Mike Dodds จาก Oath Technologies แบ่งปันบันทึกจากหลายเดือนของการสร้าง semantics, verifiers และ proof toolchains โดยมี AI agents ทำงานส่วนใหญ่ การบรรยายนี้ให้คำแนะนำเบื้องต้นเกี่ยวกับการใช้ AI เพื่อสร้างเครื่องมือเชิงรูปแบบ โดยอ้างอิงจากประสบการณ์ลงมือปฏิบัติจริงนั้น
AlgoCademy เปิดตัวแพลตฟอร์มฝึกฝนบน Show HN ที่นักพัฒนาจะได้ทำงาน 30 ตั๋วงาน ครอบคลุมโค้ดเบส Python และ JavaScript ห้าแห่ง โดยกำกับเพื่อนร่วมทีม AI ที่เขียนโค้ดและรันการทดสอบ พร้อมทั้งจงใจทำผิดพลาดแบบสมจริง แต่ละตั๋วงานจะถูกให้คะแนนในด้านการถาม การกำกับ การตรวจสอบ การป้องกัน และประสิทธิภาพ โดยตั๋วงาน Lakeside Wheels แรกฟรีพร้อมการตอบกลับจาก AI 25 ครั้ง แพ็กเกจ Pro เป็นแผนรายเดือนครอบคลุม 25 ตั๋วงานและ 50 การตอบกลับ พร้อมแพ็กเครดิตที่ 19.99 ดอลลาร์สำหรับ 200 การตอบกลับ และ 49.99 ดอลลาร์สำหรับ 600
Martin Fowler เสนอการเขียนการทดสอบเป็นข้อมูลแทนที่จะเป็นโค้ด เพื่อให้โค้ดโปรดักชันที่สร้างโดย AI ยังคงตรวจสอบได้เมื่อเอเจนต์เขียนโค้ดทำการรีแฟกเตอร์การทดสอบด้วย วิธีการนี้ผสานการทดสอบจากลูกค้า การทดสอบแบบกล่องดำ กรณีทดสอบแบบตารางหรือ YAML และตัวรันการทดสอบที่สร้างโดย AI โดยเก็บข้อมูลการทดสอบไว้ในไฟล์ข้อความซึ่งตรวจทานได้ง่ายกว่าและป้องกันการแก้ไขโดยไม่คาดคิด บทความนี้อ้างอิงจากการสัมภาษณ์นักพัฒนา 26 คนของ Thoughtworks ในต้นปี 2026 ซึ่งกล่าวว่าพวกเขาไม่ไว้วางใจการทดสอบของตนอย่างเต็มที่อีกต่อไปเมื่อ AI ทำการรีแฟกเตอร์ และจับคู่วิธีนี้กับการทดสอบแบบมิวเทชัน การทดสอบแบบอิงคุณสมบัติ และการทดสอบแบบสำรวจโดยมนุษย์
Google เปิดตัว Gemini 4 Hydrogen โมเดลแบบ closed-weights จาก Google DeepMind ที่วางตำแหน่งต่ำกว่า Gemini 4 Carbon และ Argon ในฐานะโมเดลหลักสำหรับงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์ โดยมีหน้าต่างรวม 1,048,576 โทเคน มีสี่ระดับการคิดโดยค่าเริ่มต้นคือ high และราคา API อยู่ที่ $1.50/$7.50 ต่อ 1M โทเคนอินพุต/เอาต์พุต เท่ากันตลอดหน้าต่างทั้งหมด Google รายงานผล 57% บน Terminal-Bench 4.1 เทียบกับ 18.2% ของ Gemini 3.8 Flash และ 51 บน Artificial Analysis Intelligence Index แต่โมเดลนี้อยู่อันดับเพียง #5 บน Agent Arena; การจับคู่กับ Carbon ใน Antigravity ใช้โควตาน้อยลง 24% และเสร็จเร็วกว่า Carbon เดี่ยว 19%
เหตุการณ์เดียวกัน รายการคัดสรรอ้างถึง“Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows”
นักเขียนที่บรรยายตัวเองว่าเป็นผู้สงสัยใน AI แต่ไม่ต่อต้าน AI โต้แย้งว่าไม่มีปริมาณการใช้ LLM ที่ยอมรับได้ในซอฟต์แวร์ โดยอ้างถึงโค้ดที่สร้างโดย Claude ของ Overcast และการเปิดเผยของ Big Walk ว่าโค้ดน้อยกว่าหนึ่งในร้อยของหนึ่งเปอร์เซ็นต์ถูกแตะต้องโดย LLM เขาโต้แย้งว่าการใช้ LLM หมายถึงการมีส่วนร่วมในระบบที่เอาเปรียบ และชี้ให้เห็นหลักฐานที่เพิ่มขึ้นของ 'การลดทักษะ' ในหมู่นักพัฒนาที่พึ่งพาตัวแทนเขียนโค้ด
