ข้ามไปที่เนื้อหา
เฉพาะ จากต้นทาง#โอเพนซอร์ส / รีโป
28 ตุลาคมวันพุธ
  1. inclusionAI Repositories28

    หน้าโครงการ UBTree: การร่างต้นไม้แบบขนานด้วยโมเดล Unigram และ Bigram สำหรับ Speculative Decoding

    หน้าโครงการ UBTree นำเสนอ UBTree ซึ่งเป็นวิธีการ speculative decoding ที่ร่างต้นไม้โทเค็นแบบขนานโดยใช้โมเดล unigram และ bigram โดยมีรายละเอียดใน arXiv:2609.39972 วิดีโอสาธิตเปรียบเทียบ UBTree กับ AR, DFlash และ DSpark บน Ling3 Tiny และ Flash โดยใช้พรอมต์ HumanEval anti_shuffle และ bf ที่ไม่เปลี่ยนแปลง โดยทั้งสี่วิธีให้โทเค็นเอาต์พุตที่เหมือนกันทุกประการ ไซต์เป็น HTML/CSS/JS ล้วนให้บริการผ่าน GitHub Pages โดยตัวเลขในแผนภูมิและตารางจัดเก็บไว้ใน static/js/data.js

23 ตุลาคมวันศุกร์
  1. Amazon Science38

    วิทยาศาสตร์เบื้องหลัง TorchNeuron แบ็กเอนด์ PyTorch ใหม่ของ Amazon สำหรับชิป AWS Trainium

    Amazon เปิดตัว TorchNeuron แบ็กเอนด์ PyTorch โอเพนซอร์สที่แปลงโค้ด PyTorch เป็นการดำเนินการที่รันได้บนระบบ AWS Trainium โดยแทบไม่ต้องแก้ไขโค้ดหรือไม่ต้องแก้เลย โดยเพิ่มโหมด eager แบบปรับตัวที่ต้องเลือกเปิดใช้ ซึ่งจัดกลุ่มและคอมไพล์การดำเนินการเพื่อประสิทธิภาพใกล้เคียงโหมดคอมไพล์ พร้อมแคช NEFF หลายระดับ บริการคอมไพล์ที่ใช้ร่วมกันช่วยลดเวลาถึงขั้นตอนเทรนแรกได้ประมาณหนึ่งในสามในการทดสอบ LLM แบบ 64 โปรเซส ทีม Annapurna ปรับแต่งและวัดประสิทธิภาพโดยใช้โมเดลตัวแทน 841 โมเดลที่กลั่นกรองจากโมเดลโอเพนซอร์สหลายแสนโมเดล

22 ตุลาคมวันพฤหัสบดี
  1. Modal Blog71

    Modal เปิดตัว Spindle เซิร์ฟเวอร์ฝึกโมเดลโอเพนซอร์สที่เข้ากันได้กับ Tinker

    Modal เปิดตัว Spindle เซิร์ฟเวอร์ฝึกโมเดลโอเพนซอร์สที่เข้ากันได้กับ Tinker ซึ่งทำงานในเวิร์กสเปซ Modal ของลูกค้า ช่วยให้ทีมปรับแต่งสแตกได้เองและจ่ายตามเวลา GPU แทนการจ่ายตามโทเคน Spindle รองรับการฝึกแบบ full-parameter และ multi-LoRA ข้ามโมเดลโอเพนซอร์สต่างๆ และ Modal รายงานว่าการแชร์เทรนเนอร์เดียวให้ไคลเอนต์ 8 รายช่วยลดต้นทุนต่อ 1M โทเคนเอาต์พุตได้สูงสุดถึง 80% เมื่อเทียบกับ Tinker ในงาน DAPO-math GRPO Modal ระบุว่า Spindle ยังอยู่ในช่วงเบต้า และวางตำแหน่งไว้ระหว่างไลบรารีการฝึก Dojo และคลัสเตอร์พริมิทีฟระดับพื้นฐาน

    ทำไมเรื่องนี้สำคัญ: เซิร์ฟเวอร์ Spindle โอเพนซอร์สของ Modal มอบทางเลือกที่เข้ากันได้กับ Tinker ให้ทีมต่างๆ โดยแลกการคิดราคาต่อโทเคนเป็นการจ่ายตามเวลา GPU พร้อมรายงานว่าการแชร์ multi-LoRA ช่วยลดต้นทุนได้สูงสุดถึง 80%

  2. Ai2 · Allen Institute for AI58

    Ai2 เปิดตัวโมเดล embedding ดาวเทียม OlmoEarth v1.3 พร้อม embedding ทั่วโลกที่คำนวณล่วงหน้าและเบราว์เซอร์ explorer

    Ai2 เปิดตัว OlmoEarth v1.3 โมเดล embedding ดาวเทียมที่เปลี่ยนข้อมูลอนุกรมเวลาจาก Sentinel-1, Sentinel-2 และ Landsat ตลอดหนึ่งปีให้เป็นเวกเตอร์ 128 มิติหนึ่งตัวต่อพิกเซลขนาด 10 เมตร โดย 64 มิติแรกสามารถใช้เป็น embedding ขนาดเล็กกว่าได้ Ai2 คำนวณ embedding รายปีล่วงหน้าสำหรับทั้งโลกและเผยแพร่บน Source Cooperative และ embedding 128 มิติของมันได้คะแนนสูงสุดในการประเมิน 20 จาก 27 รายการเมื่อเทียบกับ AlphaEarth Foundations และ Tessera v2 รวมถึงเกณฑ์มาตรฐานพืชเขตร้อนใหม่ชื่อ PLANTEUR การเปิดตัวยังรวมถึง OlmoEarth Embeddings Explorer เครื่องมือเบราว์เซอร์ที่ไม่ต้องลงชื่อเข้าใช้สำหรับเปรียบเทียบปี ค้นหาสถานที่ที่คล้ายกัน และฝึกตัวจำแนกขนาดเล็กได้ทันที โดยมีข้อมูลทั่วโลกปี 2025, 2024 และ 2023 และปี 2017 ถึง 2022 ครอบคลุมบางประเทศ น้ำหนัก ข้อมูลพรีเทรน และโค้ดเป็นโอเพนซอร์ส

  3. inclusionAI Models58

    inclusionAI เปิดตัว Ling-3.0-flash-Sante โมเดล MoE เฉพาะทางด้านการแพทย์ขนาด 124B

    inclusionAI เปิดตัว Ling-3.0-flash-Sante โมเดลเฉพาะทางด้านการแพทย์ที่สร้างบน Ling-3.0-flash มีพารามิเตอร์รวม 124B และพารามิเตอร์ที่ใช้งานต่อโทเคน 5.1B โดยเผยแพร่ weights บน Hugging Face และ ModelScope ใช้สถาปัตยกรรม hybrid-linear MoE ที่ผสม Kimi Delta Attention, gated MLA และ sparse MoE layers ฝึกถึง 256K โทเคน และเปิดโหมด thinking เป็นค่าเริ่มต้นพร้อมรองรับ tool calling ผ่านเฟรมเวิร์ก serving ที่เข้ากันได้ บริษัทระบุว่าเป็นโมเดลเพื่อการวิจัย ไม่ใช่อุปกรณ์ทางการแพทย์ และผลลัพธ์ต้องไม่ใช้แทนคำแนะนำ การวินิจฉัย หรือการรักษาทางการแพทย์จากผู้เชี่ยวชาญ

  4. MiniMax Blog62

    MiniMax Code เปิดตัว Mini App runtime พร้อม hosted MCP และ open-source repository

    MiniMax เปิดตัว Mini App ในแอปเดสก์ท็อป MiniMax Code ซึ่งเป็นแอปพลิเคชันรูปแบบปลั๊กอินที่มีฟรอนต์เอนด์และแบ็กเอนด์ Node.js ที่เก็บงานของ Agent ไว้บนหน้าที่คงอยู่แทนที่จะกระจัดกระจายไปตามบทสนทนา การเปิดตัวนี้รวมถึง runtime ที่มีไดเรกทอรีข้อมูลแบบถาวร, hosted MCP, Agent API, Host Connectors และการอนุมัติเครื่องมือภายในหน้า พร้อมด้วย /miniapp-creator สำหรับเปลี่ยนคำขอหนึ่งประโยคให้เป็นหน้าที่ใช้งานได้ และ Mini Apps อย่างเป็นทางการในตลาดปลั๊กอิน MiniMax Bot เองก็เป็น Mini App และซอร์สโค้ดของมันพร้อมกับ Mini Apps ที่สร้างโดยชุมชน kini อยู่ใน open-source repository ชื่อ MiniMax-Code-MiniApps; Mini Apps ใช้งานได้ในเซสชันโลคัลบน macOS และ Windows

    ทำไมเรื่องนี้สำคัญ: MiniMax Code ย้ายงานของ Agent จากสตรีมบทสนทนาไปสู่หน้าที่คงอยู่ และเปิดเผย runtime ของ Mini App พร้อม open-source repository ซึ่งมอบสถาปัตยกรรมที่อ้างอิงได้รูปแบบหนึ่งสำหรับรูปแบบเครื่องมือของ Agent

21 ตุลาคมวันพุธ
  1. Modal Blog58

    Modal เปิดตัว Dojo ไลบรารีสำหรับการฝึก LLM ระดับโปรดักชัน

    Modal เปิดตัว Modal Dojo ไลบรารีสำหรับการฝึกที่มาพร้อมบล็อกการสร้าง สูตรสำเร็จรูปที่ปรับแต่งแล้ว และแดชบอร์ดสำหรับการสังเกตการณ์ สำหรับการฝึกหลังการฝึก (post-training) LLM ระดับโปรดักชัน โดยต่อยอดจากเฟรมเวิร์กโอเพนซอร์ส Miles และ Slime รองรับโมเดลตั้งแต่ครึ่งพันล้านถึงหลายล้านล้านพารามิเตอร์ และมี API และ CLI ที่เอเจนต์สามารถสั่งการเพื่อเริ่มและดีบักการรันได้ Modal ระบุว่า Axiom Bio ใช้มันเพื่อขยายไปสู่การรัน DeepSeek V4.1 Flash ที่บริบท 64k บน B300 จำนวน 64 ตัว และ Afterquery ฝึก Kimi และ DeepSeek ที่ความยาวบริบท 256k

20 ตุลาคมวันอังคาร
  1. Zyphra Research58

    Zyphra Inference Wave 2 นำเสนอเคอร์เนล HIP MoE และ sparse-attention แบบกำหนดเองสำหรับการให้บริการบน MI355X

    Zyphra เปิดตัวเวฟที่สองของ Zyphra Optimization Engine (ZOE) สำหรับ GPU AMD Instinct MI355X โดยเพิ่มเคอร์เนล HIP แบบกำหนดเองสี่ตัวสำหรับ MoE และ sparse attention เข้าใน production forks ของ vLLM และ SGLang 40x) เช็กพอยต์ 3 ยังคงอยู่ในระยะ 3 คะแนนจาก FP8 บนเกณฑ์มาตรฐานการให้เหตุผลสี่รายการ แต่ถอดรหัสได้เร็วกว่าเฉพาะที่การทำงานพร้อมกันสูง

19 ตุลาคมวันจันทร์
  1. Sakana AI Blog55

    Sakana AI เสนอ QD-Rec วิธีการแนะนำแบบ Quality-Diversity ที่จับคู่ผู้สมัครกับสมมติฐานที่เขียนโดย LLM

    Sakana AI พัฒนา QD-Rec วิธีการแนะนำที่ถือเอาผู้สมัครบวกกับสมมติฐานที่อธิบายเหตุผลในการเลือกเป็นหน่วยของการแนะนำ และใช้การค้นหาแบบ Quality-Diversity เพื่อสะสมข้อเสนอที่มีคุณภาพและหลากหลาย ในการทดลองด้าน M&A การกำหนดเป้าหมายลูกค้า และการแนะนำบทความ QD-Rec สร้างคลังที่ได้คะแนนเฉลี่ยสูงกว่าและมีขนาดใหญ่กว่าฐานเปรียบเทียบที่เขียนสมมติฐานแต่ละอันขึ้นใหม่ทั้งหมด และโค้ดของมันเผยแพร่บน GitHub บทความรายงานกรณีที่สมมติฐานซึ่งได้คะแนน 1 จาก 10 สำหรับบริษัทหนึ่งถูกกลายพันธุ์และถ่ายโอนไปยังผู้สมัครอีกราย ทำให้คะแนนเพิ่มขึ้นเป็น 5

  2. inclusionAI Repositories58

    inclusionAI เปิดตัวโมเดลสังเคราะห์เสียง Ming-3.0-tts ทั้งรุ่น 0.5B dense และ 7.9B MoE tiny

    inclusionAI เปิดตัว Ming-3.0-tts ครอบครัวโมเดลสังเคราะห์เสียงหลายภาษาที่เปิดน้ำหนัก มีสองโมเดลคือ Ming-3.0-tts-0.5b ซึ่งเป็นโมเดล dense ขนาด 0.5B และ Ming-3.0-tts-tiny ซึ่งเป็นโมเดล MoE ที่สร้างบน Ling V3 มีพารามิเตอร์รวม 7.9B และพารามิเตอร์ที่ใช้งาน 1.3B ทั้งสองมาพร้อมโค้ดสำหรับ inference, cookbook สำหรับงานต่าง ๆ และตาราง benchmark และรองรับการโคลนเสียง การออกแบบเสียงจากข้อความ การควบคุมการส่งเสียงด้วยภาษาธรรมชาติแบบอิสระ แท็ก paralinguistic แบบอินไลน์ 14 แท็ก การควบคุมอารมณ์และความเร็ว/ระดับเสียง/ความดัง รวมถึงภาษาจีน อังกฤษ เยอรมัน สเปน ฝรั่งเศส เกาหลี ญี่ปุ่น ภาษาจีนเสฉวน และกวางตุ้ง บน leaderboard การสังเคราะห์ข้อความเป็นเสียงของ Artificial Analysis ประจำเดือนตุลาคม 2026 Ming-3.0-tts อยู่อันดับ 1 ในกลุ่มโมเดล open-weights ด้าน Controlled Voice อันดับ 1 โดยรวมด้าน Pronunciation Robustness ที่ 93.2% และอันดับ 3 ในกลุ่มโมเดล open-weights ด้าน Provider Voice

  3. inclusionAI Repositories58

    inclusionAI เปิดตัว Ming-3.0-asr-tiny โมเดลรู้จำเสียงพูดที่รับรู้บริบท

    inclusionAI เปิดตัว Ming-3.0-asr-tiny โมเดลรู้จำเสียงพูดที่จับคู่โมเดลภาษา Ling-tiny-v3 กับตัวเข้ารหัสเสียงสำหรับการถอดเสียงภาษาจีนและอังกฤษ การรู้จำภาษาถิ่น และ context ASR การประเมินภาษาถิ่นครอบคลุมชุดทดสอบ 15 ชุด รวมถึงหูหนาน หมิ่นหนาน กวางตุ้ง เสฉวน และเซี่ยงไฮ้ และสามารถใส่ hotwords หรือบทสนทนาก่อนหน้าในพรอมต์เพื่อแก้ไขชื่อและศัพท์เทคนิคได้ รีโพซิทอรีมีคู่มือการให้บริการผ่าน Transformers และ SGLang และโค้ดกับเวตถูกเผยแพร่ภายใต้ MIT License

15 ตุลาคมวันพฤหัสบดี
  1. Mistral AI71

    Mistral เปิดตัว Timestral โมเดลพื้นฐานอนุกรมเวลา ขึ้นแท่นอันดับหนึ่งใน GIFT-Eval, TIME และ fev-bench

    Mistral เปิดตัว Timestral ครอบครัวโมเดลพื้นฐานอนุกรมเวลาชุดแรกของบริษัท มีสี่ขนาดตั้งแต่ 5M ถึง 209M พารามิเตอร์ โมเดลที่ใหญ่ที่สุดครองอันดับหนึ่งในสามเบนช์มาร์กสาธารณะหลักทั้ง GIFT-Eval, TIME และ fev-bench ในกลุ่มโมเดลพรีเทรนแบบ zero-shot จากเช็กพอยต์เดียวโดยไม่ใช้เอนเซมเบิล โดยใช้สองในสามของพารามิเตอร์เมื่อเทียบกับสุดยอดของงานก่อนหน้า Timestral สร้างพยากรณ์หลายตัวแปรแบบความน่าจะเป็นด้วย 21 ควอนไทล์ รองรับตัวแปรร่วมแบบอดีตเท่านั้นและแบบอนาคตที่ทราบค่า ทำงานบน CPU โดยไม่ต้องใช้ GPU และใช้งานได้ผ่าน Mistral Forge สำหรับการปรับแต่ง พร้อมเผยแพร่ที่เก็บ GitHub และรายงานทางเทคนิคภายใต้สัญญาอนุญาต MIT ดัดแปลง

    ทำไมเรื่องนี้สำคัญ: ครอบครัวโมเดลพื้นฐานอนุกรมเวลาชุดแรกของ Mistral อ้างว่าครองอันดับสูงสุดแบบ zero-shot ใน GIFT-Eval, TIME และ fev-bench ด้วยเช็กพอยต์ 209M พารามิเตอร์ มอบข้อมูลอ้างอิงการแลกเปลี่ยนระหว่างขนาดกับความแม่นยำสำหรับงานพยากรณ์

  2. inclusionAI Repositories67

    inclusionAI เผยแพร่โมเดลเสียง Ming-3.0-audio-flash และ Ming-3.0-audio-tiny

    inclusionAI เผยแพร่ Ming-3.0-audio-flash โมเดลเสียงแบบ Mixture-of-Experts ขนาด 126B พารามิเตอร์ ที่เปิดใช้งาน 6.5B พารามิเตอร์ พร้อมกับ Ming-3.0-audio-tiny ขนาดกะทัดรัด 9.3B พารามิเตอร์ ที่เปิดใช้งาน 2.7B โมเดล flash ครอบคลุมการรู้จำเสียงพูดภาษาจีนและอังกฤษในหลากหลายสำเนียงและสถานการณ์ที่มีผู้พูดหลายคนและมีเสียงรบกวน การเข้าใจเสียงยาว การรับรู้เสียงที่ไม่ใช่เสียงพูดและดนตรี การให้เหตุผลด้านเสียง และการสนทนาด้วยเสียงแบบ end-to-end พร้อมตัวเลือกในการสังเคราะห์เสียงพูดเป็นเอาต์พุต มาพร้อมเส้นทางการอนุมานผ่าน vLLM-Omni, SGLang และ Transformers ภายใต้สัญญาอนุญาต MIT โดยโปรไฟล์ Flash เริ่มต้นใช้ tensor parallelism บน GPU H800 ขนาด 80 GB จำนวนสี่ตัวที่บริบท 128K

    ทำไมเรื่องนี้สำคัญ: การเผยแพร่นี้ให้รายละเอียดโมเดลเสียง MoE ขนาด 126B พารามิเตอร์ ที่เปิดใช้งาน 6.5B พารามิเตอร์ พร้อมตัวแปร tiny ขนาด 9.3B ซึ่งเป็นข้อมูลอ้างอิงที่เป็นรูปธรรมสำหรับการกำหนดขนาดและการติดตั้งใช้งานโมเดลภาษา-เสียงแบบเปิด

  3. Goodfire Research62

    บทความวิจัยของ Goodfire อ้างว่าโครงข่ายประสาทเทียมนั้นสะอาดอยู่แล้ว และ superposition ถูกตีความผิด

    นักวิจัยของ Goodfire อ้างว่าหลักฐานตามแบบฉบับของ polysemanticity และ superposition ในโครงข่ายประสาทเทียมนั้นถูกตีความผิด และสิ่งที่ดูเหมือนการบรรจุแบบสุ่มนั้นแท้จริงแล้วส่วนใหญ่เป็น motif ที่เขาเรียกว่า recursive generalization การฝึก InceptionV1 ใหม่ด้วยการปรับปรุงสถาปัตยกรรมตามปกติโดยไม่เปลี่ยนขนาดโมเดลหรือข้อมูลฝึก ทำให้ 99-100% ของนิวรอนในเลเยอร์สุดท้ายตีความได้ง่าย และการตรวจสอบเบื้องต้นของ Qwen3-32B ประเมินว่าประมาณ 90% ของขั้วนิวรอนมีหน้าที่หลักอย่างหนึ่ง บทความสรุปว่าโครงข่ายใช้หลักการเรียนรู้เดียวไม่ใช่สองหลัก ดังนั้นการตีความจึงสามารถดำเนินการโดยการศึกษานิวรอนและวงจรโดยตรงแทนที่จะฝึกโมเดลแยกส่วนเช่น sparse autoencoder ก่อน

    ทำไมเรื่องนี้สำคัญ: การตีความหลักฐาน polysemanticity ตามแบบฉบับของสาขานี้ใหม่จากมุมมองของผู้วิจัยเอง โดยอ้างว่าโครงข่าย generalize แบบเวียนเกิดแทนที่จะบรรจุแนวคิดที่ไม่เกี่ยวข้องกัน ซึ่งจะทำให้การศึกษาเชิงกลไกโดยตรงเป็นไปได้

13 ตุลาคมวันอังคาร
  1. Amazon Science75

    นักวิจัยของ Amazon Web Services เสนอวิธีการ priming เพื่อแปลง Transformer ที่ผ่านการฝึกมาแล้วให้เป็นโมเดลแบบ hybrid state space โดยไม่ต้องฝึกใหม่ทั้งหมด

    นักวิจัยของ Amazon Web Services นำเสนอ priming ซึ่งเป็นวิธีการที่นำน้ำหนักของ Transformer ที่ผ่านการฝึกมาแล้วกลับมาใช้ เพื่อลดต้นทุนการฝึกโมเดลสถาปัตยกรรมแบบ hybrid state space ก่อนการใช้งานลงได้มากกว่า 99% โดยใช้โควต้าโทเคนสำหรับการฝึกของโมเดลต้นทางน้อยกว่า 0.5% ในการเปรียบเทียบแบบควบคุม Gated KalmaNet มีประสิทธิภาพเหนือกว่า Gated DeltaNet และ Mamba-2 และโมเดล hybrid ขนาด 32B ที่ใช้ GKA มีผลลัพธ์เทียบเท่า Transformer ต้นทางบนเกณฑ์วัดด้านการให้เหตุผล ขณะที่ถอดรหัสได้เร็วขึ้นถึงสองเท่าเมื่อมีบริบท 128,000 โทเคน ทีมงานได้เผยแพร่โมเดล hybrid ที่ผ่านการ priming ขนาด 8B และ 32B โค้ดสำหรับการฝึก เคอร์เนล Triton และปลั๊กอินสำหรับให้บริการผ่าน vLLM ภายใต้สัญญาอนุญาต Apache 2.0

    ทำไมเรื่องนี้สำคัญ: นักวิจัยของ Amazon Web Services แสดงให้เห็นว่าการนำน้ำหนักของ Transformer ที่ผ่านการฝึกมาแล้วกลับมาใช้สามารถลดต้นทุนการฝึกสถาปัตยกรรมแบบ hybrid ได้มากกว่า 99% ทำให้การเปรียบเทียบชั้น state space แบบควบคุมเป็นเรื่องที่ทำได้จริง

29 กันยายนวันอังคาร
  1. OpenClaw Blog71

    OpenClaw Enterprise เปิดตัวในฐานะแพลตฟอร์มโอเพนซอร์สสำหรับจัดการ persistent agents

    OpenClaw ประกาศเปิดตัว OpenClaw Enterprise (OCE) แพลตฟอร์มโอเพนซอร์สที่เป็นกลางต่อผู้จำหน่ายสำหรับจัดการ persistent agents ในสภาพแวดล้อมที่มีความอ่อนไหว ซึ่งปัจจุบันอยู่ระหว่างการพัฒนาและจะเปิดตัวเวอร์ชัน 1.0 ภายในปีนี้ OCE เพิ่ม control plane ระดับองค์กรพร้อม multi-tenancy, ขอบเขตความปลอดภัยที่เข้มงวด, sandboxing, การตรวจสอบด้วย LLM และสิทธิ์การเข้าถึงแบบละเอียด อีกทั้งยังสามารถสลับ harness, model และ sandbox ไปใช้ของบุคคลที่สามหรือการใช้งานภายในองค์กรได้ องค์กรต่างๆ สามารถโฮสต์เองได้แล้ววันนี้ผ่าน docker-compose สำหรับการพัฒนาภายในเครื่อง หรือ kubernetes สำหรับการติดตั้งใช้งานภายในองค์กร และกำลังอยู่ระหว่างการนำร่องในบริษัทต่างๆ รวมถึง Red Hat และ OpenAI

    ทำไมเรื่องนี้สำคัญ: OpenClaw Enterprise เป็น control plane โอเพนซอร์สสำหรับ persistent agents ในสภาพแวดล้อมที่มีความอ่อนไหว พร้อม multi-tenancy, ขอบเขตความปลอดภัยที่เข้มงวด และความสามารถในการตรวจสอบย้อนหลัง ปัจจุบันพร้อมใช้งานสำหรับงานนำร่องภายในองค์กร

24 กันยายนวันพฤหัสบดี
  1. Modal Blog58

    Modal และ Full Stack Data Lab ของ CMU เปิดตัว Quail เครื่องยนต์อนุมาน AI-SQL ที่ปรับแต่งทั้ง query planner และการอนุมานร่วมกัน

    Modal และ Full Stack Data Lab ของ Carnegie Mellon University สร้าง Quail ซึ่งเป็นเครื่องยนต์อนุมานที่ตระหนักถึงคิวรีสำหรับงาน AI-SQL ที่ปรับแต่งทั้ง SQL query planner และเครื่องยนต์อนุมานร่วมกัน บนคิวรีแบบ multi-join หนึ่งรายการ มันประมวลผลได้มากกว่าหนึ่งพันล้านโทเคนต่อนาทีต่อ GPU H100 เร็วกว่า vLLM baseline ของ Modal บนฮาร์ดแวร์เดียวกันมากกว่า 10 เท่า ด้วยต้นทุนต่ำกว่า 6 เซนต์ต่อหนึ่งพันล้านโทเคน บน AI-SQL benchmark ใหม่ของทีม มันทำงานเร็วกว่า vLLM 1.84 เท่าเมื่อเฉลี่ยเชิงเรขาคณิตข้ามงาน เนื่องจากตัวกรองและ join ของ AI-SQL ต้องการเพียงโทเคนเดียวต่อลำดับ Quail จึงข้าม decode, sampling และการแยก prefill-decode และใช้ query plan ที่ทราบอยู่แล้วเพื่อจัดลำดับคำขอและจัดการการขับ KV cache

23 กันยายนวันพุธ
  1. Modal Blog58

    Modal ให้บริการหลายล้านล้านโทเคนสำหรับเอเจนต์เขียนโค้ดระดับล้านล้านพารามิเตอร์ได้อย่างไร

    Modal อธิบายวิธีที่บริษัทปรับแต่งการอนุมานของ Kimi K2.6 สำหรับเอเจนต์เขียนโค้ด จนได้ประสิทธิภาพต่อผู้ใช้ 2.8 เท่า และข้ามผู้ใช้ 5.6 เท่าต่อรีพลิกา พร้อมให้บริการที่ระดับหลายแสนล้านโทเคนต่อวัน งานนี้ผสาน DFlash speculative decoding แบบกำหนดเองที่ปรับละเอียดบนข้อมูลการเขียนโค้ด, FP8 KV cache และ NVFP4 shared-expert quantization, HiCache CPU-tier caching และการกำหนดเส้นทางตามโหลดที่คำนึงถึง KV cache Modal ได้ส่งแพตช์ SGLang ขึ้นต้นน้ำและเปิดเผยคอนฟิกูเรชันเบื้องหลัง Modal Auto Endpoints

1 กันยายนวันอังคาร
  1. Zyphra Research48

    Zyphra เปิดตัว PUFFER ระบบกำจัดข้อมูลซ้ำแบบคลุมเครือเชิงส่วนเพิ่มสำหรับคลังข้อมูลฝึกที่เปลี่ยนแปลงอยู่ตลอด

    Zyphra เปิดตัว PUFFER ระบบกำจัดข้อมูลซ้ำแบบคลุมเครือเชิงส่วนเพิ่มที่ตระหนักถึงแหล่งที่มาแบบโอเพนซอร์ส สำหรับคลังข้อมูลฝึก LLM ที่เติบโตอย่างต่อเนื่อง ภายใต้สัญญาอนุญาต Apache 2.0 โดยให้ความเร็วเพิ่มขึ้น 11x-35x เมื่อเทียบกับวิธีการกำจัดข้อมูลซ้ำบน CPU ที่มีอยู่ และสามารถนำเข้าหนึ่งพันล้านเอกสารได้ใน 1.75 ชั่วโมงบนโปรเซสเดียว พร้อมการใช้งานจริงกับเอกสารมากกว่า 30 พันล้านฉบับ PUFFER เก็บประวัติ MinHash-LSH ที่พักอยู่บนดิสก์ เพื่อให้สามารถเพิ่มชุดข้อมูลใหม่ กู้คืนงานที่ถูกขัดจังหวะได้อย่างแน่นอน และถอนชุดข้อมูลแต่ละชุดออกได้โดยไม่ต้องสร้างดัชนีคลังข้อมูลทั้งหมดใหม่

29 กรกฎาคมวันพุธ
  1. Berkeley AI Research58

    จาก CUDA สู่ MLX: K-Search นำความเชี่ยวชาญด้านการปรับแต่งเคอร์เนลมาสู่ Apple Silicon

    IBM Research ได้ขยาย K-Search ซึ่งเป็นเฟรมเวิร์กการค้นหาเคอร์เนลเชิงวิวัฒนาการจาก UC Berkeley Sky Lab ด้วยแบ็กเอนด์ MLX และชั้นการแปล CUDA-to-MLX แบบมีโครงสร้างที่ปรับเคอร์เนล CUDA ที่มีอยู่ให้เป็นเคอร์เนลสำหรับ Apple Silicon บนเคอร์เนล attention ของ MLX วิธีนี้ทำความเร็วได้ 0.97 เท่าของความเร็วเคอร์เนล MLX Attention แบบเนทีฟของ Apple เพิ่มขึ้นจาก 0.26 เท่าเมื่อไม่มีบริบทการแปล และเคอร์เนล Mamba SSM ที่ผ่านวิวัฒนาการทำความเร็ว prefill ได้สูงสุดถึง 20 เท่าเมื่อเทียบกับการใช้งาน mlx-lm ของชุมชนบน M1 Max ผู้เขียนระบุว่าผลที่ได้ส่วนใหญ่มาจากคุณภาพของบริบทและข้อจำกัดที่ให้แก่ LLM มากกว่าความสามารถในการเขียนโค้ด Metal และกล่าวว่าวิธีนี้ไม่ได้จำเพาะเจาะจงกับ MLX

21 กรกฎาคมวันอังคาร
  1. Modal Blog58

    Modal และ Cognition เปิดตัว Devin Outposts พร้อมการผสานรวม sandbox ของ modal-devin

    Modal เป็นพันธมิตรด้านการเปิดตัวสำหรับ Devin Outposts ซึ่งเป็นฟีเจอร์ของ Cognition ที่ย้ายการทำงานของโค้ดของ Devin ไปยังสภาพแวดล้อมที่ลูกค้าควบคุม ขณะที่การประมวลผลของ Devin ยังคงอยู่ในคลาวด์ของ Cognition ไลบรารีและ CLI โอเพนซอร์ส modal-devin จะรันแต่ละเซสชันของ Outpost ใน Modal Sandbox ทำให้เข้าถึงเครื่องที่มี GPU รองรับ อิมเมจที่กำหนดเอง การสแนปช็อตเวิร์กสเปซ และการสเกลเป็นศูนย์ และพร้อมใช้งานในเวอร์ชันอัลฟาเริ่มตั้งแต่วันที่ 21 กรกฎาคม 2026 การตั้งค่าใช้ uvx modal-devin init ซึ่งสร้างฟังก์ชันออร์เคสเตรเตอร์และฟังก์ชันเซสชันเวิร์กเกอร์ที่ทีมสามารถปรับแต่งต่อไปได้

1 กรกฎาคมวันพุธ
  1. Modal Blog58

    Modal Research และ MRP ของ HeavyBall นำการทำนายหลายโทเคนมาสู่ diffusion LM

    Modal Research และ HeavyBall Research จาก NYU Shanghai แนะนำ Multi-token Residual Prediction (MRP) ซึ่งเป็นโมดูล 3 ชั้นที่ติดตั้งบน backbone ของ diffusion LM ที่ถูก freeze ไว้ โดยทำนาย logit residual ระหว่างขั้นแทนการทำนายการแจกแจงของขั้นถัดไปแบบเต็ม บน SDAR-4B GSM8K นั้น MRP รักษาความแม่นยำไว้ที่ 70.9% ที่ K=3 เทียบกับ 5.9% ของ naive MTP distillation และใน SGLang ทำ throughput ได้สูงสุดถึง 1.56 เท่าโดยไม่สูญเสียความแม่นยำในโหมด speculative หรือกู้คืนความแม่นยำได้ถึง +16 จุดภายใต้ aggressive low-threshold dynamic decoding เปิดตัว paper, code, SGLang implementation และโมเดล SDAR-MRP บน Hugging Face แล้ว

24 มิถุนายนวันพุธ
  1. Modal Blog58

    Modal เปิดตัว Auto Endpoints โดยอ้างถึง speculative decoding สำหรับเวลาแฝงในการประมวลผลระดับสูงสุด

    Modal เปิดตัว Modal Auto Endpoints ซึ่งนำความสามารถในการขยายโครงสร้างพื้นฐานของ Modal มาสู่ประสิทธิภาพการประมวลผลระดับสูงสุดได้ในคลิกเดียว พร้อมยังคงควบคุมโค้ดได้ Modal กล่าวว่าการลดเวลาแฝงหลักมาจาก speculative decoding ด้วยโมเดล speculator DFlash แบบกำหนดเอง ซึ่งลดเวลาแฝงแบบ end-to-end ประมาณ 100ms ในกรณีศึกษา Decagon Voice หรือประมาณ 40% ของเวลาแฝงในการถอดรหัสฝั่งเซิร์ฟเวอร์ ทำให้เร็วกว่าทางเลือกเชิงพาณิชย์ที่เร็วที่สุดกว่า 60ms Modal ยังเปิดตัวโมเดล speculator DFlash แบบโอเพนซอร์สกับ Z Lab และ SGLang รวมถึงหนึ่งโมเดลสำหรับ Qwen 3.5 397B-A17B ที่ปรับปรุงเหนือ MTP มากกว่า 50%

1 มิถุนายนวันจันทร์
  1. Modal Blog46

    Modal: การเรียนรู้แบบเสริมกำลังสำหรับการฝึกหลังการฝึก LLM เป็นปัญหาโครงสร้างพื้นฐาน

    Modal ระบุว่าคอขวดในการฝึกหลังการฝึกด้วย RL ของ LLM ตอนนี้คือโครงสร้างพื้นฐาน ไม่ใช่อัลกอริทึม และได้เปิดตัวไลบรารีโอเพนซอร์สที่พัฒนาจากการรัน RL ในระดับสเกลใหญ่ โดยชี้จุดเจ็บปวดสามประการ ได้แก่ โค้ดเชื่อมต่อ การเข้าคิวของคลัสเตอร์ และการใช้ GPU ไม่เต็มประสิทธิภาพ พร้อมรายงานว่าการซิงค์น้ำหนักผ่าน RDMA ลดเวลาอัปเดต Qwen3 8B จาก 2.62 วินาที เหลือ 41 มิลลิวินาที

27 พฤษภาคมวันพุธ
  1. MiniMax Blog72

    MiniMax อัปเกรด Agent เป็น Mavis และเปิดตัว Agent Teams สำหรับงานที่ใช้เวลานาน

    MiniMax อัปเกรด MiniMax Agent ภายใต้ชื่อใหม่ Mavis และเปิดตัว Agent Teams ซึ่งให้ Agent หลายตัวที่มีบทบาทเฉพาะทำงานแบบขนานบนเดสก์ท็อปสำหรับงานยาวและซับซ้อน ระบบใช้บทบาท Leader, Worker และ Verifier พร้อม Team Engine แบบ state-machine ที่วนงานผ่านขั้นตอน producing, verifying และ done และรวม TokenPlan กับ Agent Plan เป็นการสมัครสมาชิกเดียวที่ครอบคลุม CLI, API และ Agent ผ่าน M2.7, music, video และ voice MiniMax กล่าวว่า Agent จะเปิดซอร์สเร็วๆ นี้ คาดว่าจะมาพร้อมกับโมเดล MiniMax M3 ขณะที่แอปเดสก์ท็อปพร้อมใช้งานแล้ว

    ทำไมเรื่องนี้สำคัญ: MiniMax อธิบายการแลกเปลี่ยนเชิงออกแบบเบื้องหลัง Agent Team แบบ Leader-Worker-Verifier รวมถึงต้นทุนการส่งต่อ การแชร์ และการรวมผล ซึ่งเป็นข้อมูลอ้างอิงที่เป็นรูปธรรมสำหรับการสร้างมัลติเอเจนต์รันไทม์

29 เมษายนวันพุธ
  1. Factory58

    Factory ทดสอบโมเดล 13 ตัวบนงานโค้ดรีวิว พบ GPT-5.2 ดีที่สุด และ MiniMax M2.7 ถูกที่สุด

    Factory สร้าง benchmark โอเพนซอร์สทดสอบโมเดล 13 ตัวกับ pull request จริง 50 รายการจาก Sentry, Grafana, Keycloak, Discourse และ Cal.com โดยแต่ละโมเดลรีวิวทุก PR อย่างน้อยสามครั้งด้วย high reasoning effort และ LLM judge ให้คะแนนสิ่งที่พบเทียบกับ golden set ที่มนุษย์คัดสรร GPT-5.2 นำที่ 60.5% F1 ในราคา $1.25 ต่อ PR เหนือกว่า Claude Opus 4.6 ที่ 59.8% F1 และ $3.11 ต่อ PR ขณะที่ MiniMax M2.7 ทำได้ 45.6% F1 ในราคา $0.15 ต่อ PR และ Kimi K2.5 ได้ 51.9% F1 ที่ $0.41 Factory ระบุว่าต้นทุนอธิบายความแปรปรวนของคุณภาพได้เพียงราว 21% และได้เปิดโอเพนซอร์ส golden set, สคริปต์ประเมิน และ Droid Action GitHub Action ที่รองรับทั้ง 13 โมเดล

  2. Modal Blog33

    การสร้างเวิร์กโฟลว์พิสูจน์ทฤษฎีบทด้วย RL บน Modal

    AE Studio อธิบายรายละเอียดว่าพวกเขาฝึก LLM ให้พิสูจน์ทฤษฎีบททางคณิตศาสตร์ด้วยการเรียนรู้แบบเสริมกำลังบน Modal ได้อย่างไร โดยเปรียบเทียบ Evolution Strategies กับ GRPO ขณะที่คงลูปการฝึกให้คงที่ การตั้งค่านี้รันการอนุมาน vLLM บน GPU การตรวจสอบด้วยคอมไพเลอร์ Lean ในแซนด์บ็อกซ์ CPU แบบแยก และออร์เคสเตรเตอร์น้ำหนักเบา โดยใช้อิมเมจแยกตามฟังก์ชัน การกระจายงานด้วย .map() และ Volumes สำหรับน้ำหนักฐาน

13 มีนาคมวันศุกร์
  1. Berkeley AI Research38

    Berkeley AI Research เปิดตัว SPEX และ ProxySPEX สำหรับระบุปฏิสัมพันธ์ในระดับใหญ่สำหรับ LLMs

