Cursor สั่ง agent swarm เขียน SQLite ใหม่ด้วย Rust จากคู่มือ 835 หน้า — ค่าโมเดลฝั่งคนงานร่วงจาก 9,373 เหลือ 411 ดอลลาร์

(หมายเหตุ: นี่คือข่าวตามเก็บ — Cursor เผยแพร่รายงานนี้เมื่อ 20 ก.ค. 2026 และเพิ่งถูกพูดถึงเป็นวงกว้างในช่วงสองสามวันที่ผ่านมา เราเพิ่งได้ตรวจสอบและเขียนถึงในรอบนี้)

Cursor เผยแพร่ผลการทดลองที่ออกแบบโจทย์ได้โหดและสะอาดผิดปกติ: ให้ฝูง agent เขียน SQLite ขึ้นมาใหม่ทั้งตัวด้วยภาษา Rust โดยมีแค่คู่มือ SQLite 835 หน้าเป็นข้อมูลตั้งต้น — ไม่ให้ดูซอร์สโค้ดต้นฉบับ ไม่ให้ดูชุดทดสอบ และไม่ให้ต่ออินเทอร์เน็ต แล้ววัดผลด้วย sqllogictest ซึ่งเป็นชุดทดสอบที่มีคำถามหลายล้านข้อพร้อมคำตอบที่ยืนยันแล้ว

สิ่งที่ทำให้รายงานนี้มีค่าสำหรับคนสร้างระบบ agent ไม่ใช่ผลลัพธ์ว่า “ทำได้” แต่คือ ตัวเลขต้นทุนที่แยกตามบทบาทของโมเดล ซึ่งเป็นข้อมูลที่ปกติไม่มีใครเปิด

สถาปัตยกรรมผู้วางแผนกับคนงาน

โครงสร้างที่ Cursor ใช้แบ่ง agent เป็นสองชั้นแบบ recursive:

• Planner agent ใช้โมเดลที่ฉลาดที่สุด ทำหน้าที่แตกเป้าหมายใหญ่ออกเป็นชิ้นงานย่อยแล้วมอบหมายต่อ
• Worker agent ใช้โมเดลที่เร็วและถูกกว่า ทำหน้าที่ลงมือทำชิ้นงานที่ได้รับมอบหมาย

ตรรกะเบื้องหลังสรุปได้ในประโยคเดียวจากรายงาน: เมื่อ planner ระดับแนวหน้า ยุบความกำกวมลงเป็นคำสั่งที่ละเอียดและชัดเจนแล้ว โมเดลที่ถูกกว่าก็แค่ทำตามคำสั่งนั้น ความยากอยู่ที่การตัดสินใจว่าจะทำอะไร ไม่ใช่การพิมพ์โค้ดออกมา

ตัวเลขที่ควรเอาไปคิดต่อ

Cursor ทดสอบสี่คอนฟิก และนี่คือค่าใช้จ่ายรวมของงานเดียวกัน:

คอนฟิก	ค่าใช้จ่ายรวม	เฉพาะฝั่งคนงาน
GPT-5.5 ทั้งสองบทบาท	10,565 ดอลลาร์	9,373 ดอลลาร์
Opus 4.8 วางแผน + Composer 2.5 เป็นคนงาน	1,339 ดอลลาร์	411 ดอลลาร์

อีกสองคอนฟิกคือ Grok 4.5 ทั้งสองบทบาท และ Fable 5 วางแผน + Composer 2.5 เป็นคนงาน

ตัวเลขที่กระโดดออกมาคือ ค่าใช้จ่ายฝั่งคนงานลดลงราว 22 เท่า จาก 9,373 เหลือ 411 ดอลลาร์ และค่าใช้จ่ายรวมลดลงเกือบ 8 เท่า โดยที่ ทุกคอนฟิกทำคะแนนชุดทดสอบได้ 100% ในที่สุด ไม่ใช่การแลกคุณภาพกับราคา

ข้อสังเกตที่ผมคิดว่าสำคัญที่สุดในรายงานคือ: โมเดลถูกผลิต token ออกมามากกว่า 90% ของทั้งหมด แต่โมเดลแพงจำนวนน้อยกลับกินค่าใช้จ่ายไปสองในสาม พูดอีกแบบคือ ในระบบ agent หลายตัว ต้นทุนของคุณไม่ได้อยู่ที่ปริมาณงาน แต่อยู่ที่ ปริมาณการตัดสินใจ

ปัญหาที่แท้จริงคือการประสานงาน ไม่ใช่ความสามารถของโมเดล

ส่วนที่ถูกพูดถึงน้อยกว่าแต่สำคัญไม่แพ้กันคือเรื่องโครงสร้างพื้นฐาน เพราะฝูง agent รุ่นก่อนของ Cursor ล้มเหลวไม่ใช่เพราะเขียนโค้ดไม่เป็น แต่เพราะ จมอยู่กับ merge conflict ของตัวเอง

เทียบกันบนโมเดลเดียวกัน (Grok 4.5): ระบบเดิมชน merge conflict เกิน 70,000 ครั้ง ก่อนจะถูกสั่งหยุด ขณะที่ระบบใหม่ชนน้อยกว่า 1,000 ครั้งตลอดสี่ชั่วโมง

