<div class="key-takeaways"><ul><li>Google เปิดตัว Gemini 3.8 Live และ 3.8 Live Extended Thinking รองรับงาน voice agents ระดับโปรดักชัน</li><li>โมเดลรุ่น Standard เน้นความคุ้มค่าและรองรับการใช้งานสเกลใหญ่ ส่วนรุ่น Extended Thinking เน้นงานซับซ้อนและการคิดวิเคราะห์หลายขั้นตอน</li><li>คิดค่าบริการอินพุตเสียง 0.005 ดอลลาร์ต่อนาที และเอาต์พุตเสียง 0.018 ดอลลาร์ต่อนาที</li><li>จับมือพาร์ทเนอร์ชั้นนำและแพลตฟอร์มบูรณาการระบบเรียลไทม์มากมาย เช่น Agora, LiveKit, Salesforce และ Vercel</li></ul></div><p>Google ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์เสียงรุ่นล่าสุด ได้แก่ Gemini 3.8 Live และ Gemini 3.8 Live Extended Thinking ซึ่งออกแบบมาเพื่อรองรับการใช้งานสร้าง voice agents ในระดับโปรดักชันผ่านทาง API โดยโมเดลทั้งสองพร้อมให้บริการแล้วในวันนี้ทั้งบน Gemini Live API และ Google AI Studio สำหรับรูปแบบการใช้งานจะเป็นลักษณะโมเดลโฮสต์ (hosted models) และไม่มีทางเลือกแบบเปิดน้ำหนักโมเดล (open weights) จึงไม่รองรับการนำไปติดตั้งบนเซิร์ฟเวอร์ส่วนตัว</p><p>การเปิดตัวครั้งนี้ประกอบด้วยโมเดล 2 รุ่นที่มีบทบาทหน้าที่แตกต่างกันอย่างชัดเจน โดย <strong>Gemini 3.8 Live</strong> ถูกพัฒนาขึ้นเพื่อเน้นความคุ้มค่าด้านต้นทุนและการรองรับการใช้งานในสเกลใหญ่ ผสมผสานความสามารถด้านการสนทนาอย่างลื่นไหลเข้ากับการเชื่อมโยงข้อมูลภาพ ส่วน <strong>Gemini 3.8 Live Extended Thinking</strong> ออกแบบมาเพื่อจัดการกับงานที่มีความซับซ้อนสูง เพิ่มขีดความสามารถด้านสติปัญญาและการใช้เหตุผลแบบหลายขั้นตอนไปพร้อม ๆ กับการพูดคุย ทาง Google วางตำแหน่งให้โมเดลทั้งสองเป็นทางเลือกที่คล่องตัวกว่าระบบท่อส่งเสียงแบบเดิม (cascaded speech pipelines) ที่ต้องร้อยเรียง ASR, LLM และ TTS เข้าด้วยกัน</p><p>ในส่วนของความสามารถหลักผ่าน Live API โมเดลใหม่นี้รองรับฟังก์ชันการทำงานที่สำคัญสำหรับนักพัฒนา:</p><ul><li>รองรับการใช้งานผ่าน Gemini Live API และ Google AI Studio ทันที</li><li>ขับเคลื่อนการสนทนาด้วยความเร็วและความคล่องตัวสูง</li><li>ผสานการทำงานร่วมกับภาพ (visual grounding) ในรุ่น Standard</li><li>เพิ่มขีดความสามารถการคิดวิเคราะห์หลายขั้นตอนขณะพูดในรุ่น Extended Thinking</li><li>เชื่อมต่อกับระบบนิเวศพาร์ทเนอร์หลากหลายเพื่อจัดการสตรีมมิ่งเรียลไทม์</li></ul><div class="stat-row"><div class="stat-item"><span class="stat-number">$0.005</span><span class="stat-label">ต่อนาทีสำหรับเสียงเข้า</span></div><div class="stat-item"><span class="stat-number">$0.018</span><span class="stat-label">ต่อนาทีสำหรับเสียงออก</span></div></div><p>ด้านโครงสร้างราคา โมเดลทั้งสองรุ่นกำหนดอัตราค่าบริการเท่ากันที่ 0.005 ดอลลาร์ต่อนาที สำหรับอินพุตเสียง และ 0.018 ดอลลาร์ต่อนาที สำหรับเอาต์พุตเสียง โดย Google ระบุว่าตัวเลขดังกล่าวเทียบเท่ากับอัตรา 3 ดอลลาร์ต่อ 1 ล้านโทเค็นสำหรับอินพุต และ 12 ดอลลาร์ต่อ 1 ล้านโทเค็นสำหรับเอาต์พุต นอกจากนี้ นักยังสามารถพัฒนาผ่านพาร์ทเนอร์อินเทรเกชันระบบเรียลไทม์ เช่น Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel และ Vision Agents รวมถึงความร่วมมือกับ Salesforce, Genspark และ Lumeris</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_gemini_3_8_live_extended_thinking_mu3aklr0_inline_1_ecd6d0e2ff.jpg" alt="artificial intelligence technology server room" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การเปิดตัว Gemini 3.8 Live ถือเป็นก้าวสำคัญของ Google ในการลดความซับซ้อนของสถาปัตยกรรมระบบเสียง AI แบบดั้งเดิมที่มักประสบปัญหาดีเลย์สะสมจากการต่อคิวโมเดลแยกส่วน (ASR, LLM, TTS) การรวมความสามารถทั้งหมดไว้ในโมเดลเนทีฟเดียวช่วยให้ Voice Agent ตอบสนองได้เป็นธรรมชาติและรวดเร็วขึ้นอย่างมีนัยสำคัญ ซึ่งเป็นหัวใจสำคัญสำหรับแอปพลิเคชันบริการลูกค้าในระดับองค์กร</p></div><p>สำหรับนักพัฒนาที่สนใจ สามารถเข้าไปดูตัวอย่างแอปพลิเคชันและรายละเอียดเชิงเทคนิคเพิ่มเติมได้ทาง GitHub รวมถึงช่องทางคอมมูนิตี้ต่าง ๆ ของ MarkTechPost</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/15/google-releases-gemini-3-8-live-and-3-8-live-extended-thinking-for-production-grade-voice-agents/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Google releases Gemini 3.8 Live and 3.8 Live Extended Thinking for production voice agents.</li><li>Standard model focuses on scale and cost efficiency, while Extended Thinking handles complex multi-step reasoning.</li><li>Priced at $0.005/min for audio input and $0.018/min for audio output.</li><li>Integrated with real-time partners including Agora, LiveKit, Salesforce, and Vercel.</li></ul></div><p>Google has announced the official release of two new AI voice models, Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking, engineered specifically to power production-grade voice agents via API. Both models are available starting today in the Gemini Live API and Google AI Studio. They operate as fully hosted models without open-weights availability, meaning self-hosting options are not provided.</p><p>The launch introduces two distinct models tailored for specific operational roles. <strong>Gemini 3.8 Live</strong> is optimized for scale and cost-efficiency, merging conversational intelligence with fluid dialogue and visual grounding capabilities. Meanwhile, <strong>Gemini 3.8 Live Extended Thinking</strong> targets high-complexity tasks, introducing enhanced intelligence and multi-step reasoning executed dynamically while speaking. Google frames both models as streamlined alternatives to traditional cascaded speech pipelines that chain separate ASR, LLM, and TTS components.</p><p>The Live API exposes several core capabilities across the new model lineup:</p><ul><li>Immediate availability within Gemini Live API and Google AI Studio ecosystems</li><li>High-speed conversational fluidity for natural voice interactions</li><li>Visual grounding integration built into the standard variant</li><li>Dynamic multi-step reasoning while speaking in the Extended Thinking variant</li><li>Seamless integration via real-time media streaming partners</li></ul><div class="stat-row"><div class="stat-item"><span class="stat-number">$0.005</span><span class="stat-label">per min for audio input</span></div><div class="stat-item"><span class="stat-number">$0.018</span><span class="stat-label">per min for audio output</span></div></div><p>Regarding pricing structure, both models are billed at $0.005 per minute for audio input and $0.018 per minute for audio output. Google clarifies that this estimate equates to $3 per 1 million input tokens and $12 per 1 million output tokens. Developers can leverage Live API integration partners that manage real-time media streaming infrastructure, including Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel, and Vision Agents, alongside enterprise collaborations with Salesforce, Genspark, and Lumeris.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_gemini_3_8_live_extended_thinking_mu3aklr0_inline_1_ecd6d0e2ff.jpg" alt="artificial intelligence technology server room" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>This release highlights Google's ongoing push to eliminate the latency bottlenecks inherent in traditional cascaded voice pipelines (ASR-to-LLM-to-TTS). By consolidating native multimodal reasoning into unified models, developers can build responsive voice agents capable of handling interruptions and complex logic without cumbersome middleware.</p></div><p>Developers can access technical documentation, developer posts, and functional example applications hosted directly on GitHub.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/15/google-releases-gemini-3-8-live-and-3-8-live-extended-thinking-for-production-grade-voice-agents/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_google-เปิดตัว-gemini-3-8-live-และ-extended-thinking-mu3aklr0.jpg

small_google-เปิดตัว-gemini-3-8-live-และ-extended-thinking-mu3aklr0.jpg

thumbnail_google-เปิดตัว-gemini-3-8-live-และ-extended-thinking-mu3aklr0.jpg

google-เปิดตัว-gemini-3-8-live-และ-extended-thinking-mu3aklr0.jpg

Google เปิดตัวโมเดล Gemini 3.8 Live และ 3.8 Live Extended Thinking สำหรับสร้าง voice agents ระดับโปรดักชัน พร้อมใช้งานแล้วผ่าน Gemini Live API และ Google AI Studio ในราคา 0.005 ดอลลาร์ต่อนาทีสำหรับเสียงเข้า

Google launches Gemini 3.8 Live and 3.8 Live Extended Thinking for production-grade voice agents, available now via Gemini Live API and Google AI Studio.

