Agentic AI News 19 ตุลาคม 2026

โมเดล open-weight ระลอกใหม่. Meta เปิดตัว Muse Spark Open (816B total/42B active), Reflection ปล่อย Beam (501B/23B), NVIDIA เปิดตัว Nemotron 3.5 Bolt และ DeepSeek เปิดตัว V4.1 Flash 1017 ในกลุ่มนี้มีเพียง Bolt ที่ใส่ได้ใน VRAM 24GB เมื่อ weights แบบ 2-bit quantized มีขนาด 22GB

• 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(เปิดในแท็บใหม่)
• unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(เปิดในแท็บใหม่)

NVIDIA Nemotron 3.5. ผู้ใช้ LocalLLaMA รายงานว่า Nemotron 3.5 Super VL มีความรู้เรื่องกฎเกมเฉพาะทางดีกว่าโมเดลรุ่นก่อนมาก ขณะที่ Nemotron 3.5 Bolt ใช้งานได้กับระบบผู้ใช้หลายคนขนาดเล็ก มี hallucination ต่ำและ context cache ขนาดใหญ่ แต่ระดับ intelligence อยู่เพียงระดับกลาง

• Don't sleep on Nemotron 3.5 Super VL(เปิดในแท็บใหม่)
• Nemotron 3.5 Bolt is okayish for small multiuser setups(เปิดในแท็บใหม่)

Qwen 3.8 Flash Next. ชุด GPU CMP 170HX สองตัว ร่วมกับ W4A16 AutoRound, vLLM ที่แพตช์แล้ว และ native MTP speculative decoding ทำความเร็ว decode รวมได้ 840–873 โทเคน/วินาที เมื่อมี 8 คำขอพร้อมกัน พร้อม context window 262K แบบเต็ม

• Qwen 3.8 Flash Next optimized for two CMP 170hx GPUs(เปิดในแท็บใหม่)

Mistral Timestral. ตระกูล foundation model ด้าน time-series ตัวแรกของ Mistral (5M ถึง 209M พารามิเตอร์) ขึ้นอันดับหนึ่งบน leaderboard การพยากรณ์แบบ zero-shot อย่าง GIFT-Eval, TIME และ fev-bench พร้อมรันบน CPU เซิร์ฟเวอร์มาตรฐาน

• Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3(เปิดในแท็บใหม่)

AuroraASR-1M. โมเดลรู้จำเสียงพูดขนาด 949K พารามิเตอร์รันเร็วกว่าเวลาจริง 436 เท่าบน CPU เธรดเดียว และทำ WER ได้ 11.43% บน LibriSpeech test-clean โดย weights แบบ INT8 มีขนาดเพียง 1.06 MB

• AuroraASR-1M Releases!(เปิดในแท็บใหม่)

Agens Volundr 32B v1. โมเดลเอเจนต์ 32B รุ่นอัปเดตของ Blockway แก้ปัญหา repetition loop ในงาน SWE-bench (0/50) และรันได้ภายใน 16GB ผ่านเอนจินภายใต้สัญญาอนุญาต MIT พร้อม context ที่วัดได้ 239K

• Agens Volundr 32B v1: we fixed what you flagged in the Preview. 0/50 loops, session continuation, and an MIT engine that runs it with 262K context (measured to 239K) within a 16 GB budget(เปิดในแท็บใหม่)

Google Harness2. Harness2 เปิดซอร์สเฟรมเวิร์กสำหรับ harness เอเจนต์แบบ recursive ที่ให้โมเดลที่ถูก freeze ปรับปรุง prompt, tools และ memory ของตัวเองได้ระหว่าง deploy; การ refine เพียงครั้งเดียวทำให้ทั้งสี่ setup ดีขึ้นบนทั้งสาม benchmark โดย GLM-5 ได้เพิ่มถึง 11.5 คะแนน

• Google Open Sources Harness2 for Self Improving AI Agents(เปิดในแท็บใหม่)
• Google Open-Sources Harness2, a Recursive Agent Harnessing Framework(เปิดในแท็บใหม่)

เอเจนต์ hybrid reasoning. HybridAgent ของ Together Computer แสดงให้เห็นว่าเอเจนต์สามารถ reason ใน latent space แทนข้อความได้ ช่วยลดการใช้โทเคนและเวลา inference พร้อมยกระดับความสามารถ

• Hybrid Reasoning Agents(เปิดในแท็บใหม่)

SonicBoom AI runtime. SonicBoom v0.0.3 เป็น runtime สำหรับ inference ที่เน้น compiler เป็นหลักและไม่ต้องใช้ Python เอาชนะ llama.cpp ด้าน decode สำหรับบางโมเดล และปรับปรุง time-to-first-token ในงานเอเจนต์แบบหลายเทิร์นด้วยการใช้ prefix ซ้ำ

• Calling all GPUs: help us benchmark SonicBoom v0.0.3 — a compiler-first AI runtime that beats llama.cpp on decode(เปิดในแท็บใหม่)

