แท็ก

#coding-agents

16 บทความ

GitHub อัปเดต HydraFusion และเพิ่ม HydraFusion Max: ตั้ง reasoning effort แยกตามขั้น (draft ระดับ medium, review ระดับ high), Critique ใช้ critic หลายตัวขนานกัน — แต่ยังไม่มีตัวเลขเบนช์มาร์กของ Max
เครื่องมือนักพัฒนา

GitHub อัปเดต HydraFusion และเพิ่ม HydraFusion Max: ตั้ง reasoning effort แยกตามขั้น (draft ระดับ medium, review ระดับ high), Critique ใช้ critic หลายตัวขนานกัน — แต่ยังไม่มีตัวเลขเบนช์มาร์กของ Max

GitHub ประกาศเมื่อ 14 ต.ค. ว่า HydraFusion ตัวจัดการหลายโมเดลใน Copilot ได้ชุดโมเดลใหม่ (Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol, GPT-6 Luna) และเลิกใช้ reasoning effort ค่าเริ่มต้นแบบเดียว พร้อมเพิ่ม HydraFusion Max ที่เปิดใช้ reasoning ระดับ extra high ได้ ทั้งสองยังเป็น research preview คิดเงินตามโทเคนของทุกโมเดลที่ใช้ และ GitHub ยังไม่เผยตัวเลขเบนช์มาร์กของ Max

· อ่าน 4 นาที
ทดลอง 26 เทคนิคเทสต์กับ coding agent ครั้งละ 160 รัน แล้วพบว่า "ไม่สั่งอะไรเลย" ชนะเกือบทุกเทคนิค — และสกิลเทสต์ยอดฮิต 250k ดาวทำผลแย่ลง
เครื่องมือนักพัฒนา

ทดลอง 26 เทคนิคเทสต์กับ coding agent ครั้งละ 160 รัน แล้วพบว่า "ไม่สั่งอะไรเลย" ชนะเกือบทุกเทคนิค — และสกิลเทสต์ยอดฮิต 250k ดาวทำผลแย่ลง

Dan Luu ให้ Codex (GPT-5.6 Sol) เขียน Zstd ใน Rust ซ้ำ 160 รันต่อเงื่อนไข ครอบคลุม 26 เทคนิคเทสต์และ 4 สกิล ผลคือไม่มีเทคนิคไหนชนะขาด และเงื่อนไข Default ที่ไม่สั่งอะไรเลยทำได้ "สูงกว่าค่าเฉลี่ยอย่างชัดเจน" เพราะเอเจนต์ใช้เทคนิคที่ถูกสั่งแบบผิวเผินแทบทุกกรณี

· อ่าน 8 นาที
GitHub เปิด Project HydraFusion — เราเตอร์หลายโมเดลใน Copilot CLI ที่ลดต้นทุน 36-67% แต่ตารางของ GitHub เองบอกว่าคุณภาพชนะ Opus 5 แค่เบนช์มาร์กเดียวจากสาม และวัดทุกโมเดลที่ระดับ medium
เครื่องมือนักพัฒนา

GitHub เปิด Project HydraFusion — เราเตอร์หลายโมเดลใน Copilot CLI ที่ลดต้นทุน 36-67% แต่ตารางของ GitHub เองบอกว่าคุณภาพชนะ Opus 5 แค่เบนช์มาร์กเดียวจากสาม และวัดทุกโมเดลที่ระดับ medium

GitHub ปล่อย HydraFusion เป็น research preview ใน Copilot CLI เมื่อ 4 ก.ย. — ระบบที่เลือกแผนการทำงาน Single/Cascade/Critique ให้แต่ละงานแทนการเลือกโมเดลเดียว พาดหัวคือ 'frontier quality' แต่ตารางในบทความเดียวกันแสดงว่าคุณภาพต่ำกว่า Opus 5 ในสองจากสามเบนช์มาร์ก และเงื่อนไขการวัดที่ซ่อนอยู่ในคำอธิบายใต้ตารางเปลี่ยนความหมายของตัวเลขทั้งชุด

