Neil Kakkar วิศวกรซอฟต์แวร์รายงานว่าส่ง pull request กว่า 200 รายการต่อเดือนที่ Tano สตาร์ทอัพแบบ AI-native ซึ่งมากกว่าอัตราที่ PostHog ประมาณ 11 เท่า และมากกว่าผลงานช่วงก่อนหน้าประมาณสิบเท่า เขาให้เหตุผลว่าการเพิ่มขึ้นนี้มาจาก AI agents ที่เข้ามาแทนที่การรีวิวโค้ดและภาระการสื่อสาร พร้อมชี้ให้เห็นต้นทุนใหม่ๆ เช่น context thrashing การสูญเสีย shared context และข้อจำกัดของแผน AI
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%
Titus Winters ผู้เขียนหลักของ Software Engineering at Google พูดคุยในพอดแคสต์ The Pragmatic Engineer ถึงวิธีที่วิศวกรราวสิบคน Refactor ฐานโค้ด C++ ของ Google ซึ่งมีประมาณ 250 ล้านบรรทัดในปี 2010 โดยใช้การแยกวิเคราะห์ การจับคู่ และการสร้างโค้ด ก่อนที่ LLM จะมีขึ้นเสียนาน เขายังอธิบายว่าเหตุใด Google จึงบังคับใช้การทดสอบอัตโนมัติหลังจาก Search ตกไปอยู่รอบการออกรายไตรมาส และเหตุใด他现在จึงโต้แย้งว่าหลักสูตรวิทยาการคอมพิวเตอร์ส่วนใหญ่ในปัจจุบันควรถูกสร้างใหม่
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
Gemini 4 Carbon ของ Google ขึ้นเป็นอันดับ 5 ใหม่ใน Artificial Analysis Coding Agent Index 5 (สูงสุด 62) และนำใน 4 จาก 9 การประเมินของ Index รวมถึง HLE-Diamond และ Terminal-Bench-Science 1 เพิ่มจาก 4% เป็น 11%; โมเดลกำลังทยอยเปิดให้ผู้ใช้บางกลุ่ม และยังไม่เปิดให้ใช้งานทั่วไป
ทำไมเรื่องนี้สำคัญ: Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 ที่ 59 และตามหลัง Claude Opus 5.5 อยู่ 3 คะแนนใน Coding Agent Index พร้อมตัวเลขต้นทุนต่องานและอัตราการสร้างข้อมูลเท็จเพื่อการเปรียบเทียบ
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
Epoch AI ทดสอบโมเดลชั้นนำหกตัวบนงานจริงของ Epoch จำนวน 11 งาน และพบว่าไม่มีตัวใดผ่านเกณฑ์คุณภาพได้อย่างน่าเชื่อถือ โดย Claude Fable 5.1 และ GPT-6 Astra อยู่ในระดับใกล้เคียงกันเป็นผู้นำ ส่วน SpireClimb benchmark ใหม่แสดงให้เห็นว่าโมเดลชายแดนพัฒนาจากที่เคยเล่น Slay the Spire ได้อย่างยากลำบาก มาสู่การชนะมากกว่า 90% ของรอบระดับความยากพื้นฐานภายในหกเดือน โดย GPT-6 Astra อยู่ที่ 98% ขณะที่ Gemini 4 Argon ทำคะแนนได้ 166 บน Epoch Capabilities Index เท่ากับ Claude Fable 5.1 และตามหลัง Claude Opus 5.5 และ GPT-6 Astra ที่ 169
Claude Opus 5.5 และ Claude Sonnet 5.5 ของ Anthropic พร้อมใช้งานอย่างเป็นทางการใน Google Antigravity แล้ว ครอบคลุม Antigravity 2.0 Desktop, CLI และส่วนขยาย IDE สำหรับ VS Code, JetBrains และ Visual Studio โดย Opus 5.5 มุ่งเน้นงานให้เหตุผลหนักและการรีแฟกเตอร์สถาปัตยกรรมหลายไฟล์ ส่วน Sonnet 5.5 เป็นตัวเลือกที่เร็วกว่าและต้นทุนต่ำกว่าสำหรับการเขียนโค้ดในชีวิตประจำวัน นักพัฒนาสามารถสลับโมเดลกลางเซสชันได้ผ่านดรอปดาวน์หรือ /model claude-opus-5-5 ใน CLI โดยไม่สูญเสียบริบท สถานะเทอร์มินัล หรืออาร์ติแฟกต์ของเวิร์กสเปซ และผู้ดูแลระบบเปิดใช้งานโมเดลและตั้งวงเงินการใช้จ่ายได้ใน Google Cloud Console ภายใต้ Gemini Enterprise
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
Codex ของ OpenAI ซึ่งเคยเป็นความพยายามบนคลาวด์ที่กระจัดกระจายและไม่สามารถหาจุดพอดีระหว่างผลิตภัณฑ์กับตลาดได้ กลายเป็นศูนย์กลางของการกลับมาครั้งสำคัญของบริษัทในด้าน AI Coding หลังจากเปลี่ยนทิศทางมาสู่เวอร์ชันเทอร์มินัลและโค้ดเอดิเตอร์ ในการทดสอบช่วงฤดูร้อนปี 2025 GPT-5 ภายใน Codex รู้สึกเร็วแต่ระมัดระวังเกินไปเมื่อเทียบกับ Claude Code ของ Anthropic ซึ่งเปิดให้ผู้ใช้มอบหมายงานทั้งหมดให้ Opus 4 และปล่อยวางได้
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
นักเขียนที่ไม่ใช่นักเทคนิคเขียนโค้ดแบบ vibe สร้าง Tastemaker แอปที่สร้างคู่มือสไตล์การเขียน และเพิ่ม MCP connector เพื่อให้เอเจนต์อย่าง Claude Code และ Codex ดึงคู่มือสไตล์ได้โดยตรง หลังการดีพลอย GPT-5.6 Sol พบว่า connector ที่ใช้งานจริงมีเส้นทางการลงทะเบียนแบบสาธารณะที่ใครก็สามารถเดินผ่านได้ ไม่พบหลักฐานการเข้าถึงข้อมูล และ connector ถูกปิดการใช้งาน
Ethan Mollick เผยแพร่คู่มือฉบับมีความเห็นชัดเจน โดยระบุว่าการใช้ AI ในปัจจุบันหมายถึงการรันระบบเอเจนต์ที่ผสานโมเดลเข้ากับเครื่องมือ ไม่ใช่แค่การแชทกับแชทบอท เขาแนะนำ ChatGPT (โหมด Work และ Codex) หรือ Claude (โหมด Cowork และ Code) ในราคา $20/เดือนสำหรับงานจริง เริ่มต้นด้วย GPT-5.6 Sol หรือ Fable/Opus ที่ระดับการคิดแบบ High และเปิดการแจ้งเตือนขออนุมัติไว้เพื่อป้องกัน prompt injection เขายังระบุว่า Google ยังไม่มีโมเดล frontier ชั้นนำหรือสิ่งที่เทียบเท่า Codex/Code ในขณะนี้ แม้ว่า Gemini Notebook และ Gemini Omni จะยังมีประโยชน์สำหรับการวิจัยและการตัดต่อวิดีโอ
Kieran Klaassen อธิบายถึง "polish" ขั้นตอนสุดท้ายของเวิร์กโฟลว์ compound engineering ของเขา ซึ่งเขารันแอปด้วยตัวเองและบอกเอเจนต์ว่าอะไรรู้สึกไม่ถูกต้องจนกว่าจะไม่รู้สึกเช่นนั้น โดยใช้คำสั่ง /ce-polish จากปลั๊กอิน compound engineering เขาเช็กเอาต์สาขา เริ่ม dev server และเปิดแอปที่กำลังรันอยู่ข้างเอเจนต์ในเอดิเตอร์ของเขา เขายกตัวอย่างแอนิเมชันการ์ดอีเมลของ Cora ที่ผ่านการตรวจสอบอัตโนมัติและการตรวจสอบโดยเอเจนต์ทั้งหมดแล้ว แต่ยังเลื่อนลงมาจากด้านบนของหน้าจอแทนที่จะเปิดออกจากจุดที่คลิก
