ข้ามไปที่เนื้อหา
#การติดตั้งใช้งาน / วิศวกรรม
12 พฤศจิกายนวันพฤหัสบดี
  1. AWS Machine Learning Blog28

    การอัปเดต AWS Agent Registry โดยอัตโนมัติด้วยสถาปัตยกรรมแบบ push-based

    AWS นำเสนอไปป์ไลน์ที่ขับเคลื่อนด้วยเหตุการณ์ ซึ่งช่วยให้บันทึก AWS Agent Registry สำหรับเซิร์ฟเวอร์ MCP เป็นปัจจุบันโดยไม่ต้องอัปเดตด้วยตนเอง AWS CloudTrail ดักจับการเรียก API UpdateAgentRuntime, Amazon EventBridge ส่งต่อการเรียกเหล่านั้นข้ามบัญชี และฟังก์ชัน Lambda จะสอบถามเครื่องมือของเซิร์ฟเวอร์ MCP ผ่านโทเค็น OAuth ของ AgentCore Identity จากนั้นเปรียบเทียบและอัปเดตบันทึก registry ที่ตรงกัน ตัวอย่างนี้อัปเดตเฉพาะบันทึกที่มีอยู่และรองรับทั้งการตั้งค่าแบบบัญชีเดียวและหลายบัญชี

  2. TechCrunch · AI38

    ทำไมดาต้าเซ็นเตอร์ที่คุณหวาดกลัวอาจไม่ถูกสร้างขึ้นเลยด้วยซ้ำ

    พอดแคสต์ Equity ของ TechCrunch พูดคุยถึงสาเหตุที่โครงการดาต้าเซ็นเตอร์จำนวนมากที่ประกาศออกมาอาจไม่ถูกสร้างขึ้นเลยด้วยซ้ำ ก่อนที่การต่อต้านจากท้องถิ่น ความล่าช้าในการออกใบอนุญาต และการขาดแคลนไฟฟ้าจะเข้ามาเกี่ยวข้อง พิธีกร Rebecca Bellan และ Tim De Chant ได้รับการร่วมพูดคุยจาก Brent Nelson แห่ง Ascend Analytics เพื่อแยกแยะโครงการที่เป็นไปได้จริงออกจากโครงการที่คาดเดา ท่ามกลางการลงทุนในโครงสร้างพื้นฐาน AI หลายพันล้านดอลลาร์

  3. TechCrunch · AI38

    กระแสต่อต้านและขั้นตอนราชการยังคงทำให้ศูนย์ข้อมูลชะลอตัวหลัง Blue Wave อย่างไร

    พอดแคสต์ Equity ของ TechCrunch พูดคุยถึงการต่อต้านในท้องถิ่น ความล่าช้าในการออกใบอนุญาต และการขาดแคลนพลังงานที่ทำให้การเติบโตของศูนย์ข้อมูลชะลอตัว โดย Brent Nelson จาก Ascend Analytics ให้ความเห็นว่าจำนวนโครงการที่วางแผนไว้สูงเกินจริงอย่างมาก และมีเพียงส่วนน้อยของโครงสร้างพื้นฐาน AI ที่ประกาศไว้เท่านั้นที่จะสร้างจริงจริง ๆ ตอนนี้ยังครอบคลุมถึงความหมายของการแตกของฟองสบู่สำหรับนักพัฒนาที่มีผู้เช่าผิดประเภท ทำไมพรรคเดโมแครตควรผลักดันการปฏิรูปการออกใบอนุญาตตอนนี้ และทำไมก๊าซธรรมชาติจึงไม่ใช่ทางเลือกสำรองที่เชื่อถือได้อย่างที่นักพัฒนาคิด

  4. Google Research58

    Google Research ใช้เทคโนโลยีสวมใส่สร้างโปรไฟล์ความเสี่ยง CKM และการโค้ชเฉพาะบุคคล

    Google Research ได้แนะนำกรอบการวิจัยที่เปลี่ยนข้อมูลจากอุปกรณ์สวมใส่สำหรับผู้บริโภคให้เป็นอายุสุขภาพที่สามารถโค้ชได้ และจำลองเส้นทางสุขภาพเฉพาะบุคคลแบบ 12 สัปดาห์ในลักษณะ what-if โมเดลโลก SensorWM ถูกฝึกฝนล่วงหน้าด้วยข้อมูล Fitbit ที่ไม่ระบุตัวตนจำนวน 2.28 ล้านคน-สัปดาห์จากผู้ใช้ประมาณ 100,000 คน และคาดการณ์ตัวชี้วัดทางสรีรวิทยา 20 รายการภายใต้รูปแบบการเดิน การนอน และคาร์ดิโอที่แตกต่างกัน ในการศึกษาที่ปกปิดข้อมูล ผู้ฝึกสอนไลฟ์สไตล์เลือกแผนที่อ้างอิงจากสถานการณ์สมมติว่าเป็นแผนที่ดีที่สุดโดยรวมในการประเมิน 71.4% และแพทย์ให้คะแนน 99.2% ของแผนว่าอยู่ในขีดจำกัดความเข้มข้นของการออกกำลังกายที่ปลอดภัย ผู้เขียนระบุว่าโมเดลเหล่านี้เป็นต้นแบบการวิจัย ไม่ใช่เครื่องมือวินิจฉัยทางคลินิก

  5. Google Blog · AI78

    Google เปิดตัว Gemini Decisions API และโมเดล Gemini Decision 1 สำหรับการตัดสินใจแบบชุดปิดที่รวดเร็ว

