OpenAI เพิ่งปล่อย GPT-5.6 Sol โมเดล AI เรือธงรุ่นใหม่ พร้อมทำสิ่งที่บริษัท AI ไม่ค่อยกล้าทำ นั่นคือโชว์ตารางเปรียบเทียบกับ Claude Fable 5 ซึ่งเป็นโมเดลตัวท็อปของ Anthropic บริษัทคู่แข่ง ในตารางนั้น Sol ชนะเกือบทุกการทดสอบมาตรฐาน (benchmark คือชุดข้อสอบมาตรฐานที่ใช้วัดความสามารถโมเดล) แถม OpenAI ยังบอกว่ามันทำงานเร็วกว่าและถูกกว่าด้วย

แต่หัวใจของเรื่องนี้อยู่ที่คำว่า “เกือบ” เพราะยังมีการทดสอบหกรายการที่ Sol แพ้ และรายการที่แพ้มากที่สุดก็เป็นการทดสอบที่คนเขียนโค้ดให้ความสำคัญที่สุดพอดี

สามระดับในตระกูลเดียว

GPT-5.6 ไม่ได้เปิดตัวมาเพียงรุ่นเดียว แต่แบ่งเป็นสามระดับ แต่ละระดับเหมาะกับงานคนละแบบ

• Sol รุ่นเรือธง ตัวแรงสุด สำหรับงานที่ต้องการความสามารถสูงสุด
• Terra รุ่นสมดุล ราคาถูกลง OpenAI บอกว่าแรงพอๆ กับ GPT-5.5 รุ่นก่อนหน้า เหมาะกับงานทั่วไปที่อยากคุมต้นทุน
• Luna รุ่นที่เร็วที่สุดและถูกที่สุด สำหรับงานเบา ๆ ปริมาณมาก

วิธีเลือกง่าย ๆ คือ ใช้ Sol กับงานยากจริงจัง ใช้ Terra กับงานทั่วไปที่ห่วงบิลปลายเดือน ส่วนงานปริมาณมากแต่ไม่ซับซ้อนให้ใช้ Luna จุดที่ต้องเข้าใจคือเลข 5.6 หมายถึงรุ่น (generation) ส่วน Sol, Terra และ Luna คือระดับความสามารถ ซึ่งแต่ละระดับจะขยับเวอร์ชันของตัวเองต่อไปได้เรื่อย ๆ ในรุ่นถัด ๆ ไป

ทั้งสามรุ่นเปิดให้ใช้แล้ววันนี้ผ่าน ChatGPT เครื่องมือเขียนโค้ด Codex และ API (ช่องทางให้นักพัฒนาเรียกโมเดลไปใช้ในโปรแกรมของตัวเอง) OpenAI ระบุว่าจะทยอยเปิดให้ใช้ครบทั่วโลกภายใน 24 ชั่วโมง ผู้ที่ใช้ GPT-5.6 อยู่แล้วเปิดโหมด max ได้ในหน้าตั้งค่า ส่วนผู้ใช้ ChatGPT ระดับ Plus ขึ้นไปเลือกได้เองว่าจะใช้ Sol, Terra หรือ Luna และตั้งระดับความพยายาม (effort) ของโมเดลได้

การทดสอบที่ Sol ชนะ

เริ่มจากผลที่ OpenAI อยากให้เห็นก่อน นั่นคือรายการทดสอบที่ Sol ทำคะแนนเหนือ Fable 5

มีจุดหนึ่งในตารางผลทดสอบที่ควรอธิบายให้ชัด คือคะแนน Agents' Last Exam ในตารางระบุว่า Sol ได้ 52.7% เทียบกับ Fable 5 ที่ 40.5% หรือห่างกัน 12.2 จุด แต่เนื้อความในโพสต์เดียวกันของ OpenAI กลับระบุว่า Sol ได้ 53.6 คะแนนและนำอยู่ 13.1 จุด ตัวเลขสองชุดนี้ไม่ตรงกันทั้งที่อยู่ในเอกสารชุดเดียวกัน ในที่นี้จึงยึดตัวเลขจากตาราง เพราะเป็นชุดที่นำมาวางเทียบกันโดยตรง

เร็วกว่าและถูกกว่า แต่เป็นตัวเลขของใคร

จุดขายหลักของ Sol ไม่ได้มีแค่คะแนนสูง แต่ยังทำคะแนนได้เท่า ๆ กันหรือมากกว่าโดยใช้ทรัพยากรน้อยลง บนดัชนี Coding Agent Index ของ Artificial Analysis (สำนักวัดและจัดอันดับโมเดล AI อิสระ) Sol ได้ 80 คะแนน สูงกว่า Fable 5 ที่ได้ 77.2 อยู่ 2.8 จุด OpenAI ระบุว่าทำได้โดยใช้ output token (โทเคนคือหน่วยย่อยของข้อความที่โมเดลผลิตออกมาและคิดเงินตามนั้น) ไม่ถึงครึ่ง ทั้งยังใช้เวลาไม่ถึงครึ่งและมีต้นทุนต่ำกว่าราวหนึ่งในสาม

