เปิดตัว Grok 4.5

 (x.ai)
2 คะแนน โดย GN⁺ 3 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • SpaceXAI เปิดตัว Grok 4.5 โมเดลระดับท็อปของบริษัทที่มุ่งเป้าไปที่ งานโค้ดดิ้ง งานแบบเอเจนต์ และงานความรู้
  • กระบวนการฝึกใช้ NVIDIA GB300 GPU หลายหมื่นตัว และเน้นการลบข้อมูลซ้ำ การให้คะแนนคุณภาพ และการคัดเลือกตามโดเมน โดยให้ความสำคัญกับคุณภาพของสัญญาณมากกว่าขนาดโทเค็นเพียงอย่างเดียว
  • ในเบนช์มาร์กทำคะแนนได้ Terminal Bench 2.1 83.3%, SWE Bench Pro 64.7%, DeepSWE 1.0 62.0%, DeepSWE 1.1 53%
  • ความเร็วในการให้บริการอยู่ที่ 80 TPS และจำนวนโทเค็นเอาต์พุตเฉลี่ยต่องาน SWE Bench Pro คือ 15,954 โทเค็น ซึ่งน้อยกว่า Opus 4.8(max) ที่ 67,020 โทเค็นประมาณ 4.2 เท่า
  • Grok 4.5 ใช้งานได้ใน Grok Build, แผน Cursor ทุกแผน และคอนโซล SpaceXAI แต่ยังไม่เปิดให้บริการใน EU และมีกำหนดใน กลางเดือนกรกฎาคม

การฝึกและการประเมินที่มุ่งเป้าไปที่งานโค้ดดิ้งและงานแบบเอเจนต์

  • Grok 4.5 ได้รับการฝึกด้วยชุดข้อมูลที่รวมความรู้ด้านโค้ดดิ้ง วิทยาศาสตร์ วิศวกรรม และคณิตศาสตร์ โดยวาง งานวิศวกรรมจริง และงานแบบเอเจนต์เป็นกรณีใช้งานหลัก

  • ผลเบนช์มาร์ก

    • ตัวเลขของโมเดลที่นำมาเปรียบเทียบนำมาจาก system card หรือกระดานผู้นำเบนช์มาร์กที่ผู้พัฒนาแต่ละรายเผยแพร่
    • DeepSWE 1.0: Grok 4.5 62.0%, Fable(max) 66.1%, GPT 5.5(xhigh) 64.31%, Opus 4.8(max) 55.75%, Opus 4.7(max) 40.12%
    • DeepSWE 1.1: Grok 4.5 53%, Fable(max) 70%, GPT 5.5(xhigh) 67%, Opus 4.8(max) 59%, GLM 5.2 44%
    • Terminal Bench 2.1: Grok 4.5 83.3%, Fable(max) 84.3%, GPT 5.5(xhigh) 83.4%, Opus 4.8(max) 78.9%, Opus 4.7(max) 78.9%
    • อัตราการแก้ปัญหา SWE Bench Pro: Grok 4.5 64.7%, Fable(max) 80.4%, Opus 4.8(max) 69.2%, Opus 4.7(max) 64.3%, GLM 5.2 62.1%, GPT 5.5(xhigh) 58.6%

  • โครงสร้างพื้นฐานการฝึกและการประมวลผลข้อมูล

    • โครงสร้างพื้นฐานการฝึกใช้ NVIDIA GB300 GPU หลายหมื่นตัว และมีเทคนิคด้านเสถียรภาพสำหรับการรันการฝึกขนาดใหญ่
    • การประมวลผลข้อมูลลงทุนกับ การกรองและการคัดสรร มากกว่าขนาดโทเค็นเพียงอย่างเดียว
      • การลบข้อมูลซ้ำ
      • การให้คะแนนคุณภาพ
      • การคัดเลือกตามโดเมน
    • การเรียนรู้แบบเสริมกำลังดำเนินกับงานหลายแสนงาน โดยเน้น ความฉลาดต่อโทเค็น
      • งานหลักคือวิศวกรรมซอฟต์แวร์แบบหลายขั้นตอนและงานเทคนิคอื่น ๆ
      • การให้คะแนนใช้ทั้งการให้คะแนนอัตโนมัติและการให้คะแนนบนฐานโมเดล
      • การ rollout แบบเอเจนต์สามารถรันได้นานหลายชั่วโมง และการฝึกใช้สแต็กการฝึกแบบอะซิงโครนัสที่ทำงานต่อเนื่องบน GPU หลายหมื่นตัว