    Google เปิดตัว Gemini Decisions API ซึ่งขับเคลื่อนโดยโมเดลใหม่ Gemini Decision 1 (gemini-decision-1) และพร้อมใช้งานผ่าน Gemini API ใน Google AI Studio อินพุตมัลติโมดัลเดียวสูงสุด 256K โทเค็นสามารถตรวจสอบกับคำถามแบบใช่/ไม่ใช่ แบบเลือกตอบ และแบบให้คะแนนตามเกณฑ์ได้สูงสุด 1,000 ข้อในการส่งต่อเพียงครั้งเดียว โดยคืนค่าความน่าจะเป็นและคะแนนความเชื่อมั่นที่ความหน่วงตั้งแต่ต้นจนจบ 150-250 มิลลิวินาที ในราคา 0.10 ดอลลาร์ต่อ 1M โทเค็นอินพุต โดยไม่มีค่าใช้จ่ายโทเค็นเอาต์พุต Google กล่าวว่าโมเดลนี้เป็นผู้นำชุดการทดสอบมาตรฐานด้วยค่าความคลาดเคลื่อนของการปรับเทียบต่ำที่สุด และมีราคาถูกกว่า Gemini 3.5 Flash-Lite กับ Interactions API เกือบ 5 เท่า การใช้งานภายในรวมถึงการกำหนดเส้นทางโมเดลใน Gemini Notebook การสร้างไวร์เฟรมใน Stitch และการตรวจสอบเนื้อหาเชิง adversar​​ial สำหรับเครื่องมือ MCP ใน Search

    ทำไมเรื่องนี้สำคัญ: เอนด์พอยต์ใหม่ของ Google ให้คะแนนคำถามมัลติมอดัลแบบใช่/ไม่ใช่ แบบเลือกตอบ และแบบตามเกณฑ์ได้สูงสุด 1,000 ข้อในครั้งเดียวที่ 150-250 มิลลิวินาที มอบทางเลือกที่ถูกกว่าการเรียกแบบเจเนอเรทีฟสำหรับการกำหนดเส้นทางของเอเจนต์และการตรวจสอบนโยบาย

  6. Simon Willison22

    LLM 0.37.2 แก้ไขปัญหาการรั่วไหลของ API key ไปยังปลายทาง OpenAI-compatible ของบุคคลที่สาม

    Simon Willison เปิดตัว LLM 0.37.2 เพื่อแก้ไขปัญหาด้านความปลอดภัยที่รายงานโดย Daniel de Araujo ใน GHSA-v9h7-jj4g-f862 และ GHSA-r639-rr7r-x72w บั๊กนี้อาจส่ง OpenAI API key ที่ตั้งค่าไว้ไปยังปลายทาง OpenAI-compatible ของบุคคลที่สามผ่าน extra-openai-models.yaml หาก api_key_name ที่ระบุไม่เคยถูกจัดเก็บ หรือหากโมเดล responses: true ทำงานด้วย -o chat_completions 1

  7. Amazon Science36

    ใช้คณิตศาสตร์ตรวจสอบการกำหนดค่าเครือข่าย: AWS Tiros สำหรับการตรวจสอบการแบ่งส่วน

    AWS ใช้เครื่องมือตรวจสอบอัตโนมัติ Tiros ของตนเพื่อตรวจสอบการแบ่งส่วนเครือข่ายแบบสแตติกในทุกเส้นทางที่จำลองขึ้น แทนการพึ่งพาการสุ่มตัวอย่างแพ็กเก็ต Tiros แปลงการกำหนดค่า Cloud WAN จากตารางเส้นทาง สิ่งที่เชื่อมต่อ และเอกสารนโยบายให้เป็นข้อเสนอเชิงตรรกะ จากนั้นตรวจสอบว่าไม่มีเส้นทางใดอยู่ระหว่างส่วนที่ถูกประกาศห้ามโดยนโยบาย โดยดำเนินการวิเคราะห์บ่อยครั้งถึงทุกชั่วโมง

  8. Meta Engineering Blog40

    Meta Intelligent Delivery: ระบบ ML ที่จัดสรรพลังประมวลผลสำหรับการจัดอันดับโฆษณา

    Meta ให้รายละเอียดเกี่ยวกับ Intelligent Delivery ซึ่งเป็นระบบที่ขับเคลื่อนด้วย ML ที่จัดสรรพลังประมวลผลทั่วทั้งสแต็กการให้บริการโฆษณาไปสู่จุดที่เหมาะสมที่สุดในระดับระบบ โดยมีส่วนช่วยให้ประสิทธิภาพการจัดอันดับเพิ่มขึ้นประมาณ 10% นอกเหนือจากความก้าวหน้าของโมเดลและระบบตั้งแต่ปี 2017 ถึงครึ่งแรกของปี 2026 Resource Core Model ของระบบใช้พารามิเตอร์แบบ sparse 6B และ dense 20M เพื่อคาดการณ์อรรถประโยชน์ส่วนเพิ่มของแต่ละคำขอ และ Meta ระบุว่าช่วยปรับปรุงการระบุคำขอโฆษณาที่มีผลกระทบสูงได้ประมาณ 20% ในการทดสอบ基準แบบออฟไลน์ ระบบยังพึ่งพากลไกการจัดสรรหลายชั้นและ AI แบบ agentic ที่เพิ่มขึ้นเพื่อปรับตัวตามการเปลี่ยนแปลงของโมเดลและฮาร์ดแวร์

  9. 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

  10. Claude Blog40

    คู่มือ Claude Tag สำหรับสตาร์ทอัพจาก Anthropic: ช่อง Slack และกรณีการใช้งานยอดนิยม

