ChatGPT Work (โหมดที่ให้ ChatGPT ลงมือทำงานในที่ทำงานแทนเรา) กับ Codex (ผู้ช่วย AI ของ OpenAI ที่อ่าน แก้ และรันโค้ดให้) ไม่ได้แยกโควตากันคนละก้อน แต่ใช้เครดิตก้อนเดียวกัน ถ้าวันนี้สั่งงานฝั่ง Codex หนัก โควตาที่เหลือให้ ChatGPT Work ในวันพรุ่งนี้ก็จะน้อยลง ถ้าใช้ ChatGPT Work มาก โควตาที่เหลือให้ Codex ก็น้อยลงเช่นกัน คนไทยหลายคนยังไม่รู้เรื่องนี้ ทั้งที่คู่มือระบุชัดว่าทั้งสองอย่างใช้โควตาร่วมกัน

บทความนี้เป็นบทปิดท้ายของซีรีส์ ChatGPT Work และชวนทำความเข้าใจสองเรื่องสุดท้ายก่อนจะสั่งงาน AI ได้อย่างสบายใจ เรื่องแรกคือต้นทุนจริง ว่าแต่ละงานใช้เครดิตเท่าไร และงานแบบไหนถึงเรียกว่าคุ้ม เรื่องที่สองคือข้อจำกัดด้านความปลอดภัย ซึ่งป้องกันไม่ให้ AI ทำสิ่งที่แก้ไขย้อนหลังไม่ได้

เครดิตคือกระเป๋าใบเดียว ไม่ใช่สองใบ

ลองนึกว่าโควตาการใช้งานทั้งหมดคือเงินในกระเป๋าใบเดียว ไม่ว่าจะให้ Codex ไล่อ่านโค้ดทั้งโปรเจกต์หรือให้ ChatGPT Work ร่างเอกสารยาว ระบบก็หักเครดิตจากยอดเดียวกัน ไม่มีการแยกว่าส่วนไหนเป็นเครดิตสำหรับงานเขียนโค้ดหรือส่วนไหนสำหรับงานเอกสาร

ผลก็คือถ้าใช้ฝั่งใดฝั่งหนึ่งเพลินจนเครดิตร่อยหรอ อีกฝั่งก็จะเหลือเครดิตน้อยลงทันที การวางแผนว่าอาทิตย์นี้จะเทน้ำหนักไปทางไหนจึงสำคัญ เพราะ ChatGPT Work กับ Codex ไม่ได้มีบัญชีแยกกัน แต่ใช้เครดิตก้อนเดียวกัน

token กับ credit ไม่ใช่เรื่องเดียวกัน

ถ้าจะคุมต้นทุน ต้องแยกสองคำนี้ให้ออก token (หน่วยข้อมูลเล็กๆ ที่ AI ใช้อ่านและเขียน) คือหน่วยย่อยของข้อมูลที่ AI รับเข้าและส่งออก ไม่ว่าจะเป็นคำสั่งที่เราพิมพ์ ไฟล์ที่แนบ ประวัติการคุย ผลลัพธ์จากเครื่องมือ หรือคำตอบที่ AI เขียนกลับมา ทั้งหมดล้วนนับเป็น token ส่วน credit หรือเครดิต เป็นหน่วยที่คำนวณจากปริมาณ token เพื่อให้ติดตามได้ง่ายว่าเราใช้ไปเท่าไรแล้ว

คนมักเข้าใจผิดว่าพิมพ์สั้นเท่ากับประหยัด แต่ความจริงค่าเครดิตขึ้นอยู่กับหลายอย่างพร้อมกัน ทั้งโมเดลที่เลือก ปริมาณบริบทที่ต้องอ่าน ระดับการคิดวิเคราะห์ และเครื่องมือที่เรียกใช้ ดังนั้นความยาวของ prompt (คำสั่งที่เราพิมพ์) เพียงอย่างเดียวจึงบอกไม่ได้ว่างานนั้นจะใช้เครดิตจริงๆ เท่าไร

Codex คำนวณเครดิตต่อ token หนึ่งล้านตัว โดยแยกเป็นสามส่วน ได้แก่ อินพุต อินพุตที่แคชไว้แล้ว และเอาต์พุต โมเดล GPT-5.6 ที่ใช้อยู่ตอนนี้มีสามรุ่น และแต่ละรุ่นใช้เครดิตต่างกันชัดเจน

ตัวเลขในตารางคือเครดิตต่อ token หนึ่งล้านตัว จากตารางเห็นได้ทันทีสองอย่าง อย่างแรกคือเอาต์พุต หรือสิ่งที่ AI เขียนกลับมา มีราคาแพงกว่าอินพุตหลายเท่า อย่างที่สองคืออินพุตที่ระบบแคชไว้ (ข้อมูลเดิมที่เคยส่งไปแล้วและระบบจำไว้) มีราคาถูกที่สุด โดยเฉลี่ยแล้วข้อความหนึ่งของ GPT-5.6 ใช้ราว 5-40 เครดิต ส่วนงานสร้างภาพจะดึงโควตาเร็วกว่างานข้อความปกติราว 3-5 เท่า

