ข้ามไปที่เนื้อหา
#การติดตั้งใช้งาน / วิศวกรรม
27 ตุลาคมวันอังคาร
  1. Preferred Networks News60

    PFN เปิดตัว PLaMo 3.1 Prime พร้อม Web search และ Deep Research

    Preferred Networks เริ่มให้บริการ PLaMo 3.1 Prime เมื่อวันที่ 27 ตุลาคม 2026 โดยเพิ่ม Web search และฟีเจอร์ Deep Research ที่วางแผน รวบรวม วิเคราะห์ และเขียนรายงานพร้อมอ้างอิงแหล่งที่มาได้เองภายในเวลาหลายนาทีถึงหลายสิบนาที Deep Research ยังทำงานบนเครื่องภายในองค์กร (on-premises) และเชื่อมต่อกับระบบค้นหาเอกสารภายในได้ ขณะที่บริษัทรายงานว่าคะแนนเฉลี่ยดีขึ้นประมาณ 15% ในแปด benchmark ที่เกี่ยวกับ hallucination รวมถึง AA Omniscience เมื่อเทียบกับ PLaMo 3.0 Prime PFN ยังระบุถึงการประมวลผลเร็วขึ้น 1.7 เท่าด้วย speculative decoding และลด output tokens ลง 90% ในโหมด non-reasoning พร้อมเปิดตัวแผน PLaMo API ฟรีและแคมเปญ PLaMo Chat ที่ให้ใช้ Deep Research วันละสองครั้งจนถึงวันที่ 30 พฤศจิกายน 2026

    ทำไมเรื่องนี้สำคัญ: PLaMo 3.1 Prime ของ PFN เพิ่ม Deep Research ที่ทำงานได้เองบนเครื่องภายในองค์กร มอบทางเลือกที่ติดตั้งใช้งานในองค์กรได้ให้แก่องค์กรญี่ปุ่นสำหรับงานสืบค้นพร้อมอ้างอิงแหล่งที่มา

  2. Apple Newsroom58

    Apple Creator Studio เพิ่มผู้ช่วย AI รองรับ MCP และ MotionVFX ใน Final Cut Pro

    Apple เปิดตัวอัปเดต Apple Creator Studio ที่นำผู้ช่วยอัจฉริยะซึ่งสร้างบนโมเดลของ Apple และบุคคลที่สามมาสู่ Keynote, Pages และ Numbers พร้อมรองรับ Model Context Protocol เพื่อให้ AI agent ภายนอกสามารถอ่านเนื้อหาและแก้ไขในแอปเหล่านี้ได้ Final Cut Pro สำหรับ Mac มี MotionVFX และวิดีโอสต็อกจาก Content Hub ในตัวแล้ว Logic Pro ได้รับผู้ช่วยเวอร์ชันเบต้าและ Stem Splitter ที่แยกเสียงกลอง และ Pixelmator Pro เพิ่ม Generate Fill สำหรับการแก้ไขภาพด้วยภาษาธรรมชาติ อัปเดตเหล่านี้จะเปิดให้ใช้บน App Store ในเดือนพฤศจิกายนนี้ ฟรีสำหรับผู้สมัครสมาชิกที่มีอยู่แล้ว โดยการสมัครสมาชิกใหม่ราคา $12.99 ต่อเดือน หรือ $129 ต่อปี

26 ตุลาคมวันจันทร์
  1. Replit Blog38

    Replit: ทุกบริษัทใน Fortune 500 จะกลายเป็นบริษัทขับเคลื่อนอัตโนมัติภายในปี 2030

    Replit คาดการณ์ว่าทุกบริษัทใน Fortune 500 จะกลายเป็น "บริษัทขับเคลื่อนอัตโนมัติ" ภายในสิ้นปี 2030 โดยมีเอเจนต์ทำงานและประสานงานกัน ขณะที่มนุษย์เป็นผู้กำหนดเป้าหมายและยังคงรับผิดชอบ Replit ระบุว่าวิศวกรของบริษัทเพิ่มปริมาณโค้ดได้เกือบสามเท่าในช่วงครึ่งแรกของปี 2026 ขณะที่เวลาในการรีวิว จำนวนการย้อนกลับ และเหตุการณ์ในผลิตภัณฑ์ยังคงทรงตัว Replit for Business กำลังถูกสร้างขึ้นเป็นรากฐาน และที่ SMFL กระบวนการพัฒนาที่เคยใช้คนหกคนเป็นเวลาหกเดือน ถูกทำเสร็จโดยคนคนเดียวในหนึ่งสัปดาห์

  2. Vapi Blog38

    Vapi เปิดตัวการแบ่งทราฟฟิกสำหรับการทยอยใช้งาน voice agent

    Vapi ได้เปิดตัวการแบ่งทราฟฟิก ทำให้ทีมสามารถกำหนดเส้นทาง 0.1%, 1% หรือ 5% ของสายเรียกเข้าและสายเรียกออกไปยังเวอร์ชันเอเจนต์ใหม่ก่อนตัดสินใจใช้งานเต็มรูปแบบ ก่อนหน้านี้ การเผยแพร่เวอร์ชันผู้ช่วยใหม่จะส่งทราฟฟิก 100% ไปยังเวอร์ชันนั้นทันที ฟีเจอร์นี้มี "stickiness" เพื่อให้ผู้โทรที่โทรซ้ำอยู่ในเวอร์ชันเดียวกัน และ Vapi แนะนำให้เริ่มต้นด้วยการแบ่งแบบสองทาง

  3. Mastra Blog40

    Mastra เปิด Knowledge สมองบริษัทแบบโฮสต์เองสำหรับ AI agents ให้พาร์ทเนอร์ออกแบบเพิ่มอีกแปดราย

