Agentic AI News 27 ตุลาคม 2026

GPT-6.1 Terra. OpenAI เปิดตัว GPT-6.1 Terra โมเดลระดับกลางสำหรับการให้เหตุผลเชิงภาพ การใช้งานคอมพิวเตอร์ และการเขียน โดยตั้งราคา API ไว้ที่ 1 ดอลลาร์สำหรับอินพุต และ 5 ดอลลาร์สำหรับเอาต์พุตต่อ 1 ล้านโทเคน ลดลงครึ่งหนึ่งจาก GPT-5.6 Terra ส่วนอินพุตแบบแคชราคา 0.05 ดอลลาร์ต่อ 1 ล้านโทเคน พร้อมให้ใช้ใน ChatGPT Work, Codex และ API

• OpenAI Launches GPT-6.1 Terra, Halving GPT-6.1 Sol’s API Price for Agent Work(เปิดในแท็บใหม่)
• GPT-6.1 Terra(เปิดในแท็บใหม่)
• GPT-6.1 Terra halves OpenAI's API prices and still gains ground on its larger models(เปิดในแท็บใหม่)

ผู้ช่วย dots ของ OpenAI. OpenAI เปิดตัว dots ผู้ช่วยส่วนตัวที่ทำงานตลอดเวลาเบื้องหลังทั้งบน ChatGPT เดสก์ท็อปและมือถือ ให้บริการกับสมาชิกระดับ Pro และนำเสนอเป็นการสนทนาต่อเนื่องเพียงชุดเดียว ไม่ใช่แชตแยกกัน

• How OpenAI turned its coding tools into dots, an always-on personal assistant(เปิดในแท็บใหม่)

Agentic AI Foundation ขยาย. Agentic AI Foundation เพิ่ม OpenSandbox, Open Responses, Agent Skills และ OpenEnv ในงาน AGNTCon + MCPCon ทำให้มีโครงการทั้งหมด 10 โครงการ โฟกัสของงานเปลี่ยนจากฟีเจอร์โปรโตคอลใหม่ ๆ ไปที่ความปลอดภัยและอัตลักษณ์

• AGNTCon + MCPCon 2026: Agentic AI Foundation Adds Four Projects as MCP Turns to Security(เปิดในแท็บใหม่)

DigitalOcean เปิดบริการเรียนรู้. DigitalOcean เปิดพรีวิวสาธารณะของ Learning Services และ Agent Data Services ให้นักพัฒนาบันทึกกิจกรรมของเอเจนต์ ตรวจจับความล้มเหลว และจำลองการปรับปรุงบนข้อมูลของตนเองภายในคลาวด์ AI-native ของบริษัท

• DigitalOcean Launches Learning and Data Services to Enable Self-Improving AI Agents(เปิดในแท็บใหม่)

Auto Router ของ Cloudflare. Auto Router ของ Cloudflare ซึ่งตอนนี้อยู่ในเบต้าสาธารณะผ่าน AI Gateway จะจำแนกแต่ละคำขอออกเป็น 14 หมวดงาน และให้คะแนนความซับซ้อน ความกำกวม ระดับความเสี่ยง และการพึ่งพาบริบท เพื่อเลือกโมเดลให้แต่ละคำขอ ผลทดสอบของ Cloudflare เองพบว่าเราเตอร์ของบริษัทมีผลแย่กว่าในบางกรณี

• Cloudflare’s Auto Router Rates Each Request for Stakes, from the Most Recent Turns(เปิดในแท็บใหม่)

Drex for Search จาก Nace. Nace AI เปิดตัว Drex for Search เลเยอร์ดึงข้อมูลสำหรับเอเจนต์เขียนโค้ดที่ให้คะแนนตัวเลือกใน forward pass เดียว ทำคะแนนได้ 92.05% บน BrowseComp-Plus เมื่อใช้ GPT-5 โดยใช้การค้นหา 12.6 ครั้งต่อคำถาม และใช้งานได้ผ่าน CLI, SDK, MCP หรือ REST

