Kuna: ดีคอมไพเลอร์ที่ LLM เขียนเองเกือบทุกบรรทัด ทำคะแนนโครงสร้างโค้ด 44.4% เทียบ IDA Pro ที่ 45.7%

Noelo Lab เผยแพร่โพสต์เปิดตัว Kuna เมื่อวันที่ 29 กรกฎาคม 2026 และมันน่าสนใจไม่ใช่เพราะเป็นดีคอมไพเลอร์ที่ดีที่สุด แต่เพราะวิธีที่มันถูกสร้างขึ้น Kuna คือดีคอมไพเลอร์เขียนด้วย Rust พอร์ตมาจาก Ghidra ของ NSA แล้วปรับโครงสร้างให้เข้ากับไปป์ไลน์ของ angr ปล่อยภายใต้ Apache License 2.0 บน GitHub — และผู้เขียนบอกไว้ตรง ๆ ว่า

“an LLM has written nearly every line of code in this project”

ผลลัพธ์ที่ทำให้โพสต์นี้ถูกพูดถึงคือตัวเลขบน decbench.com: Kuna จัดโครงสร้าง (structuring) ฟังก์ชันได้สมบูรณ์แบบ 44.4% เทียบกับ IDA Pro 9.2 ซึ่งเป็นเครื่องมือเชิงพาณิชย์มาตรฐานของวงการที่ทำได้ 45.7% — ห่างกันราวหนึ่งจุดกว่า ๆ สำหรับซอฟต์แวร์ที่มนุษย์แทบไม่ได้พิมพ์โค้ดเอง

”Agent-first” หมายความว่าอะไร

คำอธิบายของ repo คือ “an agent-first decompiler designed to be refined by other agents” — ดีคอมไพเลอร์ที่ออกแบบมาให้ agent ตัวอื่นมาขัดเกลาต่อ ซึ่งเป็นแนวคิดที่ต่างจากการเอา AI มาช่วยเขียนโค้ดแบบปกติพอสมควร

หัวใจอยู่ที่การมี ตัวชี้วัดที่รันซ้ำได้ ให้ agent ไล่ปรับ แทนที่จะสั่งให้ LLM “เขียนฟีเจอร์นี้ให้หน่อย” ผู้เขียนให้โมเดลศึกษาข้อมูลเปรียบเทียบประสิทธิภาพกับดีคอมไพเลอร์ที่มีอยู่ (IDA Pro, Ghidra, angr) แล้ววนปรับผลลัพธ์ของตัวเองไปเรื่อย ๆ โดยวัดจากเบนช์มาร์ก ผลคือมันได้ implement ฟีเจอร์พื้นฐานกว่า 20 อย่าง ที่ยกมาจาก angr ซึ่งของเดิมใช้เวลาพัฒนาเชิงวิชาการหลายปีกว่าจะได้มา

ในฝั่งวิศวกรรม repo มี commit บน main กว่า 1,562 ครั้ง และมีชุดทดสอบ regression ที่ผ่าน 675/675 เทียบกับ baseline การจะ build ต้องมีแค่ Rust toolchain กับ cargo — make binaries สำหรับตัวดีคอมไพเลอร์กับเครื่องมือ CLI และ make specs สำหรับคอมไพล์สเปก SLEIGH ตอนนี้โปรเจกต์มีดาว 178 ดวง

ผู้เขียนเบรกความคาดหวังเอง — และนั่นคือส่วนที่ดีที่สุดของโพสต์

สิ่งที่ทำให้โพสต์นี้น่าเชื่อถือกว่าคำโฆษณา “AI เขียนซอฟต์แวร์ทั้งตัว” ที่เราเห็นกันทุกสัปดาห์ คือผู้เขียนไล่ระบุข้อจำกัดเองอย่างละเอียด:

1. มันตั้งอยู่บนงานวิจัยหลายสิบปี — Kuna ไม่ได้คิดการดีคอมไพล์ขึ้นมาใหม่ มันยืนอยู่บนไหล่ของ Ghidra และ angr ทั้งหมด
2. มัน “ไม่อัตโนมัติ” จริง ๆ — กระบวนการขัดเกลาตัวเองนั้น “requires scientific insight to even begin automatic refinement” ต้องมีมนุษย์ทำวิจัยเพื่อกำหนดตัวชี้วัดและเบนช์มาร์กก่อน agent ถึงจะมีอะไรให้ไล่ปรับ
3. การดีคอมไพล์ไม่ได้มีแค่การจัดโครงสร้าง — ผู้เขียนเน้นว่า “decompilation is more than just structuring!” ส่วนที่ยังขาดคือ types, optimizations, recompilability และการระบุตัวแปร ซึ่งเป็นงานที่ยากกว่ามาก
4. มันคือการทดลอง ที่ยังพิสูจน์ไม่ได้ว่ากรอบการพัฒนาแบบนี้จะพาไปถึงดีคอมไพเลอร์ที่สมบูรณ์ได้จริง