Kobi Mozgori สุ่มตัวอย่างแพ็กเกจ npm จำนวน 250,000 แพ็กเกจ และพบว่าแพ็กเกจใหม่ที่มีการปักหมุดเวอร์ชันของ dependency ส่วนใหญ่เป็นเลขลงท้าย x.0.0 ที่ถูกแทนที่ไปแล้ว เพิ่มขึ้นจากฐาน 1–2.4% ในปี 2019 ถึงต้นปี 2024 เป็น 13.7% ในครึ่งแรกของปี 2026 และลดลงเหลือ 7.6% ในครึ่งหลังของปี 2026 ถึงต้นเดือนพฤศจิกายน ค่ามัธยฐานของอายุ dependency ที่ถูกปักหมุดอยู่ที่ประมาณ 155 วันตอนสร้างแพ็กเกจในช่วงปี 2021–2023 แต่เพิ่มเป็น 451 วันในไตรมาสที่ 2 ของปี 2026 และสัดส่วนแพ็กเกจที่สร้างขึ้นโดยมีการปักหมุดเกือบทั้งหมดอยู่ที่รีลีสล่าสุดลดลงจากประมาณ 28% เหลือประมาณ 10% ผู้เขียนตีความรูปแบบนี้ว่าเป็นการอนุมานมากกว่าการพิสูจน์ เนื่องจากข้อมูลเมตาของ registry ไม่สามารถแสดงได้ว่าใครหรืออะไรเป็นผู้เขียน manifest และตั้งข้อสังเกตว่าการลดลงตั้งแต่กลางปี 2026 ยังไม่มีคำอธิบาย
Brandon Thomas ผู้ก่อตั้งและ CEO ของ ArtCraft นำเสนอที่งาน AI Engineer Code Summit ในซานฟรานซิสโกถึงแถลงการณ์เพื่อโอเพนซอร์สที่ขับเคลื่อนด้วย AI โดยกล่าวว่าบริษัทได้เปิดตัวเครื่องมือซอฟต์แวร์ยอดนิยมในเวอร์ชันโอเพนซอร์สแล้ว 17 รายการ รวมถึง PhotoCraft ทางเลือกแทน Photoshop ที่สร้างด้วย Rust และ PdfCraft เครื่องมือจัดการ PDF
Loose Ends เป็นเครื่องมือ CLI ใหม่ที่ตรวจสอบว่าโค้ดที่เพิ่มหรือถูกแตะต้องในการเปลี่ยนแปลงยังคงเข้าถึงได้จากจุดเริ่มต้นจริงหรือไม่ โดยระบุการเพิ่มโค้ดที่กลายเป็นโค้ดกำพร้า โค้ดที่เพิ่งกลายเป็นโค้ดกำพร้า และการนำไปใช้งานที่ถูกแทนที่ซึ่งยังคงถูกทิ้งไว้ เครื่องมือนี้สร้างกราฟความมีชีวิตข้าม TypeScript, JavaScript, Python และ Java และรายงานเฉพาะสิ่งที่การเปลี่ยนแปลงนั้นทำ เพื่อให้โค้ดที่ตายอยู่แล้วไม่บล็อก pull request ติดตั้งได้ผ่าน npm ต้องใช้ Node.js 20 หรือใหม่กว่าและ git
การวิเคราะห์ประวัติ git ทั้งหมดของ 52 repository เครื่องมือ AI ที่มีดาวมากที่สุดบน GitHub ครอบคลุม 324,088 commit พบว่าใน repository ค่ามัธยฐาน 16.9% ของ commit ในช่วง 180 วันสุดท้ายที่มีกิจกรรมมีลายเซ็น AI และ 21 จาก 52 แห่งมีสัดส่วน 25% ขึ้นไป ดาวและสัดส่วนที่ลงนามโดย AI ไม่แสดงความเชื่อมโยงที่ตรวจพบได้ (Spearman ρ = -0.05, p = 0.72) และ 85.3% ของ 36,892 commit ที่ลงนามมาจาก Claude ซึ่งเครื่องมือของ Claude เพิ่ม trailer โดยค่าเริ่มต้น ผู้เขียนเตือนว่าการใช้ AI อย่างหนักกระจุกตัวในโปรเจกต์ที่เริ่มในปี 2025 หรือหลังจากนั้น ดังนั้นตัวอย่างจึงไม่สามารถแยกการใช้ AI ออกจากความใหม่ได้ และเปอร์เซ็นต์ AI ทุกค่าคือขอบเขตล่าง