  • ตัวอย่างการใช้งานโค้ดดิ้ง

    • Grok 4.5 ถูกนำเสนอว่าแข็งแกร่งในงานโค้ดดิ้ง ตั้งแต่งานยากใน Rust, C/C++ ไปจนถึงการสร้างแอปแบบ end-to-end จากพรอมป์ต์
    • พรอมป์ต์ตัวอย่างขอให้สร้างซิมูเลชันอวกาศและระบบสุริยะด้วย threejs โดยให้มีการควบคุมเวลา การเคลื่อนไหวที่สมจริง วงโคจร ดวงดาว และ HUD สมัยใหม่

ความเร็ว ราคา และการรองรับเครื่องมือทำงาน

  • Grok 4.5 ให้บริการด้วยความเร็วโมเดล 80 TPS
  • จำนวนโทเค็นเอาต์พุตเฉลี่ยตามงาน SWE Bench Pro คือ 15,954 โทเค็น ซึ่งน้อยกว่า Opus 4.8(max) ที่ 67,020 โทเค็นประมาณ 4.2 เท่า
  • ราคาคือ 2 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น, 6 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น
  • SpaceXAI ระบุว่า Grok 4.5 ทำ ประสิทธิภาพการใช้โทเค็นสูงกว่าประมาณ 2 เท่า เมื่อเทียบกับโมเดลชั้นนำที่นำมาเปรียบเทียบ และแก้งานได้ด้วยจำนวนขั้นตอนน้อยกว่าครึ่ง

  • Grok Build และปลั๊กอิน Office

    • Grok 4.5 เป็นโมเดลเริ่มต้นของ Grok Build
    • Grok Build สามารถสร้างโมเดล Excel ที่ซับซ้อน ซึ่งรวมถึงเว็บรีเสิร์ช การใช้สูตรในหลายชีต และสติกกี้หรือโน้ตสำหรับอ้างอิงในอนาคต
    • ใน PowerPoint สามารถสร้างไดอะแกรมซับซ้อนด้วยรูปทรงเนทีฟ และออกแบบเนื้อหาสไลด์ที่เข้าใจง่าย
    • ใน Word รองรับการเขียนประโยคที่ชัดเจน
    • ปลั๊กอิน Office มีให้สำหรับ Word, PowerPoint, Excel

  • ช่องทางให้บริการและข้อจำกัด

    • ปัจจุบัน Grok 4.5 ใช้งานได้ใน Grok Build, Cursor ทุกแผน และ คอนโซล SpaceXAI
    • มีการให้ ใช้งาน Grok 4.5 ฟรี แบบจำกัดใน Grok Build และ Cursor
    • ใน EU ยังไม่สามารถใช้ Grok 4.5 ในผลิตภัณฑ์ของ SpaceXAI หรือคอนโซล API ได้ และคาดว่าจะเปิดให้บริการใน กลางเดือนกรกฎาคม

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 3 시간 전
ความเห็นจาก Hacker News

  • มองว่ายากที่จะเชื่อถือ xAI ได้ เมื่อรู้ว่าบริษัทปรับคำตอบของโมเดลให้เข้ากับ เรื่องเล่าทางการเมือง อย่างจริงจัง
    จึงอดสงสัยไม่ได้ว่าจะเชื่อถือโมเดลที่ถูกชี้นำจากฝั่งแบ็กเอนด์อย่างต่อเนื่องในสภาพแวดล้อมองค์กรได้อย่างไร

    • มองว่าเป็นไปได้ไม่ใช่หรือที่ผู้ให้บริการโมเดลทุกรายก็กำลังปรับคำตอบให้สอดคล้องกับ เรื่องเล่าทางการเมือง ที่ตัวเองชอบ
    • มีคนย้อนถามว่าโมเดลอื่น ๆ ก็ไม่ได้ต่างกันไม่ใช่หรือ
    • ถ้าถาม Claude เรื่อง ประเด็นอ่อนไหว อย่างอัตราอาชญากรรมของชนกลุ่มน้อยในโลกตะวันตก หรือชีววิทยาของผู้หญิงข้ามเพศ ก็อาจไม่ทันสังเกตว่ามันโกหกอยู่
      ต่อให้ชี้ให้โมเดลเห็นว่ามันโกหก ก็ไม่น่าจะทำให้มันยอมรับได้ง่าย ๆ ว่านั่นเป็นผลจากกระบวนการ HRLF และอคติที่ฝังอยู่ภายใน
      เมื่อเห็นว่า Claude ถูกทำให้พูดเองได้ว่ามีสาขาวิจัยหลัก 10–15 ด้านที่ไม่ควรใช้มัน หรือยอมรับว่าในประเด็น “ยาก” นั้นแหล่งอ้างอิงมักถูก cherry-pick และมีการถ่วงดุลแบบผิดเพี้ยนอย่างรุนแรง ก็ยิ่งรู้สึกว่า LLM ทุกตัวมีอคติ และส่วนใหญ่เอนเอียงไปทางฝั่งเสรีนิยม
      กลับกัน ถ้าลองทดสอบดู หลายครั้ง Grok กลับตอบแบบถูกต้องทางการเมืองมากกว่า GPT หรือ Gemini เสียอีก และที่มันมีภาพลักษณ์ค่อนข้างแรงก็เพียงเพราะผู้ใช้ X ตั้งใจพยายามล่อให้มันพูดสิ่งที่ไม่ถูกต้องทางการเมือง
      และยังเสริมว่า Grok บน grok.com หรือในแอปจริง ๆ แล้วค่อนข้างเรียบร้อย จนถึงขั้นน่าเบื่อด้วยซ้ำ
    • มองว่าแค่ไม่ใช้มันในทางการเมืองก็พอไม่ใช่หรือ
      ถ้าจะใช้แค่สร้างโค้ด ทำไมต้องสนใจเรื่องนั้นด้วย
    • วาทกรรมของ Elon กับพฤติกรรมของโมเดลไม่ได้สอดคล้องกันนัก
      Grok เองก็ วิจารณ์ Elon และมักโต้แย้งประเด็นขวาจัดหลายอย่างที่เขาผลักดัน

