AI News · 2026-10-28

Google DeepMind เผยแพร่บล็อกเมื่อ 27 ตุลาคม เปิดตัว Genie 4 ซึ่งบริษัทเรียกว่าโมเดลจำลองโลกรุ่นใหม่ที่ให้ภาพสมจริงขึ้นและจำลองแบบโต้ตอบได้แบบเรียลไทม์ดีขึ้น กระทู้ Hacker News มีคะแนนราว 680 ภายในวันเดียว จุดใหม่ที่บริษัทเน้นคือ Genie 4 เป็นโมเดลจำลองโลกแบบเรียลไทม์ตัวแรกของ DeepMind ที่สร้างเสียงเองไปพร้อมภาพ ทั้งเพลง เสียงบรรยากาศ และบทพูด และผู้ใช้เปลี่ยนสภาพอากาศ ขยับกล้อง หรือเพิ่มคนและวัตถุเข้าไปในฉากด้วยคำสั่งภาษาธรรมดาระหว่างที่ฉากกำลังเล่นอยู่

เบื้องหลังมีโมเดล Gemini หลายตัวทำงานร่วมกัน Gemini Omni ช่วยให้รูปลักษณ์และพฤติกรรมในฉากใกล้ของจริง และบล็อกระบุว่า Gemini 3.8 Flash ทำหน้าที่เป็น agent ที่วางขั้นตอน ตรวจความคืบหน้า และปรับตามเมื่อผู้ใช้แทรกคำสั่ง บริษัทยังทดลองใช้ Gemini 4 Argon คู่กับ Genie 4 ในงานหุ่นยนต์ ผู้ทดสอบที่บล็อกยกตัวอย่างมาจากงานสร้างสรรค์ ข่าว การศึกษา เกม และวิศวกรรม เช่น ทำภาพร่างฉากก่อนถ่ายจริง หรือเปลี่ยนภาพถ่ายเก่าเป็นฉากจำลอง

ตอนนี้เปิดเป็น research preview ให้ผู้ทดสอบที่ไว้ใจได้ บล็อกระบุว่าจะเปิดให้สมาชิก Google AI Ultra ผ่าน Project Genie ในเร็ว ๆ นี้ ซึ่งมีรายชื่อรอ และให้พันธมิตรที่ได้สิทธิ์ใช้ก่อนผ่าน Gemini API กับ Google AI Studio บล็อกไม่ระบุราคา และ Google บอกว่าวิดีโอกับเสียงทั้งหมดที่สร้างจะมีลายน้ำ SynthID

ข้อควรระวังคือบล็อกไม่ให้ตัวเลขใดเลย ทั้งความละเอียด อัตราเฟรม หรือระยะเวลาที่ฉากคงที่ และเขียนเองว่ารายละเอียดภาพกับการคงอยู่ของวัตถุ "can still shift or drift over time" ผู้ร่วมกระทู้หลายคนชี้จากวิดีโอสาธิตเองว่าปราสาทหายไปเมื่อกล้องหันออกแล้วหันกลับ และคนขี่จักรยานยนต์ที่ไม่มีหมวกกันน็อกจู่ ๆ ก็มีหมวกขึ้นมา อีกคนชี้ว่าโมเดลเป็นของปิดที่ไม่เผยรายละเอียดเทคนิคหรือขนาดเลย

▲ ทำไมต้องรู้ · สำหรับคนทำสื่อ การตลาด หรือฝึกอบรม เครื่องมือแบบนี้จะเปลี่ยนงานร่างฉากและทำสถานการณ์จำลองจากหลายวันเหลือไม่กี่นาที แต่ข้อจำกัดเรื่องวัตถุที่หายไปเมื่อพ้นกล้องแปลว่ายังเอาไปใช้แทนการถ่ายจริงหรือใช้เป็นหลักฐานไม่ได้ และลายน้ำ SynthID ที่ฝังมาคือสิ่งที่ควรรู้ไว้เวลาต้องตรวจว่าคลิปไหนสร้างด้วย AI

Google DeepMind · Hacker News

Liquid AI เผยแพร่บล็อกเมื่อ 27 ตุลาคม เปิดตัว LFM3 ชุดแรกหกตัว ทั้งหมดขนาดราว 2 พันล้านพารามิเตอร์และแตกมาจากฐานเดียวกันคือ LFM3-1.7B-Base แบ่งเป็นสี่ตัวตามชนิดข้อมูลเข้า ได้แก่ ข้อความ ภาพ เสียง และแบบรวมทุกอย่าง กับอีกสองตัวที่ปรับมาสำหรับการตัดสินใจ ตัวข้อความ LFM3-1.7B รับบริบทได้ 256,000 โทเคน ฝึกด้วยข้อมูล 22 ล้านล้านโทเคน และเมื่อบีบเป็น 4 บิตใช้พื้นที่ราว 1 กิกะไบต์ ทุกตัวเปิดน้ำหนัก ใช้ได้บน Hugging Face และ API ของบริษัท และปรับจูนต่อบน GPU ตัวเดียวได้

