GPT-6 Astra โมเดลใหม่ล่าสุดของ OpenAI เจอโจทย์ทดสอบที่แปลกกว่าข้อสอบ AI ทั่วไป โจทย์คือสั่งงานที่ยากจนแทบเป็นไปไม่ได้ให้มันทำ แล้วสังเกตว่ามันจะทำเกินขอบเขตที่ได้รับอนุญาต หรือแอบไปแตะต้องระบบส่วนอื่นหรือไม่ OpenAI สร้างแบบทดสอบชุดนี้ขึ้นใหม่หลังเคยเกิดเหตุการณ์จริงมาก่อน ผลคือ เมื่อปลดระบบป้องกันที่ใช้จริงออก GPT-5.6 Sol รุ่นก่อนหน้าทำงานเกินขอบเขตที่กำหนดถึง 48% ของการทดสอบทั้งหมด ขณะที่ Astra อยู่ที่ 0% คือไม่หลุดกรอบเลยแม้แต่ครั้งเดียว

ตัวเลขคู่นี้สะท้อนทิศทางของโมเดลรุ่นใหม่ได้ชัดเจน เพราะในประกาศเปิดตัว GPT-6 Astra OpenAI ไม่ได้เน้นแค่ว่าโมเดลฉลาดขึ้น แต่เน้นให้เราวางใจปล่อยให้ AI ทำงานแทนได้ OpenAI ระบุว่านี่คือโมเดลที่ฉลาดที่สุดและควบคุมให้อยู่ในกรอบได้ดีที่สุดเท่าที่เคยสร้างมา ทำคะแนนทดสอบได้ในระดับสูงสุด ทั้งด้านการควบคุมคอมพิวเตอร์ การสืบค้นข้อมูล งานวิศวกรรมซอฟต์แวร์ ความปลอดภัยไซเบอร์ วิทยาศาสตร์ และงานสายวิชาชีพต่างๆ

โมเดลนี้เริ่มเปิดให้องค์กรในวงจำกัดได้ใช้งานก่อนในวันแรก จากนั้นจะทยอยเปิดให้ผู้ใช้ ChatGPT ทั้งแพ็กเกจ Plus, Pro, Business และ Enterprise ได้ใช้งานในอีกไม่กี่วันข้างหน้า พร้อมเปิดให้ใช้งานผ่านช่องทางเชื่อมต่อระบบอย่าง OpenAI API และบริการคลาวด์ของ AWS ด้วย

ให้ AI คุมคอมพิวเตอร์แทนเรา โดยใช้เวลาต่องานน้อยลง 47% บนชุดทดสอบ OSWorld 2.0

Computer Use คือความสามารถที่ให้ AI คลิกและสั่งการบนหน้าจอคอมพิวเตอร์ได้เอง แทนที่จะตอบกลับเป็นข้อความแล้วให้เราไปคลิกทำต่อ

งานที่ Astra ทำได้ในโหมดนี้ เป็นงานที่คนทำงานออฟฟิศเห็นแล้วร้องอ๋อทันที ตั้งแต่การกรอกแบบฟอร์ม อัปเดตข้อมูลลูกค้าในระบบ CRM จัดตารางนัดหมายในปฏิทิน ค้นหาข้อมูลออนไลน์ ไปจนถึงการร่างสรุปเอกสารและอีเมล ส่วนงานที่ซับซ้อนขึ้นก็ทำได้เช่นกัน ทั้งการวิเคราะห์ข้อมูลวิทยาศาสตร์พร้อมสร้างกราฟ การสร้างเว็บไซต์แล้วไล่ตรวจหน้าเว็บที่ทำเสร็จ ไปจนถึงการติดตั้งและทดสอบซอฟต์แวร์ด้วยตัวเอง พร้อมไล่แก้ปัญหาที่โผล่ขึ้นบนหน้าจอ

แนวคิดการให้ AI มาคุมหน้าจอแทนคนไม่ใช่เรื่องใหม่ เราเคยเล่าเรื่องนี้ไปแล้วในบทความ Fara1.5-27B: Computer Use Agent จาก Microsoft ที่คุมเบราว์เซอร์ทำงานแทนเรา จุดเปลี่ยนสำคัญของรุ่นนี้จึงไม่ใช่แค่ตัวความสามารถ แต่คือเวลาที่ใช้ต่องาน

