Happening -

August 26, 2026September 6, 2026

Alibaba Launches QwenWork International Edition, Extending Its All-in-One Workplace AI Agent to Global Markets

Alibaba เปิดตัว QwenWork International Edition ขยายแพลตฟอร์ม AI Agent เพื่อการทำงานแบบครบวงจร สู่ตลาดโลก

Alibaba Launches QwenWork International Edition, Extending Its All-in-One Workplace AI Agent to Global Markets

Public beta rolls out to boost workplace productivity for businesses and individuals
Key markets include fast-growing areas across Asia, the Middle East, and Latin America

Alibaba today unveiled the international edition of QwenWork, its latest all-in-one workplace AI agent platform, bringing its advanced agent technology to individuals and enterprises to the international market.

Available in public beta starting today on web and desktop client via QwenWork’s international official website, the platform is designed for global users with a focus on fast-growing markets across Asia, the Middle East, and Latin America. The international edition offers interfaces in English and simplified Chinese, with Traditional Chinese, Spanish, Portuguese, Japanese, Korean and additional languages to be rolled out later on.

QwenWork International integrates the core capabilities of Alibaba’s three existing AI agent platforms — QoderWork, MuleRun, and Wukong — into a single AI productivity platform delivered on both web and desktop. Users simply describe what they need in natural language, and, upon authorization, the agent navigates websites, operates their local computer, and orchestrates complex multi-step tasks on their behalf.

Notably, the desktop client offers a unique Awareness feature that gives QwenWork continuity across sessions. This opt-in personalization capability lets users define their own collaboration style and working conventions, so the agent operates in a way that fits how they work rather than following a one-size-fits-all default. When enabled, Awareness carries preferences and prior context forward, sparing users from re-briefing the agent each time — and it can be switched off by users at any time. Successful workflows can likewise be saved as reusable skills that evolve alongside each user’s own way of working.

The platform combines autonomous agent capabilities with built-in web development and native multimodal generation. QwenWork generates not just static HTML pages but also provides hosting, database services and custom domain support, enabling non-technical users to transform ideas into live web applications in a single flow. For example, a user can simply request “build and deploy a static course homepage for Data Structures and Algorithms” and receive a live, publicly accessible site instantly- no coding or server setup required.

Beyond web development, QwenWork natively generates images, videos and audio and understands audio-visual—giving users a complete multimodal creative toolkit within a single platform

The platform also supports office document generation, deep research, voice input, file comprehension, cloud-based scheduling, browser automation, and authorized local file operations on desktop etc.

A diversified AI agent choice for global enterprises

QwenWork International gives global enterprises a diversified AI agent option for their workplace stack. The platform supports both Google account and email sign-up, and plans to integrate with industry-leading enterprise tools through its connector framework.

The international edition also draws on Alibaba Cloud’s global footprint, tapping its worldwide sales and service network to reach enterprise customers and running on Alibaba Cloud’s robust and secure global infrastructure for delivery at scale.

QwenWork International is offered under a subscription model paired with a credit system, with dedicated plans for individual and enterprise users. Users can choose from two model tiers, Basic and Advanced, selecting the industry’s latest and leading AI models based on the complexity of their tasks.

Looking ahead

QwenWork was first unveiled in China in early August as a public beta and quickly gained traction among individual users and enterprises. On August 17, Alibaba’s QwenWork was ranked the top workplace AI agent in a proprietary evaluation by New York-based investment bank Jefferies, outperforming seven other leading global agents.

Looking ahead, Alibaba plans to continue expanding QwenWork’s key market strength, deepen integrations with widely used international productivity tools, and roll out additional capabilities for a broader range of workplace scenarios worldwide.