Google เปิดตัว Gemini 4 Hydrogen โมเดลที่สร้างขึ้นเพื่อการประมวลผลที่รวดเร็วในงานเขียนโค้ดประจำวันและเวิร์กโฟลว์แบบเอเจนต์ โดยเปิดให้ใช้งานทั่วโลกผ่าน Gemini API, AI Studio, Gemini for business, แอป Gemini, Google Search และ Google Antigravity
เหตุการณ์เดียวกัน รายการคัดสรรอ้างถึง“Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows”
CodeRabbit มียอดรายได้ประจำต่อปี (ARR) ทะลุ 100 ล้านดอลลาร์ ให้บริการลูกค้ามากกว่า 20,000 ราย ผู้ใช้งานรายวัน 120,000 ราย โครงการโอเพนซอร์สกว่า 300,000 โครงการ และคลังโค้ดเบสที่เชื่อมต่อมากกว่า 8.5 ล้านแห่ง บริษัทระบุว่าทีมวิศวกรปัจจุบันรัน pull request มากกว่า 3 ล้านรายการผ่าน CodeRabbit ในแต่ละสัปดาห์ และระบบได้ตรวจพบปัญหากว่า 100 ล้านรายการก่อนที่โค้ดจะเข้าสู่โปรดักชัน Harjot Gill ซีอีโอกล่าวว่าในระดับ規模ของเอเจนต์ ไม่มีมนุษย์คนใดสามารถตรวจสอบทุกการเปลี่ยนแปลงทีละบรรทัดได้ จึงจำเป็นต้องมีชั้นตรวจสอบแยกต่างหากที่ไม่ใช่เอเจนต์ที่เขียนโค้ดนั้น
Gondola เพิ่มรายได้เป็นสองเท่าพร้อมขยายการใช้ Codex ของ OpenAI ซึ่งช่วยเพิ่มผลผลิตของวิศวกรหัวหน้าได้ 50% บริษัทซึ่งช่วยให้ครีเอทีฟได้รับเครดิตและได้งาน ยังใช้ ChatGPT เพื่อลดความซับซ้อนของงานประจำวัน
Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน
Microsoft Research Focus Edition #98 นำเสนอความก้าวหน้าของ AI ที่ทำให้การแปลแบบสากลใกล้เป็นจริงมากขึ้น และการพิสูจน์ใหม่ที่ไขข้อสันนิษฐาน KLS ที่มีอายุ 31 ปีในเรขาคณิตมิติสูง ฉบับนี้ยังครอบคลุม CompactionBench และ APEC ซึ่งลดต้นทุนการบีบอัดบริบทของ coding agent ได้ถึง 25.4% และลดเวลาการทำงานลง 9.6% พร้อมด้วย Latent Core Tokenizer ที่ปรับปรุงการ tokenization ใน 104 ภาษา
Wave เอเจนต์ผลิตภัณฑ์เชิงรุกของ Amplitude ซึ่งสร้างขึ้นบนโมเดล OpenAI เป็นหลัก ระบุสิ่งที่ควรสร้าง ช่วยทีมส่งมอบการเปลี่ยนแปลงด้วยเอเจนต์เขียนโค้ด และวัดผลกระทบ การตั้งค่านี้ทำให้ Amplitude ส่งมอบการปรับปรุงผลิตภัณฑ์ได้ภายใน 1–2 วัน
LLM gateway แบบ self-service ที่สร้างบน Amazon Bedrock Application Inference Profiles และ LiteLLM ที่รันบน AWS Fargate เปิดให้เข้าถึงโมเดลพื้นฐานของ Bedrock ผ่าน API ที่เข้ากันได้กับ OpenAI ทำให้นักพัฒนามี base URL เดียวและคีย์แยกตามผู้ใช้ การตั้งค่านี้เพิ่มการควบคุมค่าใช้จ่ายรายผู้ใช้ การแยกโควตาตามโมเดล และการสังเกตการณ์ RPM/TPM ผ่าน CloudWatch พร้อม Langfuse สำหรับ telemetry ระดับพรอมต์ การออกคีย์แบบ self-service ต้องใช้ LiteLLM Enterprise เนื่องจากแพ็กเกจฟรีจำกัดที่ห้าผู้ใช้