ตารางของบริษัทให้ LFM3-1.7B ได้ 71.39 บน BFCL V4 และ 41.29 บน AutomationBench ชุดสาธารณะ เทียบ Qwen3.5-9B ที่ใหญ่กว่าราวห้าเท่าซึ่งได้ 62.83 และ 15.10 ตามลำดับ แต่บนงานที่ต้องใช้ความรู้มาก Qwen3.5-9B ยังนำ เช่น SWE-bench Verified 51.20 ต่อ 43.40 และ RULER ที่บริบท 128,000 โทเคน 87.11 ต่อ 65.56 บล็อกยอมรับเองว่าโมเดลใหญ่ยังชนะในการเขียนโค้ดแบบ agent และงานความรู้ AMD, Qualcomm และ Ambarella ออกแถลงสนับสนุน

ข้อควรระวังคือตัวเลขทั้งหมดเป็นผลวัดของ Liquid AI เอง ยังไม่มีผู้วัดอิสระ และหน้าบล็อกที่เราอ่านเขียนเพียงว่า open-weight โดยไม่ระบุชื่อใบอนุญาต

▲ ทำไมต้องรู้ · โมเดลขนาดนี้รันบนโน้ตบุ๊กหรือมือถือได้โดยไม่ส่งข้อมูลออกนอกเครื่อง สำหรับองค์กรที่อยากให้ AI ทำงานซ้ำ ๆ อย่างกรอกฟอร์มหรือเรียกเครื่องมือภายในโดยไม่ต้องจ่ายค่า API ทุกครั้ง นี่คือตัวที่ควรลองเทียบกับงานจริงของตัวเอง แต่อย่าคาดหวังให้มันตอบคำถามความรู้ทั่วไปได้เท่าโมเดลใหญ่

Liquid AI · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.312 ซึ่งขึ้นเป็นรายการบนสุดโดยไม่ระบุวันที่มีรายการ 39 ข้อ ข้อที่ผู้ใช้ทั่วไปจะเห็นทันทีคือข้อความแจ้งเพดานการใช้งานเรียกหน้าต่างห้าชั่วโมงว่า 5-hour limit แทนคำว่า session limit และส่วนขยาย VS Code แสดงเวลารีเซ็ตเป็นเวลานาฬิกา ส่วนตัวบ่งชี้ระดับความพยายามคิดบนหน้าจอ ใน OpenTelemetry และใน transcript ตอนนี้แสดงระดับที่มีผลจริง ไม่ใช่ระดับที่เพิ่งเลือกกลางงานแต่โมเดลยังไม่ได้ใช้

ฝั่งองค์กร การสลับโมเดลอัตโนมัติหลังข้อความถูกตั้งธงครอบคลุมถึงชื่อโมเดลที่ Claude Code ไม่รู้จัก เช่น ชื่อ deployment ที่องค์กรตั้งเอง ซึ่งปิดได้ด้วย CLAUDE_CODE_DISABLE_REFUSAL_FALLBACK=1 และบน Bedrock, Vertex, Foundry กับ Mantle ชื่อโมเดลที่ไม่รู้จักจะได้ system prompt แบบสั้นแม้ข้างหลังจะเป็น Sonnet หรือ Haiku โดยตั้ง CLAUDE_CODE_SIMPLE_SYSTEM_PROMPT=0 เพื่อกลับไปใช้แบบเต็ม เกตเวย์ Claude apps เพิ่มตัวเลือก oidc.user_id_claim ให้ระบุตัวคนด้วย claim อื่นที่ไม่ใช่ sub เช่น oid ของ Microsoft Entra ID และ Code Review แก้ปัญหาที่ GitHub ส่ง push event ช้าจนรีวิวผิด commit หรือไม่รีวิวเลย ตอนนี้รีวิว commit ปัจจุบันของ pull request เสมอ

▲ ทำไมต้องรู้ · องค์กรที่เรียก Claude ผ่านคลาวด์ด้วยชื่อ deployment ของตัวเองควรรู้ว่าสองข้อนี้เปลี่ยนพฤติกรรมเงียบ ๆ คือ prompt ที่โมเดลได้รับสั้นลง และอาจถูกสลับโมเดลหลังข้อความถูกตั้งธง ถ้าทีมเห็นคุณภาพหรือค่าใช้จ่ายเปลี่ยนหลังอัปเดต ให้เช็กสองตัวแปรนี้ก่อน

Claude Code CHANGELOG

หน้าโครงการ Survival LLM ซึ่งขึ้น Hacker News เมื่อ 27 ตุลาคมและมีคะแนนราว 150 อธิบายว่าเป็นผู้ช่วย AI กับห้องสมุดฉุกเฉินที่รันบนคอมพิวเตอร์ของผู้ใช้ โค้ดเป็นโอเพนซอร์สใต้ MIT และหน้าเว็บเขียนว่าสิ่งที่ถามจะไม่ออกจากเครื่อง ระบบเลือกโมเดลตามหน่วยความจำของเครื่อง ตั้งแต่ IBM Granite 4.2 8B สำหรับเครื่อง 16 ถึง 31 กิกะไบต์ ไปจนถึง NVIDIA Nemotron 3.5 Super สำหรับ Mac ที่มีหน่วยความจำ 128 กิกะไบต์ขึ้นไป ห้องสมุดรวมบทความ Wikipedia ที่คนอ่านมากที่สุดราว 930,000 บทความ ข้อมูลการแพทย์อย่าง WikiMed และ MedlinePlus คู่มือจาก Ready.gov และ CDC คู่มือซ่อมจาก iFixit และ wikiHow รวมดาวน์โหลด 9 กิกะไบต์ และมีรุ่นเล็ก 1.3 กิกะไบต์ ติดตั้งใช้เวลาราว 20 นาทีถึงสองชั่วโมงครึ่ง

