สร้างขีดความสามารถอัจฉริยะที่เข้าถึงได้อย่างแพร่หลาย

โครงสร้างพื้นฐานด้าน AI ไม่ได้มีคุณค่าเพียงเพราะมีขนาดใหญ่ แต่มีคุณค่าเพราะช่วยให้เราสร้างระบบอัจฉริยะที่มีความสามารถสูงขึ้น เปิดโอกาสให้ผู้คนเข้าถึงได้มากขึ้น และมีต้นทุนต่ำลง

สำหรับฉันแล้ว ความอุดมสมบูรณ์หมายถึงสิ่งนี้ แนวคิดดังกล่าวเป็นหัวใจสำคัญทั้งของพันธกิจในการทำให้ปัญญาประดิษฐ์ทั่วไปสร้างประโยชน์แก่มวลมนุษยชาติ และของกลไกทางเศรษฐกิจที่ขับเคลื่อนธุรกิจของเรา

เมื่อต้นทุนของระบบอัจฉริยะที่นำไปใช้ประโยชน์ได้จริงลดลง งานอีกมากมายก็มีความคุ้มค่าที่จะลงมือทำ และเมื่อโมเดลเก่งขึ้น งานเหล่านั้นก็สร้างมูลค่าได้มากกว่าเดิม เมื่อการนำไปใช้งานขยายตัว เราจะได้รับรายได้ ข้อมูลจากการใช้งานจริง และมองเห็นความต้องการได้ชัดเจนขึ้น เพื่อนำไปต่อยอดการลงทุนด้านการวิจัยและโครงสร้างพื้นฐานในรุ่นถัดไป

ระบบอัจฉริยะที่มีความสามารถสูงขึ้นจะช่วยให้มีการนำไปใช้งานอย่างแพร่หลายยิ่งขึ้น การใช้งานที่ขยายตัวจะสนับสนุนให้เกิดการลงทุนเพิ่มขึ้น และการลงทุนที่เพิ่มขึ้นจะช่วยยกระดับทั้งความสามารถและประสิทธิภาพของระบบอัจฉริยะ นี่คือวงจรที่เรากำลังสร้างขึ้น

ประกาศปรับราคาล่าสุดของเราสะท้อนให้เห็นว่าวงจรดังกล่าวสร้างประโยชน์แก่ลูกค้าได้รวดเร็วแค่ไหน เมื่อวานนี้เราปรับลดราคา GPT‑5.6 Luna ลง 80% และ GPT‑5.6 Terra ลง 20% ปัจจุบัน Luna มีราคา 0.20 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น และ 1.20 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น ส่วน Terra มีราคา 2 ดอลลาร์และ 12 ดอลลาร์ตามลำดับ

สำหรับ GPT‑5.6 Sol โหมด Fast ให้ความเร็วสูงสุด 2.5 เท่าของการประมวลผลมาตรฐาน โดยมีราคาสองเท่าและระดับขีดความสามารถไม่เปลี่ยนแปลง

สิ่งเหล่านี้ไม่ใช่เพียงการเปลี่ยนแปลงด้านราคา แต่ยังทำให้งานอีกหลายประเภทสามารถนำไปปฏิบัติได้จริง และเพิ่มความยืดหยุ่นให้ลูกค้าในการสร้างสมดุลระหว่างความสามารถของ AI ความเร็ว ความน่าเชื่อถือ และต้นทุน

สิ่งที่ควรถามไม่ใช่ว่างานแต่ละประเภทต้องใช้โมเดลใด แต่ควรถามว่าต้องใช้ความสามารถของ AI ในระดับใดเพื่อให้ได้ผลลัพธ์ที่ต้องการ ต้องการความสามารถนั้นเร็วแค่ไหน และควรใช้งบประมาณเท่าใดในการสร้างผลลัพธ์นั้น โดยสมดุลของปัจจัยเหล่านี้อาจเปลี่ยนแปลงได้หลายครั้งตลอดเวิร์กโฟลว์เดียวกัน

ลูกค้าไม่ได้ซื้อโทเค็นเพียงเพราะต้องการโทเค็น แต่ต้องการให้ปัญหาด้านการสนับสนุนได้รับการแก้ไข ซอฟต์แวร์พร้อมเปิดตัว สัญญาได้รับการตรวจสอบ หรือคำถามทางวิทยาศาสตร์ได้รับคำตอบ ดังนั้น ตัวชี้วัดที่เหมาะสมคือต้นทุนในการบรรลุผลลัพธ์ที่สำเร็จ ซึ่งรวมถึงเวลา จำนวนครั้งที่ต้องลองใหม่ การกำกับดูแล และข้อผิดพลาดที่เกิดขึ้นตลอดกระบวนการ