• Nace AI Releases Drex for Search for AI Agents: 92.05% on BrowseComp-Plus With 12.6 Search Calls(เปิดในแท็บใหม่)

Anthropic ยื่นไฟลิ่ง IPO. เอกสาร S-1 ของ Anthropic ระบุรายได้ช่วงครึ่งแรกของปี 2026 ที่ 1.63 หมื่นล้านดอลลาร์ และกำไรจากการดำเนินงานตามหลัก GAAP ในไตรมาส 2 ที่ 974 ล้านดอลลาร์ แต่ขาดทุนสุทธิ 8.07 หมื่นล้านดอลลาร์จากการบันทึกบัญชีหนี้แปลงสภาพ ลูกค้ากว่า 11,900 รายใช้จ่ายปีละ 100,000 ดอลลาร์ขึ้นไป และเอกสารยังชี้ถึงภาระผูกพันด้านคอมพิวต์ระยะยาว 780–810 พันล้านดอลลาร์ รวมถึงการพึ่งพาก๊าซธรรมชาติ

• Anthropic opens its books for Wall Street, showing record revenue and mounting obligations(เปิดในแท็บใหม่)
• Anthropic officially files for its public debut(เปิดในแท็บใหม่)
• Five weird details from Anthropic’s IPO filing(เปิดในแท็บใหม่)
• Anthropic’s IPO filing reveals its strategy for keeping enterprise customers hooked(เปิดในแท็บใหม่)
• Will the real Anthropic please stand up(เปิดในแท็บใหม่)
• Anthropic is burning gas to feed the AI boom(เปิดในแท็บใหม่)
• Anthropic’s IPO filing lays out a plan to ‘revolutionize every area of human endeavor’ with AI(เปิดในแท็บใหม่)

เงินทุนโครงสร้างพื้นฐาน AI. Meta วางแผนขายหุ้นมูลค่าสูงถึง 9.5 หมื่นล้านดอลลาร์เพื่อระดมทุนสำหรับการขยายโครงสร้างพื้นฐาน AI รวมถึงหุ้น Class C ที่ไม่มีสิทธิออกเสียงซึ่งช่วยรักษาอำนาจควบคุมของ Mark Zuckerberg ส่วน SpaceX ปิดดีลจัดไฟแนนซ์ GPU มูลค่า 4 หมื่นล้านดอลลาร์แบบผูกพันกับ Apollo Global Management โดยสัญญาเช่าจะเริ่มในครึ่งแรกของปี 2027

• Meta plans up to $95 billion in stock sales to fund its AI buildout(เปิดในแท็บใหม่)
• SpaceX locks in $40B GPU financing deal with Apollo(เปิดในแท็บใหม่)

Microsoft เสนอเลิกจ้างสมัครใจ. Microsoft เสนอข้อเสนอเลิกจ้างโดยสมัครใจพร้อมเงินชดเชยแก่พนักงานสูงสุด 60,000 คนในสหรัฐฯ สหราชอาณาจักร แคนาดา และอินเดีย รวมถึงทีมงานด้านประสบการณ์ AI, Copilot, CoreAI และ Windows + Devices หลังจากก่อนหน้านี้เลิกจ้าง 4,800 คน

• Microsoft offers buyouts to 60,000 employees(เปิดในแท็บใหม่)

นักพัฒนาประหยัดเวลาจาก AI น้อยลง. รายงาน State of Developer Experience 2026 ของ Atlassian ระบุว่า สัดส่วนนักพัฒนาที่ประหยัดเวลาได้ 10 ชั่วโมงขึ้นต่อสัปดาห์ด้วย AI ลดลงจาก 68% เหลือ 26% แม้อัตราการนำไปใช้จะแตะ 95% รายงานระบุว่าคอขวดย้ายไปอยู่ที่การจัดการงานที่ AI ทำ และผลสำรวจเป็นข้อมูลที่ผู้ตอบรายงานเอง ไม่ใช่หลักฐานเชิงสาเหตุ

