ข้ามไปที่เนื้อหา
เฉพาะ จากต้นทาง#การติดตั้งใช้งาน / วิศวกรรม
22 ตุลาคมวันพฤหัสบดี
  1. Google Developers Blog58

    Google Cloud API Gateway เพิ่มการรองรับสตรีมมิ่งใน Public Preview

    Google Cloud API Gateway รองรับสตรีมมิ่งใน Public Preview แล้ว ทำให้ endpoint แบบ SSE, chunked HTTP, WebSocket และ gRPC streaming อยู่หลังเกตเวย์และนโยบายเดียวกับ API ที่มีอยู่เดิม การเปิดสตรีมมิ่งทำได้ด้วยแฟล็ก --enable-streaming เพียงตัวเดียวตอนสร้างเกตเวย์ ไม่ต้องแก้ไข API spec และยังคงการบังคับใช้ API key, การตรวจสอบ JWT, การยืนยันตัวตนด้วย service account รวมถึง Cloud Logging และ Monitoring ทำงานเหมือนเดิม เกตเวย์ยังได้ชื่อโฮสต์เริ่มต้นแบบกำหนดแน่นอนเป็น GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev และสตรีมสามารถเปิดค้างไว้ได้นานสูงสุดหนึ่งชั่วโมง

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

  2. LiveKit Blog25

    Acuity Health ใช้ LiveKit Voice Agents เพื่อทำให้การเข้าถึงของผู้ป่วยเป็นระบบอัตโนมัติได้อย่างไร

    Acuity Health สร้าง patient-access voice agents ใหม่บน LiveKit หลังจากที่แพลตฟอร์ม low-code พิสูจน์แล้วว่าแข็งเกินไปและไม่โปร่งใส และตอนนี้ 80% ของสายถูกจัดการโดย AI agents อย่างสมบูรณ์ Agents ทำงานบน LiveKit Inference ด้วยโมเดล Gemma 4 31B การจองส่วนใหญ่เสร็จสิ้นภายในไม่ถึงหนึ่งนาที และ 81% ของสายการจองจบลงด้วย "ขอบคุณ" LiveKit Simulations ทดสอบทุกการเปลี่ยนแปลงกับโปรไฟล์ผู้ป่วยก่อนปล่อย และการตรวจทาน prompt หนึ่งครั้งตัดคำออกประมาณ 24% ในขณะที่ยังผ่านสถานการณ์เดียวกัน

  3. Google Developers Blog58

    Google Agents CLI 1.8.0 เปิดตัวระบบ Extension และ LangChain extension จากทีมแรก

    Google Agents CLI เวอร์ชัน 1.8.0 เปิดตัวระบบ Extension ซึ่งเริ่มมีตั้งแต่ v1.5.0 ช่วยให้นักพัฒนาสามารถ override หรือเพิ่มคำสั่งได้โดยไม่ต้อง fork เครื่องมือ และ v1.8.0 ยังมาพร้อม LangChain extension จากทีมแรก โดยเทมเพลต LangChain จะสร้างโปรเจกต์ที่ไม่มี dependency ของ google-adk และ deploy ไปยัง Cloud Run ผ่านเส้นทางโค้ดเดียวกับโปรเจกต์ ADK ขณะที่คำสั่งที่ผูกกับ ADK หกคำสั่ง เช่น playground, run และ eval generate จะถูกแทนที่หรือถูกปฏิเสธอย่างชัดเจน Extension ถูกเผยแพร่เป็นไดเรกทอรีใน Git repository พร้อม lockfile ที่ pin commit SHA แบบเจาะจง และระบบนี้ถูกทำเครื่องหมายว่าเป็น experimental ใน v1.8.0

20 ตุลาคมวันอังคาร
  1. Sakana AI Blog15

    Sakana AI Engineer Open House 2026: ประกาศกลยุทธ์ AI Sovereignty และเปิดรับวิศวกร 5 ตำแหน่ง

    Sakana AI จัดงาน Engineer Open House ครั้งที่สองเมื่อวันที่ 5 ตุลาคม 2026 ครอบคลุมตำแหน่งวิศวกร 5 ตำแหน่ง ได้แก่ Applied Research Engineer, Forward Deployed Engineer, Software Engineer, Solution Engineer และ Cybersecurity Engineer โดย CEO David Ha ได้ประกาศกลยุทธ์ "AI sovereignty" ที่สร้างขึ้นบนการ pre-training, post-training ด้วย Namazu และการ orchestration ด้วย Fugu หลังจากที่บริษัทได้ขยายพอร์ตโฟลิโอเป็น Sakana Chat, Marlin, Fugu และ Translate ในช่วงหกเดือนที่ผ่านมา งานนี้ยังได้ให้รายละเอียดเกี่ยวกับการทำงานร่วมกับสถาบันการเงินญี่ปุ่นและโครงการด้านกลาโหม รวมถึงการวิจัยร่วมกับสำนักงานข้อมูลของกระทรวงกลาโหมและสถาบันวิทยาศาสตร์และเทคโนโลยีแห่งนวัตกรรมกลาโหม