    Mastra กำลังเปิดบริการ Knowledge ซึ่งเป็นชั้นบริบททั่วทั้งบริษัทแบบโฮสต์เองสำหรับ AI agents ให้พาร์ทเนอร์ออกแบบเพิ่มอีกแปดรายตามลำดับก่อนหลัง Knowledge เชื่อมต่อระบบอย่าง Slack และ Monday รักษาความเป็นปัจจุบันของตัวเอง และรองรับฐานความรู้แยกตามฟังก์ชันพร้อมสิทธิ์ในระดับบุคคล ทีม และองค์กร Mastra กล่าวว่าการเชื่อมกราฟความรู้ทั่วทั้งบริษัทเข้ากับ coding agents ของตนทำให้คุณภาพโค้ดที่ส่งมอบดีขึ้นอย่างเห็นได้ชัด

24 ตุลาคมวันเสาร์
  1. SemiAnalysis60

    SemiAnalysis ทดสอบสแต็กการเทรน PyTorch แบบเนทีฟของ Amazon Trainium3 และโปรไฟเลอร์ Neuron Explorer

    ทีมวิศวกรของ SemiAnalysis ทดสอบแร็ค Trainium3 บนสแต็ก TorchTitan และ TorchNeuron และพบว่าประสบการณ์ PyTorch แบบเนทีฟดีขึ้นอย่างมากเมื่อเทียบกับวิธี PyTorch/XLA แบบเดิม แม้ยังมีบั๊กและเวลาคอมไพล์ที่นานอยู่ การเทรน Qwen3-32B บนชิป Trainium2 จำนวน 16 ตัวทำได้ 14,156 โทเคนต่อวินาที ที่ MFU 30.47% ในโหมดคอมไพล์ ซึ่งเพิ่มขึ้น 1.28 เท่าเมื่อเทียบกับโหมด eager ขณะที่สูตร gpt-oss 20B ใช้เวลา 27 นาที 17 วินาทีในการคอมไพล์ ทีมยังจัดให้ Neuron Explorer เป็นโปรไฟเลอร์ชั้นนำของอุตสาหกรรม เหนือกว่าเครื่องมือของ Nvidia และ AMD และรายงานว่า Trainium3 ผ่าน 89 จาก 96 กรณีทดสอบ FlexAttention

  2. Google Research58

    Google Research อธิบายเส้นทางของ AI คัดกรองวัณโรค จาก benchmark สู่การใช้งานทางคลินิกที่ได้รับการรับรอง

    Google Research เปิดเผยในงาน IDWeek 2026 ว่าโมเดลคัดกรองวัณโรคจากภาพเอกซเรย์ทรวงอก พัฒนาจาก benchmark ในวารสาร Radiology ปี 2019 สู่เครื่องมือที่ได้รับการรับรอง CE MDR Class IIb ซึ่งพันธมิตร Nexus AI นำไปใช้งานในสถานพยาบาลราว 40 แห่งทั่ว 6 ประเทศ โดยแพทย์กว่า 90 คนได้ประเมินภาพรังสีทรวงอกกว่า 25,000 ภาพ ลดเวลาตอบสนองจากหลายสัปดาห์เหลือต่ำกว่า 45 วินาที และเครื่องมือนี้ยังถูกนำไปใช้งานแบบออฟไลน์ที่ระดับความลึก 4 กิโลเมตรใต้ดินในเหมืองทองคำ Mponeng ของแอฟริกาใต้ นอกจากนี้ Google ยังเปิดโอเพนซอร์ส chest X-ray embeddings และ MedSigLIP ผ่าน HAI-DEF และเผยแพร่ MedGemma ซึ่งระบุว่ามียอดดาวน์โหลดเกิน 10 ล้านครั้ง ขณะที่กระทรวงสาธารณสุขอินโดนีเซียกำลัง fine-tuning โมเดลทั้งสองด้วยภาพรังสีในประเทศสำหรับโครงการคัดกรองระดับชาติ

23 ตุลาคมวันศุกร์
  1. Google AI · DEV25

    สองวิธีในการสร้างด้วยโมเดล Claude บน Google Cloud

    Google Cloud มีสองวิธีในการสร้างด้วยโมเดล Claude แล้ว: ตัวเลือกที่ Google จัดการเพื่อความปลอดภัยภายในขอบเขต การเก็บข้อมูลในภูมิภาค และการผสานรวมกับคลาวด์แบบเนทีฟ และตัวเลือกที่ Anthropic จัดการซึ่งมอบ Claude Platform แบบเต็มพร้อม Google Cloud IAM และการเรียกเก็บเงิน ทั้งสองตัวเลือกพร้อมให้ลองได้แล้ววันนี้

  2. Amazon Science38

    วิทยาศาสตร์เบื้องหลัง TorchNeuron แบ็กเอนด์ PyTorch ใหม่ของ Amazon สำหรับชิป AWS Trainium

    Amazon เปิดตัว TorchNeuron แบ็กเอนด์ PyTorch โอเพนซอร์สที่แปลงโค้ด PyTorch เป็นการดำเนินการที่รันได้บนระบบ AWS Trainium โดยแทบไม่ต้องแก้ไขโค้ดหรือไม่ต้องแก้เลย โดยเพิ่มโหมด eager แบบปรับตัวที่ต้องเลือกเปิดใช้ ซึ่งจัดกลุ่มและคอมไพล์การดำเนินการเพื่อประสิทธิภาพใกล้เคียงโหมดคอมไพล์ พร้อมแคช NEFF หลายระดับ บริการคอมไพล์ที่ใช้ร่วมกันช่วยลดเวลาถึงขั้นตอนเทรนแรกได้ประมาณหนึ่งในสามในการทดสอบ LLM แบบ 64 โปรเซส ทีม Annapurna ปรับแต่งและวัดประสิทธิภาพโดยใช้โมเดลตัวแทน 841 โมเดลที่กลั่นกรองจากโมเดลโอเพนซอร์สหลายแสนโมเดล

