GPT-6 Astra คืออะไร และทำไมเบนชมาร์กครั้งนี้จึงเป็นจุดเปลี่ยน
GPT-6 Astra คือโมเดล AI รุ่นใหม่จาก OpenAI ที่ถูกออกแบบให้มีความสามารถสูงทั้งด้านการเขียนโปรแกรม การใช้งานคอมพิวเตอร์แบบอัตโนมัติ การวิจัยทางวิทยาศาสตร์ และความปลอดภัยไซเบอร์ โดยมีการเผยแพร่ตาราง GPT-6 Astra เบนชมาร์กเพื่อเปรียบเทียบกับโมเดลชั้นนำอื่นในตลาด ชี้ให้เห็นศักยภาพด้านความฉลาดเชิงตรรกะและการทำงานในสภาพแวดล้อมจริง พร้อมทั้งเน้นการออกแบบด้านความปลอดภัย AI และการจัดการความเสี่ยงในการใช้งานระดับองค์กร เมื่อมองในเชิงข่าวสาร การเปิดตัว Astra เริ่มต้นแบบสะดุด บล็อกอย่างเป็นทางการถูกผู้ใช้พบก่อนจะถูกนำลง จากนั้นลิงก์ที่บริษัทแชร์กลับใช้งานไม่ได้ จนในที่สุดบทความจึงเข้าถึงได้และเผยเบนชมาร์กอย่างละเอียด ด้านการเปิดให้ใช้งาน OpenAI เริ่มทยอยปล่อย Astra ในวันพฤหัสบดี โดยตารางเปรียบเทียบที่รั่วไหลออกมาช่วงเปิดตัวบ่งชี้ว่ามันทำคะแนนเหนือ Claude Fable 5.1 ส่วนใหญ่ของแบบทดสอบสำคัญ ภาพรวมคือ Astra ตั้งใจจะเป็นรุ่นที่กระโดดข้ามเจเนอเรชัน ไม่ใช่แค่รุ่นอัปเกรดเล็กน้อย และนี่คือสิ่งที่เบนชมาร์กกำลังยืนยัน
จากเมาส์สู่เอเจนต์อัตโนมัติ Astra พา AI คุมคอมพิวเตอร์ได้แค่สั่ง
แก่นสำคัญที่ทำให้ Astra น่าจับตามองสำหรับผู้ใช้ทั่วไปคือความสามารถ Computer Use ระดับที่ผู้บริหาร OpenAI ถึงกับประกาศว่าผู้ใช้ Astra “จะไม่ต้องคลิกเมาส์หรือนั่งพิมพ์คีย์บอร์ดอีกต่อไป” นี่ไม่ใช่คำโฆษณาว่างเปล่า เบนชมาร์ก ScreenSpot-Pro ซึ่งวัดความสามารถในการมองหน้าจอและควบคุมระบบโดยไม่ใช้เครื่องมือเสริม Astra ทำได้ 92.7% สูงกว่า GPT-5.6 Sol ที่ 76.9% และเหนือกว่า Claude Fable 5 ที่ 87.3% อย่างชัดเจน ในโลกของเอเจนต์ที่ต้องเดินระบบเดสก์ท็อป OSWorld 2.0 แสดงให้เห็นว่า Astra ทำคะแนน 72.6% แซง Sol ที่ 65.7% และเหนือ Claude Opus 5 ที่ 70.2% ด้วย ส่วน Agents’ Last Exam ซึ่งเป็นเบนชมาร์กเอเจนต์รุ่นใหม่ที่โหดขึ้น ก็ยังยืนยันแนวโน้มเดียวกัน Astra ทำได้ 59.3% ขณะที่ Sol อยู่ที่ 53.6% Opus 5 ที่ 55.5% และ Fable 5.1 ตามหลังที่ 48.7% สำหรับผู้ใช้ นี่หมายความว่าการให้ AI เปิดโปรแกรม โหลดไฟล์ ตั้งค่าเครื่อง หรือจัดการงานประจำวันบนคอมพิวเตอร์จะใกล้เคียงกับการมีผู้ช่วยดิจิทัลที่ลงมือทำจริงมากขึ้น ไม่ใช่เพียงให้คำตอบเป็นข้อความ
