LangChain ระบุว่าบริษัทต่างๆ ต้องเป็นเจ้าของปัญญาประดิษฐ์ของตนเอง แทนที่จะพึ่งพาโมเดลทั่วไป โดยควบคุมสามชั้น ได้แก่ โมเดล ฮาร์เนส และบริบท โดยกล่าวว่าการเป็นเจ้าของระบบเอเจนต์ รวมถึงเศรษฐศาสตร์ คุณภาพ และความเสี่ยงที่เกี่ยวข้อง คือสิ่งที่เปลี่ยน AI ให้เป็นความได้เปรียบที่ยั่งยืน
Vijay Seshadri หัวหน้าสถาปนิกของ JioStar แบ่งปันบทเรียนจากการดำเนินงาน AI discovery ในระดับผู้ใช้ 500 ล้านคน ครอบคลุมถึง evals, guardrails และการนำ AI ไปใช้ในระบบจริง บทความที่เผยแพร่โดย OpenAI นี้มุ่งเน้นแนวปฏิบัติเชิงปฏิบัติการเบื้องหลังการติดตั้งใช้งาน AI ขนาดใหญ่
งานวิจัยของ Anthropic อภิปรายว่า ระบบ AI ในปัจจุบันสามารถอนุมานสมการอย่างแบบจำลอง Hodgkin-Huxley ได้ภายในเวลาบ่ายเดียว แต่การปรับให้เข้ากับข้อมูลการทดลองไม่เหมือนกับการเข้าใจ งานนี้แบ่งการสร้างแบบจำลองทางวิทยาศาสตร์ออกเป็นการสร้าง การกำหนดเงื่อนไข และการตีความแบบจำลอง และระบุว่า AI มีความก้าวหน้ามากที่สุดในการกำหนดเงื่อนไขแบบจำลอง ซึ่งการอนุมานแบบเบย์เป็นวิธีการมาตรฐานในการแมปชุดพารามิเตอร์ที่เป็นไปได้ทั้งหมดแทนที่จะเป็นการปรับให้พอดีเพียงชุดเดียว
Mike Walker ผู้จัดการของ Microsoft Research ซึ่งเคยนำโครงการ Cyber Grand Challenge ของ DARPA เล่าถึงวิธีที่วัฒนธรรมแฮกเกอร์หล่อหลอมเส้นทางอาชีพของเขาในการสร้างการป้องกันไซเบอร์ยุคใหม่ รวมถึงการแข่งขันแฮกกิ้งแบบเครื่องจักรล้วนครั้งแรก เขาโต้แย้งว่าความปลอดภัยที่มีประสิทธิผลนั้นขึ้นอยู่กับการเข้าใจเรื่องความไว้วางใจและบริบท และสะท้อนถึงสิ่งที่การแข่งขันแฮกกิ้งสอนเขาเกี่ยวกับการทำงานเป็นทีมและสติปัญญาโดยรวม
Replit คาดการณ์ว่าทุกบริษัทใน Fortune 500 จะกลายเป็น "บริษัทขับเคลื่อนอัตโนมัติ" ภายในสิ้นปี 2030 โดยมีเอเจนต์ทำงานและประสานงานกัน ขณะที่มนุษย์เป็นผู้กำหนดเป้าหมายและยังคงรับผิดชอบ Replit ระบุว่าวิศวกรของบริษัทเพิ่มปริมาณโค้ดได้เกือบสามเท่าในช่วงครึ่งแรกของปี 2026 ขณะที่เวลาในการรีวิว จำนวนการย้อนกลับ และเหตุการณ์ในผลิตภัณฑ์ยังคงทรงตัว Replit for Business กำลังถูกสร้างขึ้นเป็นรากฐาน และที่ SMFL กระบวนการพัฒนาที่เคยใช้คนหกคนเป็นเวลาหกเดือน ถูกทำเสร็จโดยคนคนเดียวในหนึ่งสัปดาห์
Sakana AI เปิดตัว Sakana Chat, Sakana Marlin, Sakana Fugu และ Sakana Translate โดยก้าวจากงานวิจัยและพัฒนาเข้าสู่การส่งมอบผลิตภัณฑ์ให้แก่บริษัทและหน่วยงานรัฐบาล ทีม Go-To-Market ซึ่งนำโดยรองประธาน Hidekazu Kakishima และเริ่มดำเนินงานในเดือนกันยายน 2026 กำลังรับสมัคร Forward Deployed Engineers เพื่อนำบทเรียนจากหน้างานของลูกค้ากลับมาพัฒนาผลิตภัณฑ์