  3. Modal Blog58

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

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

  4. Figma Blog40

    วิธีนำ Design System ของคุณไปใช้กับ Figma Agent

    Figma agent พร้อมใช้งานทั่วไปแล้ว และ Figma อธิบายวิธีป้อน design system ของคุณให้กับมัน เพื่อให้ผลลัพธ์ตรงกับผลิตภัณฑ์ของคุณ การเชื่อมต่อไลบรารีที่เผยแพร่แล้วช่วยให้ agent ใช้คอมโพเนนต์และโทเคนที่ได้รับอนุมัติ ขณะที่ไฟล์แนวทางกำหนดกฎของทีม และหน้า Examples หรือการตั้งชื่อแบบ _example ช่วยให้มีแพตเทิร์นที่นำกลับมาใช้ซ้ำได้

22 ตุลาคมวันพฤหัสบดี
  1. Sakana AI Blog58

    Sakana AI เปิดตัว Sakana Aquarium แพลตฟอร์ม AI agent ที่อิงออนโทโลยีสำหรับการตัดสินใจในองค์กร

    Sakana AI ประกาศเปิดตัว Sakana Aquarium แพลตฟอร์มสำหรับสร้าง รัน และดำเนินการ AI agent ที่สนับสนุนการตัดสินใจและการลงมือปฏิบัติขององค์กรบนพื้นฐานของออนโทโลยี แพลตฟอร์มนี้ประกอบด้วยสามส่วน ได้แก่ Ontology ที่จัดระเบียบความรู้ กฎ และข้อมูลพร้อมความหมายและความสัมพันธ์ พร้อมเชื่อมต่อแหล่งข้อมูลที่มีอยู่โดยไม่ต้องย้ายข้อมูล Governance ที่กำหนดสิทธิ์การเข้าถึงและการอนุมัติก่อนการทำงาน และบันทึกทุกอย่างตั้งแต่เหตุผลการตัดสินใจไปจนถึงผลการดำเนินการ และ Managed Agents ที่ติดตั้งเวิร์กโฟลว์ครอบคลุมการค้นหาข้อมูล การตัดสินใจของ AI การเรียกใช้ฟังก์ชัน และการอนุมัติจากมนุษย์ Sakana AI ระบุว่าการเชื่อมต่อข้อมูลและออนโทโลยีสามารถนำกลับมาใช้ซ้ำได้ข้าม agent ต่างๆ และแพลตฟอร์มนี้พัฒนามาจากงานที่นำโดย FDE ร่วมกับสถาบันการเงิน เช่น MUFG, SMBC Group และ Daiwa Securities Group

  2. Modal Blog71

    Modal เปิดตัว Spindle เซิร์ฟเวอร์ฝึกโมเดลโอเพนซอร์สที่เข้ากันได้กับ Tinker

    Modal เปิดตัว Spindle เซิร์ฟเวอร์ฝึกโมเดลโอเพนซอร์สที่เข้ากันได้กับ Tinker ซึ่งทำงานในเวิร์กสเปซ Modal ของลูกค้า ช่วยให้ทีมปรับแต่งสแตกได้เองและจ่ายตามเวลา GPU แทนการจ่ายตามโทเคน Spindle รองรับการฝึกแบบ full-parameter และ multi-LoRA ข้ามโมเดลโอเพนซอร์สต่างๆ และ Modal รายงานว่าการแชร์เทรนเนอร์เดียวให้ไคลเอนต์ 8 รายช่วยลดต้นทุนต่อ 1M โทเคนเอาต์พุตได้สูงสุดถึง 80% เมื่อเทียบกับ Tinker ในงาน DAPO-math GRPO Modal ระบุว่า Spindle ยังอยู่ในช่วงเบต้า และวางตำแหน่งไว้ระหว่างไลบรารีการฝึก Dojo และคลัสเตอร์พริมิทีฟระดับพื้นฐาน

    ทำไมเรื่องนี้สำคัญ: เซิร์ฟเวอร์ Spindle โอเพนซอร์สของ Modal มอบทางเลือกที่เข้ากันได้กับ Tinker ให้ทีมต่างๆ โดยแลกการคิดราคาต่อโทเคนเป็นการจ่ายตามเวลา GPU พร้อมรายงานว่าการแชร์ multi-LoRA ช่วยลดต้นทุนได้สูงสุดถึง 80%

  3. SemiAnalysis75

    ความสัมพันธ์แบบพึ่งพากันของ Huawei-DeepSeek: ผลทดสอบ Ascend 950PR และการรองรับ Ascend Kernel ของ DeepSeek

    SemiAnalysis ตรวจสอบความร่วมมือระหว่าง Huawei และ DeepSeek โดยทดสอบ Ascend 950PR (28 cube cores, 128 GiB HBM) และทบทวนการเปิดตัวเมื่อวันที่ 30 กันยายนของ DeepSeek ที่รองรับ Ascend สำหรับ TileLang, DeepGEMM, DeepEP, TileKernels, FlashMLA และ DeepSelect 950PR ทำความเร็วสูงสุดของแบนด์วิดท์ HBM ได้ 1.6384 TB/s และเอาชนะการใช้แบนด์วิดท์ของ H100 ที่ขนาดข้อความเล็ก ขณะที่ค่ามัธยฐานของสัดส่วนคอมพิวต์ที่ทำได้เทียบกับที่ทำได้สูงสุดอยู่ที่ 41.5% เทียบกับ 46.8% ของ H100; มีเพียง TileLang ที่ใช้งานได้จริงจนถึงตอนนี้ เนื่องจาก CANN 9.2.0 ที่จำเป็นยังไม่เปิดตัวในขณะที่เขียน ผู้เขียนโต้แย้งว่าซอฟต์แวร์สแตกนั้นใกล้ถึงแนวหน้าแม้ฮาร์ดแวร์ของ Huawei จะตามหลังอยู่ และตั้งข้อสังเกตว่าการปรับแต่งส่วนใหญ่พุ่งเป้าไปที่ supernodes โดย vLLM-Ascend ยังคงล้มเหลวตั้งแต่แรกบนโฮสต์ x86