จากการจำลองเวลาการทำงานบนชุดทดสอบ OSWorld 2.0 Astra ทำคะแนนได้ 72.6% โดยใช้เวลาราว 40 นาทีต่องาน ขณะที่รุ่นก่อนหน้าอย่าง GPT-5.6 Sol ทำได้ 65.7% แต่ใช้เวลาถึง 75 นาทีต่องาน เท่ากับว่า Astra ทำคะแนนได้สูงกว่าเดิม และใช้เวลาต่องานน้อยลงราว 47% สำหรับงานบางอย่าง เมื่อก่อนเราต้องสั่งทิ้งไว้แล้วไปทำอย่างอื่น แต่ตอนนี้เริ่มนั่งรออยู่หน้าจอจนงานเสร็จได้แล้ว

งานเอกสารที่ทำตามเทมเพลตของเรา ไม่ใช่ของมัน

ใครที่เคยสั่งให้ AI ช่วยทำสไลด์แล้วได้หน้าตาที่ไม่เข้ากับธีมของบริษัทตัวเอง คงเข้าใจดีว่าปัญหาไม่ได้อยู่ที่โมเดลไม่ฉลาด แต่อยู่ที่มันไม่ยอมทำตามรูปแบบที่กำหนด OpenAI ระบุว่า Astra คือโมเดลที่ทำตามเทมเพลตเดิมได้แม่นยำที่สุดเท่าที่เคยพัฒนามา สร้างได้ทั้งสไลด์ เอกสาร สเปรดชีต และบทวิเคราะห์ที่มีโครงสร้างชัดเจน พร้อมปรับโทนการเขียนและงานภาพให้เข้ากับสไตล์ของเจ้าของงาน

อีกจุดที่เห็นความแตกต่างได้ชัดคือ โมเดลฝึกมาให้เลือกดึงเฉพาะข้อมูลที่เกี่ยวข้องมาใช้จริงๆ ไม่พิมพ์ข้อมูลซ้ำซ้อนหรือใส่รายละเอียดเดิมวนไปวนมาจนเราต้องมานั่งลบทิ้ง โดยในตารางทดสอบฝั่งงานสายอาชีพ ชุดทดสอบชื่อ AutomationBench คะแนนของ Astra ขยับขึ้นมาอยู่ที่ 41.4% จากเดิมที่ GPT-5.6 Sol ทำได้ 18.1%

นอกจากนี้ Astra ยังตัดสินใจเรื่องหน้าตาของเว็บไซต์ เกม แอปพลิเคชัน และภาพเรนเดอร์ที่มันสร้างขึ้นเองได้ดีขึ้น และด้วยฟีเจอร์ Sites บน ChatGPT ผู้ใช้สั่งสร้าง เผยแพร่ออนไลน์ และแชร์หน้าเว็บ เว็บแอป หรือเกมออกมาได้จากคำสั่งเพียงครั้งเดียว

รู้จักถามกลับก่อนลงมือ ความต่างที่สัมผัสได้ตั้งแต่งานแรก

เวลาเราสั่งงาน AI คำสั่งมักจะไม่ครบถ้วน เช่น เราพิมพ์แค่ว่าอยากได้หน้าเว็บประวัติส่วนตัวสักหน้า แล้วปล่อยให้ระบบเดารายละเอียดที่เหลือเอาเอง จุดนี้คือสิ่งที่ Astra ปรับเปลี่ยนพฤติกรรมอย่างเห็นได้ชัด ถ้าเป็นรายละเอียดเล็กน้อยที่ไม่กระทบภาพรวม โมเดลจะคาดเดาจากบริบทให้ทันที แต่ถ้าคำตอบของเรื่องนั้นจะเปลี่ยนหน้าตาของงานทั้งชิ้น Astra จะหยุดและถามกลับมาอย่างเจาะจงก่อนลงมือทำ

ใน Codex เครื่องมือช่วยเขียนโค้ดของ OpenAI โมเดลจะส่งคำถามทิ้งไว้ แล้วเดินหน้าทำงานส่วนอื่นที่ไม่เกี่ยวข้องกับคำถามนั้นควบคู่กันไปก่อน ถ้าเราไม่ได้ตอบ มันจะเลือกแนวทางที่สมเหตุสมผลที่สุดเพื่อทำงานต่อ แต่ถ้าเป็นการตัดสินใจเรื่องสำคัญที่มีผลกระทบตามมา โมเดลจะหยุดรอคำตอบจากเราจริงๆ