Kimi K3.1 Pro Highspeed ของ Moonshot AI พร้อมใช้งานแล้วบน Amazon Bedrock เป็นเวอร์ชันที่ผ่าน post-training ของ Kimi K3 โดยมีสถาปัตยกรรมแบบ open-weight ระดับ 3T และหน้าต่างบริบท 1 ล้านโทเคนเช่นเดียวกัน ฝึกด้วยคอมพิวต์สำหรับ post-training มากขึ้นเพื่องานเอเจนต์ระยะยาวและลดข้อผิดพลาดด้านข้อเท็จจริง Moonshot AI รายงานความเร็วเอาต์พุตเป็น 2–3 เท่าของ Kimi K3.1 Pro และผู้ใช้ Kimi K3 ที่มีอยู่สามารถสลับได้โดยเปลี่ยน model ID โพสต์แสดงการเรียก Chat Completions, Responses และ Converse API, ชั้น Flex ในราคาครึ่งหนึ่งของ Standard, prompt caching แบบ explicit ด้วย prompt_cache_breakpoint และการเชื่อมต่อโมเดลกับเอเจนต์เขียนโค้ด OpenCode
AI สามารถเร่งความเร็วให้กับสามต้นแบบหลักของวงการเกม — นักพัฒนาอินดี้ ผู้สร้างเครื่องมือผู้มีวิสัยทัศน์ และสตูดิโอสร้างโลก — แทนที่จะเข้ามาแทนที่พวกเขา ตามความเห็นของ Anish, Jon จาก a16z และผู้เขียน Coding agents ตอนนี้ช่วยนักพัฒนาคนเดียวอุดช่องว่างทักษะ: agent ตัวหนึ่งสร้างร้านแผ่นเสียงที่ได้แรงบันดาลใจจาก Habbo Hotel ใน Blender และเอนจิน จากนั้นเพิ่มกลไกการรับเลี้ยงสัตว์เลี้ยงและรักษาโค้ดเบสให้เข้ากันได้ย้อนหลัง Jon ใช้ ChatGPT และ Codex สร้างม็อด Minecraft ที่ได้แรงบันดาลใจจาก Ghost of Tsushima ให้ลูกชายวัยแปดขวบของเขา
Holiday Extras กำลังใช้ Codex ของ OpenAI เพื่อเปลี่ยนความเชี่ยวชาญของลูกค้าให้เป็นแอปที่ดีขึ้น อัตราการแปลงการจองที่สูงขึ้น และโอกาสการเติบโตใหม่ บริษัทรับเสริมการเดินทางแห่งนี้กำลังทบทวนสิ่งที่สามารถสร้างได้ด้วยโมเดลเขียนโค้ดนี้
นักพัฒนาคนหนึ่งใช้ Gemini 4 Carbon ในแพลตฟอร์ม Antigravity ของ Google เพื่อสร้าง NetHack เกม roguelike จากปี 1987 ขึ้นใหม่เป็น 3D action RPG สมัยใหม่ โดยพอร์ตไปยังเทคโนโลยีเว็บและ wasm การสร้างนี้พึ่งพาฟีเจอร์ /swarm ซึ่งจะสร้าง subagent ที่มีบริบทแยกจากกันเพื่อตรวจสอบผลลัพธ์ของกันและกัน พร้อมกับ Blender MCP server สำหรับการสร้างแอสเซ็ต 3D ทั้งนี้ Gemini 4 Carbon ใช้งานได้ผ่านแผน Google AI Ultra
Simon Willison เพิ่มการเรียกดูตามแท็กให้กับ tools.simonwillison.net ทำให้ผู้เยี่ยมชมสามารถสำรวจคอลเลกชันเครื่องมือ vibe-coded จำนวน 244 รายการของเขาตามแท็ก เขาใช้เครดิต Fable 5.2 ที่เหลืออยู่ให้ tree-sitter วิเคราะห์โค้ดของแต่ละเครื่องมือเพื่อหา JavaScript APIs, ไลบรารี และโฮสต์ของ web API หน้าหลักตอนนี้แสดงแท็กคลาวด์สำหรับแต่ละหมวดหมู่แท็กเหล่านั้น
เกมอินดี้ Big Walk ใช้ AI แก้บั๊ก และการเปิดเผยเรื่องนี้ได้จุดชนวนการทบทวนครั้งใหญ่ทั่ววงการอินดี้เกม ผู้ตัดสินเทศกาลเกมอินดี้ (Independent Games Festival) หลายคนกล่าวในตอนนี้ว่าการใช้ AI เขียนโค้ดแม้เพียงเล็กน้อยก็มากเกินไปแล้ว