  2. Mistral AI82

    Mistral เปิดตัวโมเดลเสียง Voxtral 3 และ Voice Agent SDK

    Mistral เปิดตัว Voxtral 3 กลุ่มโมเดลถอดเสียงเป็นข้อความและข้อความเป็นเสียง พร้อม Voice Agent SDK ที่สร้างบน LiveKit ซึ่งสตรีมการฟัง การคิด การเรียกใช้เครื่องมือ และการพูดในไปป์ไลน์เดียว Voxtral Small Transcribe 3 รองรับกว่า 50 ภาษา พร้อมการแยกผู้พูดและ context biasing ส่วน Voxtral Mini TTS 3 รองรับกว่า 35 ภาษาและกว่า 50 ภาษาถิ่น โดยสแต็กนี้ใช้งานได้ผ่าน API ของ Mistral ที่โฮสต์ใน EU หรือการติดตั้งเอง ราคาเริ่มต้นที่ $0.0035/นาที สำหรับการถอดเสียงแบบแบตช์ และ $13 ต่อ 1M ตัวอักษรสำหรับ TTS

    ทำไมเรื่องนี้สำคัญ: Voxtral 3 ของ Mistral จับคู่โมเดลเสียงหลายภาษากับ Voice Agent SDK ที่สร้างบน LiveKit มอบทางเลือกที่ติดตั้งใช้งานได้อย่างอธิปไตยให้ทีมต่างๆ สำหรับ voice agent แบบเรียลไทม์

  3. 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

  4. Waymo Blog58

    Waymo เริ่มวางรากฐานสำหรับบริการเรียกรถโดยสารอัตโนมัติในแคว้นมาดริด ผู้โดยสารกลุ่มแรกตั้งเป้าปี 2027

    Waymo ประกาศว่ากำลังวางรากฐานสำหรับบริการเรียกรถโดยสารแบบอัตโนมัติเต็มรูปแบบในสเปน โดยเริ่มจากแคว้นมาดริด ด้วยเป้าหมายที่จะต้อนรับผู้โดยสารกลุ่มแรกในปี 2027 รถยนต์ไฟฟ้า Jaguar I-PACE จะปรากฏบนถนนในภูมิภาคในอีกไม่กี่วันข้างหน้า โดยเริ่มจากการขับขี่แบบmanualก่อนที่จะผ่านการตรวจสอบทางเทคนิคโดยผู้เชี่ยวชาญด้านระบบอัตโนมัติที่ได้รับการฝึกฝนในท้องถิ่น Waymo อ้างถึงการเดินทางที่เสร็จสมบูรณ์กว่า 20 ล้านครั้ง และข้อมูลจากระยะทางกว่า 400 ล้านกิโลเมตรที่ขับขี่แบบอัตโนมัติเต็มรูปแบบ ซึ่งแสดงให้เห็นว่าอุบัติเหตุที่เกี่ยวข้องกับการบาดเจ็บสาหัสหรือร้ายแรงกว่านั้นลดลง 95% เมื่อเทียบกับผู้ขับขี่ที่เป็นมนุษย์ในเมืองที่ให้บริการ

  5. Google Developers Blog60

    Google นำ TorchTitan มาเชื่อมต่อกับ TorchTPU และเผยแพร่คู่มือปรับแต่งโมเดลสำหรับ TPU

    Google ได้เผยแพร่ TPU fork ของ TorchTitan จาก Meta ที่รันการฝึก PyTorch บน Cloud TPU ผ่าน backend torch.device("tpu") แบบเนทีฟของ TorchTPU พร้อมเคอร์เนลแบบ TPU-native และ playbook การปรับแต่งทีละขั้นตอน บน TPU v7x (Ironwood) Llama 3 405B รักษา MFU ประมาณ 57% ตั้งแต่ 128 ถึง 1,024 ชิป, Qwen3 235B ทำได้ 32.42% MFU บนสไลซ์ 1,024 ชิปหนึ่งสไลซ์ และ FLUX.1 ทำได้ 19.4% MFU บน 1,024 ชิปที่ประสิทธิภาพ weak-scaling 93% ฟอร์กอยู่ที่ https://github.com/google-pytorch/torchtitan/ และ Transformers modeling backend พร้อม agent onboarding skill ขยายเทรนเนอร์เดียวกันไปยังเช็กพอยต์อื่นๆ

    ทำไมเรื่องนี้สำคัญ: Google ร่วมมือกับ Meta ในการพอร์ต TorchTitan ไปยัง TPU พร้อมเส้นทางการปรับแต่งทีละระดับตั้งแต่ FLUX.1 ถึง Qwen3 235B และตัวเลข MFU ซึ่งใช้เป็นข้อมูลอ้างอิงให้ทีม PyTorch ประเมินความเป็นไปได้ของการฝึกบน TPU

  6. Modal Blog40

    Modal เปิดตัว Sticky Sessions สำหรับการกำหนดเส้นทางแบบไร้เซิร์ฟเวอร์ที่รับรู้เซสชัน

    Modal เปิดตัว Sticky Sessions ซึ่งจะตรึงทุกคำขอในเซสชันให้ไปยังคอนเทนเนอร์เดียวกันบนพื้นฐานของ Modal Servers ที่มีความหน่วงต่ำ นักพัฒนาสร้าง Server ที่มีเซสชันด้วยตัวตกแต่ง @modal.sessioned() และเริ่มเซสชันผ่าน SDK หรือ HTTP API โดยการปรับขนาดอัตโนมัติขับเคลื่อนด้วยจำนวนเซสชันที่ใช้งานอยู่แทนที่จะเป็นปริมาณคำขอ