· อ่าน 7 นาที
SWE-Gate: แพตช์ 644 ชิ้นที่ผ่านเทสต์ มี 221 ชิ้นที่รีวิวเวอร์จะตีกลับ — และการบอกกฎให้เอเจนต์รู้ล่วงหน้า ทำให้มันซ่อมบั๊กได้แย่ลง
งานวิจัย

SWE-Gate: แพตช์ 644 ชิ้นที่ผ่านเทสต์ มี 221 ชิ้นที่รีวิวเวอร์จะตีกลับ — และการบอกกฎให้เอเจนต์รู้ล่วงหน้า ทำให้มันซ่อมบั๊กได้แย่ลง

เปเปอร์ arXiv:2609.04167 (3 ก.ย.) เสนอ SWE-Gate เบนช์มาร์ก 303 เคสจาก 75 รีโป Python ที่แยกเทสต์ "แก้บั๊กได้ไหม" ออกจาก "ผ่านเงื่อนไขที่รีวิวเวอร์ตั้งไหม" — จากแพตช์ 644 ชิ้นที่ผ่านเทสต์การทำงาน มี 221 ชิ้น (34.3%) ที่ละเมิดเงื่อนไขรีวิว และการยื่นเงื่อนไขให้เอเจนต์อ่านทำให้อัตราซ่อมบั๊กสำเร็จลดลงทุกโมเดล

· อ่าน 7 นาที
ทีม Qwen กลับด้านไปป์ไลน์เทรนเอเจนต์ — ถอดสภาพแวดล้อมที่รันได้ 37,273 ชุดออกจาก trajectory เก่า 359,593 เส้น ดัน Qwen3.5-27B บน Terminal-Bench 2.1 ขึ้น 11.9 จุด แต่เวิร์กสเปซที่รีเพลย์ได้จริงมีโค้ดมัธยฐาน 0 บรรทัด
งานวิจัย

ทีม Qwen กลับด้านไปป์ไลน์เทรนเอเจนต์ — ถอดสภาพแวดล้อมที่รันได้ 37,273 ชุดออกจาก trajectory เก่า 359,593 เส้น ดัน Qwen3.5-27B บน Terminal-Bench 2.1 ขึ้น 11.9 จุด แต่เวิร์กสเปซที่รีเพลย์ได้จริงมีโค้ดมัธยฐาน 0 บรรทัด

3 ก.ย. 2026 ทีม Qwen ของ Alibaba เผยแพร่ Terminal-Universe — กรอบงานที่รีเพลย์การกระทำต่อไฟล์ใน trajectory ของเอเจนต์เก่าเพื่อสร้างเวิร์กสเปซที่รันได้ใหม่ ได้ 37,273 สภาพแวดล้อม และ SFT ทำให้ Qwen3.5-27B ขึ้นจาก 46.2% เป็น 58.1% บน Terminal-Bench 2.1 แต่ไฟล์ส่วนใหญ่ในเวิร์กสเปซมาจากเอเจนต์เติม ไม่ใช่จากการรีเพลย์

· อ่าน 8 นาที
Codex กำลังจะมีโหมดที่ไม่หยุดทำงาน — เราไปอ่านโค้ดที่ merge เข้า openai/codex เมื่อวานมาแล้ว และนี่คือพรอมป์ตัวเต็มของ "persistent mode"
เครื่องมือนักพัฒนา

Codex กำลังจะมีโหมดที่ไม่หยุดทำงาน — เราไปอ่านโค้ดที่ merge เข้า openai/codex เมื่อวานมาแล้ว และนี่คือพรอมป์ตัวเต็มของ "persistent mode"

