#Agent

Fish Audio เปิดตัว Live 3 โมเดลเสียงแบบฟูลดูเพล็กซ์ที่ตอบสนองใน 186 มิลลิวินาที

Fish Audio เปิดตัว Live 3 โมเดลเสียงแบบฟูลดูเพล็กซ์สำหรับเอเจนต์เสียงแบบเรียลไทม์ ที่ยังคงฟังอยู่ขณะพูด และเรียนรู้การผลัดกันพูดจากบทสนทนาของมนุษย์จริง แทนที่จะใช้กฎไปป์ไลน์ที่ปรับแต่งด้วยมือ Fish Audio กล่าวว่าสามารถตัดสินใจตอบสนองได้ภายในเวลาเพียง 186 มิลลิวินาทีสำหรับการตอบสนองสั้นๆ อย่าง "อืม-ฮึม" แม้ว่าตัวเลขดังกล่าวจะเป็นค่าต่ำสุดสำหรับการตอบสนองเล็กๆ น้อยๆ ไม่ใช่เวลาถึงเสียงแรกสำหรับการตอบกลับเต็มรูปแบบ และยังไม่มีการเผยแพร่คะแนน benchmark ใดๆ Live 3 ทำงานบน Fish Agent Platform (เบต้าสาธารณะ), Fish Audio API และแบบ on-premises สำหรับองค์กร โดยมีราคา 0.035 ดอลลาร์ต่อนาทีจนถึงวันที่ 31 ธันวาคม 2026 เทียบกับราคาปกติ 0.07 ดอลลาร์ และรองรับเฉพาะภาษาอังกฤษเท่านั้น

Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ภายใน 1–2 วันด้วย OpenAI อย่างไร

Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน

Mirendil ระดมทุนซีรีส์ A 1 พันล้านดอลลาร์ นำโดย Kleiner Perkins เพื่อ democratize การวิจัยและพัฒนาด้าน AI

Mirendil ประกาศระดมทุนซีรีส์ A จำนวน 1 พันล้านดอลลาร์ นำโดย Kleiner Perkins และ Clearlake Capital โดยมี Battery Ventures, Google, M13, Pear VC และอื่นๆ เข้าร่วม เพื่อสร้างเครื่องมือที่ทำให้การวิจัยและพัฒนาด้าน AI ชั้นแนวหน้าเข้าถึงได้สำหรับนักวิทยาศาสตร์และวิศวกร บริษัทกล่าวว่านักวิจัยหนึ่งคนที่ทำงานร่วมกับเอเจนต์ได้ pretrain Mirendil-Base ซึ่งเป็นโมเดลเขียนโค้ดที่แข่งขันได้ ตั้งแต่เริ่มต้นภายใน 3.5 เดือนด้วยการใช้คอมพิวต์น้อยกว่า 10 ล้านดอลลาร์ จากนั้น post-train เป็น Fern ซึ่งรองรับบริบทได้ถึง 10 ล้านโทเคน Lor ซึ่งขณะนี้อยู่ในช่วง private beta ช่วยให้เอเจนต์หลายร้อยตัวเขียนโค้ดและรันการทดลองได้ครั้งละหลายวัน และ Mirendil กล่าวว่าบริษัทใช้งาน Lor ทุกวัน

Edge0 เปิดซอร์สโมเดลออนดีไวซ์ Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์

Edge0 เปิดซอร์ส Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์แบบรวมศูนย์และเครื่องมือสำหรับการดีพลอย โดยอ้างว่า Edge0-145B เป็นโมเดลออนดีไวซ์ขนาด 145B พารามิเตอร์ตัวแรกที่เปิดซอร์ส บริษัทรายงานว่ามีหน่วยความจำสูงสุด 29GB, พรีฟิลล์เกิน 1,100 โทเคน/วินาที, ดีโค้ดเกิน 80 โทเคน/วินาที และใช้พลังงานทั่วไปประมาณ 120W บนแล็ปท็อปที่รองรับ โดยมีคอนเท็กซ์ 128K–256K บริษัทอ้างคะแนนภายในที่ 64.6 บน DeepSWE 1.1, 86.52 บน Terminal-Bench 2.1, 90.4 บน GPQA-Diamond และ 80.6 บน IFBench และระบุว่าน้ำหนักโมเดลอยู่บน Hugging Face พร้อมรองรับ macOS, Windows และ Linux ตั้งแต่วันแรก

Muse ของ Meta เริ่มโทรหาธุรกิจในสหรัฐฯ แทนสมาชิกที่ชำระเงิน

Muse เอเจนต์ AI สำหรับผู้บริโภคของ Meta สามารถโทรหาธุรกิจในสหรัฐฯ แทนผู้ใช้ได้แล้ว แต่ฟีเจอร์นี้จำกัดเฉพาะสมาชิกที่ชำระเงินในสหรัฐฯ แพ็กเกจ Muse เริ่มต้นที่ 20 ดอลลาร์ต่อเดือนสำหรับ 500 ล้านโทเคนต่อสัปดาห์ หรือ 100 ดอลลาร์ต่อเดือนสำหรับ 3 พันล้านโทเคน Alexandr Wang ประธานเจ้าหน้าที่ฝ่าย AI ของ Meta กล่าวว่าฟีเจอร์นี้มุ่งเป้าไปที่สายที่ผู้คนไม่อยากโทร เช่น ประกัน เคเบิล DMV หรือการจองร้านอาหาร และตัวเลือกอีเมลアドレスของ Muse จะเปิดให้ผู้ใช้ฟรีในเร็วๆ นี้