    นักวิจัยจาก Berkeley AI Research อธิบายถึง SPEX และ ProxySPEX อัลกอริทึมที่ระบุปฏิสัมพันธ์ที่มีอิทธิพลของคุณลักษณะ ข้อมูล และองค์ประกอบของโมเดลใน LLMs ในระดับที่ใหญ่กว่าวิธีก่อนหน้ามาก SPEX ตีความการค้นหาปฏิสัมพันธ์ใหม่เป็นการกู้คืนแบบเบาบางโดยใช้ความเบาบางและ low-degreeness ขณะที่ ProxySPEX ใช้ประโยชน์จากลำดับชั้นเพื่อจับคู่กับ SPEX ด้วยการ ablation น้อยลงประมาณ 10 เท่า ในการวิเคราะห์ความรู้สึก SPEX ให้ความซื่อสัตย์เทียบเท่า Faith-Shap และ Faith-Banzhaf บนอินพุตสั้นและคงไว้เมื่อบริบทขยายไปถึงหลายพันคุณลักษณะ

4 มีนาคมวันพุธ
  1. Modal Blog22

    อัปเดตผลิตภัณฑ์ Modal: Directory Snapshots, GLM-5 Endpoint และ Billing API

    Modal เพิ่ม Directory Snapshots สำหรับ Sandboxes ให้ผู้ใช้สามารถสแนปช็อตไดเรกทอรีเดียวและเมานต์ลงใน Sandbox ใหม่ได้โดยอิสระจากอิมเมจพื้นฐาน Modal ยังเปิดตัว GLM-5 endpoint สาธารณะแบบฟรีร่วมกับ Z.ai ไปจนถึงสิ้นเดือนเมษายน ซึ่งรองรับ OpenCode, Claude Code, OpenClaw และ Vercel AI SDK ขณะนี้ CLI รายงานการเรียกเก็บเงินของ Modal และ API modal.billing.workspace_billing_report พร้อมใช้งานทั่วไปสำหรับเวิร์กสเปซแบบ Team และ Enterprise แล้ว

24 กุมภาพันธ์วันอังคาร
  1. Vapi Blog38

    ให้เสียงกับ OpenClaw Agent ของคุณ: เพิ่มการโทรด้วย Vapi Skills

    OpenClaw agent สามารถโทรออกและรับสายได้แล้วผ่าน skills ที่รองรับ AgentSkills ของ Vapi ซึ่งติดตั้งได้ในเวลาประมาณห้านาทีผ่าน npx skills CLI หรือสั่ง agent โดยตรง ไปป์ไลน์ของ Vapi ตั้งเป้าการตอบสนองด้วยเสียงต่ำกว่า 500ms และรองรับการเรียกใช้เครื่องมือระหว่างการโทร โดยมีแปด skills ครอบคลุม assistants, calls, phone numbers, tools, squads, webhooks และ workflows

13 พฤศจิกายน 2025วันพฤหัสบดี
  1. Modal Blog40

    Decagon ส่งมอบ AI เสียงแบบเรียลไทม์บน Modal ได้อย่างไร

    Decagon และ Modal ร่วมมือกันสร้าง Decagon Voice 2.0 โดยลด latency ลง 65% พร้อมปรับปรุงการจดจำเจตนาและคุณภาพการตอบสนอง Decagon fine-tune โมเดลโอเพนซอร์สขนาดกะทัดรัดด้วย SFT และ RL เพื่อเอาชนะโมเดล frontier ขนาดใหญ่กว่า ขณะที่ Modal ฝึกโมเดล draft EAGLE3 แบบกำหนดเองซึ่งมี accept length สูงขึ้น 38% และวิศวกรรม SGLang ใหม่ด้วยตัวจัดตาราง speculative decoding แบบ async เพิ่ม throughput ได้ถึง 12%

31 ตุลาคม 2025วันศุกร์
  1. Modal Blog22

    Modal อัปเดต Volumes v2, SDK JavaScript และ Go สู่เบต้า

    Modal เปิดตัว Volumes v2 ในเวอร์ชันเปิดเบต้าสำหรับทุกแอป พร้อมระบบไฟล์ที่สร้างใหม่เพื่อรองรับทรูพุตที่สูงขึ้น การเข้าถึงแบบสุ่มที่เร็วขึ้น และการเขียนแบบไฮคอนเคอเรนซีอย่างแท้จริงจากหลายร้อยคอนเทนเนอร์ อีกทั้งไม่จำกัดจำนวนไฟล์ที่จัดเก็บ ขณะที่ SDK JavaScript/TypeScript และ Go ก็เข้าสู่เบต้าที่เวอร์ชัน v0.5 เพิ่มออบเจ็กต์ Client แบบรวมศูนย์ และรองรับ Sandboxes, Functions, Images และ Volumes

26 กันยายน 2025วันศุกร์
  1. Modal Blog60

    วิศวกรของ Modal ถอดรหัสการทำงานของ Flash Attention 4

    วิศวกรของ Modal อ่านซอร์สโค้ด Flash Attention 4 ที่เผยแพร่แล้วและถอดรหัสการทำงานของ attention kernel ที่ปรับแต่งสำหรับ Blackwell เนื่องจากยังไม่มีรายงานทางเทคนิคอย่างเป็นทางการ บทความได้ติดตาม tile หนึ่งผ่านไปป์ไลน์แบบอะซิงโครนัสที่แยกส่วนตาม warp ภายใน kernel และอธิบายเทคนิคทางคณิตศาสตร์สองอย่าง ได้แก่ ฟังก์ชัน exponential แบบซอฟต์แวร์ที่ใช้พหุนามกำลังสามซึ่งสามารถแทนการยกกำลังผ่าน SFU และกฎการปรับสเกลแบบ online softmax ที่ฉลาดกว่าซึ่ง Tri Dao กล่าวว่าลดการแก้ไขลงได้ถึง 10 เท่า มีรายงานว่า FA4 เร็วกว่า attention kernel แบบ closed-source cudnn ของ Nvidia ประมาณ 20% และในขณะที่เขียนยังไม่มีเวอร์ชัน backward

    ทำไมเรื่องนี้สำคัญ: วิศวกรของ Modal อ่านซอร์สโค้ด Flash Attention 4 ที่เผยแพร่แล้วและอธิบายไปป์ไลน์ที่แยกส่วนตาม warp พร้อมเทคนิคทางคณิตศาสตร์สองอย่าง ซึ่งให้มุมมองที่นำไปประยุกต์ใช้ได้เกี่ยวกับทิศทางของงานออกแบบ CUDA kernel

22 กันยายน 2025วันจันทร์
  1. Modal Blog38

    Modal Vibe: แพลตฟอร์มเขียนโค้ดด้วย AI บน Modal Sandboxes ที่ขยายถึง 1,000 แอปได้ใน 5 นาที