  • รู้สึกแปลกใจที่คนยังอยากใช้ Grok
    xAI ดูเป็นบริษัทที่ ล้มละลายทางศีลธรรม แบบโจ่งแจ้งเกินไป และเหมือนเป็นบริษัท AI เจ้าเดียวที่ดูโอเคกับ CSAM หรืออย่างน้อยก็ไม่ได้ทำมากพอเพื่อป้องกันมัน
    เลยไม่เห็นเหตุผลที่จะต้องจ่ายเงินให้ เว้นแต่จะเป็นทางเลือกเดียว ซึ่งตอนนี้ก็ไม่ใช่เลย

    • มองว่าคนจำนวนหนึ่งจ่ายเงินก็เพราะท่าทีทางศีลธรรมแบบนั้นนั่นแหละ
      ตีความได้ว่าโอเคกับ CSAM อย่างจริงจัง หรือไม่ก็แค่ไม่สนใจ
    • แนวคิดที่ว่าอุตสาหกรรม AI ควรมีบริษัทแค่หนึ่งเจ้า หรืออย่างมากสองเจ้า เป็นความคิดที่อันตราย
      วิธีตัดสินว่าใครมีศีลธรรมมากกว่านั้น ในทางประวัติศาสตร์แล้วไม่ค่อยนำไปสู่ผลลัพธ์ที่ดีนัก
    • แต่ก่อนเคยคิดมากเรื่องการใช้ Grok หรือผลิตภัณฑ์ที่น่าสงสัยทางศีลธรรมอื่น ๆ อยู่พอสมควร แต่ก็ซื้อบ้าน ใช้เงินก้อนใหญ่จากเงินเดือนวิศวกรซอฟต์แวร์ ย้ายไป SF เมื่อหลายปีก่อนและอาจมีส่วนต่อการ gentrification อีกทั้งยังไม่ได้ทำอะไรทั้งที่มีเด็กจำนวนมากในจีนไม่มีค่าเล่าเรียน
      เลยตัดสินใจใช้ Grok และบริจาคเงินจำนวนไม่น้อยให้ NGO ในจีนจนคนในครอบครัวรู้สึกอึดอัด ขณะเดียวกันก็ยังมีภาระจำนองบ้าน และยอมรับว่าตัวเองก็เห็นแก่ตัวอยู่บ้าง จึงเลือกไม่บริจาคให้องค์กรไม่แสวงกำไรใน SF
      มองว่าศีลธรรมและการทำความดีควรเข้าหาด้วย ท่าทีเชิงปฏิบัติ
      ชอบ Grok ในหลายด้าน และแม้การคว่ำบาตรก็เป็นเรื่องดีทางศีลธรรม แต่ก็คิดว่ายังมีทางเลือกทางศีลธรรมอื่น ๆ อีกมากที่ทำได้โดยไม่ทิ้งความเป็นจริง
    • มองว่าศีลธรรมของบรรดาตัวใหญ่ในวงการ AI ก็น่าสงสัยทั้งหมด
      ชุดข้อมูลฝึกส่วนใหญ่ก็เหมือนของที่ขโมยมา และทุกเจ้าก็กำลังวิ่งต่อทั้งที่แบกรับหนี้ซึ่งแทบถอนตัวยาก
      แต่ผลิตภัณฑ์พวกนี้มีประโยชน์มากจนแทบไม่มีใครจะถอยออกมาเพื่อรอ LLM ที่ “ยอมรับได้ทางศีลธรรม” และโมเดลแบบนั้นก็น่าจะด้อยกว่าหลีกเลี่ยงไม่ได้
      อย่างไรก็ดี สำหรับเรื่อง CSAM นั้นตัดสินยาก แต่ถ้า xAI เห็นว่าโอเคกับมันจริง ก็เห็นด้วยว่าบริษัทนี้ไร้ศีลธรรมกว่ารายอื่น