19 ตุลาคมวันจันทร์
  1. Modal Blog58

    Modal ทดสอบ CPU NVIDIA Vera: ปริมาณงานแซนด์บ็อกซ์สูงสุด 2 เท่าภายใต้โหลด

    Modal ได้ทดสอบเซิร์ฟเวอร์ CPU Vera สถาปัตยกรรม Arm ตัวใหม่ของ NVIDIA และวัดปริมาณงานต่อเนื่องได้สูงสุดเป็นสองเท่าของเครื่อง x86 GNR ที่เทียบเท่ากัน โดยความหน่วงต่องานเท่ากันหรือบางครั้งต่ำกว่า ผลลัพธ์มาจาก Agentless Agent Bench, โซลูชันและตัวตรวจสอบ Terminal-Bench oracle จำนวน 50 ชุดที่ตัดการเรียกเครือข่ายออกและรันในคอนเทนเนอร์ Docker แบบพร้อมกัน Modal อธิบายว่าเหตุที่ได้ผลดีขึ้นเป็นเพราะ Vera รักษาความเร็วไว้ได้เมื่อคอนเทนเนอร์พร้อมกันสะสมมากขึ้น ซึ่งเชื่อมโยงกับแบนด์วิดท์หน่วยความจำที่สูง และระบุว่าการรองรับ Arm จะต้องมีการเปลี่ยนแปลงทั่วทั้งโครงสร้างพื้นฐานและระบบสร้างอิมเมจ

  2. Modal Blog38

    Legora 如何在 Modal Sandboxes 上并行运行 2,000 个 agent 评估

    Legora 现在将其每个法律 agent 评估都放在单独的 Modal Sandbox 中运行，启动其完整应用并固定到特定 commit，使每次运行都反映确切的产品版本。一个典型实验包含 100 个用例、4 个 harness 变体、每个 5 次试验——即 2,000 次并行运行——并由 Modal Volumes 对文档、数据库和权限状态进行快照。Legora 还从 gVisor 迁移到 Modal VM Sandboxes，移除了其 Docker 网络和 FUSE 变通方案，并通过更智能的压缩和自定义工具搜索将 agent 成本降低了 30%。

16 ตุลาคมวันศุกร์
  1. Modal Blog36

    Modal อธิบายวิธีสร้างสแตกไฟล์ซิสเต็มความเร็วสูงสำหรับ VM Sandboxes

    Modal อธิบายรายละเอียดว่าพวกเขาพัฒนาสแตกไฟล์ซิสเต็มเพื่อรองรับ VM Sandboxes อย่างไร โดยส่งคำขอจาก guest ผ่าน virtio-fs และ virtiofsd ไปยัง ImageFS ไฟล์ซิสเต็มแบบ lazy-loading ของพวกเขา เวอร์ชันแรกบูตได้เร็วแต่ทำงานช้า: recursive chown ใช้เวลาจากสี่วินาทีเป็นกว่าหนึ่งนาที และการติดตั้ง pnpm กับ bun ช้ากว่าประมาณสามเท่า Microbenchmarks แสดงให้เห็นว่า chown ใช้เวลา 9.87 วินาทีบน virtio-fs เทียบกับ 2.31 วินาทีบน gVisor และ 1.58 วินาทีบน ImageFS

  2. Replit Blog40

    Replit นำ Bring Your Own Cloud (BYOC) สู่แพลตฟอร์มของตน

    Replit กำลังเปิดตัวตัวเลือก Bring Your Own Cloud (BYOC) ที่ให้องค์กรสามารถรันแพลตฟอร์ม Replit และแอปที่เผยแพร่ภายใน tenant ของ Microsoft Azure, Google Cloud หรือ Amazon Web Services ของตนเองได้ BYOC แบบเต็มรูปแบบซึ่งอยู่ใน private preview จะติดตั้งเซลล์และ agent harness ของ Replit ในคลาวด์ของลูกค้า ขณะที่ BYOC สำหรับ Published Apps ซึ่งอยู่ในช่วง early access จะโฮสต์โปรเจกต์ที่เผยแพร่ไว้ที่นั่นโดย Replit เป็นผู้จัดการแพลตฟอร์ม ส่วน Image Exports จะมอบอิมเมจ Docker ไฟล์ Terraform และ SBOM ให้ทีมต่างๆ เพื่อโฮสต์แอปที่สร้างด้วย Replit ด้วยตนเอง

  3. OpenClaw Blog22

    PJ ช่วยธุรกิจขนาดเล็กนำ OpenClaw ไปใช้และเป็นเจ้าของเองได้อย่างไร

    PJ วิศวกรที่ผันตัวมาเป็นเจ้าของธุรกิจกำจัดแมลงในเมืองโอคาลา รัฐฟลอริดา ปัจจุบันให้คำปรึกษาแก่ธุรกิจขนาดเล็ก เช่น ผู้รับเหมาก่อสร้างหลังคา สระว่ายน้ำ และยานยนต์ ในการติดตั้ง OpenClaw และสอนให้พวกเขาบริหารจัดการเอง ลูกค้าของเขาต้องการเครื่องมือที่เป็นของตัวเองอย่างแท้จริง แทนที่จะป้อนข้อมูลบริษัทเข้าไปในซอฟต์แวร์แบบเช่าใช้ และลูกค้ารายหนึ่งคือ Donna พนักงานธุรการวัย 66 ปี ใช้งาน OpenClaw ของเธอทุกวัน

  4. LiveKit Blog38

    วิธีสร้าง AI Voice Agent ที่พร้อมใช้งานจริงในระบบผลิต

    คู่มือของ LiveKit รวบรวมบทเรียนจาก solution architects และ forward deployed engineers เกี่ยวกับการนำ AI voice agent จากเดโมสู่การใช้งานจริง โดยจัดโครงสร้าง вокругสามคำถาม คือ agent ฉลาดและเป็นธรรมชาติพอหรือไม่ ประสิทธิภาพของมันสามารถสังเกตได้หรือไม่ และมันขยายขนาดได้อย่างเชื่อถือได้และคุ้มต้นทุนหรือไม่ คู่มือแนะนำให้วัดเทิร์นแรกแยกต่างหาก เนื่องจากบริษัทหนึ่งพบว่า ประมาณ 3 ใน 4 สายจบที่ขั้นตอนการทักทาย และระบุว่าลูกค้าที่เปลี่ยนจาก GPT-4.1 เป็น Gemma 4 31B บน LiveKit Inference ประหยัดเวลาได้ 300–500ms ที่ p50

15 ตุลาคมวันพฤหัสบดี
  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. Modal Blog34

    เสริมพลังให้ LiveKit Agent ของคุณด้วย Modal GPUs

    Modal อธิบายวิธีรัน LiveKit Agents ด้วยโมเดล open-weights หรือโมเดลที่กำหนดเองบนเซิร์ฟเวอร์เลส GPU ของตน โดยใช้ Expression Video Avatar แบบ open-weights ของ BitHuman ที่ขับเสียงด้วย Qwen3-TTS เพื่อโคลน Charles Frye การตั้งค่านี้เปิดเผย endpoint /launch ของคอนเทนเนอร์อวาตาร์ผ่าน Modal Server และใช้ Sticky Sessions เพื่อให้ไคลเอนต์ WebSocket อยู่ในคอนเทนเนอร์เดียวกัน โดยใช้ GPU snapshots เพื่อซ่อน cold starts

  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

14 ตุลาคมวันพุธ
  1. GitHub Blog · AI & ML38

    โมเดลตรวจจับความลับของ GitHub: ค้นพบความลับมากขึ้นโดยมีสัญญาณรบกวนน้อยลง

    GitHub ฝึก classifier แบบ ModernBERT ที่ปรับแต่งแล้วเพื่อแทนที่ไปป์ไลน์ที่ใช้ LLM เดิมสำหรับการตรวจจับความลับทั่วไป ทำให้ความแม่นยำของการแจ้งเตือนแบบถ่วงน้ำหนักตามเจ้าของดีขึ้น 11.5% และลดเวลาดำเนินการสแกนหลัง push ค่ามัธยฐานลง 86% ไปป์ไลน์สองขั้นตอนใช้การสร้างผู้สมัครด้วย regex ตามด้วยการจำแนกตามบริบท ซึ่งยังลดต้นทุนการให้บริการได้มากกว่า 98% เมื่อเทียบกับการเรียก LLM ระยะไกล ประสิทธิภาพที่เพิ่มขึ้นทำให้สามารถขยายการตรวจจับความลับทั่วไปไปสู่การป้องกันการ push โดยส่งผลลัพธ์ก่อนที่การเปลี่ยนแปลงจะถูก push

  2. Modal Blog71

    Modal ทำรายได้ต่อปีทะลุ 1 พันล้านดอลลาร์ และระดมทุน Series D 750 ล้านดอลลาร์ ที่มูลค่า 15.75 พันล้านดอลลาร์

    Modal มีรายได้ต่อปี (annualized run rate) ทะลุ 1 พันล้านดอลลาร์ และระดมทุน Series D จำนวน 750 ล้านดอลลาร์ นำโดย Accel ที่มูลค่าหลังการระดมทุน (post-money valuation) 15.75 พันล้านดอลลาร์ โดยมีนักลงทุนเดิมเข้าร่วมทั้งหมด บริษัทระบุว่าการใช้งานเพิ่มขึ้นสามเท่านับตั้งแต่ Series C เมื่อห้าเดือนก่อน และเติบโตมากกว่า 15 เท่าเมื่อเทียบปีต่อปี และผลิตภัณฑ์ Sandboxes เพียงอย่างเดียวมี run rate อยู่ที่ 300 ล้านดอลลาร์ โดยมี sandbox ถูกสร้างขึ้นใกล้ 3 พันล้านรายการ Modal ยังอธิบายถึงการสร้างระบบไฟล์ container runtime ตัวจัดตารางเวลา (scheduler) และระบบเครือข่ายของตนเองใหม่ บนกลุ่มความจุที่ครอบคลุมคลาวด์กว่า 20 แห่ง และชี้ไปที่การเปิดตัวล่าสุดในด้านการฝึกโมเดลแบบหลายโหนด (multi-node training), Modal servers และ VM สำหรับ Sandboxes ที่พร้อมใช้งานทั่วไป