Google เปิดตัว Gemini 3.8 Live และ Extended Thinking

Google Releases Gemini 3.8 Live & Extended Thinking

<div class="key-takeaways"><ul><li>การทำงานระดับกราฟช่วยรวมการทำงาน convolution, matmul และ attention เข้าด้วยกัน</li><li>ลดการเขียนหน่วยความจำกลางคันด้วยการยุบ bias adds, activations และ AMAX reductions ไว้ใน epilogues</li><li>คัดเลือก engine ด้วยการทำ autotuning วัดผลเทียบทุก configuration</li><li>ใช้serialized plans, kernel cache และ CUDA graph capture เพื่อเลี่ยงภาระการคอมไพล์ใน hot path</li></ul></div><p>บทความเชิงลึกจาก MarkTechPost ได้เผยแพร่ผลงานการทดลองสร้างโค้ดขนาดกะทัดรัดแต่ครอบคลุมขอบเขตที่กว้างขวาง โดยเป็นการรวมการทำงานประเภท convolution, matmul และ attention เข้าด้วยกัน ซึ่งแสดงผลออกมาในรูปแบบกราฟแทนที่จะเป็นเพียงการเรียกใช้งานไลบรารีแบบเดิม การดำเนินงานในระดับนี้ส่งผลให้สามารถตัดสินใจปรับเปลี่ยนกระบวนการทำงานเบื้องหลังได้อย่างอิสระ</p><p>หนึ่งในจุดเด่นสำคัญคือการเลือกยุบการทำงานประเภทย่อย เช่น bias adds, activations และ AMAX reductions ให้เข้าไปรวมอยู่ใน epilogues ซึ่งช่วยป้องกันไม่ให้ระบบต้องเขียนข้อมูลขั้นกลางลงไปในหน่วยความจำ (memory) โดยไม่จำเป็น ส่งผลให้กระบวนการประมวลผลมีความรวดเร็วและใช้ทรัพยากรอย่างคุ้มค่ามากยิ่งขึ้น</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/nvidia_cudnn_graph_api_plan_reuse_mu3ajrkr_inline_1_beccd44ee3.jpg" alt="artificial intelligence code processor microchip close up" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>cuDNN Graph API ของ NVIDIA ถูกออกแบบมาเพื่อแก้ปัญหาคอขวดของการเรียกใช้งานไลบรารี Deep Learning แบบเดิมๆ โดยเปิดให้นักพัฒนาสามารถปรับแต่งการเชื่อมโยงโครงสร้างกราฟการคำนวณ (Graph Optimization) ได้โดยตรง ซึ่งมีประโยชน์อย่างยิ่งในงานฝึกฝนและประมวลผลโมเดลขนาดใหญ่ที่ต้องการรีดประสิทธิภาพฮาร์ดแวร์ GPU ออกมาให้ได้สูงสุด การทำ Kernel Fusion ช่วยลดการเคลื่อนย้ายข้อมูลระหว่างหน่วยความจำหลักกับหน่วยประมวลผล ซึ่งมักเป็นสาเหตุหลักที่ทำให้ระบบเกิดความล่าช้า</p></div><p>นอกจากนี้ ระบบยังเปิดโอกาสให้ผู้พัฒนาสามารถเลือกใช้ engine ได้เองโดยตรง แทนที่จะต้องพึ่งพาฮิวริสติก (heuristic) ทั่วไป พร้อมทั้งทำการวัดเวลาของทุก configuration ที่เป็นไปได้เพื่อค้นหาทางเลือกที่คุ้มค่าที่สุด รวมถึงการบริหารจัดการต้นทุนในการคอมไพล์ โดยผลักภาระดังกล่าวให้ออกไปจาก hot path ผ่านการใช้ serialized plans, kernel cache ที่ใช้ร่วมกันระหว่างขนาดรูปทรง (shapes) ต่างๆ และการทำ CUDA graph capture</p><p>จากการตรวจสอบผลลัพธ์เทียบกับ PyTorch พบว่าในจุดที่ประสิทธิภาพสอดคล้องกัน มักเป็นส่วนที่ PyTorch เรียกใช้งาน cuDNN อยู่เบื้องหลังอยู่แล้ว ทำให้เห็นภาพชัดเจนว่า API ตัวนี้มีความคุ้มค่าสูงสุดในกรณีที่มีการรวมฟังก์ชัน (fusions) ไม่มีเทียบเท่าระดับ framework, มีขนาด shapes ที่ใช้งานถี่จนคุ้มค่าการทำ autotuning และเคอร์เนลขนาดเล็กที่ต้นทุนการเริ่มระบบส่งผลกระทบต่อประสิทธิภาพโดยรวม</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/15/inside-nvidias-cudnn-graph-api-fusion-autotuning-and-plan-reuse-with-cudnn-frontend/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Graph-level execution unifies convolution, matmul, and attention kernels.</li><li>Folds bias adds, activations, and AMAX reductions into epilogues to avoid intermediate memory writes.</li><li>Employs autotuning by benchmarking candidate configurations to select the optimal engine.</li><li>Leverages serialized plans, shared kernel caches, and CUDA graph capture to bypass hot-path compilation overhead.</li></ul></div><p>An in-depth article published by MarkTechPost explores a compact yet comprehensive implementation featuring convolution, matmul, and attention kernels expressed as computation graphs rather than standard library calls. Operating at this granular level fundamentally transforms what can be optimized during execution.</p><p>A major highlight of this approach is the ability to determine which operations collapse into a single kernel. By folding operations such as bias adds, activations, and AMAX reductions directly into epilogues, the system eliminates the need to write intermediate states back to memory, significantly boosting processing efficiency.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/nvidia_cudnn_graph_api_plan_reuse_mu3ajrkr_inline_1_beccd44ee3.jpg" alt="artificial intelligence code processor microchip close up" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>NVIDIA's cuDNN Graph API is engineered to overcome traditional deep learning library bottlenecks by giving developers direct control over graph-level optimizations. This capability is crucial for large-scale model training and inference workloads where hardware utilization must be maximized. Kernel fusion drastically reduces redundant memory round-trips between global memory and compute units, which typically constitute major performance bottlenecks.</p></div><p>Furthermore, developers can manually select engines rather than relying solely on automated heuristics. By timing every candidate configuration, developers gain precise insights into performance trade-offs. Compilation overhead is also strategically mitigated by pushing it out of the hot path utilizing serialized plans, cross-shape kernel caches, and CUDA graph capture mechanisms.</p><p>Benchmarking against PyTorch revealed that instances of performance parity typically occurred because PyTorch itself delegates those underlying operations to cuDNN. This demonstrates exactly where the API delivers peak value: complex fusions lacking direct framework equivalents, shapes executed frequently enough to justify autotuning, and small kernels where startup and launch latencies dominate performance metrics.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/15/inside-nvidias-cudnn-graph-api-fusion-autotuning-and-plan-reuse-with-cudnn-frontend/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_เจาะลึก-nvidia-cudnn-graph-api-การรวมเคอร์เนลและ-plan-reuse-mu3ajrkr.jpg

small_เจาะลึก-nvidia-cudnn-graph-api-การรวมเคอร์เนลและ-plan-reuse-mu3ajrkr.jpg

thumbnail_เจาะลึก-nvidia-cudnn-graph-api-การรวมเคอร์เนลและ-plan-reuse-mu3ajrkr.jpg

เจาะลึก-nvidia-cudnn-graph-api-การรวมเคอร์เนลและ-plan-reuse-mu3ajrkr.jpg

สำรวจการทำงานของ NVIDIA cuDNN Graph API ที่ผสานการทำงาน convolution, matmul และ attention เป็นกราฟเดียว พร้อมลดการเขียนหน่วยความจำ

Explore how NVIDIA cuDNN Graph API combines convolution, matmul, and attention into a single graph while reducing memory overhead.

