เบื้องหลังการเปิดโปง: ลวงโลกด้วยข้ออ้างคลัสเตอร์ GPU ส่วนตัว
ในช่วงวันที่ 14 ถึง 15 กันยายน 2026 ผู้ให้บริการประมวลผลโมเดลภาษาขนาดใหญ่ (LLM Inference) ต้นทุนต่ำนามว่า CrofAI (ดำเนินการผ่านโดเมน crof.ai และ nahcrof.com) ได้ยุติการให้บริการอย่างกะทันหัน พร้อมลบตัวตนดิจิทัลและโดเมนทั้งหมดออกจากระบบอินเทอร์เน็ต หลังเผชิญกับการเปิดโปงทางนิติวิทยาศาสตร์ดิจิทัลโดยนักพัฒนาและนักวิจัยนามว่า Kendell ซึ่งเผยแพร่รายงานการสืบสวนอย่างละเอียด
ก่อนหน้านี้ CrofAI ได้ทำการตลาดและดึงดูดผู้ใช้งานด้วยการอ้างว่าเป็นผู้ให้บริการประมวลผลโมเดล AI ที่มีราคาถูกที่สุดในตลาด โดยอ้างว่าได้พัฒนาเคอร์เนลการประมวลผลเฉพาะของตนเอง (Custom inference kernels) และรันคลัสเตอร์เซิร์ฟเวอร์เฉพาะบน Vast.ai ทำให้สามารถตั้งราคาตัดหน้าผู้ให้บริการรายใหญ่ได้อย่างมหาศาล อย่างไรก็ดี ผลการวิเคราะห์ทราฟฟิกเครือข่ายและการทดสอบอย่างเป็นระบบพบว่า CrofAI ไม่ได้รันโมเดลขนาดใหญ่บนฮาร์ดแวร์ของตนเองตามที่โฆษณาไว้เลยแม้แต่น้อย แต่กลับทำหน้าที่เป็นเพียงพร็อกซีหรือตัวครอบ API (Wrapper) ส่งต่อคำขอไปยังแพลตฟอร์ม OpenRouter โดยตรง
กลโกงสลับโมเดลราคาถูกและการบวกกำไรมหาศาล
การสืบสวนของ Kendell ชี้ให้เห็นถึงพฤติกรรมหลอกลวงสองชั้นที่ร้ายแรง โดยนอกจากจะไม่รันโมเดลเองแล้ว CrofAI ยังแอบสลับโมเดลที่ผู้ใช้ร้องขอเป็นโมเดลที่มีต้นทุนต่ำกว่ามาก ตัวอย่างเช่น เมื่อลูกค้ายื่นคำขอและจ่ายเงินสำหรับการเรียกใช้งานโมเดลประสิทธิภาพสูงอย่าง Kimi K3 ตัวระบบของ CrofAI จะแอบส่งคำขอนั้นต่อไปยังโมเดลทางเลือกราคาถูกอย่าง GLM 5.3 Flash บน OpenRouter แทน ซึ่งทำให้ผู้ใช้งานได้รับคำตอบที่มีคุณภาพด้อยกว่าที่คาดหวังโดยไม่รู้ตัว
ยิ่งไปกว่านั้น การตรวจสอบโครงสร้างราคายังเผยให้เห็นว่า CrofAI เก็บค่าบริการสูงเกินจริงเมื่อเทียบกับต้นทุนจริงที่จ่ายให้ OpenRouter สำหรับโมเดลสำรองเหล่านั้น โดยมีการบวกกำไรส่วนต่าง (Markup) สูงถึง 13.3 เท่าสำหรับโทเค็นขาเข้า (Input tokens) และสูงถึง 20 เท่าสำหรับโทเค็นขาออก (Output tokens) ทั้งที่ผู้ใช้เชื่อว่าตนกำลังได้รับราคาพิเศษจากผู้ให้บริการประมวลผลโดยตรง การค้นพบส่วนหัวเครือข่าย (HTTP Headers) และข้อมูลเมทาดาตาของ OpenRouter ในการตอบกลับ ทำให้ผู้ดูแลระบบของ CrofAI พยายามออกแพตช์หลายครั้งเพื่อตัดข้อมูลเมทาดาตาดังกล่าวออกเพื่อปกปิดร่องรอย ก่อนจะยอมรับความจริงและปิดระบบในที่สุด
เสียงสะท้อนจากกลุ่มนักพัฒนาและความกังขาในชุมชน AI
