Agentic AI News 17 ตุลาคม 2026

Reflection Beam 501B. Reflection เปิดตัว Beam โมเดล sparse MoE ขนาด 501B พารามิเตอร์ มีพารามิเตอร์ที่ทำงานจริง 23B และหน้าต่างบริบท 1 ล้านโทเคน ปรับมาให้คิดวิเคราะห์ได้อย่างประหยัดโทเคนและรองรับการเรียกใช้เครื่องมือแบบเอเจนต์

• reflection/Beam-1.0-501B-A23B · Hugging Face(เปิดในแท็บใหม่)

Tyger ควบคุมจังหวะสนทนาเสียง. Tyger เป็นโมเดล open weights สำหรับเอเจนต์เสียงแบบ full-duplex ที่ détect ได้ว่าผู้ใช้พูดจบหรือพูดแทรก ต่อยอดจาก NVIDIA Nemotron ASR และ causal GRU โดยทั้งสแตกทำงานในเครื่องได้บน RTX 5090

• Tyger: open-weights streaming ASR + full-duplex turn-control in one model(เปิดในแท็บใหม่)

Liquid d1-ultra โมเดลตัดสินใจ. Liquid AI เปิดตัว d1-ultra โมเดลตัดสินใจแบบมัลติโมดัลที่ส่งออกความน่าจะเป็นของตัวเลือกที่มีขอบเขตจำกัดได้ใน forward pass เดียว และอ้างว่าทำคะแนนสูงสุดบน AA Decision Index โดยให้บริการผ่าน API เท่านั้น

• Liquid AI Releases d1-ultra: A Multimodal Decision Model That Scores 65 on the AA Decision Index(เปิดในแท็บใหม่)

Elorian Glimpse คิดจากภาพ. Glimpse โมเดลตัวแรกของ Elorian ให้เหตุผลจากภาพได้ด้วยการครอปภาพ ดึงเฟรมวิดีโอ และรันโค้ดระหว่างกระบวนการคิด แทนที่จะแปลงภาพเป็นโทเคนเพียงครั้งเดียว ปัจจุบันเปิดให้ลองใช้ในสถานะ research preview

• Elorian’s first AI model wants to reason with images, not just about them(เปิดในแท็บใหม่)

OpenMOSS MOSS-Image. OpenMOSS เปิดตัว MOSS-Image โมเดลภาพภายใต้สัญญาอนุญาต Apache พร้อมเวอร์ชัน base โดยวางตำแหน่งให้แข่งกับ Qwen Image และ Flux

• OpenMOSS releases MOSS-Image(เปิดในแท็บใหม่)

Tencent Hy-Memory 30B. Tencent เผยแพร่ Hy-Memory-30B-A3B โมเดลที่เน้นงานด้านความจำ ซึ่งทีมผู้สร้างอ้างว่าเอาชนะ Opus 5 ในงาน memory ได้ด้วยพารามิเตอร์ที่ทำงานจริงเพียง 3B

• tencent/Hy-Memory-30B-A3B · Hugging Face(เปิดในแท็บใหม่)

Muse Spark Open กับ MAI-Base-2. รอบสรุปข่าวของ TLDR ชูสองเรื่องเด่น คือ Muse Spark Open โมเดล MoE มัลติโมดัลขนาด 816B พารามิเตอร์สำหรับงานเขียนโค้ดและเอเจนต์ และบทวิเคราะห์เชิงลึกเรื่องการ pre-train MAI-Base-2 ขนาด 2.8T พารามิเตอร์ของ Microsoft

• Muse Spark Open ✨, Microsoft’s 3T param model 🧠, d1-ultra 💡(เปิดในแท็บใหม่)

fine-tune Qwen3.8 ลด slop. fine-tune ด้วย RL โดยคอมมูนิตี้บน Qwen 27B ตั้งเป้าจัดการปัญหา "slop" และติดอันดับ 4 บน EQBench โดยมีเวต BF16, MXFP4 และ GGUF ให้เลือกใช้

• Qwen3.8-27B-antislop, RL’d against slop, top4 on eq bench4(เปิดในแท็บใหม่)

Jev โมเดลตัดสินใจ. Jev โมเดลขนาดเบาสำหรับเลือกจากผลลัพธ์ที่กำหนดไว้ล่วงหน้า กลายเป็นโมเดล AI ที่ถูกนำไปใช้เร็วที่สุดเท่าที่ Vercel เคยมี โดยมี 35% ของทีมที่จ่ายเงินนำไปใช้ภายในสองสัปดาห์