August 26, 2026September 6, 2026

Alibaba เปิดตัว QwenWork International Edition ขยายแพลตฟอร์ม AI Agent เพื่อการทำงานแบบครบวงจร สู่ตลาดโลก

เปิดทดสอบแบบสาธารณะแล้ววันนี้ เพื่อยกระดับประสิทธิภาพการทำงานให้กับผู้ใช้ทั่วไปและภาคธุรกิจ
เน้นเจาะตลาดหลักในภูมิภาคที่มีการเติบโตสูง ทั้งเอเชีย ตะวันออกกลาง และละตินอเมริกา

อาลีบาบาเปิดตัว QwenWork เวอร์ชันระดับสากล ซึ่งเป็นแพลตฟอร์ม AI agent สำหรับการทำงาน (workplace) แบบครบวงจรของบริษัทฯ เพื่อขยายเทคโนโลยีด้านเอเจนต์ประสิทธิภาพล้ำหน้าสู่กลุ่มผู้ใช้งานทั่วไปและองค์กรในตลาดนานาชาติ

แพลตฟอร์มนี้ออกแบบมาเพื่อผู้ใช้ทั่วโลก มุ่งเน้นตลาดที่เติบโตเร็วทั่วเอเชีย ตะวันออกกลาง และละตินอเมริกา และพร้อมเปิดให้ทดสอบแบบสาธารณะตั้งแต่วันนี้ ทั้งบนเว็บไซต์และเดสก์ท็อป ผ่านเว็บไซต์ทางการระดับสากลของ QwenWork ปัจจุบันแพลตฟอร์มนี้รองรับอินเทอร์เฟซภาษาอังกฤษและจีนแบบย่อ และจะรองรับภาษาจีนตัวเต็ม สเปน โปรตุเกส ญี่ปุ่น เกาหลี และภาษาอื่น ๆ เพิ่มเติมในอนาคต

QwenWork International ผนวกขีดความสามารถสำคัญจากสามแพลตฟอร์ม AI agent ที่มีอยู่แล้วของอาลีบาบา ได้แก่ QoderWork, MuleRun และ Wukong เข้าไว้ด้วยกันเป็นแพลตฟอร์ม AI เพื่อเพิ่มประสิทธิภาพการทำงานหนึ่งเดียวที่ใช้งานได้ทั้งบนเว็บและเดสก์ท็อป ผู้ใช้เพียงแค่อธิบายสิ่งที่ต้องการด้วยภาษาทั่วไป และเมื่อได้รับอนุญาตจากผู้ใช้ AI agent จะเข้าใช้งานเว็บไซต์ ควบคุมคอมพิวเตอร์ และจัดการเวิร์กโฟลว์หลายขั้นตอนที่ซับซ้อนแทนผู้ใช้ได้ทันที

สิ่งที่โดดเด่นคือ เดสก์ท็อปคลายเอนต์มีฟีเจอร์ Awareness ที่ช่วยให้ QwenWork ทำงานได้ต่อเนื่องในทุกเซสชัน ความสามารถในการปรับแต่งตามสไตล์ผู้ใช้แบบตามความสมัครใจนี้ ช่วยให้ผู้ใช้กำหนดรูปแบบการทำงานร่วมกันและกำหนดข้อตกลงในการทำงานได้เอง เพื่อให้เอเจนต์ปรับตามสไตล์การทำงานของแต่ละคนแทนการใช้ค่าเริ่มต้นแบบตายตัว เมื่อเปิดใช้งาน Awareness จะจดจำการตั้งค่าและบริบทเดิมไว้ ทำให้ไม่ต้องบรีฟงานใหม่ทุกครั้ง และผู้ใช้ยังสามารถปิดใช้งานได้ตลอดเวลา นอกจากนี้ ยังสามารถบันทึกเวิร์กโฟลว์ที่สำเร็จไว้เป็นทักษะที่สามารถดึงมาใช้ซ้ำ ซึ่งจะพัฒนาควบคู่ไปกับสไตล์การทำงานของแต่ละคน

