ข้ามไปที่เนื้อหา
เฉพาะ จากต้นทาง#ระบบนิเวศโอเพนซอร์ส
13 พฤศจิกายนวันศุกร์
  1. Hugging Face Blog58

    llama.cpp เปิดตัว v1.0.0 ใช้กฎ semantic versioning เพื่อความเสถียรของ API ฝั่ง downstream

    llama.cpp เปิดตัว v1.0.0 พร้อมกับ ggml ที่เปิดตัว v1.0.0 เช่นกัน ทั้งสองโปรเจกต์จะใช้การเปลี่ยนแปลงหมายเลขเวอร์ชันหลักเพื่อบ่งชี้การเปลี่ยนแปลงที่ไม่เข้ากันของ public C API และ ABI นับจากนี้ ทีมโปรเจกต์ระบุว่า เมื่อความต้องการ AI แบบโลคอลและความเป็นส่วนตัวเพิ่มขึ้น และแอปพลิเคชัน downstream มีมากขึ้น อินเทอร์เฟซไลบรารีที่เสถียรจึงกลายเป็นสิ่งสำคัญ ในอนาคตจะเข้มงวดมากขึ้นกับขอบเขตของการเปลี่ยนแปลงที่ทำลายความเข้ากันได้

  2. OpenClaw Blog20

    OpenClaw นำ Claw Hack Hackathon และ ClawCon สู่เซินเจิ้น

    OpenClaw เตรียมจัดงาน Claw Hack hackathon สามวันและงานประชุม ClawCon ที่เมืองเซินเจิ้นระหว่างวันที่ 4–6 ธันวาคม 2026 ต่อจากงานที่เซี่ยงไฮ้ โดย Claw Hack มีทั้งสายซอฟต์แวร์และฮาร์ดแวร์ พร้อมด้วย M5Stack, reBot Arm B601 และฮาร์ดแวร์ Pamir ของ Seeed Studio และปิดรับสมัครในวันที่ 25 พฤศจิกายน ส่วน ClawCon จัดขึ้นในวันที่ 6 ธันวาคม ด้วยการบรรยายเกี่ยวกับ AI โอเพนซอร์ส โมเดลแบบ open-weight และการรันเอเจนต์ทั้งในเครื่องและบนคลาวด์

  3. Databricks Blog36

    Bright Machines ใช้ Debezium และ Iceberg เพื่อให้แดชบอร์ดแบบเรียลไทม์แก่ลูกค้าจากโรงงานที่แยกจากเครือข่าย

    Bright Machines มอบแดชบอร์ดข้อมูลโรงงานแบบเรียลไทม์ที่อยู่ภายใต้การกำกับดูแลให้แก่ลูกค้า โดยไม่ต้องเปิดการเข้าถึงขาเข้าใดๆ ระบบจับการเปลี่ยนแปลงของ PostgreSQL ที่ edge ด้วย Debezium เขียนเป็น Apache Iceberg ส่งออกผ่านช่องทางขาออกเดียวที่ตรวจสอบได้ และอ่านข้อมูล ณ ที่เดิมใน Databricks ผ่าน Unity Catalog federation แดชบอร์ดแรกที่ลูกค้ามองเห็นเปิดใช้งานประมาณสองเดือนหลังเริ่มโครงการ โดยแถวที่คอมมิตแล้วสามารถสอบถามได้ภายในหนึ่งถึงสองนาที และแดชบอร์ดรีเฟรชทุกสิบนาที

  4. AWS Machine Learning Blog58

    AWS เปิดตัว SGLang-Neuron ช่วยให้ déploy โมเดลระดับแนวหน้า บน Trainium ด้วยอินเทอร์เฟซ SGLang ที่มีอยู่

    Amazon ประกาศความพร้อมใช้งานทั่วไปของ SGLang-Neuron ซึ่งเป็นปลั๊กอินแบบ out-of-tree ที่รัน SGLang บน AWS Trainium ผ่าน AWS Deep Learning Container พัฒนาโดย RadixArk ร่วมกับ Annapurna Labs ผู้ใช้ยังคงใช้อินเทอร์เฟซเซิร์ฟเวอร์ SGLang และ API การสร้างข้อความเดิม ขณะที่ปลั๊กอินจัดเตรียมโมเดลเฉพาะสำหรับ Trainium, attention, MoE และ graph runner ที่สร้างบน PyTorch และ NKI kernels แบบเนทีฟซึ่งคอมไพล์ด้วย torch.compile นอกจากนี้ยังรองรับ PD disaggregation โดยถ่ายโอน KV cache ของ prefill ไปยังเซิร์ฟเวอร์ decode ผ่าน NIXL บน EFA และ walkthrough สาธิตการให้บริการ openai/gpt-oss-120b บนอินสแตนซ์ EC2 Trainium3 ด้วยคอนเทนเนอร์ pytorch-inference-sglang-neuronx