    Anthropic เผยแพร่คู่มือ Claude Tag (เบต้า) สำหรับสตาร์ทอัพ โดยอ้างอิงจากบทสนทนากับบริษัทที่เติบโตสูงแปดแห่งเกี่ยวกับจุดที่พวกเขาเริ่มใช้เอเจนต์บน Slack ก่อน คู่มือครอบคลุมการตั้งค่าที่พบบ่อยห้าแบบ ได้แก่ การคัดแยกเหตุฉุกเฉิน (on-call triage), thread-to-PR, company brain, self-serve data และ reporting พร้อมเช็กลิสต์สำหรับเริ่มต้น ผลลัพธ์ที่อ้างถึงรวมถึง PR ที่เปิดขึ้น 21 นาทีหลังจากการกล่าวถึงใน Slack และ pull request 134 รายการที่ merge จาก thread ใน Slack ที่ NavigateAI

  11. Claude Blog56

    Anthropic เปิดไพรเวตเบต้าของ Claude Managed Agents แบบโฮสต์เอง

    Anthropic เปิดตัว Claude Managed Agents แบบโฮสต์เองในไพรเวตเบต้า ช่วยให้นักพัฒนารันบริการเอเจนต์แบบเต็มรูปแบบ รวมถึง harness, แซนด์บ็อกซ์, ข้อมูลรับรอง และประวัติเซสชัน ภายในคลาวด์หรือสภาพแวดล้อมภายในองค์กรของตนเอง คำขอไปยังโมเดลสามารถส่งตรงไปยัง Anthropic, Amazon Bedrock, Agent Platform ของ Google หรือ Microsoft Foundry หรือผ่านเกตเวย์ของลูกค้าเอง และประวัติเซสชันจะเก็บอยู่ในฐานข้อมูลของลูกค้า บริษัทระบุว่าการออกแบบนี้เก็บลูปของเอเจนต์และความลับใน vault ไว้นอกแซนด์บ็อกซ์ รองรับ allowlist ของโฮสต์ที่อนุญาต และส่งออกบันทึกเต็มรูปแบบของแต่ละเซสชันผ่าน OpenTelemetry

  12. Figma Blog42

    3D transforms และ agent ของ Figma ช่วยให้วิดีโอเปิดตัวมีชีวิตขึ้นมาได้อย่างไร

    Figma ได้เปิดตัว 3D transforms ในเวอร์ชัน open beta แล้ว ทำให้ดีไซเนอร์สามารถเอียง หมุน และจัดเรียงข้อความ รูปภาพ เวกเตอร์ และเฟรมในพื้นที่สามมิติได้ พร้อมเอฟเฟกต์ perspective บนเฟรมหลักเพื่อให้องค์ประกอบเชิงพื้นที่ใช้ร่วมกันได้ เอฟเฟกต์แบบ non-destructive ยังคงแก้ไขได้ และสามารถผสานกับ shader ทำแอนิเมชันด้วย Figma Motion หรือสำรวจผ่าน Figma agent ได้ Brand Studio ของ Figma ใช้เครื่องมือเหล่านี้ รวมถึงปลั๊กอิน generative ที่ agent สร้างขึ้น เพื่อผลิตวิดีโอเปิดตัวฟีเจอร์นี้

  13. Claude Blog31

    J.Crew เปิดตัว Style Advisor AI สไตลิสต์ที่สร้างด้วย Claude Code

    J.Crew เปิดตัว Style Advisor สไตลิสต์ AI บน JCrew.com ที่แนะนำชุด completo แทนที่จะเป็นสินค้าชิ้นเดียว เปิดให้ใช้งานแล้วสำหรับสไตล์ผู้หญิงและผู้ชายในสหรัฐอเมริกา ทีมของ J.Crew สร้างมันด้วย Claude Code โดยใช้โมเดล Claude หลายรุ่น: Claude Fable 5.1 สำหรับวางแผนการคิดของสไตลิสต์, Claude Opus 5.5 สำหรับต้นแบบ, Claude Sonnet 5.5 เป็นสไตลิสต์ในแต่ละบทสนทนา และ Claude Haiku 5.5 สำหรับงานที่รวดเร็ว ทุกคำแนะนำมาจากลุคที่สร้างโดยสไตลิสต์ของ J.Crew เองสำหรับการถ่ายแคตตาล็อก

11 พฤศจิกายนวันพุธ
  1. MarkTechPost40

    Marktechpost AI เปิดตัว GPU Leaderboard และ Deploy It Chrome Extension

    Marktechpost เปิดตัว GPU Leaderboard เว็บไซต์เปรียบเทียบราคา GPU บนคลาวด์ฟรีสำหรับ AI inference ที่จัดอันดับข้อเสนอจริง 201 รายการจากผู้ให้บริการ 24 รายตาม $/GPU-hr เครื่องคำนวณต้นทุนของเว็บไซต์ประเมินราคาการรันเต็มรูปแบบรวมเวลาว่าง: งาน 8×H100 ระยะเวลา 72 ชั่วโมงที่การใช้งาน 90% มีช่วงราคาตั้งแต่ $967.68 ที่ Latitude ถึง $3,545.28 ที่ CoreWeave ส่วน Deploy It Chrome extension ประเมิน VRAM ที่ FP16, INT8 และ INT4 และแสดง GPU ที่ถูกที่สุดที่รองรับบนหน้าโมเดล Hugging Face และ GitHub repos

  2. Simon Willison78

    วิดีโอโรดโชว์ IPO ของ Anthropic เผยรายละเอียดกลยุทธ์การฝึกและให้บริการ Claude บนหลายชิป

    Anthropic เริ่มโรดโชว์ IPO เมื่อวานนี้ และวิดีโอโรดโชว์ได้เปิดเผยรายละเอียดที่ไม่เคยเผยแพร่มาก่อนเกี่ยวกับการดำเนินธุรกิจ รวมถึงส่วนเกี่ยวกับกลยุทธ์การประมวลผลที่พูดคุยกับ Tom Brown ผู้ร่วมก่อตั้ง Brown กล่าวว่า Anthropic ฝึกและให้บริการ Claude บน AWS Trainium, Google TPUs, NVIDIA GPUs และ AMD GPUs และเมื่อบริษัทเริ่มทำงานกับ AMD GPUs ในปีนี้ ระบบที่ชื่อ Mythos ทำให้ Claude ทำงานบน AMD ได้ในสามวันโดยแทบไม่ต้องมีการแทรกแซงจากมนุษย์ โดยพอร์ตหรือเขียนเคอร์เนลเกือบ 100% เขายังอธิบายถึงตัวคูณการประมวลผลว่าเป็นปัจจัยขับเคลื่อนที่สองของความได้เปรียบด้านการประมวลผล โดยกล่าวว่าตัวคูณแต่ละตัวซ้อนทับบนตัวก่อนหน้า และ Claude อาจค้นพบมันได้ด้วยตัวเองในที่สุด

    ทำไมเรื่องนี้สำคัญ: วิดีโอโรดโชว์ IPO ของ Anthropic เผยรายละเอียดกลยุทธ์การฝึกและให้บริการบนหลายชิปครอบคลุมสี่ตระกูลชิป รวมถึงการพอร์ตไปยัง AMD ที่ Claude ช่วยทำเสร็จในสามวัน

  3. ElevenLabs Blog25

    ElevenLabs เปิดตัวโปรแกรมพันธมิตรเพื่อเร่งการนำ AI Agent ระดับองค์กรไปใช้

    ElevenLabs เปิดตัวโปรแกรมพันธมิตร (Partner Program) พร้อมแรงจูงใจเชิงพาณิชย์ที่เพิ่มขึ้น การรับรองใหม่ โอกาสในการร่วมทำตลาด และการสนับสนุนทางเทคนิคโดยเฉพาะ โปรแกรมนี้ครอบคลุมพันธมิตรที่ใช้งานอยู่กว่า 550 รายใน 44 ประเทศ และระบบนิเวศพันธมิตรได้สร้างไปป์ไลน์มูลค่า 315 ล้านดอลลาร์ และรายได้จากพันธมิตรและการมีส่วนร่วมของพันธมิตรมากกว่า 52 ล้านดอลลาร์ในปีนี้ ElevenLabs ตั้งเป้าให้พันธมิตรสร้างรายได้จากบริการ 3 ดอลลาร์ต่อทุก 1 ดอลลาร์ที่บริษัทสร้าง โดยได้รับการสนับสนุนจากวิศวกรที่ประจำการล่วงหน้าและไดเรกทอรีพันธมิตรที่ได้รับการรับรองใหม่

  4. ElevenLabs Blog58

    ElevenLabs Summit NYC: Interaction Engine, ElevenAgents Memory and Routines, ElevenAI app, Partner Program and Marketplace

    ในการประชุมสุดยอดที่นิวยอร์ก ElevenLabs ได้ประกาศโมเดลใหม่ เอเจนต์ และตัวเลือกการติดตั้งใช้งานสำหรับชั้นการโต้ตอบด้วย AI ของบริษัท รวมถึง Interaction Engine ที่จัดการการผลัดกันพูดและกำหนดเส้นทางการสนทนาแต่ละส่วนไปยัง LLM ที่ประหยัดกว่าหรือระดับแนวหน้า ElevenAgents ได้รับ Memory ซึ่งสร้างบันทึกแบบมีโครงสร้างของลูกค้าที่กลับมาใช้บริการซ้ำ และ Routines ซึ่งเป็นชั้นระบบอัตโนมัติสำหรับงานหลายขั้นตอนก่อน ระหว่าง และหลังการโทร ElevenLabs ยังได้เปิดตัวตัวอย่างแอป ElevenAI สำหรับสถานที่ทำงานพร้อมการเข้าถึงช่วงแรกฟรีที่เปิดวันนี้ เปิดตัว Partner Program ซึ่งปัจจุบันมีพันธมิตรมากกว่า 550 รายใน 44 ประเทศ บวกกับพันธมิตรกับ McKinsey และเปิดตัว ElevenLabs Marketplace; NVIDIA Nemotron 3.5 Super VL พร้อมใช้งานแล้วใน ElevenAgents ควบคู่กับกำลังประมวลผล Vera Rubin ใหม่ 15 MW

  5. ElevenLabs Blog40

    ElevenLabs เปิดตัว Marketplace สำหรับแอปพลิเคชัน AI ที่พร้อมใช้งานในองค์กร

    ElevenLabs เปิดตัว ElevenLabs Marketplace ซึ่งเป็นคอลเลกชันที่คัดสรรของแอปพลิเคชัน AI และเสียงเฉพาะอุตสาหกรรมที่สร้างขึ้นบนโมเดลของบริษัทโดยพันธมิตรด้านเทคโนโลยี โดยมีพันธมิตรเปิดตัว ได้แก่ Salesforce, IBM, NiCE, Twilio และ Zendesk องค์กรต่างๆ สามารถสำรวจโซลูชันในด้านบริการทางการเงิน ประกันภัย การดูแลสุขภาพ โทรคมนาคม ค้าปลีก และภาครัฐ และเชื่อมต่อโดยตรงกับพันธมิตรที่อยู่เบื้องหลัง เริ่มตั้งแต่ปีหน้า โซลูชันของพันธมิตรที่มีคุณสมบัติเหมาะสมจะสามารถซื้อได้ผ่านข้อผูกพันที่มีอยู่ของ ElevenLabs

  6. 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

  7. ElevenLabs Blog58

    ElevenLabs และ NVIDIA ขยายความร่วมมือเพื่อนำ voice agent สู่องค์กรและภาครัฐ

    ElevenLabs และ NVIDIA ได้ขยายความร่วมมือด้านโมเดล โครงสร้างพื้นฐาน และการติดตั้งแบบ sovereign โดยนำ NVIDIA Nemotron 3.5 Super VL เข้าสู่แพลตฟอร์ม ElevenAgents ElevenLabs วางแผนเพิ่มกำลังความสามารถ NVIDIA Vera Rubin อีก 15MW บนระบบ Blackwell Ultra ที่มีอยู่เดิม และกำลังขับเคลื่อน voice agent สำหรับระบบนัดหมาย Centralna e-Rejestracja ของโปแลนด์แบบ on-premises ด้วย NVIDIA Confidential Computing ตามข้อมูลของ ElevenLabs บน benchmark ฝ่ายสนับสนุนลูกค้าของ ElevenAgents นั้น Nemotron 3.5 Super VL ทำความแม่นยำในการทำงานแบบ end-to-end สำเร็จสูงสุดเป็นอันดับต้น ด้วยต้นทุนต่ำกว่าโมเดลเปิดชั้นนำอื่น ๆ ถึง 70%

  8. ElevenLabs Blog22

    องค์กรขนาดใหญ่ใช้ ElevenLabs AI อย่างไร

    ElevenLabs ระบุว่าองค์กรขนาดใหญ่คิดเป็นสัดส่วนมากกว่า 55% ของรายได้แล้ว โดยเทคโนโลยีของบริษัทถูกใช้งานในชีวิตประจำวันของ 5 ใน 10 บริษัทเทคโนโลยีที่ใหญ่ที่สุด 5 ใน 10 บริษัทประกันที่ใหญ่ที่สุด และ 4 ใน 10 บริษัทโทรคมนาคมที่ใหญ่ที่สุด ในงาน NYC Summit ลูกค้าอย่าง Ramp, Customers Bank, Banco Inter, Clover Health และ FOX Sports ได้อธิบายถึงการใช้ ElevenAgents และ ElevenCreative สำหรับเอเจนต์สนับสนุน การ onboard พนักงาน บริการหลายภาษา และ AI persona ของผู้บรรยาย Colin Cowherd ในแอป FOX Sports

  9. NVIDIA Blog22

    AI ช่วยให้ผู้รีไซเคิลเปลี่ยนขยะผสมเป็นวัสดุที่นำกลับมาใช้ใหม่ได้อย่างไร

    NVIDIA นำเสนอสตาร์ทอัพ Inception สี่รายที่ใช้ AI และหุ่นยนต์เพื่อคัดแยกขยะผสมในโรงงานรีไซเคิล สายการนำร่อง Jetson Orin NX ของ AIRECO มีความแม่นยำในการจดจำสูงกว่า 95% และตั้งเป้าเพิ่มกำลังการผลิตต่อปีจาก 18,000 เป็น 48,000 ตัน พร้อมลดต้นทุนการดำเนินงานลง 85% ขณะที่ EverestLabs ได้ติดตั้งหุ่นยนต์ที่นำทางด้วยระบบ visión ประมาณ 150 ตัวทั่วอเมริกาเหนือและออสเตรเลีย

  10. Vapi Blog58

    Vapi เปิดตัว Agent Loop ในช่วง early access ซึ่งเป็น harness ที่ปรับปรุงตัวเองได้สำหรับ voice agents

    Vapi เปิดตัว Agent Loop ในช่วง early access โดยมีแผนเปิดตัวแบบ GA ในต้นปีหน้า ในฐานะ harness ที่ปรับปรุงตัวเองได้ ซึ่งสร้าง voice agent จาก prompt ธรรมดา ให้คะแนนทุกสายเทียบกับเป้าหมายทางธุรกิจ ร่างการแก้ไขสำหรับจุดที่พลาด ทดสอบในการจำลอง และปล่อยให้กับส่วนหนึ่งของทราฟฟิกจริงก่อนการเปิดตัวเต็มรูปแบบ ลูปนี้ทำงานบน Vapi primitives รวมถึง Simulations และ Traffic Splitting ซึ่งมีให้ใช้ในแดชบอร์ดแล้วตอนนี้ พร้อมกับ Goals, Call Health และ Experiments ที่จะมาเร็วๆ นี้ Agent Loop ทุกตัวเป็น Vapi assistant จริง ดังนั้นวิศวกรจึงยังคงเข้าถึงแดชบอร์ดและ API ได้เต็มรูปแบบ และต้องมีการอนุมัติจากมนุษย์ก่อนที่จะปล่อยการเปลี่ยนแปลงใดๆ

  11. 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

  12. OpenRouter Announcements65

    OpenRouter วัดต้นทุนบริบทของ MCP, CLI และ skills บนงาน GitHub งานเดียว

    OpenRouter วัดงาน GitHub งานเดียวกันผ่าน GitHub MCP server, gh CLI และ gh skill บน Claude Sonnet 5.5, GPT-6 Luna และ Gemini 3.8 Flash บน Sonnet 5.5 ทั้งสามตอบถูก แต่ CLI ใช้ 1,421 input tokens, skill ใช้ 3,315 และ MCP server ใช้ 59,417 พร้อมเครื่องมือเริ่มต้น 46 ตัว ซึ่งคำนิยามเพียงอย่างเดียวเพิ่ม 19,436 tokens ต่อคำขอ การจำกัด server ให้เหลือสองเครื่องมือลดงานเหลือ 23,228 tokens การจำกัดผลลัพธ์ที่ 4,000 ตัวอักษรลดเหลือ 5,357 และ Tool Search ลดต้นทุนล่วงหน้าของ 46 เครื่องมือเหลือต่ำกว่า 600 tokens แม้จะลดต้นทุนทั้งงานบน Sonnet 5.5 ลงครึ่งหนึ่งแต่กลับเพิ่มขึ้นบน Claude Haiku 5.5

