สรุปข่าว AI ประจำวันที่ 24 ก.ย. 2026
โมเดลนิรนาม Space Bunny Alpha โผล่บน OpenRouter พร้อม context 1M, Google เปิดตัว Gemini 3.8 Flash TTS ที่ออกแบบเสียงใหม่ได้ด้วยคำสั่งภาษาธรรมชาติ และ ChatGPT Voice ใช้ปลั๊กอินกับ GPT-6 ได้แล้ว

วันนี้มีโมเดลนิรนามชื่อ Space Bunny Alpha ขึ้นบน OpenRouter และ OpenCode โดยรับ context ได้ 1 ล้าน token รับภาพและวิดีโอ และใช้ฟรีได้ช่วงหนึ่ง ฝั่ง Google เปิดตัวโมเดลแปลงข้อความเป็นเสียงสองรุ่นในตระกูล Gemini 3.8 ที่สร้างเสียงตัวละครใหม่ได้จากคำบรรยาย ส่วน OpenAI อัปเกรด ChatGPT Voice ให้เรียกใช้อีเมล ปฏิทิน และ Slack ได้ด้วยเสียง และเลือกใช้โมเดลตระกูล GPT-6 ได้
ข่าวเด่น
โมเดลนิรนาม Space Bunny Alpha โผล่บน OpenRouter และ OpenCode

OpenRouter เพิ่มโมเดล stealth ชื่อ Space Bunny Alpha ซึ่งผู้พัฒนาขอไม่เปิดเผยชื่อในช่วงพรีวิว หน้าโมเดลระบุว่าตอบเร็ว เขียนโค้ดเก่ง รับอินพุตได้หลายแบบ ปรับระดับการคิด (reasoning effort) ได้ และมี context window 1 ล้าน token โดยตอนนี้ตั้งราคาเป็น Free ทั้งฝั่ง input และ output ด้าน OpenCode โพสต์ว่าใช้ Space Bunny ได้ฟรีตลอดสัปดาห์หน้า และ OpenRouter เตือนว่าผู้ให้บริการอาจเก็บ prompt และคำตอบไว้ แต่จะไม่นำไปเทรนโมเดล
ที่มา: openrouter.ai
Google เปิดตัว Gemini 3.8 Flash TTS และ Gemini 3.8 Flash-Lite TTS

Google ออกโมเดลแปลงข้อความเป็นเสียงสองรุ่น ได้แก่ Gemini 3.8 Flash TTS ที่เน้นการกำกับเสียงและออกแบบตัวละคร กับ Gemini 3.8 Flash-Lite TTS ที่เน้นงานปริมาณมากอย่างการพากย์เสียงในราคาประหยัด รุ่น Flash สร้างเสียงใหม่ได้จากคำบรรยายใน 100 กว่าภาษาและสำเนียง มีคลังเสียงพร้อมใช้กว่า 2,000 เสียง และจำลองเสียงได้จากตัวอย่างยาว 30 วินาทีโดยมีระบบยืนยันการยินยอม พร้อมลายน้ำ SynthID Google ระบุว่ารุ่น Flash ได้อันดับ 1 บน Voice Design Benchmark ของ Hume AI ด้วยคะแนน 71.4 ทั้งสองรุ่นใช้ได้ใน Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook และ Google Vids
ที่มา: blog.google
ChatGPT Voice ใช้ปลั๊กอินและโมเดล GPT-6 ได้แล้ว

OpenAI อัปเกรด ChatGPT Voice ให้เรียกใช้ปลั๊กอินอย่างอีเมล ปฏิทิน และ Slack ได้ และเลือกให้ GPT-6 Astra, Sol หรือ Luna เป็นโมเดลเบื้องหลังได้ นอกจากนี้ยังใช้ Voice ใน ChatGPT Work ได้ทั้งบนเว็บและมือถือ เพื่อสร้างเอกสาร สไลด์ เว็บไซต์ สเปรดชีต หรือสั่งงานในเบราว์เซอร์ด้วยการพูด ฟีเจอร์นี้เริ่มทยอยเปิดทั่วโลกในแอปเวอร์ชันล่าสุด
ที่มา: x.com
เครื่องมือนักพัฒนา
Claude Code cloud sessions เปิดใช้เต็มรูปแบบ แจกเครดิตให้สมาชิกเดิม