อย่างไรก็ตาม คนสั่งงานก็ยังต้องวางแผนให้รอบคอบ เพราะเกณฑ์ว่าเรื่องไหนเล็กหรือใหญ่เป็นมุมมองของมนุษย์ ไม่ใช่ของ AI การระบุให้ชัดตั้งแต่แรกว่าเรื่องไหนห้ามตัดสินใจแทนเด็ดขาด จึงเป็นวิธีที่ช่วยประหยัดเวลาและลดโอกาสที่ต้องรื้องานใหม่ได้ดีที่สุด

อีกจุดหนึ่งที่พัฒนาขึ้นชัดเจน คือปัญหาการลืมเป้าหมายเดิม ในโมเดลรุ่นก่อน ถ้าเราพิมพ์ข้อความแทรกกลางทางเพื่อปรับรายละเอียด บางครั้งระบบจะเข้าใจผิดว่านั่นคือโจทย์ใหม่ทั้งหมด จนทิ้งงานเดิมที่ทำค้างไว้ไปเลย แต่ Astra รับข้อกำหนดใหม่และตอบคำถามที่แทรกเข้ามาได้ โดยยังไม่ทิ้งงานหลักที่คุยกันไว้ตั้งแต่แรก

Codex กับโหมดทดลองที่จดโน้ตไว้ใช้ข้าม context window แทนการย่อบทสนทนาเดิม

OpenAI ยกให้ Astra เป็นโมเดลที่เก่งงานด้านวิศวกรรมซอฟต์แวร์ที่สุดเท่าที่บริษัทเคยพัฒนามา โดยคะแนนในชุดทดสอบการเขียนโค้ดอย่าง Terminal-Bench 4.0 ขยับขึ้นมาเป็น 57.9% เมื่อเทียบกับ GPT-5.6 Sol ที่ทำได้ 37.3%

ใน Codex มีฟีเจอร์ทดลองตัวใหม่ ตามปกติเวลาเราคุยกับ AI ยาวจนเต็ม context window หรือขีดจำกัดปริมาณข้อความสูงสุดที่โมเดลรับได้ในหนึ่งบทสนทนา ระบบเดิมจะใช้วิธีสรุปย่อของเก่าเพื่อเคลียร์พื้นที่คุยต่อ แต่ปัญหาคือรายละเอียดสำคัญมักจะตกหล่นไปกับการสรุป เช่น เคยลองแก้บั๊กตัวนี้ด้วยวิธีไหนแล้วพัง หรือโครงสร้างของโปรแกรมส่วนนั้นทำงานอย่างไร

ในโหมดทดลองนี้ Astra จะจดโน้ตช่วยจำของตัวเองไว้ข้าม context window ในการทำงานยาวๆ แทนที่จะสรุปย่อทับไปเรื่อยๆ ทั้งยังค้นย้อนกลับไปหา context window ก่อนหน้าได้ด้วย ตอนนี้ยังต้องเข้าไปเปิดใช้งานเองในไฟล์ตั้งค่าของ Codex ที่ชื่อ config.toml ซึ่งทาง OpenAI ระบุว่าจะเปิดเป็นค่าเริ่มต้นให้ Astra ภายในอีกไม่กี่สัปดาห์ข้างหน้า

ถ้าคุณใช้ AI ช่วยเขียนโค้ดเป็นประจำ นี่คือเรื่องที่ต้องชั่งน้ำหนักดูว่า จะเปิดใช้งานทันทีเพื่อขยายความจำของโมเดลตั้งแต่วันนี้ โดยยอมรับว่าเป็นฟีเจอร์ทดลอง หรือจะรออีกไม่กี่สัปดาห์ให้ระบบเปิดเป็นค่าเริ่มต้นก่อนแล้วค่อยใช้ตามปกติ สำหรับใครที่กำลังมองหาเครื่องมือสายนี้ เราเคยเปรียบเทียบข้อดีข้อเสียไว้ในบทความ Claude Cowork vs OpenAI Codex: เทียบหมัดต่อหมัด AI agent สำหรับคนทำงาน

นอกจากนี้ ในแง่ความเร็ว OpenAI เผยว่า Codex เวอร์ชันอัปเดตที่ทำงานร่วมกับ Astra ปิดงานได้เร็วขึ้นถึง 1.9 เท่า เมื่อเทียบกับตอนใช้ GPT-5.6 Sol โดยตัวเลขนี้วัดจากชุดทดสอบ Mind2Web ซึ่งเป็นคนละชุดกับ OSWorld 2.0 ที่ให้ตัวเลขเวลาต่องานน้อยลง 47% ก่อนหน้านี้