  4. Google Developers Blog38

    Project Chrysalis ของ Google Cloud: สถาปัตยกรรม AI Agent ที่กำกับดูแลได้และพัฒนาตนเองได้บน Gemini และ ADK

    นักวิจัยของ Google Cloud เปิดตัว Project Chrysalis สถาปัตยกรรมอ้างอิงสำหรับ AI Agent ที่กำกับดูแลได้และพัฒนาตนเองได้ ซึ่งสร้างบนแพลตฟอร์ม Gemini และ Agent Development Kit (ADK) ในการจำลองเหตุการณ์ระบบล่มจาก cache-stampede ในช่วง Black Friday โครงการนี้ลดเวลาตั้งแต่เริ่มเกิดเหตุจนถึงการบรรเทาผลกระทบครั้งแรกจาก 15–45 นาทีเหลือ 1.8 วินาที ลดข้อผิดพลาด HTTP 5xx จาก 72.7%–80.0% เหลือ 0.0% และลด P99 latency จาก 519.8 ms เหลือ 18.2 ms ทุกการกระทำอัตโนมัติถูกจำกัดขอบเขตด้วย Model Armor, Cloud KMS, Binary Authorization, OPA Policy Controller และการลงนามอนุมัติโดยมนุษย์แบบ dual-custody ในกระบวนการ human-in-the-loop

  5. Google Developers Blog58

    Google Cloud API Gateway เพิ่มการรองรับสตรีมมิ่งใน Public Preview

    Google Cloud API Gateway รองรับสตรีมมิ่งใน Public Preview แล้ว ทำให้ endpoint แบบ SSE, chunked HTTP, WebSocket และ gRPC streaming อยู่หลังเกตเวย์และนโยบายเดียวกับ API ที่มีอยู่เดิม การเปิดสตรีมมิ่งทำได้ด้วยแฟล็ก --enable-streaming เพียงตัวเดียวตอนสร้างเกตเวย์ ไม่ต้องแก้ไข API spec และยังคงการบังคับใช้ API key, การตรวจสอบ JWT, การยืนยันตัวตนด้วย service account รวมถึง Cloud Logging และ Monitoring ทำงานเหมือนเดิม เกตเวย์ยังได้ชื่อโฮสต์เริ่มต้นแบบกำหนดแน่นอนเป็น GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev และสตรีมสามารถเปิดค้างไว้ได้นานสูงสุดหนึ่งชั่วโมง

21 ตุลาคมวันพุธ
  1. Recode China AI72

    ร่างมาตรการควบคุมการส่งออก AI ของจีนเล็งโมเดลขนาดใหญ่และเอเจนต์ แต่ยกเว้นการเผยแพร่แบบ open-weight

    กระทรวงพาณิชย์และกระทรวงวิทยาศาสตร์และเทคโนโลยีของจีนเผยแพร่ร่างเพิ่มเติมในบัญชีควบคุมการส่งออกเมื่อวันที่ 16 ตุลาคม ซึ่งครอบคลุมโมเดล AI ขนาดใหญ่ขั้นสูง เอเจนต์ AI และคลัสเตอร์คอมพิวติ้งขนาดใหญ่เป็นครั้งแรก โดยมี 14 เทคโนโลยีที่ห้ามส่งออกและ 26 เทคโนโลยีที่ถูกจำกัด

  2. Modal Blog58

    Modal เปิดตัว Dojo ไลบรารีสำหรับการฝึก LLM ระดับโปรดักชัน

    Modal เปิดตัว Modal Dojo ไลบรารีสำหรับการฝึกที่มาพร้อมบล็อกการสร้าง สูตรสำเร็จรูปที่ปรับแต่งแล้ว และแดชบอร์ดสำหรับการสังเกตการณ์ สำหรับการฝึกหลังการฝึก (post-training) LLM ระดับโปรดักชัน โดยต่อยอดจากเฟรมเวิร์กโอเพนซอร์ส Miles และ Slime รองรับโมเดลตั้งแต่ครึ่งพันล้านถึงหลายล้านล้านพารามิเตอร์ และมี API และ CLI ที่เอเจนต์สามารถสั่งการเพื่อเริ่มและดีบักการรันได้ Modal ระบุว่า Axiom Bio ใช้มันเพื่อขยายไปสู่การรัน DeepSeek V4.1 Flash ที่บริบท 64k บน B300 จำนวน 64 ตัว และ Afterquery ฝึก Kimi และ DeepSeek ที่ความยาวบริบท 256k

  3. LiveKit Blog25

    Acuity Health ใช้ LiveKit Voice Agents เพื่อทำให้การเข้าถึงของผู้ป่วยเป็นระบบอัตโนมัติได้อย่างไร

    Acuity Health สร้าง patient-access voice agents ใหม่บน LiveKit หลังจากที่แพลตฟอร์ม low-code พิสูจน์แล้วว่าแข็งเกินไปและไม่โปร่งใส และตอนนี้ 80% ของสายถูกจัดการโดย AI agents อย่างสมบูรณ์ Agents ทำงานบน LiveKit Inference ด้วยโมเดล Gemma 4 31B การจองส่วนใหญ่เสร็จสิ้นภายในไม่ถึงหนึ่งนาที และ 81% ของสายการจองจบลงด้วย "ขอบคุณ" LiveKit Simulations ทดสอบทุกการเปลี่ยนแปลงกับโปรไฟล์ผู้ป่วยก่อนปล่อย และการตรวจทาน prompt หนึ่งครั้งตัดคำออกประมาณ 24% ในขณะที่ยังผ่านสถานการณ์เดียวกัน

  4. Google AI · DEV58

    Google Antigravity เพิ่ม Claude Opus 5.5 และ Sonnet 5.5 พร้อมสลับโมเดลกลางเซสชัน

    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

  5. Google Developers Blog58

    Google Agents CLI 1.8.0 เปิดตัวระบบ Extension และ LangChain extension จากทีมแรก

    Google Agents CLI เวอร์ชัน 1.8.0 เปิดตัวระบบ Extension ซึ่งเริ่มมีตั้งแต่ v1.5.0 ช่วยให้นักพัฒนาสามารถ override หรือเพิ่มคำสั่งได้โดยไม่ต้อง fork เครื่องมือ และ v1.8.0 ยังมาพร้อม LangChain extension จากทีมแรก โดยเทมเพลต LangChain จะสร้างโปรเจกต์ที่ไม่มี dependency ของ google-adk และ deploy ไปยัง Cloud Run ผ่านเส้นทางโค้ดเดียวกับโปรเจกต์ ADK ขณะที่คำสั่งที่ผูกกับ ADK หกคำสั่ง เช่น playground, run และ eval generate จะถูกแทนที่หรือถูกปฏิเสธอย่างชัดเจน Extension ถูกเผยแพร่เป็นไดเรกทอรีใน Git repository พร้อม lockfile ที่ pin commit SHA แบบเจาะจง และระบบนี้ถูกทำเครื่องหมายว่าเป็น experimental ใน v1.8.0

20 ตุลาคมวันอังคาร
  1. Sakana AI Blog15

    Sakana AI Engineer Open House 2026: ประกาศกลยุทธ์ AI Sovereignty และเปิดรับวิศวกร 5 ตำแหน่ง

    Sakana AI จัดงาน Engineer Open House ครั้งที่สองเมื่อวันที่ 5 ตุลาคม 2026 ครอบคลุมตำแหน่งวิศวกร 5 ตำแหน่ง ได้แก่ Applied Research Engineer, Forward Deployed Engineer, Software Engineer, Solution Engineer และ Cybersecurity Engineer โดย CEO David Ha ได้ประกาศกลยุทธ์ "AI sovereignty" ที่สร้างขึ้นบนการ pre-training, post-training ด้วย Namazu และการ orchestration ด้วย Fugu หลังจากที่บริษัทได้ขยายพอร์ตโฟลิโอเป็น Sakana Chat, Marlin, Fugu และ Translate ในช่วงหกเดือนที่ผ่านมา งานนี้ยังได้ให้รายละเอียดเกี่ยวกับการทำงานร่วมกับสถาบันการเงินญี่ปุ่นและโครงการด้านกลาโหม รวมถึงการวิจัยร่วมกับสำนักงานข้อมูลของกระทรวงกลาโหมและสถาบันวิทยาศาสตร์และเทคโนโลยีแห่งนวัตกรรมกลาโหม

  2. Mistral AI82

    Mistral เปิดตัวโมเดลเสียง Voxtral 3 และ Voice Agent SDK

    Mistral เปิดตัว Voxtral 3 กลุ่มโมเดลถอดเสียงเป็นข้อความและข้อความเป็นเสียง พร้อม Voice Agent SDK ที่สร้างบน LiveKit ซึ่งสตรีมการฟัง การคิด การเรียกใช้เครื่องมือ และการพูดในไปป์ไลน์เดียว Voxtral Small Transcribe 3 รองรับกว่า 50 ภาษา พร้อมการแยกผู้พูดและ context biasing ส่วน Voxtral Mini TTS 3 รองรับกว่า 35 ภาษาและกว่า 50 ภาษาถิ่น โดยสแต็กนี้ใช้งานได้ผ่าน API ของ Mistral ที่โฮสต์ใน EU หรือการติดตั้งเอง ราคาเริ่มต้นที่ $0.0035/นาที สำหรับการถอดเสียงแบบแบตช์ และ $13 ต่อ 1M ตัวอักษรสำหรับ TTS

    ทำไมเรื่องนี้สำคัญ: Voxtral 3 ของ Mistral จับคู่โมเดลเสียงหลายภาษากับ Voice Agent SDK ที่สร้างบน LiveKit มอบทางเลือกที่ติดตั้งใช้งานได้อย่างอธิปไตยให้ทีมต่างๆ สำหรับ voice agent แบบเรียลไทม์

  3. Zyphra Research58

    Zyphra Inference Wave 2 นำเสนอเคอร์เนล HIP MoE และ sparse-attention แบบกำหนดเองสำหรับการให้บริการบน MI355X

    Zyphra เปิดตัวเวฟที่สองของ Zyphra Optimization Engine (ZOE) สำหรับ GPU AMD Instinct MI355X โดยเพิ่มเคอร์เนล HIP แบบกำหนดเองสี่ตัวสำหรับ MoE และ sparse attention เข้าใน production forks ของ vLLM และ SGLang 40x) เช็กพอยต์ 3 ยังคงอยู่ในระยะ 3 คะแนนจาก FP8 บนเกณฑ์มาตรฐานการให้เหตุผลสี่รายการ แต่ถอดรหัสได้เร็วกว่าเฉพาะที่การทำงานพร้อมกันสูง

  4. Waymo Blog58

    Waymo เริ่มวางรากฐานสำหรับบริการเรียกรถโดยสารอัตโนมัติในแคว้นมาดริด ผู้โดยสารกลุ่มแรกตั้งเป้าปี 2027

