<div class="key-takeaways"><ul><li>Insilico Medicine ใช้ปัญญาประดิษฐ์ลดเวลาพัฒนาตัวยาเหลือราวหนึ่งปี</li><li>โปรแกรมที่เร็วที่สุดทำยอดถึงขั้นเสนอชื่อสารตั้งต้นได้ภายในเก้าเดือน</li><li>กระบวนการดั้งเดิมทั่วไปมักต้องใช้เวลาประมาณสี่ปีครึ่ง</li><li>บริษัทสร้างผู้สมัครพรีคลินิกแล้วถึง 31 รายการนับตั้งแต่ปี 2021</li></ul></div><p>Insilico Medicine บริษัทที่จดทะเบียนในฮ่องกง สามารถร่นระยะเวลาในการผลิตตัวยาเพื่อพัฒนาต่อให้เหลือประมาณหนึ่งปีเต็ม โดยเป็นผลจากการผสานเทคโนโลยีปัญญาประดิษฐ์เข้ากับงานวิจัยในห้องปฏิบัติการประเทศจีน อ้างอิงจากคำกล่าวของ อเล็กซ์ ฌาโวรอนคอฟ ประธานเจ้าหน้าที่บริหารของบริษัท</p><p>โปรแกรมการทำงานที่รวดเร็วที่สุดของบริษัทสามารถบรรลุเป้าหมายการเสนอชื่อสารตั้งต้นได้ภายในเวลาเพียงเก้าเดือน ขณะที่กรอบเวลาปกติจะอยู่ที่ราวสิบสามเดือน ฌาโวรอนคอฟระบุเพิ่มเติมว่า แนวทางแบบดั้งเดิมทั่วไปมักต้องใช้เวลานานถึงประมาณสี่ปีครึ่งจึงจะเดินทางมาถึงจุดเดียวกันนี้</p><p>กรอบเวลาดังกล่าวครอบคลุมเพียงแค่ขั้นตอนการค้นหาระยะเริ่มต้นและการคัดเลือกสารตั้งต้นเท่านั้น ยังไม่รวมถึงกระบวนการเต็มรูปแบบในการนำยาออกสู่ตลาด โดยการทดสอบทางคลินิก การผลิต และการตรวจสอบจากหน่วยงานกำกับดูแลยังคงเป็นขั้นตอนแยกต่างหาก</p><div class="ai-insight"><p>การนำปัญญาประดิษฐ์เข้ามาช่วยในอุตสาหกรรมเภสัชกรรมช่วงแรกมุ่งเน้นไปที่การวิเคราะห์ข้อมูลขนาดใหญ่และการจำลองโมเลกุล แต่ปัจจุบันเทคโนโลยีเชิง生成 (Generative AI) สามารถออกแบบโครงสร้างทางเคมีใหม่ขึ้นมาได้เอง ซึ่งช่วยลดจำนวนครั้งที่นักวิทยาศาสตร์ต้องสังเคราะห์และทดลองสารประกอบในห้องปฏิบัติการลงอย่างมหาศาล ก่อนที่จะคัดเลือกตัวที่ดีที่สุดเข้าสู่ขั้นตอนพรีคลินิก</p></div><p>บริษัทระบุว่าใช้เทคโนโลยีปัญญาประดิษฐ์เชิงสร้างสรรค์เพื่อระบุเป้าหมายทางชีววิทยา ออกแบบโมเลกุลยาที่มีศักยภาพ และประเมินว่าสารประกอบตัวใดควรถูกส่งต่อไปยังการทดสอบในห้องปฏิบัติการ โดยโปรแกรมมักจะเข้าสู่ขั้นตอนการเสนอชื่อสารตั้งต้นพรีคลินิกภายในสิบสองถึงสิบแปเดือน หลังจากนักวิจัยทำการสังเคราะห์และทดสอบสารประกอบระหว่าง 60 ถึง 200 โมเลกุล</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/insilico_medicine_ms34jgdb_inline_1_1b4449d28d.jpg" alt="laboratory scientist biotechnology research equipment" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>กระบวนการทำงานของบริษัทผสมผสานการออกแบบจากปัญญาประดิษฐ์เข้ากับการตรวจสอบโดยนักวิจัยและการยืนยันผลผ่านการทดลองจริง ซึ่งการทดลองในห้องปฏิบัติการยังคงมีความจำเป็นเพื่อยืนยันฤทธิ์ทางชีววิทยาและคุณสมบัติความเป็นยาของสารประกอบที่ถูกเลือกโดยระบบโมเดล</p><div class="stat-row"><div class="stat-item"><span class="stat-number">90%</span><span class="stat-label">รายได้ของ Insilico มาจากบริษัทยาในชาติตะวันตก</span></div><div class="stat-item"><span class="stat-number">320</span><span class="stat-label">ผู้เข้าร่วมการทดลองในโครงการระยะที่ 3 ของยารนโซเซอร์ตินบ์</span></div></div><p>Insilico ระบุว่าได้ผลิตสารตั้งต้นพรีคลินิกไปแล้ว 31 รายการนับตั้งแต่ปี 2021 โดยมี 13 โปรแกรมที่ได้รับอนุมัติให้เป็นยาใหม่สำหรับการทดลอง (IND) เพื่อเดินหน้าสู่การศึกษาในมนุษย์ตามการเปิดเผยท่อส่งผลิตภัณฑ์ของบริษัท</p><p>ในด้านโครงสร้างการดำเนินงาน บริษัททำการวิจัยปัญญาประดิษฐ์ในมอนทรีออลและอาบูดาบี ขณะที่งานยืนยันผลการทดลองและการขยายสเกลในห้องปฏิบัติการส่วนใหญ่เกิดขึ้นในประเทศจีน โดยศูนย์กลางในเซี่ยงไฮ้ได้นำระบบอัตโนมัติมาใช้ในบางส่วนของการเก็บตัวอย่างทางชีววิทยาและการคัดกรองสารประกอบ</p><blockquote class="pull-quote"><p>"เราแข่งขันกับบริษัทยาของจีนในเรื่องกรอบเวลา และแข่งขันกับบริษัทเทคโนโลยีชีวภาพดั้งเดิมในชาติตะวันตกในเรื่องความแปลกใหม่"</p><cite>อเล็กซ์ ฌาโวรอนคอฟ</cite></blockquote><p>ฌาโวรอนคอฟอธิบายว่าปัจจัยที่ช่วยให้วงจรการพัฒนากระชับขึ้นส่วนหนึ่งมาจากโครงสร้างพื้นฐานด้านการวิจัย ต้นทุนการดำเนินงาน และสภาพแวดล้อมด้านกฎระเบียบของจีน ซึ่งบริษัทยาที่มีห้องปฏิบัติการวิจัยในจีนสามารถตัดเวลาออกจากกระบวนการพัฒนาตัวยาแบบดั้งเดิมได้ประมาณสองปี</p><p>สำหรับความคืบหน้าด้านผลิตภัณฑ์ Insilico ได้ประกาศและจดทะเบียนการทดลองทางคลินิกระยะที่ III ของยารนโซเซอร์ตินบ์ (Rentosertib) เมื่อเดือนกรกฎาคม 2026 โดยเป็นยารับประทานที่กำลังศึกษาเพื่อรักษาโรคพังผืดในปอดชนิดไม่ทราบสาเหตุ ซึ่งเป็นโรคที่ทำให้เกิดแผลเป็นลุกลามในเนื้อปอด บริษัทใช้ปัญญาประดิษฐ์ระบุเป้าหมายทางชีววิทยาพร้อมทั้งสร้างและปรับแต่งโครงสร้างโมเลกุลของยานี้</p><p>การทดลองระยะที่ III ถูกออกแบบให้มีผู้เข้าร่วมจำนวน 320 คนจาก 47 ศูนย์ทั่วประเทศจีน โดยจะเปรียบเทียบยารนโซเซอร์ตินบ์กับยาหลอกเป็นเวลา 52 สัปดาห์ และวัดผลลัพธ์หลักที่อัตราการลดลงประจำปีของปริมาตรความจุของปอดแบบบังคับ ซึ่งเป็นมาตรวัดมาตรฐานการทำงานของปอด</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/ai-drug-discovery-china/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>Insilico Medicine uses AI to reduce certain drug development timelines to about one year</li><li>Its fastest programme reached candidate nomination in nine months</li><li>Conventional approaches typically require about four and a half years for the same stage</li><li>The company has generated 31 preclinical candidates since 2021</li></ul></div><p>Insilico Medicine has cut the duration needed to produce certain drug development candidates to approximately one year by combining artificial intelligence with laboratory research in China, according to CEO Alex Zhavoronkov.</p><p>The Hong Kong-listed company’s fastest programme achieved candidate nomination in nine months, while its typical timeline sits at about 13 months. Zhavoronkov stated that conventional approaches usually take around four and a half years to reach that exact milestone.</p><p>This timeline strictly encompasses early discovery and candidate selection rather than the full commercialisation process, as clinical trials, manufacturing, and regulatory reviews remain distinct stages.</p><div class="ai-insight"><p>Early enterprise adoption of artificial intelligence in pharmaceuticals focused largely on informatics and molecular docking. Modern generative models, however, actively design novel molecular structures from scratch, drastically reducing the iterative synthesis and physical screening burden traditionally placed on bench scientists.</p></div><p>The company utilises generative AI to identify biological targets, design potential drug molecules, and evaluate which compounds warrant progression to laboratory testing. Programmes typically achieve preclinical-candidate nomination within 12 to 18 months after researchers synthesise and test between 60 and 200 molecules.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/insilico_medicine_ms34jgdb_inline_1_1b4449d28d.jpg" alt="laboratory scientist biotechnology research equipment" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Its workflow merges AI-generated blueprints with researcher review and experimental validation. Physical laboratory experiments remain vital to confirm the biological activity and pharmaceutical properties of compounds selected by the underlying computational models.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">90%</span><span class="stat-label">of Insilico revenue originates from Western pharmaceutical firms</span></div><div class="stat-item"><span class="stat-number">320</span><span class="stat-label">participants enrolled in the Phase III trial for Rentosertib</span></div></div><p>Insilico reports generating 31 preclinical candidates since 2021, with 13 programmes securing investigational new drug clearances to advance toward human clinical studies according to pipeline disclosures.</p><p>Geographically, the firm conducts its core AI research in Montreal and Abu Dhabi, whereas experimental validation and scale-up work heavily concentrate in China. Its Shanghai facility automates segments of biological sampling and compound screening.</p><blockquote class="pull-quote"><p>"We now compete with Chinese pharmaceutical companies on timelines, and with traditional biotechnology companies in the West on novelty."</p><cite>Alex Zhavoronkov</cite></blockquote><p>Zhavoronkov credited part of the compressed development cycle to China’s research infrastructure, operating costs, and regulatory ecosystem, noting that pharmaceutical companies maintaining research labs in China can shave roughly two years off traditional development timelines.</p><p>In pipeline updates, Insilico announced and registered a Phase III trial for Rentosertib in July 2026. The oral medication targets idiopathic pulmonary fibrosis, a condition characterized by progressive lung scarring. The enterprise deployed artificial intelligence to pinpoint the therapeutic target and engineer its molecular structure.</p><p>Designed to enroll 320 participants across 47 centres in China, the Phase III study evaluates Rentosertib against a placebo over a 52-week period, targeting the annual rate of forced vital capacity decline as its primary endpoint.</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/ai-drug-discovery-china/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_insilico-medicine-ms34jgdb.jpg

small_insilico-medicine-ms34jgdb.jpg

thumbnail_insilico-medicine-ms34jgdb.jpg

insilico-medicine-ms34jgdb.jpg

ซีอีโอ Insilico เผยการผสานปัญญาประดิษฐ์เข้ากับการวิจัยในห้องปฏิบัติการช่วยลดระยะเวลาคัดเลือกตัวยาสำคัญ พร้อมเดินหน้าทดสอบทางคลินิกระยะที่สาม

Insilico CEO highlights how combining artificial intelligence with laboratory research cuts candidate nomination timelines while advancing major clinical trials.