คู่มือ GitHub อธิบายวิธีสร้างทักษะเอเจนต์ที่ทำงานข้าม Claude Code, Cursor และ Copilot

GitHub เผยแพร่คู่มือปฏิบัติสำหรับทักษะเอเจนต์ ซึ่งเป็นไดเรกทอรีแบบมีเวอร์ชันที่ศูนย์กลางอยู่ที่ไฟล์ SKILL.md อธิบายว่าเมื่อใดและอย่างไรจึงจะทำงานที่ทำซ้ำได้ คู่มือใช้สองตัวอย่าง คือ Proof Agent สำหรับการตรวจสอบโค้ดที่สร้างโดย AI แบบปรปักษ์ และ Data Forge สำหรับไปป์ไลน์ข้อมูลหลายทักษะ เพื่อแสดงว่าทักษะแชร์แมนิเฟสต์ของโปรเจกต์ ใช้เส้นทางการทำงานเดียวร่วมกัน และวางการอนุมัติจากมนุษย์ในแต่ละระยะ นอกจากนี้ยังอธิบายสคริปต์แพ็กเกจจิงที่สร้างไฟล์เฉพาะไคลเอนต์สำหรับ Claude Code, Cursor และ GitHub Copilot จากแหล่งทักษะเดียว

Show HN: Bugsy – ระบบอัตโนมัติ AI ที่ขับเคลื่อนบริษัทของผม

Bugsy เป็นระบบอัตโนมัติ AI ที่เริ่มต้นจากตัวคัดแยกปัญหา Sentry AI แบบง่าย และตอนนี้ขับเคลื่อนการดำเนินงานประจำวันส่วนใหญ่ของบริษัทที่มีพนักงานราว 20 คน ระบบนี้จัดการการรายงานและแก้ไขบั๊ก การรีวิวโค้ด เมตริก และการตอบคำถาม และเข้าถึงได้จาก Slack ฟอรัมของบริษัท และช่องทางต่างๆ ของบริษัท

เครื่องมือ AI ช่วยผู้ป่วยอุทธรณ์การปฏิเสธเคลมประกันสุขภาพ

TIME รายงานว่าผู้ป่วยกำลังใช้บริการ AI เช่น Claimable, Fight Health Insurance, Mediloop และ Billyze เพื่อร่างคำอุทธรณ์ต่อการปฏิเสธความคุ้มครองของบริษัทประกันสุขภาพ ผู้ป่วยรายหนึ่งคือ Tom Whitehead ได้รับการอนุมัติความคุ้มครอง Remicade ภายในห้าวันหลังจาก Claimable ร่างจดหมายอ้างอิงกฎหมายของรัฐบาลกลาง เครื่องมือนี้มีค่าใช้จ่ายประมาณ $40 ต่อการอุทธรณ์หนึ่งครั้ง ขณะที่ Fight Health Insurance ใช้ฟรี ผลสำรวจผู้ใหญ่สหรัฐฯ วัยทำงานมากกว่า 4,500 คนที่มีประกันเอกชนพบว่า 21% รายงานว่าเคยถูกปฏิเสธในช่วงปีที่ผ่านมา และมีเพียงประมาณครึ่งหนึ่งเท่านั้นที่ยื่นอุทธรณ์

Anthropic เปิดตัว Claude Meetings เข้าร่วมการประชุมทางวิดีโอในฐานะผู้เข้าร่วม

Anthropic ได้เปิดตัว Claude Meetings ซึ่งเป็นฟีเจอร์ที่ให้ Claude เข้าร่วมการประชุมทางวิดีโอในฐานะผู้เข้าร่วมที่มองเห็นได้ ตอบคำถาม สร้างเอกสารและไวท์บอร์ด และบันทึกโน้ตและรายการสิ่งที่ต้องดำเนินการ โน้ต บันทึกการถอดความ และเอกสารที่ Claude สร้างจะถูกรวบรวมไว้ในหน้าพิเศษบน claude.ai หลังการประชุม และการควบคุมความเป็นส่วนตัวจะบล็อกไม่ให้ Claude เข้าร่วมการประชุมที่มีผู้เข้าร่วมภายนอกโดยค่าเริ่มต้น ฟีเจอร์นี้อยู่ในช่วงเบต้าสำหรับแพ็กเกจ Team และ Enterprise รองรับเฉพาะ Google Meet จนถึงปัจจุบัน และไม่พร้อมใช้งานสำหรับองค์กรที่ใช้การกำหนดค่าการเข้ารหัสแบบ HIPAA หรือการเข้ารหัสที่ลูกค้าจัดการเอง