    ทำไมเรื่องนี้สำคัญ: โพสต์ของ Modal อธิบายว่าเหตุใดภาระงาน AI จึงผลักดันให้บริษัทต้องสร้างระบบไฟล์ container runtime และ scheduler ของตนเองใหม่บนคลาวด์กว่า 20 แห่ง ซึ่งเป็นมุมมองที่เป็นรูปธรรมว่าสแต็กโครงสร้างพื้นฐาน AI กำลังแยกออกจากสแต็กคลาวด์อย่างไร

13 ตุลาคมวันอังคาร
  1. LiveKit Blog18

    การแก้ไขปัญหา LiveKit Egress: ข้อผิดพลาดที่พบบ่อยและวิธีแก้

    LiveKit เผยแพร่คู่มือการแก้ไขปัญหาสำหรับ Egress ครอบคลุมข้อผิดพลาดที่พบบ่อย เช่น 412 "start signal not received" จากเทมเพลตที่ไม่เคยเรียก START_RECORDING, 404 ไม่พบผู้เข้าร่วมหรือแทร็กภายใน 30 วินาที และ 400 การอัปโหลดล้มเหลวจากข้อมูลรับรอง S3/GCP/Azure ที่ไม่ถูกต้อง นอกจากนี้ยังกล่าวถึงปัญหาเลย์เอาต์ เว็บฮุก และ Egress ที่โฮสต์เอง และระบุว่าคำแนะนำนี้ใช้ได้กับทั้ง StartEgress API ปัจจุบันและ API เฉพาะแหล่งที่เลิกใช้แล้ว

  2. Modal Blog58

    Modal ทดสอบ RL sampler แบบ mixed-precision และ mixed-accelerator บน Qwen3.6-35B-A3B

    Modal เทรน Qwen3.6-35B-A3B ด้าน agentic coding โดยกระจาย sampler ไปยัง accelerator หกประเภท (B200, B300, H100, H200, A100, RTX PRO 6000) ที่ความแม่นยำ NVFP4, FP8 และ BF16 ป้อนเข้า trainer แบบ BF16 หนึ่งตัวบน B200 GRPO แบบธรรมดาล้มเหลวทั้งบน sampler แบบผสมและแบบ homogeneous แต่เมื่อเพิ่ม masked importance sampling พร้อม score centering ไม่ว่าจะมีหรือไม่มี top-p mask replay ก็เทรนได้เสถียรจนจบและไปถึง SWE-bench Pro V2 pass@4 เทียบเท่า sampler แบบ homogeneous โดยมีต้นทุน sampler ต่อการอัปเดตต่ำลงราว 15% sampler แบบผสมทำงานด้วยค่า KL เฉลี่ยระหว่าง sampler กับ trainer สูงเป็น 4.7 เท่าของการตั้งค่าแบบ homogeneous และผู้เขียนโต้ว่าเสถียรภาพขึ้นอยู่กับการรักษาความคลาดเคลื่อนให้มีขอบเขตจำกัด มากกว่าการทำให้ต่ำ

  3. 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

  4. Apple Newsroom58

    Apple เปิดตัว HomeView จอสมาร์ทโฮมราคา $299 พร้อม Siri AI

    Apple เปิดตัว Apple HomeView จอสมาร์ทโฮม Liquid Retina ขนาด 7 นิ้ว ที่รวมความบันเทิง การโทร FaceTime การตรวจสอบบ้าน และระบบอัตโนมัติแบบไม่ต้องใช้มือ ในราคา $299 ในสหรัฐฯ อุปกรณ์นี้จดจำผู้ใช้ด้วยใบหน้าเพื่อแสดงเนื้อหาส่วนบุคคล และทำงานด้วย Siri AI ซึ่งเป็น Siri เวอร์ชันใหม่ที่สนทนาได้เป็นธรรมชาติมากขึ้นและสามารถอ้างอิงบริบทส่วนบุคคลได้เมื่อจับคู่กับ iPhone หรือ iPad ที่รองรับ Apple Intelligence การสั่งจองล่วงหน้าเปิดเมื่อวันที่ 13 ตุลาคมในออสเตรเลีย แคนาดา อินเดีย นิวซีแลนด์ สหราชอาณาจักร และสหรัฐฯ โดยเริ่มวางจำหน่ายวันศุกร์ที่ 13 พฤศจิกายน Apple ระบุว่า HomeView ไม่วางจำหน่ายในสหภาพยุโรป เนื่องจาก Siri AI ยังไม่พร้อมใช้งานใน iOS ในภูมิภาคนั้น

12 ตุลาคมวันจันทร์
  1. Vapi Blog58

    บอตตรวจสอบ PR ที่ Vapi สร้างเองลดเวลาการ merge ลงครึ่งหนึ่งได้อย่างไร

    Lat Ware วิศวกรของ Vapi ทบทวนแนวปฏิบัติในการสร้าง Pedantic Review Bot ขึ้นเอง โดยปัจจุบันบอตนี้ตรวจสอบทุก PR ทำให้เวลา merge เฉลี่ยลดจาก 130 ชั่วโมงเหลือ 65 ชั่วโมง

  2. Descript Changelog22

    สรุปข่าว Descript ประจำเดือนตุลาคม 2026: การค้นหาทั่วทั้งไดรฟ์ คำขอบันทึกแบบอะซิงโครนัส และการโคลนเสียงด้วย ElevenLabs v4