ข้อควรระวังคือหน้าเว็บไม่ระบุชื่อผู้พัฒนา และคะแนนทดสอบ 14 ถึง 21 จาก 22 ข้อที่ให้ไว้ต่อโมเดลมาจากห้องสมุดรุ่นก่อนหน้า ไม่ใช่รุ่นปัจจุบัน

▲ ทำไมต้องรู้ · โครงการนี้เป็นตัวอย่างที่จับต้องได้ว่าการรัน AI บนเครื่องตัวเองพร้อมคลังเอกสารที่คัดไว้ทำได้แล้วบนคอมพิวเตอร์ทั่วไป หลักเดียวกันใช้ได้กับองค์กรที่ต้องการผู้ช่วยตอบคำถามจากคู่มือภายในโดยไม่ส่งเอกสารออกไปคลาวด์ ส่วนคะแนนที่ต่างกันมากระหว่างเครื่องเล็กกับเครื่องใหญ่บอกว่าขนาดโมเดลยังสำคัญกับคุณภาพคำตอบ

Survival LLM · Hacker News

Blognone รายงานเมื่อ 27 ตุลาคมว่า Cloudflare ตั้งเซิร์ฟเวอร์ Apache กับ mod_php รุ่น PHP 8.5.11 ซึ่งเป็นรุ่นก่อนแพตช์ ไว้หลังระบบ WAF ของบริษัท และวางไฟล์ธงไว้ข้างใน ใครอ่านไฟล์นั้นได้จะได้รางวัล 3,000 ดอลลาร์ผ่าน HackerOne ตัว PHP รันใน Cloudflare Container ที่รีเซ็ตตัวเองทุกไม่กี่นาที บริษัทย้ำว่า WAF ไม่ได้ใช้แทนการอัปเดตซอฟต์แวร์ การทดสอบนี้ตามหลังเว็บทดลองที่วางบิตคอยน์ไว้บน nginx กับ PHP-FPM ซึ่งถูกเจาะสำเร็จในราว 19 ชั่วโมงเมื่อสัปดาห์ก่อน

▲ ทำไมต้องรู้ · ถ้าเว็บขององค์กรยังแพตช์ PHP ไม่ทันและพึ่ง WAF อยู่ การทดสอบนี้จะให้หลักฐานจริงว่า WAF กันได้แค่ไหน ไม่ว่าผลจะออกมาทางไหน ข้อสรุปที่ผู้ขาย WAF เองยังย้ำคือให้แพตช์ก่อน แล้วค่อยใช้ WAF เป็นชั้นเสริม

Blognone

Anthropic เผยแพร่รายงานเมื่อ 27 ตุลาคม เล่าผลจากความร่วมมือวิจัยเชิงลึกกับหกองค์กรตลอดหลายเดือน พร้อมโครงการค้นยาของตัวเองที่รวมโรคกล้ามเนื้อเสื่อมชนิดหายากในเด็ก ตัวอย่างที่ให้ตัวเลขชัดคือ Divergence Labs ที่ Claude แปลงเป้าหมายของทีมเป็นแผนออกแบบแล้วสร้างแบบแอนติบอดีราว 35,000 แบบในราวหนึ่งเดือนแบบ "largely autonomously" การทดสอบช่วงแรกพบ 20 แบบที่ดึง IgE ออกได้ ซึ่งสามแบบดูเหมือนดึงออกได้มากกว่ายามาตรฐาน ส่วน Generate Biomedicines ใช้ Claude Code ออกแบบส่วนหนึ่งของคำสั่งพันธุกรรมใน CAR T-cell ได้แบบที่สั้นลงราว 70% และในห้องแล็บทำให้เซลล์ภูมิคุ้มกันสร้างตัวรับที่จับเซลล์มะเร็งได้มากขึ้นราวสิบเท่า

งานที่ใกล้คนทำงานทั่วไปที่สุดคือของ Enveda ซึ่งรายงานว่านักเคมีฝ่ายผลิตใช้เวลาถึง 75% ไปกับงานเอกสาร เมื่อให้ Claude ตรวจเอกสารการผลิต 1,061 หน้า Claude จับได้ครบทั้ง 11 ปัญหาที่คนตรวจเจอ และพบเพิ่มอีกเจ็ดจุดที่คนพลาด เวลาตรวจของคนลดจากกว่า 25 ชั่วโมงเหลือไม่ถึงสามชั่วโมง และร่างเอกสารยื่นหน่วยงานกำกับฉบับหนึ่งใช้สี่ชั่วโมงแทนราวสามเดือน ซึ่งการตรวจปกติของคนพบข้อผิดพลาดเล็กหนึ่งจุด นอกจากนี้ BigHat Biosciences ทำและทดสอบตัวแปรราว 1,010 แบบในราวสิบสัปดาห์ Bristol Myers Squibb ใช้ Claude ประเมินแผนทดลองทางคลินิกระยะแรก และผู้ก่อตั้ง Mithril Medicine ซึ่ง Anthropic ซื้อกิจการแล้ว ใช้ Claude ประสานงานกับแล็บภายนอก 11 แห่งจนพาแนวทางรักษาจากไอเดียไปถึงผลดีในหนูภายในไม่ถึง 18 เดือน