    ทำไมเรื่องนี้สำคัญ: การเปรียบเทียบที่วัดได้ของ OpenRouter แสดงให้เห็นว่า MCP server, CLI และ skill ใช้บริบทเท่าใดในงาน GitHub งานเดียวกัน และการตัดทอนผลลัพธ์เครื่องมือหรือการเลื่อนคำนิยามออกไปเปลี่ยนค่าใช้จ่ายตรงไหน

  13. OpenRouter Announcements58

    คู่มือ OpenRouter: แก้ไขข้อผิดพลาด 429 rate limit ของ OpenAI และ Claude

    OpenRouter เผยแพร่คู่มือเกี่ยวกับการจัดการข้อผิดพลาด 429 Too Many Requests จาก OpenAI, Anthropic และ API ของตัวเอง โดยทดสอบวิธีแก้สามวิธีกับชุดคำสั่ง 60 รายการ การลองซ้ำเริ่มต้นของ OpenAI Python SDK ทำให้ 23 จาก 60 คำขอล้มเหลวภายใน 12 วินาที ขณะที่การลองซ้ำที่รอ Retry-After หรือ X-RateLimit-Reset ทำให้ทั้ง 60 คำขอสำเร็จใน 89 ถึง 92 วินาทีใน Python และ 106 ถึง 218 วินาทีใน TypeScript การ fallback ไปยังโมเดลอื่นทำให้ทั้ง 60 คำขอเสร็จสิ้นใน 13 วินาทีด้วยค่าใช้จ่าย $0.000066 และเมื่อเปิดใช้ provider failover คำขอที่ผูกกับผู้ให้บริการทั้งหมด 150 รายการสำเร็จ เทียบกับที่ล้มเหลวได้ถึง 32 รายการเมื่อปิด fallback

  14. OpenRouter Announcements60

    OpenRouter ทดสอบว่า fp8 และ fp4 quantization ส่งผลต่อคุณภาพและราคาของ LLM อย่างไร

    OpenRouter ได้รันงาน exact-answer 280 งานกับ six endpoints ของ Qwen3.8 27B เมื่อวันที่ 20 ตุลาคม 2026 และไม่พบความแตกต่างด้านความแม่นยำระหว่าง fp16, fp8 และ fp4 โดยทั้งหกได้คะแนนระหว่าง 98.3% ถึง 99.2% จาก 1,455 endpoints มี 59.5% ที่ไม่ระบุ precision เลย และ fp8 เป็นรูปแบบที่ติดป้ายมากที่สุดที่ 23.6% precision ที่ต่ำกว่ามีราคาถูกกว่าสำหรับโมเดลส่วนใหญ่แต่ไม่ใช่ทั้งหมด และการเลือกผู้ให้บริการส่งผลต่อราคามากกว่า precision โดย endpoint ที่มี precision เดียวกันและแพงที่สุดมีค่ามัธยฐานเป็น 1.72 เท่าของที่ถูกที่สุด

    ทำไมเรื่องนี้สำคัญ: OpenRouter วัด endpoints fp8, fp4 และ fp16 ของโมเดลหนึ่งๆ across 240 exact-answer tasks และไม่พบช่องว่างความแม่นยำที่ตรวจพบได้ ขณะที่ความแตกต่างของราคาเป็นไปตามผู้ให้บริการมากกว่า precision

  15. OpenAI News28

    หัวหน้าสถาปนิก JioStar Vijay Seshadri ว่าด้วย AI Discovery ในระดับผู้ใช้ 500 ล้านคน

    Vijay Seshadri หัวหน้าสถาปนิกของ JioStar แบ่งปันบทเรียนจากการดำเนินงาน AI discovery ในระดับผู้ใช้ 500 ล้านคน ครอบคลุมถึง evals, guardrails และการนำ AI ไปใช้ในระบบจริง บทความที่เผยแพร่โดย OpenAI นี้มุ่งเน้นแนวปฏิบัติเชิงปฏิบัติการเบื้องหลังการติดตั้งใช้งาน AI ขนาดใหญ่

  16. LangChain Blog58

    LangChain อธิบายเทคนิคการดึงข้อมูลสำหรับวิศวกรรมบริบทของ AI agent

    LangChain เผยแพร่บล็อกโพสต์เกี่ยวกับการออกแบบการดึงข้อมูลที่ส่งผลต่อวิศวกรรมบริบทสำหรับ AI agent โดยยกตัวอย่าง agent วิเคราะห์การแข่งขันที่สร้างบน Deep Agents harness ของบริษัท โพสต์กล่าวถึงโหมดความล้มเหลวสามประการ ได้แก่ การค้นหาที่ไม่มีประสิทธิภาพ การโหลดบริบทมากเกินไปในครั้งเดียว และผลลัพธ์ที่ไม่เกี่ยวข้องหรือล้าสมัย พร้อมจับคู่แต่ละโหมดกับเทคนิค เช่น เครื่องมือไฟล์ระบบ glob และ grep การแบ่งหน้าอ่านไฟล์ขนาดใหญ่ด้วย read_file offsets การย้ายผลลัพธ์เครื่องมือที่ใหญ่เกินไปไปยังไฟล์ และการมอบหมายการอ่านให้ subagent ภายใต้รูปแบบ retrieve, offload, delegate นอกจากนี้ยังเตือนว่าข้อความที่ดึงมาเป็นข้อมูลไม่ใช่คำสั่ง และอาจมีการฉีดพรอมต์ได้ จึงควรตรวจสอบผลลัพธ์เทียบกับแหล่งอ้างอิง

