ข้ามไปยังเนื้อหา
GitHub Copilot CLI ค้นหาโมเดล Ollama บนเครื่องผ่าน /model ได้แล้ว และ local sandboxing ขึ้น GA ใน CLI, Copilot app และ VS Code — แต่เลือกโมเดล local ไม่ได้แปลว่าออฟไลน์
เครื่องมือนักพัฒนา

GitHub Copilot CLI ค้นหาโมเดล Ollama บนเครื่องผ่าน /model ได้แล้ว และ local sandboxing ขึ้น GA ใน CLI, Copilot app และ VS Code — แต่เลือกโมเดล local ไม่ได้แปลว่าออฟไลน์

อ่าน 4 นาที ที่มา: GitHub Changelog

GitHub ออก changelog สองชิ้นเมื่อ 7 ต.ค. 2026 ที่ควรอ่านคู่กัน ชิ้นแรกคือ Copilot CLI ค้นหาโมเดล local จาก Ollama ได้จากคำสั่ง /model ชิ้นที่สองคือ local sandboxing ขึ้นสถานะ generally available ใน Copilot CLI, GitHub Copilot app และ VS Code (เซสชันที่ใช้ Agent Host) หลังจากเปิด public preview ใน Copilot app เมื่อปลายเดือนกันยายน

เมื่อรวมกัน นักพัฒนาสามารถให้เอเจนต์ของ Copilot ใช้โมเดลที่รันอยู่บนเครื่องตัวเอง และจำกัดสิ่งที่คำสั่งของเอเจนต์เข้าถึงได้ในระดับ OS แต่ GitHub เขียนไว้ชัดว่าสองเรื่องนี้แยกจากกัน และการเลือกโมเดล local ไม่ได้ทำให้ทุกอย่างอยู่บนเครื่อง

/model เจอ Ollama อัตโนมัติ แต่ไม่ติดตั้งให้

ตั้งแต่ Copilot CLI 1.0.94-0 เมื่อพิมพ์ /model ตัว picker จะแสดงโมเดลที่รองรับจาก Ollama ที่รันอยู่ รวมกับโมเดลที่ตั้งค่าไว้และโมเดลคลาวด์ของ Copilot เงื่อนไขที่ต้องรู้:

  • การค้นพบไม่เพิ่มโมเดลให้อัตโนมัติ ต้องเลือก ตรวจ provider กับ endpoint แล้วกดยืนยัน Add and use for this session หรือ Add without switching ใช้ได้ทันทีโดยไม่ต้องรีสตาร์ต CLI
  • ต้องติดตั้ง Ollama และดึงโมเดลไว้ก่อน ฟีเจอร์นี้ไม่ติดตั้ง runtime หรือดาวน์โหลดโมเดลให้
  • โมเดลต้องรองรับ tool calling และ streaming โมเดลเล็กหลายตัวจึงอาจไม่ขึ้นในรายการ
  • ถ้าเชื่อมต่อ provider ไม่ได้ จะแสดงเหตุผลไว้ใน picker

ประโยคที่สำคัญที่สุดในประกาศ: “Choosing a local model doesn’t turn on offline mode or disable GitHub telemetry.” โหมดออฟไลน์ยังต้องเปิดเองผ่าน COPILOT_OFFLINE=true และถ้าตั้ง provider ระยะไกลไว้ด้วย ระบบยังอาจส่ง prompt กับ context ของโค้ดออกไปทางเครือข่ายได้แม้อยู่ในโหมดออฟไลน์ GitHub ยังบอกว่าจะมี intelligent routing กับโมเดล local ตามมา แต่ยังไม่มีกำหนดวัน

Local sandboxing GA บน MXC

local sandbox ทำให้คำสั่งและ tool ที่ Copilot เรียกบนเครื่องรันภายใต้ policy ที่จำกัดการเข้าถึงไฟล์ เครือข่าย และ credential ขับเคลื่อนด้วย Microsoft eXecution Container (MXC) ซึ่งแปลง policy ชุดเดียวเป็นกลไกควบคุมของ OS เองบน Windows, macOS และ Linux สิ่งที่ตั้งได้:

  • จำกัดโฟลเดอร์ที่คำสั่งของเอเจนต์อ่านหรือแก้ไขได้
  • คุมการเข้าอินเทอร์เน็ต เครือข่ายภายใน รวมถึง Git credential และ GitHub CLI credential
  • ครอบ tool และ service บนเครื่อง รวมถึง MCP server แบบ local และ language server (ในกรณีที่รองรับ)
  • องค์กรใช้ managed settings บังคับเปิด sandbox และล็อก policy ไม่ให้นักพัฒนาลดระดับลงได้

GitHub ย้ำว่า “Model execution and tool isolation are separate concerns” คือ sandbox ครอบการรัน tool ไม่ว่าจะใช้โมเดลไหน และฟีเจอร์นี้รวมอยู่ใน Copilot โดยไม่มีค่าใช้จ่ายเพิ่ม

ในวันเดียวกัน GitHub ยังเปิดให้เลือก Claude Haiku 5.5 ใน Copilot ทุกช่องทาง รวมถึง CLI ด้วย

มุมมอง AI Curator

ข่าวนี้ทำให้ Copilot CLI ไล่ทันสิ่งที่ coding agent หลายตัวในตลาดมีอยู่แล้ว คือเปิดให้เสียบโมเดลอื่นและรันเอเจนต์ใน sandbox แต่จุดที่น่าชื่นชมคือ GitHub เขียนข้อจำกัดไว้ตรง ๆ ว่าโมเดล local ไม่เท่ากับ privacy และ sandbox ไม่เกี่ยวกับโมเดล หลายทีมเข้าใจผิดว่าแค่ชี้เอเจนต์ไปที่ Ollama แล้วโค้ดจะไม่ออกนอกเครื่อง ความจริงคือ telemetry กับ provider อื่นที่ตั้งไว้ยังทำงานอยู่ ใครที่ต้องการแบบนั้นจริงต้องตั้ง COPILOT_OFFLINE=true ถอด remote provider ออก แล้วตรวจ traffic เอง

สำหรับองค์กรไทยที่อยู่ภายใต้ PDPA หรือกฎของ ธปท. เรื่องข้อมูลลูกค้า ส่วนที่มีค่ากว่าคือ sandbox ที่บังคับจาก managed settings ได้ เพราะความเสี่ยงจริงของ coding agent วันนี้ไม่ได้อยู่ที่โมเดลรันที่ไหน แต่อยู่ที่เอเจนต์รัน curl ส่ง .env ออกไป หรือใช้ gh credential ของนักพัฒนา push ไป repo อื่น การล็อก network และ credential ไว้ระดับ OS โดยนักพัฒนาปิดเองไม่ได้ คือสิ่งที่ฝ่าย security ต้องการก่อนจะอนุญาตให้เอเจนต์ทำงานอัตโนมัติมากขึ้น

ข้อควรระวังเชิงปฏิบัติ: โมเดล local ที่ tool calling ได้ดีพอสำหรับงานเอเจนต์ยังต้องใช้ GPU/RAM พอสมควร ถ้าเครื่องเป็นโน้ตบุ๊กทั่วไป ประสบการณ์อาจช้ากว่าโมเดลคลาวด์ราคาถูกอย่าง Haiku 5.5 ที่เพิ่งออกมาอย่างเห็นได้ชัด ฟีเจอร์ local model จึงเหมาะกับงานที่ข้อมูลออกนอกเครื่องไม่ได้จริง ๆ มากกว่าจะใช้เพื่อประหยัดค่า API


แหล่งข่าว

บทความนี้เรียบเรียงจากแหล่งข่าวต้นทาง — GitHub Changelog

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