เมื่อคืนนี้ ซิลิคอนวัลเลย์เผชิญศึกเทพแห่ง AI

ผู้เขียน: Max, 01 Founder

บรรณาธิการ: Max

เมื่อคืนนี้ที่ซิลิคอนวัลเลย์เกิดเรื่องใหญ่สามเรื่อง

Google เปิดตัว Gemini 3.8 Flash, Meta เปิดตัว Muse Spark 1.3 และสตาร์ทอัปที่ไม่มีใครพูดถึงมาก่อนอย่าง Mostik ก็ได้ขึ้นสัมภาษณ์พิเศษกับ WIRED สื่อชั้นนำ

ถ้าดูแค่สองเรื่องแรก มันก็เหมือนคืนธรรมดา ๆ ของการแข่ง benchmark AI

Google เพิ่งดัน Gemini ขึ้นอันดับหนึ่งบน DeepSWE ได้ไม่กี่ชั่วโมง Meta ก็ประกาศคะแนนที่สูงกว่า ตำแหน่งอันดับหนึ่งของโลกของ Gemini อยู่ได้แค่ไม่กี่ชั่วโมงเท่านั้น

พอถึงปี 2026 เรื่องแบบนี้คนเริ่มชินชาแล้ว

เปิดตัวโมเดล รีเฟรช benchmark ฉลองบน X ไม่กี่ชั่วโมง แล้วก็รอให้บริษัทถัดไปมาทำลายสถิติต่อ

แต่ถ้าเอาเรื่องทั้งสามเมื่อคืนมารวมกัน ผมว่าสิ่งที่น่าสนใจจริง ๆ ไม่ได้อยู่ที่ตารางคะแนนพวกนั้นเลย

เศรษฐศาสตร์ของ AI กำลังเปลี่ยนแปลงอย่างฉับพลัน

หลายปีที่ผ่านมา เวลาเราคุยเรื่องต้นทุน AI ตัวเลขที่ดูกันบ่อยที่สุดคือราคาต่อล้านโทเคน

แต่พอมีเอเจนต์เกิดขึ้น วิธีการวัดแบบนี้เริ่มใช้การได้น้อยลงเรื่อย ๆ

คำถามสำคัญในอนาคตอาจไม่ใช่ "ล้านโทเคนราคาเท่าไหร่" แต่เป็น "แก้บั๊กหนึ่งตัวราคาเท่าไหร่" "ทำงานวิจัยหนึ่งชิ้นราคาเท่าไหร่" "ให้เอเจนต์ทำงานต่อเนื่องสามชั่วโมงราคาเท่าไหร่"

และเมื่อคืนนี้ ต้นทุนการอนุมานกำลังลดลงพร้อมกันจากหลายทิศทางที่แตกต่างกันโดยสิ้นเชิง

Google กำลังยัดความสามารถระดับ frontier ลงในโมเดลที่ถูกลงเรื่อย ๆ Meta กำลังทำให้เอเจนต์ใช้โทเคนและการเรียกเครื่องมือน้อยลงเพื่อทำงานเดียวกันให้สำเร็จ และ Mostik ก้าวไปไกลกว่านั้น พวกเขาเริ่มตั้งคำถามว่า:

ถ้าทั้งสองฝ่ายที่สื่อสารกันเป็น AI อยู่แล้ว ทำไมโมเดลถึงต้องใช้ภาษาที่ออกแบบมาสำหรับมนุษย์คุยกัน?

PART.01 Gemini กลับมาแล้ว

เริ่มที่ Google ก่อน

Google เปิดตัวโมเดลเรือธงตัวใหม่ Gemini 3.8 Flash ซึ่งทางการเรียกว่าเป็นโมเดลด้านการให้เหตุผลและโค้ดที่ทรงพลังที่สุดเท่าที่เคยมีมา

นี่เป็นการอัปเดตครั้งที่สามของ Google สำหรับตระกูล Flash ภายในระยะเวลาหกสัปดาห์ จาก 3.6 เป็น 3.7 และตอนนี้เป็น 3.8

ภาพจำของ Flash ในอดีตนั้นเรียบง่ายมาก: เร็วกว่า ถูกกว่า แต่ความสามารถด้อยกว่าโมเดลที่เก่งที่สุด