ข้อควรระวังคือรายงานเขียนเองว่างานยัง "still at an early stage" และส่วนใหญ่เป็นงานก่อนทดลองในคน ยาที่อาจเข้าทดลองในคนเร็วที่สุดคือปลายปี 2028 ถ้าผลยังดีต่อเนื่อง ตัวเลขทั้งหมดเป็นของ Anthropic และพันธมิตร ไม่มีผู้ตรวจอิสระ ไม่ระบุรุ่นโมเดล และไม่ให้ตัวเลขค่าใช้จ่าย

▲ ทำไมต้องรู้ · ตัวเลขที่ใช้ได้กับทุกอุตสาหกรรมคือเคสตรวจเอกสาร เพราะงานตรวจเอกสารยาวที่ต้องจับข้อผิดพลาดมีอยู่ในทุกองค์กร ผลที่ AI จับได้ครบทุกจุดที่คนเจอและเจอเพิ่ม โดยยังมีคนตรวจซ้ำ คือรูปแบบที่คุ้มลองมากกว่าการให้ AI ทำงานแทนคนทั้งหมด ส่วนเรื่องยาใหม่ยังต้องรอผลในคนอีกหลายปี

Anthropic · Hacker News

หน้าโครงการ CFSG in Lean ของ Axiom Math ซึ่งขึ้น Hacker News เมื่อ 27 ตุลาคมและมีคะแนนราว 155 ระบุว่าทีมทำให้การพิสูจน์รุ่นแรกของทฤษฎีบทจำแนกกรุปเชิงเดียวจำกัด ซึ่งบอกว่ากรุปเชิงเดียวจำกัดทุกตัวอยู่ในสี่กลุ่มรวมถึงกรุปพิเศษ 26 ตัว เป็นทางการครบใน Lean โดยทุกขั้นตรรกะถูกตรวจด้วยแกนของ Lean หน้าเว็บอธิบายว่าการพิสูจน์ต้นฉบับยาวหลายพันหน้าในวารสาร เขียนโดยนักคณิตศาสตร์ราวหนึ่งร้อยคนตลอดหลายทศวรรษ ตัวเลขที่ให้คือ Lean 43.1 ล้านบรรทัด 2.05 ล้านนิยามและทฤษฎีบท อ้างงานต้นฉบับ 715 ชิ้น README ของคลังบน GitHub ระบุว่าไม่มี sorry ใช้แค่สัจพจน์มาตรฐานสามตัว ไม่ใช้ native_decide และเผยแพร่ใต้ Apache 2.0 ทีมยังรายงานว่าพบตัวอย่างค้านของข้ออ้างหนึ่งที่ใช้ในเส้นทางพิสูจน์ที่ตีพิมพ์แล้วของ Unbalanced Group Theorem และเขียนเปเปอร์เสนอข้อโต้แย้งทางเลือกไว้

ข้อควรระวังคือหน้าเว็บพูดถึงพิมพ์เขียวที่ให้ agent แต่ไม่ระบุว่าใช้ AI ตัวใดหรือมากแค่ไหน และไม่บอกระยะเวลาที่ใช้ ผลยังไม่ผ่านการตรวจของคนนอก และทีมบอกว่ากำลังรวบรวมรายการข้อผิดพลาดในงานตีพิมพ์ร่วมกับนักทฤษฎีกรุปเพื่อเผยแพร่ภายหลัง

▲ ทำไมต้องรู้ · เรื่องนี้มาหนึ่งวันหลังจาก OpenAI ประกาศผลทางคณิตศาสตร์ที่ยังรอคนตรวจ ความต่างคือที่นี่มีหลักฐานที่ตรวจด้วยเครื่องได้ทั้งก้อน และผลข้างเคียงที่มีค่าคือการเจอจุดผิดในงานที่คนเชื่อกันมาหลายสิบปี หลักเดียวกันใช้กับงานทั่วไป คือ AI มีค่าที่สุดตรงที่งานนั้นมีเครื่องตรวจคำตอบได้

CFSG in Lean · GitHub AxiomMath/CFSG · Hacker News

เปเปอร์ Position, Role or Label? ที่ขึ้น arXiv เมื่อ 23 ตุลาคม โดย Anish Laddha, Nitesh Pradhan และ Gaurav Srivastava สร้างชุดทดสอบ WhoWins จำนวน 1,080 สถานการณ์ใน 5 ประเภทงานที่คำสั่งขัดกันเอง แล้วเปลี่ยนเฉพาะวิธีวางคำสั่ง ทดสอบโมเดลเปิด 14 ตัวขนาด 0.6 พันล้านถึง 122 พันล้านพารามิเตอร์ ทั้งแบบเปิดและปิดโหมดคิด รวมกว่า 1.8 ล้านคำตอบที่ให้คะแนนด้วยโค้ด ผลคือเมื่อสองบรรทัดที่ขัดกันอยู่ในข้อความเดียว บรรทัดแรกชนะ 72.42% ถึง 94.66% ของกรณี นโยบายที่วางใน system หรือ developer message มักแพ้คำสั่งขัดที่มาทีหลัง ซึ่งต่างกันไปตามตระกูลโมเดล และในงานเรียกเครื่องมือกับเขียนไฟล์ ข้อความเดียวกันชนะน้อยกว่าเมื่ออยู่ใน system prompt เทียบกับเป็นข้อความผู้ใช้ที่ติดป้ายไว้ เมื่อนับด้วยคำค้น มีคำตอบที่ตัดสินแล้วไม่เกิน 2.92% ที่ทักหรือลังเลเรื่องคำสั่งขัดกัน โค้ดกับข้อมูลเปิดบน GitHub