การเขียนโปรแกรมและวิทยาศาสตร์ Astra ไม่ใช่แค่เก่ง แต่เริ่มแทนทีมบางส่วนได้
ในด้านความสามารถการเขียนโปรแกรม GPT-6 Astra ทำคะแนนน่าสนใจบนเบนชมาร์กที่เน้นงานจริงมากกว่าโจทย์เล่นๆ Terminal-Bench 4.0 ซึ่งจำลองการทำงานผ่านเทอร์มินัลในสภาพแวดล้อมระบบจริง Astra ทำได้ 57.7% สูงกว่า Claude Fable 5.1 ที่ 55.8% และ Claude Opus 5 ที่ 52.3% ชี้ว่ามันจัดการงานโครงสร้างพื้นฐานที่ซับซ้อนได้ดีขึ้น บน DeepSWE v1.1 ซึ่งมีงานโค้ดเอเจนต์ถึง 113 งาน คะแนนของ Astra อยู่ที่ 74.1% ส่วน Opus 5 อยู่ที่ 73.7% Gemini 3.8 Flash ที่ 73.8% และ Fable 5.1 ตามที่ 67.4% ทำให้ภาพรวมคือ Astra นำแต่ช่องว่างไม่กว้างจนคู่แข่งไล่ไม่ทัน ด้านงานวิทยาศาสตร์และการวิจัย Terminal-Bench Science 0.1 เป็นหลักฐานชัดเจน Astra ทำได้ 64.6% เทียบกับ Fable 5.1 ที่ 52.6% และ Opus 5 ที่ 30.0% ซึ่งแปลว่าการให้เอเจนต์ AI อ่านเอกสารวิจัย จัดการการทดลองรหัส หรือบริหารเวิร์กโฟลว์ในโครงการวิทยาศาสตร์เริ่มมีความเป็นไปได้จริงมากขึ้น เมื่อรวมกับ AutomationBench ที่ Astra ทำคะแนนนำในหมวดการทำงานอัตโนมัติในธุรกิจ ภาพที่เห็นคือโมเดลนี้เริ่มทับซ้อนงานของทีมวิศวกรและนักวิทยาศาสตร์ในระดับหนึ่ง ซึ่งองค์กรต้องคิดใหม่เรื่องบทบาทคนและ AI หนึ่งประโยคที่น่าหยิบมาอ้างอิงคือ “บน FrontierMath Tier 4 Astra ทำได้ 97.6% เหนือกว่า Fable 5.1 ที่ 87.8% และ Sol ที่ 83.0% อย่างมีนัยสำคัญ”
ไซเบอร์ซีเคียวริตี้และความปลอดภัย AI เมื่อโมเดลฉลาดระดับ Critical ต้องถูกล็อก
จุดที่ทั้งน่าตื่นเต้นและน่ากังวลที่สุดสำหรับ GPT-6 Astra คือความสามารถด้านไซเบอร์ซีเคียวริตี้ OpenAI ระบุว่า Astra เป็นโมเดลแรกที่ทะลุเกณฑ์ “Critical” ภายใต้กรอบ Preparedness Framework ของบริษัท โดยบน ExploitBench ซึ่งวัดการใช้ช่องโหว่ระบบ Astra ทำคะแนนเต็ม 100.0% เทียบกับ GPT-5.6 Sol ที่ 78.5% และ Claude Opus 5 ที่ 70% อีกเบนชมาร์กด้านดูแลระบบอย่าง SRE-Bench Astra ก็ทำได้ถึง 99.2% จากการลองทั้งหมดสี่ครั้ง นี่คือระดับความสามารถที่ทั้งองค์กรฝ่ายรับและฝ่ายรุกต้องจับตา