Agentic AI News 2 สิงหาคม 2026

ความฉลาดเทียบเท่าเดือนมีนาคม 2026. DeepSeek V4 Flash (0731) ทำคะแนนดัชนีความฉลาดได้ 50 เกือบเท่ากับ 51 ของโมเดลระดับแนวหน้าเมื่อห้าเดือนก่อน บนฮาร์ดแวร์สำหรับผู้บริโภค มันทำงานด้วยความเร็วที่ใช้งานได้: 44 t/s บน RTX PRO 6000 eGPU, 15 t/s บน MI50 สามตัว และแม้แต่ 4.5 t/s บน RTX 3060 สองตัวพร้อมการโหลด RAM ต้องขอบคุณการควอนไทซ์และการโหลดบางส่วนอย่างชาญฉลาด

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(เปิดในแท็บใหม่)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(เปิดในแท็บใหม่)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(เปิดในแท็บใหม่)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(เปิดในแท็บใหม่)

การเรียกใช้เครื่องมือแก้ไขแล้ว การปฏิบัติตามกฎยังไม่แน่นอน. หลังจากรายงานจากชุมชนเกี่ยวกับการเรียกใช้เครื่องมือที่เสียหาย มีการรวมการแก้ไข llama.cpp และมีการแชร์วิธีการแก้ไขสำหรับ Unsloth Studio อย่างไรก็ตาม ผู้ใช้พบว่าโมเดลมักจะละเว้นพรอมต์ระบบและทักษะ โดยเก็บเป็นบทสรุปแบบบีบอัดแทนที่จะปฏิบัติตามอย่างเคร่งครัด ซึ่งบั่นทอนความน่าเชื่อถือสำหรับงาน agent ที่ต้องการการปฏิบัติตามคำสั่งที่แม่นยำ

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(เปิดในแท็บใหม่)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(เปิดในแท็บใหม่)
• Deepseek v4 flash 0731 still not holding up.(เปิดในแท็บใหม่)

Benchmarks ชุมชนสำหรับเอเจนต์ Hermes. ผู้ใช้ LocalLLaMA อภิปราย benchmarks ที่ดีที่สุดสำหรับการประเมินโมเดลที่รองรับ agent เช่น Hermes โดยหลายคนรู้สึกว่า leaderboards ที่เป็นที่ยอมรับอย่าง SWE-bench ไม่เหมาะกับเวิร์กโฟลว์ home-assistant หรือการประมวลผลเอกสารของพวกเขา

• What’s the community’s favorite benchmark to validate performance?(เปิดในแท็บใหม่)

Leaderboards เฉพาะการเขียนโค้ดถูกวิจารณ์. เสียงเรียกร้องให้มี benchmarks ที่หลากหลายมากขึ้นโต้แย้งว่า leaderboards ล่าสุดให้ความสำคัญกับงานเขียนโค้ดอย่างไม่สมส่วน ทำให้การเรียนรู้ภาษา การเขียนเชิงสร้างสรรค์ และการใช้เหตุผลด้าน STEM ด้อยโอกาส ทำให้ยากต่อการประเมินประสิทธิภาพของโมเดลสำหรับกรณีการใช้งาน agent ที่ไม่ใช่การเขียนโค้ด

• Why are almost all new benchmarks and leaderboards coding focused?(เปิดในแท็บใหม่)

ชุด benchmark เฉพาะโดเมนแบบ DIY. Redditor คนหนึ่งสร้างชุดการทดสอบเฉพาะโดเมนขนาดเล็กมากกว่า 30 รายการ (เช่น สามัญสำนึก การจำลองการล้างรถ) และเครื่องมือเว็บเพื่อเปรียบเทียบการตอบสนองของโมเดล โดยมีเป้าหมายเพื่อเติมเต็มช่องว่างระหว่าง benchmarks กว้างๆ และกรณีการใช้งานส่วนบุคคล

• A collection of small domain-specific benchmarks for local models (30+ and growing)(เปิดในแท็บใหม่)

Astra ถอดรหัสปัญหาคณิตศาสตร์อายุสิบปี. ตระกูลโมเดลถัดไปของ OpenAI คือ Astra แก้ปัญหาที่เคยเปิดอยู่สิบข้อในคณิตศาสตร์และวิทยาการคอมพิวเตอร์เชิงทฤษฎี โดยมีบทพิสูจน์แบบ Lean อย่างเป็นทางการและต้นทุนต่ำกว่า 2,000 ดอลลาร์ต่อคำตอบ ผลลัพธ์ครอบคลุมเรขาคณิต ทฤษฎีการเข้ารหัส และความซับซ้อนเชิงควอนตัม และได้สร้างแรงบันดาลใจให้งานวิจัยของมนุษย์เพิ่มเติมแล้ว