  5. AWS Machine Learning Blog66

    AWS อัปเดต AgentCore runtime เริ่มเซสชันเร็วขึ้น 15 เท่า และเพิ่มคอมพิวต์ 4 เท่า

    AWS ประกาศอัปเดต Amazon Bedrock AgentCore runtime ซึ่งเป็นเลเยอร์คอมพิวต์แบบจัดการสำหรับเอเจนต์ โดยเซสชันเริ่มทำงานเร็วขึ้นถึง 15 เท่า ขยายคอมพิวต์ได้มากขึ้น 4 เท่า (สูงสุด 8 vCPU และ 32 GB พร้อมอิมเมจคอนเทนเนอร์สูงสุด 10 GB) และทำงานมีประสิทธิภาพมากขึ้นถึง 68% โดยแต่ละเซสชันยังคงอยู่ใน Firecracker MicroVM ที่แยกฮาร์ดแวร์ของตัวเอง เซสชันเริ่มทำงานภายในไม่ถึง 2 วินาทีไม่ว่าจะมีขนาดอิมเมจหรือจำนวนคอนเคอร์เรนซีเท่าใด เอเจนต์ที่ไม่ได้ใช้งานจะสเกลลงเหลือศูนย์ และเอเจนต์สามารถเมานต์และบันทึกงานลงในไฟล์ซิสเต็ม เช่น บัคเก็ต Amazon S3 ที่รองรับ FUSE เพื่อให้ข้อมูลยังคงอยู่ในขอบเขตความเชื่อถือ runtime นี้พร้อมใช้งานแล้ววันนี้ในภูมิภาค AWS ทั่วอเมริกาเหนือ อเมริกาใต้ ยุโรป และเอเชียแปซิฟิก

    ทำไมเรื่องนี้สำคัญ: เวอร์ชันใหม่ของ AgentCore runtime ปรับทั้งการเริ่มเซสชัน เพดานคอมพิวต์ และการคิดค่าหน่วยความจำไปพร้อมกัน มอบทางเลือกระหว่างการแยกสภาพแวดล้อมกับต้นทุนใหม่ให้กับเอเจนต์ที่ต้องทำงานเป็นเวลานาน

  6. AWS Machine Learning Blog40

    AWS เปิดแคตตาล็อกสินทรัพย์ Generative AI แบบใช้ซ้ำได้ 23 รายการจาก Innovation Center

    AWS ได้เผยแพร่แคตตาล็อกสินทรัพย์ Generative AI แบบโอเพนซอร์สที่พร้อมใช้งานจริงจำนวน 23 รายการจาก Generative AI Innovation Center ซึ่งปัจจุบันเป็นส่วนหนึ่งของ AWS Frontier AI Engineering & Services บล็อกพื้นฐานเหล่านี้ครอบคลุมไปป์ไลน์ RAG ตัวประมวลผลเอกสาร โครงสร้างเอเจนต์ และเฟรมเวิร์กการประเมินผล และ AWS ระบุว่าสามารถลดระยะเวลาการพัฒนาจากหลายเดือนเหลือหลายสัปดาห์ DoorDash รายงานว่าความสามารถในการทดสอบเพิ่มขึ้น 50 เท่า และ Ricoh รายงานว่าปริมาณงานเพิ่มขึ้น 7 เท่าหลังจากสร้างบนสินทรัพย์เหล่านี้

12 พฤศจิกายนวันพฤหัสบดี
  1. vLLM Blog60

    vLLM เพิ่มการรองรับ day-0 สำหรับ Inkling 2 Small ของ Thinking Machines

    vLLM รองรับ Inkling 2 Small ของ Thinking Machines ใน day 0 ซึ่งเป็น MoE แบบมัลติโหมดข้อความและภาพที่มีพารามิเตอร์รวม 594B และพารามิเตอร์ที่ใช้งาน 17B และมีบริบทสูงสุด 1M โทเค็น การผสานรวมนี้เพิ่ม kernel fusion กับ PDL, sequence parallelism สำหรับ prefill ที่ลดขั้นตอน prefill 8K โทเค็นลง 22% ที่ TP4 และ 26% ที่ TP8 และ Gluon relative attention decode kernel ที่ลดขั้นตอน decode แบบ batch-1 ที่บริบท 100K จาก 15.1 ms เหลือ 4.8 ms vLLM รายงานสูงสุด 630 TPS/user ที่ TP4 บน GB200 ด้วย acceptance length 3.5 และยังรองรับ LoRA และ RL ผ่าน SkyRL

    ทำไมเรื่องนี้สำคัญ: vLLM รองรับ Inkling 2 Small ในวันเปิดตัวพร้อมให้ข้อมูลการปรับแต่งที่เฉพาะเจาะจงของ kernel fusion, sequence parallelism และ Gluon decode kernel ซึ่งเป็นประโยชน์ต่อทีมที่ปรับใช้โมเดล MoE ขนาดใหญ่

  2. vLLM Blog64

    vLLM-Omni ทดสอบ MiniMax H3-Image บน Vera Rubin: สร้างภาพ 4K ใน 0.87 วินาที และ 6,115 ภาพต่อชั่วโมง

    vLLM-Omni นำ MiniMax H3-Image มาทำงานบน NVIDIA Vera Rubin และวัดเวลาแฝงมัธยฐานได้ 0.87 วินาทีสำหรับการสร้างภาพจากข้อความเป็น 4096×4096 แบบเนทีฟบนสี่ GPU พร้อมด้วย 6,115 ภาพต่อชั่วโมงในการกำหนดค่าด้านทรูพุตแยกต่างหาก H3-Image เป็นโมเดลสร้างและแก้ไขภาพจากข้อความแบบเปิดน้ำหนัก ที่จับคู่เอนโคเดอร์ Qwen3-VL กับ DiT แบบ dense 33.1B และ VAE สำหรับภาพ จัดการทั้งสองงานในหกขั้นตอนการสุ่มตัวอย่างด้วยภาพอ้างอิงสูงสุด 16 ภาพ ทีมรายงานว่าใช้ MXFP8 DiT GEMMs, Ulysses SP4, AdaLN caching และการเปลี่ยนแปลงการถอดรหัส VAE ที่ลดเวลาการถอดรหัสจาก 2.635 วินาทีเหลือ 0.213 วินาที พร้อมระบุสูตรการตั้งค่าสำหรับฮาร์ดแวร์ AMD, Intel, Huawei Ascend และ Moore Threads

