Gondola เพิ่มรายได้เป็นสองเท่าพร้อมขยายการใช้ Codex ของ OpenAI ซึ่งช่วยเพิ่มผลผลิตของวิศวกรหัวหน้าได้ 50% บริษัทซึ่งช่วยให้ครีเอทีฟได้รับเครดิตและได้งาน ยังใช้ ChatGPT เพื่อลดความซับซ้อนของงานประจำวัน
Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน
Microsoft Research Focus Edition #98 นำเสนอความก้าวหน้าของ AI ที่ทำให้การแปลแบบสากลใกล้เป็นจริงมากขึ้น และการพิสูจน์ใหม่ที่ไขข้อสันนิษฐาน KLS ที่มีอายุ 31 ปีในเรขาคณิตมิติสูง ฉบับนี้ยังครอบคลุม CompactionBench และ APEC ซึ่งลดต้นทุนการบีบอัดบริบทของ coding agent ได้ถึง 25.4% และลดเวลาการทำงานลง 9.6% พร้อมด้วย Latent Core Tokenizer ที่ปรับปรุงการ tokenization ใน 104 ภาษา
Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน
LLM gateway แบบ self-service ที่สร้างบน Amazon Bedrock Application Inference Profiles และ LiteLLM ที่รันบน AWS Fargate เปิดให้เข้าถึงโมเดลพื้นฐานของ Bedrock ผ่าน API ที่เข้ากันได้กับ OpenAI ทำให้นักพัฒนามี base URL เดียวและคีย์แยกตามผู้ใช้ การตั้งค่านี้เพิ่มการควบคุมค่าใช้จ่ายรายผู้ใช้ การแยกโควตาตามโมเดล และการสังเกตการณ์ RPM/TPM ผ่าน CloudWatch พร้อม Langfuse สำหรับ telemetry ระดับพรอมต์ การออกคีย์แบบ self-service ต้องใช้ LiteLLM Enterprise เนื่องจากแพ็กเกจฟรีจำกัดที่ห้าผู้ใช้
Kimi K3.1 Pro Highspeed ของ Moonshot AI พร้อมใช้งานแล้วบน Amazon Bedrock เป็นเวอร์ชันที่ผ่าน post-training ของ Kimi K3 โดยมีสถาปัตยกรรมแบบ open-weight ระดับ 3T และหน้าต่างบริบท 1 ล้านโทเคนเช่นเดียวกัน ฝึกด้วยคอมพิวต์สำหรับ post-training มากขึ้นเพื่องานเอเจนต์ระยะยาวและลดข้อผิดพลาดด้านข้อเท็จจริง Moonshot AI รายงานความเร็วเอาต์พุตเป็น 2–3 เท่าของ Kimi K3.1 Pro และผู้ใช้ Kimi K3 ที่มีอยู่สามารถสลับได้โดยเปลี่ยน model ID โพสต์แสดงการเรียก Chat Completions, Responses และ Converse API, ชั้น Flex ในราคาครึ่งหนึ่งของ Standard, prompt caching แบบ explicit ด้วย prompt_cache_breakpoint และการเชื่อมต่อโมเดลกับเอเจนต์เขียนโค้ด OpenCode
Holiday Extras กำลังใช้ Codex ของ OpenAI เพื่อเปลี่ยนความเชี่ยวชาญของลูกค้าให้เป็นแอปที่ดีขึ้น อัตราการแปลงการจองที่สูงขึ้น และโอกาสการเติบโตใหม่ บริษัทรับเสริมการเดินทางแห่งนี้กำลังทบทวนสิ่งที่สามารถสร้างได้ด้วยโมเดลเขียนโค้ดนี้
วิศวกร Google ซึ่งเป็นผู้นำโปรแกรม agent skills ของบริษัทได้สร้างไปป์ไลน์ที่ Gemini 4 Argon อ่านซอร์สโค้ด Go และดิสแอสเซมบลี RISC-V แล้วแปลงกับดัก runtime.panicBounds ที่ยังหลงเหลือให้เป็นข้อจำกัด Z3 จากนั้น go test จะเล่นซ้ำอินพุตที่ตรงเงื่อนไขใดๆ เป็นตัวสร้างซ้ำจริง เวิร์กโฟลว์นี้จับบั๊กที่ฝังไว้ทั้งสามตัวและบั๊กแฝงสามตัวใน skill-lint ขณะที่ go test -fuzz แบบไม่กำหนด seed พลาดการ crash ที่ฝังไว้สองตัว เพราะ Go ตรวจสอบสไลซ์เทียบกับ capacity ไม่ใช่ length การตัด capacity ให้เท่ากับ length ด้วย data[:len(data):len(data)] ทำให้ fuzzer crash บั๊ก overrun ทั้งสองตัวในการรันทั้งสามครั้ง โดยมีค่ามัธยฐาน 0.28 วินาที และ 0.17 วินาที