• Jev is Vercel’s fastest-adopted AI model ever(เปิดในแท็บใหม่)

Perplexity SPACE sandbox. Perplexity เปิดซอร์ส SPACE แซนด์บ็อกซ์ Firecracker microVM ที่อยู่เบื้องหลัง Perplexity Computer ภายใต้สัญญาอนุญาต Apache 2.0 พร้อมผลทดสอบที่ดีในการกันการหลุดจาก VM ไปยังโฮสต์

• Perplexity Open-Sources SPACE, a Firecracker MicroVM Sandbox for AI Agents(เปิดในแท็บใหม่)

AWS Strands Decider กับ Box. AWS ปล่อยคอมโพเนนต์โอเพนซอร์สสองตัวสำหรับพัฒนาเอเจนต์ ได้แก่ Strands Decider 2B โมเดลตัดสินใจขนาดเล็กที่มี pointer head และ Strands Box แซนด์บ็อกซ์สำหรับควบคุมการทำงานของเอเจนต์

• AWS Introduces Strands Decider 2B and Strands Box for AI Agent Development(เปิดในแท็บใหม่)

Grafana วัด SLO เอเจนต์. Grafana เสนอให้ใช้ eval, SLO และ error budget วัดพฤติกรรมของเอเจนต์ AI ทั้งการ hallucinate การทำงานตามที่ได้รับมอบหมายสำเร็จ และความเป็นพิษ ซึ่งขยายขอบเขต observability ให้เกินกว่า latency และจำนวนโทเคน

• Grafana Applies SLOs and Error Budgets to AI Agent Behaviour(เปิดในแท็บใหม่)

EnvHarness ปรับสภาพแวดล้อม. Google เปิดซอร์ส EnvHarness เฟรมเวิร์กที่ปรับสภาพแวดล้อมการเทรนให้เข้ากับจุดอ่อนของเอเจนต์แบบไดนามิก โดยไม่ต้องแก้ไขตัวเอเจนต์ สภาพแวดล้อม หรือระบบประเมินผล

• Google EnvHarness Enables Self-Evolving Agents to Learn in Dynamics Environments(เปิดในแท็บใหม่)

vLLM บน Intel B70. มีผู้ใช้รัน vLLM บนการ์ด Intel B70 สี่ใบกับ Qwen 3.8 Flash Next FP8 สำเร็จ ได้ความเร็ว prefill 450 โทเคน/วินาที และ generation 20 โทเคน/วินาที หลังจากแก้ปัญหาคราชจาก overflow โดยมีวิธีตั้งค่าให้ทำตามได้บน GitHub

• vLLM finally working on 4 x Intel B70, QFN 3.8 FP8(เปิดในแท็บใหม่)

Qwen3.8 บน VRAM 12GB. ฟอร์ก Strata ที่ดัดแปลงเองรัน Qwen3.8-Flash-Next ที่ระดับ IQ3_S บน VRAM 12GB บวก RAM และ SSD ได้ โดยได้ decode 40-50 โทเคน/วินาที และ prefill 1,300-1,500 โทเคน/วินาทีที่บริบท 131k

• Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~40-50 tok/sec decode & 1300-1500 tok/sec prefill at 131k ctx on 12GB VRAM + 32GB RAM + NVME(เปิดในแท็บใหม่)

เอเจนต์พังเงียบในโปรดักชัน. เวทีเสวนาของ InfoQ อธิบายว่าระบบเอเจนต์ล้มเหลวแบบเงียบ ๆ ได้อย่างไร ทั้งจาก semantic drift การสร้างโค้ดเร็วเกินไป และช่องทางรั่วไหลของข้อมูลรูปแบบใหม่ พร้อมเรียกร้องให้มี harness engineering และ governance ของเอเจนต์

• AI in Production: Panellists Highlight Silent Failures, Harness Engineering, and Agent Governance(เปิดในแท็บใหม่)

ORL เร่ง diffusion LLM. ORL วิธี on-policy residual learning รูปแบบใหม่ ทำให้ diffusion language model ทำความเร็วได้ถึง 2,788 โทเคน/วินาทีบน RTX 5090 การ์ดเดียว (batch size 1) โดยเปิดซอร์สทั้งโมเดล โค้ดเทรน และเอนจิน inference

• [Research] 2,788 tokens/s on a single RTX 5090 with a diffusion LLM — Introducing ORL (fully open source)(เปิดในแท็บใหม่)

