ข้ามไปที่เนื้อหา
#การเขียนโค้ด
  1. Hacker News · AI88

    Google เปิดตัว Gemini 4 Hydrogen โมเดลประมวลผลเร็วสำหรับงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์

    Google เปิดตัว Gemini 4 Hydrogen โมเดลที่สร้างขึ้นเพื่อการประมวลผลที่รวดเร็วในงานเขียนโค้ดประจำวันและเวิร์กโฟลว์แบบเอเจนต์ โดยเปิดให้ใช้งานทั่วโลกผ่าน Gemini API, AI Studio, Gemini for business, แอป Gemini, Google Search และ Google Antigravity

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Hydrogen ของ Google ถูกวางตำแหน่งเป็นโมเดลประมวลผลเร็วสำหรับงานเขียนโค้ดประจำวันและงานแบบเอเจนต์ ด้วยราคาคงที่ 1.50/7.50 ดอลลาร์ต่อล้านโทเค็นตลอดหน้าต่างบริบท 1M และ Orchestrator ใหม่ที่สลับระหว่างโมเดล Gemini 4

  1. Ars Technica · AI78

    Grok Build coding agent รั่วไหลข้อมูลลับของผู้ใช้หลายพันราย รวมถึง SpaceXSI

    บริษัทความปลอดภัย Claroc พบว่า Grok Build ซึ่งเป็นเอเจนต์เขียนโค้ดแบบ vibe-coding จาก SpaceXSI รั่วไหลข้อมูลทางธุรกิจที่เป็นความลับและความลับอ่อนไหวอื่นๆ ของผู้ใช้หลายพันรายผ่านลิงก์แอปที่แชร์ได้ แม้ Grok จะสุ่ม URL เพื่อให้เฉพาะผู้ที่มีลิงก์ที่แน่นอนเท่านั้นเข้าถึงข้อมูลได้ แต่การตัดสินใจออกแบบกลับทำให้ใครก็ตามสามารถไล่รายการโปรเจกต์ที่ใช้งานอยู่หลายพันรายการได้ และการคลิกลิงก์เหล่านั้นโดยทั่วไปจะเปิดเผยข้อมูลที่เกี่ยวข้องทั้งหมด เนื้อหาที่รั่วไหลรวมถึงแผนธุรกิจภายใน ข้อเสนอโฆษณา ผลตรวจทางการแพทย์ รายการตรวจสอบห้องครัวของเรือสำราญ และชื่อกับหมายเลขบัตรประชาชนของพนักงาน โดยบางส่วนมาจาก 24 แอปที่ SpaceXSI สร้างขึ้นเอง รวมถึงแผนการปฐมนิเทศที่เป็นความลับ แผนที่เขตการขายของ 594 บัญชี และที่อยู่ระบบภายในของเครื่องมือขาย

    ทำไมเรื่องนี้สำคัญ: ผลการค้นพบของบริษัทความปลอดภัย Claroc แสดงให้เห็นว่าการเลือกออกแบบ URL ในฟีเจอร์แชร์ของ Grok Build เปิดเผยโปรเจกต์ที่ใช้งานอยู่หลายพันรายการ รวมถึงเอกสารภายในของ SpaceXSI เอง

  2. Google DeepMind88

    Google DeepMind เปิดตัว Gemini 4 Carbon สำหรับการเขียนโค้ดแบบเอเจนต์ ไซเบอร์ซีเคียวริตี้ และการให้เหตุผลเชิงวิทยาศาสตร์

    Google DeepMind เปิดให้ developers, องค์กร, นักวิทยาศาสตร์ และผู้บริโภคใช้งาน Gemini 4 Carbon ได้แล้ว โดยวางตำแหน่งให้เหนือกว่า Gemini 4 Argon สำหรับงานที่ต้องใช้การให้เหตุผลเชิงลึกและโทเคนมากขึ้น Carbon ครองอันดับ 1 บน CursorBench 4.0, WANDR ของ Perplexity และ AutomationBench ของ Zapier ด้วยต้นทุนต่องานต่ำกว่าโมเดลภายนอกที่ดีที่สุดเป็นอันดับถัดไปกว่า 2 เท่า และมีราคาอยู่ที่ 2 ดอลลาร์ต่อล้านโทเคนอินพุต และ 10 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ซึ่งเป็นราคาเปิดตัวเดียวกับ Argon Google ยังได้พรีวิว /swarm ใน Google Antigravity ซึ่งเปลี่ยนพรอมป์เดียวให้กลายเป็นทีมเอเจนต์ที่ทำงานประสานกัน และรายงานว่า Carbon สามารถบล็อกเส้นทางการโจมตีได้ 99% ในการทดสอบจำลองการโจมตีทางไซเบอร์