    Waymo ประกาศว่ากำลังวางรากฐานสำหรับบริการเรียกรถโดยสารแบบอัตโนมัติเต็มรูปแบบในสเปน โดยเริ่มจากแคว้นมาดริด ด้วยเป้าหมายที่จะต้อนรับผู้โดยสารกลุ่มแรกในปี 2027 รถยนต์ไฟฟ้า Jaguar I-PACE จะปรากฏบนถนนในภูมิภาคในอีกไม่กี่วันข้างหน้า โดยเริ่มจากการขับขี่แบบmanualก่อนที่จะผ่านการตรวจสอบทางเทคนิคโดยผู้เชี่ยวชาญด้านระบบอัตโนมัติที่ได้รับการฝึกฝนในท้องถิ่น Waymo อ้างถึงการเดินทางที่เสร็จสมบูรณ์กว่า 20 ล้านครั้ง และข้อมูลจากระยะทางกว่า 400 ล้านกิโลเมตรที่ขับขี่แบบอัตโนมัติเต็มรูปแบบ ซึ่งแสดงให้เห็นว่าอุบัติเหตุที่เกี่ยวข้องกับการบาดเจ็บสาหัสหรือร้ายแรงกว่านั้นลดลง 95% เมื่อเทียบกับผู้ขับขี่ที่เป็นมนุษย์ในเมืองที่ให้บริการ

  5. Google Developers Blog60

    Google นำ TorchTitan มาเชื่อมต่อกับ TorchTPU และเผยแพร่คู่มือปรับแต่งโมเดลสำหรับ TPU

    Google ได้เผยแพร่ TPU fork ของ TorchTitan จาก Meta ที่รันการฝึก PyTorch บน Cloud TPU ผ่าน backend torch.device("tpu") แบบเนทีฟของ TorchTPU พร้อมเคอร์เนลแบบ TPU-native และ playbook การปรับแต่งทีละขั้นตอน บน TPU v7x (Ironwood) Llama 3 405B รักษา MFU ประมาณ 57% ตั้งแต่ 128 ถึง 1,024 ชิป, Qwen3 235B ทำได้ 32.42% MFU บนสไลซ์ 1,024 ชิปหนึ่งสไลซ์ และ FLUX.1 ทำได้ 19.4% MFU บน 1,024 ชิปที่ประสิทธิภาพ weak-scaling 93% ฟอร์กอยู่ที่ https://github.com/google-pytorch/torchtitan/ และ Transformers modeling backend พร้อม agent onboarding skill ขยายเทรนเนอร์เดียวกันไปยังเช็กพอยต์อื่นๆ

    ทำไมเรื่องนี้สำคัญ: Google ร่วมมือกับ Meta ในการพอร์ต TorchTitan ไปยัง TPU พร้อมเส้นทางการปรับแต่งทีละระดับตั้งแต่ FLUX.1 ถึง Qwen3 235B และตัวเลข MFU ซึ่งใช้เป็นข้อมูลอ้างอิงให้ทีม PyTorch ประเมินความเป็นไปได้ของการฝึกบน TPU

  6. Modal Blog40

    Modal เปิดตัว Sticky Sessions สำหรับการกำหนดเส้นทางแบบไร้เซิร์ฟเวอร์ที่รับรู้เซสชัน

    Modal เปิดตัว Sticky Sessions ซึ่งจะตรึงทุกคำขอในเซสชันให้ไปยังคอนเทนเนอร์เดียวกันบนพื้นฐานของ Modal Servers ที่มีความหน่วงต่ำ นักพัฒนาสร้าง Server ที่มีเซสชันด้วยตัวตกแต่ง @modal.sessioned() และเริ่มเซสชันผ่าน SDK หรือ HTTP API โดยการปรับขนาดอัตโนมัติขับเคลื่อนด้วยจำนวนเซสชันที่ใช้งานอยู่แทนที่จะเป็นปริมาณคำขอ

19 ตุลาคมวันจันทร์
  1. Modal Blog58

    Modal ทดสอบ CPU NVIDIA Vera: ปริมาณงานแซนด์บ็อกซ์สูงสุด 2 เท่าภายใต้โหลด

    Modal ได้ทดสอบเซิร์ฟเวอร์ CPU Vera สถาปัตยกรรม Arm ตัวใหม่ของ NVIDIA และวัดปริมาณงานต่อเนื่องได้สูงสุดเป็นสองเท่าของเครื่อง x86 GNR ที่เทียบเท่ากัน โดยความหน่วงต่องานเท่ากันหรือบางครั้งต่ำกว่า ผลลัพธ์มาจาก Agentless Agent Bench, โซลูชันและตัวตรวจสอบ Terminal-Bench oracle จำนวน 50 ชุดที่ตัดการเรียกเครือข่ายออกและรันในคอนเทนเนอร์ Docker แบบพร้อมกัน Modal อธิบายว่าเหตุที่ได้ผลดีขึ้นเป็นเพราะ Vera รักษาความเร็วไว้ได้เมื่อคอนเทนเนอร์พร้อมกันสะสมมากขึ้น ซึ่งเชื่อมโยงกับแบนด์วิดท์หน่วยความจำที่สูง และระบุว่าการรองรับ Arm จะต้องมีการเปลี่ยนแปลงทั่วทั้งโครงสร้างพื้นฐานและระบบสร้างอิมเมจ

  2. Modal Blog38

    Legora 如何在 Modal Sandboxes 上并行运行 2,000 个 agent 评估

    Legora 现在将其每个法律 agent 评估都放在单独的 Modal Sandbox 中运行，启动其完整应用并固定到特定 commit，使每次运行都反映确切的产品版本。一个典型实验包含 100 个用例、4 个 harness 变体、每个 5 次试验——即 2,000 次并行运行——并由 Modal Volumes 对文档、数据库和权限状态进行快照。Legora 还从 gVisor 迁移到 Modal VM Sandboxes，移除了其 Docker 网络和 FUSE 变通方案，并通过更智能的压缩和自定义工具搜索将 agent 成本降低了 30%。