เจาะลึก Insilico Medicine ใช้ปัญญาประดิษฐ์ย่นเวลาพัฒนายาในจีนเหลือเพียงหนึ่งปี

How Insilico Medicine Uses Artificial Intelligence to Shorten Drug Discovery in China

<div class="key-takeaways"><ul><li>Black Forest Labs เปิดตัว FLUX 3 โมเดล AI ที่เรียนรู้หลายรูปแบบพร้อมกันทั้งภาพ วิดีโอ เสียง และการกระทำของหุ่นยนต์</li><li>ใช้สถาปัตยกรรม Self-Flow เพื่อเชื่อมโยงการสร้างสรรค์และความเข้าใจเข้าด้วยกัน</li><li>สร้างวิดีโอความยาวสูงสุด 20 วินาทีได้ในครั้งเดียว พร้อมเสียงประกอบที่สอดคล้องกัน</li><li>เหนือกว่าคู่แข่งหลายรายในการทดสอบความพึงพอใจของมนุษย์ เช่น Luma Ray 3.2 และ Runway Gen-4.5</li></ul></div><p>ทีมวิจัยจาก Black Forest Labs (BFL) มีมุมมองว่าแต่ละรูปแบบข้อมูลเพียงอย่างเดียวไม่สามารถสะท้อนโลกความเป็นจริงได้อย่างสมบูรณ์ ภาพนิ่งเก็บโครงสร้างเชิงพื้นที่ วิดีโอนำเสนอดินนามิกทางกายภาพ ส่วนเสียงแสดงความสัมพันธ์เชิงเหตุผลของเหตุการณ์ ข้อมูลเหล่านี้จึงถูกมองว่าเป็นเพียงส่วนเสี้ยวที่สูญเสียรายละเอียดของความเป็นจริงชุดเดียวกัน การฝึกฝนโมเดลด้วยข้อมูลทุกรูปแบบพร้อมกันจะทำให้ข้อมูลเหล่านั้นตรวจสอบกันเอง เช่น เสียงต้องสอดคล้องกับการกระแทก และการเคลื่อนที่ต้องเป็นไปตามกฎของมวล ซึ่ง BFL ระบุว่า FLUX 3 คือโมเดลรุ่นแรกที่สร้างขึ้นบนหลักการนี้</p><p>โครงสร้างเบื้องหลังของ FLUX 3 ต่อยอดมาจาก Self-Flow ซึ่งเป็นวิธีการของ BFL ในการผสานการสร้างและทำความเข้าใจข้อมูลหลายรูปแบบไว้ในสถาปัตยกรรมเดียว วิธีการนี้ผสมผสานเป้าหมายการจับคู่การไหลเข้ากับการสร้างฟีเจอร์ใหม่ด้วยตนเอง ทั้งนี้ โค้ดต้นแบบบน GitHub ใช้สัญญาอนุญาตแบบ Apache-2.0 และใช้สถาปัตยกรรม SiT-XL/2 พร้อมการควบคุมตัวแปรเวลาต่อโทเค็น</p><div class="stat-row"><div class="stat-item"><span class="stat-number">93%</span><span class="stat-label">ชนะ Luma Ray 3.2</span></div><div class="stat-item"><span class="stat-number">77%</span><span class="stat-label">ชนะ Runway Gen-4.5</span></div><div class="stat-item"><span class="stat-number">20s</span><span class="stat-label">ความยาววิดีโอสูงสุดต่อการสร้าง</span></div></div><p>จุดเด่นสำคัญของ FLUX 3 Video คือความสามารถในการสร้างคลิปวิดีโอยาวสูงสุด 20 วินาทีในการสร้างครั้งเดียว พร้อมเสียงประกอบในตัว รองรับโหมดการทำงานหลากหลาย เช่น ข้อความเป็นวิดีโอ, ภาพเป็นวิดีโอ, วิดีโอเป็นวิดีโอจากคลิปอ้างอิง, เฟรมหลักเป็นวิดีโอเพื่อการเปลี่ยนผ่านที่ควบคุมได้ รวมถึงการสร้างวิดีโอและเสียงต่อเนื่องจากอินพุตเดิม นอกจากนี้ระบบยังรองรับการสนทนาหลายภาษา การร้อยเรียงคลิปเป็นลำดับหลายช็อตด้วยเอเจนต์ และการสร้างตัวอักษรที่มีดีไซน์เคลื่อนไหวได้อย่างโดดเด่น โดยเฉพาะการแสดงสีหน้าของมนุษย์และการจับคู่เสียงกับเหตุการณ์ทางกายภาพ</p><blockquote class="pull-quote"><p>"video is the expensive modality because rendering the world correctly forces the model to learn contact, motion, weight and cause. Audio and actions are low-dimensional signals that attach to a world model already paid for."</p><cite>Black Forest Labs</cite></blockquote><div class="ai-insight"><p>การที่โมเดลสามารถเรียนรู้ข้อมูลหลายประเภท (Multimodal) พร้อมกันในระดับรากฐาน ช่วยให้ AI เข้าใจตรรกะทางกายภาพของโลกใบนี้ได้ดีกว่าการฝึกทีละโมดาลิตี้แยกจากกัน การที่วิดีโอถูกมองว่าเป็นโมดาลิตี้ที่มีต้นทุนการประมวลผลสูงที่สุด เนื่องจากต้องเรียนรู้เรื่องแรงกระแทก น้ำหนัก และความสัมพันธ์ของวัตถุ ทำให้เมื่อโมเดลเข้าใจวิดีโอได้ดีแล้ว ข้อมูลมิติที่ต่ำกว่าอย่างเสียงและการเคลื่อนไหวจึงสามารถประกอบเข้ากับโมเดลโลก (World Model) นั้นได้อย่างมีประสิทธิภาพ</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/black_forest_labs_flux_3_multimodal_ms2esmmb_inline_1_2f239e1613.jpg" alt="multimodal ai video generation technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ในด้านผลลัพธ์การทดสอบความพึงพอใจของมนุษย์ (Human Preference) เบื้องต้น สำหรับคลิปวิดีโอความละเอียด 720p ความยาว 10 วินาทีพร้อมเสียง FLUX 3 ได้รับคะแนนความนิยมสูงถึง 93% เมื่อเทียบกับ Luma Ray 3.2 และ 77% เมื่อเทียบกับ Runway Gen-4.5 นอกจากนี้บริษัทยังร่วมมือกับ Mimic Robotics นำโมเดลไปทดสอบบนหุ่นยนต์จริงในการหยิบจับชิ้นส่วนและประกอบอุปกรณ์ โดยมี Audi นำระบบดังกล่าวไปทดสอบบนสายการผลิตแล้ว</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/2026/07/26/black-forest-labs-releases-flux-3-a-multimodal-flow-model-for-image-video-audio-and-robot-action-prediction/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Black Forest Labs launches FLUX 3, simultaneously learning across image, video, audio, and robot actions.</li><li>Built on the Self-Flow architecture to align generative creation and comprehension.</li><li>Generates video clips up to 20 seconds long in a single pass with native audio.</li><li>Outperformed competitors like Luma Ray 3.2 and Runway Gen-4.5 in preliminary human evaluations.</li></ul></div><p>The research team at Black Forest Labs (BFL) argues that no single modality provides a complete representation of reality. Images capture spatial structure instantly, video restores time and physical dynamics, and audio reveals causal relationships. Each is viewed as a lossy projection of the same underlying reality. Training on all of them simultaneously ensures the modalities constrain one another, such as matching sound to impact and motion to mass, making FLUX 3 the first model built entirely on this principle.</p><p>FLUX 3 builds upon Self-Flow, BFL's architecture for aligning multimodal generation and understanding. The approach combines the flow matching objective with a self-supervised feature reconstruction objective. The reference implementation on GitHub is available under the Apache-2.0 license and utilizes SiT-XL/2 with per-token timestep conditioning.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">93%</span><span class="stat-label">Preferred over Luma Ray 3.2</span></div><div class="stat-item"><span class="stat-number">77%</span><span class="stat-label">Preferred over Runway Gen-4.5</span></div><div class="stat-item"><span class="stat-number">20s</span><span class="stat-label">Max video generation length</span></div></div><p>FLUX 3 Video generates clips up to 20 seconds long in a single generation complete with native audio. Supported modes include text-to-video, image-to-video, reference-based video-to-video, keyframe-to-video, and generative audio-video continuation. BFL also highlights multilingual dialogue, agentic clip chaining, strong typography generation with animated designs, and exceptional capabilities in rendering human facial expressions and associating sounds with physical events.</p><blockquote class="pull-quote"><p>"video is the expensive modality because rendering the world correctly forces the model to learn contact, motion, weight and cause. Audio and actions are low-dimensional signals that attach to a world model already paid for."</p><cite>Black Forest Labs</cite></blockquote><div class="ai-insight"><p>Training an AI model across multiple foundational modalities simultaneously allows the system to build a robust internal physics engine of the real world. Because rendering video requires mastering contact, weight, motion, and causality, it serves as an expensive foundational anchor. Once the model grasps video dynamics, lower-dimensional signals like audio and physical actions can be seamlessly integrated into an already established world model.</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/black_forest_labs_flux_3_multimodal_ms2esmmb_inline_1_2f239e1613.jpg" alt="multimodal ai video generation 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>In preliminary human preference evaluations using 10-second 720p text-to-video clips with audio, FLUX 3 was preferred over Luma Ray 3.2 in 93% of comparisons and over Runway Gen-4.5 in 77% of evaluations. Furthermore, preview builds tested by Mimic Robotics on physical robots demonstrated robust performance in structured tasks like kitting and assembly, with Audi currently testing and deploying the system on production lines.</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/2026/07/26/black-forest-labs-releases-flux-3-a-multimodal-flow-model-for-image-video-audio-and-robot-action-prediction/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_black-forest-labs-flux-3-multimodal-ms2esmmb.jpg

small_black-forest-labs-flux-3-multimodal-ms2esmmb.jpg

thumbnail_black-forest-labs-flux-3-multimodal-ms2esmmb.jpg

black-forest-labs-flux-3-multimodal-ms2esmmb.jpg

Black Forest Labs เผยโฉม FLUX 3 โมเดล AI หลายรูปแบบที่ผสานข้อมูลภาพ วิดีโอ เสียง และการทำงานของหุ่นยนต์เข้าไว้ด้วยกัน พร้อมผลทดสอบความพึงพอใจที่น่าสนใจ

Black Forest Labs introduces FLUX 3, a multimodal foundational model integrating image, video, audio, and robot action prediction with strong human preference results.