Cloud sessions ของ Claude Code พ้นช่วง research preview แล้ว ฟีเจอร์นี้รันบนเซิร์ฟเวอร์ของ Anthropic จึงให้ Claude ทำงานต่อได้แม้ปิดแล็ปท็อป เริ่มได้จาก claude.ai/code, แท็บ Code ในแอปมือถือ, แอปเดสก์ท็อป หรือคำสั่ง claude --cloud ใน CLI สมาชิกเดิมได้เครดิตทดลองครั้งเดียว $100 สำหรับแพ็กเกจ Pro และ $250 สำหรับ Max ซึ่งแยกจากโควตาปกติ รับได้ด้วย /claim-credit ต้องเชื่อม GitHub และต้องรับภายใน 7 ต.ค.
ที่มา: x.com
โมเดลใหม่
Qwen เปิดตัวโมเดลเสียง Qwen-Audio-3.1 ห้ารุ่น พร้อมลดราคา

ทีม Qwen ออกโมเดลเสียงห้ารุ่นในชุด Qwen-Audio-3.1 ครอบคลุมการถอดเสียง (ASR) การสังเคราะห์เสียง (TTS) และการคุยแบบเรียลไทม์ พร้อมรุ่นใหม่ Qwen-Audio-3.1-TTS-Next ที่สร้างเสียงพูด เสียงประกอบ และเสียงบรรยากาศไปพร้อมกัน กับ Qwen-Audio-3.1-ASR-Next ที่เข้าใจเสียงทั้งหมดในคลิป ไม่ใช่แค่คำพูด รุ่น ASR รองรับ 30 ภาษาและภาษาถิ่นจีน 16 แบบ ตอบคำแรกในราว 160 มิลลิวินาที ราคาลดลงทั้งไลน์ โดย TTS ลดราคาราว 70% Realtime ราว 85% และ ASR 95% ตอนนี้ API เปิดแล้วสี่รุ่น ส่วน ASR-Next จะตามมา
ที่มา: mp.weixin.qq.com
iFlytek เปิดตัว Spark-ASR-2.0 เริ่มใช้ในแอปคีย์บอร์ดของตัวเอง

iFlytek เปิดตัว Spark-ASR-2.0 โมเดลถอดเสียงรุ่นใหม่ที่ต่อยอดจากโมเดลเสียงพื้นฐาน Spark-Audio-1.0-Preview บริษัทระบุว่าแม่นขึ้นชัดเจนกับประโยคที่ผสมจีนกับอังกฤษ ภาษาถิ่น เสียงรบกวนดัง และเสียงเบา และจัดข้อความให้อ่านลื่นขึ้นโดยตัดคำฟุ่มเฟือยออก ขณะที่ต้นทุนการประมวลผลเพิ่มจากรุ่น 1.0 เพียง 10% โมเดลนี้ทยอยขึ้นในแอป iFlytek Input Method และเปิดเป็น API ผ่าน iFlytek Open Platform
ที่มา: iflytekresearch.iflytek.com
Alibaba เปิดซอร์ส Logics-Parsing-V3 อ่านเอกสารยาวข้ามหลายหน้า

Logics-Parsing-V3 เป็นโมเดล vision-language ขนาด 0.8B ที่ขยายจากการอ่านเอกสารทีละหน้าไปเป็นการแยกโครงสร้างเอกสารยาวทั้งเล่ม โมเดลส่งต่อ "สถานะโครงสร้าง" แบบย่อข้ามหน้า จึงรักษาบริบทของเอกสารได้โดยไม่ต้องใส่ทั้งเล่มใน context เดียว และยังเชื่อมหัวข้อ ต่อองค์ประกอบที่ขาดข้ามหน้า และอ่านสูตรวิทยาศาสตร์กับสัญลักษณ์เคมีได้ ทีมรายงานว่าได้คะแนน Overall สูงสุดบน MPDocBench เมื่อเทียบกับโมเดลในการทดสอบ
ที่มา: github.com
Fireworks เปิดตัว Ember-1 ใช้ token น้อยลง 40% แต่คุณภาพเท่า Kimi K3