Google DeepMind เปิดให้ developers, องค์กร, นักวิทยาศาสตร์ และผู้บริโภคใช้งาน Gemini 4 Carbon ได้แล้ว โดยวางตำแหน่งให้เหนือกว่า Gemini 4 Argon สำหรับงานที่ต้องใช้การให้เหตุผลเชิงลึกและโทเคนมากขึ้น Carbon ครองอันดับ 1 บน CursorBench 4.0, WANDR ของ Perplexity และ AutomationBench ของ Zapier ด้วยต้นทุนต่องานต่ำกว่าโมเดลภายนอกที่ดีที่สุดเป็นอันดับถัดไปกว่า 2 เท่า และมีราคาอยู่ที่ 2 ดอลลาร์ต่อล้านโทเคนอินพุต และ 10 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ซึ่งเป็นราคาเปิดตัวเดียวกับ Argon Google ยังได้พรีวิว /swarm ใน Google Antigravity ซึ่งเปลี่ยนพรอมป์เดียวให้กลายเป็นทีมเอเจนต์ที่ทำงานประสานกัน และรายงานว่า Carbon สามารถบล็อกเส้นทางการโจมตีได้ 99% ในการทดสอบจำลองการโจมตีทางไซเบอร์
ทำไมเรื่องนี้สำคัญ: บันทึกการเปิดตัวของ Google อธิบายว่า Gemini 4 Carbon แลกกับการใช้โทเคนที่สูงขึ้นเพื่อการให้เหตุผลที่ลึกขึ้น โดยครองอันดับ 1 บน CursorBench 4.0, WANDR และ AutomationBench ด้วยต้นทุนต่องานต่ำกว่าครึ่งหนึ่งของโมเดลภายนอกอันดับถัดไป
Meta เปิดตัว Muse Ember โมเดลที่เล็กที่สุดและมีประสิทธิภาพที่สุด มุ่งเป้าไปที่งานซ้ำๆ ที่เอเจนต์ทำตลอดทั้งวัน เช่น การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การกำหนดเส้นทาง การสกัดข้อมูล และการแยกวิเคราะห์เอกสารยาว Meta กล่าวว่าโมเดลนี้ทำคะแนนได้เท่ากับคะแนนดีที่สุดของ Claude Haiku 5.5 ในต้นทุนประมาณหนึ่งในสาม และเอาชนะการตั้งค่าทุกแบบของ GPT-6 Luna ด้วยราคา $0.10 ต่อล้านโทเค็นอินพุต และ $0.50 ต่อล้านโทเค็นเอาต์พุต มาพร้อมหน้าต่างบริบท 1M โทเค็น เอาต์พุตสูงสุด 512K โทเค็น รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอแบบเนทีฟ และพร้อมใช้งานวันนี้บน Muse Code และ Meta Model API ในชื่อ muse-ember-1.0
ทำไมเรื่องนี้สำคัญ: โมเดลที่เล็กที่สุดของ Meta มุ่งเป้าไปที่ขั้นตอนเอเจนต์ที่มีปริมาณสูง และการเปรียบเทียบต้นทุนต่องานกับ Claude Haiku 5.5 และ GPT-6 Luna แสดงให้เห็นที่มาของข้ออ้างเรื่องประสิทธิภาพ
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
) 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%
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
ฟีเจอร์ code layers ของ Figma เปิดให้ทดสอบแบบ open beta สำหรับผู้ใช้ 100% แล้ว ทำให้ทีมสามารถสร้างและเปรียบเทียบต้นแบบที่หนุนด้วยโค้ดได้โดยตรงบนแคนวาสของ Figma วิดีโอสาธิตแสดงให้นักออกแบบโคลนรีโพซิทอรี GitHub ลงใน code layer สั่งให้เอเจนต์ของ Figma สร้างตัวแปรที่อยู่จัดส่งสามแบบเคียงกัน และปรับแต่งหนึ่งในนั้นในตัวแก้ไขโค้ดแบบเต็มหน้าจอ ฟีเจอร์ Extract designs เปลี่ยนหน้าจอหรือโฟลว์ที่บันทึกไว้ให้เป็นเลเยอร์ดีไซน์ที่แก้ไขได้ ซึ่งสามารถส่งกลับไปยังต้นแบบด้วย Update code layer และเอเจนต์ยังสามารถรวม code layers ของเพื่อนร่วมทีมสองคนเข้าด้วยกันเป็นประสบการณ์เดียวได้