    ทำไมเรื่องนี้สำคัญ: การทดสอบของ vLLM-Omni แสดงให้เห็น MiniMax H3-Image ทำงานบน Vera Rubin ด้วยเวลาแฝง 4K ต่ำกว่าหนึ่งวินาที พร้อมการกำหนดค่าต่อฮาร์ดแวร์และแบบจำลองต้นทุนสำหรับเศรษฐศาสตร์ของการให้บริการ

  3. Mastra Blog40

    Mastra Agents สร้าง Private Model Gateway สำหรับโมเดลที่โฮสต์เอง

    Mastra เพิ่ม private model gateway ที่ให้เอเจนต์ส่งคำขอไปยังโมเดล open-weight ที่โฮสต์เอง โดยอ้างอิงผ่านคำนำหน้าเช่น private/ollama/gpt-oss:20b การโฮสต์เองช่วยเก็บข้อมูลอ่อนไหวไว้ในเครือข่ายและแทนที่ค่าใช้จ่ายต่อโทเคนด้วยค่าใช้จ่ายโครงสร้างพื้นฐาน และการตั้งค่า AUTO_BLOCK_EXTERNAL_PROVIDERS=true จะซ่อนผู้ให้บริการภายนอกใน Studio ฟีเจอร์นี้ต้องใช้ @mastra/core@1.82.0 หรือใหม่กว่า

11 พฤศจิกายนวันพุธ
  1. Modal Blog58

    Modal ร่วมเป็นผู้ดูแล gVisor ขณะที่ Google บริจาคโปรเจกต์ให้ CNCF

    Modal เป็นหนึ่งในสามบริษัท ร่วมกับ Ant Group และ Tines ที่เข้าร่วมเป็นผู้ดูแล gVisor หลังจาก Google บริจาคโปรเจกต์และเครื่องหมายการค้าให้ CNCF ภายใต้รูปแบบการกำกับดูแลที่นำโดยผู้ดูแล Modal ระบุว่าบริษัทเปิดใช้งานคอนเทนเนอร์ gVisor มากถึง 40 ล้านคอนเทนเนอร์ต่อวัน และได้มีส่วนสนับสนุน upstream ตั้งแต่ปี 2023 รวมถึงการรองรับ GPU ผ่าน nvproxy, พร็อกซีอุปกรณ์ RDMA ที่ชื่อ rdmaproxy และการปรับแต่ง tmpfs และ memory allocator บริษัทระบุว่ากำลังพัฒนาสแนปช็อตหน่วยความจำแบบหลาย GPU และการรองรับ GPUDirect Storage สำหรับ gVisor

  2. vLLM Blog58

    vLLM เพิ่มการแยกส่วน encoder สำหรับการให้บริการมัลติโมดัลด้วย EPD

    vLLM ได้ขยายการแยกส่วน Encoder/Prefill/Decode (EPD) สำหรับการให้บริการมัลติโมดัล โดยเพิ่มคำขอแบบ metadata-only, เส้นทางการประมวลผล encoder โดยเฉพาะ, การถ่ายโอน embedding ระยะไกลผ่าน NIXL และ Mooncake, การใช้เอาต์พุตข้าม encoder ซ้ำ และการจัดการผ่าน vLLM Router, SMG และ llm-d ความสามารถหลักรวมถึงการรองรับ MiMo และ XPU มาพร้อมใน vLLM v0.32.0 ขณะที่การรองรับ metadata-only สำหรับ DeepSeek V4.1 Flash มีให้ใช้งานบน main ผ่าน #62802 ในการทดสอบ DeepSeek V4.1 Flash บน GB200 EPD ให้ throughput ต่อ GPU สูงขึ้น 6.6–9.5% และ P90 TTFT ต่ำลง 44–47% เมื่อเทียบกับ baseline แบบ PD แปด GPU ที่ concurrency 64–128 แต่มี throughput ต่อ GPU ต่ำกว่าที่ concurrency 16

  3. Meta Engineering Blog58

    Meta อธิบาย TLX ส่วนขยายคอมไพเลอร์ GPU แบบฮาร์ดแวร์เนทีฟสำหรับ Triton เพื่อ ML ระดับโปรดักชัน

    Meta ให้รายละเอียดเกี่ยวกับ TLX (Triton Low-Level Extensions) ส่วนขยายของ Triton ที่เพิ่มการจัดการระดับ warp-group และ cluster อย่างชัดเจน โดยยังคงโมเดลการเขียนโปรแกรมแบบเทนเซอร์ของ Triton ไว้ TLX ใช้งานจริงในโปรดักชันทั่ว Meta แล้ว โดยได้ MFU แบบ end-to-end 20-25% บน GPU NVIDIA Blackwell หลายพันตัวสำหรับการเทรน GEM ลดเลเทนซีของเครือข่ายที่ใช้คอมพิวต์หนักสำหรับการอนุมาน RecSys ได้มากถึงสองในสาม และมีเคอร์เนล grouped GEMM แบบกระจายที่ใช้งานในการพรีเทรน LLM ขนาดใหญ่ Meta ระบุว่า TLX รองรับ NVIDIA Hopper และ Blackwell รวมถึง AMD Mi300 และ Mi350x และกำลังพัฒนาสถาปัตยกรรมเพิ่มเติม การอนุมาน warp-group อัตโนมัติ และแบ็กเอนด์ torch.compile