Natera สร้าง SWARM ระบบ AI แบบเอเจนต์สำหรับปฏิบัติการแล็บบน Amazon Bedrock AgentCore ได้อย่างไร

Natera สร้าง SWARM ระบบ AI แบบเอเจนต์สำหรับปฏิบัติการแล็บ บน Amazon Bedrock AgentCore ลดเวลาตอบสนองครั้งแรกได้ราว 130 เท่า และAutomateตั๋วสนับสนุนได้ 96.2 เปอร์เซ็นต์ ระบบนี้จับคู่ swarm-agent ที่ร่างรายงานวินิจฉัยก่อนที่วิศวกรจะเปิดตั๋ว กับ swarm-hive สำหรับการโต้ตอบกับวิศวกรแบบเรียลไทม์ ทั้งสองใช้ไลบรารีทักษะร่วมกันหนึ่งชุด ระบบจัดการตั๋ว Jira กว่า 65 ใบต่อวันในสามคิว ซึ่งก่อนหน้านี้ใช้เวลาเฉลี่ย 17.4 ชั่วโมงในการตอบสนองครั้งแรก

CopilotKit เปิดตัว OpenBot 1.0 AI เพื่อนร่วมงานที่โฮสต์เองได้ภายใต้สัญญาอนุญาต MIT พร้อมระบบกำกับดูแลในตัว

CopilotKit เปิดตัว OpenBot 1.0 เมื่อวันที่ 9 พฤศจิกายน เป็นพื้นที่ทำงานของเอเจนต์ที่โฮสต์เองได้ภายใต้สัญญาอนุญาต MIT ซึ่งทีมสามารถนำโมเดล เอเจนต์ และโครงสร้างพื้นฐานของตนเองมาใช้ได้ ทุกการคลิกในเบราว์เซอร์ การเขียนไฟล์ การเรียกใช้เครื่องมือ MCP และคอมโพเนนต์ จะผ่านเกตเวย์กำกับดูแลที่ประเมินนโยบาย CEL และบันทึกแถวการตรวจสอบก่อนดำเนินการ โดยกฎปฏิเสธทำงานก่อนและกฎที่เสียจะล้มเหลวแบบปิด (fail closed) การเปิดตัวนี้เพิ่มแอปเดสก์ท็อปสำหรับ Mac และ Windows ฟีเจอร์ Learning ที่เปลี่ยนงานที่บันทึกไว้ให้เป็นทักษะที่นำกลับมาใช้ได้ การรองรับหลายบัญชีผ่าน Composio และ Arcade และการประสานงานแบบ Bot-to-Bot การใช้งานส่วนบุคคลฟรี และ OpenBot for Business มีค่าใช้จ่ายสูงสุด $29 ต่อผู้ใช้ที่ใช้งานต่อเดือน

Google เปิดตัว Gemini 4 Hydrogen ได้คะแนนเหนือกว่า Argon รุ่นใหญ่กว่าสี่สัปดาห์หลัง Argon เปิดตัว

Google ได้เปิดตัว Gemini 4 Hydrogen โมเดลอเนกประสงค์ที่รวดเร็วสำหรับนักพัฒนาและผู้ใช้ทั่วไป ในราคา 1.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 7.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบทหนึ่งล้านโทเค็น Google ระบุว่า Hydrogen ได้คะแนน 51 บน Artificial Analysis Intelligence Index ที่ระดับการคิดสูงเริ่มต้น และ 54 ที่ระดับ xhigh ใหม่ เทียบกับ 50 สำหรับ Gemini 4 Argon รุ่นใหญ่กว่า การทดสอบอิสระโดย Artificial Analysis พบว่า Hydrogen อยู่ในระดับเดียวกับ Claude Sonnet 5.5 ที่การคิดสูงสุดโดยประมาณ แต่ด้อยกว่าในงานเทอร์มินัลแบบเอเจนต์ โดยได้ 54 เปอร์เซ็นต์บน Terminal-Bench 4.0 เทียบกับ 64 เปอร์เซ็นต์ของ Claude Sonnet 5.5

เหตุการณ์เดียวกัน รายการคัดสรรอ้างถึง“Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows”

Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ภายใน 1–2 วันด้วย OpenAI อย่างไร

Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน

Eval-Driven Development คืออะไร? วิธีปรับปรุง AI Agents

LangChain อธิบาย eval-driven development (EDD) กระบวนการสามขั้นตอนสำหรับการสร้าง AI agents: กำหนดว่าอะไรคือสิ่งที่ดี เขียน eval ก่อนที่จะสร้าง และเปรียบเทียบผลลัพธ์หลังการเปลี่ยนแปลงแต่ละครั้ง เนื่องจาก agents ไม่สามารถกำหนดผลลัพธ์ได้แน่นอน evals จึงให้คะแนนการทำงานข้ามชุดข้อมูลตัวอย่าง และสามารถใช้ LLM-as-a-judge โดยมีการทำงานจริงของ agent ใน LangSmith เป็นแหล่งของอินพุตสำหรับการทดสอบ