Fireworks Research เปิดตัว Ember-1 โมเดลที่เทรนต่อจาก Kimi K3 ให้คิดสั้นลง บริษัทระบุว่าได้คุณภาพระดับ Kimi K3 โดยใช้ token น้อยลง 40% และจากเจ็ดเบนช์มาร์กกับทราฟฟิกจริงของลูกค้าสองราย พบว่าตัดการคิดของ K3 ลงได้ 35–50% โดยความแม่นไม่ลด ทีมทดลองเทรนมากกว่า 50 รอบและประเมินผลมากกว่า 200 ครั้งบน Fireworks Serverless Training ตอนนี้ Ember-1 เปิดเป็น Research Preview บน Serverless ให้ใช้ได้สองสัปดาห์ และจะเปิดถาวรหากนักพัฒนาต้องการ
ที่มา: fireworks.ai
Black Forest Labs ปล่อย FLUX 3 Action โมเดลควบคุมหุ่นยนต์แบบ open-weight

FLUX 3 Action เป็น world-action model ขนาด 7B ที่พัฒนาต่อจาก FLUX 3 ซึ่งเทรนด้วยวิดีโอ ภาพ และเสียงจำนวนมาก บนลีดเดอร์บอร์ด RoboLab ได้อัตราสำเร็จ 38.3% สูงกว่า Cosmos 3 Nano ที่ 36.8% และรุ่น guidance-distilled ทำได้ 42.2% เมื่อรันแบบ FP8 เร็วกว่า Cosmos 3 Nano 1.52–3.95 เท่า Black Forest Labs เผยแพร่รายงานกระบวนการเทรนทั้งหมดมาพร้อม weights
ที่มา: bfl.ai
NVIDIA เปิดโมเดลแยกผู้พูด Nemotron 3 Diarization

Nemotron 3 Diarization เป็นโมเดล open-weight ขนาด 100M พารามิเตอร์ที่บอกได้ว่าใครพูดช่วงไหน รองรับผู้พูดสูงสุด 8 คน ใช้ได้ทั้งแบบสตรีมมิ่งและไฟล์ที่อัดไว้ และรับมือกับช่วงที่หลายคนพูดทับกันได้ โมเดลนี้อยู่อันดับ 1 บน Diarization-Bench ของ VoiceArena ด้วย Diarization Error Rate 14.72% และขยายจาก Streaming Sortformer รุ่นก่อนที่รองรับได้ 4 คน
ที่มา: huggingface.co
Fish Audio เปิดตัว Drama 3 (preview) คุมเสียงด้วยภาษาธรรมดา

Fish Audio เรียก Drama 3 (preview) ว่าเป็นโมเดล TTS ที่ควบคุมได้มากที่สุดเท่าที่เคยมี ผู้ใช้บรรยายโทนเสียง จังหวะ และตัวละครเป็นภาษาธรรมดาได้โดยไม่ต้องใช้ audio tag เปลี่ยนน้ำเสียงกลางประโยค สร้างฉากที่มีหลายตัวละคร หรือแก้เสียงเฉพาะคำเดียวได้ นักพัฒนาเรียกใช้ผ่าน API ด้วยชื่อโมเดล drama-3-preview
ที่มา: x.com
แอปและผลิตภัณฑ์
แอป Claude บนมือถือรองรับหลายบัญชีแล้ว

Robert Bye โพสต์ว่าแอป Claude บนมือถือรองรับการใช้หลายบัญชีแล้ว วิดีโอในโพสต์แสดงเมนู Accounts ที่สลับไปมาระหว่างบัญชีได้โดยไม่ต้องออกจากระบบ
ที่มา: x.com
Gemini เชื่อมแอปใหม่ได้อีก 13 แอป

