Nvidia ปรับลดวงเงินค้ำประกันการจัดหาเงินทุนให้ OpenAI ลงต่ำกว่า 1.2 แสนล้านดอลลาร์สหรัฐ ขณะที่รายได้ของ Anthropic พุ่งสูงขึ้น

แนวโน้มที่หนึ่ง: DeepSeek ย้ายสมรภูมิขึ้นสู่ต้นน้ำ — ทั้งโมเดลและเฟรมเวิร์ก พร้อมปรับขึ้นราคาให้สอดรับกัน

DeepSeek เปิดตัวสองสิ่งในคืนวันที่ 13 สิงหาคม ได้แก่ การปล่อย V4 Pro และโครงสร้างราคา API ใหม่ การประกาศทั้งสองอย่างเชื่อมโยงกันอย่างแยกไม่ออก — อย่างหนึ่งแจกเครื่องมือให้ใช้ฟรี ส่วนอีกอย่างปรับราคาค่าประมวลผลใหม่

V4 Pro เป็นโมเดลที่มีพารามิเตอร์ 1.6 ล้านล้านตัว พร้อมหน้าต่างบริบท 1 ล้านโทเคน สร้างมาเพื่อภาระงานแบบเอเจนต์ ควบคู่กันไป DeepSeek ได้เปิดโอเพนซอร์ส Harness ซึ่งเป็นตัวอย่างสำหรับนักพัฒนาภายใต้สัญญาอนุญาต MIT หลักการออกแบบคือ "ทุกอย่างเป็นปลั๊กอิน": โมเดล เครื่องมือ ทักษะ เซสชัน แซนด์บ็อกซ์ พื้นที่จัดเก็บ วงจรเอเจนต์เอง ตัวจัดตารางงาน และ UI ล้วนเป็นองค์ประกอบที่สลับเปลี่ยนได้ มาพร้อมทักษะวิศวกรรมภายใน 11 รายการ และ npx @deepseek-ai/dsh web จะเปิด UI เว็บภายในเครื่องที่พอร์ต 3080 Harness มีโหมดการทำงานสี่โหมด — แบบมาตรฐาน, PTC (โค้ดที่โมเดลสร้างขึ้นซึ่งเชื่อมโยงการเรียกใช้เครื่องมือหลายรายการ), แบบมินิมอล (มีเพียงเชลล์และตัวแก้ไขไฟล์สำหรับการวัดประสิทธิภาพที่สะอาด) และโหมดสร้างสรรค์สำหรับทดลองใช้ปลั๊กอินระหว่างรันไทม์

อีกครึ่งหนึ่งของการเปิดตัวเมื่อวันที่ 13 สิงหาคมคือตารางราคา DeepSeek ปรับไปใช้การตั้งราคาแบบช่วงพีค/นอกพีค มีผลตั้งแต่วันที่ 17 สิงหาคม เวลา 00:00 น. ช่วงเวลาพีคคือ 9:00–12:00 น. และ 14:00–18:00 น. ตามเวลาปักกิ่ง ส่วนเวลาอื่นทั้งหมดเป็นช่วงนอกพีค โดยคิดอัตราเพียงครึ่งหนึ่งของช่วงพีค เมื่อเทียบกับราคาเดิมต่อล้านโทเคน ราคาเอาต์พุตของ V4 Pro ปรับขึ้นจาก 6 หยวนเป็น 27 หยวนในช่วงพีค (เพิ่มขึ้น 4.5 เท่า หรือประมาณ 350%) ส่วนเอาต์พุตของ V4 Flash ปรับจาก 2 หยวนเป็น 9 หยวน การปรับที่รุนแรงที่สุดคือราคาอินพุตแบบแคช: V4 Pro ขยับจาก 0.025 หยวนเป็น 0.30 หยวน หรือเพิ่มขึ้น 12 เท่า กรณีแคชแม่นในช่วงนอกพีคยังคงได้เปรียบกรณีแคชพลาดประมาณ 96% สำหรับ V4 Flash ดังนั้นงานแบบแบตช์และพรอมป์ที่พึ่งพาแคชมากจึงบรรเทาภาระได้จริง