  4. NVIDIA Blog60

    NVIDIA มอบ OpenShell Agent Runtime ให้ CNCF และเพิ่มเครื่องมือ DSX Kubernetes

    NVIDIA กำลังมอบ OpenShell ซึ่งเป็นรันไทม์โอเพนซอร์สสำหรับการรักษาความปลอดภัยและการกำกับดูแลเอเจนต์อัตโนมัติ ให้แก่ Cloud Native Computing Foundation ในฐานะโครงการ Sandbox และยังมีส่วนร่วมใน Agent Substrate ที่นำโดย Google NVIDIA ประกาศองค์ประกอบใหม่สามส่วนของ DSX AI Factory Platform ได้แก่ NVIDIA Kubernetes Engine และ NVIDIA Kubernetes Recipes ซึ่งขณะนี้อยู่ในตัวอย่างสาธารณะ และ NVIDIA Snapshot ซึ่งกู้คืนรีพลิกาที่บันทึกจุดตรวจในไม่กี่วินาทีโดยไม่ต้องโหลดโมเดลใหม่หรือวอร์มอัพ Crusoe ทดสอบ GLM-5.3 บน Crusoe Cloud และลดเวลาพร้อมใช้งานของเวิร์กโหลดจากประมาณแปดนาทีเหลือ 31 วินาที ขณะที่ Saturn Cloud ลดเวลาสตาร์ท vLLM จากระหว่างสองถึง 8.5 นาทีเหลือหกนาที 34 วินาที

    ทำไมเรื่องนี้สำคัญ: NVIDIA มอบ OpenShell รันไทม์ความปลอดภัยของเอเจนต์ให้ CNCF และเพิ่มเครื่องมือ Kubernetes สำหรับ GPU AI factories โดยผลลัพธ์เบื้องต้นของ Snapshot ลดเวลาสตาร์ทการอนุมานจากนาทีเหลือวินาที

10 พฤศจิกายนวันอังคาร
  1. 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

  2. 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

  3. Goodfire Research62

    Goodfire ศึกษาเซลล์ประสาทของ Qwen3.6-35B-A3B ในฐานะพื้นฐานที่ตีความได้

    Goodfire Research เผยแพร่งานศึกษาที่โต้แย้งว่าเซลล์ประสาท MLP แต่ละตัวใน Qwen3.6-35B-A3B สามารถตีความได้มากกว่าที่เคยคิด โดยอิงจากการทำให้เบาบาง เครื่องมือระบุที่มา และเอเจนต์วิจัย การตัดการทำงานของแอกทิเวชันเซลล์ประสาท MoE ที่อ่อนที่สุด 92.2% ต่อการส่งผ่านไปข้างหน้าหนึ่งครั้ง ทำให้ loss ของโมเดลภาษาสูงขึ้นเพียง 2.9% และ 69% ของขั้วเซลล์ประสาทมีโหมดเดียวที่รับผิดชอบต่อผลเชิงสาเหตุอย่างน้อย 90% คำอธิบายเซลล์ประสาทด้วยภาษาธรรมชาติทำให้โมเดลผู้ตัดสินสามารถทำนายการทำงานได้ด้วยความแม่นยำ 95% เทียบกับข้อความสุ่ม และฟื้นคืนความเสียหายจากการตัดการทำงานได้ 73% ผ่านการจำลอง

    ทำไมเรื่องนี้สำคัญ: งานศึกษาของ Goodfire เกี่ยวกับเซลล์ประสาทของ Qwen3.6-35B-A3B โต้แย้งว่าแอกทิเวชันที่แข็งแกร่งเพียงลำพังแบกการคำนวณส่วนใหญ่ของโมเดลไว้ พร้อมเสนอทางเลือกที่เป็นรูปธรรมต่อการตีความแบบ feature-dictionary

9 พฤศจิกายนวันจันทร์
  1. 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

6 พฤศจิกายนวันศุกร์
  1. 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

  2. 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

  3. OpenClaw Blog69

    OpenClaw เปิดตัว Multiplayer สำหรับเอเจนต์และบริบทที่แชร์ร่วมกัน

    OpenClaw ได้เปิดตัว Multiplayer ซึ่งเป็นฟีเจอร์ฟรีและโอเพนซอร์สที่ให้หลายคนเชื่อมต่อกับเอเจนต์และเวิร์กสเปซ OpenClaw เดียวกันได้ โดยพรอมป์จะปรากฏแบบเรียลไทม์บนแล็ปท็อปหลายเครื่อง และคำขอต่างๆ จะถูกประสานงานผ่านคิวที่แชร์ร่วมกัน ในการสาธิตที่งาน GitHub Universe ในซานฟรานซิสโก ผู้เข้าร่วมสองคนแก้ไขฉาก 3D เดียวกันโดยพิมพ์พรอมป์บนเครื่องแยกกันโดยไม่ต้องระบุบริบทซ้ำ OpenClaw Foundation กล่าวว่ามีผู้คนกว่า 50 คนร่วมมือกันในสภาพแวดล้อมที่แชร์ร่วมกันเดียวกัน และกำลังขยายฟีเจอร์นี้อย่างต่อเนื่อง

    ทำไมเรื่องนี้สำคัญ: OpenClaw ทำให้การแชร์เอเจนต์และบริบทเดียวกันamongหลายคนเป็นฟีเจอร์ฟรีและโอเพนซอร์ส ซึ่งเสนอแนวทางที่สามารถนำไปปรับใช้ได้สำหรับปัญหาการสร้างบริบทซ้ำแล้วซ้ำเล่าในการทำงานร่วมกันเป็นทีม