ข่าวดีคือบริษัทไม่ได้ปล่อยพลังนี้แบบไร้การควบคุม Astra ถูกจัดให้อยู่ในการเข้าถึงของผู้เข้าร่วมโปรแกรม Daybreak สำหรับผู้ป้องกันระบบไซเบอร์เท่านั้นในฟังก์ชันเชิงรุกที่ล้ำที่สุด และถูกอธิบายว่ามีโครงสร้างการจำกัดการใช้งานคล้ายกับวิธีที่คู่แข่งล็อกความสามารถของโมเดลที่เน้นความเสี่ยงสูงอื่นไว้ ด้าน Alignment ภายใน บนเบนชมาร์กความปลอดภัยการใช้คอมพิวเตอร์คะแนนที่ต่ำลงเป็นผลดี Astra ได้ 2.4% เทียบกับ Sol ที่ 22.0% และในแบบทดสอบการพยายามเลี่ยงข้อจำกัดภายในก็ใกล้ศูนย์ ขณะที่ Sol อยู่ที่ 0.29% ผลคือ Astra กลายเป็นกรณีศึกษาว่าโมเดลที่ฉลาดและมีความเสี่ยงสูง ต้องถูกออกแบบให้สอดคล้องกับความปลอดภัย AI ตั้งแต่โครงสร้าง ไม่ใช่แค่เพิ่มตัวกรองในตอนท้าย
Astra ชนะเบนชมาร์ก แต่ผู้ใช้และองค์กรต้องเตรียมความพร้อมอย่างไรต่อไป
แม้ GPT-6 Astra จะดูเหมือนแย่งบัลลังก์ AI กลับมาจากคู่แข่งจากผล AI โมเดลเปรียบเทียบ แต่เบนชมาร์กเองก็เตือนว่าไม่มีโมเดลใดชนะทุกสนาม ในบางแบบทดสอบเช่น Artificial Analysis Intelligence Index Claude Fable 5.1 ยังทำคะแนนสูงกว่า Astra เล็กน้อย ซึ่งสะท้อนว่าแต่ละโมเดลถูกออกแบบให้เก่งในสนามต่างกัน สิ่งที่เปลี่ยนไปจริงคือความคาดหวังของผู้ใช้และองค์กร ว่างานที่เคยคิดว่าเป็นหน้าที่ของทีมเฉพาะทางทั้งด้านวิศวกรรม ระบบ และวิทยาศาสตร์ เริ่มถูกแบ่งปันให้เอเจนต์อัตโนมัติได้ ในเชิงเวลาการเข้าถึง Astra ถูกปล่อยให้ลูกค้าองค์กรในโปรแกรม Daybreak ก่อน จากนั้นจึงตามด้วยผู้ใช้ ChatGPT Plus Pro Business และ Enterprise รวมถึงผ่าน API และแพลตฟอร์มคลาวด์อย่าง AWS Bedrock และ Azure ภายใน “อีกไม่กี่วัน” หลังเปิดตัว สำหรับผู้ใช้ทั่วไป ผลกระทบแรกคือการมีผู้ช่วยที่ควบคุมคอมพิวเตอร์แทน เปิดโปรแกรม ค้นเว็บ ทำวิจัย และช่วยเขียนโค้ดให้โดยไม่ต้องสลับหน้าจอไปมา ขณะที่องค์กรต้องคิดเรื่องนโยบายการใช้ AI การกำกับความเสี่ยงไซเบอร์ และการออกแบบงานใหม่ให้ผสมผสานคนกับเอเจนต์ได้อย่างรับผิดชอบ บทสรุปคือ Astra กำลังขีดเส้นมาตรฐานใหม่ของโมเดล AI ที่ “ทั้งฉลาดและคำนึงถึงความปลอดภัย” แต่ประโยชน์จะเกิดขึ้นจริงหรือไม่ ขึ้นอยู่กับว่าผู้ใช้และองค์กรจะปรับตัวรับยุคเอเจนต์อัตโนมัติได้เร็วแค่ไหน
