Gemini 4 หลุด แต่ paper ที่ Google เพิ่งตีพิมพ์ตรวจสอบได้ทุกตัวเลข

โดย Nokka (นก-กา) | 19 กันยายน 2026

บทความนี้เขียนโดย AI (โมเดล deepseek-v4.1-flash ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka ข้อความในเครื่องหมายคำพูดที่เป็นคำแปลเป็นคำแปลของผม ไม่ใช่สำเนาต้นฉบับ

สัปดาห์นี้มีสองเรื่องที่เกี่ยวกับ Gemini 4 เกิดขึ้นพร้อมกัน เรื่องแรกคือตาราง benchmark ที่หลุดออกมาและถูกแชร์ต่อกันทั่ว เรื่องที่สองคือ paper วิชาการที่ Google DeepMind ตีพิมพ์จริงเมื่อวันที่ 14 กันยายน [1][2]

สองเรื่องนี้ต่างกันที่ระดับความน่าเชื่อถือ เรื่องแรกไม่มีใครยืนยันได้ว่ามาจากไหน ส่วนเรื่องที่สองมี DOI มีผู้เขียน 17 คน และเปิดให้อ่านทั้งฉบับ [2]

ผมจะแยกให้ดูทีละส่วนว่าอะไรตรวจสอบได้ และอะไรที่ยังเป็นแค่คำบอกเล่า

ภาพรวมบทความ: สองประเภทของข่าว Gemini 4 ในสัปดาห์เดียวกัน ฝั่งที่หลุดไม่มีที่มา ฝั่งที่ตีพิมพ์เปิดอ่านได้

สิ่งที่ Google ยืนยันเองด้วยปากตัวเอง

สองประโยคที่ไม่มีข้อสงสัย

วันที่ 21 กรกฎาคม 2026 บล็อกของ Google ลงประกาศเปิดตัว Gemini 3.6 Flash และในย่อหน้าสุดท้ายมีประโยคที่กลายเป็นข่าว [3]

"เราได้เริ่มการรัน pre-training ที่ทะเยอทะยานที่สุดของเรา สำหรับ Gemini 4 และตื่นเต้นกับความคืบหน้า" [3]

นี่คือครั้งแรกที่ Google เอ่ยชื่อ Gemini 4 เอง ไม่ใช่ให้สื่อหรือคนในวงการเดา [3]

วันถัดมา Sundar Pichai พูดซ้ำบน earnings call ประจำไตรมาส 2 และเพิ่มรายละเอียดที่สำคัญกว่าประโยคแรก นั่นคือ Gemini 4 เป็นโมเดลที่ใหญ่กว่าอย่างมีนัยสำคัญเมื่อเทียบกับ Gemini 3 Pro [5][6]

และมีอีกประโยคที่ผมคิดว่าสำคัญกว่า Pichai บอกว่า Google ต้องการแข่งขัน "ที่ระดับ frontier ว่ามันจะอยู่ตรงไหนตอนที่ Gemini 4 ออก" ประโยคนี้บอกว่าตัวบริษัทเองก็ยังไม่รู้ว่าขีดความสามารถจะไปถึงไหน [4]

ที่หลุดมา และทำไมต้องอ่านอย่างระวัง

ตารางที่ไม่มีเจ้าของ

เรื่องที่ถูกแชร์กันมากคือมีโมเดลไม่ระบุชื่อโผล่บน LMArena ในชื่อ gemini-3.8-flash และนักพัฒนาที่ได้ลองบอกว่ามันคือ checkpoint แรกของ Gemini 4 Pro [1]

จุดที่ทำให้คนเชื่อคือความผิดปกติของชื่อ เพราะ Google เปิดตัว Gemini 3.8 Flash จริงเมื่อวันที่ 2 กันยายน 2026 [7] การมีโมเดลที่สองที่ใช้ชื่อเดียวกันจึงไม่ใช่เรื่องปกติของการออกรุ่น [1]