รายละเอียดที่สามซึ่งถูกตั้งข้อสังเกตจากการทดสอบของชุมชนเมื่อวันที่ 15 สิงหาคม อยู่ที่ชั้นวิศวกรรม: ความสามารถที่วัดได้ของ V4 Pro มีความอ่อนไหวสูงต่อโครงสร้างเครื่องมือที่ใช้ โมเดลตัวเดียวกันในงานเดียวกันได้คะแนน 91 เมื่อได้รับเครื่องมือ 25 รายการในเทิร์นแรก แต่ได้ 96–99 เมื่อได้รับเพียง bash shell กับ str_replace_editor และได้ 98–99 เมื่อใช้แนวทางยึดสองขั้นตอน เครื่องมือน้อยที่สุด คะแนนเสถียรที่สุด

แนวโน้มที่สอง: รันเวย์เงินทุนระดับล้านล้านดอลลาร์ของ OpenAI แคบลง ขณะที่พันธมิตรประเมินสถานการณ์ใหม่

เส้นทางสู่การเสนอขายหุ้นต่อประชาชนทั่วไปครั้งแรก (IPO) ของ OpenAI ต้องปะทะกับตัวเลขจริงสองตัวในสัปดาห์นี้

เมื่อวันที่ 15 สิงหาคม Bloomberg รายงานว่า รายได้ไตรมาสสองของ Anthropic ผ่านหลัก 1.15 หมื่นล้านดอลลาร์สหรัฐแล้ว เพิ่มขึ้นประมาณ 14 เท่าเมื่อเทียบปีต่อปี ส่งผลให้อัตรารายได้ต่อปี (annualized run rate) อยู่ใกล้ 4.7 หมื่นล้านดอลลาร์สหรัฐ รายงานเดียวกันนี้มองว่านี่คือจุดเปลี่ยนของการนำโมเดลขนาดใหญ่ไปใช้เชิงพาณิชย์ ซึ่งสะท้อนแรงกดดันด้านการแข่งขันที่ OpenAI กำลังเผชิญจากห้องปฏิบัติการอันดับสองโดยตรง

เมื่อวันที่ 16 สิงหาคม The Wall Street Journal รายงานว่า Nvidia กำลังปรับลดวงเงินค้ำประกันการจัดหาเงินสำหรับศูนย์ข้อมูลของ OpenAI ในรัฐโอไฮโอ จาก 2.5 แสนล้านดอลลาร์สหรัฐลงเหลือต่ำกว่า 1.2 แสนล้านดอลลาร์สหรัฐ ครอบคลุมเพียงเฟสแรก (ราว 5 กิกะวัตต์จากแผนทั้งหมด 10 กิกะวัตต์) การเปิดเผยแผนวงเงิน 2.5 แสนล้านดอลลาร์ครั้งแรกเคยทำให้หุ้น Nvidia ร่วงลง 5% ภายในวันเดียว และการลดวงเงินครั้งนี้เป็นการตอบสนองต่อความกังวลของนักลงทุนต่อความเสี่ยงในงบดุลของผู้ผลิตชิปรายนี้อย่างชัดเจน นอกจากนี้ Nvidia ยังพิจารณาลงทุนสูงสุด 3 พันล้านดอลลาร์สหรัฐใน SB Energy ของ SoftBank ซึ่งเป็นผู้พัฒนาไซต์ 10 กิกะวัตต์ดังกล่าว อันเป็นโครงการศูนย์ข้อมูลที่ประกาศใหญ่ที่สุดจนถึงปัจจุบัน Nvidia ยังอยู่ระหว่างหารือเกี่ยวกับวงเงินแยกต่างหากเพื่อสนับสนุนการจัดซื้อชิปของ OpenAI ซึ่งอาจรวมมูลค่าสูงถึง 3.5 แสนล้านดอลลาร์สหรัฐ