ตอนนี้ Google กำลังค่อย ๆ เปลี่ยนนิยามนั้น

การพัฒนาหลักของ 3.8 Flash ครั้งนี้เน้นไปที่ long-horizon coding และ agentic workflow

บน DeepSWE v1.1 ซึ่งใช้วัดความสามารถด้านวิศวกรรมซอฟต์แวร์ระยะยาวของ AI มันทำคะแนนได้ประมาณ 74%

ความแตกต่างที่ใหญ่ที่สุดระหว่าง DeepSWE กับ benchmark โค้ดแบบดั้งเดิมคือ มันไม่ได้ยื่นโจทย์อัลกอริทึมให้โมเดล แต่เป็นการปล่อยเอเจนต์เข้าไปในคลังโค้ดจริง ๆ

โมเดลต้องเข้าใจปัญหา ค้นหาโค้ด แก้ไขไฟล์ เรียกใช้เครื่องมือ รันเทสต์ และเมื่อล้มเหลวก็ต้องหาสาเหตุต่อไป

งานหนึ่งชิ้นอาจกินเวลาหลายสิบหรือหลายร้อยสเต็ป

ในการทดสอบแบบนี้ Gemini 3.8 Flash เคยขึ้นอันดับหนึ่งของโลก

Claude Opus 5 ก็อยู่ที่ประมาณ 74% เช่นกัน GPT-5.6 Sol อยู่ที่ประมาณ 73% ส่วน Fable 5 ที่เคยนำมาก่อนอยู่ที่ประมาณ 70%

ถ้าดูแค่ความสามารถ โมเดลระดับท็อปเหล่านี้แทบไม่มีความแตกต่างกันมากนัก

สิ่งที่น่ากลัวจริง ๆ คือตัวเลขอีกตัวหนึ่ง: เงิน

ราคาเปิดตัว API ของ Gemini 3.8 Flash ยังคงอยู่ที่อินพุต 0.75 ดอลลาร์ / 1M โทเคน และเอาต์พุต 3.75 ดอลลาร์ / 1M โทเคน

การทำงานหนึ่งชิ้นบน DeepSWE ให้สำเร็จ มีต้นทุนเฉลี่ยเพียง 2.36 ดอลลาร์

เทียบกันแล้ว Claude Opus 5 ที่ได้ประมาณ 74% เท่ากัน มีต้นทุนเฉลี่ยต่อชิ้นงานสูงถึง 11.84 ดอลลาร์ ส่วน GPT-5.6 Sol ที่ได้ประมาณ 73% ก็มีต้นทุนเฉลี่ย 6.46 ดอลลาร์

นั่นหมายความว่า ความสามารถด้านวิศวกรรมซอฟต์แวร์ระดับเดียวกัน มีต้นทุนการทำงานต่างกันได้หลายเท่า

เรื่องนี้จะสำคัญมากในยุคของเอเจนต์

ยุคแชตบอต การตอบครั้งหนึ่งแพงขึ้นหรือถูกขึ้นไม่กี่เซนต์ ผู้ใช้ทั่วไปแทบไม่รู้สึกอะไร

แต่เอเจนต์ต่างออกไปโดยสิ้นเชิง coding agent ตัวหนึ่งอาจทำงานต่อเนื่อง 100 สเต็ป research agent ตัวหนึ่งอาจค้นหาเว็บหลายสิบหน้า อ่านเอกสารหลายร้อยหน้า และในอนาคตเอเจนต์ในองค์กรอาจทำงานต่อเนื่องหลายชั่วโมง

Google ยังระบุด้วยว่า 3.8 Flash เมื่อเจองานซับซ้อนจะทำงานหนักขึ้นเอง โดยทำการอนุมานและเรียกเครื่องมือมากขึ้น

Google ไม่ได้ทำให้โมเดล "คิดน้อยลง" เพื่อประหยัดเงิน แต่เพราะโทเคนถูกพอแล้ว จึงปล่อยให้มันรันลูปยาวขึ้นได้

ดังนั้นผมคิดว่าจุดสำคัญจริง ๆ ของ 3.8 Flash ไม่ใช่การคว้าอันดับหนึ่งของโลกอีกครั้ง