ถ้าโควตาที่รวมมากับแพ็กเกจหมดแล้ว เครดิตส่วนที่เหลือจะช่วยให้ทำงานต่อไปได้ ผู้ใช้ Plus กับ Pro ยังซื้อเครดิตเพิ่มได้โดยไม่ต้องอัปเกรดแพ็กเกจ

งานที่กินเครดิตเยอะ อาจคุ้มที่สุด

ระบบคิดเครดิตตามงานที่ทำจริง ไม่ใช่จำนวนครั้งที่พิมพ์ งานหนักงานเดียวจึงอาจคุ้มกว่าการพิมพ์ถามสั้นๆ สิบครั้ง ถ้าผลลัพธ์นำไปใช้ต่อได้จริง สิ่งสำคัญจึงเป็นคุณค่าของผลลัพธ์ ไม่ใช่ตัวเลขเครดิตอย่างเดียว

พูดง่ายๆ คือไม่ต้องเสียดายเครดิตที่ใช้กับงานที่ให้ผลคุ้มค่าจริง แต่ควรประหยัดกับงานซ้ำๆ แทน ถ้าอยากรู้ว่าใช้เครดิตช่วงไหนบ้าง ให้เปิดแดชบอร์ดการใช้งานทุกหนึ่งถึงสองสัปดาห์ เพื่อดูว่าใช้ไปเท่าไรและเหลือเท่าไร ถ้าใช้มากกว่าที่คาด ค่อยลองเปลี่ยนไปใช้โมเดลรุ่นเล็กลงหรือจำกัดขอบเขตงาน แล้วดูว่ายังได้ผลลัพธ์ที่ใช้งานได้หรือไม่

ยืดโควตาได้ตั้งแต่ประโยคแรกที่พิมพ์

เริ่มยืดโควตาได้ตั้งแต่ประโยคแรกที่พิมพ์ แทนที่จะโยนทั้งโฟลเดอร์ให้ AI อ่านแล้วสั่งกว้างๆ ว่าให้ช่วยสรุป ลองเขียนแบบนี้แทน

ประโยคนี้ทำสามอย่างพร้อมกัน ได้แก่ จำกัดแหล่งข้อมูลไว้ที่ไฟล์เดียว กำหนดผลลัพธ์เป็นตาราง และกำหนดความยาวไว้ห้าแถว AI จึงไม่ต้องเดา อ่านข้อมูลที่ไม่เกี่ยวข้อง หรือเขียนยาวเกินจำเป็น เครดิตที่ประหยัดได้จึงมาจากการระบุให้ชัด ไม่ใช่การพิมพ์ให้สั้น

เมื่อจับหลักได้แล้ว ที่เหลือคือเอาแนวคิดเดียวกันไปใช้กับส่วนอื่น

• คุมขนาด prompt ให้พอดี พูดให้ตรงประเด็น ตัดบริบทที่ไม่จำเป็นออก แต่ไม่ถึงกับสั้นจนขาดข้อมูลที่มันต้องใช้
• จำกัดแหล่งข้อมูล ให้อ่านเฉพาะไฟล์ที่เกี่ยว จำกัดช่วงวันที่หรือแหล่งที่มาให้แคบที่สุดเท่าที่งานต้องการ
• กำหนดรูปแบบผลลัพธ์ บอกให้ชัดว่าเขียนให้ใครอ่าน รูปแบบไหน ยาวเท่าไร แล้วแยกส่วนที่ต้องมีออกจากส่วนเสริมที่มีก็ได้ไม่มีก็ได้
• ปิดของที่ไม่ได้ใช้ ย่อไฟล์ AGENTS.md (ไฟล์ที่บอกกติกาของโปรเจกต์ให้ AI อ่าน) ให้กระชับ และปิด MCP (ตัวเชื่อม AI เข้ากับเครื่องมือหรือข้อมูลภายนอก) ตัวที่ไม่ได้ใช้ เพราะแต่ละตัวจะเพิ่มบริบทให้ทุกข้อความโดยที่เราไม่รู้ตัว

เรื่องเลือกโมเดลก็ช่วยประหยัดได้เยอะ GPT-5.6 มีสามรุ่นให้เลือกตามลักษณะงาน ได้แก่ Sol สำหรับงานยากที่ต้องคิดลึกและมีคุณค่าสูง อย่างการวิเคราะห์ที่ซับซ้อนหรือการเขียนโค้ดยากๆ ส่วน Terra เป็นตัวหลักสำหรับงานประจำวัน เก่งรอบด้าน และให้สมดุลระหว่างความสามารถกับราคาได้ดีที่สุด ขณะที่ Luna เน้นความเร็วและความประหยัด เหมาะกับงานเบาๆ ที่ทำซ้ำบ่อย อย่างดึงข้อมูล จัดหมวด หรือสรุปตามรูปแบบเดิม

