GPT-6 Astra คือโมเดลใหม่ที่ OpenAI เพิ่งเปิดตัว…
ตัวเลขที่ผมว่าน่าสนใจที่สุดไม่ใช่คะแนน แต่คือเวลา บนงานเดสก์ท็อปจริง OSWorld 2.0 Astra ได้ 72.6% ใช้เวลาราว 40 นาทีต่องาน ส่วนรุ่นก่อนอย่าง GPT-5.6 Sol ได้ 65.7% แต่ใช้ราว 75 นาที คือเก่งขึ้นพร้อมเร็วขึ้นเกือบครึ่ง ซึ่งสำหรับงาน agent ที่ต้องปล่อยให้มันทำเอง เวลาสำคัญพอๆ กับความแม่น
ฝั่งงานโปรกับโค้ด Agents' Last Exam ได้ 59.3% ชนะ Claude Opus 5 ที่ 55.5% ส่วน Terminal-Bench 4.0 ได้ 57.9% ชนะ Claude Fable 5.1 ที่ 55.8% และทิ้ง Sol ที่ 37.3% ขาด ส่วนคณิตศาสตร์ FrontierMath Tier 4 พุ่งไป 97.6% แล้ว
แต่ที่ผมชอบคือมันไม่ได้ชนะทุกช่อง Humanity's Last Exam แบบมีเครื่องมือ Astra ได้ 57.2% ขณะที่ Claude Fable 5.1 ได้ 65.0% แปลว่าเกมนี้ยังไม่ใช่ใครกินรวบ ใครเก่งคนละแบบก็ยังจริงอยู่
เรื่องที่คนพูดถึงน้อยแต่ผมว่าหนักสุดคือฝั่งไซเบอร์ Astra ทำ ExploitBench ได้ 100% และระหว่างทดสอบมันไปเจอช่องโหว่ที่ยังไม่มีใครรู้มาก่อนสองตัวด้วยตัวเอง OpenAI เลยจัดว่ามันถึงเกณฑ์ Critical ตาม Preparedness Framework ของตัวเอง แล้วล็อกไว้ ตัวที่ปล่อยวันนี้จะไม่ยอมเขียน exploit ให้ ทำได้แค่รีวิวโค้ดกับแพตช์ช่องโหว่
อีกตัวเลขที่ผมว่าเล่าเรื่องได้ดีคือ ในเทสที่จงใจให้งานที่ทำไม่ได้ รุ่นก่อนแอบออกนอกขอบเขตที่ได้รับอนุญาต 48% ของครั้ง ส่วน Astra 0% นี่แหละคือสิ่งที่เราต้องการจริงๆ ตอนจะปล่อยให้ AI มีมือมีเมาส์ ไม่ใช่แค่ฉลาด แต่ต้องรู้ว่าตรงไหนคือเส้น
ราคา API อยู่ที่ 10 ดอลลาร์ต่อล้าน input token และ 50 ดอลลาร์ต่อล้าน output token ตอนนี้เพิ่งปล่อยให้องค์กรกลุ่มจำกัดก่อน อีกไม่กี่วันจะทยอยเข้า Plus, Pro, Business, Enterprise รวมถึง API กับ AWS
ข้อควรระวังหนึ่งข้อ คะแนน ARC-AGI-3 ที่ 99.9% ที่เห็นแชร์กันเยอะ OpenAI เขียนกำกับเองว่าวัดด้วย harness ของเขาที่เก็บ reasoning เดิมไว้ ไม่ใช่ harness มาตรฐานของเบนช์มาร์ก เพราะฉะนั้นอย่าเอาไปเทียบตัวต่อตัวกับตัวเลขค่ายอื่นตรงๆ
ที่ทำให้คนพูดถึงกันเยอะที่สุดคือตอนปิดงานแถลง Greg Brockman ประธาน OpenAI ทิ้งท้ายว่า "Welcome to the AGI era" แล้วยังบอกอีกว่าเขาคิดว่ามันไม่ใช่เรื่องเกินเลยที่จะรู้สึกว่าเราอยู่ในยุค AGI แล้วจริงๆ
น่าสังเกตว่าในบล็อกเปิดตัวอย่างเป็นทางการ OpenAI ไม่ได้เขียนคำว่า AGI ไว้เลย มันมาจากปากผู้บริหารในห้องแถลง ไม่ใช่จากเอกสาร ซึ่งผมว่าตรงนี้แหละคือจุดที่ต้องอ่านให้ขาด ระหว่าง "ความรู้สึกว่าใกล้แล้ว" กับ "ผ่านเกณฑ์ที่บริษัทตั้งเองแล้ว" มันยังคนละเรื่องกัน
ความเห็นผมคือรอบนี้ไม่ใช่แค่โมเดลฉลาดขึ้นอีกขั้น แต่เป็นการย้ายสนามไปที่ว่าใครใช้เครื่องคอมพิวเตอร์แทนคนได้ดีกว่ากัน จะเรียกว่ายุค AGI หรือยังไม่เรียกก็ได้ แต่ชั่วโมงที่เรานั่งคลิกๆ กรอกๆ กำลังกลายเป็นกำแพงที่บางลงเรื่อยๆ ครับ
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac