ข้ามไปที่เนื้อหา
เฉพาะ จากต้นทาง#การติดตั้งใช้งาน / วิศวกรรม
11 พฤศจิกายนวันพุธ
  1. Mastra Blog58

    Mastra เพิ่ม MCP Tasks สำหรับการเรียกใช้เครื่องมือระยะยาวแบบเบื้องหลัง

    Mastra รองรับ tasks ใน MCPServer และ MCPClient แล้ว ทำให้การเรียกใช้เครื่องมือที่ใช้เวลานานสามารถทำงานเบื้องหลังได้ ขณะที่เอเจนต์ยังคงตอบสนองผู้ใช้ เซิร์ฟเวอร์จะส่งคืน task ID ทันที และไคลเอนต์จะ polling สถานะ working, input_required, completed, failed หรือ cancelled โดยจะมีการส่งการแจ้งเตือนไปยังเอเจนต์เมื่อ task เสร็จสิ้น เครื่องมือสามารถตั้งค่าเป็น always, auto (หลังจากค่าเริ่มต้น syncWindowMs 2 วินาที) หรือ off และ tasks ยังสามารถเรียก suspend() เพื่อรอข้อมูลจากมนุษย์ได้ ฟีเจอร์นี้ต้องใช้ @mastra/mcp@2.7.0 และ @mastra/core@1.81.0 ขึ้นไป และยังคงเป็น experimental

10 พฤศจิกายนวันอังคาร
  1. LiveKit Blog40

    เปิดตัว LiveKit Portal สำหรับ ROS 2: เชื่อมต่อกราฟ ROS ผ่าน WebRTC

    LiveKit เปิดตัว LiveKit Portal สำหรับ ROS 2 ซึ่งเป็นโหนด ROS 2 แบบสแตนด์อโลนที่เชื่อมต่อกราฟ ROS เข้ากับห้อง LiveKit เพื่อให้ผู้เข้าร่วมที่เป็น ROS และไม่ใช่ ROS สามารถแลกเปลี่ยนท็อปปิก การเรียกบริการ และวิดีโอผ่าน WebRTC โดยไม่ต้องเปิดเผย DDS ข้ามเครือข่าย รองรับเส้นทางข้อมูลสี่แบบ—ท็อปปิกผ่าน DataTracks บริการผ่าน RPC รูปภาพเป็น VideoTracks และแหล่งวิดีโอโดยตรง—พร้อมกฎ YAML สำหรับทิศทาง ขีดจำกัดอัตรา และการเข้ารหัสสคีมา เดโมหนึ่งถ่ายโอนภาระ stereo SLAM และการสร้างฉากใหม่จาก rover ที่ใช้ Jetson Orin Nano ไปยังเดสก์ท็อป RTX 5090

  2. Google Blog · AI58

    Google Cloud เปิดตัว Gemini สำหรับการแพทย์เพื่อทำงานด้านคลินิกและงานธุรการโดยอัตโนมัติ

    Google Cloud ประกาศเปิดตัว Gemini สำหรับการแพทย์ โซลูชัน AI ที่รวมระบบคลินิก ปฏิบัติการ และธุรการที่กระจัดกระจายเข้าด้วยกัน โดยเชื่อมต่อกับเวชระเบียนอิเล็กทรอนิกส์ แพลตฟอร์มการเรียกเก็บเงิน แนวทางปฏิบัติทางคลินิก และชุดข้อมูล Medicare แพลตฟอร์มนี้วิเคราะห์บริบทดังกล่าวเพื่อจัดการเวิร์กโฟลว์หลายขั้นตอน เช่น การสังเคราะห์เวชระเบียนและการตรวจสอบการอนุมัติล่วงหน้า ภายใต้กรอบการกำกับดูแลที่กำหนดและมีการกำกับดูแลโดยมนุษย์ เปิดให้ใช้งานในระยะพรีวิวกับพันธมิตรเปิดตัว ได้แก่ HCA Healthcare, Highmark Health และ Northwell Health โดยมุ่งเป้าที่เวลาประมาณ 28 ชั่วโมงต่อสัปดาห์ที่แพทย์ต้องเสียไปกับงานเอกสาร

  3. LangChain Blog59

    Stripe สร้าง Kai บน Deep Agents ได้อย่างไรในหนึ่งสัปดาห์

    Stripe สร้าง Kai แพลตฟอร์ม Knowledge AI ทั่วทั้งบริษัท บน Deep Agents harness โอเพนซอร์สของ LangChain โดยวิศวกรหนึ่งคนส่งเวอร์ชันแรกได้ภายในสัปดาห์เดียว สแต็กนี้วางชั้น harness และคอนฟิกูเรชันเฉพาะของ Stripe ทับบน Deep Agents ใช้ไฟล์ซิสเต็มมิดเดิลแวร์ที่รองรับด้วย S3 แซนด์บ็อกซ์มิดเดิลแวร์สำหรับรันโค้ด ซัมมารีไมซ์มิดเดิลแวร์สำหรับเซสชันยาว และการโหลดเครื่องมือแบบไดนามิกตามสกิลครอบคลุมเครื่องมือ MCP ภายในกว่า 500 รายการและสกิลกว่า 1,000 รายการ Kai เติบโตจาก 296 เป็นผู้ใช้กว่า 5,000 คนในราวสี่สัปดาห์ และปัจจุบัน 83% ของ Stripe ใช้งานเป็นรายสัปดาห์ในกว่า 60k เซสชัน

  4. Hugging Face Blog60

    Hugging Face อธิบายโมเดลการตัดสินใจและการรองรับใน Transformers และ llama.cpp

    Hugging Face เผยแพร่บทอธิบายเกี่ยวกับโมเดลการตัดสินใจ ซึ่งรับสถานะพร้อมคำถามที่มีชนิดข้อมูลและคืนค่าความน่าจะเป็นเหนือคำตอบที่กำหนดไว้ล่วงหน้าแทนการสร้างข้อความ โพสต์ดังกล่าวลงรายละเอียดเกี่ยวกับ primitive ของ choice, score และ noul สูตรความเชื่อมั่น และการรองรับใหม่ผ่าน DecisionPipeline และ AutoModelForDecision ของ Transformers, endpoint /v1/systemone ที่ใช้ร่วมกันใน Transformers และ llama.cpp, แท็ก Hub สำหรับการค้นพบ และการ fine-tuning ด้วย Trainer API พร้อมระบุว่า endpoint เดียวกันยังใช้งานได้กับ autoregressive LLM ที่เข้ากันได้โดยการให้คะแนน logits ของคำตอบในการ forward pass แบบแบตช์

    ทำไมเรื่องนี้สำคัญ: Hugging Face อธิบายว่าโมเดลการตัดสินใจเปลี่ยนการจำแนกประเภทให้เป็นอินเทอร์เฟซที่มีชนิดข้อมูลและไม่ใช่เชิงสร้างสรรค์อย่างไร และแสดงวิธีให้บริการและ fine-tune โมเดลเหล่านี้ด้วย Transformers และ llama.cpp

  5. OpenRouter Announcements72

    OpenRouter ทดสอบโมเดลวิชัน 15 ตัวและ Mistral OCR กับเอกสารสแกน

    OpenRouter ทดสอบโมเดลวิชัน 15 ตัว, Mistral OCR และ Tesseract กับภาพสแกนคุณภาพต่ำที่สร้างขึ้นเองแปดภาพ และ Claude Opus 5.5 แม่นยำที่สุดโดยได้ค่าสำคัญ 262 จาก 264 ค่าถูกต้อง ในราคา $16.42 ต่อ 1,000 หน้า ขณะที่ Mistral OCR คุ้มค่าที่สุดด้วย 258 จาก 264 ในราคา $2.02 บนใบเสร็จที่จางลง GPT-6 Luna และ GPT-6.1 Sol สร้างตัวเลขบัตร ชื่อเซิร์ฟเวอร์ และรหัส wifi ขึ้นมาเอง ซึ่งเป็นข้อผิดพลาดที่อัตราความผิดพลาดระดับตัวอักษรไม่เผยให้เห็น โพสต์นี้มีโค้ดสำหรับถอดความภาพสแกน ปิดการให้เหตุผล ตรวจสอบไขว้ระหว่างสองโมเดลจากห้องแล็บต่างกัน และรัน Mistral OCR ผ่านปลั๊กอิน file-parser

    ทำไมเรื่องนี้สำคัญ: การทดสอบเชิงปฏิบัติของโมเดลวิชัน 15 ตัวพร้อม Mistral OCR และ Tesseract กับภาพสแกนคุณภาพต่ำแปดภาพ พร้อมโค้ดที่รันได้สำหรับตรวจสอบไขว้ระหว่างสองโมเดลเพื่อจับค่าที่ถูกสร้างขึ้นมา

  6. Hugging Face Blog20

    Hugging Face Hub รองรับการเรียกเก็บเงินผ่านบัญชี Google Cloud แล้ว

    องค์กรบน Hugging Face สามารถเชื่อมต่อกับบัญชี Google Cloud ได้แล้ว ทำให้การใช้งาน Hub ปรากฏบนใบแจ้งหนี้ Google Cloud ที่มีอยู่แทนการใช้บัตรเครดิต การตั้งค่าดำเนินการผ่าน Google Cloud Marketplace และครอบคลุมการสมัครสมาชิกแบบ Team หรือ Enterprise, การประมวลผลแบบจ่ายตามการใช้งาน เช่น Jobs, Inference Endpoints, Inference Providers และ GPU Spaces รวมถึงพื้นที่จัดเก็บเพิ่มเติมในราคาสาธารณะของ Hugging Face การสมัครสมาชิกจะได้รับการตรวจสอบโดย Hugging Face ก่อนที่การเรียกเก็บเงินผ่าน marketplace จะเริ่มต้น และองค์กรที่มีบัตรบนไฟล์จะเปลี่ยนในช่วงเริ่มต้นรอบการเรียกเก็บเงินถัดไป

  7. LangChain Blog50

    LangSmith BYOC บน AWS พร้อมใช้งานทั่วไปแล้ว

    LangSmith Bring Your Own Cloud (BYOC) พร้อมใช้งานทั่วไปบน AWS แล้ว มอบการติดตั้งใช้งาน LangSmith แบบ managed ให้กับองค์กร โดยทำงานภายในบัญชี AWS และ VPC ขององค์กรเอง ข้อมูลที่ละเอียดอ่อน เช่น traces, datasets, experiments, prompts, การติดตั้งใช้งานเอเจนต์ และข้อมูลแซนด์บ็อกซ์ จะยังคงอยู่ในสภาพแวดล้อม AWS ของลูกค้า ขณะที่ LangChain ดูแลการตรวจสอบ การอัปเกรด การขยายขนาด และการจัดการวงจรชีวิตคลัสเตอร์ BYOC พร้อมให้บริการสำหรับลูกค้าระดับ Enterprise ใน 15 รีเจียนของ AWS ในสหรัฐฯ สหภาพยุโรป และ APAC

  8. Meta Engineering Blog40

    Meta ขยาย LLDB ด้วยสถาปัตยกรรมปลั๊กอินตัวเร่งแบบเป็นกลางต่อผู้จำหน่ายสำหรับการดีบัก CPU-GPU

    Meta ได้สร้างสถาปัตยกรรมปลั๊กอินตัวเร่งแบบเป็นกลางต่อผู้จำหน่ายใน lldb-server ที่ช่วยให้ LLDB ดีบักแอปพลิเคชันที่ครอบคลุมทั้ง CPU และ GPU ภายในเซสชันเดียว การออกแบบนี้แสดงถึง CPU และ GPU เป็นเป้าหมาย LLDB แยกจากกัน โดยแต่ละเป้าหมายมีสถาปัตยกรรม เธรด รีจิสเตอร์ และพื้นที่ที่อยู่ของตัวเอง ขณะที่ปลั๊กอินทำหน้าที่แปลง API การดีบักอุปกรณ์ของผู้จำหน่ายให้เป็นแนวคิดของ LLDB การรองรับ GPU จะเปิดใช้งานเฉพาะเมื่อแอปพลิเคชันใช้รันไทม์ GPU ที่รองรับ ดังนั้นการดีบักเฉพาะ CPU จึงยังคงใช้เส้นทางเนทีฟเดิมโดยไม่มีค่าใช้จ่ายเพิ่มเติม

  9. Mastra Blog25

    Mastra เปิดตัวโครงการ Mastra FDE Forward-Deployed Engineering

    Mastra เปิดตัว Mastra FDE โครงการวิศวกรรมแบบ forward-deployed ที่เปิดให้ทีมใดก็ได้ที่สร้างเอเจนต์ โดยฝังวิศวกรของ Mastra เข้าไปในทีมลูกค้าตั้งแต่ขั้นสถาปัตยกรรมจนถึงการผลิต รูปแบบการมีส่วนร่วมมีตั้งแต่ 6 ชั่วโมงต่อสัปดาห์ในลักษณะให้คำปรึกษา ไปจนถึง 20-40 ชั่วโมงต่อสัปดาห์ในการลงมือสร้างจริง พร้อมช่อง Slack ที่แชร์ร่วมกับผู้ก่อตั้งและวิศวกรของ Mastra รวมถึง Mastra Enterprise Mastra ระบุว่าโครงการนี้มีค่าใช้จ่ายน้อยกว่าการจ้างผู้เชี่ยวชาญด้าน AI ระดับอาวุโสหนึ่งคน

  10. Claude Blog34

    Curative สร้างเครือข่ายผู้ให้บริการระดับประเทศด้วยเอเจนต์บน Claude ได้อย่างไร

    Curative สร้างลำดับชั้นของเอเจนต์บน Claude เพื่อเซ็นสัญญาผู้ให้บริการได้เร็วขึ้นประมาณ 50 เท่าเมื่อเทียบกับที่ทีมทำได้ในปี 2025 โดยมีสัญญาที่เซ็นแล้ว 23,000 ฉบับผ่านเอเจนต์ชื่อ Gwen และมีสัญญาใหม่ 2,000 ถึง 2,400 ฉบับต่อสัปดาห์ Gwen จัดการดีลผู้ให้บริการหนึ่งดีลต่อการทำงานหนึ่งครั้ง โดยส่วนใหญ่ใช้ Claude Opus ขณะที่ผู้ตรวจสอบอัตราด้วย Sonnet เคลียร์คำขออัตราที่สูงกว่าเทมเพลตได้ประมาณสองในสาม และผู้ตัดสินด้วย Haiku อ่านทุกข้อความก่อนส่ง แต่ละสัญญาใช้ประมาณ 20 ล้านโทเคน คิดเป็นประมาณหนึ่งในสิบของต้นทุนเดิม และทีมจัดทำสัญญาของ Curative เติบโตจาก 45 คนเป็นประมาณ 55 คน โดยแต่ละคนมีผลิตภาพสูงขึ้นประมาณ 2.5 เท่า

  11. Mastra Blog25

    Mastra Platform เปิดตัวแพ็กเกจ Starter ราคา $25 พร้อมเซิร์ฟเวอร์เฉพาะ

    Mastra Platform เปิดตัวแพ็กเกจ Starter ราคา $25 ซึ่งเพิ่มโควต้ารายเดือนสำหรับคอมพิวเตอร์ ข้อมูล และอีเวนต์ด้าน observability และรวมเซิร์ฟเวอร์เฉพาะขนาด Small หนึ่งเครื่องโดยครอบคลุมค่าคอมพิวเตอร์ โควต้าตอนนี้สูงขึ้นในทุกแพ็กเกจ และระดับฟรีถูกเปลี่ยนชื่อเป็น Free ซึ่งเอเจนต์แบบเซิร์ฟเวอร์เลสยังคงรันได้ฟรี โปรเจกต์รันแบบเซิร์ฟเวอร์เลสหรือบนเซิร์ฟเวอร์ขนาด Small, Medium หรือ Large และ Mastra Connect เพิ่มโควต้าด้านการเชื่อมต่อต่อแพ็กเกจ

9 พฤศจิกายนวันจันทร์
  1. Hugging Face Blog40

    HOPE: การตัดแต่งผู้เชี่ยวชาญแบบอันดับสูงในโมเดลภาษา Mixture-of-Experts

    นักวิจัยแนะนำ HOPE ซึ่งเป็นวิธีการตัดแต่งผู้เชี่ยวชาญแบบอันดับสองสำหรับโมเดลภาษา Mixture-of-Experts ที่คำนึงถึงปฏิสัมพันธ์แบบคู่ระหว่างผู้เชี่ยวชาญที่ถูกกระตุ้นพร้อมกัน แทนที่จะให้คะแนนผู้เชี่ยวชาญแต่ละตัวแยกกัน ที่การตัดแต่ง 50% HOPE ทำอันดับเฉลี่ยได้ดีที่สุดในบรรดาวิธีทั้งหมด โดยมีผล增益สูงถึง +6.1% ในงานเขียนโค้ดแบบเอเจนต์เมื่อเทียบกับวิธีการตัดแต่งที่ดีรองลงมา งานนี้มุ่งเป้าไปที่คอขวดด้านหน่วยความจำในโมเดลอย่าง Qwen3.5-122B ซึ่ง MLP ของผู้เชี่ยวชาญกินพื้นที่ถึง 95% ของขนาดรวมประมาณ 250 GB

  2. Anthropic · Claude.dev60

    คู่มือของ Anthropic ในการเลือกใช้ Claude Fable 5.2, Opus 5.5, Sonnet 5.5 และ Haiku 5.5

    Anthropic เผยแพร่คู่มือที่แนะนำให้นักพัฒนเริ่มงานเขียนโค้ดและงานความรู้ส่วนใหญ่ด้วย Claude Opus 5.5 ที่ระดับความพยายามปานกลางตามค่าเริ่มต้น เนื่องจากมีค่าใช้จ่ายต่อโทเคนเพียงครึ่งหนึ่งของ Fable 5.2 คู่มือระบุว่า Sonnet 5.5 เหมาะกับงานประจำวันที่ขอบเขตชัดเจน, Haiku 5.5 เหมาะกับงานจำแนกประเภท ปริมาณมาก การจัดเส้นทาง และงานเอเจนต์ย่อย ส่วน Fable 5.2 เหมาะกับโครงการเขียนโค้ด การเงิน และวิทยาศาสตร์ที่ยากที่สุด หรือการรันระยะยาวโดยไม่มีผู้ดูแล นอกจากนี้ยังแนะนำให้ปรับระดับความพยายามก่อนสลับโมเดล และระบุว่าใน SWE-bench Pro การใช้ Opus 5.5 ที่ระดับต่ำแล้วรันซ้ำงานที่ล้มเหลวที่ระดับสูงผ่านประมาณ 97% ของงาน ด้วยต้นทุนประมาณ $0.17 ต่องาน เทียบกับ 95.3% ที่ต้นทุน $0.29 เมื่อใช้ระดับสูงทุกงาน

    ทำไมเรื่องนี้สำคัญ: คู่มือของ Anthropic เองจับคู่โมเดล Claude และระดับความพยายามแต่ละแบบกับประเภทงานที่ชัดเจน พร้อมการเปรียบเทียบต้นทุนต่องานและเบนช์มาร์กเพื่อใช้ในการเลือก

  3. Zyphra Research78

    Zyphra เปิดตัว ZONOS3-Mini โมเดล TTS โคลนเสียงแบบ zero-shot ภายใต้ Apache 2.0 ที่รันบนอุปกรณ์

    Zyphra เปิดตัว ZONOS3-Mini โมเดล text-to-speech แบบ sparse MoE ที่มีพารามิเตอร์ใช้งานจริง 100M และพารามิเตอร์รวม 800M ภายใต้สัญญาอนุญาต Apache 2.0 ฝึกบน NVIDIA H100 จำนวน 112 ตัวใน 2.5 วัน ทำเวลา time-to-first-audio ได้ต่ำกว่า 570 ms ในเบราว์เซอร์บน Pixel 9 และต่ำกว่า 150 ms บน M3 MacBook Air พร้อมรันไทม์สำหรับ WebGPU, SGLang, vLLM และ GGML โมเดลนี้เพิ่มการควบคุมอัตลักษณ์ สำเนียง คุณภาพ อารมณ์ และการแสดงออก รวมถึงการปรับระดับคำ และ Zyphra รายงานว่าอยู่อันดับหนึ่งในกลุ่มโมเดลเปิดบน benchmark ใหม่ ZTTS2-Eval

    ทำไมเรื่องนี้สำคัญ: โมเดล TTS แบบ MoE ขนาดกะทัดรัดของ Zyphra ผสานการโคลนเสียงแบบ zero-shot เข้ากับการควบคุมการแสดงออกระดับคำ พร้อมรันแบบเรียลไทม์บนโทรศัพท์และแล็ปท็อป

  4. NVIDIA Blog38

    NVIDIA ประกาศแผนลงทุนในสตาร์ทอัพเกาหลี Point2, Motif Technologies, RLWRLD และ Upstage

    ในงาน MSIT-NVIDIA AI Startup Partnership Forum ที่กรุงโซล NVIDIA ประกาศการลงทุนใน Point2 สตาร์ทอัพด้าน AI interconnect ของเกาหลี และแผนการลงทุนเพิ่มเติมใน Motif Technologies, RLWRLD และ Upstage บริษัททั้งสี่ครอบคลุม AI stack ทั้งหมด ตั้งแต่ interconnect แบบ RF จากชิปถึงแร็ค และโมเดลพื้นฐานแบบ open-weight ไปจนถึงโมเดลพื้นฐานด้านหุ่นยนต์และโมเดลภาษา Solar แผนการลงทุนนี้ต่อยอดจาก NVIDIA Inception ซึ่งมีสมาชิกในเกาหลีมากกว่า 1,000 ราย

  5. NVIDIA Blog36

    NVIDIA ผลักดัน Physical AI ในเกาหลี ครอบคลุมเซมิคอนดักเตอร์ การขับขี่อัตโนมัติ และหุ่นยนต์

    NVIDIA กำลังช่วยผลักดันระบบนิเวศ Physical AI ของเกาหลี โดย Samsung, Kakao Mobility และ LG Electronics นำการประมวลผลแบบเร่งความเร็ว AI และการจำลองไปใช้กับกระบวนการผลิตเซมิคอนดักเตอร์ ยานยนต์ไร้คนขับ และหุ่นยนต์ แพลตฟอร์ม sMOL ของ Samsung รันการคำนวณเคมีควอนตัมที่เลือกได้เร็วขึ้นถึง 5 เท่าด้วย NVIDIA cuEST และกรณีการ homogenization ด้วย AI กรณีหนึ่งลดเวลาการจำลองจากประมาณ 18 ชั่วโมงบน CPU 32 คอร์ เหลือ 41 วินาที Kakao Mobility วางแผนระบบขับขี่อัตโนมัติระดับ 4 บน NVIDIA DRIVE AGX Thor ขณะที่ LG สาธิตการจัดการด้วยหุ่นยนต์ CLOiD ที่ขับเคลื่อนโดย NVIDIA Isaac GR00T ในสภาพแวดล้อมการผลิตจริง

  6. NVIDIA Blog36

    ระบบนิเวศ AI ของเกาหลีก้าวหน้าและรักษาความปลอดภัยของ Agentic AI ด้วย NVIDIA

    Hyundai Motor Group กำลังสำรวจพิมพ์เขียว NVIDIA NemoClaw และรันไทม์ NVIDIA OpenShell ขณะที่ AIM Intelligence กำลังผสานรวมแพลตฟอร์ม Starfort ของตนเข้ากับ OpenShell เพื่อรองรับ AI agent ที่ปลอดภัยสำหรับผลิตภาพของพนักงานและเวิร์กโฟลว์องค์กร OpenShell ซึ่งเป็นองค์ประกอบสำคัญของ NVIDIA Open Agent Safety Platform มีการดำเนินการในสภาพแวดล้อมแซนด์บ็อกซ์และการควบคุมตามนโยบายเพื่อกำกับดูแลการกระทำของ agent อัตโนมัติ LG AI Research ยังเปิดการเข้าถึง API สำหรับ K-EXAONE-2.5 ซึ่งพัฒนาขึ้นโดยใช้ชุดข้อมูล NVIDIA Nemotron รวมถึง Nemotron-Personas-Korea ชุดข้อมูลเปิดของบุคคลจำลองชาวเกาหลี 7 ล้านราย

  7. NVIDIA Blog34

    NVIDIA และ MSIT ของเกาหลีใต้ขยายความร่วมมือ Sovereign AI จากชิปสู่ทักษะ

    NVIDIA และกระทรวงวิทยาศาสตร์และ ICT ของเกาหลีใต้กำลังขยายความร่วมมือด้าน Sovereign AI ครอบคลุมเซมิคอนดักเตอร์ AI โครงสร้างพื้นฐานศูนย์ข้อมูล บุคลากร สตาร์ทอัพ โมเดล เอเจนต์ และความปลอดภัย ความร่วมมือนี้เปิดทางให้บริษัท NPU และ XPU ของเกาหลีสำรวจการเข้าร่วมระบบนิเวศ NVIDIA NVLink Fusion พร้อมกับการฝึกอบรม การรับรอง แฮกกาธอน และสัมมนาทางเทคนิคเพื่อเสริมสร้างการใช้ GPU ให้แข็งแกร่งขึ้น NVIDIA ยังจะร่วมงานกับสามกลุ่ม consortium ที่ได้รับการคัดเลือกและผู้พัฒนาโมเดลพื้นฐานชั้นนำสี่รายของเกาหลีภายใต้โครงการ AI for All ของเกาหลี โดยใช้ NVIDIA Dynamo เพื่อปรับแต่งและขยายขีดความสามารถ AI inference

  8. Figma Blog38

    6 วิธีใช้ Figma agent บนแคนวาส

    Figma ได้สรุป 6 วิธีในการใช้ design agent ของตนโดยตรงบนแคนวาส ตั้งแต่การใส่คำอธิบายประกอบดีไซน์ด้วยบันทึกการประชุมที่ดึงเข้ามาผ่านคอนเนกเตอร์อย่าง Granola, Notion หรือ Google Drive ไปจนถึงการสรุปความคิดเห็นจากคอมเมนต์และนำการเปลี่ยนแปลงที่ตกลงกันไว้ไปใช้ agent ยังสามารถสร้างเชดเดอร์แบบกำหนดเอง สร้างเลย์เอาต์หลายรูปแบบในพรอมต์เดียวโดยใช้ไลบรารีของทีม เปลี่ยนดีไซน์แบบสแตติกให้เป็นเลเยอร์โค้ดแบบอินเทอร์แอกทีฟ และเพิ่มเอฟเฟกต์การเคลื่อนไหว

  9. Google Developers Blog60

    Google Cloud MaxText เพิ่ม context parallelism สำหรับการฝึกโมเดลบริบทยาวบน TPU

    Google Cloud เปิดตัวการรองรับการฝึกโมเดลบริบทยาวใน MaxText v0.2.4 ซึ่งเป็นเฟรมเวิร์กการฝึกแบบโอเพนซอร์สบน JAX โดยเพิ่มกลยุทธ์ context-parallel สี่แบบบน Cloud TPU ได้แก่ All-gather, A2A (DeepSpeed Ulysses), P2P (Ring Attention) และไฮบริด A2A + P2P (USP) ผลทดสอบกับ Llama 3.1 8B ทำได้ 70% MFU บน TPU 5p ที่ความยาวลำดับสูงสุด 4 ล้านโทเคน และขยายบริบทได้ถึง 14 ล้านโทเคนทั้งบน TPU 5p และ TPU 7 โดย TPU 7 รักษาระดับ 50% MFU ที่ต่ำกว่า 6 ล้านโทเคน เวอร์ชันนี้เผยแพร่บน PyPI, ใน Docker images และบน GitHub main พร้อมสูตรตัวอย่างสำหรับ TPU 7 และ TPU 5p

    ทำไมเรื่องนี้สำคัญ: กลยุทธ์ context-parallel สี่แบบของ MaxText บน Cloud TPU พร้อมตัวเลข MFU จากผลทดสอบกับ Llama 3.1 8B ช่วยให้ทีมต่างๆ มีข้อมูลอ้างอิงที่ชัดเจนในการเลือกวิธีฝึกโมเดลที่ความยาวลำดับหลายล้านโทเคน

  10. Google Developers Blog58

    Google AI Studio เพิ่มการสร้างแอปด้วย Google Maps Platform จากพรอมต์

    Google AI Studio ตอนนี้ให้ผู้ใช้สร้างแอปที่ขับเคลื่อนด้วย Google Maps Platform ได้โดยตรงจากพรอมต์ โดย AI Studio จัดการการกำหนดค่าและการจัดการคีย์ API และไม่ต้องใช้บัตรเครดิต การผสานรวมครอบคลุม Maps, Places, Routes และ Environment API และแซนด์บ็อกซ์อนุญาต 100 การเรียกต่อวันต่อ API โดยโควตารีเซ็ตทุก 24 ชั่วโมง การเชื่อมโยงบัญชีเรียกเก็บเงิน Google Cloud จะปลดล็อกโควตาระดับโปรดักชันภายใต้ราคามาตรฐานของ Google Maps Platform

  11. Anthropic Research71

    Anthropic ทดสอบ Claude Fable 5.2 กับการออกแบบอิเล็กทรอนิกส์ในโลกจริง

    Anthropic รายงานว่า Claude Fable 5.2 ออกแบบอุปกรณ์อิเล็กทรอนิกส์สามชิ้น ได้แก่ ลำโพงประชุม ฮับผู้ช่วยเสียง และสัตว์เลี้ยงเสมือนแบบพกพา จากคำสั่งเพียงเล็กน้อย และ Diode Computers ได้สร้างต้นแบบที่ใช้งานได้จากไฟล์การออกแบบของมันโดยไม่ต้องแก้ไขวงจร บนเกณฑ์มาตรฐาน PCB Gym ภายในของ Diode นั้น Fable 5.2 ทำคะแนนได้ 69% เทียบกับ 25% ของ Fable 5 และทำได้ 83.5% บน BenchCAD 2.1 สาธารณะ ซึ่งเกือบเป็นสองเท่าของ Claude Fable 5.1 อุปกรณ์เหล่านี้ยังคงเป็นต้นแบบที่ยังไม่ผ่านการตรวจสอบทางไฟฟ้า การปรับแต่งเสาอากาศ การทดสอบความร้อน หรือการรับรอง และ Claude ไม่ได้เชื่อมต่อกับอุปกรณ์ทดสอบหรือเครื่องจักรการผลิต

    ทำไมเรื่องนี้สำคัญ: รายงานของ Anthropic เองเกี่ยวกับ Claude Fable 5.2 ที่ออกแบบอุปกรณ์อิเล็กทรอนิกส์ที่ใช้งานได้สามชิ้น แสดงให้เห็นว่าโมเดลก้าวหน้าไปไกลเพียงใดจากเลย์เอาต์ PCB บางส่วนไปสู่การสร้างต้นแบบฮาร์ดแวร์แบบครบวงจร

  12. Google Developers Blog62

    Google เปิดให้ใช้งาน Pathways โดยทั่วไปบน Google Cloud สำหรับการฝึกโมเดลขนาดใหญ่

    Google ประกาศความพร้อมใช้งานทั่วไป (General Availability) ของ Pathways ระบบการฝึกแบบกระจายสำหรับโมเดลขนาดใหญ่รวมถึง Gemini บน Google Cloud Platform โดย Pathways แทนที่การทำงานแบบ lockstep SPMD ด้วยไคลเอนต์ Python เดียวที่ประกาศการคำนวณทั้งหมดเป็น dataflow graph ขณะที่ runtime แบบกระจายจะวางบล็อกบนอุปกรณ์เสมือน ย้ายและ reshard เทนเซอร์ และจัดลำดับงานทั่วคลัสเตอร์ Google กล่าวว่าการออกแบบนี้ช่วยให้โฮสต์ที่ล้มเหลวถูก remap ไปยังชิปที่ทำงานปกติแทนการรีสตาร์ทงาน และบริการ Pathways ที่ใช้ร่วมกันสามารถให้บริการไคลเอนต์หลายรายจากคลัสเตอร์เดียว

    ทำไมเรื่องนี้สำคัญ: Google อธิบายว่าโมเดล single-controller ของ Pathways แตกต่างจาก SPMD อย่างไร และจัดการกับการถ่ายโอนเทนเซอร์ข้ามกลุ่ม การจัดตารางเวลา และการกู้คืนจากความล้มเหลวของโฮสต์อย่างไร

  13. Preferred Networks News55

    Preferred Networks เปิดตัว PLaMo 3.0 Fin โมเดลภาษาขนาดเล็กเฉพาะด้านการเงินในรูปแบบ open weights

    Preferred Networks เปิดตัว PLaMo 3.0 Fin โมเดลภาษาขนาดเล็กเฉพาะด้านการเงินที่สร้างบนโมเดลพรีเทรน PLaMo 3 NICT จากงานวิจัยร่วมกับ NICT และฝึกเพิ่มเติมด้วยข้อมูลการเงินภาษาญี่ปุ่น โดยเผยแพร่ open weights บน Hugging Face ภายใต้ PLaMo Community License โมเดลนี้เพิ่มความสามารถ Reasoning แบบทีละขั้นตอนโดยแสดง reasoning traces เป็นภาษาญี่ปุ่น พร้อม tool calling สำหรับค้นหาเว็บ คำนวณ และเข้าถึงฐานข้อมูลภายใน และสามารถรันบน GPU เดียวในสภาพแวดล้อมคลาวด์แบบปิดหรือ on-premise PFN ระบุว่าการฝึก instruction-following สำหรับ Reasoning และการใช้เครื่องมือดำเนินการบนชิป AI MN-Core 2 ของบริษัทเอง โดยพอร์ตโค้ดเสร็จภายในหนึ่งสัปดาห์และความเร็วในการฝึกเทียบได้กับสภาพแวดล้อม GPU

7 พฤศจิกายนวันเสาร์
  1. GitHub Blog · AI & ML38

    Beyond code generation: A developer's guide to agentic engineering

    GitHub เผยแพร่คู่มือสำหรับนักพัฒนาเกี่ยวกับ agentic engineering โดยอธิบายวิธีที่ Copilot สนับสนุนขั้นตอน Plan, Build, Verify และ Observe ของงานซอฟต์แวร์ คู่มืออ้างถึงสถิติของ GitHub ที่มี 1.2 พันล้านคอมมิตในหนึ่งสัปดาห์เมื่อเดือนตุลาคมที่ผ่านมา ซึ่งมากกว่าปีที่แล้วกว่า 400% และงานศึกษาของ Faros AI ที่พบว่า pull request ใช้เวลารอรีวิวนานขึ้น 441% เมื่อทีมเปลี่ยนจากการใช้ AI ในระดับต่ำไปสู่ระดับสูง คู่มือยังลงรายละเอียดฟีเจอร์ต่างๆ ได้แก่ Copilot ใน Slack หรือ Teams, Plan Mode, GitHub Agentic Workflows, cloud sandboxes, session continuity, shared memory, Copilot Dreaming และ Copilot Fusion

6 พฤศจิกายนวันศุกร์
  1. Ai2 · Allen Institute for AI58

    Ai2 เปิดตัว ToyBlocks โลกจำลองแบบควบคุมสำหรับการเรียนรู้และประเมินผลของหุ่นยนต์

    Ai2 เปิดตัว ToyBlocks กรอบการจำลองแบบเปิดที่สร้างขึ้นรอบแขนหุ่นยนต์และบล็อกบนโต๊ะ เป็น FoundationWorlds ตัวแรกสำหรับการวิจัยการเรียนรู้ของหุ่นยนต์แบบควบคุม ToyBlocks สร้างงานและการสาธิตโดยอัตโนมัติผ่าน RL และการวางแผนการเคลื่อนไหวใน Isaac Lab โดยสร้างข้อมูลได้สูงสุดถึง 24 เท่าของเวลาจริงบน GPU เดียว และมาพร้อมกับการสาธิตระยะยาว 85,336 รายการ ครอบคลุมเกือบ 1,600 ชั่วโมงและ 144 ล้านเฟรม ในการทดสอบโลกจริงบน Franka FR3 ความสำเร็จของทักษะระดับอะตอมของ ManiFlow อยู่ที่ 80.0% ในการจำลองและ 81.1% บนฮาร์ดแวร์ ขณะที่ระบบ Molmo 2 ร่วมกับ ManiFlow ประสบความสำเร็จ 55.5% ของตอนจำลองและ 50.0% ของตอนจริง

  2. vLLM Blog58

    vLLM ย้ายการ build CUDA ไปใช้ LibTorch Stable ABI

    vLLM ได้ย้ายการ build CUDA ไปใช้ LibTorch Stable ABI และตั้งแต่ v0.33.0 เป็นต้นมาได้เผยแพร่ LibTorch ABI Stable CUDA wheels ทำให้สามารถ import PyTorch wheel ใหม่ได้โดยไม่ต้อง rebuild vLLM ทีมงานได้ย้ายซอร์สในทรีและ dependencies ที่ขึ้นกับ LibTorch เจ็ดตัว ซึ่งรวมถึง FlashMLA, DeepGEMM และ FlashAttention-2/3 ไปยัง stable APIs โดยใช้ torch-abi-audit ใน CI เพื่อยืนยันว่าไม่มี unstable symbols เหลืออยู่ โพสต์ระบุถึงข้อแลกเปลี่ยน เช่น ชุด stable API ที่จำกัดและ overhead ฝั่ง host เล็กน้อย และกล่าวว่าการ build สำหรับ CPU และ ROCm จะเป็นลำดับถัดไป

  3. OpenClaw Blog50

    OpenClaw เพิ่มแคตตาล็อกโมเดลที่อัปเดตตัวเองได้ ทำให้โมเดลใหม่ใช้งานได้โดยไม่ต้องอัปเดตแอป

    OpenClaw สร้างวิธีค้นหาโมเดลใหม่ขึ้นมาใหม่ เพื่อให้โมเดลใหม่อย่าง GPT-6.1 Sol ปรากฏขึ้นได้โดยไม่ต้องออกรีลีส โดยดึงรายการจากแคตตาล็อกที่อัปเดตตัวเองได้ที่ catalog.openclaw.ai (สร้างใหม่ทุกสี่ชั่วโมง ประมาณ 1,000 โมเดล) จากรายการโมเดลของผู้ให้บริการของแต่ละบัญชีเอง และจากการจับมือกับ Codex เวอร์ชันใหม่กว่าบน PATH ของคุณ แคตตาล็อกสลับใช้งานได้ทันทีบน Gateway ที่กำลังทำงาน และรายการโมเดลจะไม่หดหายอีกต่อไปหลังจากผู้ให้บริการหมดเวลาหรือสลับแคตตาล็อก