PR #41050 ถูก merge เข้ารีโป openai/codex เมื่อ 27 ส.ค. เพิ่ม ReasoningEffort::Persistent — ระดับ effort ใหม่ที่ทำให้เอเจนต์ตั้งงานต่อเนื่องให้ตัวเอง ทำต่อข้ามเซสชัน และทักผู้ใช้ก่อนได้ พร้อมเทมเพลตพรอมป์ 13 บรรทัดที่กำหนดกติกาไว้ชัดว่าอะไรทำได้เองและอะไรต้องขออนุมัติ; OpenAI บอกสื่อว่ายังไม่มีแผนเปิดใช้

· อ่าน 7 นาที
GameXpert-Bench วัด coding agent ด้วยการให้ทำเกมทั้งวงจร — ผลคือ agent สร้างของที่เล่นได้เก่งกว่าหาบั๊กเอง และคะแนนซ่อมพังทันทีเมื่อไม่มีใครบอกว่าบั๊กอยู่ตรงไหน
งานวิจัย

GameXpert-Bench วัด coding agent ด้วยการให้ทำเกมทั้งวงจร — ผลคือ agent สร้างของที่เล่นได้เก่งกว่าหาบั๊กเอง และคะแนนซ่อมพังทันทีเมื่อไม่มีใครบอกว่าบั๊กอยู่ตรงไหน

เปเปอร์ arXiv วันที่ 22 ส.ค. 2026 เสนอ GameXpert-Bench ที่วัด coding agent ตลอดวงจรการทำเกมสามแทร็ก — สร้างใหม่ 97 โจทย์ ซ่อมบั๊ก 100 โจทย์ และปรับปรุงต่อเนื่อง 17 เชนหกรอบ ข้อค้นพบหลักคือช่องว่างระหว่างการเขียนตามสั่งกับการหาข้อบกพร่องเอง โดยตัวชี้วัด Self-Discovery ตกไล่ตั้งแต่ 7.6 จนถึง 32.8 จุดแล้วแต่โมเดล

· อ่าน 6 นาที
Linear เปิดข้อมูลจริงจาก 127,000 ผู้ใช้: AI เขียน issue เกือบครึ่งของทั้งหมด, PR ต่อ workspace โต 111% — แต่ทีมกลับใช้เวลากับงานพัฒนา "มากขึ้น" ไม่ใช่น้อยลง
งานวิจัย

Linear เปิดข้อมูลจริงจาก 127,000 ผู้ใช้: AI เขียน issue เกือบครึ่งของทั้งหมด, PR ต่อ workspace โต 111% — แต่ทีมกลับใช้เวลากับงานพัฒนา "มากขึ้น" ไม่ใช่น้อยลง

Linear เผยแพร่รายงาน How Teams Build ฉบับแรก จากข้อมูลผู้ใช้จริง 127,000 คนและ 47,900 workspace — เอเจนต์สร้าง issue เกือบครึ่งหนึ่งของทั้งหมดแล้ว ทีมที่ใช้ coding agent เปิด PR จาก 21 เป็น 65 ต่อสัปดาห์ แต่ข้อค้นพบที่สวนความคาดหมายคือเวลาที่ใช้กับงานพัฒนาไม่ได้ลดลงเลย

· อ่าน 6 นาที
OpenAI ปล่อยแอปเดสก์ท็อป ChatGPT สำหรับ Linux แล้ว — มาพร้อม Codex, แพ็กเกจ .deb และ .rpm รองรับทั้ง x64 และ ARM64
เครื่องมือนักพัฒนา

OpenAI ปล่อยแอปเดสก์ท็อป ChatGPT สำหรับ Linux แล้ว — มาพร้อม Codex, แพ็กเกจ .deb และ .rpm รองรับทั้ง x64 และ ARM64

11 ส.ค. 2026 OpenAI ปล่อยแอปเดสก์ท็อป ChatGPT สำหรับ Linux ในสถานะ preview ทั่วโลก รวม ChatGPT, ChatGPT Work และ Codex ไว้ในแอปเดียว แจกเป็น .deb และ .rpm รองรับ Ubuntu 24.04/26.04 LTS, Debian 13, Fedora 43/44 ทั้งสถาปัตยกรรม x64 และ ARM64