• Ten advances in mathematics and theoretical computer science(เปิดในแท็บใหม่)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(เปิดในแท็บใหม่)

Coding agents ฟื้นฟูซอฟต์แวร์วิจัยที่เก่า. การศึกษาภาคสนามร่วมกับ OpenAI และพันธมิตรทางวิชาการแสดงให้เห็นว่า AI coding agents เช่น GPT-5.5 และ Claude Code สามารถปรับปรุงซอฟต์แวร์วิทยาศาสตร์ที่เปราะบางให้ทันสมัย โดยมีความเร็วเพิ่มขึ้นกว่า 60 เท่าในบางกรณี แต่งานดังกล่าวเปลี่ยนภาระไปที่การตรวจสอบความถูกต้อง เพราะ agents ไม่สามารถตัดสินวิทยาศาสตร์ได้

• AI coding agents can modernize research software but can't judge if the science is right(เปิดในแท็บใหม่)

เวิร์มฉีดพรอมต์ที่แพร่ตัวเองโจมตี Copilot. นักวิจัยความปลอดภัยสาธิตเวิร์มที่ใช้ข้อความสีขาวบนพื้นขาวที่ซ่อนอยู่ในเอกสาร Word เพื่อฉีดคำสั่งที่เป็นอันตรายไปยัง Microsoft Copilot ซึ่งจากนั้นจะคัดลอก payload ไปยังไฟล์ใหม่ Microsoft ยืนยันพฤติกรรมดังกล่าวแต่ยังไม่ได้แก้ไขหลังผ่านไป 144 วัน

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(เปิดในแท็บใหม่)

ข้อกำหนดการติดฉลาก EU AI Act เริ่มมีผล. ตั้งแต่วันที่ 2 สิงหาคม 2026 สหภาพยุโรปกำหนดให้รูปภาพ วิดีโอ เสียง และข้อความที่สร้างโดย AI ต้องมีการติดฉลากอย่างชัดเจน กฎระเบียบอาจส่งผลกระทบต่อ agents ที่เผยแพร่เนื้อหาหรือสร้างสื่อโดยอัตโนมัติ

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(เปิดในแท็บใหม่)

การแบน 'nudify' ของมินนิโซตารอดการท้าทายทางกฎหมายของ xAI. ผู้พิพากษาของรัฐบาลกลางปฏิเสธความพยายามของ xAI ที่จะระงับกฎหมายของมินนิโซตาต่อแอปที่สร้างภาพลามกที่ไม่ได้รับความยินยอมเป็นการชั่วคราว โดยสังเกตว่า xAI รอสามเดือนจึงฟ้อง กฎหมายมีผลบังคับใช้ในขณะที่คดีความยังดำเนินอยู่

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(เปิดในแท็บใหม่)

Kimi K3 ทำงานบน CPU ตัวเดียว ช้าๆ. นักพัฒนาสองคนเขียนเอ็นจิ้นการอนุมาน C ขนาดเล็กอย่างอิสระเพื่อรันโมเดล MoE ขนาด 1.56 TB ชื่อ Kimi K3 บนดิสก์โดยไม่มี GPU คนหนึ่งได้หนึ่ง token ทุก 30 วินาทีโดยใช้ RAM 8 GB และสตรีมมิ่ง NVMe อีกคนได้ 0.5 t/s ด้วย RAM 29 GB โดยอ่านผู้เชี่ยวชาญทั้งหมดตามต้องการ

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(เปิดในแท็บใหม่)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(เปิดในแท็บใหม่)

LongCat-Flash-Lite-Sparse พร้อมใช้งานแล้ว. รุ่นใหม่นี้แทนที่ dense attention ด้วย LongCat Sparse Attention (LSA) และรองรับบริบทสูงสุด 1 ล้าน token โดยกำเนิด ทำให้เหมาะสำหรับงาน agent เอกสารยาว

• LongCat-Flash-Lite-Sparse Is Now Available for Download(เปิดในแท็บใหม่)

Laguna S 2.1 อัปเดตบริบทและการควอนไทซ์. Poolside ปล่อย checkpoints FP8 และ NVFP4 ใหม่สำหรับ Laguna S 2.1 เพิ่มขนาดบริบทเริ่มต้นเป็น 1M tokens และหวังที่จะแก้ปัญหาการวนซ้ำที่ขัดขวางเวิร์กโฟลว์การพัฒนา

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(เปิดในแท็บใหม่)