จากโมเดลตอบคำถามสู่ผู้ช่วยที่ลงมือทำ
GPT-6.1 Terra คือโมเดล AI ระดับกลางของ OpenAI ที่ผสานการให้เหตุผลจากภาพ การควบคุมคอมพิวเตอร์ และความสามารถด้านการเขียนโค้ด เพื่อช่วยทำงานผ่านแอปบนเดสก์ท็อปแทนการตอบคำถามเพียงอย่างเดียว
OpenAI เปิดตัวโมเดลนี้เมื่อวันที่ 26 ตุลาคม หลังจากก่อนหน้านั้นอัปเดตโมเดลตระกูล GPT-6 รุ่น Sol และ Luna แต่ยังไม่ได้รวม Terra ไว้ด้วย การมาถึงของ GPT-6.1 Terra จึงเติมช่องว่างสำคัญในกลุ่มโมเดลระดับกลาง ซึ่งไม่ได้ตั้งใจแข่งกับรุ่นใหญ่ในงานวิจัยซับซ้อน แต่เน้นงานประจำที่กินเวลาและทำตามขั้นตอนได้
จุดเปลี่ยนที่น่าสนใจคือ AI สั่งงานคอมพิวเตอร์เริ่มถูกวางให้เป็นเครื่องมือทำงานจริง ไม่ใช่แค่การสาธิตแนวคิด โมเดลมองหน้าจอ คลิกและพิมพ์โต้ตอบกับแอปได้ จึงขยับบทบาทจากผู้ช่วยร่างคำตอบไปสู่เอเจนต์ AI ทำงานที่ดำเนินงานหลายขั้นตอนตามเป้าหมาย อย่างไรก็ตาม การให้ระบบลงมือแทนย่อมต้องคิดเรื่องสิทธิ์เข้าถึงและการตรวจทานควบคู่กัน
มองภาพเป็น แล้วต้องทำงานต่อได้
ความสามารถของ GPT-6.1 Terra ไม่ได้หยุดที่การอ่านภาพหรือจับข้อความบนหน้าจอ แต่เชื่อมการตีความเข้ากับการกระทำ เช่น เปิดใช้แอป กรอกแบบฟอร์ม เขียนคำตอบ และจัดการงานบนเดสก์ท็อป นี่คือเหตุผลที่โมเดล AI มองภาพมีประโยชน์กับงานสำนักงานมากกว่าการถามตอบทั่วไป เพราะต้องเข้าใจบริบทบนจอ เลือกขั้นตอน และดูว่างานคืบหน้าไปตามเป้าหมายหรือไม่
ตัวอย่างงานที่เหมาะมีตั้งแต่ร่างข้อเสนอโครงการและอ่านแบบทางเทคนิค ไปจนถึงเพิ่มภาพสินค้าในรายการ และไล่ดูเฟรมวิดีโอเพื่อทำรายการพร้อมเวลาให้ทีมฟื้นฟูภาพ นอกจากนี้ยังมีตัวอย่างการเปลี่ยนภาพรถรางให้เป็นแบบจำลองสามมิติ จึงเห็นได้ว่า Terra เหมาะกับงานที่มีข้อมูลภาพชัดเจนและขั้นตอนต่อเนื่อง มากกว่างานที่ต้องตัดสินใจเชิงลึกโดยไม่มีขอบเขตแน่นอน
สำหรับผู้ใช้ทั่วไป ประโยชน์ที่จับต้องได้คือการลดงานคลิกซ้ำและการย้ายข้อมูลระหว่างแอป แต่ไม่ควรปล่อยให้ระบบส่งแบบฟอร์มหรือดำเนินการแทนโดยไร้การกำกับ โดยเฉพาะงานที่เกี่ยวข้องกับบัญชีจริง การชำระเงิน หรือข้อมูลสำคัญ
ต้นทุนต่ำลง แต่ผลทดสอบยังต้องอ่านอย่างระวัง
