ข้ามไปที่เนื้อหา
เฉพาะ ความเห็น#เบนช์มาร์ก
13 พฤศจิกายนวันศุกร์
  1. Hacker News · AI30

    The Singularity Clock v1.4.0 ติดตามไทม์ไลน์ AGI, Singularity และ ASI

    The Singularity Clock v1.4.0 เป็นเครื่องมือวัดสาธารณะที่คาดการณ์ AGI ราวเดือนเมษายน 2027, Singularity ราวเดือนธันวาคม 2029 และ ASI ราวเดือนธันวาคม 2031 โดยทั้งหมดคงที่ตั้งแต่เดือนพฤศจิกายน สัญญาณ 14 รายการของ它包括 METR task horizon ที่ 11.4 ชั่วโมง (+38% QoQ), SWE-bench Verified ที่ 88.2%, Humanity's Last Exam ที่ 38.9% และ ARC-AGI-2 ที่ 62.4% โครงการรายงานอัตราส่วนความเร็ว capability-to-safety ที่ 1.77× และเผยแพร่ระเบียบวิธีและโค้ดบน GitHub ภายใต้ CC-BY-4.0

  2. Hacker News · AI68

    ไทม์ไลน์ของ AI เปลี่ยนไปกะทันหันหรือไม่? ทบทวนการเร่งความเร็วของ Anthropic และพรมแดนที่ราบเรียบอีกครั้ง

    การทบทวนรายงานของ METR เกี่ยวกับการเร่งความเร็วของ R&D ด้าน AI ที่ Anthropic และการวิเคราะห์ต่อเนื่องพบว่าการเติบโตของความสามารถของ Anthropic เปลี่ยนแนวโน้มราวเดือนตุลาคม 2025 ใกล้กับ Opus 4.5 แต่แล็บคู่แข่งไม่ได้เร่งความเร็วขึ้น และพรมแดนโดยรวมยังคงอยู่ในแนวโน้มเดิม ผู้เขียนชั่งน้ำหนักการเติบโตของคอมพิวต์ซึ่งเพิ่มขึ้นประมาณ 5.7 เท่าที่ Anthropic ในปี 2025 เทียบกับ 4.5 เท่าที่ OpenAI และ 3.8 เท่าที่ Google DeepMind เทียบกับ AI ที่สร้าง AI ซึ่ง METR attribute การเร่งความเร็วประมาณ 80% โดยใช้ข้อมูลที่ปิดบังซึ่งบุคคลภายนอกไม่สามารถตรวจสอบได้ ขึ้นอยู่กับสถานการณ์ใดที่เกิดขึ้น โอกาสของนักวิจัย AI ที่เหนือมนุษย์ในปี 2027 อยู่ในช่วงประมาณ 70% ภายใต้ตัวเลขพาดหัวของ METR ถึงประมาณ 20% เมื่อใช้เฉพาะตัวเลข Epoch สาธารณะและวิถีเดิมของสาขา

11 พฤศจิกายนวันพุธ
  1. OpenAI News28

    หัวหน้าสถาปนิก JioStar Vijay Seshadri ว่าด้วย AI Discovery ในระดับผู้ใช้ 500 ล้านคน

    Vijay Seshadri หัวหน้าสถาปนิกของ JioStar แบ่งปันบทเรียนจากการดำเนินงาน AI discovery ในระดับผู้ใช้ 500 ล้านคน ครอบคลุมถึง evals, guardrails และการนำ AI ไปใช้ในระบบจริง บทความที่เผยแพร่โดย OpenAI นี้มุ่งเน้นแนวปฏิบัติเชิงปฏิบัติการเบื้องหลังการติดตั้งใช้งาน AI ขนาดใหญ่

10 พฤศจิกายนวันอังคาร
  1. One Useful Thing78

    Ethan Mollick ทดสอบ Claude Fable 5.2 ในด้านการเขียนโค้ด ธุรกิจ และการวิจัย เรียกได้ว่าเกือบเป็น AGI