Microsoft Research Focus Edition #97 นำเสนอ ForkPilot ซึ่งเป็นกรอบงานเอเจนต์ที่พัฒนาตนเองได้ โดยทำผลงานได้เทียบเท่าวิธีการที่ดีที่สุดที่มีอยู่ พร้อมลดความต้องการในการประมวลผล AI ลงได้ถึง 59% ในหกเกณฑ์มาตรฐาน ฉบับนี้ยังครอบคลุม CABRA กรอบงานที่แสดงให้เห็นว่าเอเจนต์เขียนโค้ดยังคงเข้าใจฐานโค้ดที่ไม่คุ้นเคยได้ยาก และ TeleTune ซึ่งเรียนรู้ทักษะที่นำกลับมาใช้ซ้ำได้จากบันทึกกิจกรรมของผู้ใช้ นอกจากนี้ยังตรวจสอบกิจกรรมใน Copilot Chat ซึ่งการแก้ไขเอกสารมีสัดส่วนเกิน 20% ของกิจกรรมที่จำแนกได้
Meta ได้ย้าย Catching JiTTests ซึ่งเป็นแนวทางการสร้างชุดทดสอบแบบทันที (just-in-time) ด้วย LLM ของบริษัท จากต้นแบบงานวิจัยสู่โครงสร้างพื้นฐานโปรดักชัน และเผยแพร่ผลลัพธ์ในบทความ FSE 2026 เรื่อง "Just-in-Time Catching Test Generation at Meta" ระบบนี้ทำงานข้ามคืนโดยใช้กำลังประมวลผลสำรอง มุ่งเป้าที่ diff ที่มีความเสี่ยง สร้างชุดทดสอบผ่านเวิร์กโฟลว์ dodgy-diff และ intent-aware และกรองผลบวกลวงด้วยชุด LLM-as-Judge และตัวประเมิน RubFake แบบอิงกฎ ก่อนส่งถึงวิศวกร ณ เวลาที่เขียน มีวิศวกร 589 คน (64% ของผู้ที่ติดต่อ) มีส่วนร่วมกับผลลัพธ์ ซึ่งแสดงอัตราผลบวกจริง 60% และในครึ่งแรกของปี 2026 ระบบตรวจพบบั๊กความเป็นส่วนตัวร้ายแรง 74 รายการในขั้นตอน diff และลด privacy SEV ลง 20%
Mistral AI เปิดตัวน้ำหนักเปิดของ Mistral Large 4 (Le Chonk) โมเดลมัลติโมดัลโดยกำเนิดขนาด 1 ล้านล้านพารามิเตอร์ ซึ่งเข้าสู่การพรีวิวสาธารณะเมื่อต้นเดือนนี้และถูกฝึกตั้งแต่เริ่มต้นในยุโรป บริษัทกล่าวว่าการเรียนรู้แบบเสริมกำลังเพิ่มเติมอีกสามสัปดาห์ยกระดับโมเดลขึ้นสู่จุดสูงสุดของการเขียนโค้ดแบบน้ำหนักเปิด โดยได้ 41% บน Terminal-Bench 4.0 และ 48% บน Artificial Analysis Coding Agent Index ขณะใช้โทเค็นต่องานน้อยกว่า GLM-5.3 ถึง 47% โดยเพิ่มโหมดการให้เหตุผลระดับต่ำ กลาง และสูง ได้ 51% บน Artificial Analysis Cyber Index และมีราคาอยู่ที่ 0.70 ดอลลาร์สำหรับอินพุต 0.07 ดอลลาร์สำหรับอินพุตแคช และ 2.10 ดอลลาร์สำหรับเอาต์พุตต่อล้านโทเค็นภายใต้สัญญาอนุญาต MIT ที่ดัดแปลง
ทำไมเรื่องนี้สำคัญ: Mistral เปิดน้ำหนักของเรือธงขนาด 1 ล้านล้านพารามิเตอร์ โดยผสานความก้าวหน้าด้านเกณฑ์มาตรฐานการเขียนโค้ดและความมั่นคงปลอดภัยเชิงป้องกันเข้ากับโหมดการให้เหตุผลสามโหมดและราคาต่อโทเค็น