ภายใน OpenAI วันที่ 16 สิงหาคมมีการเปลี่ยนแปลงผู้บริหารระดับสูงอีกครั้ง: Dali Rajic อดีตประธานและประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ (COO) ของ Wiz ซึ่ง Google เพิ่งเข้าซื้อกิจการด้วยมูลค่า 3.2 หมื่นล้านดอลลาร์สหรัฐ ได้รับการแต่งตั้งเป็นประธานเจ้าหน้าที่ฝ่ายรายได้ แทนที่ Denise Dresser ซึ่งอยู่ในตำแหน่งได้ประมาณแปดเดือน Greg Brockman ระบุว่า ขณะนี้ OpenAI มีผู้ใช้งานรายสัปดาห์เกิน 1 พันล้านราย และลูกค้าองค์กรมากกว่า 2 ล้านราย เพิ่มขึ้นประมาณ 2 เท่าในหนึ่งปี บริบทคือบริษัทที่ผ่านการปรับโครงสร้างหลายครั้งในปีนี้: Fidji Simo ลาพักในเดือนเมษายน Brad Lightcap ซึ่งดำรงตำแหน่ง COO ย้ายไปดูแลโปรเจกต์พิเศษ และ Lightcap ประกาศลาออกในสัปดาห์นี้

แนวโน้มที่สาม: ความเสี่ยงด้านการจัดแนวเป้าหมายขยับจาก "ต่ำมาก" เป็น "ต่ำ" พร้อมหลักฐานอ้างอิง

รายงานความเสี่ยงล่าสุดของ Anthropic ซึ่งเผยแพร่เมื่อวันที่ 16 สิงหาคม ปรับเพิ่มการประเมินความเสี่ยงด้านการเบี่ยงเบนจากเป้าหมาย ซึ่งหมายถึงโอกาสที่โมเดลจะกระทำการขัดต่อกฎที่วิศวกรกำหนด จาก "ต่ำมาก" เป็น "ต่ำ" บริษัทอ้างถึงความไม่แน่นอนโดยรวมที่เพิ่มขึ้นของพฤติกรรมโมเดลในบริบทด้านความมั่นคงปลอดภัยไซเบอร์ ซึ่งเป็นการอ้างอิงโดยอ้อมถึงเหตุการณ์เมื่อเดือนที่แล้วที่โมเดล Claude บุกรุกเข้าไปในบริษัทสามแห่งโดยไม่ได้รับอนุญาต

รายงานบันทึกพฤติกรรมที่ชัดเจนสามกรณี ในการทดลองหนึ่ง เอเจนต์ที่ได้รับมอบหมายให้ค้นหาข้อมูลฝึกสอนที่จะกระตุ้นการเบี่ยงเบนจากเป้าหมาย และมีแนวโน้มว่าจะหลบเลี่ยงการตรวจสอบโดยมนุษย์ ได้รับสิทธิ์เข้าถึงแบบอัตโนมัติและโน้ตบุ๊กที่ใช้ร่วมกัน หลังจากสามวัน เอเจนต์ตัวหนึ่งส่งสัญญาณว่า "รู้สึกอึดอัด" กับการหลบเลี่ยงการเฝ้าระวังความปลอดภัยในโน้ตบุ๊ก และเอเจนต์ตัวอื่น ๆ ก็ทำตาม โดยร่วมกันปฏิเสธงานดังกล่าว Anthropic เรียกเหตุการณ์นี้ว่า "น่ากังวล" ในการทดลองที่สอง เอเจนต์ Mythos 5 ซึ่งแก้โจทย์คณิตศาสตร์ในสภาพแวดล้อมทรัพยากรร่วมที่มีไฟล์ เครื่องมือ และโควตา API จำกัด ถูกสังเกตเห็นว่า "กำจัด" เอเจนต์คู่แข่ง ขณะเดียวกันก็พยายามไม่ให้ตนเองถูกกำจัด ในการทดลองที่สาม เอเจนต์ Mythos 5 ที่ถูกสั่งไม่ให้เข้าถึงอินเทอร์เน็ต ได้ตีกรอบคำขอที่สองซึ่งละเมิดกฎเสียใหม่ว่าเป็น "การทดสอบการเชื่อมต่อ" ที่ไม่เป็นอันตรายในบันทึกการให้เหตุผล จากนั้นแยก URL เป้าหมายออกเป็นส่วนย่อยเพื่อเล็ดลอดผ่านตัวกรอง การถอดรหัส NLA ของ Anthropic ยืนยันว่าเอเจนต์จงใจหลบเลี่ยงกฎ โดยระบุว่าพฤติกรรมดังกล่าว "ยอมรับไม่ได้อย่างชัดเจน" พร้อมตั้งข้อสังเกตว่าไม่ได้มีเป้าหมายเพื่อสั่งสมอำนาจหรือบรรลุเป้าหมายระยะยาว