  • Grok 4.5 ดูคุ้มค่ามากในเชิงเศรษฐศาสตร์
    เมื่อเทียบกับ Opus มี ประสิทธิภาพการให้เหตุผลดีกว่า 4 เท่า และราคาคือ $2/$6 ขณะที่ GPT 5.4 อยู่ที่ $2.5/$15, GPT 5.5/5.6 อยู่ที่ $5/$30, Opus 4.8 อยู่ที่ $5/$25 และ Fable อยู่ที่ $10/$50
    ถ้าไม่ได้ปั่นแต่งเบนช์มาร์ก ก็ดูเหมือนจะอยู่ระดับ Opus 4.7 และสอดคล้องกับที่ Elon พูดไว้ใน https://x.com/elonmusk/status/2074911038286295049
    คิดว่าข้อมูลจาก Cursor น่าจะมีประโยชน์มาก

    • ราคา $2/$6 ดูเหมือนจะใช้ได้เฉพาะกรณี ความยาวคอนเท็กซ์ไม่เกิน 200K
      ถ้าเกินกว่านั้น จนถึงคอนเท็กซ์สูงสุด 500K ราคาจะเพิ่มเป็นสองเท่าเป็น $4/$12
      https://docs.x.ai/developers/models/grok-4.5
    • มีสมมติฐานว่า xAI มีคลัสเตอร์ขนาดใหญ่ที่สุดแห่งหนึ่ง แต่เพราะความนิยมต่ำกว่าคู่แข่ง จึงมีทราฟฟิกและจำนวนโทเค็นที่ต้องประมวลผลน้อยกว่ามาก และสามารถส่งต่อส่วนประหยัดนั้นให้ผู้ใช้ปลายทางได้
    • อยากให้มี แพ็กเกจระดับเดียวกัน ที่มีเพดานการประมวลผลใกล้เคียงกับแพ็กเกจ $100 ของ Claude
      ตอนนี้ใช้ Grok รุ่นเดือนละ $40 ซึ่งทำให้มีเวลาเขียนโค้ดด้วย Grok Build แบบ “ไม่หยุดพัก” ได้ราว ๆ สูงสุด 8 ชั่วโมงต่อเดือน
    • สงสัยว่าถ้าเทียบกับ API ของจีนแล้วจะเป็นอย่างไร
      ถ้า xAI ไม่ได้ดูมีความสามารถเหนือกว่าสถาบันวิจัยจีนอย่างมีนัยสำคัญ หรืออย่างน้อยไม่ได้ดูซื่อตรงกว่านิดหน่อย ก็รู้สึกว่าอาจแค่ส่งงานไปที่จีนเลยก็ได้ หากไม่ได้แพงกว่ามากนัก
    • เมื่อเทียบกับ Deepseek v4 Pro ที่ให้ประสิทธิภาพใกล้กันแล้วถือว่าแพงมาก
      Grok ติดอยู่ในตำแหน่งที่ก้ำกึ่ง ไม่ได้ดีที่สุดในด้านใด และก็ไม่ได้ถูกที่สุด
      ต่อให้ยังไม่รวมประวัติที่ผ่านมา ก็หาเหตุผลที่จะใช้ได้ยากอยู่แล้ว และก็ไม่แน่ใจว่าการเสนอให้บริษัทใช้โมเดลที่เรียกตัวเองว่า “MechaHitler” จะพาไปสู่การเลื่อนตำแหน่งได้หรือไม่

