xAI เปิดตัว Grok 4.3 Beta: เพิ่มการประมวลผลวิดีโอแบบเนทีฟและสร้างสไลด์นำเสนอในหน้าต่างสนทนา

เมื่อวันที่ 17 เมษายน 2026 xAI ได้ประกาศผ่านบล็อกทางการและแพลตฟอร์ม X เปิดตัว Grok 4.3 Beta ซึ่งเป็นอัปเดตสำคัญของตระกูล Grok 4 นับตั้งแต่เปิดตัวเมื่อต้นปีที่ผ่านมา ฟีเจอร์ใหม่หลักสองอย่างคือ «การประมวลผลวิดีโอนำเข้าแบบเนทีฟ» และ «การสร้างสไลด์นำเสนอในหน้าต่างสนทนา» ซึ่งทั้งสองมุ่งตรงไปที่การใช้งานในสำนักงานประจำวัน มากกว่าการแข่งขันคะแนนความสามารถของโมเดลเพียงอย่างเดียว

การประมวลผลวิดีโอแบบเนทีฟ หมายความว่า Grok 4.3 Beta รับไฟล์วิดีโอที่ผู้ใช้อัปโหลดเป็นข้อมูลนำเข้าได้โดยตรง และเข้าใจ สรุป ตอบคำถามเกี่ยวกับเนื้อหานั้น โดยไม่ต้องแปลงเป็นภาพนิ่งทีละเฟรมหรือข้อความก่อน ผู้ใช้สามารถอัปโหลดวิดีโอบันทึกการประชุม คลิปตรวจสายการผลิต หรือวิดีโอสาธิตผลิตภัณฑ์ แล้วให้ Grok อธิบายเหตุการณ์ ระบุเนื้อหาในช่วงเวลาที่ระบุ หรือถามคำถามต่อเนื่องได้โดยตรง ส่วนการสร้างสไลด์นำเสนอ ผู้ใช้เพียงพิมพ์คำขอ เช่น «ช่วยทำสไลด์ผลประกอบการรายไตรมาส 3 หน้า» Grok ก็สร้างเนื้อหารูปแบบสไลด์ได้ทันทีในหน้าต่างสนทนาเดียวกัน โดยไม่ต้องส่งออกไปจัดหน้าด้วยมือใน PowerPoint หรือ Keynote

ความหมายเชิงเทคนิค: จาก «การแยกส่วน» สู่ «ความเข้าใจแบบเนทีฟ»

ในอดีต โมเดลส่วนใหญ่ประมวลผลวิดีโอด้วยการให้เครื่องมือภายนอกตัดเป็นเฟรมสำคัญหรือถอดเป็นข้อความก่อน แล้วโมเดลวิเคราะห์ «ข้อมูลตัวแทน» เหล่านี้ ซึ่งโดยพื้นฐานยังเป็นโมเดลข้อความหรือภาพนิ่ง การที่ Grok 4.3 Beta เน้น «การนำเข้าวิดีโอแบบเนทีฟ» หมายถึงสถาปัตยกรรมโมเดลเองประมวลผลสัญญาณภาพเชิงเวลาได้โดยตรง ในทางทฤษฎีสามารถจับความต่อเนื่องของการเคลื่อนไหวระหว่างเฟรมและความสัมพันธ์ระหว่างเสียงกับภาพ ความสามารถหลายรูปแบบแบบเนทีฟนี้เป็นทิศทางที่ Google DeepMind, OpenAI, Anthropic กำลังผลักดันในช่วงหลายปีที่ผ่านมา การเข้าร่วมของ Grok 4.3 Beta หมายถึงมีผู้เล่นเพิ่มขึ้นอีกรายในสนามแข่งขันนี้

เปรียบเทียบกับคู่แข่ง: เก็บผลลัพธ์ไว้ในหน้าต่างสนทนา

ฟีเจอร์สร้างสไลด์ไม่ใช่แนวคิดใหม่ ตลาดมีเครื่องมืออย่าง Gamma, Tome อยู่แล้ว จุดต่างของ Grok 4.3 Beta คือฝังฟีเจอร์นี้ไว้ในหน้าต่างผู้ช่วยสนทนาทั่วไปที่มีอยู่แล้วโดยตรง ผู้ใช้ไม่ต้องสลับไปเครื่องมือเฉพาะทางและอธิบายความต้องการซ้ำ สอดคล้องกับทิศทางที่ OpenAI นำการรันโค้ดและการแก้ไขภาพเข้ามารวมในหน้าจอหลักของ ChatGPT ในช่วงที่ผ่านมา สะท้อนว่าผู้พัฒนาแต่ละรายกำลังผลักดันผู้ช่วย AI ไปสู่ «พื้นที่ทำงานแบบครบวงจร»

ปฏิกิริยาในวงการ: การแข่งขันด้านการรักษาผู้ใช้และความผูกพันของผู้ใช้

การนำความเข้าใจวิดีโอและการสร้างสไลด์มารวมไว้ในหน้าต่างสนทนาเดียว ส่งผลให้สัดส่วนงานที่ผู้ใช้ทำเสร็จภายในแพลตฟอร์มเดียวเพิ่มขึ้น ลดโอกาสสลับไปใช้เครื่องมือ SaaS อื่น สอดคล้องกับการสังเกตในวงการช่วงหลังที่ว่า จุดแข่งขันของผลิตภัณฑ์ AI สนทนาได้เปลี่ยนจาก «ตอบแม่นยำแค่ไหน» มาเป็น «รวบงานที่แต่เดิมต้องเปิดหลายซอฟต์แวร์ให้เสร็จในหน้าต่างเดียวได้หรือไม่»

สำหรับผู้บริหาร ความหมายของข่าวนี้คือ วิดีโอและสไลด์นำเสนอสองประเภทที่แต่เดิมยังต้องจัดการด้วยมือ กำลังถูกดึงเข้าสู่กระบวนการสนทนาประจำวันทีละน้อย ควรให้ความสนใจว่าทีมงานยังมีขั้นตอนที่ทำด้วยมือ เช่น การสรุปบันทึกการประชุม การทบทวนภาพตรวจสายการผลิต หรือการร่างสไลด์นำเสนอภายใน ที่สามารถประหยัดเวลาลงได้หรือไม่