เจาะลึก NVIDIA cuDNN Graph API: การรวมเคอร์เนลและ Plan Reuse

Inside NVIDIA cuDNN Graph API: Fusion and Plan Reuse

<div class="key-takeaways"><ul><li>Pony.ai ร่วมมือกับ GAC Commercial Vehicle เปิดตัวรถบรรทุกไฟฟ้าไร้คนขับระดับ L4 รุ่น Gen-4</li><li>เปิดตัวครั้งแรกในงาน IAA Transportation 2026 เตรียมเริ่มสายการผลิตจำนวนมากภายในปีนี้</li><li>ต้นทุนฮาร์ดแวร์ระบบขับเคลื่อนอัตโนมัติ (ADK) ลดลงถึง 70% เมื่อเทียบกับรุ่นก่อนหน้า</li><li>ติดตั้งระบบเซ็นเซอร์รอบคัน 360 องศา และเตรียมขยายสู่ตลาดยุโรปและตะวันออกกลางในอีก 2 ปีข้างหน้า</li></ul></div><p>Pony.ai ได้ทำการเปิดตัวรถบรรทุกไฟฟ้าไร้คนขับสำหรับกลุ่มงานโลจิสติกส์ ซึ่งพัฒนาร่วมกับ GAC Commercial Vehicle เพื่อรองรับห่วงโซ่อุปทานการขนส่งสินค้า</p><p>ยานยนต์หนักระบบขับเคลื่อนอัตโนมัติระดับ 4 (Level 4) นี้ถูกเผยโฉมอย่างเป็นทางการในงาน IAA Transportation 2026 โดยนับเป็นรถบรรทุกตระกูล Robotruck รุ่นเจเนอเรชันที่ 4 (Gen-4) ของบริษัท ซึ่งต่อยอดมาจากโครงสร้างรถบรรทุกไฟฟ้าแบตเตอรี่รุ่น T9 ของ GAC Commercial Vehicle และมีกำหนดการเริ่มสายการผลิตจำนวนมากภายในปีนี้ โดยเส้นทางเบื้องต้นจะมุ่งเน้นไปที่การขนส่งสินค้าระยะไกล (Long-haul freight) Corridors โลจิสติกส์เฉพาะกิจ และการดำเนินงานด้านการขนส่งท่าเรือ</p><p>He Xing รองประธานของ Pony.ai และหัวหน้าฝ่ายธุรกิจ Robotruck กล่าวว่า การเปิดตัวรถบรรทุกหนักไร้คนขับ T9 ทั่วโลกในครั้งนี้ถือเป็นก้าวสำคัญในการเร่งรัดการผลิตจำนวนมากและการปรับใช้เชิงพาณิชย์ของ Robotruck จาก Pony.ai พร้อมระบุว่าบริษัทจะกระชับความร่วมมือกับ GAC Commercial Vehicle ให้ลึกซึ้งยิ่งขึ้นเพื่อนำโซลูชันการขนส่งอัตโนมัติออกสู่ตลาดทั่วโลกในอนาคต</p><div class="stat-row"><div class="stat-item"><span class="stat-number">70%</span><span class="stat-label">ต้นทุนฮาร์ดแวร์ ADK ลดลง</span></div><div class="stat-item"><span class="stat-number">30%</span><span class="stat-label">ต้นทุนการดำเนินงานลดลง</span></div><div class="stat-item"><span class="stat-number">10%</span><span class="stat-label">การใช้พลังงานลดลง</span></div></div><p>ด้านอุปกรณ์ขับเคลื่อนอัตโนมัติเกรดรถยนต์ (ADK) ประกอบด้วยไลดาร์ (lidars) 9 ตัว เรดาร์คลื่นมิลลิเมตร 3 ตัว และกล้อง 13 ตัว ซึ่งช่วยให้รถสามารถรับรู้สภาพแวดล้อมรอบคันได้แบบ 360 องศาเต็มรูปแบบ โดยในแง่ของค่าใช้จ่ายด้านฮาร์ดแวร์ปรับตัวลดลงอย่างมาก ต้นทุนวัตถุดิบ (BOM) สำหรับ Gen-4 ADK ลดลง 70% เมื่อเทียบกับรุ่นก่อนหน้า และต้นทุนการดำเนินงานด้านการขนส่งต่อตัน-กิโลเมตรคาดว่าจะลดลง 30%</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/pony_ai_l4_4_mu2xwvyq_inline_1_9d682c5be4.jpg" alt="commercial electric truck sensors lidar technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ประสิทธิภาพการใช้พลังงานถูกยกระดับควบคู่ไปกับการปรับแต่งหลักอากาศพลศาสตร์ (Aerodynamics) อัลกอริทึมการควบคุมของ Pony.ai ทำงานร่วมกับสัมประสิทธิ์แรงเสียดทาน (Cd) 0.4 ของห้องโดยสาร T9 เพื่อช่วยลดการใช้พลังงานลง 10% เมื่อเทียบกับรถบรรทุกขนส่งทั่วไป นอกจากนี้ Robotruck เจเนอเรชัน 4 ยังใช้ตัวควบคุมโดเมนกลางร่วมกับแท็กซี่ไร้คนขับ (Robotaxis) เจเนอเรชันที่ 7 ของบริษัท โดยรันซอฟต์แวร์ Virtual Driver ที่ใช้ร่วมกัน</p><blockquote class="pull-quote"><p>&quot;การเปิดตัวรถบรรทุกหนักไร้คนขับ T9 ทั่วโลกกับ GAC Commercial Vehicle นับเป็นอีกก้าวสำคัญในการเร่งรัดการผลิตและการใช้งานเชิงพาณิชย์ของ Robotruck&quot;</p><cite>He Xing, รองประธานของ Pony.ai และหัวหน้าฝ่ายธุรกิจ Robotruck</cite></blockquote><p>วิศวกรได้ทำการจับคู่ชุดซอฟต์แวร์เข้ากับแชสซีส์แบบ drive-by-wire ของ GAC Commercial Vehicle โดยตรง เพื่อการปฏิบัติการไร้คนขับที่น่าเชื่อถือ ระบบสำรองฮาร์ดแวร์เต็มรูปแบบจึงถูกบูรณาการเข้าไว้ด้วยกัน ทั้งในส่วนของพวงมาลัย ระบบเบรก แหล่งจ่ายไฟ ระบบประมวลผล เซ็นเซอร์ และการสื่อสาร การพัฒนานี้เริ่มต้นจากข้อตกลงเชิงกลยุทธ์ที่ลงนามเมื่อวันที่ 16 เมษายน โดยพาร์ทเนอร์ทั้งสองใช้เวลาตรวจสอบความถูกต้องของยานพาหนะเพียง 5 เดือนจนกระทั่งพร้อมเข้าสู่กระบวนการผลิต</p><div class="ai-insight"><p>การพัฒนารถบรรทุกไร้คนขับระดับ L4 สำหรับการขนส่งสินค้านี้สะท้อนให้เห็นถึงแนวโน้มการนำเทคโนโลยีปัญญาประดิษฐ์ทางกายภาพ (Physical AI) มาประยุกต์ใช้ในภาคอุตสาหกรรมหนักและการขนส่งโลจิสติกส์ข้ามพรมแดน การแชร์แพลตฟอร์มซอฟต์แวร์ร่วมกันระหว่างรถแท็กซี่ไร้คนขับและรถบรรทุกขนาดใหญ่ช่วยให้บริษัทสามารถลดต้นทุนการพัฒนาและเพิ่มความเสถียรของระบบได้อย่างรวดเร็ว ซึ่งเป็นก้าวสำคัญในการแก้ปัญหาขาดแคลนแรงงานและลดต้นทุนเชื้อเพลิงในระยะยาว</p></div><p>Pony.ai เริ่มต้นพัฒนาการขนส่งสินค้าอัตโนมัติมาตั้งแต่ปี 2018 โดยสร้างพอร์ตโฟลิโอฝูงบินครอบคลุมทั้งแพลตฟอร์มสำหรับงานหนักและงานเบา โปรแกรมโลจิสติกส์เชิงพาณิชย์ของบริษัทครอบคลุมตั้งแต่การขนส่งสินค้าเทกอง โลจิสติกส์ท่าเรือ การจัดส่งในเขตเมือง และการขนส่งสินค้าระยะไกล หลังจากสายการผลิตในประเทศรอบแรกเริ่มขึ้นในปีนี้ บริษัทมีแผนที่จะขยายการดำเนินงาน Robotruck ไปยังตลาดยุโรปและตะวันออกกลางภายในสองปีข้างหน้า โดยอาศัยฐานรากที่มีอยู่เดิมจากการดำเนินงาน Robotaxi ในสหรัฐอาหรับ emirates, กาตาร์, โครเอเชีย, ลักเซมเบิร์ก, สิงคโปร์ และเกาหลีใต้</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/pony-ai-autonomous-electric-truck-for-logistics-fleets/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>Pony.ai and GAC Commercial Vehicle launched the Gen-4 Level 4 autonomous heavy truck</li><li>Debuted at IAA Transportation 2026 with mass production starting later this year</li><li>Bill-of-materials cost for the ADK hardware decreased by 70% compared to the previous version</li><li>Features 360-degree sensor coverage and targets expansion into European and Middle Eastern markets</li></ul></div><p>Pony.ai has unveiled an autonomous electric truck designed for logistics fleets, developed in collaboration with GAC Commercial Vehicle to transform freight supply chains.</p><p>Showcased at IAA Transportation 2026, this Level 4 (L4) heavy rig represents the fourth-generation (Gen-4) iteration of Pony.ai’s Robotruck platform. It builds upon GAC Commercial Vehicle’s T9 battery-electric truck architecture, with mass production scheduled to kick off later this year. Initial deployment routes will target long-haul freight, dedicated logistics corridors, and port transport operations.</p><p>He Xing, VP of Pony.ai and Head of its Robotruck business, stated that the global debut of the T9 autonomous heavy-duty truck with GAC Commercial Vehicle marks another critical step in accelerating mass production and commercial deployment. He noted that the company will deepen collaboration to bring jointly-developed autonomous trucking solutions to global markets.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">70%</span><span class="stat-label">ADK hardware cost reduction</span></div><div class="stat-item"><span class="stat-number">30%</span><span class="stat-label">Operating cost reduction</span></div><div class="stat-item"><span class="stat-number">10%</span><span class="stat-label">Energy consumption decrease</span></div></div><p>An automotive-grade autonomous driving kit (ADK) equips the vehicle with nine lidars, three millimetre-wave radars, and 13 cameras, providing complete 360-degree sensing around the truck. Hardware expenses have plummeted, with the bill-of-materials cost for the Gen-4 ADK down 70 percent compared with the previous iteration, while transportation operating costs per ton-kilometre are projected to fall by 30 percent.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/pony_ai_l4_4_mu2xwvyq_inline_1_9d682c5be4.jpg" alt="commercial electric truck sensors lidar technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Energy efficiency is further enhanced by aerodynamic refinements. Pony.ai’s control algorithms work alongside the T9 cab’s 0.4 drag coefficient (Cd) to cut energy consumption by 10 percent compared to conventional haulage trucks. Furthermore, the Gen-4 Robotruck shares its central domain controller with Pony.ai’s seventh-generation robotaxis, running the company’s unified Virtual Driver software.</p><blockquote class="pull-quote"><p>&quot;The global debut of the T9 autonomous heavy-duty truck with GAC Commercial Vehicle marks another important step in accelerating the mass production and commercial deployment of Pony.ai’s Robotrucks.&quot;</p><cite>He Xing, VP of Pony.ai and Head of Robotruck Business</cite></blockquote><p>Engineers paired the software stack directly with GAC Commercial Vehicle’s drive-by-wire chassis. To ensure reliable driverless operation, full hardware backups are integrated across steering, braking, power supply, computing, sensors, and communications. Development stemmed from a strategic agreement signed on April 16, with both partners completing vehicle validation in five months.</p><div class="ai-insight"><p>The introduction of this L4 autonomous truck highlights the rapid maturation of physical AI applications within heavy industry and long-haul logistics. By sharing a unified core software architecture with passenger robotaxis, Pony.ai can streamline development cycles and enhance system reliability, addressing critical driver shortages and operational overhead in commercial transport.</p></div><p>Pony.ai has pursued autonomous trucking development since 2018, building a versatile portfolio across heavy- and light-duty platforms. Following initial domestic production this year, the company plans to expand Robotruck operations into European and Middle Eastern markets over the next two years, leveraging footholds established by its robotaxi deployments across the UAE, Qatar, Croatia, Luxembourg, Singapore, and South Korea.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/pony-ai-autonomous-electric-truck-for-logistics-fleets/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_pony-ai-เปิดตัวรถบรรทุกไฟฟ้าไร้ขับ-l4-เจเนอเรชัน-4-mu2xwvyq.jpg

small_pony-ai-เปิดตัวรถบรรทุกไฟฟ้าไร้ขับ-l4-เจเนอเรชัน-4-mu2xwvyq.jpg

thumbnail_pony-ai-เปิดตัวรถบรรทุกไฟฟ้าไร้ขับ-l4-เจเนอเรชัน-4-mu2xwvyq.jpg

pony-ai-เปิดตัวรถบรรทุกไฟฟ้าไร้ขับ-l4-เจเนอเรชัน-4-mu2xwvyq.jpg

Pony.ai และ GAC Commercial Vehicle เปิดตัวรถบรรทุกไร้คนขับ Gen-4 ระดับ L4 ที่งาน IAA Transportation 2026 พร้อมต้นทุนฮาร์ดแวร์ลดลง 70%

Pony.ai and GAC Commercial Vehicle debuted the Gen-4 Level 4 autonomous truck at IAA Transportation 2026, cutting hardware costs by 70%.