ในชุมชนนักพัฒนาและวิศวกรซอฟต์แวร์ เหตุการณ์การล่มสลายของ CrofAI ก่อให้เกิดกระแสวิพากษ์วิจารณ์อย่างหนักหน่วงต่อธุรกิจตัวแทนจำหน่าย API ที่เกิดขึ้นอย่างรวดเร็วแต่ขาดความน่าเชื่อถือ ผู้เชี่ยวชาญชี้ว่ารูปแบบราคาที่ 'ดีเกินจริง' และคำมั่นสัญญาเรื่องนโยบายไม่เก็บรักษาข้อมูล (Zero-retention policies) ที่ไม่มีการตรวจสอบจากภายนอก เป็นสัญญาณเตือนภัยที่ภาคธุรกิจมักมองข้ามเนื่องจากต้องการลดต้นทุนค่าประมวลผล
นักพัฒนาหลายรายตั้งข้อสังเกตว่า พฤติกรรมเช่นนี้สร้างความเสียหายอย่างมากต่อการนำ AI ไปใช้งานในระดับโปรดักชัน เพราะนอกจากจะทำให้ผลลัพธ์ของโมเดลผิดเพี้ยนไปจากการทดสอบแล้ว ยังนำมาซึ่งประเด็นความรับผิดชอบทางกฎหมาย โดยมีการถกเถียงกันในหมู่วิศวกรว่าการกระทำนี้เข้าข่ายการฉ้อโกงทางพาณิชย์หรือไม่ และเงินที่ผู้ใช้ชำระล่วงหน้าไปจะได้รับคืนจริงหรือต้องพึ่งพาการปฏิเสธการจ่ายเงินผ่านธนาคาร (Chargeback) เหตุการณ์นี้ยังกระตุ้นให้เกิดกระแสเรียกร้องให้องค์กรหันมาตรวจสอบลายนิ้วมือการตอบกลับ (Fingerprinting) ของผู้ให้บริการ และผลักดันการรันโมเดลแบบโฮสต์เองภายใน (Self-hosted) เพิ่มขึ้น
บทเรียนสำคัญสำหรับองค์กรธุรกิจและนักพัฒนาในไทย
สำหรับองค์กรธุรกิจและสตาร์ทอัปในประเทศไทยที่กำลังเร่งนำ Generative AI มาปรับใช้เพื่อลดต้นทุน กรณีของ CrofAI ถือเป็นบทเรียนราคาแพงในด้านการกำกับดูแลความเสี่ยงของผู้ให้บริการภายนอก (Third-Party Risk Management) ธุรกิจไทยจำนวนไม่น้อยมักมองหา API ทางเลือกที่มีราคาถูกกว่าผู้ให้บริการระดับโลก เพื่อควบคุมงบประมาณด้านไอที อย่างไรก็ตาม การส่งข้อมูลธุรกิจ ลูกค้า หรือเอกสารภายในผ่านตัวกลางที่ไม่โปร่งใส อาจสร้างความเสี่ยงร้ายแรงต่อการละเมิด พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) หากข้อมูลดังกล่าวถูกส่งต่อไปยังบุคคลที่สามโดยไม่ได้รับอนุญาต
ผู้นำด้านเทคโนโลยี (CTO และ CIO) ในไทยจำเป็นต้องกำหนดกรอบการตรวจสอบที่เข้มงวด ได้แก่: 1) การหลีกเลี่ยงการใช้บริการ API ตัวกลางที่ไม่มีนิติบุคคลรองรับชัดเจน 2) การกำหนดให้มีข้อตกลงการประมวลผลข้อมูล (Data Processing Agreement: DPA) ที่สามารถตรวจสอบได้ 3) การทำแบบทดสอบเกณฑ์มาตรฐาน (Benchmarking) และตรวจสอบ Latency เพื่อพิสูจน์ว่าโมเดลที่ส่งกลับมาเป็นโมเดลที่สั่งซื้อจริง และ 4) พิจารณาการโฮสต์โมเดลแบบ Open Weights ภายในโครงสร้างพื้นฐานของตนเองหรือบนคลาวด์ที่ได้รับมาตรฐานสากล เพื่อป้องกันการรั่วไหลของข้อมูลและรักษาความมั่นคงปลอดภัยของระบบในระยะยาว
กรณีศึกษานี้ตอกย้ำความเสี่ยงของผู้ให้บริการ AI คนกลางราคาถูกที่ขาดความโปร่งใส ซึ่งไม่เพียงแต่หลอกลวงด้านประสิทธิภาพ แต่ยังอาจละเมิดความเป็นส่วนตัวของข้อมูลองค์กรผ่านการส่งต่อคำขออย่างไม่เปิดเผย