5 พฤศจิกายนวันพฤหัสบดี
  1. Mastra Blog38

    Mastra เปิดตัวโปรแกรม Custom Harness พร้อมวิศวกร Forward-Deployed ที่ฝังตัวในทีมลูกค้า

    Mastra เปิดตัว Custom Harness Program ซึ่งวิศวกร forward-deployed จะฝังตัวอยู่ในทีมของลูกค้าเพื่อร่วมสร้าง agent harness ที่ปรับแต่งเฉพาะ โปรแกรมนี้ครอบคลุม observability, evals, MCP แบบกำหนดเอง, เวิร์กโฟลว์แบบ human-in-the-loop, auth และ RBAC พร้อมสิทธิ์เข้าถึง Mastra Enterprise Platform ก่อนใคร Mastra อ้างถึง Workday ซึ่งย้ายออกจาก Amazon Bedrock Agents ภายใน 31 วัน ลดโค้ดได้ 3,000 บรรทัด และลดต้นทุนการจัดเก็บเวกเตอร์ลง 98%

4 พฤศจิกายนวันพุธ
  1. Ai2 · Allen Institute for AI38

    Ai2 และ Google ร่วมมือกันพัฒนาโมเดลสภาพภูมิอากาศ NeuralGCM+

    Ai2 ได้เปิดตัวโครงการสร้างแบบจำลองสภาพภูมิอากาศโดยได้รับการสนับสนุนเงินทุนสามปีจาก Google.org และการสนับสนุนทางเทคนิคจาก Google Research เพื่อพัฒนา NeuralGCM+ ซึ่งเป็นโมเดลโอเพนซอร์สสำหรับการคาดการณ์สภาพภูมิอากาศที่รวดเร็วและเชื่อถือได้มากขึ้น โครงการนี้ต่อยอดจาก NeuralGCM ของ Google Research ซึ่งผสมผสานสมการทางฟิสิกส์สำหรับพลศาสตร์ขนาดใหญ่เข้ากับ AI สำหรับกระบวนการขนาดเล็ก เช่น การก่อตัวของเมฆและปริมาณน้ำฝน เพื่อจำลองบรรยากาศและมหาสมุทรไปพร้อมกัน Ai2 มุ่งหวังที่จะลดข้อผิดพลาดของอุณหภูมิและปริมาณน้ำฝนในระดับภูมิภาคในช่วง 50 ปีที่ผ่านมา และเผยแพร่โมเดลและเฟรมเวิร์กพร้อมเวิร์กโฟลว์ที่มีเอกสารประกอบสำหรับนักวิจัยภายนอก

  2. vLLM Blog73

    Buoyant 发布 Kinference，一个面向 vLLM 和 Kubernetes 的开源推理控制平面

    Buoyant 宣布推出 Kinference，这是一个采用 Apache v2 许可证的开源控制平面，可将兼容 OpenAI 和 Anthropic 的推理流量路由到 Kubernetes 上的 vLLM 工作节点，并新增令牌速率限制、按租户的使用量与成本跟踪、KV 缓存感知负载均衡以及 YAML 推理策略。在该项目的公开基准测试中，与标准 Kubernetes 服务负载均衡相比，Kinference 在某一工作负载上将首令牌时间中位数缩短了 95%，端到端延迟中位数降低了 45%；在容量测试中，共享前缀场景下的有效吞吐量达到 7.4 倍，多轮对话场景下约为 3.5 倍。策略可将较简单的提示词路由到更便宜的模型，将突发溢出流量发送到 Bedrock 和 Databricks 等提供商，或将带有 PII 标记的请求保留在集群内；按租户的指标涵盖令牌速率、TTFT、ITL 以及缓存与未缓存的提示词令牌。

    ทำไมเรื่องนี้สำคัญ: Buoyant 的 Kinference 在 vLLM 之上增加了 KV 缓存感知负载均衡和 YAML 推理策略，基准测试声称其 TTFT 和有效吞吐量相较标准 Kubernetes 服务路由有大幅提升。

2 พฤศจิกายนวันจันทร์
  1. Zyphra Research58

    Zyphra 推出 ZHA 分层注意力，一种具有次二次路由的稀疏方法

    Zyphra 推出了 Zyphra Hierarchical Attention（ZHA），一种稀疏注意力方法，它构建压缩 KV-cache 摘要的树，并自上而下地通过该树路由查询，在合适的 top-p 阈值下实现次二次复杂度。现有的预训练模型可以通过仅使用数十亿 token 的简短 KL 蒸馏阶段进行适配；在 Qwen3.6-35B-A3B 上，ZHA 增加了 81,920 个可训练参数，约占基础模型的 0.00024%。在 256K token 的 RULER-13 上，宽树模型得分为 96.2%，而密集注意力为 96.0%；深六层树在 LongBench v2 上得分为 63.4%，而密集注意力为 58.0%，同时仅关注约 1.1% 的 KV 缓存；一个 GPU roofline 模型预测在 10M token 时比密集注意力快 32-35 倍。