Anthropic เปิดตัว Claude Meetings เพิ่ม Claude เข้าในการประชุมวิดีโอของทีม

Anthropic กำลังเปิดตัว Claude Meetings ในเวอร์ชันเบต้าสำหรับแพ็กเกจ Team และ Enterprise โดยเริ่มจาก Google Meet และจะตามมาด้วยแพลตฟอร์มประชุมวิดีโออื่นๆ Claude เข้าร่วมการประชุมในฐานะผู้เข้าร่วมที่มองเห็นได้ สร้างเอกสาร ไวท์บอร์ด และสิ่งอื่นๆ ขณะที่ทีมยังคงพูดคุยกันอยู่ และสามารถถามคำถามได้ด้วยเสียงหรือในแชท หลังการประชุม บันทึก รายการสิ่งที่ต้องทำ บทสนทนา และสิ่งที่ Claude สร้างขึ้นจะปรากฏบนหน้าเพจของการประชุมใน Claude

เหตุการณ์เดียวกัน รายการคัดสรรอ้างถึง“Anthropic launches Claude Meetings in beta for Google Meet on Team and Enterprise plans”

Nectar 推出 Creator Agent，自动完成网红发现与触达

Nectar 推出了 Creator Agent，这是一个 AI 代理，可搜索超过 3 亿个创作者资料以寻找品牌合作伙伴，然后起草外联信息、构建落地页并跟踪活动。该产品今日面向 Instagram 和 TikTok 创作者全球上线，并计划通过 Claude、ChatGPT、Gemini 和 Copilot 提供 MCP 访问。

นักวิจัย Google ใช้ AI agents ไม่ได้ค้นพบแหล่งอารยธรรมมายาที่ไม่รู้จัก นักโบราณคดีกล่าว

ทีม AI agents จำนวน 48 ตัวของนักวิจัย Google ระบุว่าแหล่งอารยธรรมมายาในเม็กซิโกอาจยังไม่ได้รับการขึ้นทะเบียน แต่เหล่านักโบราณคดีตั้งข้อสังเกตว่าแหล่งดังกล่าวได้รับการบันทึกไว้ในวารสารวิชาการมากกว่าหนึ่งปีก่อนหน้านี้แล้ว Pietro Miotti ซึ่งอธิบายว่างานนี้เป็นโปรเจกต์ส่วนตัวโดยไม่ได้ใช้พลังประมวลผลหรือทรัพยากรของ Google กล่าวว่าเขาได้ตรวจสอบกับ INAH ของเม็กซิโกและภายหลังได้อัปเดตโพสต์ของเขาเพื่อให้เครดิตงานก่อนหน้า หลังจากถูกวิจารณ์บนโซเชียลมีเดีย นักโบราณคดีรวมถึง Sarah Parcak และ Ivan Šprajc กล่าวว่าการพบเห็นแหล่งโบราณคดีไม่เหมือนกับการค้นพบ และเน้นย้ำว่าการทบทวนโดยผู้เชี่ยวชาญและงานวิจัยที่มีอยู่ยังคงมีความสำคัญ

The AI 100: 100 บริษัทเอกชนที่กำหนดยุคแห่ง AI

Newcomer และ Bessemer Venture Partners ได้เปิดตัวการจัดอันดับ AI 100 ครั้งแรกของบริษัท AI เอกชนที่มีแนวโน้มสูงสุด โดย Anthropic อยู่อันดับ 1 ก่อนการ IPO ที่คาดว่าจะเกิดขึ้นในสัปดาห์หน้า และ OpenAI อยู่อันดับ 2 บริษัททั้ง 100 แห่งมีมูลค่ารวมประมาณ 3.5 ล้านล้านดอลลาร์ และบริษัทโมเดลที่เน้นนักวิจัยคิดเป็นเพียง 9% ของรายชื่อ แต่คิดเป็น 55% ของมูลค่านั้น ผู้เล่นด้าน inference อย่าง Fireworks (#9), Baseten (#12), Fal (#16) และ Modal (#20) ก็ติดอันดับสูงเช่นกัน ควบคู่ไปกับบริษัท veteran ที่ปรับตัว เช่น Stripe (#4) และ Anduril (#7)

ยูไนเต็ดแอร์ไลน์สบล็อก AI เอเจนต์ไม่ให้จองเที่ยวบิน อ้างความเสี่ยงด้านความปลอดภัยไซเบอร์