ที่มาของความต่างคือ Cursor เลิกใช้ Git แล้วเขียนระบบควบคุมเวอร์ชันของตัวเอง — ฝูงเดิมที่สร้างเบราว์เซอร์ทำได้สูงสุดราว 1,000 คอมมิตต่อชั่วโมง บน Git ส่วนระบบใหม่ทำได้ราว 1,000 คอมมิตต่อวินาที พร้อมกับเพิ่มการปรับเอกสารออกแบบให้ตรงกันและระบบรีวิวหลายมุมมอง ผลคืออัตราผ่านชุดทดสอบในกรอบสี่ชั่วโมงขยับจากช่วง 11–77% ของระบบเดิม เป็น 73–85% ในระบบใหม่

มุมมอง AI Curator

รายงานนี้เป็นชิ้นที่ผมอยากให้คนสร้างระบบ agent อ่านมากที่สุดในรอบเดือน เพราะมันเปลี่ยนคำถามจาก “โมเดลไหนเก่งที่สุด” ไปเป็น “โมเดลไหนควรอยู่ตำแหน่งไหนในระบบ” ซึ่งเป็นคำถามที่ถูกกว่ามาก

ข้อสรุปที่นำไปใช้ได้ทันทีคือ การเลือกโมเดลควรเป็นการตัดสินใจระดับบทบาท ไม่ใช่ระดับแอปพลิเคชัน ทีมส่วนใหญ่ตอนนี้ยังเลือกโมเดลตัวเดียวแล้วใช้กับทุกอย่างในระบบ ซึ่งตัวเลขในรายงานบอกว่าเป็นการเผาเงินไปกับการให้โมเดลราคาแพงมาทำงานที่คำสั่งชัดเจนอยู่แล้ว

แต่ผมอยากเตือนสองข้อก่อนใครจะเอาไปสรุปเกินจริง ข้อแรก นี่คือรายงานของผู้ขาย — Cursor ขาย Composer และผลลัพธ์ที่ออกมาก็ชี้ว่า Composer 2.5 คุ้มที่สุดในบทบาทคนงาน ไม่ได้แปลว่าตัวเลขผิด แต่แปลว่าควรอ่านโดยรู้ว่าใครเป็นคนวัด ข้อสอง โจทย์นี้เอื้อกับสถาปัตยกรรมนี้เป็นพิเศษ — การเขียน SQLite ใหม่จากสเปกเป็นงานที่แตกเป็นชิ้นย่อยที่ตรวจสอบได้ชัดเจนและมีชุดทดสอบที่เป็นกลางคอยตัดสิน งานจริงในองค์กรส่วนใหญ่ไม่มีคุณสมบัตินี้ ถ้าคุณไม่มี oracle มาบอกว่าถูกหรือผิด ฝูง agent จะขยายความผิดพลาดได้เร็วพอ ๆ กับที่มันขยายผลงาน

ประเด็นเรื่อง การเลิกใช้ Git ก็ควรอ่านให้ตรง มันไม่ใช่คำแนะนำให้ทุกคนไปเขียน VCS เอง แต่เป็นสัญญาณว่าเครื่องมือที่ออกแบบมาสำหรับจังหวะการทำงานของมนุษย์เริ่มไม่รองรับจังหวะของเครื่อง — ซึ่งเป็นรูปแบบเดียวกับที่เราเห็นในข่าวอื่นของสัปดาห์นี้ ทั้งเรื่อง sandbox สำหรับ agentic RL และสเปก MCP ที่กำลังถูกรื้อให้เป็น stateless เพื่อรองรับการรันแบบกระจาย

สำหรับทีมไทยและอาเซียน ผมคิดว่านี่เป็นข่าวดีที่จับต้องได้จริง เพราะข้อจำกัดที่แท้จริงของทีมที่นี่มักไม่ใช่ความสามารถ แต่คือ งบค่า API ที่คิดเป็นดอลลาร์ ตัวเลขในรายงานบอกว่าคุณไม่จำเป็นต้องจ่ายค่าโมเดลแนวหน้าให้ทั้งระบบเพื่อให้ได้ผลลัพธ์ระดับเดียวกัน — จ่ายให้เฉพาะชั้นที่ต้องตัดสินใจ แล้วให้โมเดลถูกกว่า หรือแม้แต่โมเดล open-weight ที่รันเองได้ ทำงานที่เหลือ ความแตกต่างระหว่าง 10,565 กับ 1,339 ดอลลาร์คือความแตกต่างระหว่างโปรเจกต์ที่ผ่านงบกับโปรเจกต์ที่ไม่ผ่าน และนั่นคือเส้นแบ่งที่สตาร์ตอัปในภูมิภาคนี้เจอทุกวัน

แหล่งข่าว

• Cursor Blog — Agent swarms and the new model economics
• The Decoder — Cursor’s agent swarm suggests cheaper models can handle most coding when frontier models plan the work
• Tech Times — Cursor Agent Swarm: Worker Fleet Dropped From $9,373 to $411 in SQLite Test