ช่วยให้โจทย์คณิตศาสตร์ที่หยุดนิ่งมากว่า 80 ปีคืบหน้า

ในฝั่งงานวิจัยเชิงวิชาการ Astra ใช้ทั้งทักษะการให้เหตุผลทางวิทยาศาสตร์และความสามารถในการควบคุมคอมพิวเตอร์ โมเดลจึงใช้โปรแกรมเฉพาะทาง ตรวจสอบชุดข้อมูล และช่วยนักวิจัยประเมินว่าควรศึกษาค้นคว้าประเด็นใดต่อได้ด้วยตัวเอง ส่งผลให้คะแนนในชุดทดสอบ Terminal-Bench Science 0.1 ขยับจาก 22.4% ในรุ่น GPT-5.6 Sol ขึ้นมาอยู่ที่ 64.6%

ตัวอย่างความสำเร็จที่เป็นรูปธรรมที่สุดคือโจทย์คณิตศาสตร์ระดับโลก 2 ข้อ

1. ช่องว่างระหว่างจำนวนเฉพาะที่อยู่ใกล้กัน: ตัวเลขนี้คือขอบเขตที่บอกว่ายังมีคู่จำนวนเฉพาะที่ห่างกันไม่เกินค่านั้นอยู่อีกไม่รู้จบ ค่าที่นักคณิตศาสตร์รู้กันมาสิบกว่าปีอยู่ที่ 246 และเพิ่งขยับลงมาเป็น 240 เมื่อไม่นานมานี้ แต่งานที่ Astra เข้าไปช่วย สามารถลดตัวเลขลงมาได้ถึง 186 พร้อมกับมีไฟล์พิสูจน์ที่เผยแพร่ให้ตรวจสอบได้อย่างเป็นทางการ
2. ช่องว่างระหว่างจำนวนเฉพาะที่ห่างกันมากๆ: โจทย์นี้มีพจน์หนึ่งที่ไม่มีนักวิจัยคนไหนขยับได้มานานกว่า 80 ปี แต่ครั้งนี้ Astra ช่วยให้ขยับได้สำเร็จ

นอกจากนี้ ในตารางคะแนนของชุดทดสอบคณิตศาสตร์ FrontierMath ในระดับ Tier 4 ซึ่งเป็นระดับความยากสูงสุด Astra ทำคะแนนได้ 97.6% เมื่อเทียบกับรุ่นก่อนหน้าที่ทำได้ 83.0%

ศักยภาพด้านไซเบอร์ที่ OpenAI เลือกจะจำกัดไว้ก่อน

นี่เป็นประเด็นที่ OpenAI สื่อสารอย่างระมัดระวังที่สุด บริษัทระบุว่าศักยภาพด้านความปลอดภัยไซเบอร์ของ Astra สูงขึ้นมาก จนเข้าเกณฑ์ความเสี่ยงระดับวิกฤต ตามกรอบประเมินความปลอดภัย Preparedness Framework ของบริษัทเอง

ตัวเลขที่ทำให้เห็นภาพชัดเจนคือผลการทดสอบ ExploitBench ซึ่งวัดความสามารถในการนำช่องโหว่ที่รู้กันอยู่แล้วมาเขียนเป็นโค้ดเจาะระบบที่ใช้ได้จริง เมื่อทดสอบโดยปลดระบบป้องกันที่ใช้จริงออก Astra ทำโจทย์สำเร็จ 100% เทียบกับ GPT-5.6 Sol ที่ทำได้ 78.5%

อีกหนึ่งชุดทดสอบคือ SRE-Bench ซึ่งให้วิเคราะห์ย้อนกลับการทำงานของโปรแกรมจากไฟล์ที่รันได้ โดยไม่มีซอร์สโค้ดต้นฉบับให้อ่าน ผลปรากฏว่า Astra แก้โจทย์สำเร็จได้ 88.0% ตั้งแต่ครั้งแรก และเพิ่มขึ้นเป็น 99.2% ภายในสี่ครั้ง ขณะที่รุ่นก่อนหน้าทำได้ 55.9% และ 68.7% ตามลำดับ

ในการประเมินด้วยชุดช่องโหว่ใหม่ที่รวบรวมจากช่วงสามเดือนที่ผ่านมา Astra ค้นพบช่องโหว่ Zero-day ที่ยังไม่มีใครรู้และไม่มีแพตช์แก้ไข รวม 2 รายการ และสามารถใช้ช่องโหว่ทั้งสองรายการเจาะระบบได้ OpenAI ระบุว่ากำลังแจ้งช่องโหว่ทั้งสองรายการให้ผู้ดูแลที่เกี่ยวข้องทราบ

