ลดราคาแรง แต่ต้องดูความคุ้มให้พ้นตัวเลขหน้าป้าย
GPT-6.1 Terra คือโมเดล AI ระดับกลางของ OpenAI ที่รับข้อความและภาพเพื่อใช้เหตุผลและควบคุมคอมพิวเตอร์ โดยออกแบบมาให้เป็นทางเลือกระหว่างความสามารถกับต้นทุนสำหรับงานประจำวัน OpenAI เปิดตัวรุ่นนี้เมื่อวันที่ 26 ตุลาคม 2026 เพื่ออัปเกรด GPT-5.6 Terra และลดราคา API ลงครึ่งหนึ่งเมื่อเทียบกับรุ่นก่อน จุดขายจึงชัด แต่ยังไม่ใช่หลักฐานว่าทุกงานจะถูกลงครึ่งหนึ่งในทางปฏิบัติ เพราะใบเรียกเก็บเงินจริงขึ้นกับจำนวนโทเคนอินพุตและเอาต์พุต รูปแบบการประมวลผล และระดับความพยายามในการให้เหตุผลที่ตั้งไว้ ราคา GPT-6.1 Terra น่าสนใจเป็นพิเศษสำหรับทีมที่ส่งคำขอจำนวนมากหรือใช้แคชบ่อย ทว่าองค์กรที่ป้อนบริบทยาวมากอาจเจอตัวคูณต้นทุน ซึ่งทำให้ความได้เปรียบจากราคาต่อโทเคนลดลง
| ประเด็น | GPT-5.6 Terra | GPT-6.1 Terra |
|---|---|---|
| ราคา API เทียบกัน | ราคาเดิมสูงกว่ารุ่นใหม่ทั้งอินพุตและเอาต์พุต | ลดลงครึ่งหนึ่งจากรุ่นก่อน |
| อินพุตแบบแคช | ราคาเดิมสูงกว่ารุ่นใหม่สี่เท่า | ถูกลงเมื่อเทียบกับรุ่นก่อน |
| บริบทสูงสุด | 1,050,000 โทเคน | 1,050,000 โทเคน |
| วันตัดขอบเขตความรู้ | 16 กุมภาพันธ์ 2026 | 1 มิถุนายน 2026 |
ข้อควรระวังคือ คำขอที่มีอินพุตเกิน 272,000 โทเคนถูกคิดในอัตราอินพุตและแคชที่เพิ่มเป็นสองเท่า และเอาต์พุตที่เพิ่มเป็น 1.5 เท่าสำหรับคำขอนั้น ส่วนโหมด batch และ flex ลดต้นทุนเมื่อเทียบกับอัตรามาตรฐาน ขณะที่โหมด fast และการประมวลผลระดับภูมิภาคมีตัวปรับราคาเพิ่ม ดังนั้นการประเมินราคา API OpenAI ควรอิงบันทึกการใช้งานจริงของระบบ ไม่ใช่ดูเพียงราคาต่อโทเคน

ข้อผิดพลาดลดลงชัด แต่หลักฐานยังมีขอบเขต
ตัวเลขที่ทำให้การอัปเกรดครั้งนี้น่าสนใจคือผลทดสอบภายในของ OpenAI ซึ่งระบุว่า เมื่อใช้ความพยายามในการให้เหตุผลระดับต่ำ อัตราข้อผิดพลาดลดจาก 53.6% ใน GPT-5.6 Terra เหลือ 16.7% ใน GPT-6.1 Terra นี่เป็นสัญญาณว่ารุ่นใหม่อาจช่วยให้งานที่ต้องการคำตอบเร็วและไม่ควรใช้การคิดระดับสูงทุกครั้งมีความสม่ำเสมอขึ้น แต่การทดสอบดังกล่าวใช้พรอมป์ที่ตั้งใจชักนำให้เกิดข้อผิดพลาดและยังไม่ใช่ผลทดสอบอิสระ จึงไม่ควรตีความว่าอัตราพลาดในทุกงานจริงจะลดลงในสัดส่วนเดียวกัน
ผลที่ OpenAI เปิดเผยอีกชุดชี้ว่า GPT-6.1 Terra ทำคะแนน Terminal-Bench 4.0 ได้ 50.3% เมื่อใช้ความพยายามสูงสุด เทียบกับ 21.5% ของรุ่นก่อน อย่างไรก็ตาม การวัดอิสระให้ภาพที่ระมัดระวังกว่า โดยจัดรุ่นนี้ไว้ที่ดัชนี Intelligence 48 และอันดับ 25 จาก 221 โมเดล พร้อมคะแนนต่ำกว่า Sol สี่คะแนน ประสิทธิภาพ GPT-6.1 จึงดูดีขึ้นจากรุ่นก่อนอย่างมีเหตุผล แต่ยังไม่มีข้อมูลพอจะเรียกว่าเทียบชั้นรุ่นเรือธงในทุกด้าน

