GPT-5.4 คือโมเดล AI รุ่นใหม่ล่าสุดของ OpenAI…
สิ่งที่ OpenAI พยายามทำกับรุ่นนี้คือทำให้ AI “ทำงานจริงได้ดีขึ้น” ไม่ใช่แค่ตอบเก่งขึ้น ตัวอย่างเช่น งานเอกสาร งานสไลด์ งาน spreadsheet หรือ workflow ที่ต้องใช้หลายเครื่องมือร่วมกัน โมเดลนี้ถูกปรับให้จัดการงานพวกนี้ได้ครบกระบวนการมากขึ้น
หนึ่งในฟีเจอร์ที่น่าสนใจมากคือโหมด GPT-5.4 Thinking ใน ChatGPT เวลาคุณถามคำถามที่ซับซ้อน โมเดลจะเริ่มด้วยการเขียน “แผนการทำงานคร่าวๆ” ให้ดูก่อน เช่นจะวิเคราะห์อะไร ค้นข้อมูลยังไง แล้วค่อยเริ่มทำงานจริง จุดที่แตกต่างคือผู้ใช้สามารถหยุดกลางทางแล้วบอกให้เปลี่ยนทิศทางได้ทันที เช่น “เพิ่มข้อมูลตรงนี้” หรือ “เปลี่ยนวิธีคิดแบบนี้แทน” ทำให้ไม่ต้องเริ่มถามใหม่หลายรอบเหมือนเดิม
อีกจุดที่สำคัญมากคือ GPT-5.4 เป็นโมเดลรุ่นแรกของ OpenAI ที่มีความสามารถ “ใช้คอมพิวเตอร์ได้จริง” แบบ native ในระดับโมเดล หมายถึงมันสามารถดูภาพหน้าจอแล้วสั่งคลิกเมาส์ พิมพ์คีย์บอร์ด หรือควบคุมเบราว์เซอร์ได้ ตัวอย่างเช่นให้มันเปิดเว็บ อ่านข้อมูล ส่งอีเมล หรือกรอกข้อมูลในระบบต่างๆ โดยใช้เครื่องมืออย่าง Playwright หรือสั่งการผ่าน screenshot เหมือนที่มนุษย์ทำ
OpenAI ยกตัวอย่างว่าโมเดลสามารถอ่านหน้าจอเว็บแล้วคลิกปุ่มต่างๆ เพื่อส่งอีเมลและสร้างนัดหมายในปฏิทินได้ นี่เป็นก้าวสำคัญของแนวคิดที่เรียกว่า “AI agents” คือ AI ที่ไม่ได้แค่ตอบ แต่สามารถลงมือทำงานแทนผู้ใช้ในหลายแอพได้
ในด้านประสิทธิภาพ โมเดลนี้ยังถูกปรับให้ใช้ token น้อยลงเมื่อคิดแก้ปัญหา ทำให้ทำงานเร็วขึ้นและค่าใช้จ่ายลดลงในหลายกรณี แม้ว่าราคาต่อ token จะสูงกว่า GPT-5.2 เล็กน้อยก็ตาม OpenAI ยังระบุว่า GPT-5.4 มีความแม่นยำมากขึ้น โดยลดโอกาสที่ข้อความจะมีข้อมูลผิดประมาณ 33% และลดโอกาสที่คำตอบทั้งชุดจะมีข้อผิดพลาดประมาณ 18% เมื่อเทียบกับ GPT-5.2
ถ้าดูจาก benchmark ที่ OpenAI เปิดเผย GPT-5.4 มีคะแนนดีขึ้นในหลายด้าน เช่น
– งาน knowledge work (GDPval) ชนะหรือเสมอผู้เชี่ยวชาญใน 83% ของงาน
– งานใช้คอมพิวเตอร์จริง (OSWorld-Verified) ได้ 75% เพิ่มจาก GPT-5.2 ที่ได้ 47%
– งานค้นข้อมูลเชิงลึกบนเว็บ (BrowseComp) ดีขึ้นมาก
– งาน coding อย่าง SWE-Bench Pro ก็ทำคะแนนสูงขึ้นเล็กน้อย
OpenAI ยังเน้นมากเรื่องการทำงานกับเครื่องมือจำนวนมาก ในระบบ agent ก่อนหน้านี้ ถ้ามีเครื่องมือจำนวนมาก โมเดลต้องโหลด definition ของทุกเครื่องมือเข้า prompt ทำให้เปลือง token แต่ใน GPT-5.4 มีระบบที่เรียกว่า “tool search” คือโมเดลจะเห็นแค่รายชื่อเครื่องมือก่อน แล้วค่อยไปดึงรายละเอียดของเครื่องมือที่ต้องใช้จริงภายหลัง วิธีนี้ช่วยลด token ลงได้เกือบครึ่งในบาง workflow
ด้าน coding GPT-5.4 รวมความสามารถของ GPT-5.3-Codex เข้ามา ทำให้มันยังคงเก่งเรื่องเขียนโค้ด และยังทำงานร่วมกับเครื่องมือทดสอบโค้ดได้ เช่นมี skill ทดลองชื่อ Playwright Interactive ที่สามารถสร้างเว็บแอพแล้วทดสอบมันเองผ่านเบราว์เซอร์ได้ในขั้นตอนเดียว
OpenAI ยังโชว์เดโมให้โมเดลสร้างเกม simulation ทั้งเกมจาก prompt เดียว เช่นเกมสวนสนุกแบบ isometric ที่มีระบบ pathfinding ระบบเงิน ระบบคิว และ UI ครบ โดยใช้ AI สร้าง asset และใช้ automation ทดสอบเกมระหว่างพัฒนา
ในแง่ราคา สำหรับผู้ใช้ ChatGPT ตอนนี้
– Plus / Team จะได้ใช้ GPT-5.4 Thinking
– Pro และ Enterprise จะได้ GPT-5.4 Pro ซึ่งเป็นรุ่นประสิทธิภาพสูงสุด
สำหรับนักพัฒนาใน API ราคาโดยประมาณคือ
gpt-5.4 input $2.50 ต่อ 1 ล้าน tokens และ output $15
gpt-5.4-pro input $30 และ output $180 ต่อ 1 ล้าน tokens
ราคานี้สูงกว่า GPT-5.2 แต่ OpenAI อธิบายว่าการใช้ token มีประสิทธิภาพขึ้น ทำให้ค่าใช้จ่ายจริงในหลายงานอาจไม่ได้เพิ่มขึ้นมาก
ถ้ามองในเชิงการแข่งขันกับโมเดลตัวท็อปอื่นในตลาด เช่น Claude Opus หรือ Gemini รุ่นล่าสุด GPT-5.4 ดูโดดเด่นมากในเรื่อง workflow และการทำงานแบบ agent โดยเฉพาะการใช้คอมพิวเตอร์และการเลือกเครื่องมือจำนวนมาก ขณะที่บางโมเดลคู่แข่งอาจยังเด่นในบาง benchmark ด้าน reasoning หรือ coding เฉพาะทาง
สรุปง่ายๆ GPT-5.4 ไม่ได้เป็นแค่ “โมเดลตอบคำถามที่เก่งขึ้น” แต่เป็นความพยายามทำให้ AI กลายเป็นระบบที่สามารถคิด วางแผน ใช้เครื่องมือ และทำงานจริงบนคอมพิวเตอร์แทนมนุษย์ได้มากขึ้น ซึ่งเป็นทิศทางเดียวกับแนวคิด AI agents ที่กำลังเป็นเทรนด์ใหญ่ของวงการตอนนี้
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac