tag: Artificial Analysis

Google DeepMind เปิดตัว Gemini 4 Carbon โมเดลระดับ Frontier ที่ทำคะแนนสูงสุดบนดัชนี Artificial Analysis และ SEC-bench Pro เน้นเจาะกลุ่มผู้เชี่ยวชาญด้านความปลอดภัยไซเบอร์โดยเฉพาะ

Artificial Analysis อัปเดตดัชนีความฉลาดเวอร์ชัน 5 เน้นใช้ชุดทดสอบส่วนตัวป้องกันการปั่นคะแนน ส่งผลให้โมเดล Kimi K3.1 Pro อันดับร่วงลงอย่างมีนัยสำคัญ

ชาว Reddit ถกเถียงหลังโมเดลจีน Kimi K3.1 ทำคะแนนแซง Fable 5.1 บนตาราง Artificial Analysis สะท้อนความก้าวหน้าของ AI จีนที่เร็วกว่ากำหนดการเดิม

Moonshot AI เปิดตัว Kimi K3.1 Pro โมเดลสัญชาติจีนที่ทำคะแนนพุ่งขึ้นมาอยู่อันดับ 4 ของโลกบนดัชนี Artificial Analysis โดยมีประสิทธิภาพด้านงานเอเจนต์และการเขียนโค้ดใกล้เคียงกับโมเดลระดับท็อปจาก Anthropic

ElevenLabs เปิดตัวโมเดล speech-to-speech ใหม่ Eleven Realtime โดยรุ่น v1 Max ทำคะแนนความแม่นยำสูงถึง 98.8% พร้อมความหน่วงต่ำเพียง 0.57 วินาที ซึ่งนับว่าเร็วและแม่นยำที่สุดในตารางทดสอบปัจจุบัน

MiniMax เปิดตัวโมเดล M3.1 Flash ที่ทำคะแนน Intelligence Index เพิ่มขึ้น 13 จุด โดยมีต้นทุนการใช้งานต่อภารกิจเพียง 0.22 ดอลลาร์ ซึ่งถูกกว่ารุ่นก่อนหน้ากว่าเท่าตัวและพร้อมปล่อยแบบ open-weight เร็วๆ นี้

TinyFish ผู้ให้บริการโครงสร้างพื้นฐานสำหรับ AI Agent เสนอบริการค้นหาและดึงข้อมูลฟรี พร้อมชี้ให้เห็นว่าต้นทุนที่แท้จริงของเอเจนต์อยู่ที่การประมวลผล Token ของโมเดลมากกว่าค่าดึงข้อมูล

Liquid AI เปิดตัว d1-ultra โมเดลตัดสินใจสำหรับข้อความและรูปภาพที่รันแบบ one forward pass โดยไม่ต้องสร้าง output tokens ทำคะแนนสูงสุดอันดับ 1 บน Artificial Analysis Decision Index

Grok Voice 3.0 สร้างสถิติใหม่ในด้านความเร็วและความแม่นยำ พร้อมรองรับการสนทนาใน Tesla และ Starlink ด้วยราคาที่เข้าถึงง่ายกว่าโมเดลระดับเดียวกัน

Claude Haiku 5.5 คือโมเดลจิ๋วประสิทธิภาพสูงรุ่นล่าสุดที่ออกแบบมาเพื่องานปริมาณมากและต้องการความเร็วสูง โดยมีค่าใช้จ่ายถูกลงกว่าเดิมเฉลี่ยถึง 75%

ElevenLabs เปิดตัวโมเดลเสียงรุ่นใหม่ Eleven v4 ที่แสดงอารมณ์และรักษาความสม่ำเสมอของเสียงในเนื้อหายาวได้ดียิ่งขึ้น พร้อมส่งรุ่น Turbo ตอบสนองเร็วเพียง 150 มิลลิวินาที หวังเจาะกลุ่ม AI voice agents แบบเรียลไทม์