Black Forest Labs เปิดตัว FLUX 3 โมเดลแบบจำลอง Multimodal สำหรับภาพ วิดีโอ เสียง และหุ่นยนต์

Black Forest Labs Releases FLUX 3: A Multimodal Flow Model for Image, Video, Audio and Robot Action

<div class="key-takeaways"><ul><li>FAIRChem v2 UMA นำเสนอศักยภาพการเรียนรู้ร่วมกันข้ามโดเมนเคมีที่แตกต่างกัน</li><li>ครอบคลุมการคำนวณโมเลกุล ตัวเร่งปฏิกิริยา วัสดุ โหมดการสั่น และพลศาสตร์ของโมเลกุล</li><li>ผสานการทำงานร่วมกับเครื่องมือ ASE เพื่อสร้างพื้นฐานที่นำกลับมาใช้ใหม่ได้</li></ul></div><p>การพัฒนาเวิร์กโฟลว์การจำลองระดับอะตอมที่สมบูรณ์รอบ FAIRChem v2 ได้รับการพิสูจน์แล้วว่า UMA สามารถมอบศักยภาพการเรียนรู้ที่ใช้ร่วมกันในโดเมนทางเคมีที่หลากหลาย โดยไม่จำเป็นต้องสร้างโมเดลแยกต่างหากสำหรับแต่ละงานเฉพาะด้าน นักวิจัยได้นำการคำนวณระดับโมเลกุลมาประเมินค่าพลังงาน แรง พฤติกรรมการแตกตัวของอะตอม ช่องว่างสปิน พลังงานปฏิกิริยา โหมดการสั่นสะเทือน และโปรไฟล์การยืดตัวของพันธะ</p><p>ในส่วนของโดเมนตัวเร่งปฏิกิริยา ทีมงานได้ใช้ UMA เพื่อผ่อนคลายโมเลกุลคาร์บอนมอนอกไซด์บนพื้นผิวทองแดง Cu(100) และตรวจสอบพลังงานการดูดซับ ขณะที่ในโดเมนวัสดุได้มีการผ่อนคลายโครงสร้างเหล็ก BCC พร้อมทั้งประเมินโมดูลัสยืดหยุ่นจากสมการสถานะ นอกจากนี้ยังมีการรัน Langevin molecular dynamics เพื่อสังเกตความผันผวนทางโครงสร้างและพลังงานตามอุณหภูมิที่จำกัดในระยะเวลาต่างๆ</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/fairchem_v2_uma_ms1y62o8_inline_1_ef7c29bc12.jpg" alt="molecular structure scientific simulation" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การใช้โมเดลศักยภาพร่วม (Shared Learned Potential) เช่น UMA ถือเป็นก้าวสำคัญในวงการปัญญาประดิษฐ์เชิงวิทยาศาสตร์ (AI for Science) เนื่องจากช่วยลดภาระในการฝึกอบรมโมเดลเฉพาะกิจสำหรับแต่ละวัสดุหรือปฏิกิริยา ทำให้การศึกษาเชิงคำนวณในระดับอะตอมมีความเร็วและแม่นยำขึ้นอย่างก้าวกระโดด</p></div><p>การผสมผสานระหว่างการอนุมานของ UMA เข้ากับเครื่องมือสร้างโครงสร้าง ตัวเพิ่มประสิทธิภาพ ตัวกรอง และยูทิลิตี้พลศาสตร์โมเลกุลของ ASE ช่วยสร้างรากฐานที่นำกลับมาใช้ใหม่ได้สำหรับการขยายเวิร์กโฟลว์ไปยังโมเลกุลขนาดใหญ่ อินเทอร์เฟซตัวเร่งปฏิกิริยา วัสดุกริสตัล กรอบโลหะอินทรีย์ ผลึกโมเลกุล และโมเดล UMA รุ่นที่มีความแม่นยำสูงขึ้นในอนาคต</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/2026/07/26/fairchem-v2-uma-for-multidomain-atomistic-simulation-across-molecules-catalysts-materials-vibrations-and-molecular-dynamics/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>FAIRChem v2 UMA offers a shared learned potential across chemically distinct domains.</li><li>Eliminates the need for a separate model for every single simulation task.</li><li>Integrates with ASE tools to establish a reusable foundation for future workflows.</li></ul></div><p>Building a complete atomistic simulation workflow around FAIRChem v2 demonstrates how UMA provides a shared learned potential across chemically distinct domains without requiring a separate model for every task. Molecular calculations were utilized to evaluate energies, forces, atomization behavior, spin gaps, reaction energetics, vibrational modes, and bond-stretch profiles.</p><p>Within the catalysis domain, the framework successfully relaxed carbon monoxide on a Cu(100) surface and examined adsorption energetics. Meanwhile, the materials domain involved relaxing BCC iron and estimating its bulk modulus from an equation-of-state fit. Langevin molecular dynamics were also executed to observe finite-temperature structural and energetic fluctuations over time.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/fairchem_v2_uma_ms1y62o8_inline_1_ef7c29bc12.jpg" alt="molecular structure scientific simulation" 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>The utilization of a shared learned potential such as UMA represents a major milestone in AI for science, significantly reducing the complexity of training isolated machine learning potentials for every distinct molecular or material system.</p></div><p>By combining UMA inference with ASE structure builders, optimizers, filters, vibrational tools, and molecular-dynamics utilities, researchers have established a reusable foundation for extending workflows to larger molecules, catalytic interfaces, crystalline materials, metal-organic frameworks, molecular crystals, and higher-accuracy UMA model variants.</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/2026/07/26/fairchem-v2-uma-for-multidomain-atomistic-simulation-across-molecules-catalysts-materials-vibrations-and-molecular-dynamics/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_fairchem-v2-uma-ms1y62o8.jpg

small_fairchem-v2-uma-ms1y62o8.jpg

thumbnail_fairchem-v2-uma-ms1y62o8.jpg

fairchem-v2-uma-ms1y62o8.jpg

เจาะลึกการใช้ศักยภาพเรียนรู้ร่วมกันของ UMA ใน FAIRChem v2 เพื่อจำลองโมเลกุล ตัวเร่งปฏิกิริยา วัสดุ และพลศาสตร์ของโมเลกุลโดยไม่ต้องใช้หลายโมเดล

Exploring how UMA provides a shared learned potential across molecules, catalysts, materials, vibrations, and molecular dynamics.