แพลตฟอร์มนี้รวมความสามารถของ AI ที่คิด วางแผน และปฏิบัติงานหลายขั้นตอนได้เองจนจบ (autonomous agent) เข้ากับระบบพัฒนาเว็บในตัวและการสร้างสื่อมัลติมีเดีย (multimodal) โดย QwenWork ไม่เพียงแค่สร้างหน้าเว็บ HTML แบบคงที่ แต่ยังให้บริการโฮสติ้ง ฐานข้อมูล และรองรับคัสตอมโดเมน ช่วยให้ผู้ใช้ทั่วไปที่ไม่มีทักษะเขียนโค้ดสามารถเปลี่ยนไอเดียให้เป็นเว็บแอปพลิเคชันที่ใช้งานได้จริง จบในขั้นตอนเดียว ตัวอย่าง ผู้ใช้เพียงแค่สั่งว่า “สร้างและขึ้นระบบหน้าเว็บหลักของวิชาโครงสร้างข้อมูลและอัลกอริทึม” ก็จะได้เว็บไซต์ที่พร้อมใช้และเข้าถึงได้ทันทีแบบสาธารณะ โดยไม่ต้องเขียนโค้ดหรือตั้งค่าเซิร์ฟเวอร์ให้ยุ่งยาก

นอกเหนือจากการพัฒนาเว็บแล้ว QwenWork ยังสามารถสร้างภาพ วิดีโอ และเสียง ได้ในตัว ทั้งเข้าใจสื่อภาพและเสียงได้อย่างถ่องแท้ ช่วยให้ผู้ใช้มีชุดเครื่องมือสร้างสรรค์คอนเทนต์แบบมัลติโมดัลครบวงจรจบในแพลตฟอร์มเดียว

แพลตฟอร์มยังรองรับการจัดทำเอกสารสำนักงาน การวิจัยเชิงลึก การรับคำสั่งด้วยเสียง การทำความเข้าใจและวิเคราะห์ไฟล์ การจัดตารางเวลาบนคลาวด์ การทำงานอัตโนมัติบนเบราว์เซอร์ และการจัดการไฟล์ภายในเครื่องบนเดสก์ท็อปตามสิทธิ์ที่ได้รับ

AI agent ที่หลากหลาย เป็นทางเลือกให้กับองค์กรทั่วโลก

QwenWork International มอบทางเลือก AI agent ที่หลากหลายเพื่อเติมความสามารถให้กับระบบการทำงานในที่ทำงานขององค์กรระดับโลก แพลตฟอร์มนี้รองรับทั้งการเข้าใช้ด้วยบัญชี Google และอีเมล และมีแผนที่จะเชื่อมต่อกับเครื่องมือต่าง ๆ ขององค์กรชั้นนำในอุตสาหกรรมผ่านเฟรมเวิร์กด้านการเชื่อมต่อของแพลตฟอร์ม

QwenWork เวอร์ชันที่ใช้ในระดับนานาชาตินี้ ยังดึงจุดแข็งจากการดำเนินงานในระดับสากลของอาลีบาบา คลาวด์ มาใช้ โดยเข้าถึงกลุ่มลูกค้าองค์กรผ่านเครือข่ายการขายและบริการทั่วโลก และการรันระบบบนโครงสร้างพื้นฐานระดับโลกที่แข็งแกร่งและปลอดภัยของอาลีบาบา คลาวด์ เพื่อให้บริการรองรับการเติบโตขนาดใหญ่

QwenWork International ให้บริการในรูปแบบการสมัครสมาชิกร่วมกับระบบเครดิต โดยมีแพ็กเกจสำหรับผู้ใช้ที่เป็นบุคคลและองค์กร ผู้ใช้สามารถเลือกใช้งานโมเดลได้สองระดับคือ ระดับ Basic และระดับ Advanced เพื่อทำการเลือกโมเดล AI ระดับแนวหน้า เป็นรุ่นล่าสุดในอุตสาหกรรม และเลือกให้เหมาะกับความซับซ้อนของแต่ละชิ้นงานในแต่ละอุตสาหกรรม

ทิศทางในอนาคต

QwenWork เปิดตัวครั้งแรกในประเทศจีนเมื่อช่วงต้นเดือนสิงหาคมในรูปแบบเปิดให้ทดลองสาธารณะ และได้รับความนิยมอย่างรวดเร็วทั้งในกลุ่มผู้ใช้ทั่วไปและในองค์กร เมื่อวันที่ 17 สิงหาคม QwenWork ของอาลีบาบาได้รับการจัดให้อยู่ในอันดับสูงสุดในกลุ่ม workspace AI agent จากการประเมินของ Jefferies ซึ่งเป็น วาณิชธนกิจแห่งนิวยอร์ก โดยมีคะแนนเหนือกว่าเอเจนต์ชั้นนำระดับโลกอีกเจ็ดราย

