LM Studio เปิดตัว Bionic — เอเจนต์ AI ที่ทำมาเพื่อโมเดลเปิดโดยเฉพาะ รันในเครื่อง แก้โค้ดได้ พร้อมสัญญา Zero Data Retention
วันที่ 16 กรกฎาคม 2026 LM Studio — ชื่อที่นักพัฒนาสายรันโมเดลในเครื่องรู้จักกันดีในฐานะแอปเดสก์ท็อปสำหรับโหลดและรัน LLM แบบ local — ประกาศเปิดตัว Bionic โดยนิยามตัวเองตรง ๆ ว่าเป็น “the AI agent made for open models” หรือ เอเจนต์ AI ที่ทำมาเพื่อโมเดลเปิดโดยเฉพาะ
จุดที่ต้องเน้นให้ชัดก่อน: Bionic ไม่ใช่การอัปเดตของ LM Studio แต่เป็น แอปใหม่ที่แยกออกมาต่างหาก และรันคู่ขนานไปกับ LM Studio ตัวเดิมได้ พูดอีกอย่างคือ LM Studio ไม่ได้แค่เติมปุ่ม agent เข้าไปในของเดิม แต่เลือกที่จะสร้างผลิตภัณฑ์ตัวที่สองขึ้นมาเลย
Bionic ทำอะไรได้บ้าง
LM Studio วางขอบเขตของ Bionic ไว้ที่ “coding, research, and complex work with documents and files” — ไม่ได้จำกัดตัวเองอยู่แค่ coding agent อย่างเดียว
ฝั่งงานโค้ด ฟีเจอร์ที่ระบุไว้ชัดคือ:
- อ่านและแก้ codebase ในเครื่อง — Bionic “inspect local codebases, explain unfamiliar code, and help you make changes” คือเข้าไปดูโปรเจกต์จริงในดิสก์ อธิบายโค้ดที่เราไม่คุ้น แล้วช่วยแก้ให้
- Inline diffs — ทุกการแก้โค้ดแสดงเป็น diff ให้ตรวจก่อน ไม่ใช่เขียนทับเงียบ ๆ
- Agentic code search — ค้นหาไฟล์ที่เกี่ยวข้อง ไล่ร่องรอยพฤติกรรมของโค้ด (trace behavior) แล้วอธิบายออกมา
นอกจากนั้นยังมี คีย์บอร์ดถอดเสียงแบบ local ที่ใช้ Voxtral โมเดลถอดเสียงหลายภาษาของ Mistral AI — พิมพ์ด้วยเสียงโดยที่เสียงไม่ต้องออกจากเครื่อง
สามทางเลือกในการรัน และโมเดลที่ LM Studio ชูเอง
โครงสร้างที่น่าสนใจที่สุดของ Bionic คือมันให้เลือก ระดับของการประมวลผล ได้สามแบบ: รันโมเดลในเครื่อง, ต่อผ่าน LM Link, หรือเรียก “the largest frontier open source models” ผ่าน LM Studio Secure Cloud สำหรับงานหนัก โดย LM Studio อธิบายว่าเป็นการคุมต้นทุนด้วยการเลือก “the right model and compute environment for each task”
โมเดลที่ LM Studio หยิบมาเอ่ยชื่อเองในประกาศคือ GLM 5.2 และ Kimi K2.7 Code — ทั้งคู่เป็นโมเดลเปิดสายโค้ด ไม่มี GPT หรือ Claude อยู่ในรายการ ซึ่งสอดคล้องกับจุดยืนของผลิตภัณฑ์: นี่คือเอเจนต์ที่ออกแบบรอบโมเดลเปิด ไม่ใช่เอเจนต์ที่รองรับโมเดลเปิดเป็นของแถม
ส่วนเรื่องบัญชีผู้ใช้ LM Studio ระบุว่าจะสมัครบัญชีก็ต่อเมื่อต้องการใช้โมเดลบนคลาวด์ (เพื่อตั้งค่าการเรียกเก็บเงิน) — ใช้เฉพาะโมเดลในเครื่องไม่ต้องมีบัญชี
