OpenAI เปิดตัว GPT-6 Astra เมื่อวันที่ 3 กันยายน 2026 และ Greg Brockman ประธานบริษัทปิดท้ายงานแถลงด้วยประโยค “Welcome to the AGI era” พร้อมเรียกโมเดลนี้ว่าเป็น “generational leap” แม้จะยอมรับเองว่าคำว่า AGI ยังมีรายละเอียดปลีกย่อยที่ตีความได้หลายแบบ
คำถามที่น่าสนใจกว่าคำประกาศคือ Astra ทำอะไรได้จริงบ้าง ตัวเลข benchmark ที่เปิดเผยออกมาบอกอะไร และคำว่า “เข้าสู่ยุค AGI” ควรวัดจากอะไรมากกว่าคำพูดในงานแถลงข่าว
GPT-6 Astra คืออะไร และมาจากการลงทุนขนาดไหน
Astra ถูกฝึกด้วยรอบการเทรนที่ใหญ่ที่สุดเท่าที่ OpenAI เคยทำมา โดยใช้ GPU มากกว่า 100,000 ตัวที่ศูนย์ข้อมูล Stargate ในรัฐเท็กซัส สะท้อนว่าการอ้างถึง “ยุค AGI” ครั้งนี้มาพร้อมการลงทุนโครงสร้างพื้นฐานระดับที่ไม่เคยมีมาก่อนในบริษัท
OpenAI นิยาม Astra ว่าเป็นโมเดลที่ฉลาดและสอดคล้องกับความปลอดภัยมากที่สุดของบริษัท โดยชูจุดแข็งด้าน computer use, การเรียกดูเว็บ, วิศวกรรมซอฟต์แวร์, cybersecurity, วิทยาศาสตร์ และงานสายอาชีพ ซึ่งเป็นทิศทางที่ต่างจากรุ่นก่อนที่เน้นตอบคำถามเป็นหลัก
จากแชตบอตสู่เอเจนต์ที่ควบคุมหน้าจอแทนคน
จุดที่เปลี่ยนไปชัดที่สุดคือ Astra ถูกออกแบบให้ใช้งานซอฟต์แวร์แบบเดียวกับที่คนทำจริง ไม่ว่าจะเป็นการเปิดเบราว์เซอร์ กรอกฟอร์ม อัปเดตข้อมูลใน CRM จัดตารางนัดหมาย ค้นข้อมูลบนเว็บ ทำงานใน spreadsheet และ Python ไปจนถึงสร้างเว็บไซต์และเอกสารนำเสนอให้เสร็จในตัว
โมเดลยังรองรับงานเฉพาะทางอย่างการใช้โปรแกรมวิศวกรรมอย่าง KiCad และ FreeCAD รวมถึงการติดตั้งหรือแก้ปัญหาซอฟต์แวร์ให้เอง ส่วนฝั่งนักพัฒนา Codex ที่ผูกกับ Astra สามารถจดบันทึกแบบค้นหาได้ข้ามหลายรอบการทำงาน แทนที่จะต้องสรุปงานซ้ำทุกครั้งที่บริบทเปลี่ยน ทำให้ยังจำรายละเอียดของบั๊กและพฤติกรรมของแต่ละส่วนโค้ดไว้ได้ต่อเนื่อง
ตัวเลข benchmark ที่ OpenAI เปิดเผยบอกอะไรบ้าง
ตามข้อมูลที่ OpenAI เผยแพร่ Astra ทำคะแนน ARC-AGI-3 ได้ 98.6%, FrontierMath Tier 4 v2 ได้ 97.6%, GPQA Diamond 96%, BenchCAD 95.9%, ExploitBench 100% และ DeepSWE v1.1 อยู่ที่ 74.1% ส่วนการทดสอบ OSWorld 2.0 แบบออฟไลน์ Astra ทำได้ 72.6% ภายในเวลาประมาณ 40 นาที เทียบกับรุ่นก่อนอย่าง GPT-5.6 Sol ที่ทำได้ 65.7% แต่ใช้เวลาราว 75 นาที
| Factor | GPT-5.6 Sol | GPT-6 Astra |
|---|---|---|
| OSWorld 2.0 (ออฟไลน์) | 65.7% ใน ~75 นาที | 72.6% ใน ~40 นาที |