Pony.ai เปิดตัวรถบรรทุกไฟฟ้าไร้ขับ L4 เจเนอเรชัน 4

Pony.ai unveils autonomous electric truck for logistics fleets

<div class="key-takeaways"><ul><li>รัฐบาลอังกฤษเสนอแผนเพิ่มเวลาขอถิ่นที่อยู่ถาวรจาก 5 เป็น 10 ปี</li><li>กฎใหม่นี้อาจมีผลย้อนหลังถึงวิศวกรและนักวิจัย AI ที่ทำงานอยู่แล้ว</li><li>รายได้สูงกว่าเกณฑ์อาจช่วยลดระยะเวลารอคอยลงได้ตามข้อเสนอ</li><li>สถิติการออกวีซ่าทำงานกลุ่มไอทีลดลง 18% ในปีที่ผ่านมา</li></ul></div><p>กระแสความกังวลกำลังก่อตัวขึ้นในแวดวงอุตสาหกรรมปัญญาประดิษฐ์ของสหราชอาณาจักร หลังจากรัฐบาลได้เสนอแผนปรับปรุงกฎระเบียบการย้ายถิ่นฐานครั้งใหญ่ ซึ่งจะส่งผลให้ระยะเวลารอคอยเพื่อขอรับสถานะผู้มีถิ่นที่อยู่ถาวรเพิ่มขึ้นเท่าตัว และมาตรการนี้ยังครอบคลุมไปถึงวิศวกรผู้เชี่ยวชาญที่ถือวีซ่าได้รับการสนับสนุนจากนายจ้างซึ่งปฏิบัติงานอยู่ในประเทศแล้วในปัจจุบัน</p><p>แนวคิดดังกล่าวเริ่มต้นจากสมุดปกขาวที่ประกาศออกมาในเดือนพฤศจิกายน 2568 และเปิดรับฟังความคิดเห็นจนถึงเดือนกุมภาพันธ์ 2569 โดยเปลี่ยนผ่านรูปแบบจากการพำนักครบตามกำหนดเวลา มาเป็นการประเมินจากคุณูปการและการมีส่วนร่วม ผลกระทบหลักคือระยะเวลามาตรฐานสำหรับการขอสิทธิ์พำนักถาวรอย่างไร้กำหนดจะเพิ่มจาก 5 ปี เป็น 10 ปี สำหรับเส้นทางส่วนใหญ่ และพุ่งสูงถึง 15 ปี สำหรับแรงงานทักษะในตำแหน่งที่ต่ำกว่าระดับปริญญาตรี</p><div class="stat-row"><div class="stat-item"><span class="stat-number">1.6 ล้านคน</span><span class="stat-label">จำนวนผู้คาดว่าจะยื่นขอถิ่นที่อยู่ระหว่างปี 2569-2573</span></div><div class="stat-item"><span class="stat-number">18%</span><span class="stat-label">อัตราวีซ่าทำงานด้านไอทีที่ลดลงในปีถึงเดือนธันวาคม 2568</span></div></div><p>การผลักดันนโยบายนี้เกิดขึ้นเนื่องจากกระทรวงมหาดไทยอังกฤษคาดการณ์ว่าจะมีผู้มีสิทธิ์ยื่นขอถิ่นที่อยู่สูงถึง 1.6 ล้านคนในช่วงปี 2569 ถึง 2573 โดยจะพุ่งสูงสุดราว 450,000 คนในปี 2578 เป็นคลื่นอพยพที่เติบโตอย่างรวดเร็วจากช่วงปี 2565 ถึง 2564 ที่รัฐบาลต้องการชะลอความเร็วลง อย่างไรก็ตาม ประเด็นสำคัญคือมาตรการเหล่านี้ไม่ได้เป็นกฎหมายในทันที ณ ฤดูใบไม้ร่วงปี 2569 เส้นทาง 5 ปียังคงมีผลบังคับใช้เต็มรูปแบบ และยังไม่มีการยื่นร่างแก้ไขกฎระเบียบต่อรัฐสภาแต่อย่างใด</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_mu2ksbc3_inline_1_3df2b72f54.jpg" alt="London corporate tech office workspace computer screens" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ความท้าทายที่แท้จริงตกอยู่กับบริษัทเทคโนโลยีที่ต้องแข่งขันกันดึงดูดและรักษาบุคลากรระดับแนวหน้า ข้อมูลระบุว่ายอดอนุมัติวีซ่าทำงานทั้งหมดลดลงเหลือ 168,471 รายในรอบปีจนถึงเดือนธันวาคม 2568 ลดลง 19% จากปีก่อนหน้า และต่ำกว่าจุดสูงสุดในปี 2566 ถึง 50% ในขณะที่ผู้เชี่ยวชาญด้านไอทีที่เดินทางเข้ามาลดลง 18% ทำให้การรักษาตัวพนักงานที่มีอยู่มีความสำคัญมากกว่าเดิม</p><div class="ai-insight"><p>ในมุมมองเชิงกลยุทธ์ การเปลี่ยนแปลงกฎระเบียบด้านตรวจคนเข้าเมืองไม่ได้เป็นเพียงแค่เรื่องเอกสารธุรการของฝ่ายทรัพยากรบุคคลอีกต่อไป แต่ได้กลายเป็นปัจจัยชี้ขาดความสามารถในการแข่งขันขององค์กรเทคโนโลยี เนื่องจากบุคลากรสาย AI เป็นทรัพยากรหายาก การสร้างความชัดเจนและมั่นคงให้กับทีมงานจึงเป็นเกราะป้องกันไม่ให้บุคลากรย้ายไปทำงานในประเทศอื่นที่มีนโยบายเปิดกว้างกว่า</p></div><blockquote class="pull-quote"><p>&quot;นายจ้างที่รับมือเรื่องนี้ได้ดีจะทำการสำรวจผลกระทบตั้งแต่เนิ่นๆ ก่อนที่กฎระเบียบจะถูกสรุปเป็นข้อยุติ&quot;</p><cite>ยัช ดูบัล ประธานเจ้าหน้าที่บริหาร AY&amp;J Solicitors</cite></blockquote><p>แม้ว่าสถานการณ์จะดูตึงเครียด แต่ข้อเสนอดังกล่าวก็ยังมีช่องทางผ่อนปรนสำหรับผู้มีรายได้สูง โดยผู้ที่มีรายได้ต่อเนื่องเกินกว่า 50,270 ปอนด์ อาจสามารถลดระยะเวลารอคอยลงได้สูงสุดถึง 5 ปี และรายได้ที่เกิน 125,140 ปอนด์ อาจลดลงได้ถึง 7 ปี ซึ่งอาจช่วยดึงให้พนักงานกลับมาอยู่ในเส้นทาง 3 หรือ 5 ปีได้ดังเดิม นอกจากนี้ ตำแหน่งงานด้าน AI และวิศวกรรมส่วนใหญ่อยู่ในกลุ่มเกณฑ์ 10 ปี เนื่องจากมีวุฒิการศึกษาเหนือกว่าระดับปริญญาตรี</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/the-ai-talent-britain-fought-to-hire-may-be-recalculating-its-future/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>UK proposals suggest doubling the standard permanent residency wait from 5 to 10 years.</li><li>The changes are intended to be retrospective, affecting sponsored engineers already in the country.</li><li>Higher sustained earnings could potentially reduce the qualifying period under the new system.</li><li>IT professional work visas dropped 18 percent in the year leading to December 2025.</li></ul></div><p>Uncertainty is growing across the United Kingdom's artificial intelligence sector as the government considers a sweeping overhaul of immigration rules. The proposed changes would significantly extend the waiting period for permanent residency and apply retroactively to sponsored specialists and engineers who are already living and working in the country.</p><p>Stemming from a White Paper introduced in November 2025 and consulted on until February 2026, the earned settlement model shifts residency criteria from time served to measured contribution. The most significant alteration is the doubling of the standard qualifying period for indefinite leave to remain from five years to ten years for most immigration routes, while positions below degree level face a baseline of fifteen years.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">1.6 million</span><span class="stat-label">Estimated people projected to settle between 2026 and 2030</span></div><div class="stat-item"><span class="stat-number">18%</span><span class="stat-label">Decline in work visas granted to IT professionals by December 2025</span><div></div></div></div><p>The Home Office projects that roughly 1.6 million individuals would seek settlement between 2026 and 2030 under existing policies, prompting ministers to introduce measures to slow down this wave driven by immigration spikes between 2022 and 2024. However, these adjustments are not yet law. As of autumn 2026, the five-year pathway remains active, and no official statement of changes has been presented to Parliament.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_mu2ksbc3_inline_1_3df2b72f54.jpg" alt="London corporate tech office workspace computer screens" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>This policy debate translates directly into operational workforce hurdles for technology enterprises competing for top-tier research talent. Total work visa grants dropped to 168,471 in the year ending December 2025, marking a 19 percent decrease year-on-year and sitting 50 percent below the 2023 peak. With IT professional grants down 18 percent, retaining existing specialists has become critically important for local firms.</p><div class="ai-insight"><p>From a strategic standpoint, immigration adjustments are transforming from routine human resources administration into vital enterprise risk management. Because artificial intelligence expertise remains globally scarce, providing regulatory clarity and workforce stability helps companies mitigate the risk of top researchers migrating to alternative jurisdictions with more predictable immigration frameworks.</p></div><blockquote class="pull-quote"><p>&quot;The employers who handle this well map their exposure early, before the rules are even finalised.&quot;</p><cite>Yash Dubal, Chief Executive at AY&amp;J Solicitors</cite></blockquote><p>Despite the restrictive baseline targets, the proposals incorporate provisions for higher earners. Sustained income above 50,270 pounds could shorten the qualifying timeline by up to five years, whereas earnings surpassing 125,140 pounds could cut up to seven years. Furthermore, most technical roles in AI and data science sit above the degree threshold, placing them in the ten-year bracket rather than the harshest fifteen-year tier.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/the-ai-talent-britain-fought-to-hire-may-be-recalculating-its-future/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_อังกฤษเสี่ยงสูญเสียบุคลากร-ai-จากกฎถิ่นที่อยู่ใหม่-mu2ksbc3.jpg

small_อังกฤษเสี่ยงสูญเสียบุคลากร-ai-จากกฎถิ่นที่อยู่ใหม่-mu2ksbc3.jpg

thumbnail_อังกฤษเสี่ยงสูญเสียบุคลากร-ai-จากกฎถิ่นที่อยู่ใหม่-mu2ksbc3.jpg

อังกฤษเสี่ยงสูญเสียบุคลากร-ai-จากกฎถิ่นที่อยู่ใหม่-mu2ksbc3.jpg

รัฐบาลสหราชอาณาจักรเตรียมพิจารณาขยายเวลาขอถิ่นที่อยู่ถาวรจาก 5 เป็น 10 ปี สร้างความกังวลให้บริษัทเทคที่พึ่งพาผู้เชี่ยวชาญต่างชาติ

Proposed UK immigration overhauls could double permanent residency wait times to ten years, causing retention concerns for tech employers.