    การอัปเดตของ Descript เมื่อวันที่ 12 ตุลาคม 2026 เพิ่มแถบค้นหาทั่วทั้งไดรฟ์ พร้อมหน้าผลลัพธ์แบบเต็มและฟีเจอร์ค้นหาไฟล์ของ Underlord ไดรฟ์ระดับองค์กรสามารถส่งคำขอบันทึกแบบอะซิงโครนัสได้แล้ว เพื่อให้แขกบันทึกตามตารางเวลาของตนเอง และ AI Speech เปลี่ยนไปใช้ ElevenLabs v4 เพื่อการโคลนเสียงที่แม่นยำยิ่งขึ้น แผนแบบชำระเงินยังใช้ MiniMax H3 Max Turbo เป็นค่าเริ่มต้นสำหรับการสร้างวิดีโอด้วย AI

  3. Modal Blog40

    Modal เปิดตัว Endpoint Candidates เพื่อประเมินและเลื่อนระดับ inference endpoint

    Modal ได้เปิดตัว Endpoint Candidates ซึ่งพร้อมใช้งานทั่วไปสำหรับทุก workspace ช่วยให้ผู้ใช้สามารถจัดเตรียม deployment ทางเลือกสำหรับ Dedicated Endpoints ที่สะท้อนตัวอย่างทราฟฟิกโปรดักชัน ขณะที่ Modal ดูแลโครงสร้างพื้นฐาน ผู้ใช้สามารถตรวจสอบเมตริก latency และ throughput รัน benchmark และทดสอบคุณภาพเอาต์พุตผ่าน URL ของแต่ละ Candidate จากนั้นเลื่อนระดับเป็นโปรดักชันจากแดชบอร์ด คำขอที่สะท้อนนั้นเป็นแบบ best-effort และคิดค่าบริการตามราคาคอมพิวต์มาตรฐานของ Modal

9 ตุลาคมวันศุกร์
  1. LiveKit Blog34

    Serve AI ใช้ LiveKit Agent Simulations สร้าง voice agent ใหม่บนพรอมต์เดียว

    Serve AI สร้าง phone agent ใหม่บน LiveKit ให้กับลูกค้าบริษัทกำจัดแมลงมูลค่า 150 ล้านดอลลาร์ โดยยุบ flow graph ของ Retell ที่มี 224 โหนดให้เหลือพรอมต์เดียว และตรวจสอบด้วย Agent Simulations มีการแปลงสายเรียกจริงในการผลิตประมาณ 100 สายให้เป็นสถานการณ์จำลอง ทำได้อัตราผ่าน 98% ภายใน 10–15 รอบก่อนตัดover โดยมี latency ต่อ turn มัธยฐาน 1.3 วินาที เทียบกับเพดาน 1.5 วินาที การย้ายครั้งแรกใช้เวลาหนึ่งสัปดาห์โดยไม่มีการ rollback และ containment เพิ่มขึ้น 15% ซึ่ง Serve ประเมินว่าช่วยลูกค้าประหยัดได้อีก 320,000 ดอลลาร์ต่อปี

  2. LiveKit Blog58

    LiveKit เปิดตัว Agent Simulations สำหรับทดสอบ voice agents

    LiveKit ได้เปิดให้ Agent Simulations ใช้งานได้ทั่วไปสำหรับทุกโปรเจกต์ใน LiveKit Cloud เป็นวิธีที่ทำซ้ำได้ในการทดสอบ voice agents ในระดับงาน มากกว่าการทดสอบทีละเทิร์น ผู้ใช้จำลองที่ขับเคลื่อนด้วย LLM จะเล่นแต่ละสถานการณ์ รวมถึง backchannels และการขัดจังหวะในโหมดเสียง และ LLM judge จะคืนคำตัดสินผ่าน/ไม่ผ่านพร้อมเหตุผล CLI สามารถสร้างสถานการณ์จากพรอมต์และเครื่องมือของ agent เอง การรันแบบข้อความเป็นค่าเริ่มต้นและถูกพอสำหรับทุก pull request ขณะที่การรันแบบเสียงครอบคลุมไปป์ไลน์ทั้งหมดและเหมาะกว่าสำหรับตาราง nightly หรือก่อนรีลีส Simulations ฟรีถึงเดือนตุลาคม แม้ว่าจะเรียก LLM, STT และ TTS ของ agent จริงในอัตราปกติ

8 ตุลาคมวันพฤหัสบดี
  1. Anthropic · Claude.dev62

    Anthropic อธิบายการสร้างระบบอัตโนมัติของเอเจนต์ตามกำหนดเวลาด้วย Claude Managed Agents

    Anthropic เผยแพร่ตัวอย่างการใช้งานอ้างอิงสำหรับ Claude Managed Agents (เบต้า) ที่อ่านช่อง Slack และ pull request บน GitHub ตามกำหนดเวลาด้วย cron ติดตามการเปลี่ยนแปลงตั้งแต่การรันครั้งล่าสุดผ่านบุ๊กมาร์กแยกตามแหล่งที่มา และโพสต์สรุปไปยัง Slack บทความอธิบายครอบคลุมถึงข้อมูลรับรองที่เก็บใน vault การเข้าถึงแบบอ่านอย่างเดียวและเพดานการใช้จ่ายต่อการรันหนึ่งครั้ง รวมถึงกฎสำหรับการรายงานแหล่งที่มาที่ล้มเหล�ว่าไม่สามารถอ่านได้แทนที่จะถือว่าเป็นวันที่ไม่มีอะไรเกิดขึ้น และการยืนยันการโพสต์ Slack ก่อนอัปเดตบุ๊กมาร์กและบันทึกบัญชี คำสั่ง Claude Code ที่ใช้สกิล claude-api จะกำหนดค่าเอเจนต์ตามคำแนะนำในบทความ