สำหรับทิศทางในอนาคต Alibaba มีแผนเดินหน้าเสริมจุดแข็งในตลาดหลักของ QwenWork อย่างต่อเนื่อง พร้อมขยายการเชื่อมต่อกับเครื่องมือเพิ่มประสิทธิภาพการทำงานที่ใช้กันอย่างแพร่หลายในระดับสากล และทยอยเปิดตัวความสามารถใหม่ ๆ เพื่อรองรับรูปแบบการทำงานที่หลากหลายยิ่งขึ้นทั่วโลก

August 19, 2026September 6, 2026

Why IT security’s future is more than just AI models

รับมือ Q-day: หมุดหมายที่ควอนตัมพิชิตความปลอดภัยไซเบอร์โลก สี่ขั้นตอนการเตรียมความพร้อมไฮบริดคลาวด์ ตั้งแต่วันนี้

Why IT security’s future is more than just AI models

Much of the public discussion around AI and its impact on cybersecurity focuses almost exclusively on models, with some arguments calling for a central authority to manage the latest models behind closed doors. There have even been discussions around strictly regulating or outright banning open weights models in the interest of security. But as global regulators mull the future of open AI models, a core question falls by the wayside: How do we actually secure AI systems?

AI security is a software challenge, not just a model issue

An AI agent isn’t just a model but rather a complete software stack. Securing this system requires analyzing the core model, the agentic harness, sandboxing techniques, runtime guardrails, data controls, and a host of other underlying infrastructure layers. Crucially, three of those four components—harnesses, sandboxes, and traditional application layers—are fundamentally rooted in software engineering, not the model.

Trying to secure the AI landscape by fragmenting software behind closed, proprietary boundaries simply shifts risk rather than solving it. Decades ago, when Linux first hit the scene, there was uncertainty and doubt cast around open source as a stable, secure solution for enterprise companies. Naysayers claimed only closed development could offer enterprise-grade reliability. However, time proved the exact opposite: open source software has since become the de facto catalyst powering a vast majority of global enterprise IT where scale and security are non-negotiable.

We are seeing an exact echo of that resistance today. Just as Linux proved that transparency and community collaboration create a more robust operating system, open source AI models, open source agentic harnesses, and transparent sandboxing will prove to be the most secure foundation for the future of computing.

Why open models and transparency are vital for defense

In cybersecurity, transparency is part of how you create secure systems. As the old IT principle goes: security through obscurity is less secure.

Limiting ourselves to a small set of proprietary models for cybersecurity research and threat mitigation introduces serious risks. Defenders have no way to manage what tools attackers choose to use. If researchers and security teams are restricted from accessing and inspecting open defensive models, they risk becoming blind to the tools and vectors exploited by threat actors. Furthermore, concentrating access within a handful of closed providers creates concentrated systemic risk.

Broad access to open weights models gives defenders the exact tools needed to build effective mitigation strategies. Open models allow for broad scientific scrutiny, which is vital for identifying and addressing latent vulnerabilities that would otherwise remain hidden inside proprietary “black box” systems.

We saw a clear example of this dynamic in action during a recent security incident involving Hugging Face. While the source of the vulnerability involved proprietary models (systems we are told to trust as inherently safe) the actual mitigations and protections were driven by open weights models. Open weights models were critical to resolving the threat. This is why Red Hat signed Microsoft’s letter on Open Weights and American AI Leadership. Broad, open access to defensive tools spreads security pervasively across the software development lifecycle.

Advancing state-of-the-art protection through shared learning

With this in mind, Red Hat is doing what we do best to help address the growing need for secure AI: working with the community. Most recently, as part of the Open Secure AI Alliance, Red Hat collaborated with NVIDIA, the Linux Foundation, and other members to develop a Request for Comments (RFC) for the Shared AI Findings Exchange (SAFE) Working Group.

Until now, IT teams have investigated AI security incidents internally, keeping critical operational insights trapped within individual enterprise walls. The SAFE guidelines change that paradigm by creating a neutral framework to confidentially collect, analyze, and distribute findings from AI operational failures without placing blame.

By supporting incident reporting and sharing threat intelligence openly, we advance the state of the art together. Through open collaboration, the entire ecosystem benefits: tools evolve faster, defensive capabilities grow stronger, and critical infrastructure becomes better protected against real-world attacks.

Moving forward together

Whether in base operations, software engineering, or enterprise application delivery, AI tools are advancing at unprecedented speed. A system’s strength relies on a combination of core models and the open source harnesses wrapped around them to safely guide behavior toward intended outcomes.

At Red Hat, we believe open collaboration and transparency remain the best, fastest, and safest ways to evolve technology. By focusing on original, human-driven insights and fostering open ecosystems – across open source software, open weights models, and open agentic harnesses – we can advance security alongside capability.

The full SAFE RFC proposal is available now on GitHub for community review, discussion, and contributions.

August 19, 2026September 6, 2026

ทำไมอนาคต IT Security ถึงเป็นมากกว่าแค่เรื่อง AI models

การถกเถียงในวงกว้างเกี่ยวกับ AI และผลกระทบต่อความปลอดภัยทางไซเบอร์ มักกระจุกตัวอยู่แค่เรื่องของตัวโมเดล จนเกิดกระแสเรียกร้องให้มีหน่วยงานกลางคอยควบคุมดูแลโมเดลรุ่นใหม่ล่าสุดอย่างลับ ๆ ถึงขั้นเสนอให้กำกับดูแลอย่างเข้มงวดหรือสั่งห้ามใช้โมเดลแบบเปิดเผยค่าน้ำหนัก (open weights models) โดยเด็ดขาด เพื่อเหตุผลด้านความปลอดภัย แต่ในขณะที่หน่วยงานกำกับดูแลทั่วโลกกำลังชั่งน้ำหนักเรื่องอนาคตของโมเดล AI แบบเปิด ประเด็นหลักที่สำคัญที่สุดกลับถูกมองข้ามไป นั่นคือ เราจะคุ้มครองและสร้างความปลอดภัยอย่างแท้จริงให้ AI ได้อย่างไร

ความปลอดภัยของ AI คือความท้าทายด้านซอฟต์แวร์ ไม่ใช่แค่เรื่องของโมเดล

AI agent ไม่ใช่แค่ตัวโมเดลเดี่ยว ๆ แต่คือ ระบบซอฟต์แวร์ที่ประกอบกันแบบครบวงจร (software stack) ดังนั้น การสร้างความปลอดภัยให้ระบบนี้จึงต้องมองให้ครอบคลุมตั้งแต่การวิเคราะห์โมเดลหลัก (core model) ส่วนเชื่อมต่อสั่งการ (agentic harness) เทคนิคการจำกัดพื้นที่ความเสี่ยงหรือพื้นที่จำลองการทำงาน (sandbox) เกราะคุมความปลอดภัยขณะทำงาน (runtime guardrails) การกำกับดูแลข้อมูล ไปจนถึงโครงสร้างพื้นฐานอีกหลายเลเยอร์ที่ทำหน้าที่รองรับระบบต่าง ๆ สิ่งสำคัญคือสามในสี่ขององค์ประกอบเหล่านี้ คือ harnesses, sandbox และเลเยอร์ที่เป็นแอปพลิเคชันแบบดั้งเดิม ล้วนมีรากฐานและยึดโยงอยู่กับวิศวกรรมซอฟต์แวร์โดยแท้จริง ไม่ใช่เรื่องของตัวโมเดล