    Modal สร้าง Modal Vibe แพลตฟอร์มสาธิตแบบโอเพนซอร์สสำหรับ vibe coding บน Modal Sandboxes ที่ขยายจาก 0 ถึง 1,000 แอปที่เขียนโค้ดด้วย AI ได้ในเวลาประมาณห้านาที การทดสอบโหลดที่สร้าง 1,000 แอป โดยแต่ละแอปอยู่ใน Sandbox ของตัวเอง ใช้เวลาราว 300 วินาที โดย AI API เป็นขั้นตอนที่จำกัดอัตรา Modal ระบุว่า Team Plan สามารถรัน Sandbox พร้อมกันได้ 1,000 รายการ เพียงพอสำหรับกว่า 1 ล้านเซสชันต่อเดือน

16 กันยายน 2025วันอังคาร
  1. Modal Blog47

    เบื้องหลัง Modal Notebooks: Modal สร้างโน้ตบุ๊ก GPU บนคลาวด์ที่บูตได้ในไม่กี่วินาทีได้อย่างไร

    Modal เผยรายละเอียดทางวิศวกรรมเบื้องหลัง Modal Notebooks โน้ตบุ๊ก Jupyter บนคลาวด์ที่บูต GPU และอิมเมจกำหนดเองได้ในไม่กี่วินาทีพร้อมการทำงานร่วมกันแบบเรียลไทม์ เคอร์เนลทำงานภายใน Modal Sandboxes โดยมีเดมอน modal-kernelshim แปลงข้อความ Jupyter ZeroMQ เป็น HTTP calls ที่ส่งผ่านทันเนลผ่าน control plane ของ Modal ระบบไฟล์คอนเทนเนอร์ Rust FUSE แบบ lazy-loading ดึงเนื้อหาไฟล์ตามต้องการผ่านแคชแบบหลายชั้น หลีกเลี่ยงความหน่วงจากการแตกอิมเมจซึ่งอาจใกล้ถึงหนึ่งนาทีสำหรับอิมเมจ Python/ML ขนาด 8 GB

11 สิงหาคม 2025วันจันทร์
  1. Modal Blog38

    อัปเดตผลิตภัณฑ์ Modal: GPU Memory Snapshots, Notebooks, Service Tokens และอื่นๆ

    Modal เพิ่ม GPU memory snapshots ในเวอร์ชัน alpha ช่วยลด cold boot สำหรับงาน GPU ได้ 10 เท่าโดยข้ามขั้นตอนอย่าง Torch compilation เปิดใช้งานผ่านตัวเลือก enable_gpu_snapshot การอัปเดตนี้ยังนำ Modal Notebooks ในเวอร์ชัน beta สำหรับรัน Python ในเบราว์เซอร์, Service Tokens สำหรับผู้จัดการ workspace และ UI ที่สร้างโดยเบราว์เซอร์สำหรับ Functions ที่ deploy แล้ว

30 เมษายน 2025วันพุธ
  1. Modal Blog38

    Modal เปิดตัว SDK เวอร์ชัน alpha สำหรับ JavaScript และ Go

    Modal เปิดตัว SDK เวอร์ชัน alpha อย่างเป็นทางการสำหรับ JavaScript และ Go ช่วยให้นักพัฒนาสามารถเรียกใช้ Modal Functions ที่ deploy แล้วและสร้าง sandbox แบบแยกได้จากบริการ Node, Next.js หรือ Go โดยไม่ต้องเขียน Python ตัว SDK ไม่สามารถ deploy ฟังก์ชันได้ ซึ่งยังต้องใช้ Python และรองรับเฉพาะชนิดข้อมูลแบบ JSON-like หรือ bytes เท่านั้นในตอนนี้ Modal กล่าวว่าสามารถรัน sandbox 10,000 รายการในภาษาใดภาษาหนึ่งได้โดยไม่มีปัญหา

17 มีนาคม 2025วันจันทร์
  1. Modal Blog22

    Modal ลดราคา GPU, CPU และหน่วยความจำสูงสุดถึง 65% พร้อมรีแบรนด์ใหม่

    Modal ลดราคา GPU, CPU และหน่วยความจำลงสูงสุดถึง 65% และผู้ใช้แพ็กเกจ Team สามารถรัน GPU พร้อมกันได้สูงสุดถึง 50 ตัวแล้ว ตอนนี้ Modal SDK อยู่บน conda-forge เริ่มตั้งแต่เวอร์ชัน 0.73.46 และมีแผนจะปล่อยไคลเอนต์เวอร์ชัน 1.0 Modal ยังเผยแพร่ตัวอย่าง LTX-Video แบบ image-to-video และเปิดตัวโลโก้ใหม่

21 กุมภาพันธ์ 2025วันศุกร์
  1. Modal Blog35

    Modal เปิดโอเพนซอร์ส GPU Glossary ภายใต้ CC BY 4.0

    Modal ได้เปิดโอเพนซอร์ส GPU Glossary ซึ่งเป็นคลังรวมเอกสารสั้นที่เชื่อมโยงกันในหัวข้อการเขียนโปรแกรม GPU บน GitHub ภายใต้สัญญาอนุญาต Creative Commons BY 4.0 โดยคลังคำศัพท์นี้เปิดตัวครั้งแรกเมื่อสองเดือนก่อนเพื่อเติมช่องว่างของเอกสารอ้างอิง GPU แบบครบสแตก และคำขอจากชุมชนที่ต้องการมีส่วนร่วมทำให้เกิดการย้ายครั้งนี้ ปัจจุบัน GitHub Issues ของรีโปได้ระบุส่วนขยายที่วางแผนไว้แล้ว รวมถึงเคอร์เนล matmul ตัวอย่างสองตัวและส่วนเกี่ยวกับ Thread Block Clusters

14 กุมภาพันธ์ 2025วันศุกร์
  1. Modal Blog22

    อัปเดตผลิตภัณฑ์ Modal: Logs v2, การทำโปรไฟล์คอนเทนเนอร์แบบเรียลไทม์ และการเลือกภูมิภาคในทุกแพ็กเกจ

    Modal ได้เปิดตัวแดชบอร์ดบันทึกที่ปรับปรุงใหม่พร้อมการกรองช่วงเวลาที่ป้อนได้ การทำโปรไฟล์คอนเทนเนอร์แบบเรียลไทม์สำหรับการดีบักคอนเทนเนอร์หรืออินพุตที่ค้าง และ Debug Shells ที่รันคำสั่งเช่น vim, ps และ strace ภายในคอนเทนเนอร์ที่กำลังทำงาน ขณะนี้การเลือกภูมิภาคพร้อมใช้งานในทุกแพ็กเกจ โดยคิดราคาด้วยตัวคูณจากราคาฐาน และไคลเอนต์เพิ่มการยืนยันตัวตน OIDC สำหรับการเมานต์คลาวด์บักเก็ตผ่านฟิลด์ oidc_auth_role_arn ใหม่