TanasakP

Google เปิดตัว Gemini 3.5 Transcribe โมเดล Speech-to-Text รุ่นใหม่ที่ทำสถิติอัตราข้อผิดพลาดต่ำสุดเพียง 2.6% โดยแบ่งการทำงานเป็นสองรูปแบบเพื่อรองรับทั้งการสตรีมแบบเรียลไทม์และการประมวลผลไฟล์เสียงย้อนหลังที่มีประสิทธิภาพสูงกว่าเดิม 70%

Google Research และ UNSW Sydney พัฒนา GlucoFM โมเดล Foundation Model ขนาดเล็กแต่ทรงพลังที่แยกข้อมูลการตรวจระดับน้ำตาลต่อเนื่อง (CGM) เป็นสายข้อมูลสรีรวิทยาและเหตุการณ์ชั่วคราว ซึ่งให้ความแม่นยำสูงกว่าโมเดลขนาดใหญ่หลายร้อยเท่า

IBM เปิดตัวตระกูลโมเดลภาษา Granite 4.2 ในขนาด 3B, 8B และ 30B ภายใต้ลิขสิทธิ์ Apache 2.0 ชูจุดเด่นด้านการคิดวิเคราะห์อย่างเป็นระบบ (Reasoning) และความสามารถในการควบคุม Terminal รวมถึงการแก้ไขโค้ดผ่านสภาพแวดล้อมจำลอง

บทช่วยสอนการวิเคราะห์ข้อมูลทางวิทยาศาสตร์ด้วย Python โดยใช้โครงสร้างและคำศัพท์เฉพาะจาก LabPlot ครอบคลุมตั้งแต่การนำเข้าข้อมูล การประมวลผลสัญญาณ ไปจนถึงการทำโมเดลไม่เชิงเส้นและการประมวลผลแบบกลุ่ม

งานวิจัยพบว่าโมเดล AI จดจำเสียงชื่อดังหลายตัวอาจถูกปรับแต่งให้ทำคะแนนเบนช์มาร์กได้สูงเกินจริง โดยใช้วิธีเลียนแบบข้อผิดพลาดหรือรูปแบบการเขียนเฉพาะในชุดข้อมูลทดสอบแทนการฟังเสียงจริงๆ

เปิดตัวฟีเจอร์ Bot Mode สำหรับ Hermes Agent เอเจนท์โอเพนซอร์สแบบ MIT โดยเปลี่ยนจากรายการเซสชันแบบเดิมให้กลายเป็นบอทที่มีชื่อเรียกแยกเป็นโปรไฟล์ พร้อมความสามารถในการส่งต่องานผ่านการ @mention

ทำความรู้จักโมเดล Multi-Vector แบบ Late Interaction ที่รักษาข้อมูลระดับโทเค็นเพื่อการดึงข้อมูลที่แม่นยำยิ่งขึ้น พร้อมรองรับทั้งข้อความ รูปภาพ เสียง และวิดีโอใน Sentence Transformers เวอร์ชันล่าสุด

บทความนี้สรุปเวิร์กโฟลว์การพัฒนาโมเดลภาษาขนาดกะทัดรัดที่เน้นการให้เหตุผล โดยใช้ข้อมูลจาก SupraLabs Reasoning Corpus ร่วมกับเทคนิค LoRA บน SmolLM2 เพื่อประสิทธิภาพสูงสุดภายใต้ทรัพยากรที่จำกัด

Cactus Compute เปิดตัว Needle 2 โมเดล Open-source ขนาดเพียง 14MB ที่ออกแบบมาเพื่องานสั่งการอุปกรณ์และสกัดข้อมูลโดยเฉพาะ สามารถรันบนฮาร์ดแวร์ข้อจำกัดสูงอย่าง Raspberry Pi และ IoT ได้อย่างรวดเร็วโดยไม่ต้องพึ่งพา GPU หรือ NPU

รายงานวิเคราะห์ระบบนิเวศ AI ครึ่งปีแรกของ 2026 พบการเปลี่ยนแปลงสำคัญ เมื่อแล็บจีนส่งโมเดลขนาดใหญ่ลงสนามอย่างต่อเนื่อง ขณะที่ฝั่งสหรัฐฯ เปลี่ยนบทบาทจากผู้สร้างมาเป็นผู้สนับสนุนผ่านบริษัทฮาร์ดแวร์