Claude Fable 5.2 พร้อมใช้งานแล้ว และมีคู่มือใหม่ที่อธิบายว่าเมื่อใดควรเริ่มต้นด้วย Opus 5.5 เมื่อใดควรอัปเกรดเป็น Fable 5.2 หรือดาวน์เกรดเป็น Sonnet 5.5 หรือ Haiku 5.5 ใน Claude Code พร้อมทั้งครอบคลุมการแบ่งงานหนึ่งงานให้หลายโมเดล โดยความพร้อมใช้งานและขีดจำกัดการใช้งานแตกต่างกันตามแพ็กเกจ
วิศวกร Google ซึ่งเป็นผู้นำโปรแกรม agent skills ของบริษัทได้สร้างไปป์ไลน์ที่ Gemini 4 Argon อ่านซอร์สโค้ด Go และดิสแอสเซมบลี RISC-V แล้วแปลงกับดัก runtime.panicBounds ที่ยังหลงเหลือให้เป็นข้อจำกัด Z3 จากนั้น go test จะเล่นซ้ำอินพุตที่ตรงเงื่อนไขใดๆ เป็นตัวสร้างซ้ำจริง เวิร์กโฟลว์นี้จับบั๊กที่ฝังไว้ทั้งสามตัวและบั๊กแฝงสามตัวใน skill-lint ขณะที่ go test -fuzz แบบไม่กำหนด seed พลาดการ crash ที่ฝังไว้สองตัว เพราะ Go ตรวจสอบสไลซ์เทียบกับ capacity ไม่ใช่ length การตัด capacity ให้เท่ากับ length ด้วย data[:len(data):len(data)] ทำให้ fuzzer crash บั๊ก overrun ทั้งสองตัวในการรันทั้งสามครั้ง โดยมีค่ามัธยฐาน 0.28 วินาที และ 0.17 วินาที
Dominik Kundel และ Charlie Guo วิศวกรฝ่าย Developer Experience ของ OpenAI นำเสนอหัวข้อ "New Ways of Working with Codex" ที่งาน AI Engineer Code Summit ครอบคลุมถึง Codex Cloud v2 ที่ปรับปรุงใหม่ซึ่งประกาศที่ DevDay, โหมดเสียงในฐานะ control plane สำหรับจัดการเธรดการเขียนโค้ด และ personal agents ที่เรียกว่า dots โดย Kundel กล่าวว่า Codex Cloud ทำหน้าที่เป็น background executor ให้ Codex ภายในเครื่องส่งต่องานไปยังคลาวด์ได้ แม้เขาจะยอมรับว่าขั้นตอนการทำงานบนคลาวด์ยังต้องทำให้ง่ายขึ้นอีก
บริษัทความปลอดภัย Claroc พบว่า Grok Build ซึ่งเป็นเอเจนต์เขียนโค้ดแบบ vibe-coding จาก SpaceXSI รั่วไหลข้อมูลทางธุรกิจที่เป็นความลับและความลับอ่อนไหวอื่นๆ ของผู้ใช้หลายพันรายผ่านลิงก์แอปที่แชร์ได้ แม้ Grok จะสุ่ม URL เพื่อให้เฉพาะผู้ที่มีลิงก์ที่แน่นอนเท่านั้นเข้าถึงข้อมูลได้ แต่การตัดสินใจออกแบบกลับทำให้ใครก็ตามสามารถไล่รายการโปรเจกต์ที่ใช้งานอยู่หลายพันรายการได้ และการคลิกลิงก์เหล่านั้นโดยทั่วไปจะเปิดเผยข้อมูลที่เกี่ยวข้องทั้งหมด เนื้อหาที่รั่วไหลรวมถึงแผนธุรกิจภายใน ข้อเสนอโฆษณา ผลตรวจทางการแพทย์ รายการตรวจสอบห้องครัวของเรือสำราญ และชื่อกับหมายเลขบัตรประชาชนของพนักงาน โดยบางส่วนมาจาก 24 แอปที่ SpaceXSI สร้างขึ้นเอง รวมถึงแผนการปฐมนิเทศที่เป็นความลับ แผนที่เขตการขายของ 594 บัญชี และที่อยู่ระบบภายในของเครื่องมือขาย
ทำไมเรื่องนี้สำคัญ: ผลการค้นพบของบริษัทความปลอดภัย Claroc แสดงให้เห็นว่าการเลือกออกแบบ URL ในฟีเจอร์แชร์ของ Grok Build เปิดเผยโปรเจกต์ที่ใช้งานอยู่หลายพันรายการ รวมถึงเอกสารภายในของ SpaceXSI เอง