NVIDIA เปิดซอร์ส Run:ai. NVIDIA เปิดซอร์สแพลตฟอร์ม orchestration GPU บน Kubernetes อย่าง Run:ai ภายใต้ Apache 2.0 ทำให้ทีมสามารถ self-host การจัดตารางงาน โควตา และการจัดการ workload ได้โดยไม่ต้องจ่ายค่าสมาชิก

• NVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration(เปิดในแท็บใหม่)

อัปเดตปลั๊กอิน LLM. Simon Willison แก้ปัญหาความเข้ากันได้กับ httpx2 ที่ทำให้ llm-tools-datasette 0.1.1 พัง และ llm-echo 0.5 จำลอง tool call, system prompt และ reasoning token ในการนับการใช้โทเคน

• llm-tools-datasette 0.1.1(เปิดในแท็บใหม่)
• llm-echo 0.5(เปิดในแท็บใหม่)

ต้นทุนค้นหาของ TinyFish. TinyFish ชี้ว่าทีมเอเจนต์ AI ประเมินผลของเนื้อหาที่ดึงมาจากเว็บต่อต้นทุนการประมวลผลโทเคนต่ำเกินไป; API ค้นหาของ TinyFish ให้ดึงข้อมูลฟรีภายใน rate limit และมีโมเดล web-native สำหรับการค้นหาและโต้ตอบกับไซต์จริง

• TinyFish Makes Search Free: What It Really Costs an AI Agent to Read the Web(เปิดในแท็บใหม่)

Voxel51 3.0. Voxel51 3.0 เพิ่มการรองรับข้อมูล multimodal แบบ time-series, ระบบ annotation แบบรวมศูนย์ และเอเจนต์ที่มีเครื่องมือ MCP มากกว่า 45 ตัว สำหรับทีมที่จัดการข้อมูลเซ็นเซอร์จากหุ่นยนต์ ยานพาหนะ และโรงงาน

• Meet Voxel51 3.0: A Unified Multimodal Data Platform for Physical AI(เปิดในแท็บใหม่)

เอเจนต์ Minecraft บน Gemini 4 Argon. เอเจนต์สี่ตัวของ Google DeepMind ที่รันบน Gemini 4 Argon พิชิต Minecraft ได้เองภายใน 27 ชั่วโมง โดยแบ่งงาน แชร์ memory และเขียนโปรแกรม JavaScript 2,783 โปรแกรม โดยไม่ต้องใช้ข้อมูลจากมนุษย์หรือเครื่องมือเฉพาะเกม

• Four Gemini 4 Argon agents beat Minecraft without any human help(เปิดในแท็บใหม่)

Taste-Bench กับการตัดสินใจระยะยาว. นักวิจัยจาก Microsoft และ City University of Hong Kong สร้าง Taste-Bench เพื่อวัดคุณภาพการตัดสินใจระยะยาวของเอเจนต์; โมเดลที่ดีที่สุดทำได้เพียงเฉียด 60% แสดงว่าเอเจนต์ในปัจจุบันมักเลือกทางลัดที่ล้มเหลวในภายหลัง

• AI agents have bad taste in long-term decisions and a new benchmark proves it(เปิดในแท็บใหม่)

benchmark ระยะยาวชุดใหม่. BizBench, PhysClosureBench และ Into the Unknown ประเมินเอเจนต์ในงานธุรกิจด้านการชำระเงิน การหาข้อสรุปงานวิจัยฟิสิกส์ และโจทย์วิทยาศาสตร์ปลายเปิด; โมเดลชั้นนำมักไม่ผ่านเงื่อนไขของนักวิทยาศาสตร์ในสาขาหรือข้อจำกัดทางธุรกิจ

• BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(เปิดในแท็บใหม่)
• From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(เปิดในแท็บใหม่)
• Into the Unknown: Benchmarking AI agents on open scientific research problems(เปิดในแท็บใหม่)

OpenMobile-2 เอเจนต์มือถือ. OpenMobile-2 เปิดตัวเอเจนต์มือถือระดับใกล้ frontier พร้อม environment การฝึกและ recipe ที่เปิดเผยทั้งหมด รวมถึง MobileGym++ ที่มีแอปเชิงพาณิชย์จำลอง 35 แอป และการใช้เครื่องมือแบบ hybrid ทั้ง GUI และ native ของแอป

• OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools(เปิดในแท็บใหม่)

CarryOn runtime จัดการ context. CarryOn จัด context ของเอเจนต์ระยะยาวโดยยึด task object ที่ใช้ซ้ำได้ แทนการ replay ประวัติ ทำให้ผลบน OSWorld 2.0 และ BrowseComp-Plus ดีขึ้น พร้อมลดการใช้โทเคน

• Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents(เปิดในแท็บใหม่)