ข้อควรระวังคือทดสอบเฉพาะโมเดลเปิด ไม่มีโมเดลปิดเชิงพาณิชย์ และหน้าเปเปอร์ไม่ระบุเวทีวิชาการ

▲ ทำไมต้องรู้ · คนที่เขียนกฎไว้ใน system prompt แล้วเชื่อว่ากฎนั้นจะชนะทุกอย่างควรทดสอบใหม่ เพราะงานนี้ชี้ว่ากฎใน system prompt แพ้คำสั่งที่ผู้ใช้หรือเอกสารพิมพ์ตามมาทีหลังได้ และโมเดลจะไม่บอกคุณว่ามันเลือกข้างไปแล้ว วิธีที่ปลอดภัยกว่าคือกันสิ่งที่ห้ามจริงด้วยสิทธิ์หรือโค้ดตรวจ ไม่ใช่ด้วยคำสั่งในพรอมต์อย่างเดียว

arXiv 2610.33201

เปเปอร์ Evolving to Match Capabilities ที่ขึ้น arXiv เมื่อ 10 ตุลาคมและเป็นเปเปอร์ที่ได้คะแนนโหวตสูงสุดบนหน้า daily papers ของ Hugging Face วันนี้ ทดสอบเจ็ดโมเดลบนสามชุดวัด แล้วพบคู่งานกับ skill 103 คู่ที่ skill ช่วยโมเดลหนึ่งได้มากแต่ทำให้โมเดลที่อ่อนกว่าแย่ลง ตัวอย่างที่สรุปไว้คือ skill ชุดหนึ่งช่วย GPT-5.6-luna ได้ 31.1 จุดแต่ทำให้ Gemma-4-E4B ลดลง 8.8 จุด ผู้เขียนเสนอให้เขียน skill ใหม่ให้เหมาะกับความสามารถของโมเดลที่ใช้ทำงาน โดยใช้ meta-skill ที่สร้างจากการวิเคราะห์จุดอ่อนสี่ด้าน คือการใช้เครื่องมือ การจัดการบริบท การทำตามคำสั่ง และการตรวจผล ในวงปรับตัวห้ารอบ วิธีนี้เพิ่มคะแนนสุดท้ายได้ 2.0 ถึง 5.1 จุดในเจ็ดโมเดล

ข้อควรระวังคือเป็น preprint ที่ไม่ระบุเวทีวิชาการ และชุดวัดกับ skill ที่ใช้เป็นการเลือกของผู้เขียน

▲ ทำไมต้องรู้ · องค์กรที่เขียน skill หรือคู่มือการทำงานให้ agent ด้วยโมเดลแพงแล้วเอาไปใช้กับโมเดลถูกเพื่อประหยัด ไม่ควรถือว่าผลจะยกมาด้วย skill ชุดเดียวอาจต้องมีสองฉบับ และต้องวัดผลแยกบนโมเดลที่ใช้จริงทุกครั้งที่เปลี่ยนรุ่น

arXiv 2610.33024

เปเปอร์ AOS-Bench ที่ขึ้น arXiv เมื่อ 23 ตุลาคม โดย Erle Zhu และคณะ วัด agent ในบทบาทผู้จัดการภาระงาน คือให้งานที่ตรวจคำตอบได้ไหลเข้ามาตามเวลาภายใต้ CPU และหน่วยความจำที่ใช้ร่วมกัน ผลคือความสำเร็จของงานเดี่ยวทำนายผลบนสายงานไม่ได้ เมื่อภาระหนัก ทุกระบบเสียคะแนน 13 ถึง 23 จุด การส่งงานทีละงานทำให้ 73% ของงานในภาระหนักไม่มีใครหยิบไปทำ การตั้งให้ทำพร้อมกันสองงานแบบตายตัวได้ผลห่างจากนโยบายที่ดีที่สุดที่ agent จัดเองไม่ถึงสี่จุด และค่ากลางการใช้ CPU อยู่ต่ำกว่า 30% ของที่จัดไว้ขณะที่งานยังรอคิว

อีกชิ้นคือ iPrefBench ที่ขึ้น arXiv เมื่อ 26 ตุลาคม โดยทีมที่มี Jeffrey Nichols และ Eldon Schoop อยู่ด้วย ทดสอบ agent บน iOS จำลองกับผู้ใช้จำลองที่มีประวัติกิจกรรม 3,051 รายการ และงาน 130 งานใน 26 แอปที่คำสั่งให้ข้อมูลไม่ครบ agent ต้องเดาข้อมูลที่ขาดจากประวัติหรือถามผู้ใช้ในสิ่งที่มีแค่ผู้ใช้รู้ ผลกับ agent แนวหน้าเจ็ดตัวคือคะแนนการทำแต่ละขั้นสูงถึง 91.6% แต่ความสำเร็จของทั้งงานสูงสุดแค่ 47.7% และจุดที่อ่อนที่สุดคือการรู้ว่าเมื่อไรต้องถาม

ข้อควรระวังคือทั้งสองเป็น preprint ที่หน้าเปเปอร์ไม่ระบุเวทีวิชาการ และสภาพแวดล้อมเป็นของจำลองที่ผู้เขียนสร้างเอง

▲ ทำไมต้องรู้ · ตัวเลขสาธิตของ agent มักวัดทีละงานในสภาพที่ทุกอย่างชัด ขณะที่งานจริงคืองานที่ไหลเข้ามาเรื่อย ๆ และคำสั่งที่ขาดข้อมูล ก่อนวางแผนให้ agent รับงานแทนทีม ให้ทดสอบด้วยงานหลายชิ้นพร้อมกันและคำสั่งแบบที่คนพิมพ์จริง และวัดว่างานจบครบกี่งาน ไม่ใช่ทำได้กี่ขั้น

arXiv 2610.33178 · arXiv 2610.34735

IEEE Spectrum ตีพิมพ์บทสัมภาษณ์ Ellia Lebleu ผู้ร่วมก่อตั้ง WikiProject AI Cleanup เมื่อ 21 ตุลาคม และขึ้น Hacker News เมื่อ 27 ตุลาคมด้วยคะแนนราว 430 กลุ่มอาสาสมัครนี้ตั้งขึ้นในปี 2023 เพื่อหาและเอาเนื้อหาที่ AI สร้างแล้วผิดแนวทางของ Wikipedia ออก Lebleu เล่าว่าช่วงแรกสังเกตได้จากวลีซ้ำอย่าง stands as a testament หรือหัวข้อแบบ Why is this important? แต่ถึงปี 2025 สัญญาณกลายเป็นโครงสร้างที่แนบเนียนกว่า เช่น การยกตัวอย่างสามข้อติดกันเสมอ ซึ่งดูทีละจุดสรุปไม่ได้แต่รวมกันมีความหมาย และ AI ยุคนี้มักอ้างแหล่งที่มีจริงแต่สรุปเนื้อหาผิด แทนที่จะแต่งแหล่งขึ้นมาทั้งหมด

ตัวเลขที่ Lebleu ให้มาจากเครื่องตรวจของบริษัท Pangram คือราว 20% ของบทความและร่างใหม่ถูกติดธงเมื่อปลายปี 2025 และ 15% ถึง 16% เมื่อต้นปี 2026 โดยเธอเรียกตัวเลขนี้ว่าขอบล่าง เพราะเครื่องตรวจไม่ติดธงผิดกับเนื้อหาก่อนยุค ChatGPT และยังไม่รู้ว่าที่ลดลงเป็นเพราะกติกาที่ Wikipedia ภาษาอังกฤษห้ามใช้ LLM เขียนบทความ หรือเพราะโมเดลรุ่นใหม่ที่เครื่องตรวจยังตามไม่ทัน เครื่องมือที่ทำเพิ่มคือตัวตรวจว่าแหล่งอ้างรองรับข้อความจริงไหม และ Paste Check ของ Wikimedia Foundation ที่ติดธงข้อความที่วางมาจากแชตบอตบางตัว

▲ ทำไมต้องรู้ · บทเรียนจาก Wikipedia ใช้ได้กับทุกองค์กรที่เริ่มเห็นเอกสาร AI ไหลเข้ามา คือคำซ้ำซากจับง่ายแต่หายไปเร็ว ปัญหาที่อยู่นานกว่าคือการอ้างแหล่งจริงแต่สรุปผิด ซึ่งต้องเปิดแหล่งตรวจทีละข้อ และตัวเลขจากเครื่องตรวจ AI ใดก็ตามควรอ่านเป็นค่าประมาณที่ล้าหลังโมเดลรุ่นล่าสุดเสมอ

IEEE Spectrum · Hacker News

Blognone รายงานเมื่อ 27 ตุลาคมโดยอ้าง MacRumors ว่า Apple ปล่อย iOS 27.2 และ iPadOS 27.2 ที่เน้น Siri AI ผู้ใช้ย้อนดูบทสนทนาเก่ากับ Siri ได้ Siri ดึงข้อมูลจากแหล่งได้มากขึ้น และรองรับภาษาเพิ่มห้าภาษา ได้แก่ ฝรั่งเศส ญี่ปุ่น เกาหลี โปรตุเกส และสเปน ซึ่งไม่มีภาษาไทย รุ่นนี้ยังรองรับลายน้ำ SynthID สำหรับภาพที่สร้างด้วยเครื่องมือ AI ใน iOS และแก้ช่องโหว่ความปลอดภัยกว่า 100 รายการ

ในวันเดียวกัน Apple เปิดตัว MacBook Pro 14 นิ้วกับ iMac ชิป M6 โดย Blognone ระบุว่า Apple อ้าง MacBook Pro รุ่นนี้เร็วกว่ารุ่น M5 ด้านงาน AI 25% ราคาไทยเริ่มที่ 69,900 บาทสำหรับรุ่น 16GB/1TB ส่วน iMac เริ่มที่ 52,900 บาท และยังไม่มีวันวางขายในไทย

▲ ทำไมต้องรู้ · สำหรับองค์กรไทยที่คิดจะใช้ผู้ช่วยเสียงบนอุปกรณ์ Apple ในงานบริการลูกค้าหรือภายในทีม Siri AI ยังพูดไทยไม่ได้ และรอบนี้ Apple เลือกญี่ปุ่นกับเกาหลีก่อน การวางแผนจึงยังต้องพึ่งแอปของผู้ให้บริการรายอื่น ส่วนการอัปเดตที่แก้ช่องโหว่กว่า 100 รายการเป็นเหตุผลพอให้ฝ่ายไอทีเร่งติดตั้ง