16 ตุลาคมวันศุกร์
  1. Modal Blog36

    Modal อธิบายวิธีสร้างสแตกไฟล์ซิสเต็มความเร็วสูงสำหรับ VM Sandboxes

    Modal อธิบายรายละเอียดว่าพวกเขาพัฒนาสแตกไฟล์ซิสเต็มเพื่อรองรับ VM Sandboxes อย่างไร โดยส่งคำขอจาก guest ผ่าน virtio-fs และ virtiofsd ไปยัง ImageFS ไฟล์ซิสเต็มแบบ lazy-loading ของพวกเขา เวอร์ชันแรกบูตได้เร็วแต่ทำงานช้า: recursive chown ใช้เวลาจากสี่วินาทีเป็นกว่าหนึ่งนาที และการติดตั้ง pnpm กับ bun ช้ากว่าประมาณสามเท่า Microbenchmarks แสดงให้เห็นว่า chown ใช้เวลา 9.87 วินาทีบน virtio-fs เทียบกับ 2.31 วินาทีบน gVisor และ 1.58 วินาทีบน ImageFS

  2. Replit Blog40

    Replit นำ Bring Your Own Cloud (BYOC) สู่แพลตฟอร์มของตน

    Replit กำลังเปิดตัวตัวเลือก Bring Your Own Cloud (BYOC) ที่ให้องค์กรสามารถรันแพลตฟอร์ม Replit และแอปที่เผยแพร่ภายใน tenant ของ Microsoft Azure, Google Cloud หรือ Amazon Web Services ของตนเองได้ BYOC แบบเต็มรูปแบบซึ่งอยู่ใน private preview จะติดตั้งเซลล์และ agent harness ของ Replit ในคลาวด์ของลูกค้า ขณะที่ BYOC สำหรับ Published Apps ซึ่งอยู่ในช่วง early access จะโฮสต์โปรเจกต์ที่เผยแพร่ไว้ที่นั่นโดย Replit เป็นผู้จัดการแพลตฟอร์ม ส่วน Image Exports จะมอบอิมเมจ Docker ไฟล์ Terraform และ SBOM ให้ทีมต่างๆ เพื่อโฮสต์แอปที่สร้างด้วย Replit ด้วยตนเอง

  3. OpenClaw Blog22

    PJ ช่วยธุรกิจขนาดเล็กนำ OpenClaw ไปใช้และเป็นเจ้าของเองได้อย่างไร

    PJ วิศวกรที่ผันตัวมาเป็นเจ้าของธุรกิจกำจัดแมลงในเมืองโอคาลา รัฐฟลอริดา ปัจจุบันให้คำปรึกษาแก่ธุรกิจขนาดเล็ก เช่น ผู้รับเหมาก่อสร้างหลังคา สระว่ายน้ำ และยานยนต์ ในการติดตั้ง OpenClaw และสอนให้พวกเขาบริหารจัดการเอง ลูกค้าของเขาต้องการเครื่องมือที่เป็นของตัวเองอย่างแท้จริง แทนที่จะป้อนข้อมูลบริษัทเข้าไปในซอฟต์แวร์แบบเช่าใช้ และลูกค้ารายหนึ่งคือ Donna พนักงานธุรการวัย 66 ปี ใช้งาน OpenClaw ของเธอทุกวัน

  4. LiveKit Blog38

    วิธีสร้าง AI Voice Agent ที่พร้อมใช้งานจริงในระบบผลิต

    คู่มือของ LiveKit รวบรวมบทเรียนจาก solution architects และ forward deployed engineers เกี่ยวกับการนำ AI voice agent จากเดโมสู่การใช้งานจริง โดยจัดโครงสร้าง вокругสามคำถาม คือ agent ฉลาดและเป็นธรรมชาติพอหรือไม่ ประสิทธิภาพของมันสามารถสังเกตได้หรือไม่ และมันขยายขนาดได้อย่างเชื่อถือได้และคุ้มต้นทุนหรือไม่ คู่มือแนะนำให้วัดเทิร์นแรกแยกต่างหาก เนื่องจากบริษัทหนึ่งพบว่า ประมาณ 3 ใน 4 สายจบที่ขั้นตอนการทักทาย และระบุว่าลูกค้าที่เปลี่ยนจาก GPT-4.1 เป็น Gemma 4 31B บน LiveKit Inference ประหยัดเวลาได้ 300–500ms ที่ p50

15 ตุลาคมวันพฤหัสบดี
  1. Anthropic · Claude.dev62

    ทีม Claude Code ทำโค้ดรีวิวอย่างไร

    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

  2. Modal Blog34

    เสริมพลังให้ LiveKit Agent ของคุณด้วย Modal GPUs

    Modal อธิบายวิธีรัน LiveKit Agents ด้วยโมเดล open-weights หรือโมเดลที่กำหนดเองบนเซิร์ฟเวอร์เลส GPU ของตน โดยใช้ Expression Video Avatar แบบ open-weights ของ BitHuman ที่ขับเสียงด้วย Qwen3-TTS เพื่อโคลน Charles Frye การตั้งค่านี้เปิดเผย endpoint /launch ของคอนเทนเนอร์อวาตาร์ผ่าน Modal Server และใช้ Sticky Sessions เพื่อให้ไคลเอนต์ WebSocket อยู่ในคอนเทนเนอร์เดียวกัน โดยใช้ GPU snapshots เพื่อซ่อน cold starts

  3. Modal Blog78

    Meta เปิดตัว Muse Spark Open เผยแพร่ weights แล้ว ใช้งานได้บน Modal Auto Endpoints

