GPT-5.6 ถูกฝังใน Zero แล้วในรูปแบบตระกูลสามโมเดล: Sol สำหรับงานเอเจนต์หลายตัวที่ยากที่สุด, Terra สำหรับการประมวลผลสมดุลในแต่ละวัน, และ Luna สำหรับเวิร์กโฟลว์ที่รวดเร็วและปริมาณมาก
สำหรับทีมที่ต้องจัดการงานเอเจนต์หลากหลาย การมีตัวเลือกมากกว่าหนึ่งโมเดลอาจมีประโยชน์มากกว่าการมีเพียงโมเดลเรือธงใหม่หนึ่งตัว แทนที่จะต้องจ่ายค่าประมวลผลสูงสุดในทุกขั้นตอน คุณสามารถเลือกโมเดลให้เหมาะกับงานแต่ละประเภท โดยยังคงใช้สภาพแวดล้อม Zero เดิม: เครื่องมือเชื่อมต่อ, ไฟล์, การเข้าถึงเบราว์เซอร์, การประมวลผลแยก, ทักษะ และการติดตามผล
เลือกเส้นทาง Built-in แล้ว VM0 จะจัดการการเข้าถึงโมเดลและคิดค่าการใช้งานเป็นเครดิต หากทีมของคุณใช้ OpenAI API key หรือสมัครสมาชิก ChatGPT/Codex อยู่แล้ว Zero ก็รองรับเส้นทางเหล่านั้นเช่นกัน
หนึ่งตระกูล สามจุดปฏิบัติการ
OpenAI ออกแบบ GPT-5.6 โดยแบ่งระดับความสามารถอย่างชัดเจน หมายเลขระบุรุ่น; Sol, Terra และ Luna อธิบายการแลกเปลี่ยนระหว่างความฉลาด, ความเร็ว และต้นทุน
GPT-5.6 Sol: งานที่ยากที่สุด
Sol คือเรือธง เลือกใช้เมื่อภารกิจยากพอที่แผนที่แข็งแกร่งขึ้น, การตรวจสอบมากขึ้น หรือการทำงานขนานกันจะเปลี่ยนผลลัพธ์ได้อย่างมีนัยสำคัญ
การผสาน GPT-5.6 Sol ใน Zero ใช้การให้เหตุผลแบบ Ultra เป็นค่าเริ่มต้น OpenAI อธิบาย Ultra ว่าสามารถประสานงานเอเจนต์สี่ตัวพร้อมกันแล้วสังเคราะห์ผลงานเข้าด้วยกัน ทำให้ Sol เหมาะกับงานที่มีหลายสายงานอิสระ เช่น:
- ย้าย codebase ขนาดใหญ่พร้อมทดสอบความเข้ากันได้และจัดทำเอกสารผลลัพธ์
- วิจัยตลาดจากหลายแหล่ง, ท้าทายข้อค้นพบ, และจัดทำสรุปเพื่อการตัดสินใจ
- เปลี่ยนบรีฟผลิตภัณฑ์เป็นอินเทอร์เฟซที่สมบูรณ์ ตรวจสอบผลลัพธ์ที่แสดง และแก้ไขปัญหาด้านภาพหรือการทำงาน
- สืบสวนเหตุการณ์ในระบบโดยดูจาก log, โค้ด, ตั๋วงาน และสถานะเบราว์เซอร์ก่อนเสนอแนวทางแก้ไข
Sol อยู่ในชั้น $$$ VM0 Built-in ใช้เมื่อความผิดพลาดมีต้นทุนสูง ไม่เหมาะกับการตอบสั้น ๆ ทุกครั้ง
GPT-5.6 Terra: งานสมดุลที่เชื่อถือได้
Terra คือจุดเริ่มต้นที่เหมาะสมสำหรับงานมืออาชีพที่ทำซ้ำได้ OpenAI จัดวางไว้เป็นชั้นสมดุลและรายงานประสิทธิภาพใกล้เคียงกับ GPT-5.5 ที่ราคาต่อโทเคน API เพียงครึ่งเดียว
ใช้ Terra กับงานที่ยังต้องใช้เหตุผลและเครื่องมือ แต่ไม่ต้องการประมวลผลสูงสุดแบบ Sol:
- วิจัยประจำวัน, ติดตามคู่แข่ง, และสรุปจากหลายแหล่ง