Google DeepMind ประกาศเปิดตัว Gemini 4 Carbon โมเดลที่แข็งแกร่งที่สุดของบริษัทจนถึงปัจจุบัน พร้อมความสามารถด้านความปลอดภัยไซเบอร์และงานระยะยาวระดับสูงสุด โดยครองอันดับ 1 บนดัชนี Artificial Analysis Intelligence Index v5.0 ด้วยคะแนน 59 ทำคะแนนได้ 88.2% บน SEC-bench Pro สำหรับการค้นหาช่องโหว่ 54.8% บน ExploitGym สำหรับการโจมตี และ 71.0% บน CWE-bench สำหรับการแพตช์ และขึ้นถึงอันดับ 4 (1768) บน WebDev Arena Carbon เปิดตัวในราคาแนะนำเดียวกับ Argon คือ 2 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 10 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต และจะเปิดให้ผู้ป้องกันไซเบอร์บางส่วนเข้าถึงก่อนผ่าน Fairwind Program ก่อนการเปิดตัวในวงกว้าง
ทำไมเรื่องนี้สำคัญ: ผลการทดสอบของ Gemini 4 Carbon ด้านการค้นหาช่องโหว่และการแพตช์แสดงให้เห็นว่าโมเดลระดับแนวหน้ากำลังถูกวางตำแหน่งสำหรับงานป้องกันความปลอดภัยไซเบอร์อย่างไร
Replit เปิดตัว Cloud Agents สำหรับรีโพซิทอรีที่มีอยู่แล้ว ทำให้ทุกคนในทีมสามารถอธิบายการเปลี่ยนแปลงด้วยภาษาธรรมชาติ แล้วให้เอเจนต์เปิด pull request ที่ผ่านการทดสอบใน GitHub หรือ GitLab โดยเปิดให้ลูกค้า Pro และ Enterprise ทุกคนใช้งาน เอเจนต์รันแต่ละการเปลี่ยนแปลงในแซนด์บ็อกซ์คลาวด์แบบแยกส่วน คลิกผ่านแอปที่กำลังรัน และแนบภาพหน้าจอและวิดีโอไปกับ PR ขณะที่สภาพแวดล้อมที่แชร์ร่วมกันมอบการตั้งค่าที่กำหนดไว้ล่วงหน้าให้ผู้ร่วมสมทบทุกคน ซึ่งอัปเดตจากสาขาหลัก นอกจากนี้ Replit ยังเปิดตัวหน่วยความจำเวิร์กสเปซที่พัฒนาตนเองได้ในระยะearly access ซึ่งเปลี่ยนความคิดเห็นจากการรีวิวเป็นทักษะของทีมที่วิศวกรอนุมัติ และการผสานรวมกับ Slack ที่ให้ผู้ใช้กล่าวถึง @Replit ในเธรดเพื่อเริ่มการเปลี่ยนแปลง
ทำไมเรื่องนี้สำคัญ: Replit เชื่อมต่อ Cloud Agents เข้ากับโค้ดเบสที่มีอยู่ขององค์กร ให้บุคลากรที่ไม่ใช่วิศวกรส่งการเปลี่ยนแปลงในรูปแบบ PR พร้อมวิดีโอทดสอบ แสดงให้เห็นเส้นทางหนึ่งที่เครื่องมือเขียนโค้ด AI ขยายไปสู่กระบวนการทำงานร่วมกันของทีม
Java Champions สามคนที่มีประสบการณ์ Java กว่า 10 ปี ต่างแบ่งปันวิธีที่พวกเขาใช้ GitHub Copilot ในงานโปรดักชันและงานโอเพนซอร์ส Vlad Mihalcea สร้างเว็บแอป Hypersistence Optimizer ได้ในสองวันแทนที่จะใช้เวลาหลายสัปดาห์ และสร้างสกิลที่กำหนดเองซึ่งฝึกจากบทความ 65 ชิ้นของเขาเพื่อให้ตรงกับสไตล์การเขียนของเขา Patrick Baumgartner ย้ายสไลด์การสอนประมาณ 900 สไลด์จาก 15 งานนำเสนอจาก Reveal.js ไปยัง Marp ด้วย Copilot โดยตรวจสอบผลลัพธ์ผ่านการเปรียบเทียบภาพหน้าจอ
ตอนนี้สามารถเปิดเซสชันแอป GitHub Copilot ได้โดยตรงใน VS Code โดยถ่ายโอนบทสนทนา การเปลี่ยนแปลงโค้ด และ worktree มาด้วย เพื่อให้นักพัฒนาสามารถตรวจสอบ diff แก้ไขด้วยตนเอง และทดสอบในเครื่องได้โดยไม่ต้องเริ่มใหม่ บทแนะนำนี้อธิบายขั้นตอนการเปิดเซสชัน การตรวจสอบการเปลี่ยนแปลงของเอเจนต์ทีละบรรทัด การสนทนาต่อในแถบด้านข้าง Copilot และการพุชอัปเดตไปยัง pull request ของเซสชัน
