลขชุดนี้เป็นภาพชัดของสิ่งที่เกิดขึ้นทั่วอุตสาหกรรม คือรายได้โตแต่กำไรถูกกินด้วยการลงทุนสร้างกำลังประมวลผล และบริษัทลดจำนวนคนลงพร้อมกับเพิ่มงบเครื่อง ใครวางแผนอาชีพหรือวางแผนต้นทุนเครื่องมือ AI ขององค์กรควรอ่านทิศทางนี้ไว้ เพราะต้นทุนที่ผู้ให้บริการแบกอยู่วันนี้มีโอกาสส่งมาถึงราคาที่เราจ่ายในวันหน้า

Meta investor relations · Blognone

Blognone รายงานเมื่อวันที่ 22 ตุลาคมว่า Salesforce ตกลงซื้อกิจการ Braze ซึ่งเป็นแพลตฟอร์มบริหาร customer engagement ที่วางตัวเองเป็นแพลตฟอร์ม AI สำหรับนักการตลาด ดีลนี้เป็นเงินสดทั้งก้อน มูลค่า 5.66 พันล้านดอลลาร์

แผนของ Salesforce คือรวม Braze เข้ากับ Marketing Cloud, CRM และ Data 360 ของตัวเอง

▲ ทำไมต้องรู้ · ตลาดเครื่องมือการตลาดกำลังรวมศูนย์อยู่ที่เจ้าใหญ่ที่ถือข้อมูลลูกค้าไว้แล้ว ซึ่งกระทบคนทำงานสายการตลาดสองทาง ทางหนึ่งคือเครื่องมือที่ใช้อยู่อาจถูกยุบรวมหรือเปลี่ยนราคา อีกทางคือความสามารถด้าน AI จะมาพร้อมแพ็กเกจที่องค์กรซื้ออยู่แล้ว แทนที่จะต้องหาผู้ขายรายใหม่

Blognone