พูดอีกอย่าง ตัวเลข 44.4% นั้นจริง แต่มันคือคะแนนในมิติเดียวของงานที่มีหลายมิติ และมิติที่ Kuna ทำได้ดีคือมิติที่ “วัดง่ายที่สุด” — ซึ่งไม่ใช่เรื่องบังเอิญเลย

มุมมอง AI Curator

ผมคิดว่าบทเรียนจริงของ Kuna ไม่ใช่ “LLM เขียนดีคอมไพเลอร์ได้แล้ว” แต่เป็น “ถ้าคุณสร้างเบนช์มาร์กที่รันซ้ำได้และวัดผลได้ชัด agent จะไต่มันขึ้นไปได้ไกลอย่างน่าประหลาดใจ” — และนั่นเป็นคนละเรื่องกัน

ความแตกต่างสำคัญตรงนี้: งานที่ agent ทำได้ดีในโปรเจกต์นี้คืองานที่มี oracle อยู่แล้ว มี Ghidra ให้พอร์ต มี angr ให้ลอกสถาปัตยกรรม มี IDA ให้เทียบคะแนน มี regression test 675 เคสให้ผ่าน ทุกครั้งที่ agent แก้โค้ด มันรู้ทันทีว่าดีขึ้นหรือแย่ลง นี่คือสภาพแวดล้อมในฝันของ reinforcement learning ที่แทบไม่มีในงานซอฟต์แวร์ปกติ — โปรเจกต์ธุรกิจส่วนใหญ่ไม่มีใครบอกได้ว่า “เวอร์ชันนี้ดีกว่าเวอร์ชันก่อน 1.3%”

ซึ่งเชื่อมกับข่าวอีกชิ้นของวันนี้ได้พอดี: เบนช์มาร์ก HANDBOOK.md พบว่า agent ทำตามเอกสารนโยบายยาว ๆ ได้แย่มาก (ตัวที่ดีที่สุด 36.2%) ความต่างระหว่างสองงานนี้ไม่ได้อยู่ที่ความฉลาดของโมเดล แต่อยู่ที่ว่า งานหนึ่งมีฟังก์ชันคะแนนที่กดปุ่มรันได้ อีกงานหนึ่งมีแต่ข้อความภาษาคนที่ต้องตีความ ถ้าคุณกำลังวางแผนเอา coding agent มาใช้ในทีม คำถามแรกที่ควรถามจึงไม่ใช่ “โมเดลไหนเก่งสุด” แต่คือ “งานของเรามี oracle ให้ agent ไล่ปรับหรือเปล่า” ถ้าไม่มี การลงทุนสร้างมันขึ้นมาก่อนอาจให้ผลตอบแทนมากกว่าการอัปเกรดโมเดล

สำหรับบ้านเรา ผมเห็นมุมที่ใช้ได้จริงในสาย security และ reverse engineering ซึ่งเป็นสายที่ไทยขาดแคลนคนรุนแรงและเครื่องมือระดับ IDA Pro มีราคาที่ทีมเล็กหรือมหาวิทยาลัยเอื้อมไม่ถึง การมีดีคอมไพเลอร์ Apache-2.0 ที่คะแนนโครงสร้างใกล้เคียงของเชิงพาณิชย์ — แม้ยังขาด type inference — ก็เป็นวัสดุการสอนและฐานสำหรับงานวิจัยที่ดีทีเดียว และที่สำคัญกว่าคือมันเปิดให้ดูว่า “การใช้ agent สร้างซอฟต์แวร์ระบบขนาดใหญ่” หน้าตาเป็นอย่างไรจริง ๆ ทั้งส่วนที่ได้ผลและส่วนที่ผู้เขียนยอมรับเองว่ายังไปไม่ถึง

แหล่งข่าว

• Kuna: Decompiler Development in the Age of Coding Agents — Noelo Lab (29 ก.ค. 2026)
• Noelo-Lab/kuna บน GitHub (Apache-2.0)
• การพูดคุยบน Hacker News