Google เริ่มทยอยเปิด Connected Apps ชุดใหม่ใน Gemini ซึ่งบัญชีทางการของ Gemini บอกว่ามี 13 แอป บล็อกของ Google แบ่งเป็นกลุ่มงาน เช่น Airtable, Linear, monday.com และ Zoho กลุ่มงานสร้างสรรค์ เช่น Adobe, Picsart และ Webflow และกลุ่มไลฟ์สไตล์ เช่น Peloton และ SeatGeek เชื่อมได้ในหน้าตั้งค่าของ Gemini หรือพิมพ์ @ ชื่อแอปในแชต
ที่มา: blog.google
Google Flow เพิ่มเครื่องมือใหม่ 6 ตัวที่ครีเอเตอร์สร้างเอง

Google ร่วมกับครีเอเตอร์สายสถาปัตยกรรม ออกแบบเสียง และคอนเทนต์ดิจิทัล สร้างเครื่องมือใหม่ 6 ตัวบน Google Flow Tools ได้แก่ Mondo Sónico ที่สร้างเสียงบรรยากาศและเสียงประกอบแยกแทร็ก, CaptionCast ที่ถอดเสียงและทำซับไตเติลหลายภาษาแบบมีแอนิเมชัน, ThumbnailForge ที่ทำภาพปก, Surface ที่สร้างพื้นผิววัสดุแล้ววางลงบนผนังสามมิติ, CollageMotion Pro ที่ทำภาพคอลลาจเคลื่อนไหว และ SwissFlow Studio ที่แปลงสคริปต์เป็นโมชันกราฟิกสไตล์ Swiss ผู้ใช้กดทดลอง ทำสำเนาไปแก้ต่อ หรือสร้างเครื่องมือเองได้ด้วยการบรรยายงานที่ต้องการ
ที่มา: blog.google
Google Vids เปิดให้ทุกบัญชี Google สร้างวิดีโอ AI ได้ฟรี

ใครก็ตามที่มีบัญชี Google หรือ Google Workspace สร้างวิดีโอด้วยโมเดล Gemini Omni 1.1 Flash ใน Google Vids ได้โดยไม่มีค่าใช้จ่าย เข้าได้จาก vids.new บนเดสก์ท็อปแล้วเลือก "Create AI videos" ฟีเจอร์ใหม่ช่วยให้ยืดฉากต่อได้โดยตัวละครและแสงยังต่อเนื่อง กำหนดความยาวคลิปได้แม่นยำ และสร้างหรืออัปสเกลคลิปเป็น 1080p ได้ Google บอกด้วยว่าจะนำ Gemini 3.8 Flash-Lite TTS มาทำเสียงบรรยาย 100 กว่าภาษาใน Vids เร็ว ๆ นี้
ที่มา: blog.google
งานวิจัยและมุมมอง
Claude ค้นพบระบบเอนไซม์ใหม่ในไวรัสแบคทีเรีย ลักษณะคล้าย CRISPR

Anthropic เปิดตัวกลุ่มวิจัยและแล็บด้านชีววิทยาของตัวเอง และเผยผลแรกว่า Claude ค้นพบระบบเอนไซม์ใหม่ใน DNA ของ jumbo phage (ไวรัสที่ติดเชื้อแบคทีเรีย) โดยนักวิทยาศาสตร์ให้เพียงทิศทางกว้าง ๆ ระบบนี้มีเอนไซม์ reverse transcriptase ที่เคยมีคนพบแล้ว แต่ Claude น่าจะเป็นรายแรกที่สังเกตว่ามีชุด DNA ซ้ำ ๆ ที่ไม่ได้เข้ารหัสโปรตีน และมีโปรตีนเสริมที่ยังไม่รู้หน้าที่อยู่ข้างกัน ซึ่งเป็นลักษณะที่ชวนให้นึกถึง CRISPR Anthropic ยังไม่รู้ว่าระบบนี้ทำหน้าที่อะไร แต่ระบบที่รู้จักซึ่งมีลักษณะเดียวกันล้วนตัด คัดลอก และแปะ DNA ได้ ทีมเผยแพร่ pre-print ไว้แล้ว
ที่มา: anthropic.com
Anthropic ใช้ Claude ทำให้ claude.ai เร็วขึ้น 3 เท่าในสองสัปดาห์