Blognone iOS 27.2 · Blognone MacBook Pro M6 · Blognone iMac M6

Anthropic ประกาศเมื่อ 27 ตุลาคมว่าข้อตกลงใหม่กับสำนักงานบริหารบริการทั่วไปของสหรัฐฯ หรือ GSA ให้ส่วนลด 40% บน Claude Enterprise, Claude for Government และ Claude API ครอบคลุมทุกช่องทางเป็นครั้งแรก ทั้งการซื้อตรงและภายในไม่กี่เดือนข้างหน้าผ่านผู้ให้บริการคลาวด์ ขยายถึงรัฐบาลระดับมลรัฐ ท้องถิ่น ชนเผ่า และดินแดน ไม่มียอดใช้ขั้นต่ำและจ่ายตามการใช้จริง ซื้อผ่าน Multiple Award Schedule ของ GSA ได้ บริษัทประเมินว่าส่วนลดจะช่วยรัฐประหยัดราวหนึ่งพันล้านดอลลาร์ และระบุว่ามีองค์กรรัฐระดับต่าง ๆ ราว 500 แห่งใช้ Claude อยู่แล้ว

ประกาศยกตัวอย่างการใช้งาน เช่น รัฐยูทาห์ให้ Claude Code กับนักพัฒนา 34 คนใน 10 หน่วยงาน ซึ่ง 71% รายงานว่าประหยัดเวลาได้กว่า 20 ชั่วโมงในการทดลองสี่สัปดาห์ และนักพัฒนาไอทีของรัฐหนึ่งย้าย API เกือบ 900 ตัวไปเฟรมเวิร์กใหม่ในสองวันจากงานที่ประเมินไว้หนึ่งเดือน ด้านใบรับรอง Claude for Government ได้ FedRAMP High ใช้ได้ทั่วไปตั้งแต่ 30 กันยายน

ข้อควรระวังคือตัวเลขการประหยัดและผลการใช้งานทั้งหมดเป็นของ Anthropic เอง ประกาศไม่ระบุระยะเวลาของข้อตกลงและไม่ให้ราคาป้าย และข่าวนี้ออกมาหนึ่งวันหลังบริษัทยื่นเอกสาร S-1 เพื่อเข้าตลาดหุ้น

▲ ทำไมต้องรู้ · ส่วนลด 40% แบบไม่มียอดขั้นต่ำให้ทุกระดับของรัฐ คือสัญญาณว่าราคาป้ายของโมเดล AI ต่อรองได้มากเมื่อผู้ซื้อรวมกลุ่มกัน หน่วยงานรัฐไทยหรือองค์กรใหญ่ที่จัดซื้อ AI แยกกันทีละหน่วยควรถามว่ามีช่องทางซื้อรวมไหม และใช้ข้อตกลงแบบนี้เป็นตัวเทียบตอนต่อรอง

Anthropic · Hacker News

The Stanford Daily เผยแพร่บทความของ April Yu เมื่อ 27 ตุลาคม ระบุว่า Anthropic ดึงและละเมิดลิขสิทธิ์ผลงานของอาจารย์ Stanford กว่าสิบคนเพื่อใช้ฝึก Claude โดยเอ่ยชื่อ Tobias Wolff, Abraham Verghese, Chang-Rae Lee, Daniel Mason, Hayagreeva Rao และ Myra Strober และระบุว่างานของ Wolff ถูกใช้สิบชิ้น บทความเล่าว่าหนังสือมาจากห้องสมุดเถื่อนอย่าง LibGen และ PiLiMi กระทู้ Hacker News มีคะแนนราว 430

บทความทบทวนคดี Bartz v. Anthropic ที่ผู้พิพากษา William Alsup ชี้ว่าการฝึกด้วยหนังสือที่ได้มาอย่างถูกกฎหมายเป็น fair use แต่การดาวน์โหลดหนังสือเถื่อนมาสร้างคลังกลางไม่ใช่ ซึ่งจบด้วยข้อตกลงยอมความ 1.5 พันล้านดอลลาร์ ครอบผลงานจดทะเบียนเกือบ 500,000 ชิ้น หรือราว 3,000 ดอลลาร์ต่อชิ้น Wolff กับ Lee ถอนตัวจากข้อตกลงนี้แล้วยื่นฟ้องแยกในชื่อ Cruz v. Anthropic เมื่อพฤษภาคม 2026 เรียกค่าเสียหายตามกฎหมายได้สูงสุด 150,000 ดอลลาร์ต่อชิ้น Wolff บอกกับหนังสือพิมพ์ว่า "To put me to work that way, without remittance, is a form of slave labor"

ข้อควรระวังคือบทความไม่มีคำชี้แจงจาก Anthropic และไม่บอกวิธีที่ใช้ตรวจว่าหนังสือของอาจารย์อยู่ในคลังเถื่อน ข้อกล่าวหาในคดี Cruz ยังเป็นคำฟ้อง ไม่ใช่คำตัดสิน และย่อหน้าแรกของบทความเขียนกำกวมว่าคำตัดสินของศาลมาจากคดีใด

▲ ทำไมต้องรู้ · คดีนี้บอกว่าการยอมความแบบกลุ่มไม่ได้ปิดเรื่องลิขสิทธิ์ข้อมูลฝึกให้จบ เพราะเจ้าของงานเลือกถอนตัวมาฟ้องเองเพื่อเรียกค่าเสียหายสูงกว่าได้ สำหรับองค์กรที่ใช้ AI สร้างเนื้อหาเชิงพาณิชย์ เรื่องที่ควรถามผู้ขายคือมีการคุ้มครองทางกฎหมายด้านลิขสิทธิ์ให้ลูกค้าหรือไม่ และครอบคลุมแค่ไหน