แต่ตัวเลขเหล่านี้มีข้อควรระวังสองประเด็น ประเด็นแรก ตัวเลขเรื่องความเร็วและราคาทั้งหมดเป็นการประเมินของ OpenAI เอง และต้นทุนก็เป็นเพียงค่าประมาณ ยังไม่มีใครทดสอบซ้ำอย่างอิสระ ประเด็นที่สอง แม้ Artificial Analysis จะเป็นสำนักอิสระ แต่ตัวเลขที่ยกมาในครั้งนี้ OpenAI เป็นผู้รายงานเอง ไม่ใช่ผลที่ Artificial Analysis ทดสอบซ้ำสำหรับบทความนี้ พูดง่าย ๆ ว่า นี่คือคำเคลมของผู้ผลิต ยังไม่ใช่บทพิสูจน์จากคนกลาง

OpenAI ยังเคลมด้วยว่า Terra กับ Luna เอาชนะ Fable 5 ได้ที่ต้นทุนราวหนึ่งในสิบหก แต่ไม่ได้หมายความว่าจะเป็นเช่นนี้ในทุกการทดสอบ ตัวอย่างที่ขัดกับคำกล่าวนี้อยู่ในตารางเดียวกัน โดย Terra ได้เพียง 55 คะแนนในดัชนีความฉลาดรวม Intelligence Index ต่ำกว่า Fable 5 ที่ได้ 59.9

คำว่าเกือบซ่อนอะไรไว้

ทีนี้มาถึงส่วนที่ OpenAI ไม่ได้เอาขึ้นพาดหัว นั่นคือการทดสอบหกรายการที่ Sol ยังแพ้ Fable 5 การทดสอบที่แพ้มากที่สุดคือ SWE-Bench Pro ซึ่งวัดการแก้บั๊กในโค้ดเบสจริง (codebase คือโค้ดทั้งหมดของโปรเจกต์ที่ใช้งานจริง ไม่ใช่โจทย์สั้น ๆ ในห้องสอบ) Sol ได้ 64.6% ขณะที่ Fable 5 ได้ 80% จึงแพ้ถึง 15.4 จุด

ตัวเลขในตารางส่วนใหญ่เป็นเปอร์เซ็นต์ มีเพียงแถว GDPval-AA v2 ที่ใช้คะแนนแบบ Elo ซึ่งเป็นระบบให้แต้มจัดอันดับแบบเดียวกับที่ใช้ในหมากรุก ในบางการทดสอบ Sol แพ้เพียงเล็กน้อย เช่น Intelligence Index ที่ตามไม่ถึงหนึ่งจุด (58.9 ต่อ 59.9) OpenAI ชี้ว่าแม้ Sol จะตามอยู่เล็กน้อย แต่ก็ทำงานเสร็จเร็วกว่า 61% โดยมีต้นทุนราวครึ่งเดียว ส่วน SWE-Bench Pro ต่างออกไป เพราะ Sol ตามถึง 15.4 จุด ซึ่งอธิบายด้วยความเร็วหรือราคาไม่ได้

ของใหม่ที่ไม่ใช่คะแนนสอบ

นอกจากคะแนน GPT-5.6 ยังมีของใหม่ที่เปลี่ยนวิธีทำงานจริงๆ อยู่หลายอย่าง

โหมด max คือการให้โมเดลใช้เวลาคิดมากกว่าระดับความพยายามสูงสุดเดิมที่ชื่อ xhigh เพื่อสำรวจทางเลือกหลายทาง ตรวจงานของตัวเอง แล้วปรับวิธีทำงาน ส่วนโหมด ultra ฟังดูเหมือนชื่อรุ่นที่ฉลาดกว่า แต่จริง ๆ ไม่ใช่โมเดลที่เก่งขึ้น มันคือการสั่งให้ agent (ตัวแทน AI ที่ทำงานเป็นขั้นตอนแทนเรา) สี่ตัวทำงานพร้อมกันเป็นค่าเริ่มต้น OpenAI ยกตัวอย่างงานหนักบางงานที่ใช้ agent พร้อมกันถึง 16 ตัว แต่ต้องใช้โทเคนมากขึ้นเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นและเร็วขึ้น OpenAI พูดชัดว่านี่ไม่ใช่ของฟรี