    ทำไมเรื่องนี้สำคัญ: Anthropic แบ่งปันตัวอย่างการใช้งานอ้างอิงสำหรับ Claude Managed Agents ตามกำหนดเวลาที่อ่าน Slack และ GitHub พร้อมกฎที่ชัดเจนสำหรับบุ๊กมาร์ก การอ่านที่ล้มเหลว และการยืนยันการโพสต์

  2. Zyphra Research36

    Zyphra Research: การจับคู่ผู้เชี่ยวชาญช่วยลดการสื่อสารในการฝึกโมเดล MoE ล่วงหน้า

    Zyphra Research แสดงให้เห็นว่าเส้นทางการเลือกผู้เชี่ยวชาญของ MoE มีโครงสร้างชัดเจน โดยผู้เชี่ยวชาญที่ถูกเลือกพร้อมกันมีความสัมพันธ์กันภายในเลเยอร์เดียวกัน และการเลือกผู้เชี่ยวชาญของโทเคนหนึ่งสามารถทำนายเส้นทางการเลือกในเลเยอร์ถัดไปได้ การใช้ประโยชน์จากสิ่งนี้ผ่านการจัดวางผู้เชี่ยวชาญที่สัมพันธ์กันและการสลับโทเคนช่วยลดเวลาการสื่อสารแบบ all-to-all ได้สูงสุดถึง 2.63 เท่า และปรับปรุงเวลาต่อขั้นตอนการฝึกแบบ end-to-end ได้สูงสุดถึง 1.41 เท่าในการทดลองกับ Megatron-LM บน GPU MI300X โดยไม่เปลี่ยนสถาปัตยกรรมหรือการตัดสินใจเลือกเส้นทาง

  3. GitHub Blog · AI & ML58

    GitHub เปิดตัวโมเดลตรวจจับความลับด้วย AI ที่ใช้ ModernBERT ขยายการป้องกันการ push

    GitHub เปิดตัวโมเดลตรวจจับความลับทั่วไปที่ขับเคลื่อนด้วย AI ซึ่งพัฒนาร่วมกับ Microsoft Applied Sciences เป็นตัวจำแนกประเภท ModernBERT ที่ประเมินความลับที่เป็นไปได้ตามบริบทได้ในเวลาไม่ถึงสองมิลลิวินาที และอาจเพิ่มจำนวนความลับที่การป้องกันการ push บล็อกได้มากกว่าสองเท่า

  4. Goodfire Research71

    Goodfire ฝึกและติดตั้งตัวตรวจสอบการใช้งานไซเบอร์ในทางที่ผิดแบบอิงโพรบบน Kimi K3 และ GLM 5.3

    3 และติดตั้งบนสแตกการอนุมานสำหรับใช้งานจริง โดยโพรบราคาถูกกรองเทิร์น และเฉพาะบทสนทนาที่น่าสงสัยเท่านั้นที่ส่งถึงผู้ตัดสิน LLM อัตราการขัดจังหวะเซสชันปกติ 5% ต้นทุน 65 ดอลลาร์ต่อล้านเทิร์นโดยไม่มีการให้เหตุผลของผู้ตัดสิน และ 185 ดอลลาร์เมื่อรวมการให้เหตุผล และไม่มีการสูญเสียทรูพุตที่วัดได้ภายใน SGLang

    ทำไมเรื่องนี้สำคัญ: Goodfire แสดงให้เห็นว่าลำดับชั้นโพรบบวกผู้ตัดสินสามารถตรวจสอบการใช้งานไซเบอร์ในทางที่ผิดของเอเจนต์ได้ในต้นทุนต่ำลงราว 50 เท่า โดยไม่มีการสูญเสียทรูพุตที่วัดได้ ซึ่งเป็นสูตรสำเร็จที่เป็นรูปธรรมสำหรับการให้บริการโมเดลเปิดอย่างปลอดภัย

6 ตุลาคมวันอังคาร
  1. Anthropic · Claude.dev72

    Claude Code cloud sessions: คู่มือภาคสนามสำหรับการรันงานบน VM แยก

    Addy Osmani อธิบาย Claude Code cloud sessions โดยแต่ละงานจะรันบน VM ใหม่ที่ Anthropic จัดการ พร้อมโคลน repository ลงบน branch ของตัวเอง และ cloud sessions รวมอยู่ในแพ็กเกจ Pro, Max, Team และ Enterprise โดยไม่มีค่าใช้จ่ายด้าน compute เพิ่มเติม ในการทดสอบสี่เซสชันบน repository ตัวอย่างของ Node สามเซสชันที่เริ่มห่างกันภายใน 16 วินาทีเสร็จสิ้น 87 วินาทีหลังจากเซสชันแรกเริ่ม และเซสชันทดสอบแบบ flaky รันชุดทดสอบ 40 ครั้งโดยไม่มีความล้มเหลว คู่มือครอบคลุมสคริปต์ตั้งค่า ระดับเครือข่าย เส้นทางการเชื่อมต่อ GitHub และเวิร์กโฟลว์เจ็ดแบบที่เหมาะกับ cloud sessions พร้อมระบุว่า local sessions ยังเหมาะกว่าสำหรับงานที่ต้องใช้ข้อมูลในเครื่อง บริการ VPN GPU หรือ Zero Data Retention