| ARC-AGI-3 | ไม่เปิดเผยแยก | 98.6% |
| FrontierMath Tier 4 v2 | ไม่เปิดเผยแยก | 97.6% |
| DeepSWE v1.1 | ต่ำกว่า Astra | 74.1% |
| ต้นทุนต่องาน (ประเมิน) | สูงกว่า | ลดลงราว 57% |
ตัวเลขเหล่านี้มาจากรายงานของ OpenAI เอง จึงควรมองเป็นผลทดสอบภายใต้เงื่อนไขที่บริษัทเลือกเอง มากกว่าเป็นมาตรฐานกลางที่ทุกฝ่ายวัดแบบเดียวกันเป๊ะ
แผนเปิดตัวจริง: จาก Daybreak สู่ผู้ใช้ ChatGPT ทั่วไป
Astra ไม่ได้เปิดให้ทุกคนใช้พร้อมกัน รอบแรกจำกัดอยู่ที่พาร์ทเนอร์ที่ได้รับความไว้วางใจผ่านโปรแกรม Daybreak โดยเฉพาะลูกค้าองค์กรด้าน cybersecurity ที่เข้าถึงผ่าน Daybreak Blue ก่อน จากนั้นจึงค่อยขยายไปยังผู้ใช้ ChatGPT ระดับ Plus, Pro, Business และ Enterprise ในวันถัดๆ มา รวมถึงเปิดผ่าน API และผู้ให้บริการคลาวด์อย่าง AWS และ Azure
การทยอยปล่อยแบบนี้สอดคล้องกับข้อจำกัดที่ OpenAI ยอมรับเอง นั่นคือความสามารถด้าน cybersecurity ยังจำกัดเฉพาะฝ่ายป้องกันที่ผ่านการตรวจสอบ และระบบเฝ้าระวังความปลอดภัยอาจทำให้งานที่ถูกต้องตามปกติถูกหน่วงหรือหยุดชั่วคราวได้เช่นกัน
ต้นทุนจริงเมื่อเรียกใช้ผ่าน API
ราคามาตรฐานของ Astra อยู่ที่ 10 ดอลลาร์ต่อ 1 ล้านโทเคน input และ 50 ดอลลาร์ต่อ 1 ล้านโทเคน output รวมประมาณ 60 ดอลลาร์ต่อ 1 ล้านโทเคน ส่วนโหมด Fast ที่เน้นความเร็วราคาจะขยับขึ้นเป็น 20 ดอลลาร์ต่อ input และ 100 ดอลลาร์ต่อ output รวมประมาณ 120 ดอลลาร์ต่อ 1 ล้านโทเคน
ฝั่งผู้ใช้ทั่วไปยังคงอิงแพ็กเกจ ChatGPT เดิมคือ Plus 20 ดอลลาร์ต่อเดือน, Pro 100 ดอลลาร์ต่อเดือน และ Business 200 ดอลลาร์ต่อเดือน โดยผู้ดูแลระบบระดับ Enterprise สามารถเปิดหรือปิดสิทธิ์การใช้ Astra แยกตามทีมงานได้
เทียบกับคู่แข่งแล้ว “ยุค AGI” อยู่ตรงไหน
| Factor | GPT-6 Astra | Claude | Gemini |
|---|---|---|---|
| การควบคุมหน้าจอ/computer use | เร็วขึ้นและครอบคลุมกว่ารุ่นก่อน | เน้นความปลอดภัยและตรวจสอบได้ | ผูกแน่นกับระบบ Google |
| วิศวกรรมซอฟต์แวร์ | OpenAI เคลมว่าดีที่สุดเท่าที่เคยทำมา | อ่านและรีวิวโค้ดละเอียด | เหมาะกับงานที่ใช้บริการ Google |
| ราคา API มาตรฐาน | $10 / $50 ต่อล้านโทเคน | ขึ้นกับรุ่นและแพ็กเกจ | ขึ้นกับรุ่นและแพ็กเกจ |
| การเปิดให้ใช้งาน | ทยอยปล่อยผ่าน Daybreak ก่อน | เปิดกว้างตามแผนสมาชิก | เปิดกว้างตามแผนสมาชิก |
| หลักฐานยืนยัน AGI | ยังไม่มี GDPval รองรับ | ไม่ได้อ้างคำว่า AGI | ไม่ได้อ้างคำว่า AGI |