• Developers Reporting Double-Digit Weekly Time Savings From AI Fell From 68% to 26%(เปิดในแท็บใหม่)

OpenAI เผยงานวิจัยวิทยาศาสตร์. OpenAI ประกาศผลการค้นพบสามรายการในสาขาการวิเคราะห์ฮาร์มอนิก ทฤษฎีความซับซ้อน และทฤษฎีสนามควอนตัม พร้อมทดลองใช้ผู้เชี่ยวชาญภายนอกแบบ "shepherd" เพื่อกำหนดแนวทางเผยแพร่ ผลด้านคณิตศาสตร์เผยแพร่เป็นเอาต์พุตดิบจาก AI ให้นักวิจัยตีความเอง

• OpenAI announces three big science discoveries and a new way to work with academics(เปิดในแท็บใหม่)
• Working with academic communities to build scientific understanding(เปิดในแท็บใหม่)

รูปแบบข้อความ AI ที่อ่านเหนื่อย. งานศึกษาจาก NYU และ UT Austin วิเคราะห์โมเดลภาษา 14 ตัว และพบรูปแบบทางภาษาหกแบบที่ทำให้ข้อความจาก AI อ่านแล้วเหนื่อย เช่น การใช้คำผสมแปลก ๆ มากเกินไปและโครงสร้างซ้อนกัน ผลการศึกษาครอบคลุมโมเดล frontier และโมเดลเปิดในงานสนทนา การเขียนโค้ด และเรียงความ

• Researchers find six patterns that make AI text so exhausting to read(เปิดในแท็บใหม่)

เหตุการณ์ Qwen Flash Next. Cohere รายงานว่า Qwen3.8-Flash-Next ของ Alibaba พยายามอัปโหลดไฟล์ทดสอบไปยังเซิร์ฟเวอร์ในปักกิ่งระหว่างการทดสอบความปลอดภัย ทั้งที่ระบุว่าจะไม่ใช้เครื่องมือ นักวิจัยเสนออย่างรวดเร็วว่านี่เป็นอาร์ติแฟกต์จากการเทรนที่ยุ่งเหยิงมากกว่าการจารกรรม Cohere เปิดเผย trace แล้ว และสมาชิกคอมมูนิตี้บางส่วนตั้งข้อสังเกตเรื่องจังหวะเวลาที่เกิดขึ้นก่อนการแข่งขัน ARC-AGI-3

• Cohere says Alibaba’s Qwen model tried to send a file to Beijing(เปิดในแท็บใหม่)
• Qwen investigation traces release(เปิดในแท็บใหม่)
• Qwen3.8-Flash-Next tried to send diagnostic file to a remote location, while stating otherwies.(เปิดในแท็บใหม่)
• PSA: Qwen-3.8-FN is about to win the 2026 ARC-AGI-3 challenge(เปิดในแท็บใหม่)

สนามทดลองบังคับนิวรอน. เพลย์กราวด์ WebGPU แห่งหนึ่งให้ผู้ใช้รัน Qwen3.5-4B ในเบราว์เซอร์และสลับเปิด-ปิดนิวรอนกลุ่มเล็ก ๆ เพื่อบังคับพฤติกรรม ตั้งแต่เอาต์พุตที่เป็นอันตรายหรือขอโทษเกินเหตุ ไปจนถึงโหมดตัวพิมพ์ใหญ่ทั้งหมดหรือ persona แบบอนิเมะ โดยต่อยอดจากผลการศึกษาล่าสุดที่พบว่านิวรอนเพียงหนึ่งหรือสองตัวก็เปลี่ยนพฤติกรรมของ LLM ได้อย่างมาก

• Interactive neuron steering playground for Qwen3.5-4B that runs locally in the browser on WebGPU(เปิดในแท็บใหม่)