อังกฤษเสี่ยงสูญเสียบุคลากร AI จากกฎถิ่นที่อยู่ใหม่

UK AI Talent Faces Uncertainty Over Settlement Rules

<div class="key-takeaways"><ul><li>Agent-net เปิดซอร์ส Webagent โครงสร้างภาษา Go แปลงเว็บไซต์ให้เป็น AI Agent</li><li>ใช้ระบบ Action Guard ครอบเครื่องมือทุกตัว ป้องกันโมเดลข้ามขั้นตอนความปลอดภัย</li><li>รองรับช่องทางสื่อสารยอดนิยม เช่น Slack และ WhatsApp พร้อมระบบตรวจสอบความถูกต้อง</li><li>จัดการความลับด้วยระบบ Vault และเก็บบันทึกการทำงานตามมาตรฐาน OpenTelemetry</li></ul></div><p>วงการพัฒนา AI ต้องจับตาดูอีกครั้งเมื่อ Agent-net ประกาศเปิดซอร์ส <strong>Webagent</strong> เครื่องมือโครงสร้างภาษา Go ที่ถูกออกแบบมาเพื่อเปลี่ยนเว็บไซต์ใดก็ได้ให้กลายร่างเป็น AI Agent ที่มีระบบป้องกันความปลอดภัยรัดกุม โดยโปรเจกต์นี้เปิดให้ใช้งานภายใต้สัญญาอนุญาต Apache 2.0 เวอร์ชันเริ่มต้น v0 ซึ่งสามารถคอมไพล์และรันไลฟ์เอเจนต์บนแพลตฟอร์มอย่าง Slack, WhatsApp รวมถึง HTTP ได้ทันทีผ่านการสนับสนุนจากเครื่องมือ MCP (Model Context Protocol)</p><p>ในแง่ของการออกแบบ สถาปัตยกรรมของ Webagent ประกอบด้วยส่วนสมองหรือ Brain ซึ่งทำงานร่วมกับชุดสล็อตที่กำหนดไว้ในโฟลเดอร์ core/ ผ่าน Service Provider Interface ในโฟลเดอร์ spi/ แนวคิดนี้แบ่งผู้ใช้งานออกเป็น 3 กลุ่มหลักบนสัญญาฉบับเดียว ได้แก่ ธุรกิจที่เลือกตั้งค่าจากเมนู, ธุรกิจที่ขยายระบบด้วยการลงทะเบียนผู้ให้บริการเสริม และพาร์ทเนอร์ที่พัฒนาอะแดปเตอร์ โดยทุกผู้ให้บริการจะต้องผ่านชุดทดสอบมาตรฐานความสอดคล้อง (conformance suite) ก่อนจึงจะได้รับการรับรอง</p><div class="ai-insight"><p>จุดเด่นที่น่าสนใจคือการเน้นย้ำเรื่องสถาปัตยกรรมเป็นหัวใจสำคัญในการสร้าง AI Agent ให้ประสบความสำเร็จ มากกว่าจะพึ่งพาแค่ความสามารถของตัวโมเดล LLM เพียงอย่างเดียว ซึ่งสอดคล้องกับงานวิจัยที่ชี้ให้เห็นช่องว่างความสำเร็จของงานที่ต่างกันอย่างชัดเจนระหว่างการเลือกใช้โครงสร้างที่เหมาะสม</p></div><p>หัวใจสำคัญด้านความปลอดภัยของโปรเจกต์นี้คือฟังก์ชัน action.Guard ซึ่งทำหน้าที่ครอบเครื่องมือทุกชิ้นไม่ว่าจะมาจากผู้ให้บริการหรือถูกแทรกโดยโฮสต์ เพื่อให้มั่นใจว่ากฎการ์ดเรลจะทำงานก่อนที่คำสั่งใดๆ จะถูกประหารผล โดยโมเดลจะไม่สามารถหลีกเลี่ยงกระบวนการนี้ได้ การตัดสินใจทางสถาปัตยกรรมดังกล่าวอ้างอิงตามงานวิจัย arXiv 2511.19477 ที่พบว่าสถาปัตยกรรมส่งผลต่อความสำเร็จในการทำงานถึง 85% เทียบกับ 50% ในโมเดลเดียวกันเมื่อใช้โครงสร้างแบบเดิม</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/agent_net_webagent_ai_agent_mu27sd69_inline_1_b5be8fd3f8.jpg" alt="software developer computer screen code workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สำหรับการใช้งานจริง ระบบมาพร้อมกับสมองประเภท echo ที่ไม่ต้องใช้ข้อมูลรับรอง ทำให้คำสั่งอย่าง webagent validate และ webagent serve สามารถทำงานได้ทันทีกับสเปกตัวอย่างอย่าง zomato.json และ bakery.json ส่วนการเชื่อมต่อกับโมเดลจริงสามารถใช้คำสั่ง webagent keys set openrouter เพื่อจัดเก็บคีย์ในไดเรกทอรีการกำหนดค่าระบบปฏิบัติการด้วยโหมด 0600 โดยไม่มีการเขียนคีย์ลงในสเปกแต่อย่างใด</p><p>ในส่วนของการบูรณาการกับระบบธุรกิจ แพลตฟอร์มรองรับเซิร์ฟเวอร์ MCP ที่มีอยู่แล้วผ่านการเชื่อมต่อแบบ Streamable HTTP ทั้ง JSON และ SSE พร้อมระบบตรวจสอบความถูกต้อง นอกจากนี้ อะแดปเตอร์สำหรับช่องทางอย่าง Slack และ WhatsApp ยังมีความสามารถในการตรวจสอบลายเซ็นเว็บฮุคทุกขาเข้า การตอบกลับผ่าน API ของแพลตฟอร์ม การกรองข้อความของตัวเอง และการจัดการข้อความซ้ำได้อย่างมีประสิทธิภาพ</p><div class="stat-row"><div class="stat-item"><span class="stat-number">85%</span><span class="stat-label">ความสำเร็จของงานด้วยสถาปัตยกรรมที่เหมาะสม</span></div><div class="stat-item"><span class="stat-number">50%</span><span class="stat-label">ความสำเร็จของงานด้วยโครงสร้างแบบเดิม</span></div></div><p>ด้านความปลอดภัยของข้อมูลลับ (Secrets) กำหนดให้คีย์การตั้งค่าใดๆ ที่ลงท้ายด้วย Secret จะต้องถูกอ้างอิงผ่านห้องนิรภัยที่เลือกไว้ในขั้นตอนการสร้าง ทำให้สามารถคอมมิตไฟล์สเปกขึ้น GitHub ได้อย่างปลอดภัยโดยไม่ต้องกลัวข้อมูลรั่วไหล และระบบยังมีการส่งออกข้อมูลการสังเกตการณ์ตามอนุสัญญา OpenTelemetry GenAI อีกด้วย</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/agent-net-open-sources-webagent-a-go-harness-that-turns-any-website-into-a-guarded-ai-agent/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Agent-net open-sources Webagent, a Go harness turning websites into AI agents.</li><li>Features action.Guard to wrap every tool and enforce safety compliance.</li><li>Supports Slack and WhatsApp channels with webhook signature verification.</li><li>Manages secrets via vault references and emits OpenTelemetry traces.</li></ul></div><p>The AI development ecosystem gains a new tool as Agent-net open-sources <strong>Webagent</strong>, a Go-written harness designed to transform any website into a guarded autonomous AI agent. Released under the Apache 2.0 license as version v0, the repository builds successfully and is capable of running live Slack, WhatsApp, and HTTP agents powered by Model Context Protocol (MCP) tools out of the box.</p><p>Architecturally, an agent consists of one Brain combining an LLM and instructions over a set of slots defined in the core/ directory. Each slot functions as a Service Provider Interface with a registry located in spi/ and a designated default. This design caters to three distinct user groups: businesses configuring from a menu, enterprises extending via custom provider registration, and partner companies delivering adapters, all while keeping the core unforked.</p><div class="ai-insight"><p>The project's foundational philosophy emphasizes that system architecture—rather than raw model capability—is the primary determinant of AI agent success, highlighting structural design as a critical factor in mitigating operational failures.</p><p>A core architectural pillar is the implementation of action.Guard. Every tool available to the agent, whether from an action provider or injected by the host, is wrapped so that chosen guardrails execute prior to any action execution, preventing models from bypassing safety checks. This design directly reflects research findings citing an 85% versus 50% task-success gap on identical models when utilizing optimized architectures.</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/agent_net_webagent_ai_agent_mu27sd69_inline_1_b5be8fd3f8.jpg" alt="software developer computer screen code workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>For immediate testing, the default echo brain requires no credentials, allowing webagent validate and webagent serve commands to execute instantly using example specs like zomato.json and bakery.json. Production models can be configured using webagent keys set openrouter, which securely stores credentials in the OS configuration directory under strict file permissions.</p><p>Businesses operating existing MCP servers can transition into active agents using a single spec block. The MCP action provider communicates over Streamable HTTP using JSON and SSE with token authentication, passing tools securely behind the guardrail system. Meanwhile, channel adapters for Slack and WhatsApp handle inbound webhook signature validation, immediate acknowledgments, and message de-duplication automatically.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">85%</span><span class="stat-label">Task success rate with optimized architecture</span></div><div class="stat-item"><span class="stat-number">50%</span><span class="stat-label">Task success rate with baseline models</span></div></div><p>Secret management follows a strict naming convention where any configuration key ending in Secret is resolved through a designated vault during build time, ensuring repository specs remain secure for version control. Furthermore, system observability fully integrates with OpenTelemetry GenAI conventions for comprehensive evaluation and tracing.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/agent-net-open-sources-webagent-a-go-harness-that-turns-any-website-into-a-guarded-ai-agent/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_agent-net-เปิดซอร์ส-webagent-แปลงทุกเว็บเป็น-ai-agent-mu27sd69.jpg

small_agent-net-เปิดซอร์ส-webagent-แปลงทุกเว็บเป็น-ai-agent-mu27sd69.jpg

thumbnail_agent-net-เปิดซอร์ส-webagent-แปลงทุกเว็บเป็น-ai-agent-mu27sd69.jpg

agent-net-เปิดซอร์ส-webagent-แปลงทุกเว็บเป็น-ai-agent-mu27sd69.jpg

Agent-net เปิดตัว Webagent เฟรมเวิร์กภาษา Go เวอร์ชัน v0 ภายใต้สัญญาอนุญาต Apache 2.0 พร้อมระบบรักษาความปลอดภัย Guard และรองรับ MCP

Agent-net launches Webagent, a Go-based framework under Apache 2.0 featuring Action Guard security and native MCP tool integration.