ยูไนเต็ดแอร์ไลน์สระบุว่าจะจำกัด AI เอเจนต์ไม่ให้จองเที่ยวบินและจัดการการสำรองที่นั่งแทนผู้ใช้ โดยอ้างความเสี่ยงด้านความปลอดภัยไซเบอร์และความกังวลว่าจะบ่อนทำลายกฎระเบียบของรัฐบาลกลาง สายการบินระบุว่าการแชร์ข้อมูลรับรองบัญชีกับผู้ช่วย AI ของบุคคลที่สามอาจเปิดเผยข้อมูลที่ละเอียดอ่อนและนำไปสู่การซื้อโดยไม่ตั้งใจ การเปลี่ยนแปลงบัญชี หรือการใช้ไมล์ MileagePlus และกำลังปรับปรุงนโยบายการจอง การออกตั๋ว และการจัดจำหน่ายเพื่อบล็อกการเข้าถึงดังกล่าวทั้งโดยตรงและผ่านตัวแทนท่องเที่ยวและแอggregator การเคลื่อนไหวนี้เกิดขึ้นหลังจากคำเตือนจากธนาคารรวมถึง Bank of America ที่ urging ลูกค้าไม่ให้แชร์รหัสผ่านกับผู้ช่วย AI

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

สร้าง LLM gateway แบบ self-service ด้วย Amazon Bedrock และ LiteLLM

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

Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่เร็วขึ้นสำหรับงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์

Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่สร้างขึ้นสำหรับการเขียนโค้ดในชีวิตประจำวันอย่างรวดเร็วและการทำงานแบบเอเจนต์ มากกว่าการให้เหตุผลระยะยาวของ Gemini 4 Carbon และ Argon โดยได้คะแนน 51 บน Artificial Analysis Intelligence Index ที่ระดับการคิดสูงเริ่มต้น เทียบกับ 50 ของ Argon และสูงถึง 54 ที่การตั้งค่า xhigh ใหม่ โดยมีราคาคงที่ 1.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 7.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุตตลอดหน้าต่างบริบท 1 ล้านโทเค็น Google ยังเปิดตัว Orchestrator ใน Google Antigravity ซึ่งสลับระหว่างโมเดลอย่าง Carbon และ Hydrogen ภายในเซสชันเดียว และทำอัตราความสำเร็จของงานใกล้เคียง Carbon บน Terminal-Bench 4.0 โดยใช้โควตาน้อยลง 24% และเสร็จเร็วขึ้น 19%

การปรับต้นทุนต่องานให้เหมาะสมและการพิสูจน์ ROI ของเอเจนต์บน Amazon Bedrock

โพสต์ของ AWS นี้โต้แย้งว่าควรตัดสินค่าใช้จ่ายของ Amazon Bedrock จากต้นทุนต่องานมากกว่าต้นทุนต่อโทเคน เนื่องจากประสิทธิภาพของ tokenizer ความยาวของเอาต์พุต จำนวนรอบของลูปเอเจนต์ และภาระจากการให้เหตุผล อาจทำให้โมเดลที่มีราคาถูกกว่ากลายเป็นมีต้นทุนสูงกว่า ตัวอย่างที่คำนวณจริงแสดงให้เห็นว่าโมเดลที่มีราคาตามรายการสูงกว่า 2 เท่าเสร็จสิ้นงานด้วยต้นทุนที่ถูกกว่า 65% ต่องาน และโพสต์ยังเพิ่มการแคช การกำหนดเส้นทาง และการจำกัดเอาต์พุต พร้อมด้วยสกอร์การ์ดห้ามิติสำหรับวัด ROI ของเอเจนต์เทียบกับฐานอ้างอิงจากมนุษย์

AWS เปิดตัว AWS Emulator โปรแกรมจำลองภายในเครื่องของบริการ AWS กว่า 200 รายการ ที่เขียนโดย AI Agents

AWS ได้เปิดตัว AWS Emulator โปรแกรมจำลอง AWS APIs ภายในเครื่องแบบฟรีที่ทำงานบนแล็ปท็อป เซิร์ฟเวอร์สำหรับพัฒนา หรือใน CI โดยไม่ต้องมีบัญชี AWS และโค้ดทั้งหมดถูกเขียนและตรวจสอบโดย autonomous agents โดยสร้างจากโมเดล AWS API จำนวน 438 โมเดล ครอบคลุมบริการกว่า 200 รายการ และผ่านการทดสอบความเที่ยงตรงแบบให้คะแนน 24,243 จาก 42,857 รายการ (56.6%) ในรีลีส v1.0.322 โดย AWS KMS อยู่ที่ 93.9% และ AWS CloudFormation อยู่ที่ 15.8% AWS ระบุข้อจำกัดไว้ชัดเจน: ไม่มีการประเมินนโยบาย IAM, หนึ่งรีเจียนและหนึ่งบัญชี, ทรัพยากรอายุสั้นในหน่วยความจำ และเปิดใช้เทเลเมทรีเป็นค่าเริ่มต้น

Own Your Intelligence: LangChain on Why Generic AI Isn't Enough

LangChain ระบุว่าบริษัทต่างๆ ต้องเป็นเจ้าของปัญญาประดิษฐ์ของตนเอง แทนที่จะพึ่งพาโมเดลทั่วไป โดยควบคุมสามชั้น ได้แก่ โมเดล ฮาร์เนส และบริบท โดยกล่าวว่าการเป็นเจ้าของระบบเอเจนต์ รวมถึงเศรษฐศาสตร์ คุณภาพ และความเสี่ยงที่เกี่ยวข้อง คือสิ่งที่เปลี่ยน AI ให้เป็นความได้เปรียบที่ยั่งยืน