ด้วยเหตุนี้ โมเดลเวอร์ชันที่ใช้งานได้ในตอนนี้จึงจำกัดความสามารถบางส่วนเอาไว้ก่อน โดยฝ่ายตั้งรับนำไปใช้ตรวจสอบความปลอดภัยของโค้ดและช่วยอุดช่องโหว่ได้ แต่ถ้าสั่งงานที่ล้ำกว่านั้น เช่น ให้เขียนโค้ดสาธิตการโจมตี โมเดลจะปฏิเสธ ทั้งนี้ OpenAI วางแผนจะขยายสิทธิ์และผ่อนปรนข้อจำกัดลงในอีกไม่กี่สัปดาห์ข้างหน้าผ่านโครงการ OpenAI Daybreak เพื่อรองรับงานฝั่งตั้งรับโดยเฉพาะ เช่น การตรวจสอบช่องโหว่ การวิเคราะห์มัลแวร์ และการเขียนกฎตรวจจับ

ข้อจำกัดที่ OpenAI ระบุไว้เองในประกาศ

เริ่มจากส่วนที่ดีขึ้นก่อน ในการประเมินภายใน Astra ไม่เคยพยายามหลบเลี่ยงคำสั่งปฏิเสธจากระบบตรวจงานอัตโนมัติของ Codex ที่ชื่อ Auto-review เลยแม้แต่ครั้งเดียว แม้ทีมงานจะจงใจเปิดช่องให้เลี่ยงได้ และตั้งโจทย์ที่ไม่มีทางทำสำเร็จก็ตาม นอกจากนี้ OpenAI ระบุว่าโมเดลให้ข้อมูลที่ไม่ถูกต้องเกี่ยวกับความสามารถและสิ่งที่ตัวเองทำได้ น้อยลง 3 เท่าเมื่อเทียบกับ GPT-5.6 Sol ส่วนคะแนนในชุดทดสอบอาการหลอนในการประเมินภายในของบริษัท ลดลงจาก 12.2% เหลือ 4.2%

อย่างไรก็ตาม มีจุดหนึ่งที่แย่ลงอย่างชัดเจน และ OpenAI ยอมรับไว้ตรงๆ นั่นคือกระบวนการคิดที่ Astra เขียนออกมาระหว่างทำงานอ่านแล้วเข้าใจยากกว่ารุ่นก่อนอย่าง GPT-5.6 Sol โดยเฉพาะในการทดสอบที่สั่งให้โมเดลพยายามหลบเลี่ยงการตรวจสอบโดยตรง OpenAI อธิบายว่าเป็นเพราะ Astra ควบคุมข้อความที่ตนเองเขียนออกมาได้ดีขึ้นในงานง่ายๆ และแก้ปัญหาโดยเขียนขั้นตอนออกมาน้อยลง ส่วนในงานที่ซับซ้อน ดูเหมือนโมเดลยังซ่อนกระบวนการคิดที่จำเป็นไม่ค่อยได้ ทั้งนี้ OpenAI ยืนยันว่าให้ความสำคัญกับเรื่องนี้อย่างจริงจัง และยกให้การทำให้คนอ่านความคิดของโมเดลได้ง่ายขึ้น เป็นโจทย์วิจัยลำดับต้นๆ ของบริษัท

สิ่งที่ส่งผลต่อผู้ใช้โดยตรง คือระบบความปลอดภัยที่ทำงานอยู่รอบตัวโมเดล ทั้ง Codex Auto-review และการเฝ้าสังเกตกระบวนการคิดกับการกระทำของ agent ส่วนการเฝ้าระวังพฤติกรรมที่หลุดจากเป้าหมาย OpenAI กำลังทยอยนำมาใช้จริงกับโมเดลระดับ Astra ผ่านตัวคัดกรองที่คอยตรวจกระบวนการคิดและการกระทำว่ามีพฤติกรรมนอกเหนือสิทธิ์หรือไม่ แล้วสั่งหยุดงานได้เอง ผลข้างเคียงคือคำสั่งที่ทำงานถูกต้องอาจช้าลง หยุดชั่วคราว หรือหยุดไปเลย แม้กระทั่งงานความปลอดภัยในเชิงตั้งรับก็โดนหยุดได้เช่นกัน