สรุปผลงาน Hackathon ที่ใช้ Coding Agents ตรวจสอบงานวิจัยใน ICML 2026 พบว่า 51% ยืนยันผลได้จริง แต่ 23% พบข้อผิดพลาดหรือถูกโต้แย้ง พร้อมชี้ให้เห็นถึงบทบาทใหม่ของมนุษย์ในการควบคุม AI เพื่อยกระดับความน่าเชื่อถือทางวิทยาศาสตร์

MiLM Plus จาก Xiaomi เปิดตัว PROVE เกณฑ์วัดประสิทธิภาพการลบวัตถุด้วย AI ที่เน้นความสอดคล้องทางสายตาโดยไม่ต้องใช้ภาพต้นฉบับอ้างอิง เพื่อแก้ปัญหาเกณฑ์วัดเดิมที่มักให้คะแนนผิดพลาด

NVIDIA ผนึกกำลัง 6 ยักษ์ใหญ่ทางการเงิน ตั้งเป้าระดมทุนกว่า 5 แสนล้านดอลลาร์เพื่อสร้างโครงสร้างพื้นฐาน AI ระยะยาว เปลี่ยนศูนย์ข้อมูลจากโครงการเฉพาะกิจสู่สินทรัพย์ที่สร้างผลผลิตต่อเนื่อง

คู่มือการสร้างระบบผลิตสื่อมัลติโมดัลด้วย MiniMax-H3 โดยใช้ ComfyUI เป็นระบบหลังบ้านแบบ Headless เพื่อควบคุมการทำงานอัตโนมัติ ตั้งแต่การตรวจสอบฮาร์ดแวร์จนถึงการถอดรหัสวิดีโอและเสียง

ทีม Seed ของ ByteDance เปิดตัว SeedRealtime โมเดลภาษาขนาดใหญ่ที่รวมการประมวลผลเสียง วิดีโอ และข้อความเข้าด้วยกันในสถาปัตยกรรมเดียว ช่วยให้โต้ตอบแบบมัลติโมดัลได้ต่อเนื่องและเป็นธรรมชาติเสมือนมนุษย์

Meta เปิดตัว Muse Glimmer โมเดล Multimodal ขนาด 30 พันล้านพารามิเตอร์ ภายใต้สัญญาอนุญาต Apache 2.0 ออกแบบมาเพื่อเป็น AI Agent ที่ประมวลผลบนเครื่องส่วนตัวได้อย่างรวดเร็วและปลอดภัย

Microsoft เปิดตัว code-testing-generator เอเจนท์แบบ polyglot ภายใต้ลิขสิทธิ์ MIT ที่สามารถวิเคราะห์บริบทของ repository เพื่อสร้างและตรวจสอบ Unit Test ได้อัตโนมัติ โดยทำคะแนนความสำเร็จในภารกิจทดสอบได้สูงถึง 92.1%

Anthropic ปรับปรุงระบบคัดกรองความปลอดภัยทางชีววิทยาของโมเดล Fable 5 ช่วยลดการสลับไปใช้โมเดลสำรองโดยไม่จำเป็นได้ถึง 85% ทำให้ผู้ใช้งานทั่วไปและบุคลากรทางการแพทย์เข้าถึงข้อมูลได้คล่องตัวยิ่งขึ้น

SkillOpt ของ Microsoft ค้นพบว่าทักษะภาษาธรรมชาติที่ฝึกฝนในไฟล์ best_skill.md สามารถนำไปใช้ข้ามโมเดลและข้ามเครื่องมืออย่าง Codex และ Claude Code ได้ โดยให้ประสิทธิภาพสูงกว่าการฝึกบนสภาพแวดล้อมจริงในบางกรณี

CopilotKit เผยแพร่ Channels SDK ไลบรารีลิขสิทธิ์ MIT สำหรับรันเอเจนต์ AG-UI บนแพลตฟอร์มการทำงานระดับองค์กร โดยไม่ต้องเขียนโค้ดใหม่สำหรับแต่ละแพลตฟอร์ม