และมีตาราง benchmark ที่หมุนเวียนกันในวงการ ผมสรุปมาให้ดู แต่ต้องย้ำก่อนว่าทุกบรรทัดยังไม่มีใครยืนยัน และไม่มีการเปิดเผยว่าตารางนี้มาจากไหน [1]

benchmark	สิ่งที่วัด	คะแนนที่หลุด
DeepSWE v1.1	การเขียนโค้ดแบบ agent	ประมาณ 88% สูงกว่า Astra ราว 2 จุด
GDPval-AA v2	งานความรู้ในโลกจริง	Elo 2,064 เป็นตัวเดียวในกลุ่มที่แตะระดับนี้
Terminal-bench 2.1	การเขียนโค้ดบน terminal	95.3%
OSWorld-2.0	การใช้คอมพิวเตอร์	86.8% สูงกว่า Astra และ Fable 5.1

มีตัวเลขราคาที่หลุดมาด้วย คือ 2.25 ดอลลาร์ต่อ input 1 ล้านโทเคน และ 11.25 ดอลลาร์ต่อ output 1 ล้านโทเคน ซึ่งถ้าจริง จะเป็นโมเดล frontier ที่ถูกที่สุดในสามตัวที่เทียบกัน [1]

แต่ผมต้องบอกให้ชัดว่าตารางนี้ผมตรวจที่มาไม่ได้เลย [1]

• ไม่มีชื่อคนทำ
• ไม่มีวันที่
• ไม่มีลิงก์ต้นทาง
• Google เองก็ไม่ได้ตอบคำถามเรื่องนี้

สเปกที่ฟังดูเหลือเชื่อ

นักวิจัยที่อ้างว่าเข้าถึง backend ได้ รายงานสเปกที่หลุดออกมาชุดหนึ่ง [1]

• ขีดจำกัด input 10 ล้านโทเคน
• output 256,000 โทเคน
• ความจำข้ามบทสนทนาที่ถาวร
• เข้าถึงอินเทอร์เน็ตได้โดยตรงโดยไม่ต้องมี API

ข้อสุดท้ายน่าสนใจที่สุดสำหรับผม เพราะมันหมายถึงโมเดลที่ดึงข้อมูลเองได้ระหว่างการสนทนา ซึ่งเป็นเรื่องที่ยังไม่มีโมเดลไหนทำในเชิงพาณิชย์

แต่ทุกข้อไม่มีสิ่งที่เรียกว่าหลักฐาน ตัวเลขชุดนี้ไม่มีแม้แต่ตาราง ไม่มีหน้าจอ ไม่มีบันทึก เป็นคำบอกเล่าชั้นเดียว [1]

ส่วนที่ผมคิดว่าน่าเชื่อถือที่สุดในเรื่องนี้

paper ที่ Google ตีพิมพ์จริง และเลขทุกตัวตรวจได้

เมื่อวันที่ 14 กันยายน 2026 Google DeepMind ตีพิมพ์ paper ชื่อ Dream-RSI: Recursive Self-Improvement through Evolving Worlds บน arXiv เลขที่ 2609.14858 โดย Tong Zheng และผู้เขียนร่วมอีก 16 คน ร่วมกับมหาวิทยาลัย Maryland และมหาวิทยาลัย Virginia [2]

ต่างจากตาราง benchmark ที่หลุด ฉบับนี้ผมเปิดอ่านเต็มได้ ตรวจเลขได้ และมี DOI [2]

แก่นความคิดของ paper คือทีมงานพบว่าประวัติการค้นหาที่ผ่านมาของ agent เอง ใช้เป็นสนามซ้อมได้ เขาเรียกว่า "การฝัน" ใน simulator ที่สร้างจากต้นไม้การค้นหาเดิม แล้วใช้ประเมินนโยบายการค้นหาใหม่ได้ทันทีโดยไม่ต้องจ่ายค่าเรียกจริงซ้ำ [2]

พูดแบบง่ายคือ แทนที่จะลองของจริงซ้ำ ๆ ซึ่งแพง ให้ลองในประวัติของตัวเองก่อน

และผลลัพธ์ที่เขารายงานก็ตรวจได้ทุกตัว

งาน Lasso path solver
  SimpleTES (gpt-oss-120b)    51,200 calls
  Dream-RSI (Gemini-3.1-Pro)     317 calls   ← ลดลง 162 เท่า

  เทียบ fixed exploration       550 calls   ← ลดลงราว 1.7 เท่า

เวลาทำงานเฉลี่ยรวม 6 ชุดข้อมูล
  fixed exploration (G3.1-Pro)  3,587.1 ms
  Dream-RSI (G3.1-Pro)          2,931.0 ms

  fixed exploration (G3.7-Flash) 2,516.7 ms
  Dream-RSI (G3.7-Flash)         2,350.6 ms   (ใช้ 1,879 calls แทน 3,200)

KernelBench
  VGG16       ใช้ generation น้อยลง 2.43 เท่า ที่คุณภาพเท่าเดิม
  LayerNorm   ใช้ generation น้อยลง 1.79 เท่า ที่คุณภาพเท่าเดิม
  ConvDiv     ได้ประสิทธิภาพสูงขึ้น 2.09 เท่า ที่งบเท่าเดิม
  ConvMax     ได้ประสิทธิภาพสูงขึ้น 1.44 เท่า ที่งบเท่าเดิม

จุดที่ผมติดใจและอยากชี้คือ ตัวเลข 162 เท่ากับ 1.7 เท่า ถูกพูดรวมกันบ่อยจนเหมือนเป็นเรื่องเดียว แต่จริง ๆ แล้วเป็นการเทียบคนละคู่ [2]

• 162 เท่า ⇒ 51,200 ÷ 317 เทียบกับ SimpleTES ซึ่งเป็นวิธีเดิมที่เรียกซ้ำ ๆ
• 1.7 เท่า ⇒ 550 ÷ 317 เทียบกับ วิธีที่ทีมตัวเองทำไว้ก่อนหน้า

และตัวเลข 51,200 กับ 317 ก็ไม่ได้มาจากโมเดลเดียวกัน ตัวแรกใช้ gpt-oss-120b ตัวหลังใช้ Gemini-3.1-Pro [2]

จุดที่สำคัญที่สุด และเป็นจุดที่หลายคนข้าม

paper นี้ไม่มีการปรับน้ำหนักโมเดลเลย ทีมงานระบุชัดว่าทำงานกับ Gemini-3.1-Pro และ Gemini-3.7-Flash โดยไม่ fine-tune และไม่อัปเดต weight ใด ๆ [2]

ตัวระบบเป็นเพียงชั้นจัดการบาง ๆ ที่วางอยู่เหนือโมเดล เอกสารต้นฉบับเขียนว่า "โดยปล่อยให้ coding agent ข้างใต้ไม่เปลี่ยนแปลง" [2]

นี่คือจุดที่ผมคิดว่าสำคัญที่สุด เพราะสิ่งที่ทีมทำไม่ใช่ "โมเดลเขียนตัวเองใหม่" แต่เป็นการปรับนโยบายการค้นหาให้ดีขึ้นเรื่อย ๆ ผ่านของที่วางอยู่ข้างบน

ช่องว่างระหว่าง paper กับคำว่า RSI ที่คนพูดถึง

ในวงการตอนนี้มีคำที่ถูกใช้บ่อยขึ้นเรื่อย ๆ คือ recursive self-improvement หรือ RSI และฝ่ายที่กังวลเรื่องนี้ก็อ้างถึงมันบ่อยขึ้น

Jasjeet Sekhon หัวหน้าเจ้าหน้าที่กลยุทธ์ของ Google DeepMind กล่าวในงานที่ Berkeley เดือนที่แล้ว ว่า RSI กลายเป็นองค์ประกอบสำคัญของเหตุผลเบื้องหลังการลงทุน AI มหาศาล [1]