  17. LangChain Blog60

    LangChain อธิบายวิธีที่ Deep Agents จัดการบริบทโดยไม่เก็บทุกอย่างไว้ในหน้าต่าง

    LangChain ให้รายละเอียดว่า Deep Agents harness โอเพนซอร์สของบริษัทใช้มิดเดิลแวร์อย่างไรเพื่อต่อสู้กับ context rot ในการรันเอเจนต์ระยะยาว ผลลัพธ์จากเครื่องมือที่มีขนาดเกินประมาณ 20,000 โทเคนและข้อความผู้ใช้ที่เกิน 50,000 โทเคนจะถูกย้ายไปยังไฟล์โดยแสดงเพียงตัวอย่าง ขณะที่การสรุปจะย่อข้อความเก่าเมื่อการใช้งานถึง 85% ของหน้าต่างบริบท สกิล ซับเอเจนต์ และไฟล์หน่วยความจำระยะยาวแบบมาร์กดาวน์ช่วยให้หน้าต่างของเอเจนต์หลักมีขนาดเล็กและให้หน่วยความจำส่งต่อข้ามโมเดลและผู้ให้บริการ

    ทำไมเรื่องนี้สำคัญ: LangChain อธิบายว่า Deep Agents harness โอเพนซอร์สใช้มิดเดิลแวร์เพื่อย้าย สรุป และแยกบริบทอย่างไร ซึ่งเป็นรูปแบบที่นำกลับมาใช้ซ้ำได้สำหรับเอเจนต์ในงานระยะยาว

  18. Latent Space55

    ออกแบบสำหรับเอเจนต์: Zeno Rocha CEO ของ Resend ว่าด้วยวิธีที่เอเจนต์เลือกอีเมล API

    Zeno Rocha ผู้ร่วมก่อตั้งและ CEO ของ Resend เข้าร่วมพอดแคสต์ Latent Space เพื่ออธิบายว่าอีเมล API ถูกออกแบบมาให้โค้ดดิ้งเอเจนต์เลือกใช้ได้อย่างไร โดยอ้างอิงการศึกษาด้าน AEO ที่ Claude Code เลือก Resend เป็นอันดับแรกในการแนะนำอีเมล 64 จาก 102 ครั้ง จุดเริ่มต้นเดิมของ Resend คือ React Email เครื่องมือเทมเพลตที่นักพัฒนาสามารถใช้กับผู้ให้บริการรายใดก็ได้ ดังนั้นโค้ดของ Resend บางส่วนจึงมีอยู่ในรีโปแล้วก่อนที่พวกเขาจะเปลี่ยนมาใช้

  19. LangChain Blog36

    Workday สร้างแพลตฟอร์ม AI Agent ระดับองค์กรด้วย LangGraph และ LangSmith ได้อย่างไร

    Workday สร้างแพลตฟอร์มสำหรับนักพัฒนาภายในองค์กรเพื่อรองรับ AI agent ในสภาพแวดล้อมจริง โดยใช้ LangGraph สำหรับการจัดการ orchestration และ LangSmith สำหรับการติดตาม observability และการประเมินผล ด้วยทีมงานเพียงสี่คน เวลาที่ใช้ในการสร้างต้นแบบลดลงจาก 4–5 เดือนเหลือไม่ถึงหนึ่งวัน และทีมงานได้ขยายขึ้นเป็นประมาณ 30 คน

  20. Meta Engineering Blog58

    Meta อธิบายรายละเอียดว่า Your Algorithm แปลงความชอบในภาษาธรรมชาติเป็นคำแนะนำใน Facebook Feed และ Reels ได้อย่างไร

    Meta เผยแพร่ภาพรวมเชิงวิศวกรรมของ Your algorithm ชุดเครื่องมือ AI ที่ให้ผู้ใช้ Facebook ระบุเป็นภาษาธรรมชาติว่าต้องการเห็นอะไรใน Feed และ Reels โดยมีหน้าเดียวที่แก้ไขได้ซึ่งแสดงหัวข้อ Interested In และ Not Interested In การเปลี่ยนแปลงแต่ละครั้งจะถูกตรวจสอบโดย LLM ขนาดเล็กกว่า เสริมด้วย embeddings และคีย์เวิร์ดค้นหา และบันทึกลงที่จัดเก็บร่วมที่ทั้ง Feed และ Reels อ่าน ขณะที่ LLM reranker ที่ปรับแต่งมาเฉพาะจะลบเนื้อหาที่ตรงกับหัวข้อ Not Interested In ที่เพิ่งเพิ่มใหม่ Meta กล่าวว่าการโหลดส่วนท้ายเพิ่มเติมและการทำให้แคชฝั่งไคลเอนต์เป็นโมฆะช่วยให้การเปลี่ยนแปลงมีผลเร็วขึ้น และ LLM judge แยกต่างหากจะให้คะแนนผลลัพธ์ เช่น Lately Summary ก่อนเปิดตัว

  21. 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

  22. 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

  23. Mastra Blog38

    Mastra Forward: Mastra เปิดตัวบริการวิศวกรรม AI พร้อมวิศวกรประจำหน้างานและโรงงานเอเจนต์

