OpenAI เปิด GPT-6 Sol–GPT-6 Luna แบ่งงาน AI ตามความซับซ้อนและต้นทุน
OpenAI วาง GPT-6 Sol รับงานเขียนโค้ด-ระบบ AI ที่ทำงานหลายขั้นตอน ส่วน GPT-6 Luna เจาะงานเฉพาะทางปริมาณมาก ราคาผ่าน API ต่างกัน 20 เท่า
KEY
POINTS
- OpenAI เปิดตัวโมเดลใหม่ 2 รุ่น คือ GPT-6 Sol และ GPT-6 Luna โดยแบ่งการใช้งานตามความซับซ้อนและต้นทุน
- GPT-6 Sol ถูกออกแบบมาสำหรับงานที่มีความซับซ้อนสูง เช่น การเขียนโค้ดและระบบ AI ที่ต้องทำงานหลายขั้นตอน โดยมีราคาสูงกว่า
- GPT-6 Luna เป็นโมเดลที่เน้นความคุ้มค่าสำหรับงานเฉพาะทางที่ต้องการปริมาณการประมวลผลสูง โดยมีราคาถูกกว่า Sol ถึง 20 เท่า
OpenAI เปิดรายละเอียดโมเดล GPT-6 Sol และ GPT-6 Luna โดยแบ่งบทบาทตามลักษณะงานและต้นทุนการใช้งาน GPT-6 Sol ถูกวางไว้สำหรับงานซับซ้อน โดยเฉพาะการเขียนโค้ดและระบบ AI ที่ใช้เครื่องมือทำงานต่อเนื่องหลายขั้นตอน ขณะที่ GPT-6 Luna เน้นงานเฉพาะทางที่ต้องประมวลผลจำนวนมากในต้นทุนต่ำ
การแบ่งระดับโมเดลครั้งนี้ทำให้โจทย์ขององค์กรไม่ได้อยู่เพียงการเลือก AI ที่มีความสามารถสูงสุด แต่รวมถึงการจัดงานแต่ละประเภทให้เหมาะกับต้นทุน เพราะราคาของ GPT-6 Sol และ GPT-6 Luna ต่างกันถึง 20 เท่า ทั้งในส่วนข้อมูลนำเข้าและผลลัพธ์ที่สร้างผ่าน API
GPT-6 Sol เจาะงานโค้ดและ AI Agent
เอกสาร OpenAI Docs ระบุว่า GPT-6 Sol ออกแบบมาเพื่อรองรับงานเขียนโค้ดที่ซับซ้อน และเวิร์กโฟลว์แบบ agent ซึ่ง AI ต้องดำเนินงานหลายขั้นตอน รวมถึงเรียกใช้เครื่องมือระหว่างทำงาน OpenAI วางตำแหน่ง GPT-6 Sol เป็นทางเลือกที่สมดุลระหว่างความสามารถกับต้นทุนในตระกูล GPT-6
ราคา GPT-6 Sol ผ่าน API อยู่ที่ 2 ดอลลาร์ต่อข้อมูลนำเข้า 1 ล้านโทเคน และ 10 ดอลลาร์ต่อผลลัพธ์ 1 ล้านโทเคน โดยรองรับหน้าต่างบริบทสูงสุด 1.05 ล้านโทเคน และสร้างผลลัพธ์ได้สูงสุด 128,000 โทเคน
GPT-6 Luna รับงานปริมาณมากในต้นทุนต่ำ
ส่วน GPT-6 Luna ถูกวางตำแหน่งเป็นโมเดลที่มีประสิทธิภาพด้านต้นทุนสำหรับงานเฉพาะทางปริมาณมาก ราคา API อยู่ที่ 0.10 ดอลลาร์ต่อข้อมูลนำเข้า 1 ล้านโทเคน และ 0.50 ดอลลาร์ต่อผลลัพธ์ 1 ล้านโทเคน หรือคิดเป็นหนึ่งในยี่สิบของราคา GPT-6 Sol ในทั้งสองส่วน
แม้ราคาแตกต่างกัน GPT-6 Luna มีหน้าต่างบริบทสูงสุด 1.05 ล้านโทเคน และสร้างผลลัพธ์ได้สูงสุด 128,000 โทเคนเช่นเดียวกับ GPT-6 Sol ทั้งสองโมเดลรองรับข้อมูลนำเข้าประเภทข้อความและภาพ ส่งผลลัพธ์เป็นข้อความ และใช้งานร่วมกับเครื่องมือ เช่น การค้นเว็บ การค้นไฟล์ และการเรียกใช้ฟังก์ชันได้ตามรายละเอียดในหน้ารวมโมเดลของ OpenAI
ต้นทุนต่อชิ้นงานเป็นโจทย์สำคัญขององค์กร
ส่วนต่างราคาทำให้การเลือกโมเดลมีผลโดยตรงต่อค่าใช้จ่ายของธุรกิจ โดยเฉพาะระบบที่ต้องประมวลผลคำขอจำนวนมาก ตัวอย่างเช่น องค์กรอาจทดสอบ GPT-6 Luna กับงานที่กำหนดรูปแบบและเกณฑ์ตรวจคำตอบได้ชัดเจน แล้วใช้ GPT-6 Sol กับงานที่ต้องแก้ปัญหาซับซ้อนหรือดำเนินการหลายขั้นตอน
อย่างไรก็ตาม ราคาต่อโทเคนที่ต่ำกว่าไม่ได้ยืนยันว่าต้นทุนต่อชิ้นงานจะต่ำกว่าเสมอไป หากโมเดลต้องทำงานซ้ำหรือมีผลลัพธ์ที่ต้องให้คนแก้ไขมากขึ้น องค์กรจึงต้องวัดทั้งคุณภาพ ความเร็ว ปริมาณโทเคนที่ใช้ และอัตรางานที่สำเร็จจริง ก่อนตัดสินใจแบ่งงานระหว่าง GPT-6 Sol กับ GPT-6 Luna ข้อเสนอเรื่องการนำไปใช้ดังกล่าวเป็นการวิเคราะห์จากตำแหน่งผลิตภัณฑ์และราคาที่ OpenAI เผยแพร่ ไม่ใช่ผลทดสอบเปรียบเทียบประสิทธิภาพของทั้งสองโมเดล