แต่คือการที่มันกำลังบีบความสามารถที่เมื่อก่อนมีแต่ frontier model แพง ๆ เท่านั้นที่ให้ได้ ลงมาให้อยู่ในช่วงราคาของ Flash

PART.02 สามชั่วโมงครึ่งต่อมา Meta ก็กลับมา

ระหว่างที่ทีม Google กำลังฉลองการเปิดตัว Gemini 3.8 Flash อยู่ Meta ก็โต้กลับทันที

Meta เปิดตัวโมเดล Muse Spark 1.3 แบบไม่ทันตั้งตัว

ตามผลประเมินที่ Meta ประกาศ Muse Spark 1.3 ทำคะแนนบน DeepSWE v1.1 ได้ถึง 75.4%

ตัวเลขนี้แซง Gemini 3.8 Flash, Claude Opus 5 และ GPT-5.6 Sol

ที่ยิ่งไปกว่านั้นคือ Muse Spark 1.2 ทำคะแนนในการทดสอบนี้ได้เพียงประมาณ 55%

จาก 1.2 เป็น 1.3 การอัปเดตเวอร์ชันย่อยครั้งเดียวเพิ่มขึ้นประมาณ 20 จุดเปอร์เซ็นต์

แต่ผมคิดว่าสิ่งที่ Meta ทำครั้งนี้ที่น่าดูจริง ๆ ก็ไม่ใช่ 75.4% เช่นกัน

ยังมีตัวเลขอีกสองตัว: การเรียกเครื่องมือลดลงประมาณ 20% และการใช้โทเคนลดลงประมาณ 25%

เรื่องนี้ถูกมองข้ามได้ง่าย แต่มันใกล้เคียงกับคำถามที่สำคัญที่สุดหลังจากเอเจนต์ถูกนำไปใช้เชิงพาณิชย์จริง ๆ

จุดที่เอเจนต์เปลืองเงินที่สุดหลายครั้งไม่ใช่การคิดปกติ แต่เป็นการออกนอกลู่นอกทาง

เช่น coding agent เข้าใจความต้องการผิดในสเต็ปที่ 20 มันอาจแก้ไฟล์ต่ออีกห้าไฟล์ รันเทสต์สามรอบ ค้นหาโค้ดจำนวนมาก แล้วสุดท้ายเพิ่งรู้ว่าแนวทางผิด แล้วเริ่มใหม่ทั้งหมด

การเรียกเครื่องมือหลายสิบครั้งและโทเคนหลายหมื่นก็สูญเปล่าไปแบบนั้น

ดังนั้นถ้าโมเดลสามารถตรวจพบความคลุมเครือของงานได้เร็วขึ้น รู้ตัวเร็วขึ้นว่าทำต่อไม่ได้ และถามผู้ใช้เร็วขึ้น นั่นก็คือการลดต้นทุนโดยตรง

ความสามารถหลายอย่างที่ Muse Spark 1.3 เสริมมาในครั้งนี้อยู่ในกลุ่มนี้: มันสามารถรักษาเวิร์กโฟลว์หลายตัวพร้อมกันในเธรดยาว ๆ ได้ ถามเองเมื่อเจองานคลุมเครือ ขอความช่วยเหลือเองเมื่อแก้ปัญหาไม่ได้ ยืนยันก่อนเมื่อเกี่ยวข้องกับการกระทำที่ย้อนกลับไม่ได้ และเมื่อทำงานยาวหลายรอบก็ลืมข้อจำกัดตั้งแต่ต้นได้ยากขึ้น

Meta เริ่มเน้นย้ำถึงการรับรู้ขอบเขตความสามารถของโมเดล: รู้ว่าตัวเองทำอะไรได้ และรู้ว่าตัวเองทำอะไรไม่ได้

ความสามารถเหล่านี้ในยุคแชตบอตอาจไม่น่าดึงดูดเท่าคะแนน benchmark ที่เพิ่มขึ้น 20 คะแนน แต่พอถึงยุคเอเจนต์ มันแปลงเป็นเงินได้โดยตรง

เอเจนต์ทำผิดน้อยลงหนึ่งครั้ง ก็คือการเพิ่มประสิทธิภาพการอนุมานหนึ่งครั้ง

ดังนั้นถ้ามอง Google กับ Meta คู่กัน หน่วยวัดการแข่งขันของโมเดลขนาดใหญ่กำลังเปลี่ยนไปอย่างเงียบ ๆ