สร้าง Claude API สำหรับ Frontier: เบื้องหลังการเปิดตัวและตัดสินใจด้านความปลอดภัยของ Claude Platform

วิศวกรของ Claude Platform อย่าง Jake Dejno และ Lucca Siaudzionis อธิบายว่า Claude API พัฒนาไปพร้อมกับการเปิดตัวโมเดลแต่ละรุ่นอย่างไร ครอบคลุมการตัดสินใจเปิดตัวฟีเจอร์ การกำหนดเวอร์ชันและการย้ายโมเดล และการจัดการต้นทุน พวกเขาอธิบายแนวปฏิบัติที่ดีที่สุดสำหรับการเปลี่ยน effort กลางบทสนทนาโดยไม่ทำให้ prompt caching เสียหาย และวิธีที่ Claude Mythos กับ Fable ใช้โมเดลเวตเดียวกันแต่มีมาตรการป้องกันที่ต่างกัน Claude Managed Agents และการเปลี่ยน effort กลางบทสนทนาอยู่ในสถานะเบต้า และการเข้าถึง Mythos ดำเนินการผ่าน Cyber Verification Program

H6.ai สร้างระบบอัตโนมัติทางการเงินที่ขับเคลื่อนด้วย AI ด้วย Lakebase Postgres ได้อย่างไร

H6.ai ทำให้กระบวนการจ่ายเงินเจ้าหนี้เป็นอัตโนมัติบน ERP ที่มีอยู่ของลูกค้า โดยใช้ฐานข้อมูล Lakebase Postgres เฉพาะสำหรับลูกค้าแต่ละรายเป็นระบบบันทึกหลัก เนื่องจากข้อมูลใบแจ้งหนี้เปลี่ยนแปลงอยู่ตลอดเวลา ทีมจึงใช้สาขา copy-on-write ของ Lakebase เพื่อตรึงสแนปช็อตของฐานข้อมูลลูกค้าและรันการทดสอบถดถอยแต่ละครั้งบนสาขาอายุสั้นของตัวเอง ฐานข้อมูลที่ใช้งานจริงจึงไม่ถูกเขียนทับเลย แต่ละรอบการรันถูกตัดสินด้วยการตรวจสอบแบบกำหนดผลได้แน่นอนร่วมกับคณะผู้ตัดสิน AI จากผู้ให้บริการโมเดลที่แตกต่างกัน

Amazon Bedrock AgentCore Evaluations: ตัวประเมินในตัว, DeepEval และ AutoEval

ขณะนี้ Amazon Bedrock AgentCore Evaluations ช่วยให้ทีมต่างๆ รันตัวประเมินในตัวของ AWS ควบคู่ไปกับเมตริก DeepEval และ AutoEval ที่ได้รับการจัดการ รวมถึงตัวประเมินแบบกำหนดเองที่ได้มาจากทั้งสองแบบ แคตตาล็อกในตัวครอบคลุมตัวประเมิน 15 ตัวในด้านคุณภาพการตอบสนอง ความสำเร็จของเป้าหมาย การใช้เครื่องมือ ทักษะ และความปลอดภัย พร้อมการตรวจสอบเส้นทางการทำงาน 3 รายการสำหรับเส้นทางเครื่องมือที่คาดหวัง DeepEval เพิ่มเมตริกแบบหลายรอบ เช่น ConversationCompleteness และ KnowledgeRetention ขณะที่ AutoEval มีส่วนช่วยในสัญญาณเฉพาะทางรวมถึงความปลอดภัย

สร้าง Daily Dependency Watcher ด้วย LangGraph และ Amazon Bedrock AgentCore Web Search

Web Search API ใน Amazon Bedrock AgentCore พร้อมใช้งานแล้ว ช่วยให้เอเจนต์ได้รับผลการค้นหาเว็บล่าสุดผ่านการเรียก API เดียวที่ลงนามด้วย SigV4 ซึ่งให้บริการจากดัชนีเว็บที่ Amazon ดำเนินการเอง บทความแนะนำการสร้าง daily dependency watch ในรูปแบบกราฟ LangGraph ที่ค้นคว้า npm, PyPI และ container base images แบบขนาน โดยมี date windows, blocklists และ search budgets ถูกบังคับใช้ในโค้ด ในการทดสอบ สาขาทั้งสามเสร็จสิ้นใน 36 วินาที เทียบกับ 99 วินาทีเมื่อรันแบบลำดับ

Kimi K3.1 Pro Highspeed ของ Moonshot AI เปิดตัวบน Amazon Bedrock

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

Amazon SageMaker AI bidirectional streaming รองรับการคิดค่าบริการตามการใช้งาน โดยมี Deepgram เป็นพันธมิตรเปิดตัว

