ตระกูลโมเดล GPT‑5.6 ทำให้การทำงานระดับแนวหน้าของ Agent เข้าถึงได้ในราคาที่เข้าถึงง่ายขึ้น พร้อมทั้งช่วยผลักดันขีดจำกัดของสิ่งที่โมเดลสามารถทำได้
ด้วยการปรับปรุงทางสถาปัตยกรรม ทำให้สามารถใช้โมเดลอย่าง Luna และ Terra ที่มีต้นทุนต่ำกว่า แต่ให้ประสิทธิภาพเทียบเท่า GPT‑5.4 และ 5.5 ในงานเฉพาะทาง เช่น การสกัดข้อมูลจากเอกสารเก่า ซึ่งช่วยประหยัดต้นทุนได้อย่างมาก
การปรับปรุง API สำหรับการตอบสนองช่วยให้ Agent ทำงานได้อย่างมีประสิทธิภาพมากขึ้น โดยการอนุญาตให้มีการคงอยู่ของเหตุผลข้ามเทิร์น และใช้ Native compaction เพื่อบีบอัดบทสนทนาที่ยาวนาน
นอกจากนี้ การใช้ prompt_cache_key ที่เหมาะสมยังช่วยเพิ่มโอกาสที่คำขอจะไปถึง Inference engine เดียวกัน ทำให้ลด Latency ได้ด้วย
ดังนั้น กรณีการใช้งานที่เคยต้องใช้โมเดลระดับแนวหน้าในทุกขั้นตอน ตอนนี้สามารถให้ผลลัพธ์เทียบเคียงกันได้ด้วยต้นทุนที่น้อยกว่ามาก หากเลือกใช้โมเดลขนาดเล็ก ปรับแต่งความพยายามในการให้เหตุผล และตัดสินใจทางสถาปัตยกรรมอย่างมีประสิทธิภาพ
ศัพท์ที่ควรรู้
- GPT‑5.6 – โมเดลภาษาขนาดใหญ่รุ่นใหม่ที่ถูกนำเสนอในคู่มือสำหรับนักพัฒนา
- Agent – ระบบอัตโนมัติที่สามารถทำงานตามเป้าหมายที่กำหนดไว้ได้
- BrowseComp – เกณฑ์มาตรฐานที่ทดสอบความสามารถของโมเดลในการค้นหาข้อมูลเฉพาะ
- Native compaction – กระบวนการบีบอัดบทสนทนาที่เกิดขึ้นระหว่างการทำงานของโมเดล
- Prompt Caching – การจัดเก็บคำสั่ง (prompt) ที่เคยใช้ไปแล้วเพื่อนำมาใช้ซ้ำในการประมวลผลครั้งต่อไป
ที่มา: OpenAI