    ทำไมเรื่องนี้สำคัญ: บันทึกการเปิดตัวของ Google อธิบายว่า Gemini 4 Carbon แลกกับการใช้โทเคนที่สูงขึ้นเพื่อการให้เหตุผลที่ลึกขึ้น โดยครองอันดับ 1 บน CursorBench 4.0, WANDR และ AutomationBench ด้วยต้นทุนต่องานต่ำกว่าครึ่งหนึ่งของโมเดลภายนอกอันดับถัดไป

  1. Latent Space85

    Anthropic เปิดตัว Claude Fable 5.2 และ Mythos 5.2 กลับมาครองอันดับหนึ่ง LLM ขณะเริ่มโรดโชว์ IPO

    Anthropic เปิดตัว Claude Fable 5.2 และ Claude Mythos 5.2 ซึ่งขึ้นอันดับต้นในลีดเดอร์บอร์ดอิสระส่วนใหญ่ รวมถึง Artificial Analysis Intelligence Index v5 ที่ 65 และ SemiAnalysis GDPx ที่ 16.4% ราคาลดลง 20% เหลือ $8/$40 ต่อ 1M โทเคนอินพุต/เอาต์พุต แต่ SemiAnalysis รายงานว่าต้นทุนต่องาน GDPx เพิ่มจาก $67.16 เป็น $88.15 เพราะโมเดลเขียนกรณีทดสอบหลายร้อยถึงหลายพันกรณีและสร้าง subagent เพื่อตรวจงานของตัวเอง การประเมินหลายชุดแสดงให้เห็นว่าระดับความพยายามสูงสุด (max effort) ให้ผลด้อยกว่าระดับ high และ Fable ถูกจำกัดที่ 50% ของขีดจำกัดการสมัครสมาชิกรายสัปดาห์

    ทำไมเรื่องนี้สำคัญ: Anthropic เปิดตัว Fable 5.2 และ Mythos 5.2 พร้อมลดราคาต่อโทเคน 20% แต่การประเมินอิสระกลับพบต้นทุนต่องานสูงขึ้น และการตั้งค่าความพยายามสูงสุดให้ผลด้อยกว่าระดับ high

  2. Claude YouTube78

    Anthropic เปิดตัว Claude Fable 5.2 สำหรับงานเทคนิคที่ท้าทาย

    Anthropic เปิดตัว Claude Fable 5.2 โมเดลที่ออกแบบมาสำหรับความท้าทายทางเทคนิคที่ยากที่สุดและโครงการเปิดกว้างที่ทะเยอทะยาน โดยมีการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น บริษัทแนะนำให้เริ่มต้นด้วย Opus 5.5 สำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่ Fable 5.2 เปิดให้ใช้งานแล้ววันนี้ในแผน Pro, Max, Team และ Enterprise

    ทำไมเรื่องนี้สำคัญ: Claude Fable 5.2 มุ่งเป้าไปที่งานเทคนิคแบบเปิดกว้างที่ทะเยอทะยาน โดยมีรายงานการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น ขณะที่ Opus 5.5 ยังคงเป็นค่าเริ่มต้นที่แนะนำสำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่