ข้อสัญญาเรื่องข้อมูล
ประเด็นที่ LM Studio เขียนไว้ชัดที่สุดคือเรื่องข้อมูล: “For all LM Studio Bionic users, we commit to Zero Data Retention and never training on your data” และสำหรับงานที่ส่งขึ้นคลาวด์ คำขอจะ ไม่ถูกเก็บไว้หลังประมวลผลเสร็จ
นี่ไม่ใช่คำพูดลอย ๆ ในบริบทตลาด — มันคือจุดขายหลักที่แยก Bionic ออกจาก coding agent กระแสหลัก และเป็นเหตุผลเดียวที่ทำให้ผู้ใช้ยอมส่งงานขึ้นคลาวด์ของ LM Studio แทนที่จะยืนกรานรันในเครื่องอย่างเดียว
มุมมอง AI Curator
ข่าวนี้ไม่ได้น่าสนใจเพราะฟีเจอร์ — inline diff กับ code search ไม่ใช่ของใหม่ Cursor, Claude Code, Copilot มีมานานแล้ว ที่น่าสนใจคือ ใครเป็นคนทำ และทำทำไม
ตลอดสองปีที่ผ่านมา LM Studio อยู่ในตำแหน่ง “ท่อ” — เป็นที่ที่คุณโหลดโมเดลมารัน แล้วเอา endpoint ไปเสียบเครื่องมืออื่นอีกที มูลค่าเกือบทั้งหมดไปตกอยู่ที่ชั้นเอเจนต์ข้างบน การออก Bionic คือการที่ LM Studio ปฏิเสธจะเป็นท่อต่อไป และขยับขึ้นไปแข่งในชั้นที่มีมูลค่าจริง สังเกตว่า Ollama ก็เพิ่งใส่เอเจนต์แบบโต้ตอบเข้ามาในเวอร์ชัน 0.32.0 เมื่อ 11 กรกฎาคม — ห่างกันไม่ถึงสัปดาห์ สองเจ้าใหญ่ที่สุดของ local inference ขยับไปทางเดียวกันในเดือนเดียวกัน นี่ไม่ใช่เรื่องบังเอิญ แต่คือสัญญาณว่า “แค่รันโมเดลได้” ไม่ใช่ธุรกิจอีกต่อไป
สำหรับทีมไทย มุมที่ควรจับคือ เรื่องข้อมูล ไม่ใช่เรื่องความสามารถ ในแง่คุณภาพโค้ด GLM 5.2 หรือ Kimi K2.7 Code ยังไม่ใช่คู่แข่งตรง ๆ ของโมเดลปิดชั้นนำ แต่สำหรับองค์กรไทยจำนวนไม่น้อย — ธนาคาร โรงพยาบาล หน่วยงานรัฐ หรือบริษัทที่ต้องคุม PDPA อย่างเคร่งครัด — คำถามแรกไม่เคยเป็น “เก่งที่สุดไหม” แต่เป็น “โค้ดของเราออกนอกองค์กรหรือเปล่า” เครื่องมือที่ตอบคำถามนั้นได้ว่า “ไม่ออกเลย” มีค่ามากกว่าเครื่องมือที่เก่งกว่า 10% แต่ตอบไม่ได้
ข้อควรระวังที่ต้องพูดให้ตรง: Zero Data Retention เป็นคำสัญญาเชิงนโยบาย ไม่ใช่การรับประกันเชิงเทคนิค ถ้าองค์กรของคุณต้องการหลักประกันจริง ๆ ทางที่ถูกคือใช้เฉพาะโหมด local ซึ่งข้อมูลไม่ได้ออกจากเครื่องตั้งแต่แรกอยู่แล้ว — คำสัญญาเรื่องคลาวด์เป็นเรื่องรอง และควรผ่านทีมกฎหมายก่อนใช้กับโค้ดที่มีความอ่อนไหว อีกจุดคือประกาศนี้ไม่ได้ระบุแพลตฟอร์มที่รองรับและราคาฝั่งคลาวด์ไว้ชัด ถ้าจะวางแผนใช้จริงในทีม ควรรอรายละเอียดตรงนี้ก่อน
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