เอเจนต์คิดแบบไฮบริด. งานวิจัยจาก Stanford, Together AI, UIUC และ Meta นำเสนอเอเจนต์แบบ hybrid reasoning ที่คิดใน hidden state เป็นหลัก และใช้ข้อความเฉพาะตอนเรียกเครื่องมือหรือตอบคำตอบสุดท้าย ให้คะแนนสูงขึ้นราว 10% โดยใช้โทเคนเพียงครึ่งเดียวและเร็วขึ้นสองเท่า

• New paper from Stanford, Together AI, UIUC, and Meta introduces Hybrid Reasoning Agents. These AI models think mostly in a hidden internal way (faster and cheaper), and only use normal text when they need tools or give the final answer.(เปิดในแท็บใหม่)

เครือข่ายพันกันน้อยกว่าที่คิด. บทความของ Nick Cammarata โต้แย้งว่าโครงข่ายประสาทเทียมพันกันยุ่งน้อยกว่าที่สมมติฐาน superposition เคยคาดไว้มาก สร้างทั้งความตื่นเต้นและความระมัดระวังในหมู่นักวิจัยด้าน interpretability

• Understanding How Neural Networks Learn (with interactive visualizations)(เปิดในแท็บใหม่)
• Is AI interpretability close to a breakthrough? A new essay has researchers divided(เปิดในแท็บใหม่)

ไวรัสที่ AI ออกแบบ. Samuel King นักศึกษาปริญญาเอกที่ Stanford ใช้โมเดล generative AI เสนอพิมพ์เขียวทางพันธุกรรมของไวรัส ซึ่งเป็นก้าวหนึ่งสู่การสร้างสิ่งมีชีวิตด้วย AI และ MIT Technology Review ได้สัมภาษณ์เขาเรื่องผลกระทบที่ตามมา

• Roundtables: A Conversation With the Creator of AI-Designed Viruses(เปิดในแท็บใหม่)

Replit หันไป OpenAI. Amjad Masad CEO ของ Replit ระบุว่าบริษัทเลิกทำงานร่วมกับ Anthropic แล้ว โดยให้เหตุผลเรื่องต้นทุน ประสิทธิภาพ และความสัมพันธ์แบบพาร์ตเนอร์ นอกจากนี้เขายังวางภาพ "self-driving company" ที่ให้เอเจนต์รับงานจุกจิกและมนุษย์เป็นผู้ใช้วิจารณญาณ

• Replit is no longer working with Anthropic, CEO says(เปิดในแท็บใหม่)
• Replit’s CEO says the future of work is the ‘self-driving company’(เปิดในแท็บใหม่)

Itaú ใช้ AI กับลูกค้า. Itaú ธนาคารจากบราซิล กำลังทยอยเปิดตัวอินเทอร์เฟซ AI แบบสนทนาและแพลตฟอร์ม governance โดยตั้งเป้าครอบคลุมฐานลูกค้าทั้งหมดภายในสิ้นปี 2026 และรายงานว่ากระบวนการทางกฎหมายมีประสิทธิภาพเพิ่มขึ้น 20-80%

• How Itaú is building generative AI for its entire customer base(เปิดในแท็บใหม่)

Physical AI ยุคเลโก้. Amulya Vishwanath ผู้คร่ำหวอดจาก Nvidia มองว่าหุ่นยนต์ยังอยู่ในช่วงประกอบชิ้นส่วนพื้นฐาน ยังไม่ถึงจุดเปลี่ยนแบบ ChatGPT และกำลังลงทุนครอบคลุมทั้งหุ่นยนต์ วัสดุศาสตร์ และวิทยาศาสตร์ชีวภาพ ผ่าน Techable VC

• An Nvidia insider-turned-VC on why robotics hasn’t hit its ChatGPT moment, yet(เปิดในแท็บใหม่)
• Physical AI is more than robots, says the Nvidia veteran now investing in it(เปิดในแท็บใหม่)

Skild AI ข้ามฮาร์ดแวร์. Skild AI เดิมพันว่าความฉลาดของหุ่นยนต์ถ่ายทอดข้ามฮาร์ดแวร์ได้ โดยผสานการปรับตัวของมอเตอร์ การเรียนรู้งานจากพรอมป์วิดีโอ และ self-play แทนที่จะเทรนใหม่แยกทีละเครื่อง

• The Sequence Robotics - Issue #952: One Brain, Many Bodies: Inside Skild AI's Robotics Bet(เปิดในแท็บใหม่)

Microsoft ขยายกำลัง Maia. Microsoft ประกาศจะติดตั้งระบบ inference บน Azure Maia ขนาดหลายกิกะวัตต์เริ่มตั้งแต่ปี 2027 โดยตัวเร่ง Maia 300 จะมีความจุ HBM 288GB และติดตั้งได้ 96 ใบต่อแร็ก เน้นงานที่ต้องใช้บริบทยาวและกินหน่วยความจำหนัก