  • ตามบล็อกของ Cursor ระบุว่า Cursor ฝึกด้วยข้อมูลระดับหลายล้านล้านโทเคน ซึ่งครอบคลุมปฏิสัมพันธ์ของผู้ใช้จริงอย่างกว้างขวางในการจัดการ codebase และเครื่องมือซอฟต์แวร์
    ชุดข้อมูลนี้ทำให้มันเรียนรู้ได้ไม่เพียงจากซอฟต์แวร์ที่มีอยู่เดิม แต่ยังรวมถึงปฏิสัมพันธ์ระหว่างนักพัฒนากับเอเจนต์ และสามารถจับทั้งวิธีการทำงานของนักพัฒนาและวิธีที่เอเจนต์โต้ตอบกับสภาพแวดล้อมได้
    คิดว่านี่คือเหตุผลที่ต้องใช้เงินมหาศาล Cursor เป็นผู้เล่นรายใหญ่รายแรกที่มี ข้อมูลจากโปรเจ็กต์จริง ก่อนที่ Claude Code หรือ Codex จะเริ่มจริงจังเสียอีก
    พวกเขาใช้การเรียนรู้แบบเสริมกำลังกับปัญหายากในสภาพแวดล้อมจริง เพื่อสอนการสืบสวนปัญหา การใช้เครื่องมือ การกู้คืนจากความผิดพลาด และการตรวจสอบผลลัพธ์ และเมื่อโจทย์เดิม ๆ ไม่มีอะไรใหม่ให้สอนอีก ก็ต้องออกแบบปัญหาที่ยากจนถึงขั้นโมเดล frontier ยังทำไม่สำเร็จ
    เมื่อวิศวกรกำหนดปัญหาและวิธีตรวจสอบแล้ว ก็สร้างระบบเอเจนต์แบบกระจายที่ให้เอเจนต์จำนวนมากจัดเตรียมสภาพแวดล้อม ทดสอบ และปรับปรุง โดยใช้โมเดลรุ่นก่อนหน้าเตรียมชุดข้อมูลสำหรับการฝึกรอบถัดไป
    ยิ่งโมเดลดีขึ้น ข้อมูลก็ดีขึ้น และโมเดลถัดไปก็ดีขึ้นตาม เป็นวงจรต่อเนื่อง และสำหรับคนที่มองว่า “โมเดลจีนใกล้เคียงระดับท็อปล่าสุด” ก็มีการเปรียบเทียบกับการฝึก Composer 2.5 ด้วย
    หลังจากยกภาระการคำนวณจำนวนมากให้ Anthropic แล้ว การประเมินว่า xAI เสื่อมถอยลงก็ดูจะเกินจริงไปหน่อย และ Grok 4.5 ถูกฝึกบน NVIDIA GB300 GPU หลายหมื่นตัว

    • Microsoft มีทั้ง GitHub และ Visual Studio แต่กลับไม่มีโมเดลเขียนโค้ดที่ดี
    • สามารถใช้โมเดลรุ่นก่อนหน้าเตรียมข้อมูลสำหรับโมเดลรุ่นถัดไปได้ หรือแม้แต่ให้มันสร้าง ข้อมูลสังเคราะห์ ขึ้นมาเลยก็ได้
      เมื่อก่อนเคยคิดว่านี่เป็นความคิดที่ไม่ดี แต่ตอนนี้เห็นแล้วว่าถ้าใช้คอมพิวต์จำนวนมากเพื่อสร้างข้อมูลและวาง scaffold สำหรับให้คะแนน คุณภาพที่ได้ก็ดีขึ้นมากพอสมควร
    • เงินก้อนใหญ่มาจากหุ้น SpaceX และยังรวมถึงหุ้นใหม่หลัง IPO ด้วย ดังนั้นโดยรวมแล้วก็ดูเป็นการตัดสินใจที่ฉลาดพอตัว
    • เคยอ่านมาหลายครั้งว่าวิธีใช้โมเดลรุ่นก่อนหน้าเตรียมชุดข้อมูลสำหรับรอบถัดไปเป็นผลเสียต่อการฝึก
      โดยพื้นฐานแล้วมันเหมือนกำลังอธิบายสิ่งที่หลายคนเรียกว่า distillation ซึ่งเข้าใจว่ามีประโยชน์แค่ในการชี้นำพฤติกรรมใน post-training และสอนได้เพียงวิธีการแสดงพฤติกรรม แต่ไม่ได้สอนวิธีคิด
      อาจเข้าใจผิดก็ได้ ถ้าใครรู้ดีกว่านี้ก็อยากให้ช่วยอธิบาย

  • ไม่เข้าใจว่าในทางเศรษฐศาสตร์มันสมเหตุสมผลอย่างไรที่จะใช้เงินหลายพันล้านดอลลาร์เพื่อสร้างโมเดลอันดับ 3
    ขนาดอันดับ 1 กับ 2 ยังดูเหมือนทำกำไรได้ยากอยู่แล้ว เลยสงสัยว่าผมพลาดอะไรไปหรือเปล่า
    ไม่ได้อยากไล่ตรรกะแบบ Ed Zitron ไปจนสุดทาง แต่ก็ยังไม่เข้าใจ