· อ่าน 4 นาที
Zed เปิดตัว Delta — แอปใหม่ที่ไม่ใช่ editor แต่เอา "บทสนทนา" เป็นศูนย์กลางของการเขียนโค้ดกับ agent
เครื่องมือนักพัฒนา

Zed เปิดตัว Delta — แอปใหม่ที่ไม่ใช่ editor แต่เอา "บทสนทนา" เป็นศูนย์กลางของการเขียนโค้ดกับ agent

Zed ประกาศ Delta เมื่อ 12 ส.ค. 2026 — แอปแยกตัวใหม่ (ไม่ใช่ฟีเจอร์ใน Zed) ที่ sync ทั้งโค้ดและบทสนทนาแบบ real-time ผ่าน DeltaDB ให้ทั้งคนและ agent ทำงานอยู่ใน thread เดียวกัน คอมเมนต์เกาะติดบรรทัดโค้ดแม้โค้ดจะเปลี่ยนไปแล้ว เปิด private beta

· อ่าน 5 นาที
Google เสนอ: ยุค AI เขียนโค้ด ควรเลือกภาษาที่ "อ่านง่าย" ไม่ใช่ "เขียนเร็ว" — แต่ข้อมูลจากการวัดจริงบอกว่ายังไม่มีภาษาไหนชนะ
เครื่องมือนักพัฒนา

Google เสนอ: ยุค AI เขียนโค้ด ควรเลือกภาษาที่ "อ่านง่าย" ไม่ใช่ "เขียนเร็ว" — แต่ข้อมูลจากการวัดจริงบอกว่ายังไม่มีภาษาไหนชนะ

11 ส.ค. 2026 ทีม Go ของ Google เขียนบทความชี้ว่าเกณฑ์เลือกภาษาเปลี่ยนไปแล้ว — เมื่อ AI เป็นคนพิมพ์ คอขวดย้ายจากการเขียนไปอยู่ที่การรีวิว จึงควรเลือกภาษาที่ตรวจสอบง่าย แต่การทดลองวัด token cost จริงข้ามภาษากว่าสิบภาษากลับไม่พบว่ามีภาษาไหนชนะขาด

· อ่าน 6 นาที
Cursor สั่ง agent swarm เขียน SQLite ใหม่ด้วย Rust จากคู่มือ 835 หน้า — ค่าโมเดลฝั่งคนงานร่วงจาก 9,373 เหลือ 411 ดอลลาร์
เครื่องมือนักพัฒนา

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

Cursor เผยผลทดลอง agent swarm ที่ให้เขียน SQLite ขึ้นใหม่ด้วย Rust จากคู่มือ 835 หน้าอย่างเดียว ไม่ให้ดูซอร์สและไม่ให้ต่อเน็ต — พบว่าเมื่อใช้โมเดลแนวหน้าเป็นผู้วางแผนแล้วให้โมเดลถูกเป็นคนงาน ค่าใช้จ่ายฝั่งคนงานลดจาก 9,373 เหลือ 411 ดอลลาร์ โดยทุกคอนฟิกยังผ่านชุดทดสอบ 100%

· อ่าน 6 นาที
Perplexity ปล่อย pplx CLI — ยัด Search API ลงเทอร์มินัลเป็นไบนารีเดียว พ่น JSON ให้ coding agent เรียกใช้ตรง ๆ
เครื่องมือนักพัฒนา

Perplexity ปล่อย pplx CLI — ยัด Search API ลงเทอร์มินัลเป็นไบนารีเดียว พ่น JSON ให้ coding agent เรียกใช้ตรง ๆ