- แก้ไขโค้ดประจำ, วิเคราะห์ pull-request, และตรวจสอบปัญหา
- ร่างรายงาน, แผนเปิดตัว, บรีฟลูกค้า, และเอกสารปฏิบัติงาน
- เวิร์กโฟลว์เอเจนต์ที่ต้องจัดการบริบทยาวได้ดีในต้นทุนที่เหมาะสมกว่า
Terra อยู่ในชั้น $$ VM0 Built-in ไม่ได้ถูกบังคับให้เป็นค่าเริ่มต้นสำหรับทุกกรณี แต่เป็นชั้นที่เราแนะนำให้ทดสอบก่อนสำหรับเวิร์กโฟลว์ทั่วไปหลายประเภท
GPT-5.6 Luna: ความเร็วและปริมาณ
Luna คือสมาชิกที่เร็วและประหยัดที่สุดในตระกูล ออกแบบมาสำหรับงานที่ปริมาณและเวลาตอบสนองสำคัญกว่าความลึกสูงสุด
งานที่เหมาะกับ Luna ได้แก่:
- จัดหมวดหมู่หรือคัดแยกตั๋ว, รายชื่อลีด, หรือข้อความจำนวนมาก
- ดึงข้อมูลโครงสร้างจากเอกสารที่มีรูปแบบสม่ำเสมอ
- คัดกรองเบื้องต้นก่อนส่งต่อกรณีที่คลุมเครือไปยัง Terra หรือ Sol
- สร้างสรุปสั้นหรือแปลงข้อมูลจำนวนมากอย่างรวดเร็ว
Luna อยู่ในชั้น $ VM0 Built-in ไม่ใช่ตัวเลือกที่เหมาะกับทุกงานราคาถูก: การประเมิน long-context ของ OpenAI เองแสดงให้เห็นว่า Luna มีช่องว่างกับสองชั้นที่สูงกว่ามากเมื่อดึงข้อมูลจากอินพุตขนาดใหญ่มาก ส่งงานที่มีบริบทลึกหรือคลุมเครือไปยัง Terra หรือ Sol
สิ่งที่ benchmark บอก—และไม่บอก
OpenAI รายงานผลลัพธ์ที่แข็งแกร่งในทุกโมเดล แต่สิ่งสำคัญคือรูปแบบการแลกเปลี่ยน ไม่ใช่ตำแหน่งบนกระดานคะแนนเดียว
บน Terminal-Bench 2.1 ซึ่งประเมินเวิร์กโฟลว์เอเจนต์บรรทัดคำสั่ง OpenAI รายงาน 91.9% สำหรับ Sol Ultra, 88.8% สำหรับ Sol, 87.4% สำหรับ Terra และ 84.7% สำหรับ Luna สำหรับ BrowseComp คะแนนที่รายงานคือ 92.2% สำหรับ Sol Ultra, 90.4% สำหรับ Sol, 87.5% สำหรับ Terra และ 83.3% สำหรับ Luna
ผลลัพธ์ long-context เป็นสัญญาณสำคัญในการเลือกเส้นทาง บน OpenAI MRCR v2, 8-needle, 256K–512K Sol ได้คะแนน 91.5% และ Terra 89.6% ขณะที่ Luna ได้ 41.3% Luna ยังเหมาะกับงานสั้น ๆ ที่ทำซ้ำบ่อย เพียงแต่ไม่ควรใช้แทน Sol สำหรับทุกงาน
นี่คือการประเมินที่ผู้ผลิตรายงาน ไม่ใช่อันดับสากล Benchmark วัดจากเครื่องมือ, การตั้งค่าการให้เหตุผล และงบประมาณเฉพาะ เวิร์กโฟลว์ของคุณอาจให้ผลลัพธ์ต่างกัน ดังนั้นควรทดสอบงานตัวอย่างก่อนเปลี่ยนเอเจนต์ในระบบจริง
GPT-5.6 เทียบกับ GPT-5.5 และ Claude Fable 5
การเปรียบเทียบที่เป็นประโยชน์ไม่ใช่ “โมเดลไหนชนะ?” แต่คือ “พฤติกรรมแบบไหนที่คุ้มค่ากับการจ่ายในแต่ละช่วงของงาน?”