ความพยายามในการสร้างความปลอดภัยให้ AI ด้วยการแยกส่วนซอฟต์แวร์และกักไว้ในระบบปิดที่เป็นกรรมสิทธิ์ เป็นเพียงการย้ายความเสี่ยง ไม่ใช่การแก้ปัญหาที่แท้จริง หากย้อนกลับไปเมื่อหลายทศวรรษก่อน ตอนที่มีการเปิดตัว Linux ครั้งแรก เคยเกิดความลังเลและข้อสงสัยว่าโอเพ่นซอร์สจะเสถียรและปลอดภัยพอสำหรับการใช้งานในระดับองค์กรหรือไม่ โดยฝ่ายที่ไม่เห็นด้วยมองว่ามีเพียงการพัฒนาแบบปิดเท่านั้นที่จะให้ความน่าเชื่อถือในระดับองค์กรได้ อย่างไรก็ตาม เวลาได้พิสูจน์แล้วว่าซอฟต์แวร์โอเพ่นซอร์สกลายเป็นขุมพลังสำคัญในการขับเคลื่อนการใช้ไอทีขององค์กรส่วนใหญ่ทั่วโลก ซึ่งเรื่องของการปรับขนาดการทำงานและความปลอดภัยเป็นเรื่องที่ไม่สามารถเจรจาต่อรองได้

เรากำลังเห็นแรงต้านแบบเดียวกันในปัจจุบัน โมเดล AI แบบโอเพ่นซอร์ส เครื่องมือควบคุมจัดการ agent แบบโอเพ่นซอร์ส และระบบจำลองการทำงานที่ตรวจสอบได้ จะพิสูจน์ให้เห็นว่าเป็นโครงสร้างพื้นฐานที่ปลอดภัยที่สุดของอนาคตแห่งการประมวลผล เช่นเดียวกับที่ Linux เคยพิสูจน์แล้วว่าความโปร่งใสและการร่วมมือกันในชุมชนช่วยสร้างระบบปฏิบัติการที่แข็งแกร่งมากขึ้น

ทำไมโมเดลแบบเปิดและความโปร่งใสจึงจำเป็นอย่างยิ่งในการป้องกันตัว

ในโลกไซเบอร์ซีเคียวริตี ความโปร่งใสคือหัวใจของการสร้างระบบให้ปลอดภัย เหมือนหลักการไอทีที่มีมานานว่า ความปลอดภัยที่เน้นแค่การปิดเป็นความลับ ไม่ใช่ความปลอดภัยที่แท้จริง

การจำกัดการทำงานวิจัยด้านไซเบอร์และการรับมือภัยคุกคามไว้กับโมเดลจากผู้ให้บริการระบบปิดเพียงไม่กี่ราย นำมาซึ่งความเสี่ยงที่ร้ายแรง เพราะทีมที่ทำหน้าที่ป้องกันไม่สามารถไปกำหนดได้ว่าผู้โจมตีจะใช้เครื่องมืออะไร หากนักวิจัยและทีมซีเคียวริตี้ขององค์กรไม่สามารถเข้าถึงหรือสำรวจดูโมเดลที่ใช้ในการป้องกันที่เป็นระบบเปิดได้ ก็เสี่ยงที่จะมองไม่เห็นเครื่องมือและรูปแบบการโจมตีที่แฮกเกอร์นำมาใช้ ยิ่งไปกว่านั้น การพึ่งพาผู้ให้บริการระบบปิดแค่ไม่กี่ราย ยังเป็นการสร้างความเสี่ยงเชิงระบบที่กระจุกตัวอยู่อีกด้วย

การเข้าถึงโมเดลแบบ open-weights ได้อย่างทั่วถึง จะช่วยให้ผู้ทำหน้าที่ป้องกันมีเครื่องมือที่จำเป็นในการสร้างกลยุทธ์เพื่อรับมือภัยคุกคามได้อย่างมีประสิทธิภาพ โมเดลแบบเปิดยังช่วยกระตุ้นให้เกิดการตรวจสอบวิเคราะห์เชิงวิทยาศาสตร์ในวงกว้าง ซึ่งเป็นสิ่งสำคัญต่อการค้นหาและแก้ไขช่องโหว่ซ่อนเร้นที่มักถูกแฝงไว้ในระบบปิดที่เป็นกรรมสิทธิ์ (black box)