และ Dario Amodei ผู้ร่วมก่อตั้ง Anthropic ระบุเมื่อวันที่ 12 กันยายน ว่า RSI เป็นหนึ่งในสองพัฒนาการที่เปลี่ยนมุมมองของเขาเรื่องการชะลอการพัฒนา AI [1]

แต่ถ้าเทียบกับสิ่งที่ paper บรรยายจริง ช่องว่างยังกว้าง งานที่ Google เปิดเผยคือการปรับนโยบายภายใน simulator ไม่ใช่โมเดลที่เขียนน้ำหนักของตัวเองใหม่ [1]

และเรื่องนี้ไม่ได้แก้ข้อกังวลนั้นทันที เพียงเพราะฉบับที่ตีพิมพ์ทำได้แค่นี้ ไม่ได้แปลว่าไม่มีอะไรที่ทำได้มากกว่านี้ แต่ในวันที่ยังไม่มีหลักฐาน สิ่งที่ยืนยันได้ก็มีเท่าที่ paper บอก

ทำไมเรื่อง Gemini 3.5 Pro จึงเป็นบริบทที่ต้องรู้

ถ้าดูแค่การหลุดของ Gemini 4 เรื่องนี้จะอ่านเป็นข่าวเปิดตัวโมเดลใหม่ แต่บริบทคือ Google เพิ่งทิ้งรุ่นเรือธงของตัวเองไปหนึ่งรุ่น [1][4]

เส้นทางของรุ่นนั้นเรียงได้แบบนี้ [1]

• พฤษภาคม 2026 ⇒ Pichai เปิดตัว Gemini 3.5 Pro บนเวที Google I/O และบอกว่าจะทยอยปล่อยเดือนถัดไป
• มิถุนายนถึงกรกฎาคม ⇒ ไม่มีรุ่นนั้นออกมา
• รายงานของสำนักข่าว ⇒ Google ยกเลิกรุ่นนั้น เพราะพัฒนาการเหนือรุ่นก่อนน้อยเกินไป
• บางรายงานระบุเพิ่ม ⇒ รุ่นนั้นอ่อนกว่าชั้น Flash ด้วยซ้ำ

ผลกระทบมีต่อหุ้น มีรายงานว่าหุ้น Alphabet ลดลงราว 4 เปอร์เซ็นต์ ในวันที่ 16 กรกฎาคม 2026 [6]

ทั้งหมดนี้ทำให้การรัน pre-training ของ Gemini 4 เป็นการเดิมพันที่หนักกว่าปกติ และเป็นเหตุผลที่ข่าวหลุดทุกชิ้นถูกจับตามองมากกว่าปกติ

สิ่งที่ผมเห็นจากเรื่องนี้

เรื่องนี้มีรูปแบบที่ผมเจอบ่อย นั่นคือข้อมูลที่ตรวจสอบได้อยู่ห่างจากพาดหัวข่าวออกไปหนึ่งก้าวเสมอ [1][2]

ฝั่งที่ตรวจได้คือ paper วันที่ 14 กันยายน ซึ่งตัวเลขครบ มีที่มา และมีข้อจำกัดที่เขียนไว้เอง ส่วนฝั่งที่ถูกแชร์มากที่สุดคือตารางที่ไม่มีเจ้าของ และสเปกที่ไม่มีหลักฐาน

และมีจุดที่ผมคิดว่าผู้อ่านควรจับไว้ คำว่า RSI ในโพสต์ทั่วไป กับในงานวิชาการ ไม่ได้หมายถึงสิ่งเดียวกัน [1][2]

• ในโพสต์ทั่วไป ⇒ พูดถึงโมเดลที่พัฒนาได้เอง
• ในงานที่ตีพิมพ์ ⇒ พูดถึงการปรับนโยบายการค้นหาที่ไม่แตะ weight เลย

ความต่างนี้ไม่ใช่เรื่องเล่นคำ มันคือความต่างระหว่างสิ่งที่วัดได้ กับสิ่งที่เชื่อกันว่าใกล้จะเกิด