จุดที่ OpenAI ใช้แข่งกับ Anthropic และ Google ชัดเจนคือความสามารถด้านเอเจนต์และงานเขียนโค้ด ซึ่งเป็นกลุ่มลูกค้าองค์กรที่บริษัทพยายามดึงดูดก่อนแผนเข้าตลาดหุ้นที่วางไว้ ส่วนเรื่องความเป็นส่วนตัวและความโปร่งใสของการตัดสินใจยังเป็นจุดที่คู่แข่งบางรายเน้นย้ำมากกว่า
จุดแข็งที่น่าจับตา และข้อจำกัดที่ OpenAI ยังพิสูจน์ไม่ได้
ข้อจำกัดที่สำคัญที่สุดคือ OpenAI ยังไม่ได้แสดงผลทดสอบ GDPval ซึ่งเป็นมาตรวัดของบริษัทเองที่เทียบว่าโมเดลทำงานสายอาชีพได้ดีกว่าคนจริงหรือไม่ นั่นหมายความว่าคำว่า AGI ตามนิยามของ OpenAI เองที่ระบุว่าโมเดลต้องทำงานที่มีมูลค่าทางเศรษฐกิจส่วนใหญ่ได้ดีกว่ามนุษย์ ยังไม่มีหลักฐานรองรับ นอกจากนี้ผลคะแนน ARC-AGI-3 ที่เทียบกับรุ่นก่อนก็มาจากการตั้งค่าโมเดลที่ต่างกัน จึงเทียบกันแบบตรงไปตรงมาไม่ได้ทั้งหมด
ข้อดี
- +ควบคุมหน้าจอและทำงานหลายขั้นตอนต่อเนื่องได้เร็วกว่ารุ่นก่อนชัดเจน
- +ต้นทุนต่องานสำหรับงานเขียนโค้ดบางประเภทลดลงตามข้อมูลที่ OpenAI เปิดเผย
ข้อเสีย
- −ยังไม่มีผล GDPval ยืนยันว่าทำงานสายอาชีพได้ดีกว่ามนุษย์จริง
- −เปิดให้ใช้แบบจำกัดสิทธิ์ก่อน โดยเฉพาะฟีเจอร์ cybersecurity
คำว่า “เข้าสู่ยุค AGI” ควรเชื่อได้แค่ไหน
คำพูดของ Brockman ฟังดูหนักแน่น แต่ตัวเขาเองก็ยอมรับว่านิยาม AGI ยังมีรายละเอียดที่ถกเถียงได้ ผมมองว่าตัวชี้วัดที่น่าเชื่อกว่าคำประกาศคือผล GDPval ที่ยังไม่เปิดเผย และการใช้งานจริงในองค์กรตลอดหลายเดือนข้างหน้านะ ไม่ใช่แค่คะแนน benchmark ที่บริษัทเลือกวัดเอง
ถ้ามองในแง่ธุรกิจ จังหวะการประกาศก่อนแผนเข้าตลาดหุ้นและการแข่งกับ Anthropic ในตลาดองค์กร ก็เป็นเหตุผลที่อธิบายได้ว่าทำไม OpenAI ถึงเลือกใช้คำที่หนักแน่นขนาดนี้ในการเปิดตัว
สรุป: ก้าวกระโดดที่จริง แต่ยังไม่ใช่ AGI แบบสมบูรณ์
GPT-6 Astra มาพร้อมความสามารถด้าน computer use และงานเอเจนต์ที่ดีขึ้นจริงตามตัวเลขที่ OpenAI เปิดเผย ทั้งความเร็วที่เพิ่มขึ้นและต้นทุนต่องานที่ลดลงในบางกรณี แต่คำว่า “ยุค AGI” ยังขาดหลักฐานสำคัญอย่างผล GDPval ที่จะยืนยันว่าโมเดลทำงานสายอาชีพได้ดีกว่ามนุษย์จริงตามนิยามที่ OpenAI ตั้งไว้เอง
ทางที่ดีที่สุดคือรอดูผลการใช้งานจริงในองค์กรที่ทยอยได้สิทธิ์เข้าถึงผ่าน Daybreak และเปรียบเทียบกับคู่แข่งเมื่อข้อมูลอิสระเริ่มออกมามากขึ้น มากกว่าจะเชื่อคำประกาศในงานแถลงข่าวเพียงอย่างเดียว