Chris White ผู้อำนวยการ Microsoft Research Catalyst Lab เล่าถึงการนำปฏิบัติการเทคโนโลยีขั้นสูงในอัฟกานิสถานหลังโครงการ DARPA และการสร้างเครื่องมือค้นหาบนดาร์กเว็บในเวลาต่อมาเพื่อต่อต้านการค้ามนุษย์ ในตอนหนึ่งของพอดแคสต์ Microsoft Research ที่พูดคุยกับ Weishung Liu White อภิปรายว่าการเลือกปัญหาเป็นตัวกำหนดนวัตกรรมอย่างไร และเขายังคงมีความหวังได้อย่างไรหลังจากได้เห็นด้านที่มืดมิดที่สุดของมนุษยชาติ
Vapi ได้เปิดตัว Personal Agent Calling ในเวอร์ชันเบต้า ซึ่งให้ผู้ใช้ลงชื่อเข้าใช้ด้วย Vapi และโทรผ่าน personal agent ได้โดยไม่ต้องตั้งค่า API key บริษัทให้เหตุผลว่าธุรกิจต่างๆ ต้องตรวจสอบว่า agent เป็นตัวแทนของใคร ได้รับอนุญาตให้ทำอะไร และสิทธิ์นั้นยังใช้ได้อยู่หรือไม่ โดยต่อยอดจากมาตรฐานเปิด A2A และ OAuth การบังคับให้ลูกค้าเริ่มต้นใหม่มีความเสี่ยงที่จะสูญเสียธุรกิจของพวกเขา
ทีมที่กำลังชั่งน้ำหนักว่าจะสร้าง voice agents ขึ้นเองภายในองค์กรหรือไม่ แท้จริงแล้วกำลังตัดสินใจว่าจะสร้าง orchestration layer ขึ้นมาหรือไม่ เนื่องจากตัว agent เองเป็นเพียงประมาณ 20% ของงานเท่านั้น ส่วนที่เหลือคือโครงสร้างพื้นฐานด้านเสียงแบบเรียลไทม์ เทเลโฟนี และ observability เดโมหกสัปดาห์ของผู้ขายระบบจัดตารางรายหนึ่งกลายเป็นโปรเจกต์แปดเดือนก่อนที่จะย้ายฟีเจอร์นี้ไปยังแพลตฟอร์มในหกสัปดาห์ การสร้างเองภายในองค์กรจึงสมเหตุสมผลเฉพาะเมื่อต้องการปรับแต่ง pipeline เชิงลึก มีโครงสร้างพื้นฐานด้านเสียงอยู่แล้ว มีข้อจำกัดด้านกฎระเบียบ หรือเสียงเป็นความได้เปรียบทางการแข่งขันหลัก
Modal อ้างว่าควรเข้าใจมันในฐานะคอมพิวเตอร์มากกว่า "Uber สำหรับการประมวลผล" neocloud หรือผู้ให้บริการ inference เนื่องจากมันขาย processor-seconds และ byte-seconds แทนโทเค็น โพสต์นี้จับคู่องค์ประกอบของเครื่องจักรทั่วไป ได้แก่ ALU, ลำดับชั้นหน่วยความจำ, I/O, NIC และระบบปฏิบัติการ เข้ากับคอนเทนเนอร์, object storage, Input/Output Plane, Routing Plane และ Tunnels ของ Modal นอกจากนี้ยังเชื่อมโยง Modal Functions, Sandboxes และ Servers เข้ากับเครื่องมือไร้สถานะ, กระบวนการ Linux และ HTTP listeners
Aditya G. Parameswaran จาก UC Berkeley และผู้ร่วมงานโต้แย้งว่า เมื่อต้นทุนการอนุมานลดลงจากประมาณ $30 ต่อล้านโทเค็นในต้นปี 2023 เหลือต่ำกว่า $1 ในปัจจุบัน ระบบข้อมูลจำเป็นต้องได้รับการออกแบบใหม่โดยคำนึงถึงความท้าทายสามประการ ได้แก่ ระบบเพื่อเอเจนต์ ระบบของเอเจนต์ และระบบโดยเอเจนต์ พวกเขาตั้งข้อสังเกตว่าในเบนช์มาร์ก text-to-SQL ที่มีหลายเอเจนต์ต่อหนึ่งงาน มีเพียง 10-20% ของแผนย่อยที่แตกต่างกัน ดังนั้น 80-90% ของคำสั่งย่อยจึงทำงานซ้ำซ้อน และเสนอแนวทาง reuse, approximation และระบบข้อมูลเชิงรุก