FAIRChem v2 UMA เปิดมิติใหม่การจำลองระดับอะตอมครอบคลุมหลายโดเมน

FAIRChem v2 UMA for Multidomain Atomistic Simulation

<div class="key-takeaways"><ul><li>Photon-1 เป็นโมเดล Mixture-of-Experts ขนาด 106B-A5B ที่เรียนรู้จากการชมวิดีโอหน้าจอคอมพิวเตอร์</li><li>ใช้การเข้ารหัสภาพแบบ Differential Latent Encoder บีบอัดข้อมูลเหลือเพียง 2.2 KB ต่อเฟรม</li><li>เหนือกว่า Gemini 3.1 Flash-Lite ในด้านการใช้งานคอมพิวเตอร์พร้อมต้นทุนที่ถูกกว่าประมาณ 3 เท่า</li><li>ทดสอบความสามารถในการเล่นหมากฮอสและจำลองฟิสิกส์บิลเลียดโดยฝึกฝนจากวิดีโอหน้าจอเท่านั้น</li></ul></div><p>Induction Labs ได้พัฒนาโมเดลปัญญาประดิษฐ์ตัวใหม่ในชื่อ <strong>Photon-1</strong> ซึ่งเป็นโมเดลประเภท sparse 106B-A5B mixture-of-experts (MoE) transformer โดยจุดเด่นสำคัญคือการฝึกฝนผ่านวิดีโอการใช้งานคอมพิวเตอร์ที่สะสมมานานถึง 18 ปี จากผลทดสอบภายในของบริษัทพบว่า Photon-1 สามารถทำคะแนนเอาชนะ Gemini 3.1 Flash-Lite ได้ ทั้งที่ใช้ทรัพยากรการฝึกอบรมล่วงหน้า (pretraining compute) น้อยกว่ามาก และมีค่าใช้จ่ายในการให้บริการประหยัดกว่าประมาณ 3 เท่า</p><p>หลักการทำงานของโมเดลนี้ใช้สิ่งที่เรียกว่าโมเดลจินตนาการ (imagination model) ซึ่งทำหน้าที่คาดการณ์เฟรมวิดีโอในอนาคตแบบ autoregressive ผ่านเป้าหมาย next-latent-token-prediction โดยในขั้นตอนการฝึกอบรมล่วงหน้า โมเดลจะไม่สร้างพิกเซลภาพออกมาโดยตรง แต่จะจำลองทุกอย่างผ่านพื้นที่ตัวแทนที่ถูกเรียนรู้ขึ้นมา (learned representation space) สิ่งนี้ทำให้โมเดลเข้าใจแนวคิดของการกระทำของมนุษย์ได้โดยไม่ต้องมีป้ายกำกับของการคลิกเมาส์ในแต่ละครั้ง ซึ่งทาง Induction Labs เรียกว่า นโยบายโดยนัย (implicit policy)</p><div class="stat-row"><div class="stat-item"><span class="stat-number">106B-A5B</span><span class="stat-label">ขนาดโมเดล MoE</span></div><div class="stat-item"><span class="stat-number">18 ปี</span><span class="stat-label">วิดีโอที่ใช้ฝึกอบรม</span></div><div class="stat-number">2.2 KB</div><span class="stat-label">ขนาดข้อมูลต่อเฟรม</span></div><p>โครงสร้างสถาปัตยกรรมของ Photon-1 พึ่งพาตัวเข้ารหัสการมองเห็นที่ใช้เทคนิค finite scalar quantization (FSQ) โดยแต่ละเฟรมจะถูกบีบอัดเป็น 960 โทเค็นแบบไม่ต่อเนื่อง แต่ละโทเค็นคือเวกเตอร์ 8 มิติที่ประกอบด้วยค่า 5 ระดับ ได้แก่ -1, -1/2, 0, 1/2 และ 1 ส่งผลให้เกิดโค้ดบุ๊กที่มีความเป็นไปได้ถึง 5 ยกกำลัง 8 รูปแบบ การเข้ารหัสลักษณะนี้ทำให้ได้ขนาดข้อมูลประมาณ 2.2 KB ต่อเฟรม ซึ่งทาง Induction Labs ระบุว่าให้ประสิทธิภาพการบีบอัดที่ดีกว่าระบบ OCR และโมเดลmultimodal แบบเดิมถึงกว่า 100 เท่า พร้อมทั้งยังคงรักษาข้อความ เลย์เอาต์ และการเปลี่ยนแปลงสถานะไว้ได้อย่างครบถ้วน</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/induction_labs_photon_1_ms1y5jqj_inline_1_cecef441d0.jpg" alt="computer screen user interface dashboard" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ในด้านกระบวนการจัดการข้อมูลเริ่มต้น ทีมวิจัยได้คัดกรองจากดัชนีภายในซึ่งรวบรวมวิดีโอสาธารณะไว้ 2,000 ล้านรายการ จนเหลือวิดีโอบันทึกหน้าจอคอมพิวเตอร์ประมาณ 2 ล้านรายการ และใช้โมเดลตรวจจับคีย์เฟรมภายในเพื่อคัดกรองเฟรมที่ซ้ำซ้อนออก จนได้ชุดข้อมูลสุดท้ายจำนวน 575 ล้านเฟรมที่สุ่มตัวอย่างที่อัตรา 1 เฟรมต่อวินาที ซึ่งคิดเป็น 552,000 ล้านโทเค็น หรือเทียบเท่ากับวิดีโอยาว 18 ปี โดย Photon-1 ผ่านการฝึกอบรมล่วงหน้าจากศูนย์เป็นเวลา 1 รอบ (single epoch) การฝึกโมเดลขนาด 106B-A5B ที่บริบท 32K ใช้เวลาประมาณ 30,000 ชั่วโมงบน GPU H200 หรือคิดเป็น 4.4 คูณ 10 ยกกำลัง 22 FLOPs</p><blockquote class="pull-quote"><p>"การทำนายสถานะในอนาคตช่วยสอนให้โมเดลทำภารกิจต่างๆ สำเร็จ แม้ว่ามันจะไม่เคยเห็นการกระทำใดๆ เลยในระหว่างการฝึกอบรมล่วงหน้า"</p><cite>Induction Labs</cite></blockquote><div class="ai-insight"><p>การที่ Photon-1 สามารถเรียนรู้ทักษะที่ซับซ้อน เช่น การจำลองฟิสิกส์บิลเลียดหรือการเล่นหมากฮอส ทั้งที่ข้อมูลเริ่มต้นมีเพียงวิดีโอการใช้งานหน้าจอคอมพิวเตอร์ทั่วไป ถือเป็นก้าวสำคัญที่แสดงให้เห็นว่าโมเดล AI สามารถสกัดกฎเกณฑ์ทางกายภาพและตรรกะของเกมจากภาพวิดีโอหน้าจอได้โดยตรงผ่านเทคนิคการคาดการณ์เฟรมล่วงหน้า ซึ่งลดข้อจำกัดในการต้องใช้ชุดข้อมูลเฉพาะทางขนาดใหญ่ในอดีต</p></div><p>สำหรับการทดสอบความสามารถด้านการจำลองโลก Photon-1 ได้ถูกนำไปเทียบกับโมเดลพื้นฐานสองตัว ได้แก่ โมเดลวิชันอินโคเดอร์ที่มีสถาปัตยกรรมขนาดเท่ากันแต่ไม่มีการฝึกอบรมล่วงหน้าแบบจินตนาการ และโมเดลภาษาขนาดใหญ่ (LLM) อย่าง Ling-flash-2.0 จาก Inclusion AI ผลปรากฏว่าในการแข่งขันหมากฮอส 20,000 เกมจาก Open Checkers Archive 2.0 และการจำลองบิลเลียด 10,000 เกม Photon-1 ทำผลงานได้เหนือกว่าโมเดลพื้นฐานทั้งสองในด้านการจำลองโลกและคุณภาพการเดินเกม นอกจากนี้ยังมีต้นทุนการดำเนินงานที่คุ้มค่า โดยมีจุดคุ้มทุนบนฮาร์ดแวร์ของ Induction Labs อยู่ที่ 0.06 ดอลลาร์ต่ออินพุตโทเค็น 1 ล้านโทเค็น และ 0.60 ดอลลาร์ต่อเอาต์พุตโทเค็น 1 ล้านโทเค็น</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/2026/07/26/induction-labs-photon-1-simulates-desktops-plays-checkers-and-models-billiard-physics-from-one-pretraining-run/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Photon-1 is a 106B-A5B MoE transformer trained exclusively on computer screen recording videos.</li><li>Uses a differential latent encoder achieving a high compression rate of roughly 2.2 KB per frame.</li><li>Outperforms Gemini 3.1 Flash-Lite on internal computer use benchmarks at a significantly lower serving cost.</li><li>Demonstrates world simulation capabilities like playing checkers and modeling pool physics from screen data alone.</li></ul></div><p>Induction Labs has released <strong>Photon-1</strong>, a sparse 106B-A5B mixture-of-experts (MoE) transformer trained on an extensive corpus of 18 years of computer demonstration video. In internal computer use benchmarks, the research team reports that Photon-1 outperforms Gemini 3.1 Flash-Lite while requiring far less pretraining compute and costing approximately three times less to serve to users.</p><p>At the core of the system is an imagination model that predicts future frames autoregressively through a next-latent-token-prediction objective. The architecture models everything within a learned representation space rather than generating pixels directly during pretraining. Induction Labs refers to this mechanism as an implicit policy, where the model grasps the underlying concepts of human actions without needing explicit labels for every individual mouse click.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">106B-A5B</span><span class="stat-label">MoE Model Size</span></div><div class="stat-item"><span class="stat-number">18 Years</span><span class="stat-label">Video Training Data</span></div><div class="stat-number">2.2 KB</div><span class="stat-label">Data Rate Per Frame</span></div><p>The architecture relies on a vision encoder utilizing finite scalar quantization (FSQ). Each video frame is compressed into 960 discrete tokens represented as 8-dimensional vectors where each dimension takes one of five values: -1, -1/2, 0, 1/2, and 1, resulting in a codebook of 5 to the 8th power possible codes. This encoding yields roughly 2.2 KB per frame, which Induction Labs reports is over 100 times better compression than existing OCR and multimodal representations while perfectly preserving text, layout, and state transitions.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/induction_labs_photon_1_ms1y5jqj_inline_1_cecef441d0.jpg" alt="computer screen user interface dashboard" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>The training corpus originated from an internal index of 2 billion public videos, filtered down to about 2 million computer screen recordings. After removing redundant frames via an internal keyframe detection model, the final dataset comprises 575 million frames sampled at 1 frame per second, translating to 552 billion tokens or 18 years of video. Photon-1 was pretrained from scratch for a single epoch utilizing 30,000 H200 GPU-hours at a 32K context length, equating to 4.4 x 10 to the 22nd power training FLOPs.</p><blockquote class="pull-quote"><p>"Predicting future states teaches the model to complete tasks, even though it never sees an action during pretraining."</p><cite>Induction Labs</cite></blockquote><div class="ai-insight"><p>The ability of Photon-1 to generalize from screen recordings to complex physical simulations like billiards and strategic board games highlights a major breakthrough in self-supervised video modeling. By observing standard computer usage interfaces, the model inherently extracts physical rules and logical frameworks without needing specialized simulation training datasets.</p></div><p>When evaluated on out-of-domain tasks, Photon-1 excelled against two baselines: a vision encoder baseline without imagination pretraining and an LLM baseline using Ling-flash-2.0. Across 20,000 tournament checkers games and 10,000 simulated billiard games, Photon-1 demonstrated superior world simulation and move quality. Furthermore, the model achieves a breakeven cost on Induction Labs hardware of $0.06 per million input tokens and $0.60 per million output tokens.</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/2026/07/26/induction-labs-photon-1-simulates-desktops-plays-checkers-and-models-billiard-physics-from-one-pretraining-run/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_induction-labs-photon-1-ms1y5jqj.png

small_induction-labs-photon-1-ms1y5jqj.png

thumbnail_induction-labs-photon-1-ms1y5jqj.png

induction-labs-photon-1-ms1y5jqj.png

Photon-1 โมเดล AI จาก Induction Labs ขับเคลื่อนด้วยระบบ MoE ที่เรียนรู้จากการดูวิดีโอหน้าจอคอมพิวเตอร์นานถึง 18 ปี โดยมีความสามารถจำลองเดสก์ท็อป เล่นหมากฮอส และคำนวณฟิสิกส์บิลเลียดได้

Induction Labs unveils Photon-1, a 106B-A5B Mixture-of-Experts model trained on 18 years of computer demonstration videos capable of simulating desktops, playing checkers, and modeling billiards.

Induction Labs เปิดตัว Photon-1 โมเดลจำลองหน้าจอและฟิสิกส์

Induction Labs Introduces Photon-1 Desktop and Physics Simulation AI

<div class="key-takeaways"><ul><li>โมเดล KAT-Coder-V2.5 พัฒนาโดยทีม KwaiKAT เน้นความสามารถด้านการเขียนโค้ดเชิงเอเจนต์</li><li>ฝึกฝนบนสภาพแวดล้อมที่ตรวจสอบความถูกต้องได้มากกว่า 100,000 รายการ ครอบคลุม 12 ภาษา</li><li>แก้ปัญหาความผิดพลาดของแซนด์บ็อกซ์ ลดอัตราความผิดพลาดจาก 16% เหลือต่ำกว่า 2%</li><li>ทำคะแนนนำบน PinchBench ที่ 94.9 แซงหน้าคู่แข่งระดับแนวหน้า</li></ul></div><p>ทีมวิจัย KwaiKAT ได้เผยแพร่โมเดลเอเจนต์เขียนโค้ดรุ่นใหม่ล่าสุดในชื่อ KAT-Coder-V2.5 โดยงานวิจัยชิ้นนี้ได้นิยามงานที่สามารถตรวจสอบความถูกต้องได้ว่าเป็นชุดข้อมูลสามส่วน ได้แก่ คำอธิบายงานที่แม่นยำ สภาพแวดล้อมที่สามารถเรียกใช้งานได้ และชุดการทดสอบเพื่อตรวจสอบ โดยแพตช์จะถือว่าถูกต้องก็ต่อเมื่อผ่านการทดสอบทั้งหมดเท่านั้น งานต่างๆ ถูกคัดกรองมาจากพูลรีเควสต์และคอมมิตจริงตามแนวทางของ SWE-bench โดยโค้ดที่รวมเข้าด้วยกันจะให้แพตช์ต้นแบบและการเปลี่ยนแปลงทดสอบที่เกี่ยวข้อง ส่วนข้อความปัญหาดิบจะถูกตัดทิ้งและสร้างคำอธิบายขึ้นใหม่เป็นสามส่วน ได้แก่ แถลงการณ์ปัญหา ข้อกำหนด และข้อจำกัดด้านอินเทอร์เฟซ ก่อนจะผ่านการตรวจสอบความชัดเจนเพื่อคัดกรองข้อความที่คลุมเครือออกไป</p><p>ในส่วนของการจัดการสภาพแวดล้อม AutoBuilder ทำหน้าที่วิเคราะห์คลังโค้ดและเขียนสคริปต์กำหนดค่าเพื่อติดตั้งการพึ่งพาและรันการทดสอบจากเช็คเอาต์ที่สะอาด ขณะที่เอเจนต์ตรวจสอบจะรันสคริปต์ดังกล่าวในแซนด์บ็อกซ์แบบแยกส่วน กฎการยอมรับมีความน่าสนใจตรงที่จะไม่เพียงแค่อ่านรหัสออกหรือรูปแบบล็อก แต่จะวิเคราะห์ผลลัพธ์ของเฟรมเวิร์กการทดสอบที่มีโครงสร้าง และยอมรับสภาพแวดล้อมก็ต่อเมื่อรวบรวมการทดสอบที่คาดหวังได้มากกว่า 90% และผลลัพธ์ผ่าน/ไม่ผ่านสอดคล้องกันข้ามการรัน โดยความล้มเหลวจะถูกส่งกลับเป็นข้อมูลที่มีโครงสร้างเพื่อการซ่อมแซมแบบวนซ้ำ</p><div class="stat-row"><div class="stat-item"><span class="stat-number">57.2%</span><span class="stat-label">อัตราความสำเร็จในการสร้างสภาพแวดล้อม (เพิ่มขึ้นจาก 16.5%)</span></div><div class="stat-item"><span class="stat-number">100,000+</span><span class="stat-label">สภาพแวดล้อมที่ตรวจสอบได้ใน 12 ภาษา</span></div><div class="stat-item"><span class="stat-number">94.9</span><span class="stat-label">คะแนนบน PinchBench นำหน้าโมเดลอื่น</span></div></div><p>การผสมผสานสภาพแวดล้อมพื้นฐาน เทมเพลตระบบบิวด์ และคลังสูตรการบิวด์ ช่วยให้อัตราความสำเร็จในการสร้างเพิ่มขึ้นจาก 16.5% เป็น 57.2% ส่งผลให้ได้สภาพแวดล้อมที่ตรวจสอบได้มากกว่า 100,000 รายการครอบคลุม 12 ภาษา โดยประวัติ Git และเมตาดาตาระอมมิตจะถูกลบออกเพื่อป้องกันไม่ให้เอเจนต์อ่านโซลูชันอ้างอิงได้จากคลังโค้ด นอกจากนี้ KwaiKAT ยังจัดการกับเส้นทางการทำงานทั้งในส่วนของงานที่ใกล้เคียงความสำเร็จด้วยคำใบ้ระดับกระบวนการ และใช้กฎเกณฑ์คัดกรองเส้นทางที่ไม่ถูกต้อง เสถียรน้อยเกินไป หรือมีการฉวยโอกาส รวมถึงการสุ่มชื่อเครื่องมือและรูปแบบพรอมต์เพื่อป้องกันการโอเวอร์ฟิตติ้งของชุดทดสอบ</p><div class="ai-insight"><p>การพัฒนาโมเดลเขียนโค้ดด้วยวิธี Reinforcement Learning (RL) มักพบอุปสรรคจากปัญหาโครงสร้างพื้นฐาน เช่น แซนด์บ็อกซ์ขัดข้องหรือหน่วยความจำเต็ม ซึ่งการแก้ปัญหาทางวิศวกรรมของทีม KwaiKAT ด้วยนโยบายการลบภาพแคชและการจัดการตัวแปรสภาพแวดล้อมถือเป็นบทเรียนสำคัญว่าเสถียรภาพของระบบเบื้องหลังมีผลอย่างมากต่อความเร็วและความเสถียรในการเรียนรู้ของโมเดลปัญญาประดิษฐ์</p></div><p>ในการฝึกอบรม KAT-Coder-V2.5 การแก้ไขปัญหาโครงสร้างพื้นฐาน 3 ประการ ได้แก่ นโยบายการลบภาพในแซนด์บ็อกซ์ การแก้ไขตัวแปรสภาพแวดล้อมระหว่างการเริ่มต้นรีโมทแซนด์บ็อกซ์ และการใช้ Gateway Server เรียกใช้งาน /generate โดยตรงเพื่อหลีกเลี่ยงความเบี่ยงเบนของโทเค็น ช่วยลดอัตราข้อผิดพลาดของฟีดแบ็กแซนด์บ็อกซ์จากประมาณ 16% เหลือต่ำกว่า 2% และลดความล้มเหลวในการฝึกอบรมลงอย่างมาก ทีมวิจัยเลือกใช้ PPO ร่วมกับ GAE และสถาปัตยกรรม Critic ที่ได้รับบริบทสิทธิพิเศษในการฝึกอบรม พร้อมระบบให้รางวัลสามระดับและการกลั่นความรู้แบบ Multi-Teacher On-Policy Distillation</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/kwaikat_kat_coder_v2_5_100_000_ms1y4xha_inline_1_9025e1243a.jpg" alt="software code repository analytics dashboard" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ผลการประเมินภายใต้ชุดทดสอบมาตรฐาน KAT-Coder-V2.5 ทำคะแนนนำบน PinchBench ที่ 94.9 เอาชนะ Opus 4.8 ที่ทำได้ 93.5 และอยู่ในอันดับสองบน SWE-Bench Pro ที่ 65.2 ส่วนรุ่นเปิดน้ำหนักอย่าง KAT-Coder-V2.5-Dev เป็นโมเดล Mixture of Experts ขนาด 35B ทั้งหมดและทำงาน 3B ต่อเนื่องจากการโพสต์เทรนบน Qwen3.6-35B-A3B ด้วยตัวอย่าง SFT 127,000 รายการ ก่อนจะเข้าสู่กระบวนการเรียนรู้แบบเสริมแรง</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/2026/07/26/kwaikat-team-releases-kat-coder-v2-5-an-agentic-coding-model-trained-on-100000-verifiable-repository-environments/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>KAT-Coder-V2.5 is an agentic coding model developed by the KwaiKAT research team.</li><li>Trained on over 100,000 verifiable environments spanning 12 programming languages.</li><li>Infrastructure updates reduced sandbox feedback error rates from 16% to under 2%.</li><li>Achieves top performance on PinchBench with a score of 94.9, outperforming competitors.</li></ul></div><p>The KwaiKAT research team has released its latest agentic coding model, KAT-Coder-V2.5. The research frames a verifiable task as a triplet consisting of a precise task description, an executable repository environment, and a set of validation tests, where a patch is correct only if it passes all validation criteria. Tasks are mined from real pull requests and commits following the SWE-bench lineage, with merged code changes supplying golden patches and test changes supplying test patches. Raw issue text is discarded in favor of regenerated problem statements, requirements, and interface constraints, followed by strict clarity checks to eliminate ambiguity.</p><p>For environment management, AutoBuilder analyzes repositories and writes configuration scripts to install dependencies and run tests from clean checkouts, while a verification agent executes scripts in isolated sandboxes. The acceptance rule parses structured test-framework outputs, accepting environments only when more than 90% of expected tests are collected and pass/fail outcomes reproduce consistently across multiple runs, feeding failures back as structured information for iterative repair.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">57.2%</span><span class="stat-label">Environment Construction Success Rate (Up from 16.5%)</span></div><div class="stat-item"><span class="stat-number">100,000+</span><span class="stat-label">Verifiable Environments across 12 Languages</span></div><div class="stat-item"><span class="stat-number">94.9</span><span class="stat-label">PinchBench Score Leading the Panel</span></div></div><p>Combining preconfigured base environments, build-system templates, and a retrievable library of build recipes raised construction success rates from 16.5% to 57.2%, yielding over 100,000 verifiable environments across 12 languages while stripping Git history and commit metadata to prevent leakage. KwaiKAT addresses trajectories by providing process-level hints for near misses, applying rule-based gates to filter out invalid or exploitative runs, and randomizing tool names, argument conventions, and prompt templates to prevent harness overfitting.</p><div class="ai-insight"><p>Training advanced coding agents with Reinforcement Learning often encounters hidden infrastructure bottlenecks, such as sandbox timeouts or memory exhaustion. KwaiKAT's systematic engineering fixes highlight how robust low-level sandbox management directly influences the stability, speed, and convergence of reinforcement learning algorithms in large AI models.</p></div><p>During training, three crucial infrastructure fixes—an early-release image eviction policy, correcting remote sandbox initialization environment variables, and bypassing mainstream chat endpoints via Gateway Server to call /generate directly—reduced sandbox feedback error rates from roughly 16% to below 2% and drastically cut training collapses. The team selected PPO with GAE paired with an asymmetric actor-critic framework and a three-tiered reward system, further enhanced by Multi-Teacher On-Policy Distillation.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/kwaikat_kat_coder_v2_5_100_000_ms1y4xha_inline_1_9025e1243a.jpg" alt="software code repository analytics dashboard" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Under a unified Claude Code harness, KAT-Coder-V2.5 leads its panel on PinchBench with a score of 94.9, beating Opus 4.8 at 93.5, and places second on SWE-Bench Pro. Additionally, the open-weight KAT-Coder-V2.5-Dev variant features a 35B-total / 3B-active Mixture of Experts architecture post-trained on Qwen3.6-35B-A3B using 127K SFT examples followed by reinforcement learning.</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/2026/07/26/kwaikat-team-releases-kat-coder-v2-5-an-agentic-coding-model-trained-on-100000-verifiable-repository-environments/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_article-354.jpg

small_article-354.jpg

thumbnail_article-354.jpg

article-354.jpg

ทีมวิจัยเปิดตัว KAT-Coder-V2.5 โมเดลเขียนโค้ดเชิงเอเจนต์ พร้อมชุดข้อมูลตรวจสอบได้กว่า 100,000 สภาพแวดล้อม และสถาปัตยกรรมการฝึกอบรมขั้นสูง

The KwaiKAT team has unveiled KAT-Coder-V2.5, an agentic coding model backed by over 100,000 verifiable repository environments and advanced training architectures.