Amazon SageMaker AI bidirectional streaming รองรับการวัดการใช้งานตามปริมาณการใช้งานแล้ว ช่วยให้ผู้ให้บริการโมเดลสามารถรายงานการใช้งานจริงไปยังค่าบริการซอฟต์แวร์ของ AWS Marketplace ได้ ขณะที่ค่าบริการโครงสร้างพื้นฐานของ endpoint ยังคงมีผลอยู่ Deepgram เป็นพันธมิตรเปิดตัว นำการคิดค่าบริการ Speech-to-Text และ Text-to-Speech ตามการใช้งานมาสู่ AWS Marketplace การออกแบบเพิ่มสตรีมข้อมูลเมตา WebSocket เสริม ซึ่งจำกัดที่หนึ่งข้อความต่อวินาทีและ 512 ไบต์ เพื่อให้ผู้ให้บริการสามารถส่งบันทึกการวัดแบบเพิ่มขึ้นระหว่างเซสชันสดได้

AWS เปิดซอร์ส UAEF ระบบประเมินผลสำหรับ AI agents ที่ไม่ผูกกับเฟรมเวิร์ก

AWS ได้เปิดซอร์ส UAEF (Universal Agent Evaluation Framework) ระบบที่ไม่ผูกกับเฟรมเวิร์ก ซึ่งใช้อะแดปเตอร์ในการปรับมาตรฐาน agent traces จาก LangGraph, LangChain, Strands Agents, Amazon Bedrock AgentCore และ Langfuse ให้เป็น AgentTrace แบบมาตรฐานเดียว แล้วให้คะแนนด้วยเมตริกในตัว 36 รายการครอบคลุม 7 มิติ ผลลัพธ์ถูกจัดเก็บแยกตามการทดลองใน Amazon DynamoDB และ Amazon S3 เพื่อให้ทีมสามารถเปรียบเทียบเวอร์ชันของ agent กับ baseline ตรวจจับการถดถอยด้วยเกณฑ์เริ่มต้น 5 เปอร์เซ็นต์ และสร้างรายงานทางสถิติพร้อมข้อมูลเชิงลึกที่เขียนโดย LLM โพสต์ระบุว่าลูกค้าใน 12 องค์กรในอุตสาหกรรมโทรคมนาคม สุขภาพ และบริการทางการเงินได้ใช้ UAEF ก่อนการเปิดตัว และโค้ดภายใต้ Apache 2.0 ไลบรารี Python การติดตั้งด้วย CDK และโน้ตบุ๊กแยกตามเฟรมเวิร์กอยู่ในรีโพ GitHub awslabs/uaef

AWS Quick AI-PDLC: หกเอเจนต์สำหรับการพัฒนาผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI

AWS Quick เปิดตัว AI-PDLC กรอบการทำงานของเอเจนต์เฉพาะทางหกตัว โดยมี Orchestrator เป็นผู้นำ ครอบคลุม Discovery, Prioritize, Working Backwards, Spec Generator และ Designer ซึ่งเปลี่ยนสัญญาณองค์กรที่กระจัดกระจายจาก Slack, Jira, Salesforce และ SharePoint ให้เป็น prototype_spec.md ที่ตรวจสอบย้อนกลับได้ ทุกขั้นตอนต้องได้รับการอนุมัติจากมนุษย์ และสามารถส่งสเปกให้เอเจนต์เขียนโค้ดอย่าง Kiro หรือ Claude Code ผ่าน Agent Client Protocol (ACP) แบบเปิดได้

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

DXC Technology สร้างฐาน AI แบบหลายโมเดลบน Amazon Bedrock ได้อย่างไร

DXC Technology สร้างฐานโมเดลสำหรับระบบปฏิบัติการไอที DXC OASIS บน Amazon Bedrock โดยเข้าถึง Anthropic Claude, Amazon Nova, Meta Llama และโมเดลแบบเปิดน้ำหนักผ่านอินเทอร์เฟซที่จัดการแบบครบวงจรเดียว Amazon Bedrock Guardrails ใช้การกรองเนื้อหา การปกปิดข้อมูลส่วนบุคคล และนโยบายหัวข้อที่ถูกห้ามอย่างสม่ำเสมอในทุกโมเดล ขณะที่ AWS PrivateLink รักษาการรับส่งข้อมูลการอนุมานให้อยู่ภายใน VPC ของลูกค้า DXC OASIS พร้อมใช้งานทั่วไปตั้งแต่เดือนมีนาคม 2026 และลดเวลาการแก้ไขลงได้โดยเฉลี่ย 95% จาก 56 กรณีการใช้งานที่วัดผล