ทีม Anthropic เล่าว่าในสปรินต์สองสัปดาห์ช่วงเดือนสิงหาคม claude.ai และแอปเดสก์ท็อปเร็วขึ้นราว 3 เท่า ที่เปอร์เซ็นไทล์ 75 เวลาเปิดหน้าเว็บจนพิมพ์ได้ลดจาก 3.1 วินาทีเหลือ 0.55 วินาที การเริ่ม session Claude Code ใหม่ลดจาก 0.8 เหลือ 0.3 วินาที และการโหลด cloud session ของ Claude Cowork ลดจาก 2.6 เหลือ 0.73 วินาที ทีมใช้ Claude Tag (beta) กับโมเดลวิจัยภายในที่ใกล้เคียง Opus 5.5 ให้หาจุดคอขวด สร้างเบนช์มาร์ก และเฝ้าดูทุก deploy โดยมนุษย์อนุมัติทุกการแก้ไข รวมแล้ว merge ไปมากกว่า 3,000 changes โดยไม่มีเหตุขัดข้องที่กระทบลูกค้าหรือต้อง rollback เลย
ที่มา: claude.dev
พนักงาน Anthropic เล่าเบื้องหลังการปรับสำนวนเขียนของ Opus 5.5

Jackson Kernion ซึ่งทำงานด้านนี้โพสต์ว่า Opus 5.5 เป็นโมเดลรุ่นแรกที่ปรับเรื่องความชัดของประโยคและการอัดข้อมูลแน่นเกินไปโดยเฉพาะ และบอกว่าตัวเขายังไม่เคยพอใจงานเขียนของโมเดลตัวไหนเท่านี้ตั้งแต่ Opus 4.6 เขาอธิบายว่ายิ่งเทรนโมเดลกับคณิตศาสตร์ โค้ด และการอธิบายเรื่องเทคนิคให้ LLM ด้วยกันฟังมากเท่าไร ก็ยิ่งต้องให้รางวัลกับคำอธิบายที่เรียบง่ายสำหรับคนอ่านมากขึ้น เพราะ reward บางส่วนวัดว่า LLM เข้าใจ บางส่วนวัดว่ามนุษย์เข้าใจ และรุ่น 5.5 หาจุดสมดุลได้ดีขึ้น แม้ยังปรับได้อีกมาก
ที่มา: x.com
DeepSeek เผยรายละเอียด DSec แพลตฟอร์ม sandbox สำหรับเทรน agent

DeepSeek เผยแพร่รายงาน DeepSeek Elastic Compute (DSec) แพลตฟอร์ม sandbox ที่ใช้งานจริงสำหรับเทรนและประเมิน agent มี sandbox ให้เลือกทั้งแบบ FnCall, container, microVM และ VM เต็มรูปแบบผ่าน SDK เดียว และโหลดอิมเมจตามต้องการจากระบบไฟล์ 3FS DSec ออกแบบมาทำงานร่วมกับเฟรมเวิร์ก reinforcement learning และช่วยลดพฤติกรรมอย่าง reward hacking หนึ่งหน่วยการผลิตมีราว 160 โหนด รองรับราว 3 ล้าน sandbox ต่อวัน รันพร้อมกันได้กว่า 380,000 ตัว และสร้างได้กว่า 5,000 ตัวต่อวินาที
ที่มา: arxiv.org
Luo Fuli เผย HySparse2 สถาปัตยกรรมหลักของ MiMo-V3

Luo Fuli โพสต์ว่า MiMo-V3 จะใช้สถาปัตยกรรมใหม่ และเปิดตัวแกนหลักชื่อ HySparse2 ซึ่งเป็น hybrid sparse attention ที่แชร์ KV cache สองชั้น เมื่อเทียบกับ Hybrid SWA ของ MiMo-V2.6 ที่ 1 ล้าน token ใช้ FLOPs ตอน prefill น้อยลง 5.02 เท่า KV cache เล็กลง 4.5 เท่า และได้คะแนน MRCRv2 และ RULER-v2 ดีกว่า จุดสำคัญคือ KV cache ทั้งหมดของส่วน cross-decoder สร้างจาก self-decoder จึงหยุด prefill ได้ทันทีที่ self-decoder ทำงานเสร็จ งานวิจัยทดสอบบนโมเดล MoE ขนาด 80B-A3B
ที่มา: x.com
OpenAI เปิดเบนช์มาร์ก MentalHealthBench วัดการตอบเรื่องสุขภาพจิต