Latent Space 测试了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，这是一个源自小米 MiMo-V2.5 的编码模型，搭配 NaiveRT 推理引擎，并与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 进行了对比。在作者的运行中，其峰值接近每秒 2,000 个 token，在思考密集型任务中持续约每秒 1,000 个 token，中位响应时间为 3.1 秒，而两个对比模型分别为 5.3 秒和 10.1 秒。在困难的 HLE 问题上，开启思考时平均完成约 108,500 个 token，约为 GLM 5.3 Flash 的九倍和 DeepSeek V4.1 Flash 1017 的 11 倍，作者指出每个难度级别的样本为 10 个问题，且未进行准确性评分。
Google DeepMind เปิดให้ developers, องค์กร, นักวิทยาศาสตร์ และผู้บริโภคใช้งาน Gemini 4 Carbon ได้แล้ว โดยวางตำแหน่งให้เหนือกว่า Gemini 4 Argon สำหรับงานที่ต้องใช้การให้เหตุผลเชิงลึกและโทเคนมากขึ้น Carbon ครองอันดับ 1 บน CursorBench 4.0, WANDR ของ Perplexity และ AutomationBench ของ Zapier ด้วยต้นทุนต่องานต่ำกว่าโมเดลภายนอกที่ดีที่สุดเป็นอันดับถัดไปกว่า 2 เท่า และมีราคาอยู่ที่ 2 ดอลลาร์ต่อล้านโทเคนอินพุต และ 10 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ซึ่งเป็นราคาเปิดตัวเดียวกับ Argon Google ยังได้พรีวิว /swarm ใน Google Antigravity ซึ่งเปลี่ยนพรอมป์เดียวให้กลายเป็นทีมเอเจนต์ที่ทำงานประสานกัน และรายงานว่า Carbon สามารถบล็อกเส้นทางการโจมตีได้ 99% ในการทดสอบจำลองการโจมตีทางไซเบอร์
ทำไมเรื่องนี้สำคัญ: บันทึกการเปิดตัวของ Google อธิบายว่า Gemini 4 Carbon แลกกับการใช้โทเคนที่สูงขึ้นเพื่อการให้เหตุผลที่ลึกขึ้น โดยครองอันดับ 1 บน CursorBench 4.0, WANDR และ AutomationBench ด้วยต้นทุนต่องานต่ำกว่าครึ่งหนึ่งของโมเดลภายนอกอันดับถัดไป
Anthropic เปิดตัว Claude Fable 5.2 และ Claude Mythos 5.2 ซึ่งขึ้นอันดับต้นในลีดเดอร์บอร์ดอิสระส่วนใหญ่ รวมถึง Artificial Analysis Intelligence Index v5 ที่ 65 และ SemiAnalysis GDPx ที่ 16.4% ราคาลดลง 20% เหลือ $8/$40 ต่อ 1M โทเคนอินพุต/เอาต์พุต แต่ SemiAnalysis รายงานว่าต้นทุนต่องาน GDPx เพิ่มจาก $67.16 เป็น $88.15 เพราะโมเดลเขียนกรณีทดสอบหลายร้อยถึงหลายพันกรณีและสร้าง subagent เพื่อตรวจงานของตัวเอง การประเมินหลายชุดแสดงให้เห็นว่าระดับความพยายามสูงสุด (max effort) ให้ผลด้อยกว่าระดับ high และ Fable ถูกจำกัดที่ 50% ของขีดจำกัดการสมัครสมาชิกรายสัปดาห์
ทำไมเรื่องนี้สำคัญ: Anthropic เปิดตัว Fable 5.2 และ Mythos 5.2 พร้อมลดราคาต่อโทเคน 20% แต่การประเมินอิสระกลับพบต้นทุนต่องานสูงขึ้น และการตั้งค่าความพยายามสูงสุดให้ผลด้อยกว่าระดับ high
เอกสารของ Anthropic สำหรับ Claude Fable 5.2 ระบุว่าโมเดลให้ความสนใจอย่างมากกับว่าใครเป็นเจ้าของโค้ดที่มันทำงานด้วย ในการทดสอบกับงานเขียนโค้ดขนาดเล็ก โมเดลรวมโค้ดที่ซ้ำกันในน้อยกว่า 10 เปอร์เซ็นต์ของการรันเมื่อพรอมต์ไม่ได้กล่าวถึงความเป็นเจ้าของ และในประมาณ 75 เปอร์เซ็นต์ของการรันเมื่อพรอมต์ระบุว่าโค้ดเบสเป็นของโมเดลเอง ประโยคที่แนะนำคือ: You are the owner and long-term maintainer of this codebase, and its design is up to you.