    2 ในงานที่ครอบคลุมการแฮ็กฮาร์ดแวร์ การวางแผนธุรกิจ การสร้างหลักสูตรมนุษยศาสตร์ การวิจัยทางวิชาการ และโปรเจกต์พอร์ทัล 3D ที่มี 450 โลก และตัดสินว่าเกือบเป็น AGI ภายใต้คำจำกัดความของเขาที่ว่าต้องเทียบเท่าผู้เชี่ยวชาญของมนุษย์ส่วนใหญ่ในงานทางปัญญาบนคอมพิวเตอร์ส่วนใหญ่

    ทำไมเรื่องนี้สำคัญ: การทดสอบภาคปฏิบัติของ Ethan Mollick ต่อ Claude Fable 5.2 แสดงให้เห็นความสามารถทั่วไปที่แข็งแกร่งในด้านการเขียนโค้ด ธุรกิจ และการวิจัย พร้อมทั้งเผยให้เห็นช่องว่างที่ยังคงอยู่ในการตัดสินด้วยตนเองว่างานดีพอแล้วหรือไม่

  2. Latent Space58

    สิ่งที่ Frontier Labs ซื้อ: เจาะลึกข้อมูลกับ Garrett Lord และทีมจาก Handshake AI

    ธุรกิจฝึก AI ของ Handshake เติบโตจากการเปิดตัวสู่รายได้รวมต่อปีแบบ annualized 1 พันล้านดอลลาร์ภายในเวลาประมาณหนึ่งปี และการเจาะลึกของ Latent Space กับ Garrett Lord และทีมของเขาครั้งนี้พาไปดูสภาพแวดล้อม reinforcement learning ที่ frontier labs ซื้อ ในเดโมด้านการเงิน เอเจนต์ที่ทำงานกับอีเมลและไฟล์ดีลของธนาคารจำลองนำตัวเลข goodwill ไปใส่ใน Python แล้วลบออก ซึ่งเป็นความผิดพลาดที่แสดงให้เห็นว่าการตัดสินใจของผู้เชี่ยวชาญยังเหนือกว่าโมเดลตรงจุดใด ทีมยังนำเสนอ VIALS ซึ่งเป็น benchmark สำหรับตีความภาพวิทยาศาสตร์ และติดตามการเรียกเครื่องมือของเอเจนต์ผ่านการจำลองด้านความปลอดภัย รวมถึง CAREBench

26 ตุลาคมวันจันทร์
  1. Import AI62

    Import AI 478: คณิตศาสตร์เพื่อ alignment, ProgramBench และสัญญาณ RSI ของ Mirendil

    Import AI 478 สรุปสี่ความคืบหน้า: สตาร์ทอัพด้านความปลอดภัย AI อย่าง Resolution ทำ autoformalization ของ resolution of singularities ใน Lean ด้วย orchestrator agents โดยประเมินค่าใช้จ่ายโทเคนราว $135,000 ภายในเวลาประมาณหนึ่งสัปดาห์ Claude Opus 5.5 ทำคะแนน resolved ได้ 18.5% บน ProgramBench เพิ่มจาก 0% สำหรับทุกโมเดลเมื่อ benchmark เปิดตัวในเดือนพฤษภาคม OpenAI อธิบายถึง agents ใน microVM แยกกันที่แลกเปลี่ยน synthetic secrets ผ่าน processor cache timing และ Mirendil รายงานว่านักวิจัยคนหนึ่ง pretrain โมเดลเขียนโค้ดขนาด 100B-500B พารามิเตอร์ใน 3.5 เดือนด้วยค่าคอมพิวต์ต่ำกว่า $10m

20 ตุลาคมวันอังคาร
  1. One Useful Thing40

    Ethan Mollick เปิดตัว Co-Existence แผนภูมิ 30 เดือนแห่งความก้าวหน้าของ AI สร้างโดย Claude Opus 5.5