MiniMax เปิดตัว MiniMax M3.1 Flash อย่างเป็นทางการ ซึ่งเป็นโมเดล Flash เจเนอเรชันถัดไปที่บริษัทระบุว่าช่วยลดต้นทุนการใช้งานลง 70% เมื่อเทียบกับรุ่นก่อนหน้า และทำให้การอนุมานออนไลน์เร็วขึ้นเกือบสามเท่า บริษัทรายงานผล 73.7% บน DeepSWE v1.1, 76.2 บน BankerToolBench, 61.7 บน OSWorld V2, 29.6 บน Agents' Last Exam และ 82% บน CyberGym โดยมีความเร็วเอาต์พุต 200+ TPS และค่ามัธยฐาน 170+ TPS ราคาอยู่ที่ $0.15 ต่อ 1M โทเคนอินพุต, $0.60 ต่อ 1M โทเคนเอาต์พุต และ $0.015 ต่อ 1M โทเคนอินพุตที่แคชไว้ และโมเดลนี้พร้อมใช้งานผ่าน MiniMax API, M Plan และ MiniMax Code โดยจะเปิดเผยน้ำหนักโมเดลในภายหลัง
ทำไมเรื่องนี้สำคัญ: โมเดล Flash ของ MiniMax อ้างคะแนนด้านเอเจนต์และการเขียนโค้ดระดับสูงสุดในราคา $0.15 ต่อ 1M โทเคนอินพุต ซึ่งเป็นข้อมูลเชิงประจักษ์ด้านต้นทุนของงานเวิร์กโหลดเอเจนต์
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
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
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
Lat Ware วิศวกรของ Vapi ทบทวนแนวปฏิบัติในการสร้าง Pedantic Review Bot ขึ้นเอง โดยปัจจุบันบอตนี้ตรวจสอบทุก PR ทำให้เวลา merge เฉลี่ยลดจาก 130 ชั่วโมงเหลือ 65 ชั่วโมง
Meta เปิดตัวซีรีส์ Muse Wonder ซึ่งประกอบด้วย Muse Wonder และ Muse Wonder Full โดยระบุว่ามอบประสิทธิภาพระดับ state-of-the-art ในงานเอเจนต์ส่วนบุคคลและมืออาชีพ หน่วยความจำ และการเขียนโค้ด Muse Wonder ใช้งานได้แล้ววันนี้ผ่าน Meta Model API และ Muse Code ขณะที่ Muse Wonder Full ใช้งานได้แล้ววันนี้สำหรับสมาชิก Muse Code โมเดลทั้งสองจับคู่ Active Memory ซึ่งเก็บบริบทข้ามบทสนทนาและดึงรายละเอียดที่เกี่ยวข้องกับงาน เข้ากับ Active Focus ซึ่งรักษาการทำงานต่อเนื่องกับเป้าหมายระยะยาวและตรวจสอบก่อนดำเนินการสำคัญ Meta ระบุว่าทั้งสองถูกฝึกที่ศูนย์ข้อมูล Prometheus ขนาดกิกะวัตต์ของบริษัท
ทำไมเรื่องนี้สำคัญ: ซีรีส์ Muse Wonder ของ Meta อ้างผลลัพธ์ระดับ state-of-the-art ใน benchmark ด้านเอเจนต์ หน่วยความจำ และการเขียนโค้ด โดยมี Active Memory และ Active Focus เป็นสองความสามารถหลักที่สร้างขึ้นมา
Mistral ได้เปิดตัวพรีวิวสาธารณะของ Mistral Large 4 โมเดลมัลติโมดัลโดยกำเนิดขนาด 1 ล้านล้านพารามิเตอร์ ที่มีพารามิเตอร์ที่ใช้งานจริง 52 พันล้านพารามิเตอร์ พร้อมใช้งานแล้วผ่าน Mistral Studio API Mistral ระบุว่าโมเดลนี้สามารถแข่งขันกับโมเดลโอเพนซอร์สที่แข็งแกร่งที่สุด และมีประสิทธิภาพเหนือกว่าโมเดลน้ำหนักเปิดอื่นๆ จากสหรัฐฯ และยุโรป โดยได้คะแนน 82% ในการทดสอบการจำลองช่องโหว่และการแพตช์ของ Artificial Analysis Cyber Index และ 49.8% ใน Coding Agent Index แบบรวม เวตมีกำหนดจะเปิดตัวภายในสิ้นเดือนนี้ หลังจากผ่านการทดสอบเรดทีมกับพันธมิตรด้านความปลอดภัยไซเบอร์และหน่วยงานที่เกี่ยวข้อง Mistral ระบุว่าโมเดลนี้ได้รับการฝึกฝนตั้งแต่เริ่มต้นบน GPU NVIDIA Grace Blackwell จำนวน 3,800 ตัวในศูนย์ข้อมูลของบริษัทในยุโรป