ต่อไปคนอาจสนใจน้อยลงเรื่อย ๆ ว่า "ล้านโทเคนราคาเท่าไหร่" แต่จะสนใจตัวเลขอีกตัวมากขึ้น:

การรันงานจริงหนึ่งชิ้นตั้งแต่ต้นจนจบ ราคาเท่าไหร่กันแน่

PART.03 Mostik ความก้าวหน้าที่พลิกโฉม

ถ้า Google กับ Meta ยังศึกษาวิธีทำงานให้สำเร็จด้วยโทเคนที่ถูกกว่าและน้อยกว่า Mostik เริ่มแตะคำถามที่ลึกกว่านั้น:

ทำไมโทเคนเหล่านี้ต้องมีอยู่ตั้งแต่แรก?

Mostik ในภาษารัสเซียแปลว่า "สะพาน"

CEO Sasha Malysheva เป็นผู้พัฒนาหลักของวิธีการนี้ ส่วนหัวหน้านักวิทยาศาสตร์คือศาสตราจารย์จากมหาวิทยาลัยเจนีวาและผู้ชนะเหรียญฟิลด์สปี 2010 Stanislav Smirnov

พวกเขากำลังพยายามทำสิ่งที่ฟังดูเรียบง่ายแต่จริง ๆ แล้วยากอย่างยิ่ง: ทำให้โมเดล AI สองตัวไม่ต้องสื่อสารกันผ่านภาษาธรรมชาติอีกต่อไป

ทุกวันนี้ระบบ Multi-Agent ส่วนใหญ่ทำงานแบบนี้:

Model A ได้ข้อมูลบางอย่างมา ก็สร้างโทเคนหลายร้อยหรือหลายพันตัวขึ้นมาก่อน แล้วพูดข้อสรุปของตัวเองออกมาเป็นภาษาธรรมชาติ จากนั้น Model B ก็อ่านข้อความทั้งหมดเข้าไป ทำความเข้าใจใหม่และสร้างการแทนค่าภายในของตัวเอง แล้วค่อยอนุมานต่อ

แต่ปัญหาคือ สิ่งที่โมเดลขนาดใหญ่ใช้คำนวณจริง ๆ ภายในไม่ใช่ภาษาจีนหรือภาษาอังกฤษ แต่เป็น:

การแทนค่าทางคณิตศาสตร์แบบต่อเนื่องในมิติสูง

มันเหมือนกับคอมพิวเตอร์สองเครื่องที่ส่งข้อมูลตรง ๆ ได้อยู่แล้ว แต่คอมพิวเตอร์ A กลับพิมพ์ไฟล์ออกมาเป็นกระดาษหลายร้อยหน้า แล้วให้คอมพิวเตอร์ B ใช้กล้องถ่าย OCR กลับไปทีละหน้า

ที่ผ่านมาทุกคนพยายามหาทางลดค่าพิมพ์ แต่ Mostik อยากทิ้งเครื่องพิมพ์ไปเลย

พวกเขาพยายามสร้างสะพานเชื่อมระหว่างการแทนค่าภายในของโมเดลต่าง ๆ เพื่อให้โมเดลแลกเปลี่ยน latent representation กันโดยตรง แทนที่จะสร้างภาษาธรรมชาติก่อน

การทดลองหนึ่งที่ WIRED สื่อชั้นนำของซิลิคอนวัลเลย์เปิดเผยออกมาน่าสนใจมาก

Mostik เชื่อม GLM-5.2 753B เวอร์ชันเต็มเข้ากับ Qwen 3.5 ขนาดเพียง 4B ที่รันบนอุปกรณ์พกพาได้

ระบบไฮบริดที่ได้มีความสามารถอยู่ระหว่างสองโมเดล แต่ต้นทุนการอนุมานเหลือเพียง 1/20 ของ GLM-5.2 เวอร์ชันเต็ม

แน่นอนว่า ตอนนี้จะบอกว่า Mostik แก้ปัญหาการสื่อสารระหว่างโมเดลได้แล้วคงเร็วเกินไป