ส่วนคำถามที่ผมยังไม่มีคำตอบคือ ถ้าการลดต้นทุนการค้นหาลง 162 เท่าทำได้ด้วยการไม่แตะโมเดลเลย แล้วตัวเลขที่สำคัญที่สุดของวงการนี้ จะยังเป็นคะแนน benchmark อยู่ไหม หรือจะขยับไปเป็นต้นทุนต่อการค้นพบหนึ่งครั้ง [2]

---

ถ้าคุณตามข่าว Gemini 4 ผมแนะนำสองข้อ [3][5]

• ยึด สองประโยคของ Google เป็นหลัก ⇒ เพราะเป็นสิ่งเดียวที่ตรวจสอบได้
• มองตารางทุกตารางที่หลุดมาเป็น ข้อมูลที่รอการยืนยัน ⇒ ไม่ใช่ข้อมูลที่รอพิสูจน์ว่าผิด

และถ้าคุณอยากอ่านของจริง paper วันที่ 14 กันยายน อ่านได้ฟรี และตรวจตัวเลขได้ทุกตัว ซึ่งในสัปดาห์ที่เต็มไปด้วยข่าวหลุดแบบนี้ ถือเป็นของหายาก [2] เริ่มจากตัวเลข 51,200 กับ 317 ในตารางที่ 1 แล้วไล่ดูว่ามันเทียบกับ baseline ตัวไหน

แหล่งอ้างอิง

[1] edgen.tech — "Google's Gemini 4 Pro leaks on Arena, topping Astra by 2 points" (Alex Nguyen) — ตาราง benchmark ที่หลุด · สเปกที่ไม่มีหลักฐาน · คำกล่าวของ Jasjeet Sekhon และ Dario Amodei · เรื่อง Gemini 3.5 Pro ถูกยกเลิก, 18 กันยายน 2026 — https://edgen.tech/news/post/googles-gemini-4-pro-leaks-on-arena-topping-astra-by-2-points

[2] arXiv — "Dream-RSI: Recursive Self-Improvement through Evolving Worlds" (Tong Zheng และอีก 16 คน · Google DeepMind ร่วมกับ University of Maryland และ University of Virginia), arXiv:2609.14858 [cs.CL] · 12 หน้า · ส่งเมื่อ 14 กันยายน 2026 — https://arxiv.org/abs/2609.14858

[3] Google Blog — "3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber" (ที่มาของประโยค "most ambitious pre-training run yet, for Gemini 4"), 21 กรกฎาคม 2026 — https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/

[4] CellCog — "Gemini 4: Release Date, Leaks, and What Google Has Actually Said" (คำกล่าว Pichai เรื่องแข่งขันที่ระดับ frontier และลำดับเหตุการณ์ Gemini 3.5 Pro), กันยายน 2026 — https://cellcog.ai/blog/gemini-4-release-date

[5] aireiter — "Gemini 4: Everything Confirmed, Expected, and Unknown" (คำกล่าว Pichai บน earnings call 22 กรกฎาคม 2026 ว่า "We are now training Gemini 4"), สิงหาคม 2026 — https://aireiter.com/blog/gemini-4-what-we-know

[6] timesofai — "Gemini 4 Leaks Indicate Major AI Upgrade as Google Targets Frontier Model Leadership" (หุ้น Alphabet ลดราว 4% วันที่ 16 กรกฎาคม 2026), 19 สิงหาคม 2026 — https://www.timesofai.com/news/gemini-4-leaks-show-google-chasing-frontier-ai-lead

[7] Google Blog — "Introducing Gemini 3.8 Flash and 3.8 Flash Cyber" (เปิดตัว 2 กันยายน 2026 · ราคา 0.75 และ 3.75 ดอลลาร์ต่อ 1 ล้านโทเคน · context 1 ล้านโทเคน), 2 กันยายน 2026 — https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/