  1. Meta AI Research Blog78

    Meta เปิดตัว Muse Ember โมเดลที่เล็กที่สุดและมีประสิทธิภาพที่สุดสำหรับงานเอเจนต์

    Meta เปิดตัว Muse Ember โมเดลที่เล็กที่สุดและมีประสิทธิภาพที่สุด มุ่งเป้าไปที่งานซ้ำๆ ที่เอเจนต์ทำตลอดทั้งวัน เช่น การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การกำหนดเส้นทาง การสกัดข้อมูล และการแยกวิเคราะห์เอกสารยาว Meta กล่าวว่าโมเดลนี้ทำคะแนนได้เท่ากับคะแนนดีที่สุดของ Claude Haiku 5.5 ในต้นทุนประมาณหนึ่งในสาม และเอาชนะการตั้งค่าทุกแบบของ GPT-6 Luna ด้วยราคา $0.10 ต่อล้านโทเค็นอินพุต และ $0.50 ต่อล้านโทเค็นเอาต์พุต มาพร้อมหน้าต่างบริบท 1M โทเค็น เอาต์พุตสูงสุด 512K โทเค็น รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอแบบเนทีฟ และพร้อมใช้งานวันนี้บน Muse Code และ Meta Model API ในชื่อ muse-ember-1.0

    ทำไมเรื่องนี้สำคัญ: โมเดลที่เล็กที่สุดของ Meta มุ่งเป้าไปที่ขั้นตอนเอเจนต์ที่มีปริมาณสูง และการเปรียบเทียบต้นทุนต่องานกับ Claude Haiku 5.5 และ GPT-6 Luna แสดงให้เห็นที่มาของข้ออ้างเรื่องประสิทธิภาพ

  2. Every78

    รีวิวทุกแง่มุม: Fable 5.2 สร้างผลิตภัณฑ์เต็มรูปแบบได้โดยแทบไม่ต้องชี้นำ

    Every รายงานว่า Fable 5.2 โมเดลใหม่ล่าสุดของ Anthropic ทำให้ Kieran Klaassen สร้างโปรแกรมตัดต่อวิดีโอที่รวมฟีเจอร์สไตล์ Adobe Premiere, After Effects และ Ableton เข้าด้วยกัน โดยมี AI agent เป็นตัวขับเคลื่อน และ Everycut เปิดใช้งานจริงภายในสามวันหลังจากเขาเริ่มต้น บทวิจารณ์ระบุว่า Fable 5.2 สามารถรับผลิตภัณฑ์ทั้งชิ้นและสร้าง ทดสอบ และปรับปรุงต่อไปจนใช้งานได้ในชีวิตประจำวัน ต่างจาก Opus 5.5 ที่ผู้ใช้ต้องคอยตรวจงานของมัน และ Fable 5 กับ 5.1 ที่รันงานขนาดใหญ่เป็นชั่วโมงหรือหลายวัน Every เรียกมันว่าเป็นโมเดลแรกที่พวกเขาทดสอบซึ่งช่วยให้มืออาชีพสร้างเครื่องมือระดับโปรดักชันได้โดยไม่ต้องอ่านโค้ดเบื้องหลัง

    ทำไมเรื่องนี้สำคัญ: บทความเชิงปฏิบัติของ Every เกี่ยวกับ Fable 5.2 แสดงให้เห็นว่าโมเดลเดียวสามารถขับเคลื่อนการสร้างผลิตภัณฑ์ได้ไกลเพียงใดด้วยการชี้นำเพียงเล็กน้อย พร้อมการเปรียบเทียบที่ชัดเจนกับ Opus 5.5 และ Fable 5/5.1

  1. Google Developers Blog60

    การศึกษาของ Google พบว่าการอ้างอิงบั๊กที่ค้างอยู่ใน TODO ทำให้เอเจนต์เขียนโค้ดเสียสมาธิใน 13% ของเซสชัน

    ) การอ้างอิง เอเจนต์ดำเนินการตามรหัสบั๊กใน 6% ของการพบเจอ และ 83% ของการดำเนินการเหล่านั้นไม่ได้ถูกกระตุ้นโดยนักพัฒนา 41% ของการเบี่ยงเบนที่ไม่ได้ถูกกระตุ้นไล่ตามตั๋วที่ปิดไปแล้ว ขณะที่ 57% ไปกระทบกับบั๊กที่ยังเปิดอยู่และขยายขอบเขตงาน เมื่อควบคุมตัวแปรด้านนักพัฒนา ความซับซ้อนของโค้ดเบส ประเภทงาน ระดับโมเดล และปัจจัยอื่นๆ การเบี่ยงเบนไปตามบั๊กที่ไม่ได้ถูกกระตุ้นเพิ่มขั้นตอนขึ้น 70% โทเค็นขึ้น 77% และเวลารอขึ้น 105% ต่อเซสชัน