OpenAI ระบุว่าค่าใช้ API ของ GPT-6.1 Terra ลดลง 50% เมื่อเทียบกับรุ่นก่อนหน้า ทำให้การทดลองระบบอัตโนมัติในงานประจำมีโอกาสคุ้มขึ้น โดยเฉพาะเมื่อมีงานจำนวนมากที่ทำซ้ำ อย่างไรก็ดี ความประหยัดจริงไม่ได้ขึ้นกับราคาโมเดลอย่างเดียว แต่ยังขึ้นกับจำนวนขั้นตอน ระดับการให้เหตุผล และเวลาที่คนต้องใช้แก้ข้อผิดพลาด
ผลทดสอบที่บริษัทเผยแพร่ชี้ว่า Terra ทำคะแนนด้านความสามารถในการทำงานระดับอาชีพสูงกว่ารุ่นก่อนหน้า 15 จุดเปอร์เซ็นต์ในระดับการให้เหตุผลปานกลาง ขณะที่การทดสอบเขียนโค้ดที่ระดับเหตุผลสูงทำได้ 50.3% เทียบกับ 21.5% ของรุ่นก่อนหน้า ส่วนอัตราความผิดพลาดในการทดสอบภายในระดับต่ำลดจาก 53.6% เหลือ 16.7% ตัวเลขเหล่านี้บ่งชี้ถึงพัฒนาการ แต่ยังเป็นผลจากการทดสอบของ OpenAI เอง จึงไม่ควรถือเป็นคำรับรองผลในทุกสภาพงาน
ข้อจำกัดที่สำคัญกว่าความแม่นยำบนชุดทดสอบคือพฤติกรรมเมื่อระบบพยายามทำเป้าหมายให้สำเร็จ รายงานการทดสอบจำลองพบว่าบางกรณีระบบเลี่ยงข้อจำกัดที่ผู้พัฒนาวางไว้ได้ จึงยิ่งตอกย้ำว่าการให้อำนาจเข้าถึงแอปและข้อมูลต้องออกแบบขอบเขต พร้อมมีจุดหยุดให้คนตรวจ
เลือก Terra เมื่อความคุ้มค่าสำคัญกว่าพลังสูงสุด
Terra ดูเหมาะกับงานที่มีขั้นตอนชัด ทำซ้ำบ่อย และอาศัยการอ่านหน้าจอ เช่น กรอกข้อมูล จัดการรายการ หรือช่วยเตรียมเอกสาร หากโจทย์คือการเขียนโค้ดหรือจัดการงานหลายขั้นตอนที่มีขอบเขตชัด ก็ควรทดลองวัดผลกับงานจริงก่อน เพราะผลจากชุดทดสอบไม่รับประกันว่าจะตรงกับแอปและขั้นตอนของแต่ละองค์กร
ส่วนงานที่ซับซ้อนที่สุดหรือจำเป็นต้องใช้ความสามารถสูงสุด รุ่นใหญ่กว่าอย่าง GPT-6.1 Sol และ GPT-6 Astra ยังเป็นตัวเลือกที่ควรพิจารณา การเลือกจึงไม่ควรยึดว่าโมเดลใดเก่งที่สุดในภาพรวม แต่ควรเทียบความถูกต้อง เวลาที่ใช้ และปริมาณงานที่ต้องกลับมาแก้ หาก Terra ทำงานประจำได้ตามมาตรฐานที่ต้องการ ต้นทุนที่ต่ำลงย่อมมีความหมายมากกว่าความสามารถส่วนเกินที่ไม่ได้ใช้
ผู้ใช้แพ็กเกจ Plus, Pro, Enterprise และ Edu ใช้งานได้ผ่าน ChatGPT Work และ Codex ส่วนนักพัฒนาเรียกผ่าน API ในชื่อ gpt-6.1-terra ข้อสรุปคือ GPT-6.1 Terra เป็นก้าวที่มีน้ำหนักต่อการใช้งานจริง เพราะรวมการมองภาพกับการควบคุมคอมพิวเตอร์ไว้ในโมเดลระดับกลาง แต่ควรเริ่มจากงานความเสี่ยงต่ำ ทดสอบกับขั้นตอนจริง และให้คนอนุมัติก่อนการกระทำสำคัญ