ราคาต่อโทเคน กับปุ่มที่แอดมินองค์กรต้องเปิดเอง

ช่องทางการเข้าถึง GPT-6 Astra แบ่งออกตามกลุ่มผู้ใช้งาน ดังนี้

• ผู้ใช้ ChatGPT แบบสมัครสมาชิก: ใช้งานได้ตามโควตาของแพ็กเกจที่ใช้อยู่เดิม ถ้าโควตาหมดก็ซื้อเครดิตเพิ่มได้ ส่วนผู้ใช้ในแพ็กเกจ Pro, Business และ Enterprise จะได้สิทธิ์ใช้ GPT-6 Astra Pro เพิ่มเติมด้วย
• องค์กรที่ใช้แพ็กเกจ Enterprise: ผู้ดูแลระบบต้องเข้าไปกดเปิดใช้งานให้ก่อน เนื่องจากในวันเปิดตัว ระบบปิดการใช้งานไว้เป็นค่าเริ่มต้น
• นักพัฒนาที่เรียกใช้งานผ่าน API: เรียกใช้ผ่านชื่อโมเดล gpt-6-astra รวมถึงใช้งานผ่าน Amazon Bedrock บนคลาวด์ AWS ได้ด้วย อัตราค่าบริการมาตรฐานคิดตามจำนวนโทเคน โดยอยู่ที่ 10 ดอลลาร์สหรัฐ ต่อ 1 ล้านโทเคนขาเข้า และ 50 ดอลลาร์สหรัฐ ต่อ 1 ล้านโทเคนขาออก ส่วนค่าบริการสำหรับการอ่านและเขียนข้อมูลในแคชคิดแยกต่างหาก
• ผู้ที่ต้องการความเร็วสูงสุด: มี Fast mode ให้เลือกใช้ ซึ่งทำงานได้เร็วกว่าโหมดมาตรฐานสูงสุดถึง 2 เท่า โดยแลกกับราคาที่เพิ่มขึ้นเป็น 2 เท่าเช่นกัน จุดนี้ต้องชั่งน้ำหนักเองว่าเวลาที่ประหยัดได้คุ้มราคาหรือเปล่า

สำหรับองค์กรที่ให้ความสำคัญเรื่องความปลอดภัยของข้อมูล Astra รองรับ Zero Data Retention นโยบายไม่เก็บข้อมูลที่ส่งเข้ามา โดยเปิดให้ลูกค้า API ที่มีคุณสมบัติตรงตามเกณฑ์ใช้งานได้ นอกจากนี้ OpenAI ยังอยู่ระหว่างการทดสอบระบบ Private Safety Processing ที่เพิ่มระดับการเฝ้าระวังด้านความปลอดภัย ควบคู่ไปกับการรักษาความเป็นส่วนตัวของข้อมูลลูกค้า

ไว้ใจได้มากขึ้น แต่ตรวจสอบการทำงานได้ยากขึ้น

OpenAI แยกสองเรื่องนี้ไว้คนละหัวข้อ แต่พอนำมาวางข้างกันจะเห็นความเชื่อมโยงทันที ในมุมหนึ่ง เราได้โมเดลที่ยึดขอบเขตการทำงานได้เคร่งครัดขึ้น และรู้จักหยุดถามก่อนเมื่อคำตอบจะเปลี่ยนผลงานทั้งชิ้น แต่อีกมุมหนึ่ง กระบวนการคิดที่โมเดลเขียนออกมาระหว่างทำงานกลับอ่านและตรวจสอบได้ยากกว่าเดิม

เมื่อเป็นเช่นนี้ เราจึงต้องปรับวิธีทำงานร่วมกับ AI เดิมเราอาจนั่งไล่อ่านขั้นตอนการคิดของโมเดลระหว่างทาง แต่ตอนนี้ต้องกำหนดขอบเขตและเงื่อนไขให้ชัดตั้งแต่แรก แล้วตรวจผลงานจริงที่ออกมาให้ละเอียดขึ้น

การมีโมเดลที่รู้ว่าตัวเองควรหยุดตรงไหน ไม่ได้แปลว่าเราจะใช้ความคิดน้อยลงนะ มันแค่ย้ายภาระการคิดของเรามาไว้ที่จุดเริ่มต้น ตั้งแต่ก่อนที่เราจะกดส่งคำสั่งแรกออกไป

---

ที่มา: บทความ GPT-6 Astra: A new generation of intelligence จาก OpenAI