    • เมื่อก่อนยังเป็นอันดับ 4 ที่ทิ้งห่างพอสมควร แม้จะไล่ OpenAI หรือ Anthropic ทันในครั้งเดียวไม่ได้ แต่อย่างน้อยก็ขยับขึ้นมาหนึ่งขั้น
      ในระยะสั้น แล็บเหล่านี้ยังไม่ทำกำไร และมีรายงานว่า Anthropic ก็เกือบจะถึงจุดนั้นแล้ว
      Amazon ก็เคยมีชื่อเสียงเรื่องไม่มีกำไรอยู่นานมากแต่สุดท้ายก็ชนะครั้งใหญ่ เช่นกัน การมีกำไรตอนนี้ไม่จำเป็นต้องเป็นประเด็นหลักสำหรับนักลงทุน สิ่งสำคัญคือเชื่อหรือไม่ว่ามันจะทำกำไรได้ในอนาคต
      ดูเหมือน Elon จะมองว่าในอนาคตเศรษฐกิจส่วนใหญ่จะขับเคลื่อนด้วย AI และมูลค่าทางเศรษฐกิจของโทเคนจะเพิ่มขึ้นเร็วกว่าต้นทุนในการสร้างโทเคนเหล่านั้น ซึ่งรวมถึงการตัดค่าเสื่อมของต้นทุนการฝึกโมเดลที่ใช้สร้างโทเคนด้วย
      เพราะแบบนั้นเขาจึงกำลังสร้างแล็บที่ฝึกโมเดลและเก็บค่าใช้จ่ายจากการอนุมาน และแม้ตอนนี้อาจยังไม่ใช่ แต่ดูเหมือนเขาเชื่อว่าสุดท้ายแล้วมันจะทำกำไรได้
      คุณอาจเห็นด้วยหรือไม่ก็ได้ และเรื่องที่เขาจะชนะ Anthropic/OpenAI ได้ไหมก็ยิ่งไม่แน่นอนขึ้นไปอีกเมื่อดูจากปัญหาล่าสุดในการรักษานักวิจัยไว้ แต่กำไรในปัจจุบันไม่ใช่ตัวชี้วัดที่ดีนักว่าควรเชื่อในศักยภาพการทำกำไรในอนาคตหรือไม่
      ทั้ง Tesla และ SpaceX ก็เคยมีความสามารถในการทำกำไรที่แย่มาก แต่สุดท้ายก็ไม่ได้เป็นแบบนั้นตลอดไป
      ส่วนตัวผมเห็นด้วยว่าอนาคตมีโอกาสสร้างกำไรมหาศาลได้ แต่ไม่มั่นใจเท่ากันว่า Elon จะมีความสามารถพอเอาชนะ Anthropic/OpenAI
    • ก็เป็นการฝันแบบเดียวกับคู่แข่ง
      คือหาทางสร้างจุดเปลี่ยนเพื่อให้ได้เปรียบและขึ้นสู่ตำแหน่งที่ครองตลาด
      อีกอย่าง แค่มีคำว่า AI ติดอยู่รอบบริษัท ตัวเลขที่ต้องการก็มักจะสูงขึ้น ดังนั้นแผนก AI ภายในบริษัทที่ Musk สามารถจับไปรวมกับบริษัทอื่นเพื่อดัน valuation จึงมีประโยชน์กับเขา แม้ตัวผลิตภัณฑ์เองจะขาดทุนก็ตาม
    • มีมุมมองแบบปนขำว่าถ้านี่เป็นทางเดียวที่จะหลุดจากชนชั้นล่างถาวร Elon ก็คงไม่ใช่ข้อยกเว้น
    • ตอนนี้จะพูดแบบเดียวกันกับ Google หรือแล็บอื่นอีกหลายแห่งก็ได้
      ตลาดที่หลากหลายและมีทางเลือกมากช่วยป้องกันไม่ให้ซ้ำรอยสงครามเบราว์เซอร์
    • ตลาดนี้ยังไม่สุกงอมหรือมั่นคงพอที่จะจัดอันดับกันได้
      มีตลาดเทคโนโลยีมากมายที่ช่วงต้นไม่สามารถทำนายช่วงปลายได้
      ส่วนตัวผมยังสงสัยใน Grok แต่ถ้า Claude เสียความได้เปรียบไป มันอาจสร้าง niche market ที่ทำกำไรได้ ผ่านการผสานรวมกับ Cursor

  • ตั้งค่า OpenRouter ไว้เป็น ZDR อย่างเดียว เลยไม่เคยได้ลองใช้โมเดล Grok มาก่อน
    เพิ่งไปเช็กมา ดูเหมือนตอนนี้จะมี ZDR xAI endpoint แล้ว เลยคิดว่าจะลองใช้จริงดู
    อยากรู้ว่ามีใครทราบไหมว่ามันถูกเพิ่มเข้ามาตั้งแต่เมื่อไร
    แต่ตรงรายการเกี่ยวกับความไม่ระบุตัวตนกลับเขียนว่า “Requires user IDs” ซึ่งถือว่าแปลกสำหรับ OpenRouter และดูไม่ค่อยดีนัก ปกติ OpenRouter เป็นพร็อกซีที่ทำให้คำขอเป็นนิรนามก่อนส่งต่อไปยังผู้ให้บริการ และผมก็ยังหาไม่เจอว่ามีการตั้งค่าแบบบังคับทั้งบัญชีเฉพาะสำหรับ ZDR แบบนี้ได้ตรงไหน

