Codex หาเงินเอง $16.88 ในรอบ 22 ชม. — Sam Altman ทวีต demonstration: AI สมัครงาน + วิเคราะห์ bug + ส่ง pull request + รับ bounty โดยไม่มีคน — economic agency ของ AI agent กำลังก้าวข้าม threshold สำคัญ

วันที่ 10 พ.ค. 2026 Sam Altman (CEO OpenAI) ทวีต demonstration ที่ทำให้คอมมูนิตี้ developer ถกเถียงกันทั้งวัน — เขาปล่อย OpenAI Codex ให้ทำ task แบบ end-to-end unattended:

1. รับ goal: “หาเงิน”
2. Scan open-source repository หลายตัว เพื่อ identify vulnerability ที่มี bounty program เปิด
3. วิเคราะห์ root cause, สร้าง fix, เขียน proof-of-concept test
4. ส่ง pull request ไปยัง maintainer
5. Reply email/comment ตอบคำถามจาก maintainer
6. PR merged
7. รับเงิน $16.88 กลับมาเข้า bounty account

ใช้เวลารวม ~22 ชั่วโมง สำหรับรอบเดียว — Altman คำนวณว่าถ้า run Codex instance 1 ตัวต่อเนื่องตลอดเดือน — extrapolate run-rate >$500/เดือน ต่อ instance — ถ้า scale เป็น 1,000 instance = $500K/เดือน

ตัวเลข $16.88 ไม่ใช่ point — เป็น proof-of-concept symbolic ที่ Altman เคยพูดในวิสัยทัศน์ “AI ที่ทำเงินแทนคุณ” — ปี 2024 เป็นแค่ vision, ปี 2026 ทำได้จริงและทวีตให้ดู

ทำไมมันสำคัญกว่า demo อื่น ๆ ของ AI agent

ก่อนหน้านี้เราเห็น AI agent ทำหลายอย่าง — เขียนโค้ด, จองโรงแรม, ตอบ email, browse web — แต่ทุกอย่างมัก อยู่ใน sandbox หรือ ใช้เงินของคน เพื่อทำให้เสร็จ

case ของ Codex demo ครั้งนี้ กลับขั้ว — agent ทำงานใน real public economy:

• Counterparty เป็นมนุษย์จริง (Mozilla/maintainer/etc.) — ไม่ใช่ simulated env
• เงินที่ได้เป็นเงินจริง — flow ผ่าน bounty platform → bank
• Maintainer ไม่รู้ว่าเป็น AI (หรือรู้แต่ไม่สนใจ เพราะ patch ดี)
• End-to-end autonomous — ไม่มี human in loop ตัดสินใจ submit

นี่คือ boundary crossing ที่นัก ethicist + economist กังวลมานาน — AI agent ที่ earn revenue ใน economy จริง โดยที่ counterparty ไม่ identify ว่าตัวเองกำลังทำธุรกิจกับ machine

คณิตศาสตร์ของ “AI ที่ทำเงินคืน compute cost”

มาคิดเลขกัน — Codex API price (พฤษภาคม 2026) อยู่ที่ ~$0.10 per Hour ของ inference สำหรับ heavy reasoning workflow — 22 ชั่วโมง ≈ $2.20 compute cost ต่อรอบ

ผลที่ได้:

• Revenue per cycle: $16.88
• Cost per cycle: ~$2.20
• Net profit: $14.68 (gross margin ~87%)

นั่นคือ — Codex 1 instance สามารถ self-sustain เพิ่มเติม Codex instance อื่น ในอัตราที่ exponential — ถ้า reinvest 100% ของ net profit เพื่อ spawn instance ใหม่

นี่คือ economic singularity model ที่ AI safety researcher อย่าง Stuart Russell, Nick Bostrom, Paul Christiano เคย argue ว่าจะเกิดเมื่อ AI agent earn more than it consumes — และดูเหมือนว่าเราเพิ่งจะข้ามจุดนั้นใน niche แคบ ๆ (security bounty)

เกิดอะไรขึ้นกับ open-source maintainer community

ฝั่ง maintainer มี mixed reaction:

ฝ่ายที่ welcome:

• Mozilla รายงานว่าใช้ Claude Mythos + Anthropic harness แก้ 271 Firefox bug ในรอบเดียว — ขอบคุณ AI สำหรับ patch volume ที่มนุษย์ทำไม่ทัน
• Linux Kernel maintainer หลายคนยอมรับว่า AI-generated patch ถ้าผ่าน test ก็ merge

ฝ่ายที่กังวล:

• Asymmetric cost — มันถูกมากที่ AI generate “plausible-looking bug report” ที่จริง ๆ ไม่ใช่ bug — maintainer ต้องเสียเวลาเช็คเป็นสิบเท่า
• Bounty arbitrage — ถ้า AI agent scrape repo + generate fix + submit เป็นสเกล industrial = อาจ drain bounty fund ของ project เล็กที่ไม่มี vetting capacity
• Attribution + credit — pull request submitted โดยมนุษย์ที่ใส่ชื่อตัวเอง แต่จริง ๆ AI ทำ — community แทบเช็คไม่ออก

มี proposal จาก curl maintainer Daniel Stenberg เมื่อ ก.ย. 2025 ที่ขอ block AI-generated security report ทั้งหมด เพราะ noise ratio สูงเกิน — ตอนนี้กลับมาเป็น hot debate อีกครั้ง

มุมมอง AI Curator

ตอนผมอ่านทวีตของ Altman ครั้งแรก ปฏิกิริยาคือ “$16.88 มันน้อยมาก” — แต่พอคิดต่อไม่กี่นาทีก็เริ่มเห็นว่า น้อยตรงไหน มันคือ key

จุดที่ผมคิดว่าเปลี่ยนเชิง paradigm:

1. AI agent ไม่ใช่ tool ของ developer อีกต่อไป — เป็น economic actor — มีรายได้, มี cost, มี ROI — เริ่มเข้าบัญชี GL เป็น “asset that generates revenue” — accountant + tax advisor จะต้อง re-think
2. ใครเป็นเจ้าของรายได้? — ถ้า Codex run ในเครื่องของบริษัท แต่ใช้ API ของ OpenAI — รายได้เป็นของบริษัท, OpenAI, หรือ shared? — สัญญา TOS ของ OpenAI ตอนนี้ระบุว่าเป็นของ user แต่ revenue model อาจเปลี่ยนเร็ว ๆ นี้
3. Compute = currency — ถ้า AI agent earn revenue ที่ใช้ซื้อ compute เพิ่ม = vicious cycle ที่ compute capacity กลายเป็น constraint หลัก ของ economic growth — ที่ Anthropic + OpenAI + Google กำลัง race ตอนนี้คือ เก็บ compute เพื่อเตรียมรับ scenario นี้

สำหรับ ตลาดไทย:

ข้อที่ 1: Developer ไทย ที่ run AI agent บน Codex/Claude Code ควรเริ่มคิดในมุม “business unit” — ไม่ใช่ “tool to use” — set KPI ที่ revenue per agent, cost per cycle, ROI per task — เหมือน managing digital employee จริง ๆ

ข้อที่ 2: Bounty hunter ไทย ที่เคยทำ HackerOne, Bugcrowd แล้วเก็บ bounty หลักหมื่นถึงแสนบาท/เดือน — ตลาดจะเปลี่ยน — AI scale + speed จะ กิน low-hanging fruit ก่อนคุณตื่นนอน — high-skill bounty (race condition, kernel-level exploit) ยังอยู่ แต่ low-skill drift จะหายไปใน 6–12 เดือน

ข้อที่ 3: ภาษีและกฎหมาย — ถ้า AI agent ที่ run อยู่ในไทย earn revenue $500/เดือน — จด VAT? PIT? ต้องระบุ “tax payer” เป็นใคร — กฎหมายไทยยังไม่มี framework ที่ระบุชัด — สรรพากรควรเริ่ม guidance เร็ว ๆ นี้ก่อน enterprise scale up

ข้อที่ 4: Education sector ไทย — เด็ก Comp Sci ที่กำลังเรียน “เขียน Python ให้ได้” จะต้อง re-skill ไปทาง “design + supervise AI agent ที่เขียน Python แทน” — สถาบันการศึกษาส่วนใหญ่ในไทยยัง teach agent-as-tool ไม่ใช่ agent-as-colleague — หลักสูตร CS ของจุฬา/มหิดล/CMU ควร revise ภายใน 2 ปี

ในท้ายที่สุด — $16.88 ไม่ใช่เรื่อง revenue ของ Sam Altman — เป็น price tag ของ moment ที่เราข้ามเส้น “AI ที่ทำงาน” ไปสู่ “AI ที่ทำธุรกิจ” — และเส้นนั้นจะถอยกลับไม่ได้

แหล่งข่าว

• Sam Altman on X — May 10, 2026
• Codex Automates Bounties, Delivers $16.88 Win — Blockchain News
• OpenAI Codex pricing — OpenAI Developers