    ทำไมเรื่องนี้สำคัญ: การวิเคราะห์ร่องรอยขนาดใหญ่ของ Google แสดงให้เห็นว่าการอ้างอิงบั๊กที่ค้างอยู่ใน TODO ดึงเอเจนต์เขียนโค้ดเข้าสู่การเบี่ยงเบนที่ไม่ได้ถูกกระตุ้น และเอเจนต์ทำความสะอาดของบริษัทได้ลบการอ้างอิงที่ล้าสมัยหลายพันรายการโดยมีอัตราการยอมรับจากผู้ตรวจทานเกิน 95%

  1. Artificial Analysis Articles78

    Thinking Machines เปิดตัว Inkling 2 Small ได้คะแนน 31 บน Artificial Analysis Intelligence Index

    Thinking Machines เปิดตัว Inkling 2 Small โมเดลการให้เหตุผลแบบ proprietary ที่ได้คะแนน 31 บน Artificial Analysis Intelligence Index v5.0.1 สูงกว่า Inkling Small 18 คะแนน โดยมีแผนจะเปิดน้ำหนักภายใต้ Apache 2.0 ในภายหลังซึ่งยังไม่ยืนยันวันที่ โมเดลขนาด 594B พารามิเตอร์ (ใช้งานจริง 17B) เปิดให้ใช้ก่อนผ่าน Tinker และ Tinker Playground ในราคา $0.30/$1.00 ต่อ 1M โทเคนอินพุต/เอาต์พุต และทำได้เทียบเท่า Gemini 3.8 Flash (high) แต่ตามหลัง Claude Sonnet 5.5 ใน benchmark ด้านการเขียนโค้ดและการ hallucination โดยใช้โทเคนเอาต์พุตเฉลี่ยประมาณ 150K ต่องานใน Intelligence Index หรือราว 4 เท่าของ Inkling Small ในราคา $1.18 ต่องาน เทียบกับ $0.20

    ทำไมเรื่องนี้สำคัญ: การรัน benchmark อิสระของ Artificial Analysis แสดงให้เห็นว่า Inkling 2 Small ได้เปรียบกว่ารุ่นก่อนหน้าตรงไหน และยังตามหลัง Gemini 3.8 Flash และ Claude Sonnet 5.5 ตรงไหน

  1. Mistral AI86

    Mistral เปิดตัวน้ำหนักเปิดสำหรับ Mistral Large 4 (Le Chonk) โมเดลมัลติโมดัลขนาด 1 ล้านล้านพารามิเตอร์

    Mistral AI เปิดตัวน้ำหนักเปิดของ Mistral Large 4 (Le Chonk) โมเดลมัลติโมดัลโดยกำเนิดขนาด 1 ล้านล้านพารามิเตอร์ ซึ่งเข้าสู่การพรีวิวสาธารณะเมื่อต้นเดือนนี้และถูกฝึกตั้งแต่เริ่มต้นในยุโรป บริษัทกล่าวว่าการเรียนรู้แบบเสริมกำลังเพิ่มเติมอีกสามสัปดาห์ยกระดับโมเดลขึ้นสู่จุดสูงสุดของการเขียนโค้ดแบบน้ำหนักเปิด โดยได้ 41% บน Terminal-Bench 4.0 และ 48% บน Artificial Analysis Coding Agent Index ขณะใช้โทเค็นต่องานน้อยกว่า GLM-5.3 ถึง 47% โดยเพิ่มโหมดการให้เหตุผลระดับต่ำ กลาง และสูง ได้ 51% บน Artificial Analysis Cyber Index และมีราคาอยู่ที่ 0.70 ดอลลาร์สำหรับอินพุต 0.07 ดอลลาร์สำหรับอินพุตแคช และ 2.10 ดอลลาร์สำหรับเอาต์พุตต่อล้านโทเค็นภายใต้สัญญาอนุญาต MIT ที่ดัดแปลง

    ทำไมเรื่องนี้สำคัญ: Mistral เปิดน้ำหนักของเรือธงขนาด 1 ล้านล้านพารามิเตอร์ โดยผสานความก้าวหน้าด้านเกณฑ์มาตรฐานการเขียนโค้ดและความมั่นคงปลอดภัยเชิงป้องกันเข้ากับโหมดการให้เหตุผลสามโหมดและราคาต่อโทเค็น