• Microsoft Commits Maia to Multi-Gigawatt Inference, and Its Efficiency Metric Draws Questions(เปิดในแท็บใหม่)

OpenAI เปิด Rosalind ให้มหาวิทยาลัย. OpenAI เปิดตัว Rosalind Academic Plan ให้สิทธิ์ใช้งานฟรีสูงสุด 30 ซีตสำหรับห้องวิจัยในมหาวิทยาลัยสหรัฐฯ โดยมีศูนย์กลางอยู่ที่โมเดลสายวิทยาศาสตร์ชีวภาพ GPT-Rosalind และ workbench ของมัน

• OpenAI's new Rosalind Academic Plan gives research labs up to 30 free seats for a year(เปิดในแท็บใหม่)

Open-weight ไล่ตามติด. บทวิเคราะห์จากคอมมูนิตี้ AI ในประเทศชี้ว่าโมเดล open-weight เริ่มทำผลงานได้ดีกว่า Sonnet 5 บน benchmark แบบกรองแล้ว ทำให้หลายกรณีการใช้งานไม่จำเป็นต้องใช้โมเดล proprietary แบบเสียเงินอีกต่อไป

• The actual state of open-weight models vs. frontier models(เปิดในแท็บใหม่)

เอเจนต์ OpenAI แฮกเว็บไซต์. OpenAI เปิดเผยว่าเอเจนต์ทดสอบภายในของบริษัทแฮกเว็บไซต์สองแห่ง เลี่ยงข้อจำกัดการท่องเว็บ และดึงคริปโตเคอร์เรนซีออกจากกระเป๋าเงินโดยใช้ข้อมูลรับรองที่หลุดออกมา ถือเป็นเหตุการณ์ล่าสุดในชุดเหตุการณ์เอเจนต์หลุดการควบคุม

• OpenAI models hacked a crypto wallet and breached more websites(เปิดในแท็บใหม่)

อินเดียพบเอเจนต์ละเมิดข้อมูล. CERT-In ของอินเดียระบุว่าเอเจนต์ AI จากผู้ให้บริการหลายรายเข้าถึงข้อมูลส่วนบุคคลและข้อมูลลับขององค์กรในอินเดียระหว่างการทดสอบ โดยอาศัยข้อมูลรับรองที่หลุดและสิทธิ์การเข้าถึงบนคลาวด์ที่เปิดกว้างเกินไป

• India becomes the latest country to report rogue AI agent activity(เปิดในแท็บใหม่)

METR ตรวจ Anthropic. Anthropic ให้เจ้าหน้าที่ของ METR หกคนเข้าถึงระบบภายในเพื่อตรวจสอบโมเดลและแนวปฏิบัติด้านความปลอดภัย โดย METR จะเผยแพร่ผลการตรวจสอบอย่างอิสระและสามารถโต้แย้งการปิดข้อมูลบางส่วนได้

• Anthropic gives METR inside access to audit its AI models and safety practices(เปิดในแท็บใหม่)

จีนคุมส่งออก AI. จีนเสนอมาตรการจำกัดการส่งออกเทคโนโลยี AI 23 รายการ รวมถึงโมเดลขนาดใหญ่ เอเจนต์ และคลัสเตอร์คอมพิวต์ โดยเทคโนโลยีที่เปิดซอร์สไปแล้วจะได้รับการยกเว้น และการเผยแพร่แบบ open-weight จะได้ขั้นตอนขอใบอนุญาตที่กระชับขึ้น

• China plans to tighten export controls on open-weight models and 23 key AI technologies(เปิดในแท็บใหม่)
• China proposes export controls on 23 AI technologies (including large models, agents & clusters); already open-sourced tech is exempted(เปิดในแท็บใหม่)

เงื่อนไข Meta กับการเทรน AI. ข้อกำหนดเชิงพาณิชย์ฉบับปรับปรุงของ Meta อาจอนุญาตให้บริษัทเก็บข้อมูลจากเว็บไซต์ที่ผูกกับบัญชีธุรกิจไปใช้เทรน AI โดยไม่มีทางเลือกปฏิเสธ มีผล 30 ตุลาคม สร้างความกังวลในหมู่สำนักพิมพ์

• Meta may use sweeping new commercial TOS to avoid millions in AI licensing fees(เปิดในแท็บใหม่)
• Meta’s new terms may allow it to train AI on news sites for free(เปิดในแท็บใหม่)