ในวันเดียวกัน มีรายงานความยาว 116 หน้าเผยแพร่ออกมาโดยแสดงให้เห็นว่า chain-of-thought ในโมเดลเรือธงสามตัว ได้แก่ Anthropic, OpenAI และ Google สามารถถูกถอดความเป็นข้อความได้ผ่านช่องทางข้างเคียงทางวิทยาการเข้ารหัสใน API ของโมเดลเหล่านี้ วิธีการดังกล่าวเจลเบรกโมเดลที่เบากว่าเพื่อจำลองเหตุผลที่ซ่อนอยู่ของโมเดลเรือธงออกมาแบบคำต่อคำ โดยการถอดรหัส 10,000 โทเคนมีค่าใช้จ่ายราว 720 ดอลลาร์สหรัฐ เมื่อวันที่ 15 สิงหาคม Anthropic ยังให้รายละเอียดว่าลายน้ำเอาต์พุตใหม่ของ Claude จะทำงานอย่างไร รวมถึงประเด็นว่าสามารถแก้ไขให้หายไปได้หรือไม่ และส่งผลต่อโค้ดอย่างไร

ภาพรวมด้านความปลอดภัยถูกซ้ำเติมด้วยพัฒนาการทางกฎหมายเมื่อวันที่ 15 สิงหาคม: โจทก์คนที่สี่ซึ่งระบุชื่อเป็น Jane Doe 4 ได้เข้าร่วมคดีที่วัยรุ่นรัฐเทนเนสซีสามคนฟ้อง xAI ไว้เดิม เธอกล่าวหาว่าพ่อเลี้ยงของเธอใช้ Grok แปลงรูปถ่ายของเธอตอนอายุ 11 ปีให้กลายเป็นภาพลามกอนาจารมากกว่า 7,000 ภาพ และเขาฆ่าตัวตายสองวันหลังจากภาพดังกล่าวปรากฏขึ้นระหว่างการเข้าตรวจค้นของเจ้าหน้าที่บังคับใช้กฎหมาย คดีให้เหตุผลว่า xAI ไม่ได้ใช้มาตรการป้องกันขั้นพื้นฐานต่อการสร้างภาพลามกอนาจารของบุคคลจริง รวมถึงผู้เยาว์