  2. Google DeepMind82

    Google DeepMind ประกาศเปิดตัว Gemini 4 Carbon โมเดลระดับแนวหน้าที่เน้นด้านความปลอดภัยไซเบอร์และงานระยะยาว

    Google DeepMind ประกาศเปิดตัว Gemini 4 Carbon โมเดลที่แข็งแกร่งที่สุดของบริษัทจนถึงปัจจุบัน พร้อมความสามารถด้านความปลอดภัยไซเบอร์และงานระยะยาวระดับสูงสุด โดยครองอันดับ 1 บนดัชนี Artificial Analysis Intelligence Index v5.0 ด้วยคะแนน 59 ทำคะแนนได้ 88.2% บน SEC-bench Pro สำหรับการค้นหาช่องโหว่ 54.8% บน ExploitGym สำหรับการโจมตี และ 71.0% บน CWE-bench สำหรับการแพตช์ และขึ้นถึงอันดับ 4 (1768) บน WebDev Arena Carbon เปิดตัวในราคาแนะนำเดียวกับ Argon คือ 2 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 10 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต และจะเปิดให้ผู้ป้องกันไซเบอร์บางส่วนเข้าถึงก่อนผ่าน Fairwind Program ก่อนการเปิดตัวในวงกว้าง

    ทำไมเรื่องนี้สำคัญ: ผลการทดสอบของ Gemini 4 Carbon ด้านการค้นหาช่องโหว่และการแพตช์แสดงให้เห็นว่าโมเดลระดับแนวหน้ากำลังถูกวางตำแหน่งสำหรับงานป้องกันความปลอดภัยไซเบอร์อย่างไร

  1. Artificial Analysis Articles82

    Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 อยู่อันดับสอง Coding Agent Index

    Gemini 4 Carbon ของ Google ขึ้นเป็นอันดับ 5 ใหม่ใน Artificial Analysis Coding Agent Index 5 (สูงสุด 62) และนำใน 4 จาก 9 การประเมินของ Index รวมถึง HLE-Diamond และ Terminal-Bench-Science 1 เพิ่มจาก 4% เป็น 11%; โมเดลกำลังทยอยเปิดให้ผู้ใช้บางกลุ่ม และยังไม่เปิดให้ใช้งานทั่วไป

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 ที่ 59 และตามหลัง Claude Opus 5.5 อยู่ 3 คะแนนใน Coding Agent Index พร้อมตัวเลขต้นทุนต่องานและอัตราการสร้างข้อมูลเท็จเพื่อการเปรียบเทียบ

  1. Replit Blog75

    Replit Cloud Agents ช่วยให้คนที่ไม่ใช่วิศวกรมีส่วนร่วมในโค้ดเบสของบริษัทได้แล้ว

    Replit เปิดตัว Cloud Agents สำหรับรีโพซิทอรีที่มีอยู่แล้ว ทำให้ทุกคนในทีมสามารถอธิบายการเปลี่ยนแปลงด้วยภาษาธรรมชาติ แล้วให้เอเจนต์เปิด pull request ที่ผ่านการทดสอบใน GitHub หรือ GitLab โดยเปิดให้ลูกค้า Pro และ Enterprise ทุกคนใช้งาน เอเจนต์รันแต่ละการเปลี่ยนแปลงในแซนด์บ็อกซ์คลาวด์แบบแยกส่วน คลิกผ่านแอปที่กำลังรัน และแนบภาพหน้าจอและวิดีโอไปกับ PR ขณะที่สภาพแวดล้อมที่แชร์ร่วมกันมอบการตั้งค่าที่กำหนดไว้ล่วงหน้าให้ผู้ร่วมสมทบทุกคน ซึ่งอัปเดตจากสาขาหลัก นอกจากนี้ Replit ยังเปิดตัวหน่วยความจำเวิร์กสเปซที่พัฒนาตนเองได้ในระยะearly access ซึ่งเปลี่ยนความคิดเห็นจากการรีวิวเป็นทักษะของทีมที่วิศวกรอนุมัติ และการผสานรวมกับ Slack ที่ให้ผู้ใช้กล่าวถึง @Replit ในเธรดเพื่อเริ่มการเปลี่ยนแปลง