KwaiKAT เปิดตัว KAT-Coder-V2.5 โมเดลเขียนโค้ดอัจฉริยะ ฝึกจาก 100,000 สภาพแวดล้อม

KwaiKAT Releases KAT-Coder-V2.5: An Agentic Coding Model Trained on 100K+ Environments

<div class="key-takeaways"><ul><li>OpenAI เปิดตัว Presence บริการเอเจนต์ AI แบบมีวิศวกรดูแล</li><li>ไม่ขายแบบ Self-serve แต่เน้นการทำโครงการเฉพาะกิจทีละงาน</li><li>มีขั้นตอนการดำเนินงาน 6 ระยะตั้งแต่กำหนดขอบเขตจนถึงหลังเปิดใช้งาน</li><li>ลูกค้ากลุ่มแรกประกอบด้วย BBVA, SoftBank และ IAG</li></ul></div><p>OpenAI ได้ประกาศเปิดตัว <strong>OpenAI Presence</strong> เมื่อวันที่ 22 กรกฎาคมที่ผ่านมา ซึ่งถือเป็นวิธีการซื้อเอเจนต์ AI ระดับองค์กรรูปแบบใหม่ที่ไม่มีการจำหน่ายผ่านระบบออนไลน์ด้วยตัวเอง โดยการใช้งานยังอยู่ในโปรแกรม Limited General Availability และมีการระบุอย่างชัดเจนว่ายังไม่เปิดให้ใช้งานแบบ Self-serve การติดตั้งทั้งหมดจะนำโดย Forward Deployed Engineers ของ OpenAI เองร่วมกับระบบintegrators ระดับโลกที่ได้รับเลือก</p><p>แนวทางนี้ถือว่าแตกต่างอย่างสิ้นเชิงจากธุรกิจเดิมที่ขับเคลื่อนด้วย API keys และการซื้อไลเซนส์ตามจำนวนที่นั่ง โดย Presence ถูกขายในรูปแบบของ “โครงการ” มากกว่าการเป็น “ผลิตภัณฑ์” สำเร็จรูป แต่ละสัญญาจะเริ่มต้นด้วยงานเดี่ยวชิ้นเดียว เช่น การแก้ไขข้อพิพาทเรื่องการเรียกเก็บเงิน การจัดการเคลมประกัน หรือการเคลียร์คำขอรับบริการด้าน IT ของพนักงาน</p><p>เอเจนต์จะได้รับเฉพาะข้อมูลและการเข้าถึงระบบที่จำเป็นต่องานนั้นๆ เท่านั้น โดยลูกค้าจะเป็นผู้กำหนดกฎเกณฑ์ว่าเอเจนต์สามารถทำอะไรได้บ้าง เมื่อไหร่ที่ต้องขออนุมัติ และเมื่อไหร่ที่มนุษย์จะต้องเข้าไปรับช่วงต่อ หลังจากเปิดใช้งานระบบ Codex จะทำการอ่านเซสชันการผลิตและการยسكระดับปัญหา พร้อมทั้งเสนอการเปลี่ยนแปลงที่ทีมของลูกค้าจะต้องทำการทดสอบและอนุมัติก่อนที่จะนำไปใช้งานจริง</p><div class="ai-insight"><p>การที่ OpenAI ส่งวิศวกรลงไปหน้างานเองสะท้อนให้เห็นปัญหาใหญ่ที่องค์กรทั่วโลกเผชิญในช่วงสองปีที่ผ่านมา นั่นคืออุปสรรคไม่ได้อยู่ที่ความสามารถของโมเดล AI แต่เป็นเรื่องของการบูรณาการระบบ (Integration) การจัดการสิทธิ์ และการบริหารการเปลี่ยนแปลงภายในองค์กร ซึ่งบริษัทซอฟต์แวร์ส่วนใหญ่มักมองข้ามและปล่อยให้เป็นภาระของลูกค้า</p></div><p>เอกสารวิธีใช้ของ OpenAI ระบุถึงกระบวนการทำงานที่เกี่ยวข้องกับแรงคนไว้อย่างละเอียดถึง 6 ระยะด้วยกัน โดยประกอบด้วย:</p><ul><li>การกำหนดผลลัพธ์ทางธุรกิจ</li><li>การตรวจสอบความปลอดภัย ความเป็นส่วนตัว และข้อกฎหมาย</li><li>การจำลองสถานการณ์และการทดสอบการยอมรับ</li><li>การทยอยปล่อยระบบออกใช้งาน</li><li>การปรับปรุงแก้ไขหลังการเปิดใช้งาน</li></ul><p>ระบบของ Presence ถูกออกแบบมาเพื่อแก้ปัญหาที่ Gartner เคยเตือนไว้ว่าโครงการ Agentic AI มากกว่า 40% จะต้องถูกยกเลิกภายในสิ้นปี 2027 เนื่องจากปัญหาด้านธรรมาภิบาลและวินัยในการดำเนินงาน ไม่ใช่เพราะตัวโมเดลไม่มีประสิทธิภาพ การจำลองสถานการณ์และการให้คะแนนจะช่วยทดสอบว่าเอเจนต์ให้ผลลัพธ์ที่ถูกต้อง ทำตามนโยบาย และมีการยกระดับปัญหาอย่างเหมาะสมหรือไม่ก่อนที่บุคคลภายนอกจะได้ใช้งานจริง</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/openai_presence_ai_ms1y4ag8_inline_1_a1bb947763.jpg" alt="software engineers collaborating corporate" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><blockquote class="pull-quote"><p>“OpenAI Presence is battle-tested, assembled from years of deploying agents with enterprise customers before it was packaged and named.”</p><cite>OpenAI</cite></blockquote><p>ในแง่ของลูกค้ารายแรกประกอบด้วย BBVA ซึ่งกำลังทดลองระบบรองรับเสียงสำหรับธนาคารในเม็กซิโก, SoftBank ทดสอบการสนทนาภาษาญี่ปุ่น และ IAG สำรวจการรองรับช่วงเหตุการณ์ที่มีความต้องการใช้งานสูง เช่น สภาพอากาศรุนแรง โดย Daniel Ordaz หัวหน้าฝ่าย AI Transformation ของ BBVA Mexico ระบุว่าธนาคารทำหน้าที่เป็นพาร์ทเนอร์ด้านการออกแบบที่ช่วยปรับแต่งประสบการณ์เสียงสำหรับบริการลูกค้าทางการเงิน</p><p>สำหรับราคาของการให้บริการนั้นยังไม่มีการเปิดเผยต่อสาธารณะ โดยขอบเขตและต้นทุนการติดตั้งจะถูกกำหนดตามความเหมาะสมของแต่ละลูกค้าและแต่ละโครงการ นอกจากนี้โมเดลที่ใช้ขับเคลื่อนก็ไม่ได้มีการระบุชื่อเจาะจง โดยเอกสารระบุเพียงแค่ว่า Presence จะใช้โมเดลของ OpenAI ที่มีการตั้งค่าตามความเหมาะสมของเวิร์กโฟลว์นั้นๆ</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/openai-presence-enterprise-ai-agents/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>OpenAI introduces Presence, a managed enterprise AI agent service.</li><li>Sold as custom projects rather than self-serve software.</li><li>Features a six-stage implementation process from scoping to post-launch.</li><li>Initial named enterprise customers include BBVA, SoftBank, and IAG.</li></ul></div><p>The newest way to buy enterprise AI agents from OpenAI does not involve buying anything online. Announced on July 22, <strong>OpenAI Presence</strong> is a managed product delivered through a limited general availability programme. The company states plainly that it is not yet available as a self-serve product, with deployments led directly by OpenAI’s own Forward Deployed Engineers and selected global systems integrators.</p><p>This marks a notable departure for a business that has historically relied on API keys and seat licences. Presence is sold as a project rather than a standalone product. Each engagement kicks off with a specific job, such as resolving a billing dispute, managing an insurance claim, or clearing an employee IT service request.</p><p>Agents are granted only the necessary knowledge and system access required for the specific task. Customers write the governance rules detailing what the agent can do, when sign-off is required, and when a human must take over. Following launch, Codex reads production sessions and escalations to propose changes that the customer’s team tests and approves before rollout.</p><div class="ai-insight"><p>By deploying its own engineers directly into client operations, OpenAI is addressing a hard truth discovered by enterprises over the past two years: the primary hurdle in production AI is not model capability, but rather integration, permissions, and operational change management.</p></div><p>OpenAI’s documentation outlines a rigorous six-stage delivery process covering human involvement, which includes:</p><ul><li>Scoping business outcomes</li><li>Security, privacy, and legal review</li><li>Simulation and acceptance testing</li><li>Staged rollout</li><li>Post-launch iteration</li></ul><p>These measures directly tackle Gartner’s warning that over 40% of agentic AI projects will fail by the end of 2027 due to governance issues and undefined business value. Pre-launch simulations evaluate whether an agent reaches correct outcomes, adheres to policy, and escalates appropriately before interacting with external users.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/openai_presence_ai_ms1y4ag8_inline_1_a1bb947763.jpg" alt="software engineers collaborating corporate" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><blockquote class="pull-quote"><p>“OpenAI Presence is battle-tested, assembled from years of deploying agents with enterprise customers before it was packaged and named.”</p><cite>OpenAI</cite></blockquote><p>The initial customer cohort highlights early-stage deployments: BBVA is exploring voice support for everyday banking in Mexico, SoftBank is testing Japanese-language conversations, and IAG is exploring support during high-demand events like severe weather. Daniel Ordaz, head of AI transformation at BBVA Mexico, describes the bank as a design partner helping shape voice experiences for financial customer service.</p><p>Pricing remains unpublished, with implementation scope and costs set per customer and deployment. The underlying models are not explicitly named; documentation notes that Presence uses OpenAI models with configurations tailored to specific workflows and subject to evolution as those workflows mature.</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/openai-presence-enterprise-ai-agents/" target="_blank" rel="noopener noreferrer">AI News</a></p>

large_article-353.jpg

medium_article-353.jpg

small_article-353.jpg

thumbnail_article-353.jpg

article-353.jpg

บริการใหม่จาก OpenAI ที่เปลี่ยนจากการขายซอฟต์แวร์สำเร็จรูปมาเป็นการขายโครงการแบบเบ็ดเสร็จ พร้อมทีมวิศวกรและพาร์ทเนอร์ลงพื้นที่ช่วยติดตั้ง

OpenAI launches a managed enterprise AI product sold as custom projects backed by its own engineers and global integrators.