งานภาพและการควบคุมคอมพิวเตอร์คือจุดที่ควรลองก่อน
ตำแหน่งของ Terra ไม่ใช่การเป็นโมเดลให้เหตุผลระดับสูงสุด แต่เป็นตัวเลือกสำหรับงานที่ต้องอ่านภาพแล้วลงมือทำบนคอมพิวเตอร์ เช่น ทำความเข้าใจหน้าจอ กรอกแบบฟอร์ม จัดการงานในซอฟต์แวร์ หรือช่วยทำงานกับเชลล์และรีโพซิทอรี OpenAI ระบุว่ารุ่นนี้เน้นการให้เหตุผลผ่านภาพและการสั่งงานคอมพิวเตอร์อย่างแม่นยำ งานเหล่านี้สอดคล้องกับผล Terminal-Bench ที่ดีขึ้น จึงเป็นกรณีใช้งานที่มีเหตุผลให้ทดลองย้ายก่อน โดยเฉพาะเมื่อระบบเดิมพึ่งพาคำสั่งซ้ำจำนวนมาก
ข้อจำกัดสำคัญคือโมเดลรับข้อความและภาพ แต่ไม่รองรับเสียงหรือวิดีโอ และการเรียกใช้เครื่องมือต้องผ่าน Responses API อีกทั้งไม่มีการปรับแต่งละเอียด การเลือกใช้จึงควรเริ่มจากชุดทดสอบของงานจริง วัดทั้งความสำเร็จ จำนวนครั้งที่ต้องแก้ และโทเคนที่ใช้ หากงานเป็นการวิเคราะห์ยาวซับซ้อนหรือความผิดพลาดมีต้นทุนสูง การเลือกระดับความพยายามสูงหรือใช้โมเดลที่เก่งกว่าก็อาจเหมาะกว่า แม้ราคาต่อคำขอจะสูงขึ้น

เหมาะกับการทดลองย้าย ไม่ใช่ย้ายทั้งระบบโดยไม่วัดผล
ผู้ใช้ทั่วไปยังไม่ได้เลือก Terra ได้ทุกพื้นที่ใน ChatGPT โดยเปิดให้ใช้กับแพ็กเกจ Plus, Pro, Business, Enterprise และ Edu ภายใน ChatGPT Work และ Codex ผ่านเมนู Advanced บนแอปเดสก์ท็อปและ Work บนเว็บ โดย Work รองรับมือถือด้วย แต่ยังไม่เปิดใน ChatGPT Chat และไม่รองรับการกำหนดที่ตั้งประมวลผลใน UAE การเข้าถึงสำหรับองค์กรยังขึ้นกับการตั้งค่าของเวิร์กสเปซและผู้ดูแลระบบ
การย้ายระบบก็ยังมีสัญญาณที่ควรติดตาม: OpenAI ยังไม่ได้ประกาศวันปิดให้บริการ GPT-5.6 Terra ขณะที่ GitHub Copilot ระบุแผนเลิกใช้รุ่นเดิมวันที่ 16 พฤศจิกายน 2026 และชี้ไปยัง GPT-6.1 Sol หรือ GPT-6 Luna แทน Terra นี่ไม่ใช่ข้อพิสูจน์ว่า Terra ใช้ไม่ได้ แต่เตือนว่าความเหมาะสมของรุ่นกลางอาจต่างกันตามแพลตฟอร์มและเวิร์กโฟลว์
สรุปแล้ว GPT-6.1 Terra คุ้มขึ้นอย่างชัดเจนสำหรับงานภาพ การควบคุมคอมพิวเตอร์ และงานซ้ำที่ต้องการลดต้นทุน โดยมีผลทดสอบภายในที่ชี้ว่าข้อผิดพลาดระดับความพยายามต่ำลดลงมาก แต่ราคาต่อโทเคนไม่ใช่ต้นทุนต่อภารกิจ และผลทดสอบยังไม่ครอบคลุมทุกสถานการณ์ ทางเลือกที่รอบคอบคือทดลองกับงานจริง วัดต้นทุนรวมและคุณภาพ แล้วค่อยขยายการใช้งาน แทนการย้ายระบบทั้งหมดเพราะเห็นราคาลดครึ่งเดียว