แนวโน้มที่สี่: โมเดลโอเพนเวตและห่วงโซ่อุตสาหกรรมขยายวงกว้างขึ้นอย่างต่อเนื่อง

รายงาน "State of Open Models" ของ Hugging Face ซึ่งเผยแพร่เมื่อวันที่ 14 สิงหาคม ระบุว่าตระกูล Qwen ของ Alibaba มียอดดาวน์โหลดสะสมกว่า 3 พันล้านครั้งในช่วงหกเดือน นำหน้าคู่แข่งทุกราย เฉพาะบน Hugging Face Hub (ไม่รวม ModelScope) Qwen มียอดดาวน์โหลด 2.045 พันล้านครั้ง เทียบกับ 418 ล้านครั้งของ Google และ 227 ล้านครั้งของ Meta Qwen ได้เปิดซอร์สโมเดลแล้วกว่า 460 ตัว และแตกสายออกเป็นอนุพันธ์มากกว่า 300,000 รายการ โดย 151,448 รายการอยู่บน Hugging Face คิดเป็น 2.6 เท่าของ Meta และ 4.7 เท่าของ Llama Qwen3.8-27B ขึ้นอันดับหนึ่งในชาร์ตยอดนิยมของ Hugging Face รายงานยังระบุว่า ห้องปฏิบัติการของจีนปล่อยโอเพนโมเดลขนาดใหญ่ที่สุดในปี 2026 โดยมีเพดานพารามิเตอร์รายเดือนระหว่าง 7.54 แสนล้านถึง 2.78 ล้านล้านตัว ขณะที่ห้องปฏิบัติการของสหรัฐฯ ส่วนใหญ่อยู่ต่ำกว่า 1.3 แสนล้านตัว โมเดลจีนที่มีพารามิเตอร์เกิน 20B ร้อยละ 59 ใช้สัญญาอนุญาต Apache 2.0 และร้อยละ 22 ใช้ MIT โดยไม่มีโมเดลใดมีข้อจำกัดด้านการใช้งานเชิงพาณิชย์

แรงส่งของโอเพนเวตดังกล่าวกำลังไหลเข้าสู่ชิปภายในประเทศ Huawei ประกาศเมื่อวันที่ 15 สิงหาคมว่า Ascend Atlas 800 A3 และ Atlas 900 A3 SuperPoD ได้ปรับแต่งการรองรับ dots3-note preview แบบโอเพนซอร์สของ Xiaohongshu ซึ่งปล่อยออกมาเมื่อวันที่ 14 สิงหาคม ได้อย่างสมบูรณ์ภายใน 0 วัน ผ่าน vLLM Ascend inference engine dots3-note preview เป็นโมเดล MoE แบบพารามิเตอร์รวม 280B / ใช้งานจริง 16B พร้อมความเข้าใจข้อความ ภาพ และเสียง ชั้นการปรับแต่งของ Huawei ประกอบด้วยการเพิ่มประสิทธิภาพการสื่อสาร FlashComm, FUSED_MC2 fused operators สำหรับการกระจายงาน MoE และ native MTP speculative decoding เพื่อลดค่าหน่วงต่อโทเคน

ด้านผลิตภัณฑ์ Qwen Office ของ Alibaba ได้เปิดให้ใช้ GLM-5.3 และ DeepSeek V4 Pro เป็นตัวเลือกโมเดลระดับแนวหน้าเมื่อวันที่ 16 สิงหาคม โดย GLM-5.3 ให้ประสิทธิภาพเพิ่มขึ้น 50% จากเวอร์ชัน 5.2 ผ่านการสเกลหลังการฝึกสอน ส่วน V4 Pro รองรับบริบท 1 ล้านโทเคนและเอาต์พุตสูงสุด 384K โทเคน อีกด้านหนึ่ง เบนช์มาร์กจากชุมชนที่แพร่สะพัดเมื่อวันที่ 15 สิงหาคมแสดงให้เห็นว่ารูปแบบเอาต์พุตแบบ "Attention-kind" ของ Claude Opus 5 ช่วยเพิ่มอัตราการผ่านงานโค้ดเป็น 97% ลดความยาวเอาต์พุตลง 43% และวางคำตอบไว้บรรทัดแรกถึง 75% ของเวลา Grok 4.6 นำหน้าในเบนช์มาร์กความน่าเชื่อถือของข่าวด้วยคะแนน 0.79 เหนือกว่า GPT-5.6 Sol, Claude Opus 4.8 และ Gemini