ทำไมเรื่องนี้สำคัญ: โมเดลที่ใหญ่ที่สุดของ Mistral จนถึงปัจจุบันอ้างความเป็นผู้นำด้านน้ำหนักเปิดในด้านความปลอดภัยไซเบอร์และการเขียนโค้ดแบบเอเจนต์ โดยสัญญาว่าจะปล่อยเวตภายในสิ้นเดือนนี้
GitHub เปิดตัว ReviewBench ซึ่งเป็นเบนช์มาร์กแบบเปิดสำหรับเอเจนต์รีวิวโค้ดด้วย AI สร้างจาก pull request สาธารณะ 219 รายการใน 19 ภาษา โดยมีการกระจายของภาษาและขนาดรีโพซิทอรีที่จำลองตาม pull request บน GitHub จำนวน 103.9 ล้านรายการ ชุด golden set รวบรวมข้อค้นพบจากผู้รีวิวที่เป็นมนุษย์ คอมมิตติดตามผลของผู้เขียน การวิเคราะห์แบบ static และ LLM ชั้นนำหลายตัว โดยให้ Claude Sonnet 5 เป็นผู้ให้คะแนนภายใต้ rubric ที่เผยแพร่ และวิศวกรอาวุโสได้ติดป้ายกำกับข้อค้นพบทุกข้อใหม่โดยอิสระด้วยความสอดคล้อง 96.6% GitHub ระบุว่าการประเมินแบบออฟไลน์ของการรีวิวโค้ดด้วย Copilot ของตนคาดการณ์ทิศทางของการทดสอบ A/B ในการใช้งานจริงได้ โดยอัตราการแก้ไขเพิ่มขึ้น 8.0% recall เพิ่มขึ้น 13.6% และต้นทุนต่อการรีวิวลดลง 8.0%
GitHub Blog ระบุทักษะสามอย่างที่นักพัฒนาควรเสริมสร้างเมื่อ AI เปลี่ยนแปลงงานของพวกเขา ได้แก่ การกำกับ AI agent ไม่ใช่แค่ใช้งาน การตรวจสอบผลลัพธ์ของ AI อย่างมีวิจารณญาณแทนที่จะเชื่อคำตอบแรก และการใช้เวลาที่ประหยัดได้จาก AI ไปจัดการกับปัญหาที่กว้างขึ้น โดยอ้างถึง Rubber Duck agent ที่มีมาใน GitHub Copilot ซึ่งใช้โมเดลที่สองในการวิพากษ์แผน โค้ด และการทดสอบก่อนที่นักพัฒนาจะดำเนินการต่อ
Factory ได้เปิดให้ใช้งาน Automations ทั่วไปแล้ว ช่วยให้ทีมสามารถอธิบายเวิร์กโฟลว์ที่เกิดซ้ำและให้ Droid รันตามกำหนดการหรือทริกเกอร์เหตุการณ์ แต่ละระบบอัตโนมัติประกอบด้วยทริกเกอร์ (กำหนดการ, Slack, GitHub หรือ webhook), คำแนะนำ, โมเดลและระดับการให้เหตุผลที่ผู้ใช้เลือก และเครื่องที่สามารถเป็นแบบโลคอล, เชื่อมต่อ หรือ Droid Computer ที่ Factory จัดการ Factory กล่าวว่า 52% ของผู้ใช้ระดับองค์กรได้รันการตรวจสอบโค้ดอัตโนมัติใน 30 วันที่ผ่านมา, 48% ใช้การตรวจสอบความปลอดภัย, 35% ใช้ AutoWiki และปริมาณเซสชันระบบอัตโนมัติเติบโต 51% เมื่อเทียบกับ 30 วันก่อนหน้า
ทำไมเรื่องนี้สำคัญ: Factory เปิดให้ใช้งาน Automations ทั่วไปแล้ว แสดงให้เห็นว่าเวิร์กโฟลว์ทางวิศวกรรมที่เกิดซ้ำใดที่องค์กรต่างๆ มอบให้ Droid จริง และการเลือกโมเดลและเครื่องทำงานอย่างไรต่องาน
Anthropic เปิดตัว Claude Sonnet 5.5 โมเดลที่สองในตระกูล Claude 5.5 ต่อจาก Opus 5.5 ซึ่งบริษัทระบุว่าเก่งกว่า มีประสิทธิภาพกว่า และเร็วกว่า Sonnet 5 ถึง 30% ในราคาต่อโทเคนเท่าเดิม เนื่องจากโดยทั่วไปใช้โทเคนต่องานน้อยลง Anthropic ระบุว่างานส่วนใหญ่มีค่าใช้จ่ายลดลงถึง 30% และโมเดลนี้มาพร้อมหน้าต่างบริบท 1M โทเคนแบบเนทีฟ เอาต์พุตสูงสุด 128k และเปิดโหมดคิดเป็นค่าเริ่มต้น คู่มือการเปิดตัวระบุการเปลี่ยนแปลงที่อาจกระทบผู้ใช้ Sonnet 5 รวมถึงการแทนที่ disabled thinking ด้วยการตั้งค่า between_tools การเปลี่ยน forced tool_choice เป็น auto พร้อม strict tools และการย้าย computer use ไปยังชุดเครื่องมือ computer_toolset_20260801