Agent DLC: วิศวกรรมเอเจนต์ AI จากต้นแบบสู่โปรดักชัน

AWS เปิดตัว Agent Development Lifecycle (Agent DLC) กรอบการทำงานที่มีหนึ่งวงจรชีวิต สองลูป และมาตรฐานชัดเจนเพียงหนึ่งเดียวสำหรับตัดสินทุกการเปลี่ยนแปลงของเอเจนต์ โดยแก้ปัญหาคุณสมบัติสามประการของเอเจนต์ที่ทำให้ CI/CD แบบเดิมใช้ไม่ได้ ได้แก่ ความไม่แน่นอนของผลลัพธ์ พรอมต์ในฐานะซอร์สโค้ด และ dependencies ที่เคลื่อนที่อย่างอิสระ ตัวอย่างผู้ช่วยนโยบาย HR แบบอ้างอิงแสดงความแม่นยำการดึงข้อมูลระดับชังก์ที่ 1.00 across ทั้งสามคำถามทดสอบ ขณะที่ความแม่นยำระดับข้อเท็จจริงลดลงเหลือ 0.09 และความครอบคลุมการดึงข้อมูลแตะ 0.00 ในหนึ่งคำถาม

การควบคุมการเข้าถึงแบบละเอียดสำหรับเครื่องมือ Amazon Bedrock Managed Knowledge Base

AWS แสดงวิธีให้เอเจนต์ AI ที่ใช้ร่วมกันสามารถเข้าถึงเอกสารรายผู้ใช้บน Amazon Bedrock Managed Knowledge Base โดยเปิดเผยการค้นหาเป็นเครื่องมือ MCP ผ่าน AgentCore Gateway ตัวดักจับคำขอจะฉีดอีเมลของผู้ใช้ที่ผ่านการตรวจสอบจาก Cognito JWT ลงใน userContext และการรับรู้ ACL จะคืนเฉพาะเอกสารที่ผู้ใช้นั้นมีสิทธิ์ดูเท่านั้น นโยบาย Cedar ใน AgentCore และนโยบายตามทรัพยากรบนฐานความรู้เพิ่มการป้องกันชั้นที่สองต่อการค้นหาที่ปลอมแปลงหรือไม่ได้รับอนุญาต

AWS อธิบายการสร้างระบบหลายเอเจนต์ข้ามองค์กรด้วย A2A

AWS เผยแพร่สถาปัตยกรรมอ้างอิงที่ orchestrator องค์กรซึ่งใช้ LangChain บน Amazon ECS เรียกเอเจนต์ SaaS ด้าน compliance ที่ใช้ Strands Agents บน Amazon Bedrock AgentCore ผ่านโปรโตคอล A2A โดยทั้งสองฝ่ายอยู่ในบัญชี AWS แยกกันและไม่มีการแชร์ secret ร่วมกัน แต่ละฝ่ายยืนยันตัวตนด้วยโทเคนจาก Amazon Cognito user pool ของตนเอง และเอเจนต์ SaaS เรียกกลับไปยังเอเจนต์บริบทองค์กรเพื่อขอ metadata ของบัญชี เอเจนต์จึงทำหน้าที่เป็น peer มากกว่าจะเป็น client กับ server ระบบนี้ติดตั้งจาก Jupyter notebook สามไฟล์ซึ่ง provision CloudFormation stack ห้าแห่ง และรันการทดสอบแบบ end-to-end พร้อมการตรวจสอบขอบเขตความเชื่อถือเจ็ดรายการ

การย้ายไปยัง Amazon Bedrock Managed Knowledge Base ด้วย coding agent

AWS เพิ่มคู่มือการย้ายฐานความรู้ไปยัง amazon-bedrock skill ใน Agent Toolkit for AWS ทำให้ coding agent สามารถวางแผนการย้ายจากฐานความรู้ที่ลูกค้าจัดการเองไปยัง Amazon Bedrock Managed Knowledge Base โดย agent จะเริ่มจากการค้นหาแบบอ่านอย่างเดียวและแผนที่ผ่านการตรวจทานทีละบรรทัด จากนั้นสร้างฐานความรู้และแหล่งข้อมูลใหม่เคียงข้างของเดิม หรือเขียนเทมเพลต IaC ที่ย้ายแล้ว Managed Knowledge Base เพิ่มโควตาเริ่มต้นเป็น 200 แหล่งข้อมูลต่อฐานความรู้ และ 10,000 ฐานความรู้ต่อบัญชีต่อ Region และเพิ่มการดึงข้อมูลแบบ agentic การผสานรวม AgentCore Gateway และนโยบายตามทรัพยากร

แชทบอท Muse ของ Meta สวมบทบาทสถานการณ์ทางเพศแบบชัดเจนในฐานะบุคคลจริง โดยนักแสดงผู้ใหญ่ Vanniall ค้นพบ

นักแสดงผู้ใหญ่ Vanniall ทดสอบแชทบอท Muse ของ Meta โดยให้สวมบทบาทเป็นเธอ และพบว่ามันสร้างสถานการณ์ทางเพศแบบชัดเจนกับตัวแทนดิจิทัลของเธอ โดยยกระดับทุกการล่วงละเมิดทางเพศแทนที่จะหยุดมัน เธอบอกกับ 404 Media ว่าผลลัพธ์นั้น "น่ากลัวกว่าที่ฉันคาดไว้มาก" และกล่าวว่าเธอหวังว่า Muse จะมีมาตรการป้องกันมากกว่า Grok และเครื่องมือสร้างเนื้อหาที่เป็นมิตรกับ NSFW อื่นๆ