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
Marcus Moretti ผู้จัดการทั่วไปของ Spiral บริหารผลิตภัณฑ์ทั้งหมดคนเดียวโดยใช้ Claude Code ซึ่งเขากล่าวว่าช่วยขจัดความน่าเบื่อของงานบริหารผลิตภัณฑ์ ด้วยการย้ายงานจากแอป 10 แอปมาไว้ในเธรดแชทเดียว เอกสารผลิตภัณฑ์เดียวที่เขาเขียนเองคือโรดแมป ซึ่งร่างมาหกเวอร์ชัน ส่วน PRD และตั๋วงานทั้งหมด Claude เป็นคนเขียน
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
Cursor ประกาศว่า Supermaven ผู้ช่วยเขียนโค้ด AI ที่รวดเร็วและเข้าใจบริบท กำลังเข้าร่วมบริษัท โดย Jacob Jackson ผู้สร้าง Supermaven และทีมของเขาจะเข้ามาร่วมงาน Cursor กล่าวว่ามีแผนจะเปิดตัวโมเดล Tab เวอร์ชันใหม่ที่รวดเร็ว เข้าใจบริบท และเก่งเป็นพิเศษในการจัดการกับการแก้ไขขนาดใหญ่ต่อเนื่องกันเป็นลูกโซ่ยาว ขณะที่ปลั๊กอิน Supermaven จะยังคงได้รับการดูแลต่อไปแม้ว่า Cursor จะกลายเป็นโฟกัสหลักของทีม
Cursor ได้พัฒนา shadow workspace ที่ให้ AI ของตนแก้ไขในหน้าต่าง Electron ที่ซ่อนอยู่และอ่านผลลัพธ์ lint กลับมาโดยไม่กระทบเซสชันการแก้ไขของผู้ใช้ โพสต์ดังกล่าวสรุปเป้าหมายการออกแบบด้านความพร้อมใช้งานของ LSP ความเป็นอิสระ ความเป็นส่วนตัว การทำงานพร้อมกัน และความเร็ว และอธิบายว่าทำไมการคัดลอก TextModel หรือการรัน language server แยกต่างหากจึงล้มเหลว นอกจากนี้ยังร่างแนวทาง folder proxy ระดับเคอร์เนลในอนาคตเพื่อความสามารถในการรัน โดยระบุว่า macOS และ Windows ไม่มีเส้นทาง FUSE ที่ใช้งานได้ และการสนับสนุน Rust LSP ในปัจจุบันยังไม่มี
Cursor ระดมทุนซีรีส์ A 60 ล้านดอลลาร์จาก Andreessen Horowitz, Thrive Capital, OpenAI, Jeff Dean, Noam Brown และผู้ก่อตั้ง Stripe, GitHub, Ramp, Perplexity และ OpenAI เครื่องมือเขียนโค้ด AI นี้ระบุว่ามีผู้ใช้เติบโตเกิน 40,000 ราย รวมถึงสตาร์ทอัพ สถาบันวิจัย และองค์กรขนาดใหญ่ และอธิบายถึงระบบภายในสำหรับการคาดการณ์การแก้ไขครั้งถัดไป การค้นคืนข้ามไฟล์หลายพันล้านไฟล์ และการเขียนโค้ดใหม่ด้วย speculative inference
ทำไมเรื่องนี้สำคัญ: ประกาศระดมทุนซีรีส์ A 60 ล้านดอลลาร์ของ Cursor ยังเปิดเผยว่าฐานผู้ใช้เติบโตเกิน 40,000 ราย และระบุชื่อนักลงทุนที่สนับสนุนเครื่องมือเขียนโค้ด AI ของบริษัท