Vapi ชี้ว่า Voice AI สามารถทำให้เสียงเป็นช่องทางที่คุ้มค่าทางเศรษฐกิจสำหรับการจัดการโรคเรื้อรังของ ACCESS โดยอ้างข้อมูลจาก Hiya ว่า 42% ของผู้บริโภคชอบใช้เสียงสำหรับการสื่อสารด้านสุขภาพ เพิ่มขึ้นจาก 33% ในปีก่อนหน้า โพสต์ดังกล่าวอธิบายเวิร์กโฟลว์การใช้งานจริงสามแบบ รวมถึงเอเจนต์คัดกรองผู้สนใจ Medicare ของ Spring Venture Group ซึ่งสร้างโดยวิศวกรสี่คนในหนึ่งสัปดาห์ ช่วยเพิ่มอัตราการโอนสายปิดการขายขึ้น 3% และสร้างมูลค่ารวมจากการประหยัดและการเพิ่มรายได้ใหม่กว่า $5.8M
Nathalie Criou รองประธานฝ่ายบริหารผลิตภัณฑ์ของ Vapi กล่าวในเวทีเสวนา HumanX ร่วมกับ Salesforce, Databricks และ TinyFish ว่า AI ช่วยขยาย而非แทนที่พื้นฐานอย่างความเชี่ยวชาญเฉพาะด้านและการตัดสินใจ เธอกล่าวว่าแพลตฟอร์มของ Vapi ซึ่งสร้างจากปฏิสัมพันธ์เสียงจริงนับล้านครั้ง พัฒนาความทรงจำเชิงสถาบันที่การฝึกโมเดลครั้งเดียวไม่สามารถเลียนแบบได้ คณะเสวนาโต้แย้งว่าคูเมืองตื้นๆ เช่นการเป็นเจ้าแรกในตลาดกำลังเสื่อมถอย ขณะที่ความไว้วางใจ ต้นทุนการเปลี่ยน และข้อมูลปฏิสัมพันธ์ที่เป็นเอกลักษณ์สะสมเร็วขึ้น
Modal ให้เหตุผลว่าหลักการประสบการณ์นักพัฒนาแบบเดียวกับที่ช่วยมนุษย์—วงจรป้อนกลับที่รวดเร็ว การเข้าถึงผ่านโปรแกรมด้วย CLI/SDK/API ข้อความข้อผิดพลาดที่นำไปใช้ได้จริง และตัวอย่างที่อยู่ใกล้โค้ดอย่างสม่ำเสมอ—ก็ทำให้เอเจนต์เขียนโค้ดเร็วขึ้นเช่นกัน เพราะเอเจนต์วนซ้ำด้วยการสร้างโค้ด รัน และสังเกตผล ข้อผิดพลาดที่คลุมเครือหรือการตั้งค่าผ่าน UI เท่านั้นจึงทำให้เอเจนต์ชะงัก ดังนั้นการออกแบบสำหรับเอเจนต์หมายถึงการใช้หลักการเดียวกัน而非คิดค้นใหม่
GPT-5.1 ของ OpenAI เพิ่มพรีเซ็ตบุคลิกภาพที่สม่ำเสมอ — Default, Professional, Friendly, Candid, Quirky, Efficient, Nerdy และ Cynical — พร้อม GPT-5.1 Instant ที่เป็นกันเองมากขึ้นและการให้เหตุผลแบบปรับตัวได้เร็วซึ่งตอบคำถามง่าย ๆ อย่างรวดเร็ว enquantoคำถามที่ซับซ้อนได้รับการคิดมากขึ้น Vapi กล่าวว่าโมเดลนี้เปิดใช้งานบนแพลตฟอร์มของตนเมื่อสัปดาห์ที่แล้วพร้อมกับการประกาศของ OpenAI ทำให้ voice agents สามารถใช้โทนเสียงที่สอดคล้องกับแบรนด์ได้โดยไม่ต้องเขียน prompt ใหม่
ผู้ก่อตั้ง Vapi เล่าถึงวิธีที่บริษัทจัดการประชุม VapiCon ซึ่งได้รับการขนานนามว่าเป็นการประชุมสุดยอด Voice AI ครั้งแรก ดึงดูดผู้เข้าร่วม 850 คนและผู้นำด้าน Voice AI จาก OpenAI, Deepgram และ Assembly AI มารวมตัวกันในห้องเดียว Vapi ใช้จ่ายประมาณ 500,000 ดอลลาร์สำหรับงานนี้และได้คืนมาประมาณ 400,000 ดอลลาร์ โดยผู้ก่อตั้งระบุว่าความร่วมมือและข้อตกลงระดับองค์กรคือผลตอบแทนที่แท้จริง ปัจจุบันบริษัทได้เปิดตัว VapiCon Video Library ของทุกเซสชันและ panel แล้ว