การสื่อสารแบบแฝงเองก็ไม่ใช่เรื่องใหม่ที่เพิ่งเกิดเมื่อคืนนี้ หลายปีที่ผ่านมามีงานวิจัยจำนวนไม่น้อยที่พยายามแลกเปลี่ยนการแทนค่าภายใน เช่น embedding, hidden state, KV cache

สิ่งที่ยากจริง ๆ คือ โมเดลแต่ละตัวมีสถาปัตยกรรม พารามิเตอร์ ข้อมูลเทรน และระบบพิกัดภายในที่ต่างกัน การทำให้โมเดลสองตัวเข้าใจ latent space ของกันและกันได้จริง ๆ เป็นปัญหาที่ยากมาก

Smirnov เองก็ยอมรับว่า ตอนนี้ยังขาดภาษาทางคณิตศาสตร์ที่สมบูรณ์พอจะอธิบายการแทนค่าร่วมระหว่างโมเดลต่าง ๆ ได้

แต่ตัวเลข 1/20 นี้ก็ทำให้ผมตื่นเต้นมาก

เพราะมันทำให้ผมเริ่มคิดอย่างจริงจังถึงสถาปัตยกรรม AI ในอนาคตที่แตกต่างไปอย่างสิ้นเชิง

PART.04 อนาคตคุณอาจต้องการแค่โมเดล 0.xB ตัวเดียว

สองปีที่ผ่านมา เวลาคุยเรื่อง AI บนอุปกรณ์ เราพยายามหาทางยัดโมเดลที่ใหญ่ขึ้นลงในมือถือมาตลอด: 7B, 4B, 3B, 1B กลั่น ควอนไทซ์ บีบอัดกันไม่หยุด

แต่ถ้าแนวทางของ Mostik ใช้ได้จริงในที่สุด ผมคิดว่ามือถือในอนาคตอาจไม่จำเป็นต้องมีโมเดลใหญ่ที่ "ทำได้ทุกอย่าง" เลย

อุปกรณ์ของคุณอาจต้องรันแค่โมเดลเล็กขนาด 0.xB หรือไม่กี่ B

มันถูกมาก รันต่อเนื่องได้ รับผิดชอบการทำความเข้าใจว่าคุณอยู่แอปไหน เพิ่งทำอะไรมา อุปกรณ์อยู่ในสถานะไหน และจัดการงานง่าย ๆ ที่เกิดบ่อยส่วนใหญ่

พอเจองานยากจริง ๆ ค่อยเรียกโมเดลใหญ่ระยะไกลผ่านการสื่อสารในปริภูมิแฝง

แต่ข้อแตกต่างสำคัญคือ มันไม่ต้องส่ง Context หนึ่งแสนโทเคนทั้งหมดขึ้นคลาวด์ใหม่ ให้โมเดลระยะไกลอ่านตั้งแต่ต้นเหมือนทุกวันนี้

มันอาจส่งแค่ latent state ที่ถูกบีบอัดอย่างหนักช่วงหนึ่ง

เมื่อโมเดลใหญ่ระยะไกลอนุมานงานซับซ้อนเสร็จ ก็ไม่จำเป็นต้องสร้างคำอธิบายภาษาธรรมชาติหลายพันโทเคนให้โมเดลท้องถิ่น แต่ส่งการแทนค่าภายในใหม่กลับมาโดยตรง

แบบนี้ โมเดลเล็กในเครื่องรับผิดชอบงานถี่ ถูก และรันต่อเนื่อง ส่วนโมเดลระดับแนวหน้าบนคลาวด์รับผิดชอบเฉพาะงานที่เกิดน้อยแต่ยากจริง ๆ แล้วคั่นกลางด้วยสะพานเชื่อมบางอย่างที่สื่อสารอย่างมีประสิทธิภาพ

ถ้าอนาคตทำแบบนี้ได้จริง ต้นทุนการอนุมานที่ลดลงอาจไม่ใช่แค่ API ถูกลง 30% หรือ 50% เหมือนทุกวันนี้

มันอาจเปลี่ยนวิธีที่เราจัดระเบียบการคำนวณ AI เอง

PART.05 บทส่งท้าย

มองย้อนกลับไปเมื่อคืนนี้ ผิวเผินคือข่าวสามเรื่องที่แตกต่างกันโดยสิ้นเชิง

Google เปิดตัว Gemini 3.8 Flash ยัดความสามารถระดับแนวหน้าลงในช่วงราคาของ Flash;