    ทำไมเรื่องนี้สำคัญ: Replit เชื่อมต่อ Cloud Agents เข้ากับโค้ดเบสที่มีอยู่ขององค์กร ให้บุคลากรที่ไม่ใช่วิศวกรส่งการเปลี่ยนแปลงในรูปแบบ PR พร้อมวิดีโอทดสอบ แสดงให้เห็นเส้นทางหนึ่งที่เครื่องมือเขียนโค้ด AI ขยายไปสู่กระบวนการทำงานร่วมกันของทีม

  1. MiniMax Blog83

    MiniMax เปิดตัว M3.1 Flash อ้างต้นทุนต่ำลง 70% และอนุมานเร็วขึ้นเกือบ 3 เท่า

    MiniMax เปิดตัว MiniMax M3.1 Flash อย่างเป็นทางการ ซึ่งเป็นโมเดล Flash เจเนอเรชันถัดไปที่บริษัทระบุว่าช่วยลดต้นทุนการใช้งานลง 70% เมื่อเทียบกับรุ่นก่อนหน้า และทำให้การอนุมานออนไลน์เร็วขึ้นเกือบสามเท่า บริษัทรายงานผล 73.7% บน DeepSWE v1.1, 76.2 บน BankerToolBench, 61.7 บน OSWorld V2, 29.6 บน Agents' Last Exam และ 82% บน CyberGym โดยมีความเร็วเอาต์พุต 200+ TPS และค่ามัธยฐาน 170+ TPS ราคาอยู่ที่ $0.15 ต่อ 1M โทเคนอินพุต, $0.60 ต่อ 1M โทเคนเอาต์พุต และ $0.015 ต่อ 1M โทเคนอินพุตที่แคชไว้ และโมเดลนี้พร้อมใช้งานผ่าน MiniMax API, M Plan และ MiniMax Code โดยจะเปิดเผยน้ำหนักโมเดลในภายหลัง

    ทำไมเรื่องนี้สำคัญ: โมเดล Flash ของ MiniMax อ้างคะแนนด้านเอเจนต์และการเขียนโค้ดระดับสูงสุดในราคา $0.15 ต่อ 1M โทเคนอินพุต ซึ่งเป็นข้อมูลเชิงประจักษ์ด้านต้นทุนของงานเวิร์กโหลดเอเจนต์

  1. Anthropic · Claude.dev62

    ทีม Claude Code ทำโค้ดรีวิวอย่างไร

    ทีม Claude Code อธิบายกระบวนการโค้ดรีวิวแบบหลายชั้น ซึ่งการอ่านส่วนใหญ่ทำโดยเครื่องจักรและให้ความสนใจของมนุษย์ไว้สำหรับการอนุมัติตามความเสี่ยง ตั้งแต่เดือนมิถุนายนถึงกันยายน พูลรีเควสที่ถูก merge เข้าสู่โค้ดเบส Claude Code เพิ่มขึ้นกว่าสองเท่า ขณะที่สัดส่วนที่ต้องถูก revert ลดลงมากกว่า 40 เปอร์เซ็นต์ กระบวนการนี้ประกอบด้วยการตรวจสอบก่อน PR, CI ที่บังคับ, การรีวิวโดย Claude, การรีวิวด้านความปลอดภัย, การอนุมัติโดยมนุษย์ตามระดับความเสี่ยง และคิว merge พร้อมแฟล็กและการ rollback ที่รวดเร็ว และทีมได้เปลี่ยนเหตุการณ์ในอดีตให้เป็นชุด eval ประจำวันสำหรับผู้รีวิว

    ทำไมเรื่องนี้สำคัญ: ทีม Claude Code ของ Anthropic อธิบายรายละเอียดว่าพวกเขาย้ายการอ่านโค้ดส่วนใหญ่ไปยังชั้นอัตโนมัติได้อย่างไร ขณะที่ PR ที่ merge เพิ่มขึ้นสองเท่าและการ revert ลดลงกว่า 40 เปอร์เซ็นต์ มอบโมเดลการรีวิวที่ถ่ายทอดได้สำหรับทีมที่ใช้เอเจนต์จำนวนมาก

