จากเข้าใจหน้าจอไปสู่การลงมือทำ
GPT-6.1 Terra คือโมเดล AI สำหรับงานที่ต้องอ่านภาพบนหน้าจอและสั่งงานคอมพิวเตอร์หลายขั้นตอน โดยมุ่งให้ทำงานได้รวดเร็ว แม่นยำ และคุ้มค่าสำหรับการใช้งานซ้ำในปริมาณมาก จุดขายจึงไม่ใช่แค่การตอบคำถาม แต่คือการทำงานบนแอปและหน้าจอแทนคนได้ ตั้งแต่กรอกแบบฟอร์มไปจนถึงจัดการข้อมูลในระบบ
OpenAI เปิดตัวโมเดล AI ใหม่รุ่นนี้และเปิดให้ผู้ใช้แพ็กเกจ Plus, Pro, Enterprise และ Edu ใช้งานผ่าน ChatGPT Work และ Codex แล้ว โดยนักพัฒนาก็เรียกใช้ผ่าน API ได้ โมเดลพัฒนาต่อจาก GPT-5.6 Terra ทั้งด้านการมองภาพ การควบคุมคอมพิวเตอร์ และการเขียนข้อความให้ชัดเจนเป็นธรรมชาติมากขึ้น นี่คือทิศทางที่น่าจับตา เพราะเครื่องมือ AI จะมีประโยชน์ทางธุรกิจมากขึ้นเมื่อเปลี่ยนจากการให้คำแนะนำมาเป็นการทำงานที่วัดผลและทำซ้ำได้
ความเร็วและต้นทุนคือเหตุผลที่ธุรกิจควรสนใจ
การควบคุมคอมพิวเตอร์ด้วย AI จะสร้างมูลค่าได้จริงก็ต่อเมื่อทำงานจำนวนมากได้โดยไม่เพิ่มภาระต้นทุนจนเกินไป และ GPT-6.1 Terra ถูกวางมาให้ตอบโจทย์นี้โดยตรง ค่าบริการ API มาตรฐานลดลง 50% เมื่อเทียบกับ GPT-5.6 Terra และ GPT-6.1 Sol ส่วนการทดสอบ Agents’ Last Exam ที่ระดับการให้เหตุผลปานกลาง โมเดลทำคะแนนสูงกว่า GPT-5.6 Terra 15 จุดเปอร์เซ็นต์ โดยต้นทุนต่องานอยู่ที่ประมาณหนึ่งในสาม ตัวเลขนี้ชี้ว่าองค์กรอาจไม่จำเป็นต้องเลือกระหว่างความสามารถกับการควบคุมค่าใช้จ่ายเสมอไป
ความเร็วก็สำคัญไม่แพ้กัน เพราะงานประจำจำนวนมากมักติดขัดจากคิวรอและการส่งข้อมูลข้ามระบบ ผลทดสอบระบุว่า Terra ทำงานเสร็จเร็วกว่าทั้ง GPT-6 Astra และ GPT-6.1 Sol มากกว่าสามเท่า เมื่อรวมความเร็วกับต้นทุนที่ต่ำลง นักพัฒนาจึงมีทางเลือกในการทำระบบอัตโนมัติที่รองรับงานปริมาณสูง เช่น อ่านใบแจ้งหนี้แล้วนำข้อมูลไปบันทึกในโปรแกรมบัญชี อย่างไรก็ตาม ประสิทธิภาพที่ดีในแบบทดสอบยังต้องแปลงเป็นผลลัพธ์จริงผ่านการเชื่อมต่อระบบและการตรวจงานที่เหมาะสม
โอกาสเชิงพาณิชย์ พร้อมโจทย์เรื่องความแม่นยำ
การใช้งานที่เป็นไปได้ไม่ได้จำกัดอยู่แค่งานบัญชี โมเดลนี้ถูกออกแบบให้ช่วยตั้งแต่ร่างข้อเสนอและตีความแบบทางเทคนิค ไปจนถึงกรอกแบบฟอร์มและตัดต่อวิดีโอ จุดแข็งด้านการควบคุมแอปจึงเหมาะกับธุรกิจที่ต้องทำขั้นตอนเดิมซ้ำจำนวนมาก และต้องการให้ AI ทำงานต่อเนื่องบนเครื่องมือที่ใช้อยู่ แพ็กเกจ ChatGPT Work และ Codex ยังรองรับงานได้มากขึ้นด้วยโควตาเดิมเมื่อเทียบกับรุ่นก่อนและโมเดลบางรุ่น นั่นทำให้ความคุ้มค่าไม่ได้มีความหมายเฉพาะกับฝ่ายจัดซื้อ แต่ส่งผลต่อจำนวนงานที่ทีมทำได้ในแต่ละรอบด้วย
การเพิ่มความเร็วต้องเดินคู่กับความน่าเชื่อถือ OpenAI ระบุว่าลงทุนเพื่อลดการแต่งข้อมูลและข้อผิดพลาดด้านข้อเท็จจริง โดยอัตราความผิดพลาดในการทดสอบระดับการให้เหตุผลต่ำลดจาก 53.6% ใน GPT-5.6 Terra เหลือ 16.7% ใน GPT-6.1 Terra แม้เป็นพัฒนาการที่สำคัญ แต่ธุรกิจยังควรกำหนดจุดตรวจทานสำหรับข้อมูลที่กระทบการเงิน ลูกค้า หรือการตัดสินใจสำคัญ บทสรุปคือ GPT-6.1 Terra น่าสนใจเพราะเชื่อมความเร็ว ประสิทธิภาพการประมวลผล และต้นทุนเข้ากับงานจริงได้ชัดเจน ส่วนความสำเร็จในวงกว้างจะขึ้นอยู่กับการวางระบบกำกับดูแลให้เหมาะกับแต่ละองค์กร