| โมเดล | เหมาะกับ Zero แบบไหน | จุดเด่น | ชั้น VM0 Built-in |
|---|---|---|---|
| GPT-5.6 Sol | งานยากหลายขั้นตอนที่การวางแผน, การประมวลผลขนาน, วิจารณญาณด้านการออกแบบ หรือการตรวจสอบสามารถเปลี่ยนผลลัพธ์ได้ | Zero ใช้ Ultra เป็นค่าเริ่มต้น; ชั้น GPT-5.6 ที่แข็งแกร่งที่สุดสำหรับโค้ด, การใช้คอมพิวเตอร์, การออกแบบ, วิจัย และบริบทลึก | $$$ |
| GPT-5.6 Terra | เวิร์กโฟลว์มืออาชีพประจำวันซึ่งยังต้องใช้เหตุผลและเครื่องมือที่เชื่อถือได้ | คุณภาพ, ความเร็ว, และต้นทุนสมดุล; เหมาะกับงานบริบทยาวในตระกูลนี้ | $$ |
| GPT-5.6 Luna | งานเร็ว ปริมาณมาก อินพุตสม่ำเสมอและสามารถส่งต่อได้ง่าย | ความหน่วงต่ำสุดและต้นทุนต่ำสุดในตระกูล; เหมาะกับการคัดกรอง, ดึงข้อมูล, และประมวลผลจำนวนมาก | $ |
| GPT-5.5 | เวิร์กโฟลว์ OpenAI เดิมที่ผ่านการตรวจสอบแล้วและยังไม่ต้องปรับฐานใหม่ | พฤติกรรมแนวหน้าแบบคุ้นเคยและเป็นจุดเปรียบเทียบที่มั่นคงสำหรับเอเจนต์ปัจจุบัน | การใช้งานขึ้นกับการตั้งค่า workspace |
| Claude Fable 5 | เวิร์กโฟลว์ Anthropic และ Claude Code ที่ลึกที่สุด โดยเฉพาะเมื่อทีมคุ้นเคยกับพฤติกรรมนี้แล้ว | การให้เหตุผลระยะยาวระดับพรีเมียมและโปรไฟล์ผู้ให้บริการ/เครื่องมือที่แตกต่าง | $$$$ |
OpenAI รายงานว่า Sol นำหน้า Fable 5 ใน Agents' Last Exam และ Artificial Analysis Coding Agent Index ขณะที่ Fable 5 ยังนำอยู่เล็กน้อยใน GDPval-AA v2 นี่คือเหตุผลว่าทำไม “โมเดลที่ดีที่สุด” จึงเป็นคำกล่าวที่กว้างเกินไป Sol เหมาะอย่างยิ่งเมื่อคุณต้องการความสามารถด้านโค้ด, การใช้คอมพิวเตอร์, การออกแบบ และพฤติกรรมเอเจนต์หลายตัวที่แข็งแกร่งที่สุดของ OpenAI Fable ยังคงเป็นตัวเลือกที่ดีสำหรับงาน Anthropic ระดับสูงและเวิร์กโฟลว์ที่ปรับจูนกับ Claude Code แล้ว
Terra เป็นตัวเลือกอัปเกรดโดยตรงสำหรับงาน GPT-5.5 หลายประเภท: OpenAI ระบุว่าประสิทธิภาพใกล้เคียงกับ GPT-5.5 ที่ราคาต่อโทเคน API เพียงครึ่งเดียว Luna เป็นเป้าหมายการเพิ่มประสิทธิภาพที่ต่างออกไป—เน้นความเร็วและขนาด—จึงควรเปรียบเทียบจากงานที่เสร็จต่อเงินหรือเวลาที่ใช้ ไม่ใช่แค่คะแนน benchmark สูงสุด