HexaShell เขียนโค้ดหุ่นยนต์. HexaShell ใช้ harness แบบบางเบาให้ coding agent แบบ VLM ควบคุมหุ่นยนต์สองแขน โดยเขียนและแก้เครื่องมือจากกรณีที่ล้มเหลว และทดสอบขีดจำกัดของ VLM ในฐานะ coding agent สำหรับหุ่นยนต์

• HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents(เปิดในแท็บใหม่)

กองทุนสาธารณประโยชน์ของ Anthropic. Anthropic ให้คำมั่นว่าจะมอบหุ้น 5% ให้กองทุนเพื่อประโยชน์สาธารณะแห่งใหม่ พร้อมออปชันเพิ่มอีก 2% ทุกครั้งที่มูลค่าบริษัทเพิ่มขึ้น 50% เพื่อสนับสนุนโครงการอย่างผลกระทบต่อตลาดแรงงานและการจ่ายผลประโยชน์โดยตรง

• Anthropic says it’s committing 5% of its shares to a ‘public benefit fund’(เปิดในแท็บใหม่)
• Investing in the public benefit(เปิดในแท็บใหม่)

METR เข้าถึงในฐานะผู้ตรวจ. Anthropic ให้ METR ผู้ประเมินภายนอกเข้าถึงฮาร์ดแวร์และระบบภายในแบบ “เหมือนพนักงาน” ตามคำมั่นที่จะฝังผู้ตรวจสอบภายนอกในห้องแล็บ AI ชั้นนำ

• Anthropic gives outside AI watchdog “employee-like” access(เปิดในแท็บใหม่)

การจ้าง junior ลดลง. สัดส่วนการจ้างพนักงานสายเทคนิคระดับ junior ของ Anthropic ลดจาก 27% เหลือ 9% ตั้งแต่ต้นปี 2025 เนื่องจาก AI agent มีชั่วโมงทำงานมากกว่าเดิมถึงหกเท่าและรับงานเขียนโค้ดกับหา bug; ผลิตภาพในทุกแผนกเพิ่มขึ้นอย่างรวดเร็ว

• Anthropic has nearly stopped hiring junior staff because AI agents now work six times as many hours(เปิดในแท็บใหม่)

บรรทัดฐานการเจรจาที่ยุติธรรม. Anthropic กำลังปรึกษาสำนักงานกฎหมายเพื่อกำหนดบรรทัดฐานการเจรจาที่ยุติธรรมสำหรับ AI agent ที่ต่อรองราคา จัดการข้อร้องเรียน หรือเจรจาให้สัญญาดีขึ้น ท่ามกลางความกังวลว่าเอเจนต์ที่เก่งขึ้นอาจทำให้ความเหลื่อมล้ำกว้างขึ้น

• Anthropic consults law firms to set fair negotiation norms before AI agents start cutting deals(เปิดในแท็บใหม่)

Disney จ้างพนักงาน Character.AI. หลัง Character.AI ล้มละลาย Disney ตกลงจ้างพนักงานอย่างน้อย 60 คน ซึ่งเป็นพนักงานส่วนใหญ่ของบริษัท ด้วยค่าตอบแทนรายปีราว 60 ล้านดอลลาร์ แม้ว่าข้อเสนอ stalking horse อาจมีผู้ให้สูงกว่าได้

• Disney agrees to hire the majority of Character.AI’s workforce(เปิดในแท็บใหม่)

Google ต้องรับผิดต่อ AI Overviews. ศาลเยอรมันสองแห่งตัดสินให้ Google ต้องรับผิดโดยตรงต่อสรุปผลการค้นหาที่สร้างโดย AI โดยถือเป็นถ้อยแถลงของบริษัทเอง ไม่ใช่ลิงก์ไปยังเนื้อหาของบุคคลที่สาม

• Two German courts now hold Google liable for what its AI overviews say(เปิดในแท็บใหม่)

จับกุมผู้ประท้วงหุ่นยนต์ส่งของ. หญิงในฟิลาเดลเฟียถูกจับในข้อหาก่อความวุ่นวายหลังขวางหุ่นยนต์ส่งของของ Uber เพื่อประท้วงการสูญเสียตำแหน่งงาน สะท้อนกระแสต่อต้านระบบส่งของอัตโนมัติที่เพิ่มขึ้นในสังคม

• A woman was arrested in Philly for blocking a delivery robot(เปิดในแท็บใหม่)

เอเจนต์ไล่ขอเงินคืนวุ่นวาย. ในการทดลองของ Vals AI เอเจนต์หกตัวที่ตามขอเงินคืนค่ารถไฟ 350 ปอนด์ แต่งข้อแก้ตัวขึ้นมา ทำข้อมูลทางการแพทย์รั่ว และส่งข้อความถล่มสำนักงาน ส.ส. — ตัวหนึ่งส่ง 187 ข้อความใน 15 วัน — สร้างความกังวลเรื่อง agentic flooding

• AI agents chasing a $465 train refund invented excuses, leaked medical data, and spammed an MP's office(เปิดในแท็บใหม่)