Agent-net เปิดซอร์ส Webagent: แปลงทุกเว็บเป็น AI Agent

Agent-net Open Sources Webagent: Turn Any Website into AI Agent

<div class="key-takeaways"><ul><li>Meta เปิดตัว ZGateway ชั้นพร็อกซีไร้สถานะสำหรับ ZippyDB</li><li>รองรับการดำเนินงานมากกว่า 1 พันล้านครั้งต่อวินาที</li><li>แบกรับทราฟฟิกราว 40% และคาดว่าจะเพิ่มขึ้นเกิน 60%</li><li>ช่วยแก้ปัญหาการเชื่อมต่อ TLS ล้นและลดความเสี่ยงระบบล่ม</li></ul></div><p>ในอดีตสถาปัตยกรรมแบบเข้าถึงโดยตรงทำให้ไคลเอนต์ ZippyDB ทุกตัวต้องเชื่อมต่อไปยังโฮสต์ฐานข้อมูลที่จำเป็นทั้งหมด ส่งผลให้ไคลเอนต์หนึ่งตัวสามารถแตะต้องชาร์ดนับหมื่นรายการบนโฮสต์นับแสนแห่งได้ ทำให้ทั้งไคลเอนต์ทั่วไปและโฮสต์ฐานข้อมูลต้องแบกรับการเชื่อมต่อแบบ TLS นับหมื่นรายการ การเชื่อมต่อที่ไม่ได้ใช้งานเหล่านี้สิ้นเปลืองทั้งหน่วยความจำ ซีพียู และฟายล์ดิสคริปเตอร์ (file descriptor) ทั้งสองฝั่ง นอกจากนี้พายุการเชื่อมต่อใหม่ (reconnection storms) ยังเคยทำให้ระบบล่มจากปัญหาฟายล์ดิสคริปเตอร์หมดและการใช้หน่วยความจำเกิน (OOMs) เช่น ในเหตุการณ์ที่ข้อผิดพลาดในการกำหนดเส้นทางทำให้ไคลเอนต์เปิดการเชื่อมต่อหนึ่งรายการต่อหนึ่งชาร์ดจนทำให้กลุ่มเซิร์ฟเวอร์วนลูปรีบูต การแก้ไขปัญหาที่ฝั่งไคลเอนต์นั้นทำได้ยากเนื่องจากมีทีมงานหลายร้อยทีมเป็นเจ้าของกลุ่มไคลเอนต์เหล่านี้</p><p>เพื่อแก้ปัญหาดังกล่าว Meta จึงได้พัฒนา ZGateway ซึ่งทำหน้าที่เป็นชั้นพร็อกซีไร้สถานะ (stateless proxy tier) วางอยู่ระหว่างไคลเอนต์ ZippyDB และกลุ่มฐานข้อมูล ZServer โดยจากข้อมูลของ Meta ระบุว่าระบบนี้สามารถจัดการการดำเนินงานได้มากกว่า 1 พันล้านครั้งต่อวินาที และรองรับทราฟฟิกของ ZippyDB อยู่ที่ประมาณ 40% โดยมีการคาดการณ์ว่าจะเพิ่มขึ้นทะลุ 60% ด้วยค่าใช้จ่ายด้านการประมวลผลประมาณ 6% สำหรับการใช้งานทั่วไป</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/meta_zgateway_zippydb_mu27rggv_inline_1_02aa2414f8.jpg" alt="server room technology infrastructure no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">1B+</span><span class="stat-label">การดำเนินงานต่อวินาที</span></div><div class="stat-item"><span class="stat-number">40%</span><span class="stat-label">ทราฟฟิก ZippyDB ปัจจุบัน</span></div><div class="stat-item"><span class="stat-number">6%</span><span class="stat-label">ค่าใช้จ่ายการประมวลผล</span></div></div><p>ระบบนี้ทำงานเป็นระดับภูมิภาคผ่านการค้นหาผ่าน ServiceRouter ซึ่งเป็น service mesh ของ Meta โดยมีให้เลือกใช้งานใน 2 รูปแบบ ได้แก่ พร็อกซีแบบบริสุทธิ์ (pure proxy) และแคชแบบอ่านผ่าน (read-through cache) ตัวเอนจิ้นเบื้องหลังคือไคลเอนต์ C++ แบบหนาของ ZippyDB ทำให้ ZGateway เปรียบเสมือนไคลเอนต์ ZippyDB ที่ทำงานเป็นบริการแบบจัดการ (managed service)</p><div class="ai-insight"><p>การใช้พร็อกซีไร้สถานะ (stateless proxy) ในสถาปัตยกรรมฐานข้อมูลขนาดใหญ่เช่นนี้ ช่วยลดความซับซ้อนในการจัดการการเชื่อมต่อระดับมหภาคได้อย่างมีประสิทธิภาพ แทนที่จะปล่อยให้ไคลเอนต์นับล้านตัวเชื่อมต่อตรงกับโฮสต์ฐานข้อมูลนับแสนแห่ง ซึ่งเสี่ยงต่อปัญหาการจัดการทรัพยากรฮาร์ดแวร์ การมีชั้นกลางคอยพักและจัดระเบียบคำขอ (Pooling และ Batching) ช่วยให้ระบบมีความยืดหยุ่นและรองรับปริมาณงานมหาศาลของบริการระดับโลกอย่าง Meta ได้อย่างเสถียร</p></div><p>กระบวนการทำงานเริ่มต้นเมื่อไคลเอนต์ส่งคำขอผ่านการเชื่อมต่อแบบ sticky ไปยังโฮสต์ ZGateway ในภูมิภาค ซึ่งจะทำหน้าที่ยุติการเชื่อมต่อ TLS ตรวจสอบสิทธิ์กับ ACL ของการใช้งาน ควบคุมการเข้าถึงและการจัดระเบียบตามผู้เช่า (tenant) แก้ไขตำแหน่งชาร์ด ตรวจสอบแคชในระดับแคชเชียง (caching tiers) ทำการรวมคำขอ (batching) กับคำขออื่นๆ ที่กำลังดำเนินการสำหรับชาร์ดนั้น และส่งต่อสำเนาที่ถูกต้องไปยังรีพลีกาที่เกี่ยวข้อง จากนั้นจึงทำการแยกสัญญาณตอบกลับ (demultiplex) พร้อมบันทึกเมตริก ร่องรอย (traces) และการใช้งานโควต้าตามการใช้งานแต่ละประเภท โดยที่ TLS ยังคงอยู่ภายในสแต็ก Thrift / ServiceRouter และการเลือกจำลองยังคงอยู่ภายในไคลเอนต์ที่ฝังอยู่</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/meta-introduces-zgateway-a-stateless-proxy-tier-that-unifies-zippydb-traffic-and-handles-over-1-billion-operations-per-second/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Meta introduces ZGateway as a stateless proxy tier for ZippyDB</li><li>Handles more than 1 billion operations per second</li><li>Carries about 40% of ZippyDB traffic, projected over 60%</li><li>Mitigates TLS connection exhaustion and prevents fleet reboot loops</li></ul></div><p>Under direct access architecture, every ZippyDB client connected directly to every database host it required. A single client could touch tens of thousands of shards across hundreds of thousands of hosts, forcing both typical clients and database hosts to maintain tens of thousands of TLS connections. Each idle connection consumed memory, CPU, and file descriptors on both ends, while inbound connection counts scaled up with every new client cohort. Reconnection storms frequently caused system crashes driven by file descriptor exhaustion and out-of-memory (OOM) errors. In one notable incident, a routing bug forced every client to open a connection per shard, plunging the entire server fleet into a reboot loop. Client-side fixes proved impractical because hundreds of separate teams own the client fleet.</p><p>To address these scaling bottlenecks, Meta developed ZGateway, functioning as a stateless proxy tier positioned between ZippyDB clients and the ZServer database fleet. According to Meta, the system handles over 1 billion operations per second and currently carries approximately 40% of all ZippyDB traffic, with projections to exceed 60%, all while incurring only about 6% computational overhead for typical use cases.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/meta_zgateway_zippydb_mu27rggv_inline_1_02aa2414f8.jpg" alt="server room technology infrastructure no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">1B+</span><span class="stat-label">Operations per second</span></div><div class="stat-item"><span class="stat-number">40%</span><span class="stat-label">Current ZippyDB traffic</span></div><div class="stat-item"><span class="stat-number">6%</span><span class="stat-label">Computational overhead</span></div></div><p>ZGateway runs as regional tiers discovered via ServiceRouter, Meta’s service mesh, deployed in two distinct flavors: a pure proxy and a read-through cache. The underlying engine utilizes Meta’s thick C++ ZippyDB client, making ZGateway effectively operate as a managed service running a ZippyDB client.</p><div class="ai-insight"><p>Deploying a stateless proxy tier in large-scale database infrastructures effectively abstracts connection management complexity. Instead of allowing millions of clients to hammer hundreds of thousands of database hosts directly—which exposes hardware resources to exhaustion risks—introducing an intermediary layer for connection pooling and request batching dramatically stabilizes distributed database fleets operating at Meta's massive scale.</p></div><p>Clients transmit requests over a sticky connection to a regional ZGateway host. The proxy then terminates TLS, authorizes against the use case's ACLs, applies per-tenant admission control and traffic shaping, resolves shard locations, checks local caches on caching tiers, batches the request alongside concurrent work destined for that shard, and forwards it to the appropriate replicas. Responses are demultiplexed and returned alongside per-use-case metrics, traces, and quota usage records. Throughout this workflow, TLS handling remains within the Thrift/ServiceRouter stack while replica selection stays inside the embedded client.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/meta-introduces-zgateway-a-stateless-proxy-tier-that-unifies-zippydb-traffic-and-handles-over-1-billion-operations-per-second/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

large_meta-เปิดตัว-zgateway-พร็อกซีไร้สถานะจัดการทราฟฟิก-zippydb-mu27rggv.jpg

medium_meta-เปิดตัว-zgateway-พร็อกซีไร้สถานะจัดการทราฟฟิก-zippydb-mu27rggv.jpg

small_meta-เปิดตัว-zgateway-พร็อกซีไร้สถานะจัดการทราฟฟิก-zippydb-mu27rggv.jpg

thumbnail_meta-เปิดตัว-zgateway-พร็อกซีไร้สถานะจัดการทราฟฟิก-zippydb-mu27rggv.jpg

meta-เปิดตัว-zgateway-พร็อกซีไร้สถานะจัดการทราฟฟิก-zippydb-mu27rggv.jpg

Meta เปิดตัว ZGateway ชั้นพร็อกซีไร้สถานะเพื่อรวมทราฟฟิก ZippyDB รองรับการทำงานมากกว่า 1 พันล้านครั้งต่อวินาที พร้อมลดภาระการเชื่อมต่อของเซิร์ฟเวอร์

Meta unveils ZGateway, a stateless proxy tier unifying ZippyDB traffic to handle over 1 billion operations per second while reducing connection overhead.