ความหมายของ Built-in ใน Zero
Built-in ทำให้ GPT-5.6 เป็นตัวเลือกเส้นทาง ไม่ใช่โครงการจัดการข้อมูลรับรอง เลือกผู้ให้บริการ VM0 Managed แล้ว Zero จะจัดการการเข้าถึงและคิดเครดิตตามชั้น VM0 ที่เกี่ยวข้อง คุณไม่ต้องสร้างหรือดูแล OpenAI API key แยกสำหรับเส้นทางนี้
ทีมที่ต้องการใช้ผู้ให้บริการของตนเองยังสามารถใช้ OpenAI API key หรือเชื่อมต่อกับ ChatGPT/Codex ได้ ชื่อโมเดลจะเหมือนเดิม; เปลี่ยนแค่เส้นทางการคิดเงินและการตั้งค่าผู้ให้บริการ ชั้นเครดิต VM0 ($, $$, $$$) ไม่เหมือนกับราคาต่อโทเคน API สาธารณะของ OpenAI
วิธีเปิดใช้ GPT-5.6 ใน Zero
เลือก GPT-5.6 ในการตั้งค่าโมเดล ไม่ใช่โดยเขียน “use GPT-5.6” ใน prompt
- เปิด Settings แล้วเลือก Models จากแถบด้านข้าง
- ในส่วน Personal เพิ่ม GPT 5.6 Sol, GPT 5.6 Terra หรือ GPT 5.6 Luna
- เลือก Built-in เพื่อใช้เส้นทาง VM0 Managed หรือเลือกผู้ให้บริการ OpenAI API หรือ ChatGPT/Codex ที่เชื่อมต่อไว้
- เริ่มแชทหรือรัน เปิดตัวเลือกโมเดล แล้วสลับไปยังชั้นที่ต้องการ
- เมื่อเวิร์กโฟลว์นิ่งแล้ว ให้ตั้งค่าโมเดลที่เหมาะสมในระดับเอเจนต์หรือทักษะ เพื่อให้งานประจำใช้เส้นทางที่ตั้งใจไว้อย่างสม่ำเสมอ
คู่มือการเลือกเส้นทางที่ใช้งานได้จริง
เริ่มต้นด้วยการถามสามคำถามนี้:
- ความผิดพลาดมีต้นทุนแค่ไหน? ใช้ Sol เมื่อข้อผิดพลาดนำไปสู่การแก้ไขซ้ำ, ความเสี่ยง หรือผลกระทบต่อเนื่อง
- บริบทลึกและคลุมเครือแค่ไหน? ใช้ Terra หรือ Sol กับอินพุตขนาดใหญ่และซับซ้อนที่ต้องตรวจสอบข้ามกันและสังเคราะห์ข้อมูล
- งานนี้จะรันบ่อยแค่ไหน? ใช้ Luna กับงานปริมาณมากที่คาดเดาได้ แล้วส่งต่อข้อยกเว้น
รูปแบบการเลือกเส้นทางแบบผสมควรทดลองใช้: Luna กรองและจัดโครงสร้างอินพุต Terra ทำงานหลัก และ Sol ตัดสินใจเฉพาะจุดที่ต้องใช้เหตุผลสูงสุด คุณไม่จำเป็นต้องใช้โมเดลเดียวทำทุกอย่าง; แต่ละขั้นควรใช้โมเดลที่เหมาะสม
GPT-5.6 ทำให้การเลือกนี้ชัดเจนเป็นพิเศษ Sol, Terra และ Luna ให้ Zero มีสามจุดปฏิบัติการในสภาพแวดล้อมเอเจนต์เดียวกัน—คุณจึงเพิ่มขีดความสามารถเมื่อจำเป็น และลดต้นทุนเมื่อไม่จำเป็น