    ทำไมเรื่องนี้สำคัญ: คู่มือภาคสนามเชิงปฏิบัติสำหรับ Claude Code cloud sessions แสดงให้เห็นว่า VM ต่องานช่วยให้ทำงานแบบขนานได้อย่างไร และ local sessions ยังเหมาะกว่าในกรณีใด

  2. 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

  3. Figma Blog50

    Figma agent ออกจากเบต้าพร้อมแนวทางปฏิบัติ บริบทข้ามแพลตฟอร์ม และการติดตาม agent แบบผู้เล่นหลายคน

    Figma agent ออกจากเบต้าแล้วด้วยความสามารถในการทำตามคำสั่งและจัดการงานยาวที่ดีขึ้น ชนะการประเมินที่ให้คะแนนโดยมนุษย์ถึงกว่า 60% กับนักออกแบบมืออาชีพ ความสามารถใหม่ช่วยให้เจ้าของไลบรารีอัปโหลดแนวทางปฏิบัติแบบ markdown ดึงบริบทจาก FigJam, Figma Slides และ Figma Design และติดตาม agent ของผู้ร่วมงานบนแคนวาส ทีม design systems ของ Uber ตอนนี้เผยแพร่เอกสารที่เคยใช้เวลาหลายคนหลายเดือนได้ในบ่ายเดียว

5 ตุลาคมวันจันทร์
  1. Modal Blog35

    TypeSafe AI ขยาย Jev สู่ระดับล้านล้านโทเคนในสามวันบน Modal

    TypeSafe AI ใช้แพลตฟอร์มเซิร์ฟเวอร์เลสของ Modal เพื่อฝึกและปรับใช้ Jev ซึ่งเป็น System One Model ตัวแรกของบริษัท และให้บริการเกินหนึ่งล้านล้านโทเคนภายในสามวันหลังเปิดตัว Jev ไม่ใช่ LLM แบบ autoregressive: มันรับสถานะและคำถามเป็นอินพุต และส่งออกค่าที่มีโครงสร้างและมีชนิดข้อมูลพร้อมความน่าจะเป็นแบบขนาน มุ่งเป้าไปที่งานที่มีความหน่วงต่ำ หนึ่งสัปดาห์หลังเปิดตัว มันขึ้นอันดับหนึ่งบนกระดานผู้นำของ OpenRouter สำหรับบริบท 1K-10K โทเคน โดยจัดการ 15.1% ของคำขอ

2 ตุลาคมวันศุกร์
  1. OpenClaw Blog40

    Tencent AIG เข้าร่วม ClawScan เพื่อเสริมความปลอดภัยในการตรวจสอบสกิลและปลั๊กอินบน ClawHub

    AI-Infra-Guard (AIG) ของ Tencent ได้รับการผสานเข้ากับ ClawScan เครื่องมือบรรทัดคำสั่งโอเพนซอร์สที่ขับเคลื่อนการตรวจสอบความปลอดภัยบน ClawHub ทำให้ทุกสกิลและปลั๊กอินที่อัปโหลดต้องผ่าน AIG ClawScan รัน AIG และ SkillSpector ของ NVIDIA อย่างเป็นอิสระต่อกัน โดยมี AI judge ทำการประเมินขั้นสุดท้าย บนชุดย่อยคงที่ 556 เคสของ SkillTrustBench ClawScan จับคู่กับป้ายกำกับของ benchmark ได้ 86.9% และจำแนกเคสอันตรายได้ถูกต้อง 98.6%

1 ตุลาคมวันพฤหัสบดี
  1. Modal Blog58

    Modal Clusters พร้อมใช้งานอย่างเป็นทางการ รับคลัสเตอร์ RDMA หลายโหนดได้ด้วยโค้ดบรรทัดเดียวผ่าน @modal.clustered

    Modal ประกาศว่า Modal Clusters พร้อมใช้งานทั่วไปสำหรับทุกเวิร์กสเปซแล้ว ผู้ใช้สามารถขอคลัสเตอร์หลายโหนดได้ผ่านเดคอเรเตอร์ตัวเดียว @modal.clustered คลัสเตอร์เหล่านี้ให้การสื่อสารแบบ InfiniBand RDMA ที่ความเร็วสูงสุด 6.4 Tbps กำหนดค่าโดยอัตโนมัติสำหรับ PyTorch และ NCCL โดยคลัสเตอร์เริ่มทำงานได้ภายในไม่กี่วินาทีและคิดค่าบริการตามวินาที Modal ยังอธิบายถึง gang scheduler ตัวใหม่ที่จัดวาง N โหนดพร้อมกันและการรองรับ RDMA ที่ฝังอยู่ในรันไทม์ gVisor โดยมี Decagon, 1x และ Runway ถูกอ้างถึงว่าเป็นผู้ใช้งานสำหรับการปรับแต่งละเอียดระดับล้านล้านพารามิเตอร์ การฝึกล่วงหน้าของ world model และการอนุมานวิดีโอแบบหลายโหนด