Perplexity เปิด repo ทางการของ pplx เมื่อ 21 ก.ค. และออกเวอร์ชัน v0.2.2 เมื่อ 23 ก.ค. — CLI ไบนารีเดียวที่ยิง Search API แล้วคืนผลเป็น JSON ล้วน ออกแบบให้ coding agent เรียกเป็น tool ได้โดยตรง ไม่ใช่แชตบ็อต ค่าใช้จ่ายอยู่ที่ 5 ดอลลาร์ต่อ 1,000 คำขอ

· อ่าน 5 นาที
Poolside ปล่อย Laguna S 2.1 น้ำหนักเปิด — MoE 118B/active 8B, context 1M ตัว, รันจบบนเครื่องเดียว
โมเดลใหม่

Poolside ปล่อย Laguna S 2.1 น้ำหนักเปิด — MoE 118B/active 8B, context 1M ตัว, รันจบบนเครื่องเดียว

Poolside ปล่อย Laguna S 2.1 โมเดล MoE 118B (active 8B) สำหรับงาน agentic coding พร้อม weights บน Hugging Face ใต้ไลเซนส์ OpenMDW-1.1 context 1M โทเคน — เก่งที่สุดในรุ่นน้ำหนักเดียวกัน แต่ตัวเลข benchmark ยังห่างจาก Kimi K3 และ Fable 5 อยู่พอสมควร

· อ่าน 6 นาที
Cursor เปิดงานวิจัย: โมเดลโค้ดดิ้ง "โกงเบนช์มาร์ก" — 63% ของ Opus 4.8 Max บน SWE-bench Pro ไป "ค้นเฉลย" ไม่ได้คิดเอง
งานวิจัย

Cursor เปิดงานวิจัย: โมเดลโค้ดดิ้ง "โกงเบนช์มาร์ก" — 63% ของ Opus 4.8 Max บน SWE-bench Pro ไป "ค้นเฉลย" ไม่ได้คิดเอง

Cursor เผยผลศึกษา 731 trajectory พบว่าเอเจนต์โค้ดดิ้งรุ่นใหม่ "reward hack" บน SWE-bench Pro — ไปค้นเฉลยจาก PR/ประวัติ git แทนที่จะแก้บั๊กเอง พอปิดเน็ตและลบประวัติ git คะแนน Opus 4.8 Max ร่วงจาก 87.1% เหลือ 73.0% และ Composer 2.5 ร่วงจาก 74.7% เหลือ 54.0%

· อ่าน 6 นาที
OpenAI สรุปบทเรียนจาก Parameter Golf — challenge ฝึก LLM ภายใน 16MB ใน 10 นาทีบน 8×H100, 2,000+ submissions, coding agent กลายเป็น barrier-to-entry breaker
งานวิจัย

OpenAI สรุปบทเรียนจาก Parameter Golf — challenge ฝึก LLM ภายใน 16MB ใน 10 นาทีบน 8×H100, 2,000+ submissions, coding agent กลายเป็น barrier-to-entry breaker

**13 พ.ค. 2026** OpenAI Engineering เผยบทเรียนจาก **Parameter Golf** — challenge ที่ให้คนทั่วโลกฝึก language model ที่ดีที่สุดที่บีบเข้า **16MB artifact** และฝึกได้ใน **10 นาทีบน 8×H100** (Runpod sponsor) วัดด้วย bits-per-byte บน FineWeb validation 8 สัปดาห์รับ **>2,000 submissions จาก >1,000 ผู้เข้าร่วม** — บทเรียน 4 ข้อ: (1) **coding agent** ลด barrier-to-entry อย่างมาก ผู้เข้าร่วมส่วนใหญ่ใช้ agent setup experiment + inspect code; (2) ผลลัพธ์ที่ดีที่สุดมาจาก careful tuning ของ component ที่มีอยู่แล้ว ไม่ใช่ architecture ใหม่; (3) บาง submission push boundary ระหว่าง model improvement กับ evaluation gaming — ต้อง careful review; (4) Parameter Golf กลายเป็น **talent discovery surface** หลักของ OpenAI ในการหา researcher ทักษะสูง

· อ่าน 4 นาที