ข้ามไปยังเนื้อหา
Google เปิด Agent Platform ให้ search เจ้าอื่นเข้ามา grounding โมเดล Gemini — เริ่มที่ Parallel Web Search พร้อมออปชัน Zero Data Retention
เครื่องมือนักพัฒนา

Google เปิด Agent Platform ให้ search เจ้าอื่นเข้ามา grounding โมเดล Gemini — เริ่มที่ Parallel Web Search พร้อมออปชัน Zero Data Retention

อ่าน 4 นาที ที่มา: Google Developers Blog

Google Developers Blog ประกาศเมื่อ 16 กรกฎาคม 2026 (เขียนโดย Guangsha Shi, Senior Product Manager) ว่า Parallel Web Search จาก Parallel Web Systems ได้กลายเป็น grounding provider ที่ผสานแบบ native เข้ากับ Gemini Enterprise Agent Platform แล้ว

พาดหัวที่น่าสนใจกว่าตัวฟีเจอร์คือสิ่งที่มันบอกเป็นนัย — Google ยอมให้ผู้ให้บริการ web search รายอื่นเข้ามานั่งในตำแหน่งที่ Google Search เคยผูกขาดบนแพลตฟอร์ม agent ของตัวเอง และ toggle ที่ใช้เปิดมันชื่อว่า “Grounding with Partners” (พหูพจน์) ซึ่งแปลว่านี่ไม่น่าจะเป็นรายสุดท้าย

ได้อะไรบ้าง และเรียกใช้ยังไง

Parallel Web Search ให้ผลลัพธ์ค้นเว็บแบบ structured และ optimize มาเพื่อ LLM โดยเฉพาะ จาก web index ของ Parallel ที่ออกแบบมาสำหรับ agentic workload พร้อม citation ชี้กลับไปยังต้นทางจริง — จุดขายคือ agent อ้างอิงสิ่งที่ตรวจสอบย้อนได้

มีสามทางเข้าใช้งาน:

  1. เรียกผ่าน Gemini API โดยตรง
  2. เลือกใน Agent Studio — สร้าง Chat ใหม่ → กาง Model settings → เปิด “Grounding with Partners” → เลือก Parallel Web Search เป็น grounding source
  3. สมัครผ่าน Google Cloud Marketplace (ต้องกด accept Terms of Service ก่อน)

เรื่องเงินและข้อมูล — จุดที่องค์กรสนใจจริง

สองข้อนี้คือสิ่งที่ทำให้ประกาศนี้มีน้ำหนักกว่าการเป็นแค่ integration:

  • บิลรวม — usage ถูก meter ลงใน invoice ของ Google Cloud ที่มีอยู่เดิม และยอดซื้อนับรวมเข้า marketplace benefit ที่เข้าเกณฑ์ แปลว่าไม่ต้องเปิดสัญญาใหม่กับ vendor รายที่สาม ซึ่งเป็นด่านที่ทำให้ integration แบบนี้ตายในองค์กรใหญ่บ่อยที่สุด
  • Zero Data Retention (ZDR) — มีออปชันสำหรับ workload ที่ข้อมูลอ่อนไหว ไม่ให้ข้อมูลถูกเก็บค้าง เพราะ Parallel Web Search รันอยู่บน Google Cloud อยู่แล้ว

ข้อควรระวังที่ต้องพูดตรง ๆ: ประกาศนี้ ไม่มีตัวเลข benchmark ใด ๆ เลย — ไม่มีการเทียบความแม่นกับ Grounding with Google Search, ไม่มี latency, ไม่มีราคาต่อ query ระบุในหน้าประกาศ. คำที่ใช้คือ “high-quality” และ “verifiable” ซึ่งเป็นคำการตลาด ไม่ใช่ผลวัด. ใครจะย้าย production ควรวัดเองก่อน

มุมมอง AI Curator

สิ่งที่เกิดขึ้นตรงนี้คือ การแยกชั้น (unbundling) ของ grounding layer — และมันสำคัญกว่าที่หน้าประกาศทำให้รู้สึก

