ราคาต่อโทเคนยังไม่ตอบว่างานหนึ่งชิ้นจะเสียค่า AI เท่าไร ทีม Cast AI ใช้โจทย์นี้อธิบาย Kimchi ซึ่งวางระบบเลือกโมเดลและตรวจผลไว้รอบ coding agent พร้อมเครื่องมือให้ย้ายงานไปทำต่อระยะไกลและเปิดให้เพื่อนร่วมทีมเข้ามาตรวจ
บทความนี้สรุปแนวทางที่ทีมผู้สร้างนำเสนอในช่อง AI Engineer ภาพเวทีระบุวันที่ 30 มิถุนายน 2026 บทถอดเสียงที่บันทึกไว้เป็นคำแปลภาษาอาหรับและมีชื่อเฉพาะกับตัวเลขบางช่วงคลาดเคลื่อน จึงใช้เฉพาะคำอธิบายที่อ่านได้ชัดและภาพประกอบ ไม่ใช่การทดสอบผลิตภัณฑ์หรือยืนยันผลประหยัด
เริ่มจากต้นทุนของงานที่ผ่านเกณฑ์
ทีมผู้บรรยายตั้งคำถามกับการลดงบด้วยการจำกัดจำนวนโทเคนอย่างเดียว เพราะโควตาที่ลดลงอาจขัดจังหวะการทำงานของนักพัฒนา แนวทางที่พวกเขาเสนอคือดูค่าใช้จ่ายในการทำงานให้เสร็จตามมาตรฐานเดียวกัน แล้วเลือกโมเดลและกระบวนการที่เหมาะกับงานนั้น
สไลด์ที่ใช้ประกอบวางอันดับราคาต่อหนึ่งล้านโทเคนไว้ข้างอันดับค่าใช้จ่ายรวมของชุดงาน เส้นเชื่อมของบางโมเดลเปลี่ยนตำแหน่งมาก จึงใช้ชี้ให้เห็นว่าการเรียงตามราคาต่อหน่วยอาจต่างจากการเรียงตามต้นทุนที่เกิดขึ้นจริง
หลักฐานที่เก็บไว้ยังไม่ระบุงานวิจัยและเงื่อนไขทดสอบครบพอให้ตรวจการเปรียบเทียบนี้ซ้ำ จึงไม่ควรใช้ภาพดังกล่าวตัดสินว่าโมเดลใดถูกที่สุดสำหรับทุกงาน ประเด็นที่นำไปพิจารณาได้คือ ต้องรวมจำนวนรอบและผลที่ผ่านเกณฑ์เข้ากับราคาต่อหน่วยด้วย
เลือกโมเดลควบคู่กับการประเมินผล
ในคำอธิบายของทีม harness คือระบบที่จัดการงานรอบโมเดล รวมถึงการเลือกโมเดลให้เหมาะกับงานและตรวจผลที่ได้ Kimchi ถูกนำเสนอให้เลือกใช้โมเดลหลายตัว แทนการผูกทุกขั้นตอนไว้กับตัวเดียว โดยมีทั้งโมเดลที่ทีมเรียกว่าโอเพนซอร์สและโมเดลเชิงพาณิชย์
ทีมเล่าว่าสัดส่วนการเลือกโมเดลเปลี่ยนระหว่างช่วงใช้งาน เมื่อระบบประเมินแล้วพบทางเลือกที่เหมาะกว่า จุดที่ต้องพิจารณาจึงไม่ใช่แค่มีรายชื่อโมเดลให้เลือกกี่ตัว แต่คือระบบรู้ได้อย่างไรว่าการเปลี่ยนตัวเลือกยังให้ผลที่ยอมรับได้
การบรรยายมีคำอ้างถึงผลประหยัดภายในด้วย แต่บทถอดเสียงที่เก็บไว้สับสนทั้งชื่อฐานเปรียบเทียบและความหมายของอัตราส่วน บทความนี้จึงไม่ใช้ตัวเลขนั้นคาดการณ์ค่าใช้จ่ายของผู้อ่าน และไม่ถือว่าการเลือกโมเดลอัตโนมัติรับประกันงานที่ถูกต้อง
วงจรแก้งานที่ยังหยุดก่อน production
ทีมอธิบายกระบวนการสำหรับงานเขียนโค้ดยาว เริ่มจากถามให้เข้าใจข้อกำหนด แบ่งงานเป็นช่วง ลงมือแก้ แล้วประเมินผล หากสร้างโปรแกรมไม่ผ่านหรือพบปัญหา ระบบจะย้อนกลับไปแก้และตรวจใหม่ ก่อนส่งการเปลี่ยนแปลงไปยังสภาพแวดล้อมทดสอบ
จุดสำคัญอยู่ที่ขอบเขตการจบงาน: ในเวลาที่บรรยาย ระบบตั้งใจหยุดที่สภาพแวดล้อมทดสอบและให้คนพิจารณาก่อนนำขึ้น production ส่วนการเชื่อมต่อไปถึงการปล่อยจริงและตรวจข้อมูลหลังปล่อยถูกพูดถึงเป็นทิศทางข้างหน้า จึงไม่ควรนำมารวมเป็นความสามารถที่ยืนยันแล้วในคลิป
ผู้บรรยายยังย้ำว่าการอ่านเฉพาะส่วนต่างของโค้ดไม่พอ เมื่อเอเจนต์สร้างการเปลี่ยนแปลงจำนวนมาก ผู้ตรวจต้องดูเจตนาและข้อกำหนดที่ส่งให้เอเจนต์ด้วย งานที่รันผ่านอาจยังทำผิดสิ่งที่เจ้าของงานต้องการได้
แนวทางนี้ทำให้การเลือกโมเดลกับการตรวจงานแยกจากกันไม่ได้ หากเปลี่ยนไปใช้ตัวเลือกที่ถูกลง แต่ต้องวนแก้มากขึ้นหรือหลุดข้อกำหนด ก็ต้องนับผลเหล่านั้นในการประเมินด้วย
Teleport แยกเซสชันออกจากโน้ตบุ๊ก
อีกส่วนที่ทีมแนะนำคือ Kimchi Teleport สำหรับย้ายเซสชันไปทำงานในสภาพแวดล้อมระยะไกล ตามคำอธิบายของผู้สร้าง งานจึงทำต่อได้แม้ปิดโน้ตบุ๊ก และผู้ใช้กลับมาติดตามหรือตอบคำถามจากอุปกรณ์อื่นได้
การย้ายที่รันงานไม่ได้ทำให้จุดตัดสินใจของคนหายไป เซสชันยังอาจหยุดเมื่อจำเป็นต้องขอข้อมูลหรือความชัดเจนเพิ่ม สิ่งที่เปลี่ยนคือไม่ต้องผูกการประมวลผลทั้งช่วงไว้กับเครื่องของคนที่เริ่มงาน
ทีมเรียกพื้นที่นี้ว่า sandbox และอธิบายทางเลือกด้านโครงสร้างพื้นฐาน แต่คลิปไม่ได้เป็นการตรวจความปลอดภัยของระบบ หากนำไปใช้กับโครงการจริงยังต้องรู้ว่าโค้ด ข้อมูล และสิทธิ์ของเซสชันอยู่ที่ใด และใครเข้าถึงได้
Studio เปิดจุดรอตรวจให้ทีมรับช่วง
Kimchi Studio ถูกนำเสนอเป็นพื้นที่ทำงานร่วมกันบนฐานของ Teleport ทีมสามารถเห็นเซสชัน แผน และงานระหว่างทำผ่านเบราว์เซอร์ รวมถึงแยกงานที่กำลังรันกับงานที่รอคนตรวจ
ตัวอย่างที่ผู้บรรยายอธิบายคือวิศวกรเริ่มงานและขอแผน แล้วให้เพื่อนร่วมทีมหรือผู้จัดการผลิตภัณฑ์เข้ามาพิจารณาก่อนดำเนินต่อ เมื่อเซสชันรอคำตอบ คนในทีมรับช่วงตอบได้ จากนั้นงานจึงกลับไปทำต่อ
กระดานงานในลักษณะนี้มีประโยชน์เมื่อช่วยให้เห็นว่าต้องตัดสินใจเรื่องอะไรและใครรับผิดชอบ ไม่ใช่เพียงนับว่ามีเอเจนต์กำลังรันกี่ตัว อย่างไรก็ดี หลักฐานชุดนี้ไม่ได้ติดตามผลให้ยืนยันว่าการใช้ Studio ลดเวลารอตรวจได้เท่าใด
สิ่งที่ควรเก็บเมื่อทดลองแนวทางนี้
หากจะต่อยอดจากกรณี Kimchi เริ่มจากงานเขียนโค้ดที่กำหนดผลลัพธ์และสภาพแวดล้อมทดสอบได้ชัด แล้วเก็บข้อมูลสี่ส่วนต่อหนึ่งงาน:
- ค่าเรียกโมเดลรวมทุกครั้ง รวมรอบที่ต้องแก้ใหม่
- ผลทดสอบเทียบกับข้อกำหนดเดิม ไม่ดูเพียงว่ารันได้
- เวลาที่คนใช้ตรวจ ตอบคำถาม และแก้ส่วนที่เหลือ
- จุดที่เอเจนต์ต้องหยุดรอ รวมถึงคนที่มีสิทธิ์อนุมัติขั้นต่อไป
รายการนี้เป็นวิธีนำกรอบคิดไปทดลองกับงานของตัวเอง ไม่ใช่ผลที่บทความรันทดสอบแล้ว ประเด็นของ Kimchi ที่ควรแยกให้ชัดคือการเลือกโมเดล การประเมินงาน และการจัดจุดรับช่วงของคน ทั้งสามส่วนต้องทำงานร่วมกันก่อนจะสรุปได้ว่าต้นทุนรวมดีขึ้นจริง
ที่มา: Stop Rationing Tokens: Let the Harness Pick the Model, Kimchi by Cast AI ช่อง AI Engineer เรียบเรียงจากภาพและบทถอดเสียงที่บันทึกใน VideoToBlog ซึ่งลงวันที่ 2 ตุลาคม 2026 ภาพเวทีระบุวันที่ 30 มิถุนายน 2026