เราได้เห็นตัวอย่างที่ชัดเจนของเรื่องนี้จากเหตุการณ์ความปลอดภัยของ Hugging Face ที่เพิ่งเกิดขึ้น แม้ต้นตอของช่องโหว่จะมาจากโมเดลระบบปิด (ระบบที่เรามักถูกบอกให้เชื่อมั่นว่าปลอดภัยในตัวของมันเองอยู่แล้ว) แต่การบรรเทาความเสียหายและการปกป้องระบบจริงกลับต้องพึ่งพาโมเดลแบบ open weights ซึ่งมีบทบาทสำคัญอย่างยิ่งในการคลี่คลายภัยคุกคามในครั้งนี้ ด้วยเหตุนี้เร้ดแฮทจึงร่วมลงนามใน Microsoft’s letter on Open Weights and American AI Leadership เพราะการเปิดให้เข้าถึงเครื่องมือฝั่งป้องกันได้อย่างกว้างขวาง จะช่วยกระจายความปลอดภัยได้อย่างครอบคลุมตลอดทุกขั้นตอนของวงจรการพัฒนาซอฟต์แวร์

ยกระดับมาตรการป้องกันที่ล้ำสมัยที่สุดในปัจจุบัน ด้วยการแบ่งปันและเรียนรู้ร่วมกัน

เร้ดแฮทนำจุดแข็งที่สุดของบริษัทฯ มาใช้ตอบโจทย์ความต้องการ AI ที่ปลอดภัย นั่นคือการทำงานร่วมกับชุมชน โดยล่าสุด ในฐานะที่เป็นส่วนหนึ่งของ Open Secure AI Alliance เร้ดแฮทได้ร่วมมือกับ NVIDIA, Linux Foundation และสมาชิกในกลุ่ม จัดทำ Request for Comments (RFC) for the Shared AI Findings Exchange (SAFE) Working Group ขึ้นมา

ทีมไอทีมักตรวจสอบและแก้ปัญหาเหตุการณ์ละเมิดความปลอดภัยในการใช้ AI กันเองภายในองค์กร ทำให้องค์ความรู้และข้อมูลเชิงลึกในการดำเนินการถูกบล็อกไว้แค่ในองค์กรนั้น ๆ กรอบแนวทางของ SAFE เข้ามาเปลี่ยนวิถีเดิม ๆ นี้ ด้วยการสร้างเฟรมเวิร์กที่เป็นกลางขึ้นมา เพื่อรวบรวม วิเคราะห์ และแชร์ข้อมูลความผิดพลาดจากการใช้ AI อย่างเป็นความลับและไม่มุ่งจับผิดใคร

การสนับสนุนให้รายงานเหตุความปลอดภัยและแลกเปลี่ยนข้อมูลภัยคุกคามอย่างเปิดเผย คือหัวใจสำคัญที่จะช่วยให้เกิดการยกระดับขีดความสามารถด้านการป้องกันไปด้วยกัน ความร่วมมือแบบเปิดนี้ช่วยให้ทั้งวงการได้ประโยชน์ร่วมกันเต็ม ๆ ตั้งแต่การพัฒนาเครื่องมือได้รวดเร็วขึ้น เสริมเกราะป้องกันให้แข็งแกร่งมากขึ้น ไปจนถึงการปกป้องโครงสร้างพื้นฐานสำคัญให้รอดพ้นจากการโจมตีในสถานการณ์จริงได้อย่างรัดกุม

ก้าวไปข้างหน้าพร้อมกัน

เครื่องมือ AI ต่าง ๆ กำลังพัฒนาไปข้างหน้าด้วยความเร็วอย่างที่ไม่เคยมีมาก่อน ไม่ว่าจะเป็นงานปฏิบัติการพื้นฐาน งานวิศวกรรมซอฟต์แวร์ หรือการให้บริการแอปพลิเคชันระดับองค์กร ความแข็งแกร่งของระบบขึ้นอยู่กับการผสมผสานระหว่างโมเดลหลักและเครื่องมือโอเพ่นซอร์สที่ห่อหุ้มอยู่รอบ ๆ เพื่อกำกับพฤติกรรมของ AI ให้เป็นไปตามวัตถุประสงค์และผลลัพธ์ที่ต้องการได้อย่างปลอดภัย