OpenAI เปิดตัว Presence ขายเอเจนต์ AI พร้อมวิศวกรประกบตัว

OpenAI Presence Sells Enterprise AI Agents with Engineers Attached

<div class="key-takeaways"><ul><li>OpenAI เปิดตัวฟีเจอร์ Health ใน ChatGPT รองรับผู้ใช้อายุ 18 ปีขึ้นไป ทั้งบนเว็บและ iOS</li><li>เชื่อมต่อข้อมูลจาก Apple Health, ระบบโรงพยาบาลสหรัฐฯ, One Medical หรือ Function Health ได้</li><li>ข้อมูลสุขภาพถูกดึงมาใช้ได้ในทุกบทสนทนา เช่น การวางแผนมื้ออาหารหรือสอบถามอาการทั่วไป</li><li>ขับเคลื่อนด้วยโมเดล GPT-5.5 Instant และ GPT-5.6 Sol ที่ผ่านการทดสอบร่วมกับแพทย์นับร้อยราย</li></ul></div><p>OpenAI ได้ดำเนินการปล่อยฟีเจอร์ Health ภายในแอปพลิเคชัน ChatGPT เพื่อเปิดทางให้ผู้ใช้งานสามารถเลือกเชื่อมต่อข้อมูลจาก Apple Health และเวชระเบียนทางการแพทย์เข้ากับตัวแชทบอทได้ โดยผู้ใช้งานที่มีอายุ 18 ปีขึ้นไปและเข้าสู่ระบบแล้ว สามารถเข้าถึงฟีเจอร์นี้ได้ทันทีผ่านทางเว็บไซต์และระบบปฏิบัติการ iOS ซึ่งครอบคลุมทุกระดับการใช้งานตั้งแต่อัปเดต Free, Go, Plus ไปจนถึง Pro</p><p>ระบบดังกล่าวอนุญาตให้ผู้ใช้ทำการลิงก์ข้อมูลจาก Apple Health รวมถึงบันทึกประวัติการรักษาจากระบบโรงพยาบาลในสหรัฐอเมริกา, One Medical หรือ Function Health ได้ตามพื้นที่ที่รองรับ ทันทีที่มีการซิงก์ข้อมูลสำเร็จ ChatGPT จะสามารถดึงข้อมูลประเภทยาที่ใช้อยู่ ผลตรวจทางห้องปฏิบัติการ ประวัติการเข้าพบแพทย์ ข้อมูลการนอนหลับ และบันทึกกิจกรรมต่างๆ เข้ามาประกอบในทุกบทสนทนาภายในแอปพลิเคชันได้ทันที แทนที่จะต้องจำกัดบริบทเหล่านั้นไว้เพียงแค่ในหมวดหมู่แยกต่างหากเหมือนในอดีต</p><p>ก่อนหน้านี้ OpenAI เคยทดลองแนวคิดดังกล่าวกับกลุ่มทดสอบขนาดเล็ก ซึ่งผู้ใช้งานจำเป็นต้องเปิดใช้งานพื้นที่สุขภาพเฉพาะกิจเพื่อรับคำตอบที่อ้างอิงจากข้อมูลส่วนตัวของตนเอง แต่จากการเก็บข้อมูลพบว่ากว่า 70 เปอร์เซ็นต์ของการสนทนาเกี่ยวกับสุขภาพในกลุ่มทดสอบนั้นเกิดขึ้นในบริบทอื่นอย่างสิ้นเชิง เช่น ระหว่างการวางแผนมื้ออาหารหรือการสอบถามอาการเจ็บป่วยที่ไม่เกี่ยวข้อง ไม่ได้เกิดขึ้นภายในพื้นที่เฉพาะที่สร้างขึ้นเพื่อการนั้นโดยเฉพาะ</p><div class="stat-row"><div class="stat-item"><span class="stat-number">70%</span><span class="stat-label">ของการสนทนาเรื่องสุขภาพเกิดขึ้นนอกพื้นที่เฉพาะ</span></div><div class="stat-item"><span class="stat-number">300M+</span><span class="stat-label">ยอดใช้งานคำถามสุขภาพต่อสัปดาห์</span></div></div><p>ผลลัพธ์ดังกล่าวจึงนำไปสู่การออกแบบใหม่ แทนที่จะบังคับให้ผู้ใช้งานต้องเปลี่ยนโหมดเฉพาะเจาะจงเพื่อรับคำตอบที่มีบริบท ตอนนี้ ChatGPT สามารถดึงข้อมูลสุขภาพที่เชื่อมต่อไว้มาใช้ร่วมกับบทสนทนาใดก็ได้ ตราบใดที่ผู้ใช้งานเป็นผู้ให้สิทธิ์อนุญาต ตัวอย่างเช่น ผู้ใช้งานที่กำลังวางแผนไปรับประทานอาหารนอกบ้านอาจได้รับคำแนะนำร้านอาหารที่คำนึงถึงข้อจำกัดด้านอาหารที่บันทึกไว้ หรือผู้ที่สอบถามเรื่องแผนการทำกิจกรรมในวันหยุดก็อาจได้รับคำแนะนำด้านกิจกรรมที่ปรับเปลี่ยนตามอาการบาดเจ็บล่าสุดที่ปรากฏอยู่ในบันทึกที่ซิงก์เอาไว้</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/openai_health_apple_health_chatgpt_ms1y3q4w_inline_1_1d60b724b9.jpg" alt="apple health app interface medical data" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การเชื่อมโยงข้อมูลสุขภาพส่วนบุคคลเข้ากับ Generative AI ถือเป็นก้าวสำคัญที่เปลี่ยนผ่านจากการค้นหาข้อมูลสุขภาพแบบกว้างๆ ไปสู่การวิเคราะห์ที่มีบริบทเฉพาะตัวของผู้ใช้แต่ละคน (Personalized Context) อย่างไรก็ตาม ประเด็นเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูลสุขภาพถือเป็นความท้าทายสูงสุดที่ OpenAI และผู้ให้บริการเทคโนโลยีต้องให้ความสำคัญเป็นอันดับแรก เพื่อป้องกันความเสี่ยงจากการรั่วไหลของข้อมูลอ่อนไหวระดับบุคคล</p></div><p>แท็บ Health ในแถบด้านข้าง (Sidebar) ยังคงมีอยู่ แต่บทบาทได้ถูกปรับเปลี่ยนให้ทำหน้าที่เป็นศูนย์กลางในการจัดการ ได้แก่ การเชื่อมการบัญชี, การตรวจสอบข้อมูลและแนวโน้มที่ซิงก์ไว้, การเรียกดูตัวอย่างคำสั่งที่แนะนำ และการย้อนกลับไปดูแชทเกี่ยวกับสุขภาพในอดีต นอกจากนี้ OpenAI ยังได้เผยแพร่เรื่องราวจากกลุ่มทดสอบช่วงแรก ซึ่งสะท้อนให้เห็นมุมมองทั้งในแง่ของการเป็นเครื่องมือช่วยเหลือและการตระหนักถึงขอบเขตที่ควรปฏิบัติ</p><blockquote class="pull-quote"><p>&ldquo;ส่วนที่มีประโยชน์ที่สุดคือการแปลงประวัติทางการแพทย์ที่กระจัดกระจายให้กลายเป็นสิ่งที่ผมสามารถเข้าใจและอธิบายได้จริงๆ&rdquo;</p><cite>Blake, ผู้จัดการฝ่ายโปรแกรมทางเทคนิค</cite></blockquote><p>Blake ผู้จัดการฝ่ายโปรแกรมทางเทคนิค ระบุเพิ่มเติมถึงการเปลี่ยนผ่านจากบันทึกที่กระจัดกระจายไปสู่รูปแบบที่ใช้งานได้จริงว่า ตัวเขาเองสามารถเข้าใจภาพรวมที่ใหญ่ขึ้น แทนที่จะเห็นเพียงแค่การวินิจฉัย ผลตรวจภาพถ่ายทางการแพทย์ และบันทึกการผ่าตัดที่แยกส่วนจากกัน ซึ่งช่วยให้เขามีภาษาที่ดีขึ้นในการสื่อสารและเรียกร้องสิทธิ์ให้กับตนเองเวลากับผู้ให้บริการดูแลสุขภาพ ในขณะเดียวกัน Shannon พยาบาลวิชาชีพรายหนึ่ง ได้สะท้อนประสบการณ์ว่าการค้นพบบันทึกในชาร์ตที่ไม่คาดคิดผ่านเครื่องมือนี้ช่วยให้เธอสามารถนำไปติดตามผลต่อกับบุคลากรทางการแพทย์ได้อย่างเหมาะสม</p><p>ในส่วนของประสิทธิภาพเบื้องหลัง OpenAI ระบุว่าฟีเจอร์นี้ขับเคลื่อนด้วยโมเดลรุ่นใหม่ล่าสุดอย่าง GPT-5.5 Instant สำหรับผู้ใช้บริการฟรี และ GPT-5.6 Sol สำหรับผู้ใช้งานในระดับพรีเมียม ซึ่งโมเดล GPT-5.6 Sol ถูกออกแบบมาให้มีความสามารถในการใช้เหตุผลข้ามจุดข้อมูลหลายจุด เช่น แนวโน้มผลตรวจทางห้องปฏิบัติการในระยะยาว โดยผ่านการทดสอบประเมินผลบน HealthBench Professional ร่วมกับแพทย์หลายร้อยรายเพื่อการันตีความแม่นยำและความปลอดภัย</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/openai-pushes-chatgpt-into-patient-health-records/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>OpenAI rolls out a Health feature in ChatGPT for users aged 18 and older on web and iOS</li><li>Connects with Apple Health, US hospital systems, One Medical, or Function Health</li><li>Synced data flows seamlessly into any conversation like meal planning or symptom queries</li><li>Powered by GPT-5.5 Instant and GPT-5.6 Sol, tested and evaluated alongside hundreds of physicians</li></ul></div><p>OpenAI is deploying a Health feature inside ChatGPT, giving users the option to connect Apple Health data and medical records to the chatbot. Logged-in users aged 18 and older can access it now on web and iOS, across the Free, Go, Plus, and Pro tiers.</p><p>Users link Apple Health and, where supported, records from US hospital systems, One Medical, or Function Health. Once synced, ChatGPT can pull medications, lab results, recent visits, sleep data, and activity logs into any conversation in the app, rather than confining that context to a separate section.</p><p>OpenAI ran an earlier version of this idea with a smaller test group, one that required users to open a dedicated health area to get responses grounded in their own data. The company found that more than 70 percent of health-related conversations among that group happened somewhere else entirely, in the middle of meal planning or an unrelated symptom query, not inside the dedicated space built for that purpose.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">70%</span><span class="stat-label">of health chats happened outside the dedicated space</span></div><div class="stat-item"><span class="stat-number">300M+</span><span class="stat-label">weekly health-related queries on ChatGPT</span></div></div><p>That data led to this redesign. Rather than forcing users into a specific mode to get contextual answers, ChatGPT now draws on connected Health information across any conversation, provided the user has granted permission. A person planning a dinner out might get a restaurant suggestion that accounts for a logged dietary restriction, while someone asking about weekend plans might get activity suggestions adjusted for a recent injury noted in their synced records.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/openai_health_apple_health_chatgpt_ms1y3q4w_inline_1_1d60b724b9.jpg" alt="apple health app interface medical data" 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>Integrating personal health data into generative AI represents a major shift from generalized information retrieval toward deeply personalized context analysis. However, data privacy and medical information security remain critical challenges that technology providers must prioritize to safeguard sensitive user data against potential vulnerabilities.</p></div><p>The Health tab in the sidebar still exists, but its role has shifted to being a management hub: connecting accounts, reviewing synced data and trends, browsing suggested prompts, and returning to past health-related chats. OpenAI published numerous accounts from its early access group, and the details are worth weighing against the company&rsquo;s own framing of the tool as support rather than diagnosis.</p><blockquote class="pull-quote"><p>&ldquo;The most useful part has been turning scattered medical history into something I can actually understand and explain.&rdquo;</p><cite>Blake, technical program manager</cite></blockquote><p>Blake, a technical program manager, noted that instead of just seeing disconnected diagnoses, imaging results, and surgery notes, he could understand the bigger pattern and use better language to advocate for himself with providers and trainers. Meanwhile, Shannon, a nurse, described finding an unexpected chart entry through the tool, highlighting how it helped identify something she could appropriately follow up on with healthcare providers.</p><p>OpenAI attributes the feature&rsquo;s viability partly to newer models: GPT&nbsp;5.5 Instant for Free users and GPT&nbsp;5.6 Sol for paid tiers. GPT&nbsp;5.6 Sol is described as the company&rsquo;s strongest health model so far, built for reasoning across multiple data points and validated against rigorous internal evaluations like HealthBench Professional alongside hundreds of physicians.</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/openai-pushes-chatgpt-into-patient-health-records/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_openai-health-apple-health-chatgpt-ms1y3q4w.jpg

small_openai-health-apple-health-chatgpt-ms1y3q4w.jpg

thumbnail_openai-health-apple-health-chatgpt-ms1y3q4w.jpg

openai-health-apple-health-chatgpt-ms1y3q4w.jpg

ผู้ใช้งานอายุ 18 ปีขึ้นไปสามารถเชื่อมต่อข้อมูลเวชระเบียนและ Apple Health เข้ากับ ChatGPT ได้แล้ววันนี้ เพื่อใช้ประโยชน์ในทุกบทสนทนา

Logged-in users aged 18 and older can now connect Apple Health and medical records directly into any ChatGPT conversation.