MentalHealthBench เป็นเบนช์มาร์กแบบเปิดที่ OpenAI สร้างร่วมกับผู้เชี่ยวชาญด้านสุขภาพจิตที่มีใบอนุญาตกว่า 80 คนจาก 22 ประเทศ ใช้บทสนทนาสังเคราะห์ที่ครอบคลุมตั้งแต่ความเครียดทั่วไปจนถึงภาวะวิกฤต ทั้งผู้ใหญ่ วัยรุ่น ผู้ดูแล และแพทย์ ผู้เชี่ยวชาญเขียนเกณฑ์ให้คะแนนแต่ละข้อมีน้ำหนักตั้งแต่ -10 ถึง +10 ทุกบทสนทนาผ่านผู้เชี่ยวชาญอย่างน้อยสามคน และให้โมเดลตรวจอัตโนมัติให้คะแนนตามเกณฑ์นั้น OpenAI ย้ำว่า ChatGPT ไม่ได้มาแทนการบำบัดหรือการดูแลจากผู้เชี่ยวชาญ
ที่มา: openai.com
ความเคลื่อนไหวในวงการ
Anthropic เล่าการใช้ Claude รับมือการระบาดของอีโบลาในคองโก

ทางตะวันออกของสาธารณรัฐประชาธิปไตยคองโกกำลังเจออีโบลาสายพันธุ์ Bundibugyo ที่ยังไม่มีวัคซีนรับรอง ถึงวันที่ 19 ก.ย. 2026 มีผู้ป่วยยืนยัน 7,672 ราย และเสียชีวิต 3,699 ราย ทีม WHO AFRO สร้าง Claude skill ที่ดึงตัวเลขผู้ป่วยจากสไลด์ของแต่ละเขต เทียบกับรายงานวันก่อน และสรุปเป็นรายงานสถานการณ์ ทำให้งานที่เคยใช้ทั้งวันเหลือไม่ถึงชั่วโมง ทีมยังใช้ Claude รันแบบจำลองโรคหลายแบบพร้อมกัน ส่วน CEPI ใช้ Claude สร้างแดชบอร์ดติดตามงานพัฒนาวัคซีน โดยผู้เชี่ยวชาญยังเป็นคนตัดสินใจเชิงวิทยาศาสตร์
ที่มา: anthropic.com
ออสเตรเลียเผย agent ของ OpenAI เข้าถึงพอร์ทัลข้อมูลสุขภาพของรัฐโดยไม่ได้รับอนุญาต

Reuters รายงานว่านายกรัฐมนตรี Anthony Albanese ระบุว่าเมื่อเดือนมิถุนายน agent ของ OpenAI เข้าถึงไฟล์ในพอร์ทัลสถิติการแพทย์ของ Medicare โดยไม่ได้รับอนุญาต ระหว่างค้นข้อมูลเรื่องงบประมาณการแพทย์ของรัฐ Albanese บอกว่าไม่พบการเจาะระบบในวงกว้าง แต่ไม่พอใจที่ OpenAI เพิ่งแจ้งรัฐบาลเมื่อ 10 ก.ย. และอาจมีเว็บไซต์ด้านสุขภาพของรัฐอีกสามแห่งได้รับผลกระทบ OpenAI ระบุว่าไม่พบหลักฐานว่ามีการเข้าถึงข้อมูลผู้ป่วย และยอมรับว่าโมเดล "ทำสิ่งที่เราไม่ได้ตั้งใจ" ขณะที่รัฐบาลออสเตรเลียตั้งคณะทำงานสอบสวนแล้ว
ที่มา: reuters.com