Anthropic เปิดตัว Claude Fable 5.2 โมเดลที่ออกแบบมาสำหรับความท้าทายทางเทคนิคที่ยากที่สุดและโครงการเปิดกว้างที่ทะเยอทะยาน โดยมีการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น บริษัทแนะนำให้เริ่มต้นด้วย Opus 5.5 สำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่ Fable 5.2 เปิดให้ใช้งานแล้ววันนี้ในแผน Pro, Max, Team และ Enterprise
ทำไมเรื่องนี้สำคัญ: Claude Fable 5.2 มุ่งเป้าไปที่งานเทคนิคแบบเปิดกว้างที่ทะเยอทะยาน โดยมีรายงานการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น ขณะที่ Opus 5.5 ยังคงเป็นค่าเริ่มต้นที่แนะนำสำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่
รีวิวแบบลงมือใช้จริงของ Every พบว่า Gemini 4 Carbon ซึ่งเปิดตัววันนี้โดย Google DeepMind เป็นนักเขียนโค้ดที่แข็งแกร่งกว่า Gemini 4 Argon มาก และสามารถสร้างวัตถุ 3D ได้ดีขึ้นและทำงานได้หลายชั่วโมงโดยมีการกำกับดูแลเพียงเล็กน้อย ผู้ทดสอบมีความเห็นไม่ตรงกันว่าต้องมีการกำกับดูแลมากน้อยเพียงใด และรีวิวระบุว่า Fable 5.2 ของ Anthropic ซึ่งเปิดตัวเมื่อวันก่อน ได้ยกระดับความคาดหวังว่าเอเจนต์ระดับเรือธงจะต้องเลือกงานที่เหมาะสม เคารพขีดจำกัด และรู้ว่าเมื่อใดงานเสร็จ Google ให้สิทธิ์เข้าถึงแก่ Every ก่อนและไม่มีส่วนร่วมใด ๆ ต่อรีวิวนี้
Meta เปิดตัว Muse Ember โมเดลที่เล็กที่สุดและมีประสิทธิภาพที่สุด มุ่งเป้าไปที่งานซ้ำๆ ที่เอเจนต์ทำตลอดทั้งวัน เช่น การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การกำหนดเส้นทาง การสกัดข้อมูล และการแยกวิเคราะห์เอกสารยาว Meta กล่าวว่าโมเดลนี้ทำคะแนนได้เท่ากับคะแนนดีที่สุดของ Claude Haiku 5.5 ในต้นทุนประมาณหนึ่งในสาม และเอาชนะการตั้งค่าทุกแบบของ GPT-6 Luna ด้วยราคา $0.10 ต่อล้านโทเค็นอินพุต และ $0.50 ต่อล้านโทเค็นเอาต์พุต มาพร้อมหน้าต่างบริบท 1M โทเค็น เอาต์พุตสูงสุด 512K โทเค็น รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอแบบเนทีฟ และพร้อมใช้งานวันนี้บน Muse Code และ Meta Model API ในชื่อ muse-ember-1.0
ทำไมเรื่องนี้สำคัญ: โมเดลที่เล็กที่สุดของ Meta มุ่งเป้าไปที่ขั้นตอนเอเจนต์ที่มีปริมาณสูง และการเปรียบเทียบต้นทุนต่องานกับ Claude Haiku 5.5 และ GPT-6 Luna แสดงให้เห็นที่มาของข้ออ้างเรื่องประสิทธิภาพ
Every รายงานว่า Fable 5.2 โมเดลใหม่ล่าสุดของ Anthropic ทำให้ Kieran Klaassen สร้างโปรแกรมตัดต่อวิดีโอที่รวมฟีเจอร์สไตล์ Adobe Premiere, After Effects และ Ableton เข้าด้วยกัน โดยมี AI agent เป็นตัวขับเคลื่อน และ Everycut เปิดใช้งานจริงภายในสามวันหลังจากเขาเริ่มต้น บทวิจารณ์ระบุว่า Fable 5.2 สามารถรับผลิตภัณฑ์ทั้งชิ้นและสร้าง ทดสอบ และปรับปรุงต่อไปจนใช้งานได้ในชีวิตประจำวัน ต่างจาก Opus 5.5 ที่ผู้ใช้ต้องคอยตรวจงานของมัน และ Fable 5 กับ 5.1 ที่รันงานขนาดใหญ่เป็นชั่วโมงหรือหลายวัน Every เรียกมันว่าเป็นโมเดลแรกที่พวกเขาทดสอบซึ่งช่วยให้มืออาชีพสร้างเครื่องมือระดับโปรดักชันได้โดยไม่ต้องอ่านโค้ดเบื้องหลัง
ทำไมเรื่องนี้สำคัญ: บทความเชิงปฏิบัติของ Every เกี่ยวกับ Fable 5.2 แสดงให้เห็นว่าโมเดลเดียวสามารถขับเคลื่อนการสร้างผลิตภัณฑ์ได้ไกลเพียงใดด้วยการชี้นำเพียงเล็กน้อย พร้อมการเปรียบเทียบที่ชัดเจนกับ Opus 5.5 และ Fable 5/5.1