OpenAI ส่งฟีเจอร์ Health ดึงข้อมูลสุขภาพและ Apple Health มารวมในแชท ChatGPT

OpenAI pushes ChatGPT into patient health records

<div class="key-takeaways"><ul><li>บริษัทและองค์กรกว่า 24 แห่งร่วมลงนามในจดหมายเปิดผนึกถึงผู้กำหนดนโยบายสหรัฐฯ</li><li>รายชื่อผู้ลงนามมีทั้ง Meta, Microsoft, Nvidia, IBM, Dell และคู่แข่งทางการค้าอื่น ๆ</li><li>จดหมายชี้ว่าโมเดลแบบปิดสร้างจุดเปราะบางแบบจุดเดียว และจำกัดการเข้าถึงของนักวิจัยภายนอก</li><li>ผู้ร่วมลงนามสนับสนุนให้ใช้กลไกทางกฎหมายแก้ปัญหาการละเมิดแทนการแบนเทคนิคการกลั่นความรู้ (Distillation)</li></ul></div><p>บริษัทและองค์กรชั้นนำรวมกว่า 24 แห่งได้ร่วมกันลงชื่อในจดหมายเปิดผนึก เรียกร้องให้ผู้กำหนดนโยบายของสหรัฐอเมริกาปกป้องโมเดลปัญญาประดิษฐ์แบบเปิดน้ำหนัก (Open-Weight AI) ไม่ให้ถูกจำกัดสิทธิ์หรือถูกแบนโดยมาตรการที่เข้มงวดเกินไป</p><p>จดหมายฉบับดังกล่าวเผยแพร่เมื่อเร็ว ๆ นี้ โดยมีรายชื่อผู้สนับสนุนจากองค์กรที่มีทั้งความเป็นคู่แข่งทางการค้าโดยตรงและกลุ่มที่มีรูปแบบธุรกิจแตกต่างกันอย่างสิ้นเชิง เช่น Meta, Microsoft, Nvidia, IBM, Dell Technologies, CrowdStrike, Palantir, ServiceNow, Hugging Face, Perplexity, Mistral, Andreessen Horowitz, Y Combinator, Linux Foundation และ Mozilla</p><p>ใจความสำคัญของจดหมายฉบับนี้เป็นการเปรียบเทียบระหว่างกระบวนการเคลื่อนไหวซอฟต์แวร์โอเพนซอร์สในยุค 1980 กับการต่อสู้ในปัจจุบัน ว่าน้ำหนักของโมเดล AI ควรจะหมุนเวียนอย่างอิสระหรือควรถูกล็อกไว้หลังระบบ API เชิงพาณิชย์กันแน่ โมเดลแบบ Open-Weight คือระบบ AI ที่มีการเผยแพร่พารามิเตอร์ที่ผ่านการฝึกฝนแล้ว เพื่อให้ใครก็ตามสามารถดาวน์โหลด ตรวจสอบ แก้ไข และรันบนฮาร์ดแวร์ของตนเองได้ ซึ่งแตกต่างจากโมเดลแบบปิดจากบริษัทผู้นำตลาดอย่าง OpenAI หรือ Anthropic ที่ผู้ใช้เข้าถึงได้ผ่าน API เท่านั้น</p><div class="ai-insight"><p>การที่ยักษ์ใหญ่ระดับโลกอย่าง Meta, Microsoft และ Nvidia มารวมตัวกันในประเด็นนี้ สะท้อนให้เห็นว่าพวกเขามองเห็นประโยชน์ร่วมกันในการกระจายตัวของ AI เนื่องจากโมเดลแบบเปิดช่วยกระตุ้นความต้องการฮาร์ดแวร์และการประมวลผล ไม่ว่าโมเดลนั้นจะถูกพัฒนาโดยห้องปฏิบัติการใดก็ตาม ซึ่งต่างจากโมเดลปิดที่ผูกขาดการประมวลผลไว้ในโครงสร้างพื้นฐานของตนเอง</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_open_weight_ms1y362g_inline_1_34ba458a25.jpg" alt="datacenter computer chips AI hardware" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ผู้ลงนามระบุว่า โมเดลแบบเปิดคือกลไกสำคัญที่ช่วยกระจายขีดความสามารถของ AI ให้ก้าวข้ามจากห้องปฏิบัติการที่มีทุนหนา ไปสู่การใช้งานจริงในโรงพยาบาล โรงเรียน ฟาร์ม และธุรกิจในชุมชนทั่วไป นอกจากนี้ ในส่วนที่เกี่ยวกับความปลอดภัย พวกเขาโต้แย้งว่าระบบปิดไม่ได้ปลอดภัยกว่าโดยธรรมชาติ เนื่องจากสามารถถูกเจาะระบบ ถูกใช้งานในทางที่ผิด หรือเกิดความผิดพลาดที่นักวิจัยภายนอกไม่สามารถตรวจสอบได้ การรวบรวมขีดความสามารถไว้ที่ผู้ให้บริการแบบปิดจำนวนน้อยรายจึงเป็นการสร้างจุดอ่อนเดี่ยว (Single Point of Failure) มากกว่าการกำจัดมันทิ้ง</p><p>อีกหนึ่งประเด็นสำคัญในจดหมายคือการปกป้องเทคนิคการกลั่นความรู้ (Distillation) ซึ่งเป็นกระบวนการที่นำเอาผลลัพธ์จากโมเดลหนึ่งมาใช้ฝึกฝนหรือพัฒนาโมเดลตัวที่สอง ซึ่งเป็นวิธีปฏิบัติมาตรฐานในวงการแมชชีนเลิร์นนิง โดยจดหมายระบุว่าควรแก้ปัญหาการนำไปใช้โดยไม่ได้รับอนุญาตด้วยกลไกทางกฎหมายและการค้าที่เจาะจง แทนที่จะเป็นการจำกัดวงกว้าง</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/meta-microsoft-nvidia-ibm-others-back-open-weight-ai/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>Two dozen companies and organisations signed an open letter to US policymakers urging protection for open-weight AI.</li><li>Signatories include direct commercial rivals such as Meta, Microsoft, Nvidia, IBM, and Dell.</li><li>The letter argues that closed models create single points of failure and block independent security oversight.</li><li>Signatories advocate for addressing model misappropriation via targeted legal measures rather than banning distillation.</li></ul></div><p>Two dozen companies and organisations have signed an open letter urging US policymakers to protect open-weight AI models from restrictive regulations.</p><p>The letter carries signatures from a diverse group that spans direct commercial rivals and organisations with distinct business models, including Meta, Microsoft, Nvidia, IBM, Dell Technologies, CrowdStrike, Palantir, ServiceNow, Hugging Face, Perplexity, Mistral, Andreessen Horowitz, Y Combinator, the Linux Foundation, and Mozilla.</p><p>The argument centres on drawing a parallel between the open-source software movement of the 1980s and the modern debate over whether AI model weights should circulate freely or remain locked behind commercial APIs. Open-weight models are AI systems where trained parameters are published for anyone to download, inspect, modify, and run locally, distinguishing them from closed frontier products offered strictly via API access.</p><div class="ai-insight"><p>The unusual alliance of major hardware providers and software platforms highlights a shared economic interest. Infrastructure giants like Nvidia, IBM, and Dell benefit directly from a flourishing open-weight ecosystem because a wider array of deployable models drives higher demand for compute and cloud services, regardless of which lab trains the weights.</p></div><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/ai_open_weight_ms1y362g_inline_1_34ba458a25.jpg" alt="datacenter computer chips AI hardware" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>The signatories frame open weights as the essential mechanism for spreading AI capabilities beyond a handful of well-capitalised labs into everyday workflows across factories, hospitals, farms, and classrooms. Addressing security directly, the letter argues that closed models are not inherently safer because they can still be breached or fail in ways external researchers cannot observe, effectively concentrating advanced capabilities into single points of failure.</p><p>Furthermore, the letter carves out space for the controversial technique of distillation, where one model's outputs help train another. Rather than imposing blanket restrictions on standard machine learning practices, the signatories suggest addressing any potential misappropriation through targeted legal and commercial mechanisms.</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/meta-microsoft-nvidia-ibm-others-back-open-weight-ai/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_article-351.jpg

small_article-351.jpg

thumbnail_article-351.jpg

article-351.jpg

บริษัทและองค์กรชั้นนำกว่า 24 แห่ง รวมถึง Meta, Microsoft และ Nvidia ร่วมลงชื่อในจดหมายเปิดผนึกปกป้องโมเดลปัญญาประดิษฐ์แบบเปิดน้ำหนัก

Two dozen prominent tech companies and organisations have signed an open letter urging US policymakers to protect open-weight AI models.

กลุ่มบริษัทเทคโนโลยียักษ์ใหญ่รวมตัวหนุน AI แบบ Open-Weight วอนผู้กำหนดนโยบายสหรัฐฯ คุ้มครอง

Meta, Microsoft, Nvidia, IBM, and Others Back Open-Weight AI in Open Letter to US Policy Makers

medium_final-ai.jpg

small_final-ai.jpg

thumbnail_final-ai.jpg

final-ai.jpg

Inewgen

Inewgen

AI

How Insilico Medicine Uses Artificial Intelligence to Shorten Drug Discovery in China

Inewgen

Black Forest Labs Releases FLUX 3: A Multimodal Flow Model for Image, Video, Audio and Robot Action

Inewgen

FAIRChem v2 UMA for Multidomain Atomistic Simulation

Inewgen

Induction Labs Introduces Photon-1 Desktop and Physics Simulation AI

Inewgen

KwaiKAT Releases KAT-Coder-V2.5: An Agentic Coding Model Trained on 100K+ Environments

Inewgen

OpenAI Presence Sells Enterprise AI Agents with Engineers Attached

Inewgen

OpenAI pushes ChatGPT into patient health records

Inewgen

Meta, Microsoft, Nvidia, IBM, and Others Back Open-Weight AI in Open Letter to US Policy Makers

Inewgen

Popular Category