ตลอดสองปีที่ผ่านมา การเลือกโมเดลกับการเลือกแหล่งความจริงที่โมเดลใช้อ้างอิงถูกมัดมาด้วยกัน: ใช้ Gemini ก็ ground ด้วย Google Search, ใช้ OpenAI ก็ ground ด้วยของ OpenAI. การที่ Google เปิดช่องนี้เอง — ทั้งที่ Search คือธุรกิจหลักของตัวเอง — บอกว่าแรงกดดันจากฝั่ง enterprise ที่ต้องการ เลือก index ได้ตามงาน มีจริง และ Google ประเมินว่าการรั้งลูกค้าไว้บนแพลตฟอร์ม agent สำคัญกว่าการบังคับให้ใช้ search ของตัวเอง

สำหรับทีมไทย นี่มีนัยเชิงปฏิบัติสองข้อ:

ข้อแรก — เริ่มมอง grounding provider เป็นตัวแปรที่สลับได้ ไม่ใช่ของแถมที่มากับโมเดล. ถ้าสถาปัตยกรรม agent ของคุณ hard-code การเรียก Google Search ไว้ ควรแยกมันออกมาเป็น interface ตั้งแต่ตอนนี้ เพราะทางเลือกกำลังจะเยอะขึ้น

ข้อสอง — แต่อย่าคาดหวังว่าจะแก้ปัญหาเนื้อหาภาษาไทยได้ทันที. จุดอ่อนของ agent ที่ทำงานกับข้อมูลไทยไม่เคยอยู่ที่ “มี search ให้เลือกกี่เจ้า” แต่อยู่ที่ ความลึกของ index ต่อเนื้อหาภาษาไทย — เอกสารราชการ, ประกาศ, ข่าวท้องถิ่น. Parallel สร้าง index มาเพื่อ agentic workload ซึ่งไม่ได้แปลว่าครอบคลุมภาษาไทยดีกว่าเจ้าเดิม และไม่มีข้อมูลใดในประกาศนี้ที่พูดถึงความครอบคลุมภาษาที่ไม่ใช่อังกฤษเลย ทีมที่ทำ RAG ภาษาไทยควรทดสอบด้วย query ไทยจริงก่อนตัดสินใจ — อย่าเชื่อคำว่า “high-quality” ที่ยังไม่มีตัวเลขรองรับ

ส่วนเรื่อง ZDR + บิลรวมนั้น ตรงใจองค์กรไทยในภาคการเงินและสาธารณสุขที่ติดข้อกำหนดเรื่องข้อมูลไม่ให้ค้างนอกระบบ — นี่อาจเป็นเหตุผลที่ใหญ่กว่าคุณภาพผลค้นเสียอีกในการตัดสินใจจริง

แหล่งข่าว

บทความนี้เรียบเรียงจากแหล่งข่าวต้นทาง — Google Developers Blog

เนื้อหาบน blog นี้สร้างโดย AI โดยมีการกำกับบรรณาธิการจากมนุษย์

อ่านเพิ่มในหมวด เครื่องมือนักพัฒนา

Betelgeuse รัน Qwen3.8 Flash Next ขนาด 68GB บน RTX 3060 กับแรม 16GB ส่วน Basalt วัดให้เห็นว่าเอนจินที่เร่งด้วยแฟล็กลัดทำให้โมเดลลืมของ
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

· อ่าน 5 นาที
กฎห้ามโคลนเกมของ Claude Code เริ่มกระทบงานจริง บริษัทรับทำเกมกระดานร้องงานลูกค้าหยุด แต่รายงานหลายชิ้นปนกับตัวกรองไซเบอร์คนละเรื่อง
เครื่องมือนักพัฒนา

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

· อ่าน 4 นาที
Claude Code ส่ง transcript ของ background agent ให้โมเดลทุก ~30 วินาทีเพื่อเขียนสถานะ 3–5 คำ ผู้วัดรายงานกินราว 16% และยังปิดแบบทางการไม่ได้
เครื่องมือนักพัฒนา

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

· อ่าน 4 นาที