  4. vLLM Blog77

    REINFORCE Zero: การจัดแนวเคอร์เนลช่วยให้ Async RL เสถียรที่ Policy Lag 64 ขยายไปถึง DeepSeek-V4.1 และ Kimi K3.1

    บทความ REINFORCE Zero ของ NVIDIA Research และ Inferact แสดงให้เห็นว่าการจัดแนวเคอร์เนลของ rollout และ trainer ทำให้ unclipped token-level importance sampling สามารถแก้ไข weight lag ที่เหลืออยู่ได้ ทำให้ฝึกได้อย่างเสถียรถึง 20,000 อัปเดตที่ policy lag 64 และได้ throughput ของ training-step เป็น 2.40 เท่าของการฝึกแบบ synchronous ด้วยเคอร์เนลที่จัดแนวแล้ว ด้วยเคอร์เนลมาตรฐาน ค่ามัธยฐาน rollout-to-learner KL เพิ่มขึ้น 83.33 เท่าตลอดการรัน และ online AIME24 pass@1 ลดลงจาก 34.27% เหลือ 13.96% ขณะที่ sequence gate ช่วยให้การฝึกเสถียรแต่ปฏิเสธ 24.48% ของ sequence ภายใน 1,000 อัปเดตสุดท้าย การตั้งค่า zero-mismatch ครอบคลุม DeepSeek-V4.1-Flash, Kimi K3.1 ในวันเปิดตัว และ DeepSeek-V4-Flash กับ Kimi K3.1 บน AMD MI355X โดยมีโค้ดอยู่ที่ Inferact/zero-mismatch-rl และ NVIDIA-NeMo/labs-molt

    ทำไมเรื่องนี้สำคัญ: NVIDIA Research และ Inferact แยกช่องว่างระหว่าง rollout-learner ของ async RL ออกเป็น weight lag และ kernel mismatch โดยแสดงให้เห็นว่าการจัดแนวเคอร์เนลทำให้ unclipped importance sampling รักษาการฝึกที่เสถียรที่ policy lag 64 ได้

  5. vLLM Blog55

    VeRL-Omni v0.3.0 เปิดตัวพร้อมการฝึกแบบอะซิงโครนัสและการหลังการฝึกแบบมัลติโมดัลที่กว้างขึ้น

    VeRL-Omni v0.3.0 เปิดตัวพร้อมเส้นทางการทำงาน RL แบบอะซิงโครนัสและแยกส่วน, V1 trainer เป็นค่าเริ่มต้น, และขยายขอบเขตการหลังการฝึกครอบคลุมการเข้าใจภาพ วิดีโอ เสียง และมัลติโมดัล การเปิดตัวนี้เพิ่มการฝึกข้อความและเสียง Qwen3-Omni แบบอะซิงโครนัสเต็มรูปแบบ, การฝึก Omni และ diffusion แบบแยกอะซิงโครนัสพร้อม replay buffer, และสูตรใหม่รวมถึง MiniMax H3 กับ DiffusionNFT และ MiniCPM-o 4.5 GSPO ในการทดลอง MiniCPM-o 4.5 AVQA บน 4×H800 80 GB, separate-async 3+1 ช้ากว่า colocated 4+0 ประมาณ 9% ต่อ prompt ที่ความยาวการตอบสนองตามธรรมชาติ, ใกล้เคียงกันที่ 512 โทเค็น, และเร็วกว่าประมาณ 6.7% ที่ 1024 โทเค็น

  6. Sierra Blog38

    Sierra Accelerators จัดการพื้นฐานให้กับ AI Agents

    Sierra เปิดตัว Accelerators แพ็กเกจสำเร็จรูปสำหรับเวิร์กโฟลว์ปริมาณสูง เช่น การติดตามคำสั่งซื้อ การนัดหมาย การรับเรื่องเคลม และการยืนยันตัวตน พร้อมใช้งานแล้วใน Agent Studio แต่ละ Accelerator มาพร้อมการเชื่อมต่อและ guardrails พื้นฐาน และ Ghostwriter ปรับให้เข้ากับนโยบายของแต่ละบริษัท การอัปเดตจาก Sierra จะถูกส่งต่อwhileการเปลี่ยนแปลงของลูกค้าจะถูกติดตามแยกต่างหาก ทีมงานจะสามารถสร้างและแชร์ Accelerators ของตนเองภายในองค์กรได้ในเร็วๆ นี้

  7. 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%

  8. Modal Blog22

    Snorkel ใช้ Modal จำลองเอเจนต์สมจริงได้อย่างไร

    Snorkel ใช้ GPU และ CPU sandbox ของ Modal เพื่อรันการจำลองเอเจนต์หลายล้านครั้งต่อเดือน โดยมีอัตราสูงสุดถึงหลักหมื่น sandbox ต่อชั่วโมง และพึ่งพา Modal สำหรับการ inference บนโมเดล open-weight ที่ประเมิน การนำ memory bursting ของ Modal มาใช้ช่วยลดค่าใช้จ่าย sandbox ทั้งหมดของ Snorkel ลงประมาณ 20% โดยปัจจุบันมี sandbox ประมาณ 10-15% ที่ใช้ bursting Modal เป็นผู้ให้บริการ sandbox รายเดียวที่สามารถตอบสนองความต้องการ GPU sandbox ของ Snorkel ได้ในระดับขนาดใหญ่

  9. Microsoft Research58

    PDD Kit ของ Microsoft Research พิสูจน์อย่างเป็นทางการสำหรับเว็บแอปฟูลสแตกที่เขียนโดยเอเจนต์

    Microsoft Research เปิดตัว PDD Kit ซึ่งเป็นต้นแบบงานวิจัยที่เปลี่ยนเจตนาในภาษาธรรมชาติของนักพัฒนาให้เป็นข้อกำหนดรูปแบบ Verus พิสูจน์ว่าโค้ด Rust ที่เอเจนต์เขียนขึ้นเป็นไปตามข้อกำหนดนั้นสำหรับทุกอินพุต และถอยกลับไปใช้การทดสอบในจุดที่การพิสูจน์ไปไม่ถึง ในการสาธิตภายใน Chopin ของ GitHub Next ทีมงานใช้ PDD Kit ตรวจสอบตรรกะการเข้าสู่ระบบของ Pet Store ซึ่งเป็นแอปฟูลสแตก Rust ขนาดประมาณ 5,000 บรรทัด โดยนักพัฒนาตรวจสอบเอกสารเจตนาแทนการตรวจโค้ดที่สร้างขึ้นทีละบรรทัด ปัจจุบัน PDD Kit ตรวจสอบได้เฉพาะ Rust และการรับประกันของมันขึ้นอยู่กับชิ้นส่วนที่เชื่อถือได้หกชิ้นซึ่งนักพัฒนาให้การรับรอง รวมถึงการตรวจสอบรหัสผ่านด้วย bcrypt และการค้นฐานข้อมูลสองครั้ง