บทความใน Modal Blog โต้แย้งว่าราคาแบบ "ดอลลาร์ต่อโทเคน" ซึ่งสืบทอดมาจากผู้ให้บริการ API อย่าง OpenAI, Anthropic และ Alphabet สร้างผลเสียอย่างมากต่อทีมที่รันการอนุมาน LLM แบบโฮสต์เอง โดยอ้างว่าผู้ใช้แอปพลิเคชันสนใจคำขอมากกว่าโทเคน และจำเป็นต้องใช้กรอบการคิดแบบต่อคำขอเพื่อวิเคราะห์เวลาแฝง จำนวนรีพลิกา และต้นทุนการประมวลผล
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
Modal ให้เหตุผลว่าปัญหาการขาดแคลน GPU สำหรับ AI เกิดจากความไม่สอดคล้องกัน: ความต้องการส่วนใหญ่มุ่งไปที่การเทรน แต่รายได้มาจากการอนุมาน และภาระงานการอนุมานมีความผันผวนโดยธรรมชาติ เนื่องจากอัตราการร้องขอแกว่งตามรอบกลางวัน-กลางคืน รูปแบบรายสัปดาห์ ทราฟฟิกที่แพร่กระจายเร็ว และแนวโน้มการเติบโต การจอง GPU ระยะยาวแบบคงที่ทำให้อัตราการใช้งานคลัสเตอร์ในโลกจริงต่ำกว่า 50% การรวมความต้องการจากผู้ใช้จำนวนมาก — โดยจัดสรรสำหรับจุดสูงสุดของผลรวม แทนที่จะเป็นผลรวมของจุดสูงสุด — สามารถเพิ่มอัตราการใช้งานได้อย่างมาก และการรวมอุปทานข้ามภูมิภาคสามารถเพิ่มความยืดหยุ่นได้อีก
Cursor 发布了其最初“Problems”文章的后续内容，列出了它认为对 AI 编程下一阶段最关键的研究问题。该公司已将 Copilot++ 扩展至预测下一个光标位置，并将其与下一次编辑预测相结合，使模型能够“演奏”低熵变更序列——一个演示需要按 11 次 Tab 键，而其他每个键按 3 次，Cursor 称之为 Cursor Flow。其他方向包括跨代码库的动作预测、通过更多推理时计算实现完美编辑、幻觉伪代码、多文件编辑、最优上下文、多跳上下文以及缺陷检测与调试。
Cursor เผยแพร่รายการปัญหาที่กำลังดำเนินการแก้ไข รวมถึงการฝึก reranker ความเร็วสูงแบบกำหนดเองที่กรอง 500k โทเคนจากทุกแหล่งเหลือเพียง 8k ที่เกี่ยวข้องที่สุดต่อคำขอ รายการยังครอบคลุมถึง copilot ที่เน้นการแก้ไข เอเจนต์ในโฟลว์แบบมีข้อจำกัดสำหรับโค้ดเบสขนาดใหญ่ การค้นหาบั๊ก และการแก้ไขในระดับที่ใหญ่ขึ้น ณ วันที่ 12 ต.ค. 2023 Cursor ได้ทำดัชนี 1.4B เวกเตอร์ และ 150k โค้ดเบส
Arvid Lunnemark นักวิจัยจาก Cursor ให้เหตุผลว่าการ prompting ควรถูกเรียกว่า "prompt design" และเปรียบเทียบกับ web design เนื่องจากทั้งสองต่างมุ่งสู่การสื่อสารที่ชัดเจนด้วยอินพุตแบบไดนามิก และต้องปรับเนื้อหาให้เข้ากับ "ขนาด" ที่แตกต่างกัน — ขนาดหน้าจอสำหรับเว็บ และ context window สำหรับ prompt เขาเปิดตัว Priompt v0.1 ไลบรารีสำหรับออกแบบ prompt ที่ใช้ JSX คล้าย React ซึ่งถูกใช้อยู่ภายใน Cursor แล้ว พร้อมเว็บพรีวิวสำหรับเรนเดอร์ prompt กับข้อมูลคำขอจริง