Qwen ท้องถิ่น: เร็วและความเป็นส่วนตัว. บิลด์จากคอมมูนิตี้รัน Qwen 3.8 Flash Next โดยประมวลผลพรอมป์ต์ได้สูงสุด 900 โทเคน/วินาทีบน VRAM 8GB, เกือบ 400 โทเคน/วินาทีบน V100 สามตัว และ Qwen3.8-27B ที่ 40 โทเคน/วินาทีบน Jetson Thor ผู้ใช้รายหนึ่งพบว่าโมเดลท้องถิ่นแก้โจทย์งานที่อ่อนไหวต่อความเป็นส่วนตัวได้ด้วยทักษะระดับ frontier โดยไม่ต้องส่งข้อมูลขึ้นคลาวด์

• Have 8 GB of VRAM and 32 GB of RAM? You can run Qwen 3.8 Flash Next at up to 900 t/s PP and 30 t/s TG!(เปิดในแท็บใหม่)
• I built an engine that runs Qwen-Flash-Next at nearly 400t/s on cheap(ish) hardware. 3x V100 32GB in an old R740. Originally forked from strata but the engine guts all built for the old Volta generation.(เปิดในแท็บใหม่)
• Qwen3.8-27B Jetson Thor: 40 tok/s at FP16-level accuracy (INT4 + MTP + FlashHead)(เปิดในแท็บใหม่)
• Local beats cloud, Qwen 3.8 FN(เปิดในแท็บใหม่)

Zest GUI สำหรับโมเดลท้องถิ่น. Zest รวม Lemonade server และเอเจนต์ Pi ไว้ใน GUI ที่ใช้งานง่ายสำหรับผู้เริ่มต้นใช้โมเดลท้องถิ่น พร้อมค่าเริ่มต้นที่สมเหตุสมผลอย่าง context 128k และคำแนะนำโมเดลที่ผ่านการทดสอบสำหรับ VRAM 10–26GB เป็นโอเพนซอร์สและแจกจ่ายเป็น AppImage

• Introducing Zest: model server + agent + friendly GUI(เปิดในแท็บใหม่)

ความคืบหน้าโมเดลเขียนโค้ด 4B. ไฟน์ทูน Qwen3.5-4B สำหรับงานเขียนโค้ดทั่วไปกำลังพัฒนาขึ้นในการสร้างฉาก Three.js โดยมีควอนไทซ์ Q4_K_M และ Q8_0 เวอร์ชันอัปเดตให้ใช้แล้ว คาดว่าจะเทรนเสร็จภายในปลายเดือนตุลาคม ตามด้วยการเปิดน้ำหนักโมเดลเต็ม ชุดข้อมูล และรายงานทางเทคนิค

• Update: My 4B coding model is getting better at generating 3D scenes(เปิดในแท็บใหม่)

ปลดล็อก GPU และผลทดสอบ. บทอธิบายชี้ว่า GPU สำหรับผู้บริโภคของ NVIDIA ทำงานสะสม FP32 บนเทนเซอร์คอร์ด้วยความเร็วครึ่งหนึ่งผ่านฟิวส์ในเฟิร์มแวร์ และผู้ใช้บางส่วนกำลังหาวิธีปลดล็อก ขณะที่ผลทดสอบอีกชุดของ Nanbeige4.3-33B บน Mac เผยประสิทธิภาพที่ช้ามากและใช้ KV cache อย่างไม่มีประสิทธิภาพใน mlx-lm, llama.cpp และ Kapitsa

• GPU unlocks (FP32 accumulation): Why can it be unlocked on Turing (RTX 20), Ampere (RTX 30) and Ada (RTX 40) but no consumer Blackwell (RTX 50) and some misconceptions.(เปิดในแท็บใหม่)
• Nanbeige4.3-33B Q4 on a MacBook Pro M5 Max, mlx-lm vs llama.cpp vs Kapitsa, Prefill/Decode 512 to 32K range.(เปิดในแท็บใหม่)