    Ethan Mollick เผยแพร่ Co-Existence หนังสือ AI เล่มที่สองของเขา ห่างจาก Co-Intelligence 30 เดือน และใช้ Claude Opus 5.5 ใน Claude Projects สร้างแผนภูมิของโพสต์และวิดีโอ "นากบนเครื่องบินที่ใช้ wifi" ได้ในไม่กี่นาที เขาระบุว่าขณะนี้มี 180 โมเดลที่ทำงานได้ดีกว่า GPT-4 ณ เวลาที่เปิดตัว โดย 19 โมเดลรันบนสมาร์ทโฟนสมัยใหม่ ขณะที่ Long Horizon Benchmark ของ METR เพิ่มจากงานสี่นาทีในปี 2024 เป็นงานของมนุษย์ 17 ชั่วโมงภายในเดือนเมษายน 2026 ก่อนที่ benchmark จะหมด

6 ตุลาคมวันอังคาร
  1. LiveKit Blog38

    Retell vs. Vapi vs. LiveKit: การเปรียบเทียบสำหรับนักพัฒนาสำหรับ Voice AI Agents

    LiveKit เผยแพร่การเปรียบเทียบที่เน้นนักพัฒนาเกี่ยวกับ Retell, Vapi และ LiveKit สำหรับการสร้าง voice AI agents โดยวางกรอบการเลือกด้วยสี่คำถาม: ใครจะเป็นผู้ปรับปรุง agent หลังเปิดใช้งาน สิ่งที่จะเกิดขึ้นเมื่อความต้องการอยู่นอกเหนือค่าเริ่มต้น จำเป็นต้องทำงานนอกเหนือจากการโทรศัพท์หรือไม่ และต้นทุนในระดับขนาดใหญ่ Retell เป็นแพลตฟอร์มแบบ managed ที่มี visual editor, Vapi เป็นแพลตฟอร์มแบบ managed ที่เน้นนักพัฒนาและกำหนดค่าผ่าน API และ dashboard, และ LiveKit เป็นเฟรมเวิร์กโอเพนซอร์ส Apache 2.0 ที่สามารถ self-hosting ได้ ต้นทุนรวมโดยประมาณต่อนาทีอยู่ที่ประมาณ $0.070–$0.310 สำหรับ Retell, $0.070–$0.116 สำหรับ Vapi และ $0.037–$0.099 สำหรับ LiveKit

18 กันยายนวันศุกร์
  1. Every42

    Vibe Check: GPT-6 Astra เป็นความก้าวหน้าสำหรับผู้สร้างภาพยนตร์อินดี้หรือไม่?

    สตูดิโอสร้างสรรค์ Afterimage ทดสอบ GPT-6 Astra กับฟุตเทจจากการถ่ายทำจริง เพื่อดูว่าทักษะ Blender 3D ของมันถ่ายทอดไปสู่งานวิชวลเอฟเฟกต์ได้หรือไม่ Astra จัดการงานตั้งแต่การเปลี่ยนจานในฉากแพนกล้องเคลื่อนที่ ไปจนถึงการเพิ่มอาคารลงในถนนบรุกลิน และทำให้ขบวนพาเหรดขนาดยักษ์ปรากฏขึ้นนอกหน้าต่างในฟุตเทจจากมือถือ iPhone บางช็อตได้ผล บางช็อตไม่ได้ แต่ทีมก็ลงเอยด้วยการฝันถึงเอฟเฟกต์ที่พวกเขาไม่เคยคิดจะลองมาก่อน

14 กรกฎาคมวันอังคาร
  1. AI as Normal Technology34

    ปาฐกถาหลัก ICML ของนักวิจัยจาก Princeton: จะเหลืออะไรให้เราทำบ้าง?

    นักวิจัยจากมหาวิทยาลัย Princeton ใช้เวทีปาฐกถาหลักของ ICML เพื่อโต้แย้งว่ากรอบแนวคิด "AI as Normal Technology" ยังคงใช้ได้ เว้นแต่จะเกิดความไม่ต่อเนื่อง เช่น การพัฒนาตนเองแบบเรียกซ้ำ (recursive self-improvement) และไม่มีหมุดหมายใดของห้องแล็บที่จะกำจัดงานทั้งหมดในทันทีทันใด การบรรยายกระตุ้นให้สร้างทักษะเสริม ความสามารถในการลงมือทำ และวิจารณญาณ แทนที่จะเร่งสะสมความมั่งคั่งก่อนที่ทักษะจะกลายเป็นสิ่งไม่relevant