ฝั่งนักพัฒนามีของใหม่ชื่อ Programmatic Tool Calling ปกติเมื่อโมเดลเรียกใช้เครื่องมือหลายตัว ระบบต้องส่งผลลัพธ์จากทุกเครื่องมือกลับให้โมเดลประมวลผลทีละรอบ จึงเปลืองทั้งเวลาและโทเคน ของใหม่นี้เปิดให้โมเดลเขียนโปรแกรมเล็ก ๆ แล้วรันในหน่วยความจำเพื่อประสานเครื่องมือ ตัดผลลัพธ์ระหว่างทางที่ไม่จำเป็นออก จากนั้นจึงส่งเฉพาะส่วนที่จำเป็นกลับเข้าโมเดล นอกจากนี้ยังมีโหมด multi-agent แบบเบต้าใน API ที่ให้ subagent (โมเดลลูกที่รับงานย่อยไปทำ) หลายตัวทำงานพร้อมกันด้วยคำสั่งเดียว คล้ายกับการนำแนวคิดเบื้องหลัง ultra มาให้นักพัฒนาปรับใช้เอง

อีกเรื่องที่ OpenAI ชูคือ Sol ตัดสินใจเรื่องงานออกแบบได้ดีขึ้นอย่างชัดเจน โดยใช้ความสามารถควบคุมหน้าจอ (computer use) ตรวจงานที่เรนเดอร์ออกมาแล้ว จับจุดที่หน้าตาหรือการทำงานผิดปกติ และยึดตามระบบดีไซน์ของเทมเพลตอ้างอิงได้แม่นยำกว่ารุ่น GPT-5.5

ราคาและสเปกแบบไม่ปัดเศษ

ราคาของโทเคนข้อความ 1 ล้านตัวในแต่ละรุ่นเป็นดังนี้

ราคาที่ OpenAI นำไปใช้ในพาดหัวเพื่อชูว่าถูกนั้น เป็นราคาโทเคนข้อความของ Sol เท่านั้น ส่วน Terra และ Luna คิดคนละราคาตามตาราง ด้านสเปก Sol รับข้อมูลได้สูงสุด 1,050,000 โทเคนต่อครั้ง (context window คือปริมาณข้อความที่ป้อนเข้าไปได้ในรอบเดียว) สร้างคำตอบได้สูงสุด 128,000 โทเคน และอัปเดตความรู้ถึง 16 กุมภาพันธ์ 2026

มีจุดต้องระวังเรื่องราคาอยู่สองข้อ ข้อแรก ถ้าคำสั่งยาวเกิน 272,000 โทเคน ระบบจะคิดราคา input ของคำสั่งทั้งรอบเป็นสองเท่า และคิดราคา output หนึ่งเท่าครึ่ง ข้อที่สองเป็นเรื่องแคช (cache คือการเก็บส่วนที่ป้อนซ้ำ ๆ ไว้ใช้ใหม่เพื่อลดค่าใช้จ่าย) การดึงข้อมูลจากแคชมาใช้ยังลดราคาได้ 90% เหมือนเดิม แต่ตั้งแต่ GPT-5.6 เป็นต้นไป ระบบจะคิดค่าบันทึกข้อมูลลงแคชครั้งแรกเป็น 1.25 เท่าของราคา input ปกติ รายละเอียดเหล่านี้อยู่ในคู่มือ prompt caching ของ OpenAI

เลือกตามงาน ไม่ใช่ตามพาดหัว

ถ้าสรุปในแง่การใช้งานจริง จะได้ประมาณนี้ งานที่ต้องทำต่อเนื่องหลายขั้น เช่น ท่องเว็บ เรียกเครื่องมือหลายตัว หรือจัดการงานเอกสารจำนวนมาก Sol ดูคุ้มทั้งเวลาและเงินตามตัวเลขของ OpenAI แต่ถ้าเป็นงานแก้บั๊กในโค้ดเบสจริงของทีม ตารางที่ OpenAI นำมาโชว์เองยังชี้ว่า Claude นำอยู่

สิ่งที่ทำให้ข้อมูลรอบนี้น่าเชื่อถือไม่ใช่พาดหัวว่าชนะ แต่เป็นการที่ OpenAI ยอมนำผลการทดสอบที่ตัวเองแพ้มาไว้ในตารางเดียวกัน เมื่อดูตัวเลขทั้งหมด บทเรียนสั้น ๆ ที่ได้มีเพียงข้อเดียว นั่นคือเลือกโมเดลตามงานที่จะทำ ไม่ใช่ตามพาดหัวที่เขาเลือกจะโชว์

---

ที่มา:

• บทความ GPT-5.6: Frontier intelligence that scales with your ambition จาก OpenAI
• เอกสาร GPT-5.6 Sol Model · OpenAI API docs จาก OpenAI