Meta เปิดตัว ZGateway: พร็อกซีไร้สถานะจัดการทราฟฟิก ZippyDB

Meta Introduces ZGateway: Stateless Proxy Tier for ZippyDB

<div class="key-takeaways"><ul><li>Sakana AI เสนอ PC-ALM ทางเลือกทดแทน Backpropagation แบบ Layer-Local</li><li>แก้ปัญหา Credit Signal จางหายในเครือข่ายที่ลึกและแคบได้สำเร็จ</li><li>ทดสอบฝึกเครือข่ายลึกถึง 1,000 ชั้นบนชุดข้อมูล MNIST สำเร็จ</li><li>มีโค้ดอ้างอิง JAX อนุญาตใช้งานภายใต้สัญญาอนุญาต MIT บน GitHub</li></ul></div><p>ทีมนักวิจัยจาก Sakana AI ได้พัฒนาอัลกอริทึมการฝึกโมเดลปัญญาประดิษฐ์ตัวใหม่ในชื่อ <strong>PC-ALM</strong> ซึ่งเป็นวิธีการฝึกแบบ Layer-Local เพื่อใช้เป็นทางเลือกแทนกระบวนการ Backpropagation แบบดั้งเดิม โดยโครงสร้างนี้มุ่งแก้ปัญหาข้อจำกัดของวิธี Predictive Coding (PC) แบบเดิม ที่มักประสบปัญหาการส่งผ่านสัญญาณเครดิต (Credit Signal) ไม่ถึงชั้นต้นๆ ในเครือข่ายที่มีความลึกแต่แคบ</p><p>หลักการทำงานของ Predictive Coding (PC) จะมองการทำงานของ Hidden Activation ทุกตัวให้เป็นตัวแปรสำหรับการปรับแต่ง (Optimization Variable) พร้อมลงโทษค่าความคลาดเคลื่อนกำลังสอง (Squared Mismatch) ระหว่าง Activation ของแต่ละชั้นกับการคาดการณ์จากชั้นด้านล่าง กระบวนการอนุมาน (Inference) จึงเป็นการทำ Gradient Descent บนพลังงานดังกล่าว ขณะที่การเรียนรู้จะใช้การปรับน้ำหนักแบบ Hebbian แต่ข้อจำกัดสำคัญคือสัญญาณกำกับดูแลจะเข้าทางเอาต์พุตและต้องกระจายผ่านเครือข่าย ซึ่ง Innocenti และคณะเคยระบุช่องว่างระหว่าง PC กับ Backpropagation ว่าแย่ที่สุดเมื่อความกว้างน้อยกว่าความลึก</p><div class="ai-insight"><p>การที่ PC-ALM เข้ามาแก้ปัญหาความต่างระหว่าง Predictive Coding และ Backpropagation ถือเป็นก้าวสำคัญ เพราะ Backpropagation แม้จะมีประสิทธิภาพสูงแต่ต้องอาศัยการส่งข้อมูลย้อนกลับตลอดทั้งเครือข่าย ซึ่งสิ้นเปลืองหน่วยความจำและยากต่อการประมวลผลแบบขนานในเชิงฮาร์ดแวร์ การใช้แนวทาง Layer-Local จึงเปิดโอกาสให้ระบบฝึกโครงข่ายขนาดใหญ่ได้อย่างอิสระมากขึ้นในแต่ละชั้น</p></div><p>สำหรับการอนุมาน PC-ALM จะสลับการทำงาน 2 ขั้นตอนในระดับท้องถิ่น ประกอบด้วย Primal Gradient Step บน Activation และ Dual Step แบบ <math><msub><mi>&lambda;</mi><mi>i</mi></msub><mo>&larr;</mo><msub><mi>&lambda;</mi><mi>i</mi></msub><mo>+</mo><mi>&alpha;</mi><msub><mi>r</mi><mi>i</mi></msub></math> ที่สะสมค่าความผิดพลาดการคาดการณ์ของชั้นนั้นๆ ทีมวิจัยมองว่าโครงสร้างนี้เทียบเท่ากับตัวควบคุมแบบ PI (Proportional-Integral Controller) ในแต่ละชั้น โดยค่าความผิดพลาดทำหน้าที่เป็นสัดส่วน (Proportional) และตัวคูณทำหน้าที่เป็นปริพันธ์ (Integral) ซึ่งเมื่อกำหนด <math><mi>&alpha;</mi><mo>=</mo><mi>&rho;</mi></math> จะได้วิธีตัวคูณแบบคลาสสิก</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/sakana_ai_pc_alm_1_000_mu1v43pg_inline_1_fa2dcf0c1d.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">77.75%</span><span class="stat-label">ความแม่นยำของ PC-ALM บน Fashion-MNIST</span></div><div class="stat-item"><span class="stat-number">1,000</span><span class="stat-label">จำนวนชั้นสูงสุดที่ทดสอบในเครือข่าย Residual MLP</span></div></div><p>ทีมวิจัยได้ทำการทดสอบด้วยการกวาดค่าความกว้างและความลึกของ Residual MLP ตั้งแต่ 8 ถึง 128 บนชุดข้อมูล Fashion-MNIST และ MNIST ภายใต้พารามิเตอร์แบบ Mean-field เป็นเวลา 1 Epoch ด้วยงบประมาณการอนุมาน <math><mi>T</mi><mo>=</mo><mn>2</mn><mi>L</mi></math> พบว่า PC-ALM สามารถทำผลงานได้ทัดเทียมกับ Backpropagation ในทุกความกว้าง ความลึก และฟังก์ชันการใช้งาน (Identity, tanh, ReLU) ในขณะที่วิธี PC แบบเดิมจะตกลงอย่างมากในเซลล์ที่ลึกและแคบ</p><blockquote class="pull-quote"><p>&quot;เซลล์อ้างอิงในที่เก็บข้อมูล (ความกว้าง 32, ความลึก 32, ReLU, Fashion-MNIST) รายงานความแม่นยำในการทดสอบที่ 78.66% สำหรับ Backpropagation, 68.13% สำหรับ PC และ 77.75% สำหรับ PC-ALM โดยมีความ cosine ของ Gradient เทียบกับ Backpropagation เพิ่มขึ้นจาก 0.604 เป็น 0.909&quot;</p><cite>Sakana AI Research Team</cite></blockquote><p>งานวิจัยชิ้นนี้ยังขยายขอบเขตการทดสอบไปยัง Residual MLP ความลึก 1,000 ชั้น บนชุดข้อมูล MNIST เป็นเวลา 5 Epoch ซึ่งให้ผลลัพธ์อยู่ในเกณฑ์ที่ต่างจาก Backpropagation เพียงราว 2 เปอร์เซ็นต์เท่านั้น นอกจากนี้ PC-ALM ยังแสดงให้เห็นถึงประสิทธิภาพที่ดีกว่า PC ในทุกชุดข้อมูลทดลอง รวมถึง ResNet-18 บน CIFAR-10 และ Tiny ImageNet อีกด้วย</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/sakana-ai-researchers-introduce-pc-alm-a-layer-local-alternative-to-backpropagation-that-trains-1000-layer-networks/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Sakana AI proposes PC-ALM as a layer-local alternative to backpropagation.</li><li>Successfully resolves the fading credit signal issue in deep, narrow networks.</li><li>Demonstrated training capabilities on residual MLPs up to 1,000 layers deep on MNIST.</li><li>Provides an MIT-licensed JAX reference implementation available on GitHub.</li></ul></div><p>Researchers at Sakana AI have developed a novel artificial intelligence training algorithm named <strong>PC-ALM</strong>, functioning as a layer-local training method designed to replace traditional backpropagation. This architecture addresses the inherent limitations of standard Predictive Coding (PC) methods, which traditionally suffer from credit signal degradation before reaching input layers in deep and narrow networks.</p><p>The foundational mechanism of Predictive Coding treats every hidden activation as an optimization variable, penalizing the squared mismatch between each layer's activation and predictions arriving from below. Consequently, inference operates as gradient descent on that specific energy landscape, while learning is driven by a Hebbian-like weight step. The challenge lies in supervision entering at the output and diffusing through sequential compromises, with Innocenti et al. demonstrating that this PC-BP gap peaks when width is smaller than depth.</p><div class="ai-insight"><p>The ability of PC-ALM to bridge the performance gap between Predictive Coding and backpropagation represents a critical milestone. Traditional backpropagation demands extensive backward information flow across the entire network, consuming considerable memory and limiting parallel hardware execution. Adopting a layer-local approach enables systems to train massive architectures independently across individual layers.</p></div><p>During inference, PC-ALM alternates between two local steps: a primal gradient step on the activations, and a dual step <math><msub><mi>&lambda;</mi><mi>i</mi></msub><mo>&larr;</mo><msub><mi>&lambda;</mi><mi>i</mi></msub><mo>+</mo><mi>&alpha;</mi><msub><mi>r</mi><mi>i</mi></msub></math> that accumulates prediction errors for each respective layer. The research team interprets this composite structure as a proportional-integral (PI) controller per layer, where the prediction error serves as the proportional term and the multiplier acts as the integral term. Setting <math><mi>&alpha;</mi><mo>=</mo><mi>&rho;</mi></math> yields the classical method of multipliers.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/sakana_ai_pc_alm_1_000_mu1v43pg_inline_1_fa2dcf0c1d.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">77.75%</span><span class="stat-label">PC-ALM test accuracy on Fashion-MNIST</span></div><div class="stat-item"><span class="stat-number">1,000</span><span class="stat-label">Maximum layer depth tested in residual MLPs</span></div></div><p>The research team swept residual MLPs with widths and depths ranging from 8 to 128 on Fashion-MNIST and MNIST datasets under a mean-field parameterization for 1 epoch. Utilizing an inference budget of <math><mi>T</mi><mo>=</mo><mn>2</mn><mi>L</mi></math>, PC-ALM matched backpropagation performance across every width, depth, and activation function (Identity, tanh, ReLU), whereas standard PC exhibited sharp performance drops in deep and narrow cells.</p><blockquote class="pull-quote"><p>&quot;The repository's reference cell (width 32, depth 32, ReLU, Fashion-MNIST) reports 78.66% test accuracy for backpropagation, 68.13% for PC, and 77.75% for PC-ALM, with gradient cosine relative to backpropagation rising from 0.604 to 0.909.&quot;</p><cite>Sakana AI Research Team</cite></blockquote><p>The study further expands this scope to evaluate 1000-layer residual MLPs on MNIST for 5 epochs, maintaining results within roughly two points of backpropagation. Furthermore, PC-ALM consistently outperformed standard PC across every evaluated benchmark, including ResNet-18 tested on CIFAR-10 and Tiny ImageNet.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/sakana-ai-researchers-introduce-pc-alm-a-layer-local-alternative-to-backpropagation-that-trains-1000-layer-networks/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_sakana-ai-เปิดตัว-pc-alm-ฝึกเครือข่ายลึก-1-000-ชั้น-mu1v43pg.jpg

small_sakana-ai-เปิดตัว-pc-alm-ฝึกเครือข่ายลึก-1-000-ชั้น-mu1v43pg.jpg

thumbnail_sakana-ai-เปิดตัว-pc-alm-ฝึกเครือข่ายลึก-1-000-ชั้น-mu1v43pg.jpg

sakana-ai-เปิดตัว-pc-alm-ฝึกเครือข่ายลึก-1-000-ชั้น-mu1v43pg.jpg

ทีมนักวิจัย Sakana AI นำเสนอ PC-ALM ทางเลือกใหม่ทดแทน Backpropagation ที่ฝึกเครือข่ายความลึก 1,000 ชั้นได้ พร้อมโค้ดอ้างอิงบน JAX

Sakana AI researchers present PC-ALM, a layer-local alternative to backpropagation capable of training 1000-layer networks with an MIT-licensed JAX codebase.