    Mastra เปิดตัว Mastra Forward บริการวิศวกรรม AI ที่จับคู่วิศวกรประจำหน้างานที่มีชื่อระบุชัดเจนหนึ่งคนกับ Mastra Factory ซึ่งเป็นฝูงเอเจนต์ที่ติดตั้งในรีโปของลูกค้า การร่วมงานรายปีมีค่าใช้จ่ายน้อยกว่าการจ้างผู้เชี่ยวชาญด้าน AI ระดับอาวุโสหนึ่งคน และรวมถึงไลเซนส์ Enterprise ที่มีการติดตั้งแบบโฮสต์ โฮสต์เอง หรือ BYOC พร้อมด้วยพูล Trace Intelligence Mastra กล่าวว่าโรงงานของบริษัทสร้าง PR มากกว่า 750 รายการต่อสัปดาห์

  24. Mastra Blog58

    Mastra เพิ่ม MCP Tasks สำหรับการเรียกใช้เครื่องมือระยะยาวแบบเบื้องหลัง

    Mastra รองรับ tasks ใน MCPServer และ MCPClient แล้ว ทำให้การเรียกใช้เครื่องมือที่ใช้เวลานานสามารถทำงานเบื้องหลังได้ ขณะที่เอเจนต์ยังคงตอบสนองผู้ใช้ เซิร์ฟเวอร์จะส่งคืน task ID ทันที และไคลเอนต์จะ polling สถานะ working, input_required, completed, failed หรือ cancelled โดยจะมีการส่งการแจ้งเตือนไปยังเอเจนต์เมื่อ task เสร็จสิ้น เครื่องมือสามารถตั้งค่าเป็น always, auto (หลังจากค่าเริ่มต้น syncWindowMs 2 วินาที) หรือ off และ tasks ยังสามารถเรียก suspend() เพื่อรอข้อมูลจากมนุษย์ได้ ฟีเจอร์นี้ต้องใช้ @mastra/mcp@2.7.0 และ @mastra/core@1.81.0 ขึ้นไป และยังคงเป็น experimental

10 พฤศจิกายนวันอังคาร
  1. Google AI · DEV58

    Google อธิบายวิธีที่บริษัทปล่อย Agent Skills ออกมาเหมือนผลิตภัณฑ์ ด้วย CI gates และ AI review agent

    ปัจจุบัน Google Agent Skills เป็นที่เก็บสกิลกว่า 170 รายการจากทีมต่างๆ ทั่ว Google และมี GitHub stars เกิน 21,000 ดาว เพิ่มขึ้นจาก 15,000 ดาว โดยผู้ดูแลระบุถึงไปป์ไลน์ที่ทุกการเปลี่ยนแปลงต้องผ่าน แต่ละ pull request ต้องผ่านด่านอัตโนมัติ 6 ด่าน รวมถึงการตรวจสอบโครงสร้างให้เป็นไปตามข้อกำหนด, linters, semantic versioning, การตรวจสอบชุดการประเมิน, การตรวจสอบลิงก์ และ AI review agent ก่อนที่ผู้เชี่ยวชาญเฉพาะด้านที่เป็นมนุษย์จะอนุมัติ บทความยังแบ่งปันบทเรียนต่างๆ เช่น ความคาดหวังในการประเมินแบบ atomic, ไฟล์ดัชนีที่สร้างขึ้น และการรันการตรวจสอบแบบ deterministic ที่มีต้นทุนต่ำก่อนการตรวจสอบด้วย LLM ที่มีต้นทุนสูง

  2. The Pragmatic Engineer22

    ความถูกต้องของซอฟต์แวร์และความปลอดภัยของซัพพลายเชน: บทสนทนากับ Sean Allen

    The Pragmatic Engineer สัมภาษณ์ Sean Allen วิศวกรระดับสูงที่ Antithesis และผู้มีส่วนร่วมหลักในภาษา Pony เกี่ยวกับความถูกต้องของซอฟต์แวร์และความปลอดภัยของซัพพลายเชน Allen ให้เหตุผลว่าระบบชนิดข้อมูลที่แข็งแกร่งในตระกูลภาษา ML จับข้อผิดพลาดได้มากกว่าในเวลาคอมไพล์เมื่อเทียบกับภาษาตระกูล ALGOL และการทดสอบด้วยมือเป็นวิธีที่แย่ที่สุดในการรับรองความถูกต้อง เขายังกล่าวว่าไม่มีวิธีแก้ปัญหาเดียวที่ง่ายสำหรับการโจมตีซัพพลายเชน เนื่องจากภาษาที่มีการป้องกันอย่างแข็งแกร่งเช่น 'E' ไม่เป็นที่นิยม ในขณะที่ภาษายอดนิยมนั้นตั้งสมมติฐานว่าระบบนิเวศน์มีความน่าเชื่อถือ

  3. LiveKit Blog40

    เปิดตัว LiveKit Portal สำหรับ ROS 2: เชื่อมต่อกราฟ ROS ผ่าน WebRTC

    LiveKit เปิดตัว LiveKit Portal สำหรับ ROS 2 ซึ่งเป็นโหนด ROS 2 แบบสแตนด์อโลนที่เชื่อมต่อกราฟ ROS เข้ากับห้อง LiveKit เพื่อให้ผู้เข้าร่วมที่เป็น ROS และไม่ใช่ ROS สามารถแลกเปลี่ยนท็อปปิก การเรียกบริการ และวิดีโอผ่าน WebRTC โดยไม่ต้องเปิดเผย DDS ข้ามเครือข่าย รองรับเส้นทางข้อมูลสี่แบบ—ท็อปปิกผ่าน DataTracks บริการผ่าน RPC รูปภาพเป็น VideoTracks และแหล่งวิดีโอโดยตรง—พร้อมกฎ YAML สำหรับทิศทาง ขีดจำกัดอัตรา และการเข้ารหัสสคีมา เดโมหนึ่งถ่ายโอนภาระ stereo SLAM และการสร้างฉากใหม่จาก rover ที่ใช้ Jetson Orin Nano ไปยังเดสก์ท็อป RTX 5090