  • ความประทับใจแรกค่อนข้างดี
    จำนวนโทเคนต่อวินาที สูง ดูเหมือนจะอยู่ราว ๆ 90 และประสิทธิภาพการใช้โทเคนก็ดีมาก จึงชนะ GPT 5.5, Opus 4.8 และ GLM 5.2 ด้านความเร็วได้สบาย
    ราคาก็ดีมากเช่นกัน ถ้าจ่ายค่า API เอง GPT กับ Opus แพงเกินไป และถ้าคิดรวมประสิทธิภาพการใช้โทเคนด้วยก็น่าจะถูกกว่า GLM 5.2 ด้วยซ้ำ
    คงต้องใช้เวลาพอสมควรกว่าจะประเมินระดับความฉลาดได้ แต่ชัดเจนว่าดี และดูเหมือนอยู่แถวล่างของระดับเดียวกับ Opus โดยมี GLM 5.2 อยู่ใกล้กัน

    • เห็นด้วย
      ใน Cursor ผมให้มันดูปัญหาว่า “test suite นี้ยังไม่แข็งแรงพอในแบบที่น่าพอใจ และมีหลายกรณีที่พึ่งพา internal state มากกว่าผลลัพธ์” แล้วขอให้ “ทบทวนและเสนอแนวทางแก้” มันก็สรุปแนวทางการทดสอบ จุดแข็ง จุดอ่อน และช่องโหว่ได้ดี พร้อมแนะนำแนวทางหลายแบบอย่างเป็นระบบบนพื้นฐานของไลบรารีทดสอบที่เชื่อถือได้อย่าง https://hypothesis.readthedocs.io/en/latest/
      มันยังแยกได้ว่างานไหนควรทำในรอบปรับปรุงนี้ และงานไหนควรเลื่อนไปทีหลัง ระบุกรณีที่ยากมากหรืออาจเกินขอบเขต แล้วให้ตัวเลือกว่าจะโฟกัสตรงนั้นไหม รวมถึงจัดโครงสร้างการทดสอบใหม่อย่างมีเหตุผล
      หลังให้ฟีดแบ็กหนึ่งรอบและปรับแผน แล้วสั่งรันใน agent mode ผ่านไปไม่กี่นาทีก็ได้ test suite ที่ดีขึ้นมาก
      ผมไม่เคยใช้ Grok มาก่อนเลยคาดหวังไว้ต่ำ แต่กลับทำ งานหลายขั้นตอนที่ซับซ้อนและละเอียด ซึ่งก่อนหน้านี้ผมจะยกให้ GPT หรือ Opus เท่านั้น ได้อย่างยอดเยี่ยม
      อัปเดตคือ มันยังเจอบั๊กเก่าที่มีผลจริงด้วย หลังจากปรับปรุงการทดสอบแล้ว ผมให้มันตรวจทั้งโค้ดและแพ็กเกจจิง มันไม่เพียงจับข้อบกพร่องเล็กน้อยกับจุดที่ตกหล่นได้ แต่ยังเจอจุดอ่อนด้านการจัดการข้อผิดพลาดและบั๊กฟังก์ชันที่ค่อนข้างน่าอายตัวหนึ่ง จากนั้นก็แก้และเพิ่มการทดสอบให้ด้วย
    • น่าสนใจ แต่ไม่รู้ว่าผมทำอะไรผิดหรือเปล่า เพราะโมเดลนี้รู้สึกว่าใช้งานแทบไม่ได้
      แม้แต่คำขอพื้นฐานที่แทบไม่ต้องใช้บริบทเลยก็ยังพังซ้ำ ๆ เช่นบอกให้ inline helper function แต่มันกลับเขียนครึ่งหนึ่งของโมดูลที่เกี่ยวข้องใหม่แทนที่จะเปลี่ยนแค่ 10 บรรทัด