เลือกง่ายๆ คือถ้าไม่ใช่งานยากหรืองานที่ทำถี่ๆ ให้เริ่มที่ Terra ก่อน แล้วขยับขึ้น Sol เมื่อยังวิเคราะห์ได้ไม่ลึกพอ หรือลงมา Luna เมื่ออยากประหยัดกับงานซ้ำๆ อีกจุดที่ช่วยได้คือระดับการคิด ซึ่งปรับได้สี่ระดับ ให้เริ่มจากระดับต่ำสุดที่ยังได้ผลตามต้องการ แล้วค่อยเพิ่มเมื่องานเริ่มต้องวางแผนหรือตรวจทานมากขึ้น

sandbox กับ approval ช่วยกันไม่ให้ AI ทำเกินขอบเขต

ระบบความปลอดภัยของ Codex ไม่ได้อาศัยกฎเพียงข้อเดียว แต่มีมาตรการสองชั้นที่ทำงานคู่กันและทำหน้าที่ต่างกันอย่างชัดเจน

ชั้นแรกคือ sandbox (พื้นที่ปิดที่กำหนดขอบเขตการทำงานในทางเทคนิค) เช่น เขียนไฟล์ที่ไหนได้บ้างหรือเชื่อมต่ออินเทอร์เน็ตได้หรือไม่ ชั้นที่สองคือ approval หรือการขออนุมัติ ซึ่งกำหนดว่าเมื่อไร AI ต้องหยุดและขออนุญาตเราก่อนลงมือ เช่น เมื่อต้องทำงานนอกพื้นที่ที่อนุญาต ใช้อินเทอร์เน็ต หรือรันคำสั่งที่ยังไม่น่าไว้ใจ พูดสั้นๆ คือ sandbox กำหนดว่าทำอะไรได้ ส่วน approval กำหนดว่าเมื่อไรต้องหยุดขออนุญาต

ค่าเริ่มต้นเมื่อรันบนเครื่องตัวเองคือโหมด Auto ซึ่งอ่าน แก้ และรันได้เองภายในโฟลเดอร์ที่กำลังทำงาน แต่ต้องขออนุญาตก่อนแก้ไฟล์นอกพื้นที่นั้นหรือเชื่อมต่ออินเทอร์เน็ต โดยปกติระบบจะปิดการเชื่อมต่ออินเทอร์เน็ตไว้เสมอ ระบบยังกำหนดให้บางโฟลเดอร์อ่านได้อย่างเดียว แม้จะอยู่ในพื้นที่ที่เขียนได้ เช่น .git ซึ่งเก็บประวัติการแก้โค้ด รวมถึง .agents และ .codex ซึ่งเก็บการตั้งค่าสำคัญ เพื่อไม่ให้ AI แก้ไขไฟล์เหล่านี้

Codex จะไม่ลงมือทำสิ่งใดที่อาจทำลายข้อมูลโดยไม่ขออนุมัติ ถ้าเครื่องมือใดระบุว่าสามารถทำลายข้อมูลได้ Codex จะขออนุมัติทุกครั้ง แม้เครื่องมือนั้นจะระบุด้วยว่าทำได้เพียงอ่านข้อมูลก็ตาม

การกระทำที่ทำลายข้อมูลได้ ต้องขออนุมัติเสมอ ไม่มีข้อยกเว้น

ยังมีโหมดที่ปิดการป้องกันทั้งสองชั้น คือคำสั่งที่คู่มือเรียกว่าโหมด bypass หรือ yolo ซึ่งปล่อยให้ AI ทำทุกอย่างเองโดยไม่ต้องถาม คู่มือเตือนให้ใช้อย่างระมัดระวัง เพราะเท่ากับถอดทั้งกำแพงและขั้นตอนขออนุญาตออกพร้อมกัน ส่วนงานที่รันบนคลาวด์ใช้กลไกอีกแบบ โดยแยกแต่ละงานไว้ในพื้นที่เฉพาะของ OpenAI และงานนั้นจะเข้าถึงเครื่องหรือข้อมูลอื่นของเราไม่ได้ หลักการยังเหมือนเดิม คือมีขอบเขตกั้นไว้เสมอ ต่างกันเพียงวิธี

สั่งงานให้มันได้ แต่รับผิดชอบแทนไม่ได้

ซีรีส์ ChatGPT Work ทั้งหมดพาเรามาถึงข้อสรุปเดียวกัน เรามอบหมายให้ AI ทำงานแทนได้เกือบทุกอย่าง ตั้งแต่ร่างเอกสารไปจนถึงไล่แก้โค้ด แต่สิ่งที่มอบหมายให้ใครไม่ได้คือความรับผิดชอบต่อผลลัพธ์ เครดิตบอกได้แค่ว่าใช้ไปเท่าไร ส่วน sandbox กับ approval ช่วยป้องกันได้เฉพาะความผิดพลาดที่ย้อนกลับไม่ได้ การตัดสินว่าผลงานดีพอหรือยังจึงเป็นหน้าที่ของคนสั่งงานเสมอ

AI รับงานไปทำได้ แต่รับผิดชอบผลงานแทนเราไม่ได้

---

ที่มา:

• บทความ Pricing จาก ChatGPT Learn
• บทความ Agent approvals & security จาก ChatGPT Learn
• บทความ Models จาก ChatGPT Learn