  2. Meta AI Research Blog88

    Meta เปิดตัว Muse Spark Open โมเดลมัลติโมดัลน้ำหนักเปิดขนาด 816B ที่รันบน Mac Studio สองเครื่อง

    Meta เปิดตัวน้ำหนักของ Muse Spark Open โมเดลมัลติโมดัลแบบเนทีฟน้ำหนักเปิดที่มีพารามิเตอร์รวม 816B (ใช้งานจริง 42B) และหน้าต่างบริบท 1M โทเคน วางตำแหน่งสำหรับงานเขียนโค้ดและงานเอเจนติก เป็นโมเดลแรกในคลาสเดียวกันที่รันบนเดสก์ท็อปด้วย Apple M5 Ultra Mac Studio สองเครื่องผ่านเฟรมเวิร์ก MLX และพร้อมใช้งานผ่านพาร์ตเนอร์ API ได้แก่ Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter และ Together AI โดยมีน้ำหนักอยู่บน Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden และ Microsoft Foundry Models Meta ระบุว่าโมเดลนี้มาพร้อมเคอร์เนล GPU Helion ที่ปรับแต่งอัตโนมัติได้ใน SGLang ให้ความเร็วระดับเคอร์เนลเพิ่มขึ้น 1.03-3.95 เท่าบน GPU NVIDIA และ AMD และเร็วขึ้นแบบ end-to-end 3% บน AMD MI350

    ทำไมเรื่องนี้สำคัญ: Meta เปิดน้ำหนักโมเดลมัลติโมดัลขนาด 816B พารามิเตอร์ที่รันบน Mac Studio สองเครื่อง มอบทางเลือกแบบโลคอลให้นักพัฒนาสำหรับงานเขียนโค้ดระยะยาวและงานเอเจนติก

  3. Modal Blog78

    Meta เปิดตัว Muse Spark Open เผยแพร่ weights แล้ว ใช้งานได้บน Modal Auto Endpoints

    Meta เผยแพร่ weights ของ Muse Spark Open และ Modal ให้บริการโมเดลนี้ผ่าน Auto Endpoints โดยคิดค่าบริการตามจำนวนโทเคน โมเดลนี้มุ่งเป้าไปที่งานเขียนโค้ดแบบ agentic และงานระยะยาว มีความสามารถเข้าใจ multimodal แบบเนทีฟ หน้าต่างบริบท 1M โทเคน การวางแผนหลายขั้นตอน การใช้เครื่องมือตามลำดับ และการกู้คืนจากความล้มเหลว Meta รายงานผล 76.4 บน Terminal-Bench 2.1 ด้วย agent Terminus 2 และ 60 บน DeepSWE 1.1 โดยใช้ harness ที่ต้องการที่ระดับความพยายามในการให้เหตุผล xhigh

    ทำไมเรื่องนี้สำคัญ: Muse Spark Open แบบ open-weight ของ Meta พร้อมให้บริการบน Modal แล้ว ทำให้ทีมต่างๆ มีวิธีคิดค่าบริการตามโทเคนในการลองโมเดลเขียนโค้ดแบบ agentic ที่มีหน้าต่างบริบท 1M โทเคน

  1. Meta AI Research Blog82

    Meta เปิดตัว Muse Wonder และ Muse Wonder Full โมเดล frontier สำหรับเอเจนต์ส่วนบุคคลและมืออาชีพ

    Meta เปิดตัวซีรีส์ Muse Wonder ซึ่งประกอบด้วย Muse Wonder และ Muse Wonder Full โดยระบุว่ามอบประสิทธิภาพระดับ state-of-the-art ในงานเอเจนต์ส่วนบุคคลและมืออาชีพ หน่วยความจำ และการเขียนโค้ด Muse Wonder ใช้งานได้แล้ววันนี้ผ่าน Meta Model API และ Muse Code ขณะที่ Muse Wonder Full ใช้งานได้แล้ววันนี้สำหรับสมาชิก Muse Code โมเดลทั้งสองจับคู่ Active Memory ซึ่งเก็บบริบทข้ามบทสนทนาและดึงรายละเอียดที่เกี่ยวข้องกับงาน เข้ากับ Active Focus ซึ่งรักษาการทำงานต่อเนื่องกับเป้าหมายระยะยาวและตรวจสอบก่อนดำเนินการสำคัญ Meta ระบุว่าทั้งสองถูกฝึกที่ศูนย์ข้อมูล Prometheus ขนาดกิกะวัตต์ของบริษัท

    ทำไมเรื่องนี้สำคัญ: ซีรีส์ Muse Wonder ของ Meta อ้างผลลัพธ์ระดับ state-of-the-art ใน benchmark ด้านเอเจนต์ หน่วยความจำ และการเขียนโค้ด โดยมี Active Memory และ Active Focus เป็นสองความสามารถหลักที่สร้างขึ้นมา

  1. Mistral AI82

    Mistral เปิดตัว Mistral Large 4 พรีวิว โมเดลมัลติโมดัล 1T พารามิเตอร์ เตรียมปล่อยเวตภายในเดือนนี้

    Mistral ได้เปิดตัวพรีวิวสาธารณะของ Mistral Large 4 โมเดลมัลติโมดัลโดยกำเนิดขนาด 1 ล้านล้านพารามิเตอร์ ที่มีพารามิเตอร์ที่ใช้งานจริง 52 พันล้านพารามิเตอร์ พร้อมใช้งานแล้วผ่าน Mistral Studio API Mistral ระบุว่าโมเดลนี้สามารถแข่งขันกับโมเดลโอเพนซอร์สที่แข็งแกร่งที่สุด และมีประสิทธิภาพเหนือกว่าโมเดลน้ำหนักเปิดอื่นๆ จากสหรัฐฯ และยุโรป โดยได้คะแนน 82% ในการทดสอบการจำลองช่องโหว่และการแพตช์ของ Artificial Analysis Cyber Index และ 49.8% ใน Coding Agent Index แบบรวม เวตมีกำหนดจะเปิดตัวภายในสิ้นเดือนนี้ หลังจากผ่านการทดสอบเรดทีมกับพันธมิตรด้านความปลอดภัยไซเบอร์และหน่วยงานที่เกี่ยวข้อง Mistral ระบุว่าโมเดลนี้ได้รับการฝึกฝนตั้งแต่เริ่มต้นบน GPU NVIDIA Grace Blackwell จำนวน 3,800 ตัวในศูนย์ข้อมูลของบริษัทในยุโรป

    ทำไมเรื่องนี้สำคัญ: โมเดลที่ใหญ่ที่สุดของ Mistral จนถึงปัจจุบันอ้างความเป็นผู้นำด้านน้ำหนักเปิดในด้านความปลอดภัยไซเบอร์และการเขียนโค้ดแบบเอเจนต์ โดยสัญญาว่าจะปล่อยเวตภายในสิ้นเดือนนี้

  1. Factory62

    Factory เปิดให้ใช้งาน Automations สำหรับเอเจนต์ Droid ทั่วไป

    Factory ได้เปิดให้ใช้งาน Automations ทั่วไปแล้ว ช่วยให้ทีมสามารถอธิบายเวิร์กโฟลว์ที่เกิดซ้ำและให้ Droid รันตามกำหนดการหรือทริกเกอร์เหตุการณ์ แต่ละระบบอัตโนมัติประกอบด้วยทริกเกอร์ (กำหนดการ, Slack, GitHub หรือ webhook), คำแนะนำ, โมเดลและระดับการให้เหตุผลที่ผู้ใช้เลือก และเครื่องที่สามารถเป็นแบบโลคอล, เชื่อมต่อ หรือ Droid Computer ที่ Factory จัดการ Factory กล่าวว่า 52% ของผู้ใช้ระดับองค์กรได้รันการตรวจสอบโค้ดอัตโนมัติใน 30 วันที่ผ่านมา, 48% ใช้การตรวจสอบความปลอดภัย, 35% ใช้ AutoWiki และปริมาณเซสชันระบบอัตโนมัติเติบโต 51% เมื่อเทียบกับ 30 วันก่อนหน้า

    ทำไมเรื่องนี้สำคัญ: Factory เปิดให้ใช้งาน Automations ทั่วไปแล้ว แสดงให้เห็นว่าเวิร์กโฟลว์ทางวิศวกรรมที่เกิดซ้ำใดที่องค์กรต่างๆ มอบให้ Droid จริง และการเลือกโมเดลและเครื่องทำงานอย่างไรต่องาน