    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

14 ตุลาคมวันพุธ
  1. GitHub Blog · AI & ML38

    โมเดลตรวจจับความลับของ GitHub: ค้นพบความลับมากขึ้นโดยมีสัญญาณรบกวนน้อยลง

    GitHub ฝึก classifier แบบ ModernBERT ที่ปรับแต่งแล้วเพื่อแทนที่ไปป์ไลน์ที่ใช้ LLM เดิมสำหรับการตรวจจับความลับทั่วไป ทำให้ความแม่นยำของการแจ้งเตือนแบบถ่วงน้ำหนักตามเจ้าของดีขึ้น 11.5% และลดเวลาดำเนินการสแกนหลัง push ค่ามัธยฐานลง 86% ไปป์ไลน์สองขั้นตอนใช้การสร้างผู้สมัครด้วย regex ตามด้วยการจำแนกตามบริบท ซึ่งยังลดต้นทุนการให้บริการได้มากกว่า 98% เมื่อเทียบกับการเรียก LLM ระยะไกล ประสิทธิภาพที่เพิ่มขึ้นทำให้สามารถขยายการตรวจจับความลับทั่วไปไปสู่การป้องกันการ push โดยส่งผลลัพธ์ก่อนที่การเปลี่ยนแปลงจะถูก push

  2. Modal Blog71

    Modal ทำรายได้ต่อปีทะลุ 1 พันล้านดอลลาร์ และระดมทุน Series D 750 ล้านดอลลาร์ ที่มูลค่า 15.75 พันล้านดอลลาร์

    Modal มีรายได้ต่อปี (annualized run rate) ทะลุ 1 พันล้านดอลลาร์ และระดมทุน Series D จำนวน 750 ล้านดอลลาร์ นำโดย Accel ที่มูลค่าหลังการระดมทุน (post-money valuation) 15.75 พันล้านดอลลาร์ โดยมีนักลงทุนเดิมเข้าร่วมทั้งหมด บริษัทระบุว่าการใช้งานเพิ่มขึ้นสามเท่านับตั้งแต่ Series C เมื่อห้าเดือนก่อน และเติบโตมากกว่า 15 เท่าเมื่อเทียบปีต่อปี และผลิตภัณฑ์ Sandboxes เพียงอย่างเดียวมี run rate อยู่ที่ 300 ล้านดอลลาร์ โดยมี sandbox ถูกสร้างขึ้นใกล้ 3 พันล้านรายการ Modal ยังอธิบายถึงการสร้างระบบไฟล์ container runtime ตัวจัดตารางเวลา (scheduler) และระบบเครือข่ายของตนเองใหม่ บนกลุ่มความจุที่ครอบคลุมคลาวด์กว่า 20 แห่ง และชี้ไปที่การเปิดตัวล่าสุดในด้านการฝึกโมเดลแบบหลายโหนด (multi-node training), Modal servers และ VM สำหรับ Sandboxes ที่พร้อมใช้งานทั่วไป

    ทำไมเรื่องนี้สำคัญ: โพสต์ของ Modal อธิบายว่าเหตุใดภาระงาน AI จึงผลักดันให้บริษัทต้องสร้างระบบไฟล์ container runtime และ scheduler ของตนเองใหม่บนคลาวด์กว่า 20 แห่ง ซึ่งเป็นมุมมองที่เป็นรูปธรรมว่าสแต็กโครงสร้างพื้นฐาน AI กำลังแยกออกจากสแต็กคลาวด์อย่างไร

13 ตุลาคมวันอังคาร
  1. LiveKit Blog18

    การแก้ไขปัญหา LiveKit Egress: ข้อผิดพลาดที่พบบ่อยและวิธีแก้

    LiveKit เผยแพร่คู่มือการแก้ไขปัญหาสำหรับ Egress ครอบคลุมข้อผิดพลาดที่พบบ่อย เช่น 412 "start signal not received" จากเทมเพลตที่ไม่เคยเรียก START_RECORDING, 404 ไม่พบผู้เข้าร่วมหรือแทร็กภายใน 30 วินาที และ 400 การอัปโหลดล้มเหลวจากข้อมูลรับรอง S3/GCP/Azure ที่ไม่ถูกต้อง นอกจากนี้ยังกล่าวถึงปัญหาเลย์เอาต์ เว็บฮุก และ Egress ที่โฮสต์เอง และระบุว่าคำแนะนำนี้ใช้ได้กับทั้ง StartEgress API ปัจจุบันและ API เฉพาะแหล่งที่เลิกใช้แล้ว

  2. Modal Blog58

    Modal ทดสอบ RL sampler แบบ mixed-precision และ mixed-accelerator บน Qwen3.6-35B-A3B

    Modal เทรน Qwen3.6-35B-A3B ด้าน agentic coding โดยกระจาย sampler ไปยัง accelerator หกประเภท (B200, B300, H100, H200, A100, RTX PRO 6000) ที่ความแม่นยำ NVFP4, FP8 และ BF16 ป้อนเข้า trainer แบบ BF16 หนึ่งตัวบน B200 GRPO แบบธรรมดาล้มเหลวทั้งบน sampler แบบผสมและแบบ homogeneous แต่เมื่อเพิ่ม masked importance sampling พร้อม score centering ไม่ว่าจะมีหรือไม่มี top-p mask replay ก็เทรนได้เสถียรจนจบและไปถึง SWE-bench Pro V2 pass@4 เทียบเท่า sampler แบบ homogeneous โดยมีต้นทุน sampler ต่อการอัปเดตต่ำลงราว 15% sampler แบบผสมทำงานด้วยค่า KL เฉลี่ยระหว่าง sampler กับ trainer สูงเป็น 4.7 เท่าของการตั้งค่าแบบ homogeneous และผู้เขียนโต้ว่าเสถียรภาพขึ้นอยู่กับการรักษาความคลาดเคลื่อนให้มีขอบเขตจำกัด มากกว่าการทำให้ต่ำ