ทำไมเรื่องนี้สำคัญ: Sonnet 5.5 ของ Anthropic คงราคาแบบ Sonnet 5 ไว้ while ลดการใช้โทเคนต่องาน และบันทึกการย้ายระบบแสดงสิ่งที่เปลี่ยนแปลงสำหรับทีมที่สร้างบน Sonnet 5 อยู่แล้ว
MiniMax เปิดตัว M3 โมเดลน้ำหนักเปิดที่บริษัทกล่าวว่าเป็นตัวแรกที่รวมความสามารถด้านการเขียนโค้ดระดับแนวหน้าและประสิทธิภาพแบบเอเจนต์ หน้าต่างบริบท 1M โทเคน และการรับข้อมูลภาพและวิดีโอแบบเนทีฟ M3 ใช้สถาปัตยกรรม MSA sparse attention ใหม่ของ MiniMax ซึ่งบริษัทรายงานว่าลดการคำนวณต่อโทเคนที่บริบท 1M เหลือ 1/20 ของรุ่นก่อนหน้า และเร่ง prefill ได้มากกว่า 9 เท่าและการถอดรหัสมากกว่า 15 เท่า ทำคะแนนได้ 59.0% บน SWE-Bench Pro, 66.0% บน Terminal-Bench 2.1 และ 74.2% บน MCP Atlas และพร้อมใช้งานผ่าน MiniMax Code, Token Plan และ API โดยสัญญาว่าจะเปิดน้ำหนักและรายงานทางเทคนิคภายใน 10 วัน
ทำไมเรื่องนี้สำคัญ: MiniMax M3 รวมบริบท 1M โทเคน คะแนนการเขียนโค้ดระดับแนวหน้าและแบบเอเจนต์ และการรับข้อมูลภาพและวิดีโอแบบเนทีฟไว้ในโมเดลน้ำหนักเปิดเดียว โดย MSA ลดการคำนวณต่อโทเคนที่บริบทยาว
OpenAI เปิดตัวปลั๊กอิน Developers ที่ให้ ChatGPT และ Codex เข้าถึง OpenAI API Platform และคำแนะนำการตั้งค่า API โดยมีการปรับใช้สำหรับ Claude Code และ Cursor ที่รวมทักษะนักพัฒนาแบบพกพาและเซิร์ฟเวอร์ OpenAI Docs MCP สาธารณะ ครอบคลุมการตั้งค่า API key การสร้างแอปด้วย Agents SDK การย้าย API ไปยัง Responses API และการแก้ไขปัญหาความล้มเหลวของ API ที่พบบ่อย
Factory สร้าง benchmark โอเพนซอร์สทดสอบโมเดล 13 ตัวกับ pull request จริง 50 รายการจาก Sentry, Grafana, Keycloak, Discourse และ Cal.com โดยแต่ละโมเดลรีวิวทุก PR อย่างน้อยสามครั้งด้วย high reasoning effort และ LLM judge ให้คะแนนสิ่งที่พบเทียบกับ golden set ที่มนุษย์คัดสรร GPT-5.2 นำที่ 60.5% F1 ในราคา $1.25 ต่อ PR เหนือกว่า Claude Opus 4.6 ที่ 59.8% F1 และ $3.11 ต่อ PR ขณะที่ MiniMax M2.7 ทำได้ 45.6% F1 ในราคา $0.15 ต่อ PR และ Kimi K2.5 ได้ 51.9% F1 ที่ $0.41 Factory ระบุว่าต้นทุนอธิบายความแปรปรวนของคุณภาพได้เพียงราว 21% และได้เปิดโอเพนซอร์ส golden set, สคริปต์ประเมิน และ Droid Action GitHub Action ที่รองรับทั้ง 13 โมเดล
OpenAI เผยแพร่ภาพรวมการอัปเดตแอป Codex ครั้งใหม่ ซึ่งมุ่งเน้นการทำงานข้ามเครื่องมือ แอป ระบบอัตโนมัติ และเวิร์กโฟลว์อื่นๆ ของนักพัฒนา เนื้อหาดังกล่าวเป็นเพียงบทสรุปสั้นๆ จึงไม่ได้ระบุรายละเอียดเกี่ยวกับฟีเจอร์เฉพาะ เวอร์ชัน และความพร้อมใช้งาน