  2. Ai2 · Allen Institute for AI32

    Olmo 3 ได้รับคะแนนสูงสุดด้านจริยธรรม AI จาก Nextcloud อย่างไร

    Olmo 3 ของ Ai2 ได้รับคะแนน Ethical AI ระดับสูงสุดคือระดับสีเขียวจาก Nextcloud ซึ่งต้องมีซอฟต์แวร์ฝึกและประมวลผลแบบโอเพนซอร์ส โมเดลที่ฝึกแล้วซึ่งโฮสต์เองได้ และข้อมูลฝึกที่เปิดเผยต่อสาธารณะ Nextcloud รวม Olmo 3 ไว้กับ llm2 แบ็กเอนด์ LLM ภายในเครื่อง และเลือกรุ่น 7B เพื่อให้ผู้ใช้ที่ไม่มี VRAM 16 หรือ 32 GB ยังได้รับประสบการณ์ภายในเครื่องที่ดีเมื่อใช้งานทันที

1 พฤศจิกายนวันอาทิตย์
  1. Sakana AI Blog40

    Sakana AI Symposium: Jürgen Schmidhuber พูดถึงอดีตและอนาคตของ AI การผลักดันของญี่ปุ่นสู่โมเดลภาษา World Models และ Physical AI

    Sakana AI จัดงานสัมมนา "From World Models to Real-World AI" ที่โตเกียวเมื่อวันที่ 26 ตุลาคม 2026 โดย Jürgen Schmidhuber ที่ปรึกษาวิทยาศาสตร์ระดับหัวหน้าได้กล่าวปาฐกถาหลัก และ Sakana AI ประกาศว่าจะพัฒนาโมเดลภาษาที่ผ่านการฝึกอบรมล่วงหน้าของตนเองในชื่อ Sakana Sawara (ชื่อชั่วคราว) โดยโมเดลขนาดเล็กตัวแรก Sawara Small (ชื่อชั่วคราว) มีแผนจะเปิดตัวในฤดูใบไม้ผลิปี 2027 หากการพัฒนาดำเนินไปอย่างราบรื่น งานนี้มีผู้เข้าร่วมมากกว่า 400 คน และยังมีการสนทนาระหว่าง Schmidhuber กับ David Ha ซีอีโออีกด้วย

29 ตุลาคมวันพฤหัสบดี
  1. Meta Newsroom · AI22

    Meta ร่วมมือกับมหาวิทยาลัย 5 แห่งในสหรัฐฯ เพื่อเร่งความก้าวหน้าทางการแพทย์และวิทยาศาสตร์

    Meta กำลังร่วมมือกับมหาวิทยาลัย 5 แห่งในสหรัฐฯ ได้แก่ Caltech, วิทยาลัยแพทยศาสตร์มหาวิทยาลัยแห่งรัฐโอไฮโอ, มหาวิทยาลัยแห่งรัฐลุยเซียนา, มหาวิทยาลัยอินดีแอนา และ UTHealth Houston พร้อมมอบทุน 2 ล้านดอลลาร์เพื่อสนับสนุนการวิจัยที่ใช้โมเดลของ Meta ในด้านการแพทย์ ฟิสิกส์ เคมี ชีววิทยา วิทยาการคอมพิวเตอร์ และคณิตศาสตร์ โครงการต่างๆ รวมถึงระบบคอมพิวเตอร์วิทัศน์ที่สร้างบนโมเดล SAM แบบเปิดน้ำหนักของ Meta เพื่อตรวจจับการเลื่อนตำแหน่งของท่อ tracheostomy ในทารก, AI แบบมัลติโมดัลเพื่อช่วยให้เอเจนต์สนทนาปรับตัวเข้ากับผู้ป่วยภาวะสมองเสื่อม และโมเดลแบบเปิดน้ำหนักที่คาดการณ์ความเสี่ยงภาวะหัวใจล้มเหลวจากภาพ CT และเวชระเบียนตามปกติ

23 ตุลาคมวันศุกร์
  1. Modal Blog58

    Modal และ Sakana AI ให้บริการโมเดล MoE ขนาด ~1T พารามิเตอร์สำหรับ Sakana Namazu API ได้อย่างไร

    ทีมวิศวกรที่ประจำการภาคสนามของ Modal ร่วมมือกับ Sakana AI เพื่อรัน Sakana Namazu ซึ่งเป็นโมเดล MoE ขนาด ~1T พารามิเตอร์ที่ปรับแต่งสำหรับบริบททางธุรกิจญี่ปุ่น บน Modal สำหรับการเปิดตัว API สาธารณะ ทีมได้ใช้การควอนไทซ์ NVFP4 แบบเลือกเฉพาะกับ routed experts เท่านั้น โดยคง attention, router และ shared experts ไว้ใน BF16 และปรับเทียบบนบทสนทนาที่เน้นภาษาญี่ปุ่นเพื่อให้ทั้ง 23,040 experts ได้เห็นทราฟฟิกที่เป็นตัวแทน โมเดล draft DFlash แบบกำหนดเองที่ฝึกบน raw token IDs มากกว่า 30 พันล้านรายการเพิ่มอัตราการยอมรับโทเค็นแบบ speculative ขึ้น 25% และลดเวลาแฝงในการถอดรหัสต่อโทเค็นลงประมาณ 35% ขณะที่ drafter ตัวที่สองซึ่งฝึกบนคำขอจริงประมาณ 1M รายการยกความยาวการยอมรับเฉลี่ยจาก 3.51 เป็น 5.01 และลดเวลาแฝง p99 จาก 68 วินาทีเหลือ 52 วินาที