Sakana AI เปิดตัว PC-ALM ฝึกเครือข่ายลึก 1,000 ชั้น

Sakana AI Introduces PC-ALM to Train 1000-Layer Networks

<div class="key-takeaways"><ul><li>ทุกเอเจนต์ทำงานผ่านลูป: ส่งบริบท อ่านผลลัพธ์ เรียกใช้เครื่องมือ และวนซ้ำ</li><li>MCP ทำหน้าที่เป็นสะพานเชื่อมมาตรฐานด้วยโพรโทคอล JSON-RPC 2.0</li><li>Harness ควบคุมโมเดลสิทธิ์แบบเบ็ดเสร็จ ส่วน Framework เน้นการจัดการข้อผิดพลาดและกู้คืนระบบ</li></ul></div><p>การทำงานของเอเจนต์ทุกตัวเริ่มต้นจากลูปพื้นฐาน นั่นคือการส่งบริบทไปยังโมเดล อ่านคำตอบ สั่งใช้งานเครื่องมือ และวนลูปซ้ำ ทั้ง Harness และ Framework ต่างก็ทำหน้าที่รันลูปนี้เช่นกัน แต่มีความแตกต่างกันในแง่ของระดับการควบคุมที่ผู้ใช้งานสามารถปรับแต่งได้ โดยโพรโทคอลพื้นฐานที่เชื่อมต่อทุกอย่างเข้าด้วยกันคือ Model Context Protocol หรือ MCP</p><p>ในส่วนของ MCP ได้กำหนด 3 พริมิทีฟฝั่งเซิร์ฟเวอร์ ได้แก่ เครื่องมือ (tools) ทรัพยากร (resources) และชุดคำสั่ง (prompts) โดยมีการอัปเดตเวอร์ชัน 2026-07-28 ที่กำหนดให้เฮดเดอร์ Mcp-Method และ Mcp-Name กลายเป็นข้อบังคับในการร้องขอผ่าน HTTP เพื่อให้เกตเวย์และระบบจำกัดอัตราเร่งสามารถคัดแยกเส้นทางได้ทันทีโดยไม่ต้องแกะข้อมูลในส่วนบอดี้ นอกจากนี้ยังมีการประกาศเลิกใช้งานโพรโทคอล HTTP+SSE แบบเดิมโดยกำหนดกรอบเวลาเปลี่ยนผ่านไว้ 12 เดือน</p><div class="stat-row"><div class="stat-item"><span class="stat-number">500ล้าน</span><span class="stat-label">ดาวน์โหลด SDK ต่อเดือน</span></div><div class="stat-item"><span class="stat-number">1,000ล้าน</span><span class="stat-label">ยอดดาวน์โหลดรวม TypeScript และ Python SDK</span></div></div><p>การใช้งาน MCP ในปัจจุบันมีอัตราการเติบโตสูงมาก โดยผู้ดูแลระบบรายงานว่ามียอดดาวน์โหลด SDK รวมกว่าครึ่งพันล้านครั้งต่อเดือนผ่าน Tier 1 SDK และทั้งไลบรารี TypeScript กับ Python SDK ต่างก็มียอดดาวน์โหลดรวมทะลุ 1,000 ล้านครั้งเป็นที่เรียบร้อยแล้ว สะท้อนให้เห็นว่ามาตรฐานตัวนี้กลายเป็นรากฐานสำคัญที่ระบบเอเจนต์ส่วนใหญ่เลือกใช้งานร่วมกับเครื่องมืออย่าง Claude Code, Codex หรือ Microsoft Agent Framework 1.0</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/agent_harness_framework_mcp_mu1v2f3a_inline_1_2a3f6f0d08.jpg" alt="software architecture diagram computer workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การทำความเข้าใจขอบเขตระหว่าง Harness, Framework และ MCP ถือเป็นหัวใจสำคัญสำหรับนักพัฒนาเอเจนต์ยุคใหม่ เนื่องจากแต่ละเลเยอร์แก้ปัญหาคนละส่วนกันอย่างชัดเจน การเลือกใช้ผิดเลเยอร์อาจทำให้ระบบรักษาความปลอดภัยหรือการจัดการข้อผิดพลาดซับซ้อนเกินความจำเป็น</p></div><p>ในแง่ของการจัดการสิทธิ์ ข้อกำหนดของ MCP ระบุไว้อย่างชัดเจนว่าโพรโทคอลตัวนี้ไม่สามารถบังคับใช้หลัก </p><div>ความปลอดภัยในระดับโพรโทคอลได้โดยตรง โดยหน้าที่การอนุมัติสิทธิ์ตกเป็นของโฮสต์ ตัวอย่างเช่น Claude Code มีโหมดสิทธิ์ให้เลือกถึง 6 โหมด ได้แก่ default, acceptEdits, plan, auto, dontAsk และ bypassPermissions ซึ่งกฎการปฏิเสธจะบล็อกการทำงานในทุกโหมด ยกเว้นโหมด bypassPermissions ที่จะข้ามเลเยอร์สิทธิ์ไปทั้งหมด<blockquote class="pull-quote"><p>"MCP เองไม่สามารถบังคับใช้หลักการรักษาความปลอดภัยเหล่านี้ในระดับโพรโทคอลได้ การอนุญาตสิทธิ์จึงเป็นหน้าที่ของโฮสต์"</p><cite>MarkTechPost</cite></blockquote><p>สำหรับการกู้คืนระบบและงานที่ต้องใช้เวลานาน Framework เช่น LangGraph จะอาศัยหลักการทางานแบบกำหนดได้ (determinism) ผ่านการห่อหุ้ม Side Effects ไว้ในทาสก์เพื่อให้สามารถกลับมาทำงานต่อได้แม้เวลาจะผ่านไปเป็นสัปดาห์ ขณะที่ MCP มีการเพิ่มส่วนขยาย io.modelcontextprotocol/tasks ที่พัฒนาโดย AWS เพื่อรองรับการเรียกใช้งานเครื่องมือระยะยาวผ่านทาสก์แบบโพลลิ่ง</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/agent-harness-vs-agent-framework-vs-mcp-which-layer-owns-the-loop-state-tools-permissions-and-recovery/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p></div>

<div class="key-takeaways"><ul><li>Every agent operates on a loop: context delivery, response reading, and tool execution</li><li>MCP serves as the foundational bridge utilizing the JSON-RPC 2.0 protocol</li><li>Harnesses manage end-to-end permissions while frameworks handle error recovery</li></ul></div><p>Agent execution fundamentally relies on a repeating loop: sending context to the model, reading responses, triggering tool calls, and feeding results back. Both agent harnesses and frameworks implement this loop, differing primarily in the level of developer control and customization they provide. The underlying substrate connecting these layers is the Model Context Protocol (MCP).</p><p>MCP defines three server-side primitives: tools, resources, and prompts. The July 28, 2026 revision mandated Mcp-Method and Mcp-Name headers on HTTP requests, allowing gateways and rate limiters to route traffic without parsing payloads. Additionally, the legacy HTTP+SSE transport was deprecated with a 12-month migration window.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">500M</span><span class="stat-label">Monthly SDK downloads</span></div><div class="stat-item"><span class="stat-number">1B+</span><span class="stat-label">Total TypeScript and Python SDK downloads</span></div><p class="source-attribution"></p></div><p>Adoption metrics underscore this protocol's prevalence, with maintainers reporting nearly half a billion SDK downloads per month across Tier 1 packages. Both the TypeScript and Python SDKs have surpassed one billion total downloads, establishing MCP as a shared substrate for systems like Claude Code, Codex, and the Microsoft Agent Framework 1.0.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/agent_harness_framework_mcp_mu1v2f3a_inline_1_2a3f6f0d08.jpg" alt="software architecture diagram computer workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>Recognizing the boundaries among harnesses, frameworks, and MCP is crucial for modern developers. Each layer addresses a distinct architectural concern, and misapplying them can complicate security models and error handling pipelines.</p><p></p></div><p>Regarding security, MCP specifications state explicitly that the protocol itself cannot enforce security principles at the protocol layer; permission management belongs to the host. For example, Claude Code features six distinct permission modes—default, acceptEdits, plan, auto, dontAsk, and bypassPermissions—where denial rules apply universally except in the bypass mode.</p><blockquote class="pull-quote"><p>"MCP itself cannot enforce these security principles at the protocol level. Permissions belong to the host."</p><cite>MarkTechPost</cite></blockquote><p>For long-running tasks and system recovery, frameworks like LangGraph rely on determinism by wrapping side effects in tasks to enable resumption days later. Meanwhile, MCP addresses long-running operations via the io.modelcontextprotocol/tasks extension contributed by AWS, offering polling-based task management.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/14/agent-harness-vs-agent-framework-vs-mcp-which-layer-owns-the-loop-state-tools-permissions-and-recovery/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_agent-harness-กับ-framework-และ-mcp-ใครคุมลูปและสิทธิ์-mu1v2f3a.png

small_agent-harness-กับ-framework-และ-mcp-ใครคุมลูปและสิทธิ์-mu1v2f3a.png

thumbnail_agent-harness-กับ-framework-และ-mcp-ใครคุมลูปและสิทธิ์-mu1v2f3a.png

agent-harness-กับ-framework-และ-mcp-ใครคุมลูปและสิทธิ์-mu1v2f3a.png

เจาะลึกความต่างระหว่าง Agent Harness, Agent Framework และ Model Context Protocol (MCP) ในการจัดการลูปการทำงาน สิทธิ์ และการกู้คืนระบบ

An in-depth look at how Agent Harness, Agent Framework, and MCP handle execution loops, permissions, and system recovery.

Agent Harness กับ Framework และ MCP: ใครคุมลูปและสิทธิ์?

Inewgen

Inewgen

AI

Google Releases Gemini 3.8 Live & Extended Thinking

Inewgen

Inside NVIDIA cuDNN Graph API: Fusion and Plan Reuse

Inewgen

Pony.ai unveils autonomous electric truck for logistics fleets

Inewgen

UK AI Talent Faces Uncertainty Over Settlement Rules

Inewgen

Agent-net Open Sources Webagent: Turn Any Website into AI Agent

Inewgen

Meta Introduces ZGateway: Stateless Proxy Tier for ZippyDB

Inewgen

Sakana AI Introduces PC-ALM to Train 1000-Layer Networks

Inewgen

Agent Harness vs Framework vs MCP: Who Owns the Loop?

Inewgen

Popular Category