The Stanford Daily · Hacker News

Gizmodo รายงานเมื่อ 27 ตุลาคม โดยอ้างบทความของ Jay Stanley นักวิเคราะห์นโยบายอาวุโสของ ACLU ที่เผยแพร่วันจันทร์ ตัวอย่างหลักคือ Grace Knowles ที่ถูกเรียกจอดในการเดินทางข้ามหลายรัฐเมื่อกันยายน 2025 โดยเจ้าหน้าที่ซึ่งแนะนำตัวว่าเป็นเจ้าหน้าที่พิเศษของ FBI บอกว่าป้ายทะเบียนของเธอถูกติดธงว่ามีรูปแบบการเดินทางน่าสงสัย ตัวอย่างอื่นที่บทความรวบรวมจากสื่อหลายสำนักมีทั้งคุณยายในแคลิฟอร์เนียที่ถูกถามว่าไปคาสิโนบ่อยแค่ไหน และคนขับที่ถูกเรียกจอดเพราะขับไปมาระหว่างวิสคอนซินกับมิชิแกน WIRED เคยรายงานว่าเครื่องมือของ Flock ระบุตัวคนขับและติดตามรถได้จากรูปแบบการเคลื่อนที่อย่างเดียว ผลสำรวจ YouGov เดือนสิงหาคมพบคนไม่เห็นด้วยกับการที่ตำรวจในชุมชนตัวเองใช้เทคโนโลยีนี้ 46% และเห็นด้วย 38%

ข้อควรระวังคือ Flock ไม่ได้ตอบคำขอความเห็นทันที บทความไม่มีคำชี้แจงจาก Axon และไม่มีตัวเลขว่าการเรียกจอดแบบนี้เกิดขึ้นบ่อยแค่ไหน

▲ ทำไมต้องรู้ · เรื่องนี้คือตัวอย่างของ AI ที่ไม่ได้ตัดสินว่าใครผิด แต่แค่ติดธงว่าน่าสงสัย แล้วภาระพิสูจน์ตกไปที่คนที่ถูกติดธง ระบบลักษณะเดียวกันมีในงานตรวจธุรกรรม คัดใบสมัคร หรือตรวจการเคลมประกัน องค์กรที่ใช้ระบบติดธงควรกำหนดว่าคนที่ถูกติดธงรู้เหตุผลและโต้แย้งได้ทางไหน ก่อนที่ระบบจะถูกใช้กับคนจริง

Gizmodo · Hacker News

Orestis Ioannou รองประธานฝ่ายเทคโนโลยีของ Bold.org เขียนเมื่อ 27 ตุลาคมในบทความ AI promised less work. I've never worked more ซึ่งมีคะแนนบน Hacker News กว่า 600 เขาใช้ปฏิทินการมีส่วนร่วมบน GitHub ของตัวเองตั้งแต่ 2019 ชี้ว่าถึง 27 ตุลาคม 2026 เขามีผลงาน 2,102 รายการ มากกว่าทุกปีเต็มตั้งแต่ 2021 ถึง 2025 สิงหาคม 2026 เป็นเดือนที่มากที่สุดที่ 427 รายการ ค่ากลางต่อวันทำงานขึ้นจาก 3 ถึง 4 รายการในปี 2022 ถึง 2025 เป็น 7 ในปี 2026 และวันทำงานที่ไม่มีผลงานเลยลดจาก 40 ถึง 46 วันต่อปีเหลือ 18 วัน เขาสรุปว่า "Agents did not just make my existing workload faster to finish. They made it easy to give myself a much bigger one." และเล่าว่าการสลับดูแล agent หลายตัวพร้อมกันทำให้เหนื่อยกว่าเดิม

อีกบทความคือ The Mythical Man-Month in the Age of AI ของ Jan van den Berg ซึ่งมีคะแนนกว่า 400 เสนอว่ากฎของ Brooks ที่ว่าเพิ่มคนในโครงการที่ล่าช้าจะยิ่งช้า ยังใช้ได้เพราะงานที่ต้องทำตามลำดับยังแบ่งทำพร้อมกันไม่ได้ ภาระย้ายจากการบริหารคนมาเป็นการบริหาร agent และเขาเขียนกฎฉบับ 2026 ว่า "Adding agents to a project with unclear requirements gets you the wrong answer faster."

ข้อควรระวังคือบทความแรกเป็นข้อมูลของคนคนเดียว และผู้เขียนเองบอกว่าตัวเลขบน GitHub เป็นสัญญาณกิจกรรมคร่าว ๆ ไม่ใช่ตัววัดคุณค่าของงาน

▲ ทำไมต้องรู้ · องค์กรที่ประเมินว่า AI จะลดภาระงานของทีมควรวัดสิ่งที่เกิดจริง เพราะสิ่งที่สองบทความนี้เห็นคือภาระไม่ได้ลด แต่เปลี่ยนเป็นงานที่มากขึ้นและการสลับงานที่เหนื่อยกว่าเดิม คำถามที่หัวหน้าทีมควรตั้งคือใครเป็นคนนิยามว่างานเสร็จ และทีมมีเวลาตรวจผลงานของ agent จริงหรือเปล่า

Orestis Ioannou · Jan van den Berg · Hacker News บทความแรก · Hacker News บทความที่สอง