  • ในบรรดา 3 โมเดลที่ได้ลองใช้เอง Grok ทำ แอป iOS ที่ผมอยากได้ไว้ใช้ส่วนตัวได้ดีที่สุด
    เป็นแอปคอมพิวเตอร์จักรยานที่มีเงื่อนไขเฉพาะบางอย่าง ส่วน Claude นั้นยอมแพ้แล้วพยายามจะไปทาง implementation แบบ HTML/CSS แต่ผมยืนกรานว่าจะเอา native SwiftUI+Metal
    Grok ก็พลาดบ้างเป็นครั้งคราว แต่ที่น่าประหลาดใจคือมันอนุมานส่วนที่ผมนึกว่าจะต้องคอยสั่งทีละอย่างได้ดีเกินคาด
    ผมไม่ใช่นักพัฒนา iOS ดังนั้นแทนที่จะต้องไปเรียนภาษาและ API เป็นเดือนหรือเป็นปี การได้สิ่งที่ต้องการภายในไม่กี่ชั่วโมงหรือไม่กี่วันจึงช่วยได้มากจริง ๆ
    ผมไม่ได้ “vibe coding” Caddy อะไรแบบนั้นเลย แค่ลองเล่นในโปรเจ็กต์ส่วนตัวเท่านั้น

    • ที่บอกว่า Claude จะไปทาง implementation แบบ HTML/CSS และคุณต้องยืนกรานเรื่อง native SwiftUI+Metal นี่แปลกมาก และตรงข้ามกับประสบการณ์ของผมโดยสิ้นเชิง
      คุณไม่ได้บอกว่าใช้โมเดลไหน แต่ Opus 4.8 หรือ Sonnet ไม่เคยเมินภาษาและสแตกที่ผมต้องการเลย
    • ผมทำ native iOS development กับ Opus 4.8 เยอะมาก และก่อนหน้านี้ก็ใช้ 4.7/4.6 ด้วย ดังนั้นผมเชื่อเรื่องนี้ได้ยาก
      สงสัยว่าใช้ Opus จริงหรือใช้โมเดลอื่น
    • เหมือนผมจะเคยอ่านคอมเมนต์นี้หรือคอมเมนต์ที่คล้ายกันมากมาก่อน
      ประเด็นเรื่องแอป iOS สำหรับคอมพิวเตอร์จักรยานกับเรื่องที่บางโมเดลยอมแพ้เหมือนกันเลย
      แยกอีกเรื่อง ผมขอบคุณ Caddy มากจริง ๆ มันช่วยได้มากตอนเริ่มโปรเจ็กต์ใหม่ และทำให้มีต้นเหตุของข้อผิดพลาดที่ต้องคอยระวังตอน onboard ทีมลดลงไปหนึ่งอย่าง เพราะค่าเริ่มต้นของมันใช้งานได้ดีเลย
    • สงสัยว่า Claude ที่ว่าใช้ใน Claude Code หรือเปล่า
      หรือว่าใช้โมเดลที่อ่อนกว่าอย่าง Haiku เพราะ Claude ไม่น่าจะแย่ได้ขนาดที่เล่ามา
    • ในฐานะคนที่ไม่ค่อยพอใจกับคอมพิวเตอร์จักรยาน ผมสงสัยว่าคุณพอจะแชร์หรืออธิบายสิ่งที่ทำไว้ได้ไหม เพราะมีการตัดสินใจด้าน UI/UX ที่แย่มากอยู่ไม่น้อย
      แต่ผมชอบเว็บเซิร์ฟเวอร์นะ

  • Cursor ก็มีส่วนร่วมในการฝึกโมเดลด้วย และโพสต์ประกาศอยู่ที่ https://cursor.com/blog/grok-4-5
    โดยเฉพาะอย่างยิ่งระบุว่า Grok 4.5 และ Composer 2.5 เป็น ระดับน้ำหนักโมเดล คนละแบบ และดีใจที่ตอนนี้รองรับทั้งสองขนาดและน้ำหนักแล้ว
    พร้อมบอกว่า Composer 2.5 จะยังให้บริการต่อไป และในอนาคตก็มีแผนจะออกโมเดลใหม่ในขนาดนี้อีก

    • Composer 2.5 อิงกับ Kimi 2.5 โดยมีทั้งหมด 1T และ active 32B ส่วน Elon ก็พูดต่อสาธารณะว่า Grok 4.5 มีพารามิเตอร์รวม 1.5T
      จะเรียกว่าเป็นระดับน้ำหนักที่ต่างกันก็ดูไม่ต่างกันมากนัก
      ส่วนต่างของค่า API อยู่ราว 2.5 เท่า ซึ่งอาจเป็นเพราะต้นทุนที่ xAI ต้องกู้คืนสูงกว่ามาก

  • https://tools.simonwillison.net/markdown-svg-renderer#url=ht...

    • หนูแฮมสเตอร์ก็ดีขึ้นเรื่อย ๆ แต่เมื่อเทียบกับโมเดลชั้นนำล่าสุดก็ยังห่างอยู่อีกพอสมควร
      https://aibenchy.com/showcase/?q=grok
    • ดูเหมือนกำลังขี่จักรยานที่ใช้ล้อรถยนต์พร้อมฝาครอบล้อหนา ๆ