22 ตุลาคมวันพฤหัสบดี
  1. Anthropic Newsroom71

    Anthropic บริจาคมาตรฐาน Agent Skills ให้แก่ Agentic AI Foundation

    Anthropic บริจาค Agent Skills ซึ่งเป็นมาตรฐานเปิดสำหรับมอบความรู้และเวิร์กโฟลว์เฉพาะทางให้แก่ AI agents ให้แก่ Agentic AI Foundation (AAIF) ภายใต้ Linux Foundation นับตั้งแต่เผยแพร่ในเดือนธันวาคม 2025 มีแพลตฟอร์ม agent มากกว่า 70 แห่งรวมถึง ChatGPT, Cursor, GitHub Copilot และ VS Code ได้ผสานรวมมาตรฐานนี้แล้ว โดยมี skills ที่เผยแพร่ 1 ล้านรายการและติดตั้งเกือบ 280 ล้านครั้ง การบริจาคครอบคลุมชื่อและโลโก้ Agent Skills, องค์กร GitHub และโดเมน agentskills.io โดยมีวิศวกรจาก Anthropic, Google, OpenAI และบริษัทอื่นๆ ดูแลในฐานะบุคคลภายใต้ Lead Maintainers David Soria Parra และ Mahesh Murag

    ทำไมเรื่องนี้สำคัญ: Anthropic มอบมาตรฐาน Agent Skills ให้แก่ AAIF ของ Linux Foundation ซึ่งเป็นบ้านกลางแห่งเดียวกับ MCP ทำให้ชุมชนมีเสียงอย่างเป็นทางการต่อ roadmap ของข้อกำหนดนี้

21 ตุลาคมวันพุธ
  1. Mistral AI48

    Mistral และ NVIDIA จับมือร่วมพัฒนา AI สำหรับเวิร์กโฟลว์งานวิศวกรรม

    Mistral และ NVIDIA กำลังร่วมมือกันสร้างเวิร์กโฟลว์งานวิศวกรรมแบบ AI-native ที่จับคู่ Mistral Large 4 เข้ากับไลบรารี NVIDIA CUDA-X และ Warp โดยมุ่งหวังที่จะเร่งความเร็วการจำลองและเปิดใช้งานการออกแบบแบบ closed-loop ความร่วมมือนี้ยังจะสร้างเบนช์มาร์กสาธารณะและชุดข้อมูลเปิดสำหรับโมเดลฟิสิกส์และ agentic AI ใน CAE และ EDA รวมถึงการผสานรวมกับ NVIDIA Omniverse สำหรับการสร้างฉาก 3D และแอสเซ็ต SimReady Mistral Large 4 หรือที่รู้จักในชื่อ Le Chonk มีพารามิเตอร์รวมประมาณ 1 ล้านล้านตัวและพารามิเตอร์ที่ใช้งานอยู่ 49 พันล้านตัว และได้รับการฝึกบน GPU NVIDIA Grace Blackwell จำนวน 3,800 ตัว

  2. OpenClaw Blog22

    OpenClaw เปิดตัว Focus Weeks เริ่มด้วย Control UI

    OpenClaw เปิดตัว Focus Weeks โครงการที่แต่ละสัปดาห์มุ่งเน้นหนึ่งพื้นที่ใน roadmap โดยมี Maintainer ประจำพื้นที่และเชิญชวนชุมชนร่วมสนับสนุนโค้ด รายงานบั๊ก การทดสอบ เอกสาร และข้อเสนอแนะด้านการเข้าถึง สัปดาห์ Focus Week แรกจัดขึ้นวันที่ 19–25 ตุลาคม 2026 ในหัวข้อ Control UI โดยมี Vyctor Brzezowski เป็น Maintainer กลุ่ม Clawtributors หมุนเวียนบางส่วนยังได้รับสิทธิ์เข้าถึงชั่วคราวในสภาพแวดล้อม OpenClaw Team ที่ใช้ร่วมกันเพื่อทดสอบฟีเจอร์การทำงานร่วมกันแบบหลายผู้ใช้

15 ตุลาคมวันพฤหัสบดี
  1. 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

  2. Meta AI Research Blog88

    Meta เปิดตัว Muse Spark Open โมเดลมัลติโมดัลน้ำหนักเปิดขนาด 816B ที่รันบน Mac Studio สองเครื่อง

    Meta เปิดตัวน้ำหนักของ Muse Spark Open โมเดลมัลติโมดัลแบบเนทีฟน้ำหนักเปิดที่มีพารามิเตอร์รวม 816B (ใช้งานจริง 42B) และหน้าต่างบริบท 1M โทเคน วางตำแหน่งสำหรับงานเขียนโค้ดและงานเอเจนติก เป็นโมเดลแรกในคลาสเดียวกันที่รันบนเดสก์ท็อปด้วย Apple M5 Ultra Mac Studio สองเครื่องผ่านเฟรมเวิร์ก MLX และพร้อมใช้งานผ่านพาร์ตเนอร์ API ได้แก่ Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter และ Together AI โดยมีน้ำหนักอยู่บน Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden และ Microsoft Foundry Models Meta ระบุว่าโมเดลนี้มาพร้อมเคอร์เนล GPU Helion ที่ปรับแต่งอัตโนมัติได้ใน SGLang ให้ความเร็วระดับเคอร์เนลเพิ่มขึ้น 1.03-3.95 เท่าบน GPU NVIDIA และ AMD และเร็วขึ้นแบบ end-to-end 3% บน AMD MI350

    ทำไมเรื่องนี้สำคัญ: Meta เปิดน้ำหนักโมเดลมัลติโมดัลขนาด 816B พารามิเตอร์ที่รันบน Mac Studio สองเครื่อง มอบทางเลือกแบบโลคอลให้นักพัฒนาสำหรับงานเขียนโค้ดระยะยาวและงานเอเจนติก