Anthropic เปิดตัว Claude Opus 5.5 โมเดลรุ่นใหม่ที่ให้ประสิทธิภาพเทียบเท่ารุ่นท็อปอย่าง Fable 5.1 แต่มีค่าใช้จ่ายถูกกว่าเดิมถึง 40% พร้อมปรับปรุงสำนวนการเขียนให้เป็นธรรมชาติมากขึ้น

Step 5 Preview โมเดลเรือธงตัวใหม่จาก StepFun มาพร้อมสถาปัตยกรรม MoE ขนาด 600B รองรับ Context Window 1M โทเคน มุ่งเป้างานวิศวกรรมซอฟต์แวร์และการเงินในราคาที่เข้าถึงง่าย

Liquid AI เปิดตัว Pipette แพลตฟอร์ม Open-Source สำหรับทดสอบประสิทธิภาพโมเดล AI บนอุปกรณ์พกพาและ Edge Devices โดยวัดผลครอบคลุมทั้งโมเดล การ Quantization และฮาร์ดแวร์จริง เพื่อแก้ปัญหาความคลาดเคลื่อนของข้อมูลจาก Model Card ทั่วไป

GLM-5.3 โมเดล AI จาก Z.ai สตาร์ทอัพจีน ครองอันดับหนึ่งร่วมในกลุ่มโมเดลแบบเปิดบนดัชนี Artificial Analysis ด้วยคะแนน 60 แต้ม แซงหน้าโมเดลรุ่นเดิมอย่างมีนัยสำคัญ

Cartesia ปล่อย Sonic-3.6 โมเดล Text-to-Speech แบบสตรีมมิ่งที่ใช้สถาปัตยกรรม State Space Models จนสามารถคว้าอันดับ 1 ในตาราง Artificial Analysis ทั้งสองรายการ ด้วยความเร็วในการสร้างเสียงครั้งแรกต่ำกว่า 90ms

Ling 3.0 Flash พลิกโฉมวงการ AI ในฐานะโมเดลแบบเปิดที่มีประสิทธิภาพสูงสุดในกลุ่มขนาดเดียวกัน โดยทำคะแนนแซงหน้าคู่แข่งและลดอัตราการหลอนของข้อมูลลงอย่างมีนัยสำคัญ

Thinking Machines สตาร์ทอัพของ Mira Murati เปิดตัว Inkling Small โมเดล Open-weights ขนาดเล็กที่มีพารามิเตอร์เพียง 1 ใน 3 ของรุ่นเดิม แต่กลับทำคะแนนด้านการเขียนโค้ดและการใช้เหตุผลได้ดีกว่ารุ่นใหญ่

DeepSeek อัปเกรดโมเดล V4 Flash เวอร์ชัน 0731 ทำคะแนนบน Artificial Analysis Intelligence Index พุ่งแตะ 50 จุด ไล่เลี่ยกับ GPT-5.6 Luna ของ OpenAI แต่มีต้นทุนถูกกว่าถึง 60%

OpenAI ตรวจสอบเกณฑ์มาตรฐานการเขียนโปรแกรม SWE-Bench Pro พบงานกว่า 30% บกพร่องและคลุมเครือ จนนำไปสู่การยกเลิกการรับรองเพื่อป้องกันความคลาดเคลื่อนในการประเมินความสามารถ AI

Meta Muse Spark 1.1 พัฒนาอย่างก้าวกระโดดด้วยคะแนน 51 บนดัชนี Intelligence Index พร้อมโชว์ศักยภาพด้านการเขียนโค้ดแซงหน้า GLM-5.2 ด้วยราคาที่เป็นมิตรและอัตราการเกิดภาพหลอนที่ลดลงอย่างมาก

Claude Fable 5 ครองอันดับ 1 ในผลทดสอบประสิทธิภาพเจาะลึก 6 อุตสาหกรรมจาก Artificial Analysis ทว่ามีราคาสูงกว่าคู่แข่งอย่าง DeepSeek V4 Pro ถึงกว่า 100 เท่าในบางดัชนี แม้คะแนนจะห่างกันเพียงเล็กน้อย