Meta เปิดตัว Muse Spark 1.3 ทำให้เอเจนต์ใช้โทเคนและการเรียกเครื่องมือน้อยลงแต่ทำงานได้มากขึ้น;

ส่วน Mostik ก้าวไปไกลกว่านั้น เริ่มพยายามทำให้โทเคนบางส่วนระหว่างโมเดลไม่ต้องถูกสร้างขึ้นตั้งแต่แรก

ทั้งหมดชี้ไปที่การเปลี่ยนแปลงเดียวกัน:

ความฉลาดกำลังถูกลงอย่างรวดเร็วอย่างน่าตกใจ

และการถูกลงนี้ไม่ใช่แค่ราคาต่อหน่วยของ API ที่ลดลง

ราคาโมเดลลดลง ปริมาณการคำนวณที่ต้องใช้ทำงานหนึ่งชิ้นลดลง ตอนนี้แม้แต่วิธีแลกเปลี่ยนข้อมูลระหว่างโมเดลก็เริ่มถูกออกแบบใหม่

ผลกระทบสุดท้ายของเรื่องนี้อาจใหญ่กว่าคะแนน benchmark ที่เพิ่มขึ้นอีกไม่กี่จุดเปอร์เซ็นต์มาก

เพราะเทคโนโลยีหลายอย่างที่ระเบิดจริง ๆ ไม่เคยเกิดตอน "ใช้ได้ครั้งแรก" แต่เกิดตอน "ถูกพอที่จะใช้ได้ตามใจชอบ"

วันนี้การให้เอเจนต์ตัวหนึ่งใช้เงินหลายสิบดอลลาร์ทำงานเล็ก ๆ ของคนธรรมดาอาจไม่คุ้มเลย

ถ้าอนาคตเหลือแค่ไม่กี่เซนต์ แอปพลิเคชันจำนวนมากที่วันนี้ไม่มีใครคิดจะทำก็จะเกิดขึ้นได้ทันที

วันนี้เราไม่สามารถให้เอเจนต์หลายสิบตัวรันรอบตัวคนคนหนึ่งตลอด 24 ชั่วโมงได้ แต่ถ้าต้นทุนการอนุมานลดลงอีกหนึ่งถึงสองอันดับ มันอาจกลายเป็นสถานะตั้งต้น

ตอนนี้เจ็ดโมงเช้าแล้ว จริง ๆ ผมควรนอนไปตั้งแต่หลายชั่วโมงก่อน

แต่ Gemini เปิดตัวเสร็จ Meta ก็ไล่ตามมาอีกไม่กี่ชั่วโมงต่อมา แล้วผมก็มาเห็นการทดลอง 1/20 ของ Mostik

พอนอนลงบนเตียง สมองก็คิดเรื่องพวกนี้ไม่หยุด คิดถึงโมเดล 0.xB ในมือถือ คิดถึงโมเดลใหญ่บนคลาวด์ คิดว่าพวกมันอาจไม่ต้องคุยกันด้วยภาษาธรรมชาติอีกต่อไป

ยิ่งคิดยิ่งนอนไม่หลับ สุดท้ายก็ลุกขึ้นมาเขียนบทความนี้จนจบ

74% ของ Gemini และ 75.4% ของ Muse อีกไม่กี่วันอาจมีตัวเลขใหม่มาทับ

แต่ตอนนี้ผมสงบความตื่นเต้นนี้ลงยากจริง ๆ

เพราะมากกว่าว่าใครจะคว้าอันดับหนึ่งของโลกอีกครั้ง ผมสนใจคำถามอีกข้อมากขึ้นเรื่อย ๆ:

AI ที่ฉลาดขนาดนี้ สุดท้ายจะถูกลงได้ถึงแค่ไหนกัน?

เมื่อความฉลาดอันทรงพลังถูกลงจนเรียกใช้ได้ตามใจชอบจริง ๆ ผมคิดว่าผลิตภัณฑ์ AI หลายอย่างที่วันนี้ดูบ้าบอมาก อาจเพิ่งเริ่มต้นเท่านั้น