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

8 ตุลาคมวันพฤหัสบดี
  1. 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

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

28 กันยายนวันจันทร์
  1. Mistral AI42

    Mistral เปิดศูนย์มิวนิกสำหรับ Physics AI และ Industrial AI

    Mistral ได้เปิดศูนย์แห่งใหม่ในมิวนิก ซึ่งเป็นที่ตั้งของทีมวิจัยที่มุ่งเน้นด้าน Physics AI และ Industrial AI พร้อมด้วยวิศวกรที่ให้บริการพันธมิตรองค์กร บริษัทระบุว่าจะสร้างกำลังการประมวลผลในยุโรปหนึ่งกิกะวัตต์ภายในปี 2030 และกำลังร่วมงานกับ BMW ด้านการจำลองการชนและ Siemens Energy ด้านการประยุกต์ใช้ Industrial AI

25 กันยายนวันศุกร์
  1. OpenClaw Blog74

    Microsoft Autopilot สร้างบน OpenClaw โดยมีการสนับสนุนจากทั้งสองฝ่าย

    Microsoft เปิดตัว Autopilot ซึ่งเป็นเอเจนต์ส่วนบุคคลแบบต่อเนื่องที่สร้างบน OpenClaw โดยเป็นส่วนหนึ่งของประสบการณ์ Copilot ใหม่ โดยจะขยายการพรีวิวแบบส่วนตัวให้กับลูกค้ากลุ่มแรกภายในสิ้นเดือนนี้ Autopilot เป็นชื่อใหม่ของ Microsoft Scout ที่ประกาศไปเมื่อต้นปีนี้ และทีมของ Omar Shahine กล่าวว่ากำลังร่วมงานกับ OpenClaw และ OpenClaw Foundation เพื่อพัฒนา runtime ระดับองค์กร OpenClaw เน้นย้ำถึงการสนับสนุนจากวิศวกรของ Microsoft ที่ส่งต่อไปยังต้นน้ำ รวมถึงการตรวจสอบความสอดคล้องตามนโยบาย คอมแพเนียนสำหรับ Windows แบบเนทีฟ และการแก้ไขความเสถียรสำหรับงานเบื้องหลัง การรีสตาร์ท และการตอบกลับซ้ำ

    ทำไมเรื่องนี้สำคัญ: Autopilot ของ Microsoft สร้างบน OpenClaw และการสนับสนุนต้นน้ำที่ระบุไว้ที่นี่แสดงให้เห็นว่า runtime ของเอเจนต์ที่ใช้ร่วมกันพัฒนาขึ้นอย่างไรในแต่ละแพลตฟอร์ม

22 กันยายนวันอังคาร
  1. OpenClaw Blog60

    OpenClaw เพิ่มโมเดลการตัดสินใจแบบเลือกใช้ได้และอินเทอร์เฟซ Plugin SDK ที่ใช้ร่วมกัน

    OpenClaw ได้เพิ่มการรองรับโมเดลการตัดสินใจที่กำหนดค่าแยกต่างหาก ซึ่งแกนหลักและปลั๊กอินสามารถเรียกใช้ผ่าน api.runtime.decisions.evaluate ใน Plugin SDK โดยคืนค่าการเลือก คะแนน หรือความน่าจะเป็นแทนการตอบกลับแบบแชท ฟีเจอร์นี้เป็นแบบเลือกใช้ได้และไม่แทนที่โมเดลแชท และแพ็กเกจผู้ให้บริการยังรอการเปิดตัวที่รองรับอยู่ อะแดปเตอร์ TypeSafe รองรับ Jev แบบโฮสต์และเซิร์ฟเวอร์ System One ภายในเครื่อง เช่น Kev ของ Jared Palmer และเครื่องมือประเมินกำลังย้ายเข้าสู่แกนหลักของ OpenClaw ในชื่อ decision_evaluate

    ทำไมเรื่องนี้สำคัญ: OpenClaw เพิ่มชั้นโมเดลการตัดสินใจแบบเลือกใช้ได้ซึ่งคืนคำตอบที่มีชนิดข้อมูลจากโค้ดแอปพลิเคชัน พร้อมอินเทอร์เฟซ Plugin SDK ที่ใช้ร่วมกันเพื่อให้ปลั๊กอินใช้งานได้โดยไม่ต้องผสานรวมแยกตามผู้ให้บริการ

21 กันยายนวันจันทร์
  1. LiveKit Blog38

    เปรียบเทียบเฟรมเวิร์กโอเพนซอร์สสำหรับเอเจนต์ AI แบบเสียงและวิดีโอเรียลไทม์: LiveKit Agents vs Pipecat

    คู่มือนี้เปรียบเทียบ LiveKit Agents และ Pipecat ซึ่งเป็นเฟรมเวิร์กโอเพนซอร์สสองตัวที่บทความระบุว่าสำคัญที่สุดสำหรับการสร้างเอเจนต์ AI แบบเสียงและวิดีโอระดับโปรดักชัน ครอบคลุมสถาปัตยกรรม การนำไปใช้ ประสบการณ์นักพัฒนา และความพร้อมสำหรับโปรดักชัน LiveKit Agents ทำงานบนโครงสร้างพื้นฐาน WebRTC และ SIP โอเพนซอร์สของ LiveKit และเชื่อมต่อไปป์ไลน์ให้เอง ขณะที่ Pipecat ไม่สมมติเรื่องการรับส่งข้อมูลและให้นักพัฒนาประกอบไปป์ไลน์ทีละขั้นตอน บทความยังกล่าวถึงตำแหน่งของ TEN Framework, Dograh, Vision Agents และ Vocode ด้วย