ทำไมเรื่องนี้สำคัญ: OpenAI สรุปการอัปเดตแอป Codex ที่ขยาย coding agent ไปสู่เครื่องมือ แอป และระบบอัตโนมัติ แสดงให้เห็นว่าขอบเขตการทำงานกำลังกว้างขึ้นเกินกว่าการสร้างโค้ด
OpenAI เปิดตัวคู่มือการเขียนพรอมต์ Codex สำหรับนักพัฒนาที่เรียกใช้โมเดล gpt-5.3-codex ซึ่งปรับแต่งสำหรับ Codex โดยตรงผ่าน API แนะนำให้ใช้ความพยายามในการคิดระดับปานกลางสำหรับการเขียนโค้ดแบบโต้ตอบ และระดับสูงหรือ xhigh สำหรับงานที่ยากที่สุด คู่มือครอบคลุมการย้ายฮาร์เนสที่มีอยู่ไปยัง codex-cli โอเพนซอร์ส รวมถึงพรอมต์มาตรฐาน Codex-Max เครื่องมือ apply_patch, shell_command และ update_plan และการบีบอัดข้อมูลแบบ first-class ผ่าน /compact ใน Responses API สำหรับเซสชันที่ใช้เวลาหลายชั่วโมง นอกจากนี้ยังอธิบายฟิลด์ phase ใหม่ ซึ่งรองรับเฉพาะบน gpt-5.3-codex โดยทำเครื่องหมายรายการของผู้ช่วยเป็น commentary หรือ final_answer และต้องเก็บรักษาไว้ในประวัติเพื่อหลีกเลี่ยงประสิทธิภาพที่ลดลง
ทำไมเรื่องนี้สำคัญ: คู่มืออย่างเป็นทางการของ OpenAI อธิบายรายละเอียดวิธีการปรับพรอมต์ เครื่องมือ และการบีบอัดข้อมูลสำหรับ gpt-5.3-codex มอบเส้นทางการย้ายที่ชัดเจนให้ทีมต่างๆ สำหรับเอเจนต์เขียนโค้ดของตนเอง
Ramp สร้าง Ramp Inspect เอเจนต์เขียนโค้ดเบื้องหลังภายในที่ทำงานบน Modal Sandboxes และตอนนี้มันเริ่มต้น pull request ที่ถูก merge แล้วประมาณครึ่งหนึ่งในรีโป frontend และ backend ของ Ramp แต่ละเซสชันบูตสภาพแวดล้อม full-stack ที่มี Postgres, Redis, Temporal และ RabbitMQ ภายในไม่กี่วินาที เพราะ cron job ของ Modal โคลนรีโปและบันทึกสแนปช็อตของระบบไฟล์ทุก 30 นาที Modal Functions, Dicts และ Queues จัดการการสร้างสแนปช็อต ล็อกเซสชัน และการกำหนดเส้นทางพรอมป์ต์ ทำให้ Inspect รองรับเซสชันแบบหลายคนและเซสชันที่ทำงานพร้อมกันหลายร้อยเซสชันโดยไม่มีเซสชันใดส่งผลกระทบต่อกัน
Modal เปิดตัว endpoint ที่รองรับ OpenAI API ของ GLM-5 แบบฟรี ใช้งานได้ถึงสิ้นเดือนเมษายน จำกัดการร้องขอแบบทีละ concurrence พร้อมเผยแพร่โค้ดที่ทำซ้ำได้สำหรับการติดตั้งใช้งานด้วย SGLang บนโหนดเดียวกับการ์ด B200 จำนวน 8 ใบ
ทำไมเรื่องนี้สำคัญ: Modal ให้บริการ endpoint ที่รองรับ OpenAI สำหรับ GLM-5 ของ Z.ai แบบฟรี พร้อมระบุการตั้งค่าเฉพาะสำหรับการเชื่อมต่อใน OpenCode, OpenClaw, Claude Code และ Vercel AI SDK
OpenAI เปิดตัวแอป Codex ซึ่งเป็นแอปเฉพาะสำหรับ Codex coding agent ของบริษัท ในโพสต์บล็อกนักพัฒนาอย่างเป็นทางการ โพสต์ดังกล่าวเป็นการแนะนำแบบพาทัวร์ครอบคลุมแอปและเวิร์กโฟลว์หลัก โดยวิดีโอฉบับเต็มโฮสต์อยู่บน YouTube
ทำไมเรื่องนี้สำคัญ: คำแนะนำอย่างเป็นทางการของ OpenAI แสดงให้เห็นว่าแอป Codex จัดโครงสร้างเวิร์กโฟลว์การเขียนโค้ดหลักอย่างไร ซึ่งเป็นประโยชน์สำหรับนักพัฒนาที่กำลังชั่งน้ำหนักเทียบกับ coding agent ที่มีอยู่