Ollama v0.24 รองรับ Codex App ของ OpenAI — ขับเอเจนต์ Codex บนโมเดลโลคอลในเครื่องตัวเอง
Ollama ตัวรันโมเดลภาษาโลคอลที่ได้รับความนิยมที่สุดตัวหนึ่ง ปล่อยเวอร์ชัน 0.24.0 ที่มีไฮไลต์สำคัญคือการรองรับ Codex App ซึ่งเป็นประสบการณ์เดสก์ท็อปของ OpenAI สำหรับทำงานบน Codex thread ผลคือนักพัฒนาสามารถขับเวิร์กโฟลว์เอเจนต์โค้ดดิ้งแบบ Codex ได้ บนโมเดลที่รันในเครื่องตัวเอง ไม่ต้องพึ่งคลาวด์ — เป็นสะพานที่น่าสนใจระหว่าง “ตัวรันโลคอลยอดนิยม” กับ “เอเจนต์โค้ดดิ้งระดับ frontier”
Codex บนโมเดลในเครื่อง
การรองรับ Codex App มาพร้อมความสามารถด้าน worktree และ git ในตัว ทำให้สามารถรันงานหลายเธรดขนานกันและจัดการเวอร์ชันได้ในเครื่อง นักพัฒนาที่ห่วงเรื่องความเป็นส่วนตัวของโค้ด หรืออยู่ในองค์กรที่โค้ดออกนอกเครื่องไม่ได้ จะได้ประโยชน์ตรงนี้มากที่สุด เพราะได้เวิร์กโฟลว์เอเจนต์ที่ทรงพลังโดยที่โค้ดและข้อมูลยังอยู่ในเครื่อง
ปรับแต่งฝั่ง Apple Silicon และแนะนำโมเดล
เวอร์ชันนี้ยังปรับปรุง MLX sampler บน Apple Silicon เพื่อคุณภาพการ generate ที่ดีขึ้น (MLX คือเฟรมเวิร์กของ Apple สำหรับรัน ML บนชิป M-series) นอกจากนี้ Ollama ยังแนะนำโมเดลโค้ดดิ้งโอเพนที่ใช้ได้ดี เช่น kimi-k2.6 และ glm-5.1 สำหรับงานหนัก และ nemotron-3-super, gemma4:31b, qwen3.6 สำหรับการใช้งานโลคอลโดยไม่ต้องต่อคลาวด์ — สะท้อนว่าระบบนิเวศโมเดลโอเพนโตพอจะเป็นทางเลือกจริงสำหรับงานโค้ด
มุมมอง AI Curator
ข่าวนี้คือภาพย่อของเทรนด์ที่สำคัญมากสำหรับนักพัฒนาไทย — เส้นแบ่งระหว่าง “เอเจนต์คลาวด์” กับ “โมเดลโลคอล” กำลังเบลอลง เมื่อก่อนถ้าอยากได้เวิร์กโฟลว์เอเจนต์เก่ง ๆ ต้องยอมส่งโค้ดขึ้นคลาวด์ แต่ตอนนี้เริ่มเอาเครื่องมือระดับ Codex มาขับบนโมเดลในเครื่องได้ สำหรับองค์กรไทยในสายการเงิน สุขภาพ หรือราชการที่มีข้อจำกัดเรื่องการนำโค้ด/ข้อมูลออกนอกระบบ นี่คือทางที่ทำให้ “ใช้ AI ช่วยเขียนโค้ดได้โดยไม่ละเมิดนโยบายความปลอดภัย”
คำแนะนำ: ทีมไทยที่ยังลังเลเรื่อง data privacy ของ AI coding tools ควรลองเซ็ตอัป Ollama + โมเดลโอเพนอย่าง qwen3.6 หรือ glm-5.1 บนเครื่องแรง ๆ สักเครื่อง แล้วทดสอบกับงานจริง จะพบว่าคุณภาพเข้าใกล้เครื่องมือคลาวด์มากขึ้นเรื่อย ๆ ในต้นทุนที่คุมได้และข้อมูลไม่ออกนอกองค์กร
แหล่งข่าว:
อ่านเพิ่มในหมวด เครื่องมือนักพัฒนา
Betelgeuse รัน Qwen3.8 Flash Next ขนาด 68GB บน RTX 3060 กับแรม 16GB ส่วน Basalt วัดให้เห็นว่าเอนจินที่เร่งด้วยแฟล็กลัดทำให้โมเดลลืมของ
Betelgeuse ฟอร์ก llama.cpp ที่เปิดเมื่อ 31 ต.ค. ดึง expert จาก NVMe เข้า VRAM ตามต้องการ อ้าง 22 tok/s แบบไม่ทิ้ง expert แต่ README เตือนเองว่ายังทดลองและตัวเลขมาจากคนละรอบ วันเดียวกันผู้พัฒนา Basalt เผยผลวัดว่าแฟล็กเร่งความเร็วทำคุณภาพ Q8 ตกไปใกล้ Q2
กฎห้ามโคลนเกมของ Claude Code เริ่มกระทบงานจริง บริษัทรับทำเกมกระดานร้องงานลูกค้าหยุด แต่รายงานหลายชิ้นปนกับตัวกรองไซเบอร์คนละเรื่อง
ต่อจากที่เราพบกฎนี้ในไบนารี Claude Code ผู้ใช้เริ่มรายงานว่างานเชิงพาณิชย์ถูกปฏิเสธ และ Tom's Hardware กับ Mashable หยิบไปรายงาน แต่เมื่อไล่ issue ที่อ้างถึง พบว่าหลายรายการเกิดก่อนกฎจะมา จึงน่าจะเป็นตัวกรองด้านไซเบอร์ ส่วน Anthropic ยังไม่ชี้แจง
Claude Code ส่ง transcript ของ background agent ให้โมเดลทุก ~30 วินาทีเพื่อเขียนสถานะ 3–5 คำ ผู้วัดรายงานกินราว 16% และยังปิดแบบทางการไม่ได้
รายงานอิสระพบว่าฟีเจอร์ agent_summary ของ Claude Code ส่ง transcript เต็มของ background agent ไปถามสถานะทุก ~30 วินาที คิดเป็น 16.4% ของค่าใช้จ่ายในระบบของผู้วัด Issue เปิดมาตั้งแต่ ส.ค. ยังไม่มีสวิตช์ปิดที่รองรับ เราตรวจพบโค้ดนี้ใน 2.1.314 และพบกฎใหม่เรื่องเกมที่ไม่อยู่ใน changelog