GitHub เผยแพร่คู่มือสำหรับนักพัฒนาเกี่ยวกับ agentic engineering โดยอธิบายวิธีที่ Copilot สนับสนุนขั้นตอน Plan, Build, Verify และ Observe ของงานซอฟต์แวร์ คู่มืออ้างถึงสถิติของ GitHub ที่มี 1.2 พันล้านคอมมิตในหนึ่งสัปดาห์เมื่อเดือนตุลาคมที่ผ่านมา ซึ่งมากกว่าปีที่แล้วกว่า 400% และงานศึกษาของ Faros AI ที่พบว่า pull request ใช้เวลารอรีวิวนานขึ้น 441% เมื่อทีมเปลี่ยนจากการใช้ AI ในระดับต่ำไปสู่ระดับสูง คู่มือยังลงรายละเอียดฟีเจอร์ต่างๆ ได้แก่ Copilot ใน Slack หรือ Teams, Plan Mode, GitHub Agentic Workflows, cloud sandboxes, session continuity, shared memory, Copilot Dreaming และ Copilot Fusion
) การอ้างอิง เอเจนต์ดำเนินการตามรหัสบั๊กใน 6% ของการพบเจอ และ 83% ของการดำเนินการเหล่านั้นไม่ได้ถูกกระตุ้นโดยนักพัฒนา 41% ของการเบี่ยงเบนที่ไม่ได้ถูกกระตุ้นไล่ตามตั๋วที่ปิดไปแล้ว ขณะที่ 57% ไปกระทบกับบั๊กที่ยังเปิดอยู่และขยายขอบเขตงาน เมื่อควบคุมตัวแปรด้านนักพัฒนา ความซับซ้อนของโค้ดเบส ประเภทงาน ระดับโมเดล และปัจจัยอื่นๆ การเบี่ยงเบนไปตามบั๊กที่ไม่ได้ถูกกระตุ้นเพิ่มขั้นตอนขึ้น 70% โทเค็นขึ้น 77% และเวลารอขึ้น 105% ต่อเซสชัน
ทำไมเรื่องนี้สำคัญ: การวิเคราะห์ร่องรอยขนาดใหญ่ของ Google แสดงให้เห็นว่าการอ้างอิงบั๊กที่ค้างอยู่ใน TODO ดึงเอเจนต์เขียนโค้ดเข้าสู่การเบี่ยงเบนที่ไม่ได้ถูกกระตุ้น และเอเจนต์ทำความสะอาดของบริษัทได้ลบการอ้างอิงที่ล้าสมัยหลายพันรายการโดยมีอัตราการยอมรับจากผู้ตรวจทานเกิน 95%
Microsoft Research เปิดตัว PDD Kit ซึ่งเป็นต้นแบบงานวิจัยที่เปลี่ยนเจตนาในภาษาธรรมชาติของนักพัฒนาให้เป็นข้อกำหนดรูปแบบ Verus พิสูจน์ว่าโค้ด Rust ที่เอเจนต์เขียนขึ้นเป็นไปตามข้อกำหนดนั้นสำหรับทุกอินพุต และถอยกลับไปใช้การทดสอบในจุดที่การพิสูจน์ไปไม่ถึง ในการสาธิตภายใน Chopin ของ GitHub Next ทีมงานใช้ PDD Kit ตรวจสอบตรรกะการเข้าสู่ระบบของ Pet Store ซึ่งเป็นแอปฟูลสแตก Rust ขนาดประมาณ 5,000 บรรทัด โดยนักพัฒนาตรวจสอบเอกสารเจตนาแทนการตรวจโค้ดที่สร้างขึ้นทีละบรรทัด ปัจจุบัน PDD Kit ตรวจสอบได้เฉพาะ Rust และการรับประกันของมันขึ้นอยู่กับชิ้นส่วนที่เชื่อถือได้หกชิ้นซึ่งนักพัฒนาให้การรับรอง รวมถึงการตรวจสอบรหัสผ่านด้วย bcrypt และการค้นฐานข้อมูลสองครั้ง
Thinking Machines เปิดตัว Inkling 2 Small โมเดลการให้เหตุผลแบบ proprietary ที่ได้คะแนน 31 บน Artificial Analysis Intelligence Index v5.0.1 สูงกว่า Inkling Small 18 คะแนน โดยมีแผนจะเปิดน้ำหนักภายใต้ Apache 2.0 ในภายหลังซึ่งยังไม่ยืนยันวันที่ โมเดลขนาด 594B พารามิเตอร์ (ใช้งานจริง 17B) เปิดให้ใช้ก่อนผ่าน Tinker และ Tinker Playground ในราคา $0.30/$1.00 ต่อ 1M โทเคนอินพุต/เอาต์พุต และทำได้เทียบเท่า Gemini 3.8 Flash (high) แต่ตามหลัง Claude Sonnet 5.5 ใน benchmark ด้านการเขียนโค้ดและการ hallucination โดยใช้โทเคนเอาต์พุตเฉลี่ยประมาณ 150K ต่องานใน Intelligence Index หรือราว 4 เท่าของ Inkling Small ในราคา $1.18 ต่องาน เทียบกับ $0.20
ทำไมเรื่องนี้สำคัญ: การรัน benchmark อิสระของ Artificial Analysis แสดงให้เห็นว่า Inkling 2 Small ได้เปรียบกว่ารุ่นก่อนหน้าตรงไหน และยังตามหลัง Gemini 3.8 Flash และ Claude Sonnet 5.5 ตรงไหน
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