เร้ดแฮทเชื่อว่าความร่วมมือแบบเปิดและความโปร่งใสยังคงเป็นแนวทางที่ดีที่สุด เร็วที่สุด และปลอดภัยที่สุดในการพัฒนาเทคโนโลยี ทุกฝ่ายสามารถยกระดับความปลอดภัยและศักยภาพของเทคโนโลยีให้เติบโตควบคู่กันได้ ด้วยการชูจุดแข็งด้านการคิดวิเคราะห์ของมนุษย์และการผลักดันระบบนิเวศแบบเปิดต่าง ๆ ทั้งกับซอฟต์แวร์โอเพ่นซอร์ส โมเดลแบบ open weights และกลไกควบคุมเอเจนต์แบบเปิด

ปัจจุบัน ข้อเสนอ SAFE RFC ฉบับเต็มได้เปิดให้เข้าถึงแล้วบน GitHub เพื่อให้ชุมชนผู้ใช้งานได้ร่วมอ่าน ตรวจสอบ แลกเปลี่ยนความคิดเห็น และร่วมพัฒนาไปด้วยกัน

August 13, 2026September 6, 2026

Alibaba Unveils Wan3.0 with Twice as Long Video Outputs from a Richer Variety of Inputs

อาลีบาบา เปิดตัว Wan3.0 สร้างวิดีโอได้ยาวขึ้นสองเท่า รองรับอินพุตหลายรูปแบบ จัดเต็มกว่าเดิม

Alibaba Unveils Wan3.0 with Twice as Long Video Outputs from a Richer Variety of Inputs

Latest model supports multimodal reference inputs, enabling static text-heavy data conversion into dynamic video content up to 30 seconds

Alibaba has rolled out the beta version of Wan3.0, an advanced video generation model that supports 30-second video length and multimodal reference inputs. This innovative tool represents a significant advancement in generative AI, integrating high-fidelity video creation, precise visual consistency, and comprehensive multimodal inputs into a single model designed to streamline professional workflows. As Wan3.0 started public beta testing, users can apply for model testing on Alibaba Cloud’s AI development platform Model Studio and AI-native cloud platform Qwen Cloud.

Mainstream AI video generators typically produce clips lasting only a few seconds to 15 seconds, which is the maximum clip duration of Wan2.7-Video, the preceding Wan video generation model. Wan3.0’s native support for longer sequences up to 30 seconds per clip allows creators to execute complex camera movements and continuous, unbroken shots. The model also introduces an intelligent duration feature that recommends the optimal video length based on user prompts, alongside video extension features to help expand narrative timelines.

A major differentiator for Wan3.0 is its broad multimodal input capability. The model can process text, image, video, and audio inputs simultaneously, while also supporting web pages and documents like PDFs and PowerPoint presentations. This feature effectively allows users to convert static, text-heavy data directly into dynamic video content.

Demo videos generated by Wan3.0

https://www.alizila.com/alibaba-unveils-wan3-0-with-twice-as-long-video-outputs-from-a-richer-variety-of-inputs/

To address the visual drifting and distortion common in AI-generated media, Wan3.0 features high-precision visual continuity. The model renders highly realistic human faces with synchronized micro-expressions, produces natural multilingual voice outputs, and accurately present stable software user interfaces and motion graphics.

Beyond visual stability, Wan3.0 is designed to precisely replicate fine details from reference inputs, with strict control over character and product details, spatial relationships, and voice consistency. Instead of generating rough resemblances, it accurately replicates characters, props, audio, spatial layouts and styles from reference inputs while keeping layouts and audio stable. This precision is combined with natural movement and emotional expressions to turn standard AI clips into immersive, dramatic stories.

The model is designed to support a wide range of industries, from streamlining production for filmmakers, creating short dramas and social media content, to helping businesses easily turn text and images into marketing and educational videos. Additionally, Wan3.0 can serve as a powerful tool for tech developers by generating realistic simulation videos to train self-driving cars and robotics systems.

First introduced in July 2023, Alibaba’s Wan series of visual generation models have undergone continuous upgrades to make image and video creation more realistic, easier to control, and more creator-friendly.

Please visit Alizila for more details and demo videos generated by Wan3.0.