1 กรกฎาคมวันพุธ
  1. One Useful Thing60

    Ethan Mollick 谈聊天机器人的黄昏与智能体主导工作的兴起

    Ethan Mollick 认为，AI 的使用正从聊天机器人式的协同智能转向需要更少人工干预的长时间运行智能体，而且这一变化正在快速发生。他援引 METR、英国 AI 安全研究所和 GDPval 基准的上升速度快于指数增长，以及 Epoch 的一项发现：Opus 4.7 独自工作 14 小时构建了一个软件包，估计需要 2-17 周的人工工程，花费 251 美元的 token。OpenAI 与学术经济学家的研究发现，四分之一的 OpenAI 员工每周至少运行四个智能体，法律和人力资源部门的采用率几乎与程序员相同，而一项 Claude Code 研究发现，领域专业知识而非职业预测了成功。

18 มิถุนายน 2025วันพุธ
  1. Vapi Blog22

    Claude vs ChatGPT: คู่มือเปรียบเทียบฉบับสมบูรณ์

    Claude และ ChatGPT ถูกนำมาเปรียบเทียบในด้านคุณภาพการสนทนา ความจำบริบท ความเร็ว ฟีเจอร์ การเขียนเชิงสร้างสรรค์ การวิจัย ราคา และอินเทอร์เฟซ Claude รองรับได้ถึง 200,000+ โทเคนสำหรับผู้ใช้ Pro และโดดเด่นด้านการเขียนเชิงสร้างสรรค์และการสนทนาที่ละเอียดอ่อน ขณะที่ ChatGPT รองรับ 128,000 โทเคน ตอบสนองใน 2-3 วินาที เทียบกับ 5-10 วินาทีของ Claude และมีฟีเจอร์สร้างภาพและ Custom GPTs ทั้งสองแพ็กเกจ Pro ราคา $20 ต่อเดือน โดย Claude Max อยู่ที่ $100-$200 และ ChatGPT Pro อยู่ที่ $200

5 มิถุนายน 2025วันพฤหัสบดี
  1. Vapi Blog22

    GPT-4.1 กับ Claude 3.7 Sonnet: AI ตัวไหนให้ Voice Agent ที่ดีกว่า?

    Vapi เปรียบเทียบ GPT-4.1 และ Claude 3.7 Sonnet ในฐานะ LLM เบื้องหลัง voice agent โดยพิจารณาคุณภาพการสนทนา การจัดการบริบท ความโปร่งใสในการให้เหตุผล การผสานรวมแพลตฟอร์ม และค่าใช้จ่าย GPT-4.1 มีหน้าต่างบริบท 1,000,000 โทเคน และเอาต์พุต 32,768 โทเคน พร้อมส่วนลดแคช 75% ขณะที่ Claude 3.7 มีบริบท 200,000 โทเคน และเอาต์พุต 128,000 โทเคน ทั้งสองโมเดลสามารถเลือกใช้ได้บนแพลตฟอร์ม voice agent ของ Vapi

30 พฤษภาคม 2025วันศุกร์
  1. Vapi Blog15

    ทางเลือก Speechify ที่ดีที่สุด: เปรียบเทียบเครื่องมือ TTS 5 ตัว

    การเปรียบเทียบทางเลือก Speechify ห้าตัวเลือกเลือก NaturalReader สำหรับการใช้งานข้ามอุปกรณ์และการผสานรวมแอปที่ราคา $119 ต่อปี, Voice Dream Reader สำหรับการควบคุมด้วยเสียงบน iPhone ในราคาจ่ายครั้งเดียว $14.99, และ Murf AI สำหรับเสียงระดับมืออาชีพเริ่มต้นประมาณ $19 ต่อเดือน ReadSpeaker เน้นการอ่านหน้าเว็บใน 45 ภาษาเริ่มต้นที่ $4.90 ต่อเดือน ขณะที่ Balabolka เป็นตัวเลือกฟรีสำหรับ Windows เท่านั้น