  10. Sierra Blog58

    Sierra เข้าซื้อ Anon เพื่อเพิ่มการยืนยันตัวตนและการนำทางของเอเจนต์ผ่านเบราว์เซอร์

    Sierra ได้เข้าซื้อ Anon สตาร์ทอัพที่สร้างโครงสร้างพื้นฐานให้เอเจนต์ AI ระดับองค์กรสามารถลงชื่อเข้าใช้ นำทางหน้าเว็บ และกรอกแบบฟอร์มบนเว็บไซต์ที่ไม่มี API ได้ Anon ระดมทุนได้มากกว่า $13M และส่งมอบผลิตภัณฑ์ที่มีลูกค้าหลายร้อยรายใช้งาน โดยทีมของ Anon จะช่วยให้เอเจนต์ของ Sierra ทำงานในขั้นตอนที่ต้องลงชื่อเข้าใช้เว็บไซต์หรือดำเนินการผ่านพอร์ทัลเบราว์เซอร์ได้ Founder Daniel Mason กล่าวว่าโมเดลและ harness ที่ดีขึ้นทำให้เอเจนต์เบราว์เซอร์มีความน่าเชื่อถือมากขึ้นอย่างมาก และเอเจนต์ Horizon ของ Sierra กำลัง poursue เป้าหมายที่ใช้เวลานานขึ้น เช่น การสร้างสินเชื่อหรือการขออนุมัติล่วงหน้าสำหรับขั้นตอนทางการแพทย์

5 พฤศจิกายนวันพฤหัสบดี
  1. Mistral AI69

    Mistral ขยาย Studio ด้วย managed agents, เวิร์กโฟลว์และแอป พร้อม Mistral Large 4 (Le Chonk)

    Mistral ขยายแพลตฟอร์ม AI สำหรับองค์กร Studio ด้วย managed agents และแอป พร้อมความสามารถใหม่ด้านเวิร์กโฟลว์, enterprise context, agent observability และการประเมินผล ซึ่งทำงานบนโมเดล Mistral Large 4 (Le Chonk) นักพัฒนาสามารถสร้าง agent แบบหลายขั้นตอนด้วย skills, sandboxes, subagents และ hooks และ deploy ไปยัง Studio ด้วยคำสั่งเดียวผ่าน Mistral MCP server ตัวใหม่ Mistral ระบุว่าลูกค้าอย่าง ABANCA, BNP Paribas, Capgemini และ TCS ใช้งาน Studio ในโปรดักชันแล้ว โดยมีการ deploy ได้ทั้งบนคลาวด์, VPC หรือ on-premises

    ทำไมเรื่องนี้สำคัญ: Mistral ขยาย Studio ด้วย managed agents, เวิร์กโฟลว์และแอป แสดงให้เห็นว่าองค์กรสามารถรักษาการควบคุมการ deploy และข้อมูลไว้ในสภาพแวดล้อมของตนเองได้

  2. Zyphra Research36

    ZYFA: เคอร์เนล FP8 Attention ที่รวดเร็วและแม่นยำบน AMD MI355X

    Zyphra Research เปิดตัว ZYFA เคอร์เนล causal prefill attention แบบ BF16 และ FP8 สำหรับ MI355X ของ AMD (CDNA4, gfx950) รองรับ head dimension 128 และรูปร่าง MLA ของ DeepSeek-V2 บนแอคติเวชันจาก Mistral-7B, Qwen3-8B และ DeepSeek-V2-Lite ที่ 16K โทเคน เคอร์เนล FP8 ของ ZYFA ทำ throughput ได้ 1.16–1.76× ของ AITER และบนอินพุตแบบเกาส์เซียนที่ 32K โทเคน ทำได้ 1.26–1.37× ที่ head dimension 128 และ 1.99× ที่รูปร่าง MLA ข้อผิดพลาดของ FP8 ต่ำกว่าของ AITER 62–78% ที่ head dimension 128

  3. inclusionAI Repositories38

    ASpec: กรอบการฝึกอบรมปริมาณสูงสำหรับโมเดลร่างการถอดรหัสแบบคาดการณ์

    ASpec เป็นกรอบการฝึกอบรมปริมาณสูงสำหรับโมเดลร่างการถอดรหัสแบบคาดการณ์ สร้างจากฐานโค้ด TorchSpec พร้อมการปรับแต่ง attention, fused kernels และการคำนวณ head/loss แบบเลือกได้ ในการรัน Qwen3-8B 4K การฝึกแบบ Draft-only ทำได้ 15,256.44 input tokens/s บน GPU หนึ่งตัว เป็น 1.96× ของ TorchSpec ขณะที่หน้าต่าง steady แบบออนไลน์ 8-GPU ทำได้ 77,721.37 tokens/s เป็น 2.28× ของ TorchSpec รองรับ DSpark, DFlash, EAGLE3/4 และ MTP drafts แบบเนทีฟ พร้อม quickstart สำหรับ Qwen3-8B และ Ling tiny

  4. Waymo Blog38

    Waymo Driver รับมือสภาพอากาศหนาวจัดได้อย่างไร

    Waymo เตรียมความพร้อมฝูงรถสำหรับสภาพอากาศหนาวจัด รวมถึงฤดูเอลนีโญที่รุนแรงเป็นประวัติการณ์ ด้วยการขยายขีดความสามารถในสภาพอากาศหนาวของ Waymo Driver เจเนอเรชันที่ 6 ระบบผสานกล้อง เรดาร์ และไลดาร์ เข้ากับฮีตเตอร์ในตัวและที่ปัดน้ำฝนขนาดจิ๋ว วัดแรงยึดเกาะของแต่ละล้อแบบเรียลไทม์ และใช้ยางสำหรับหิมะ ขณะที่ตัวรถทำหน้าที่เป็นสถานีตรวจอากาศเคลื่อนที่ที่แบ่งปันข้อมูลถนนทั่วทั้งฝูงรถ Waymo ระบุว่าจะชะลอ จำกัด หรือหยุดให้บริการเมื่อสภาพการณ์เกินขอบเขต Safety Framework ของตน และกำลังทดสอบในสนามปิดพร้อมเก็บข้อมูลหิมะตกหนักในรัฐอะแลสกาในฤดูกาลนี้