ท้ายที่สุดแล้วโมเดลที่มีความสามารถสูงกว่าและทำงานได้อย่างถูกต้องและมีประสิทธิภาพอาจประหยัดกว่าในระยะยาว เมื่อเทียบกับโมเดลราคาถูกที่ต้องลองใหม่หลายรอบหรือต้องให้มนุษย์เข้ามาช่วยเหลือเป็นจำนวนมาก ในทางกลับกัน โมเดลที่มีราคาต่ำกว่าก็ช่วยขยายการเข้าถึงได้อย่างมาก หากทำผลงานได้ตามเกณฑ์คุณภาพเดียวกัน โอกาสที่แท้จริงจึงอยู่ที่การใช้ความสามารถของ AI ให้มากที่สุดเท่าที่จะเกิดประโยชน์ในราคาที่เหมาะสม

การส่งมอบคุณค่าดังกล่าวไม่ได้อาศัยเพียงการสร้างศูนย์ข้อมูลเพิ่มเท่านั้น แต่ยังต้องเพิ่มประสิทธิภาพของทรัพยากรการประมวลผลทุกหน่วยด้วย

งานด้านวิศวกรรมล่าสุดของเราแสดงให้เห็นว่าสิ่งนี้เกิดขึ้นจริงได้อย่างไร GPT‑5.6 Sol ทำงานร่วมกับทีมเทคนิคของเราเพื่อช่วยเพิ่มประสิทธิภาพซอฟต์แวร์ที่ใช้ให้บริการโมเดลในระบบจริง ซึ่งช่วยลดต้นทุนการให้บริการตั้งแต่ต้นจนจบลง 20% นอกจากนี้ยังช่วยปรับปรุงการถอดรหัสแบบคาดการณ์ล่วงหน้า ทำให้ประสิทธิภาพการสร้างโทเค็นเพิ่มขึ้นมากกว่า 15 เปอร์เซ็นต์

สิ่งที่สำคัญไม่แพ้กันคือ ประสิทธิภาพไม่ได้ขึ้นอยู่กับโมเดลเพียงอย่างเดียว ระบบที่อยู่รอบโมเดลก็มีความสำคัญ การกำหนดเส้นทางที่ดีขึ้นช่วยให้ฮาร์ดแวร์ทำงานได้อย่างเต็มประสิทธิภาพ การจัดการบริบทอย่างชาญฉลาดช่วยป้องกันไม่ให้เอเจนต์ทำงานซ้ำ เครื่องมือที่มีประสิทธิภาพและการออกแบบผลิตภัณฑ์ที่ดีขึ้นช่วยลดจำนวนขั้นตอนที่ต้องใช้ในการทำงานให้เสร็จ

ในการวิเคราะห์ผลการทดสอบล่าสุดพบว่า การพัฒนาความสามารถในการคงกระบวนการให้เหตุผลไว้ และการจัดการบริบททำให้คะแนนของ GPT‑5.6 Sol ในชุดโจทย์ ARC-AGI-3 สาธารณะเพิ่มขึ้นจาก 13.3% เป็น 38.3% โดยใช้โทเค็นเอาต์พุตน้อยลงถึง 6 เท่า สิ่งที่เปลี่ยนไปไม่ใช่ตัวโมเดล แต่เป็นระบบที่แวดล้อมโมเดล

ประโยชน์เหล่านี้จะยิ่งทวีคูณ โมเดลที่มีความสามารถสูงขึ้นช่วยให้ทีมของเราค้นพบแนวทางใหม่ๆ ในการเพิ่มประสิทธิภาพ ซึ่งช่วยลดต้นทุนในการให้บริการลูกค้าและทำให้เรารองรับงานได้มากขึ้นด้วยโครงสร้างพื้นฐานเท่าเดิม และส่งผลให้ผู้คนเข้าถึง AI รุ่นถัดไปที่ชาญฉลาดยิ่งขึ้นได้ง่ายขึ้น

ข้อดีของการพัฒนาให้ครอบคลุมตั้งแต่โครงสร้างพื้นฐาน โมเดล แพลตฟอร์ม ไปจนถึงผลิตภัณฑ์ ไม่ได้อยู่แค่การที่เรามีบทบาทในทุกชั้นเท่านั้น แต่คือการที่แต่ละชั้นช่วยให้อีกชั้นทำงานได้ดียิ่งขึ้น

การใช้งานผลิตภัณฑ์ในสถานการณ์จริงช่วยให้เราเห็นว่าลูกค้าได้รับประโยชน์จากส่วนใดและพบอุปสรรคตรงไหน ความคิดเห็นเหล่านี้ช่วยกำหนดทิศทางการวิจัยของเรา ความก้าวหน้าด้านการวิจัยช่วยยกระดับผลิตภัณฑ์และลดต้นทุนในการให้บริการ ส่วนความต้องการใช้งาน ChatGPT, ChatGPT Work, Codex และ API ช่วยให้เราตัดสินใจได้ดีขึ้นว่าควรเพิ่มขีดความสามารถรองรับการใช้งานในด้านใด

การเรียนรู้ในระดับนี้มีความสำคัญ ปัจจุบันโมเดลของเราเข้าถึงผู้ใช้งานจริงมากกว่า 1 พันล้านคนและธุรกิจกว่า 2 ล้านแห่ง เมื่อผู้คนมั่นใจในเทคโนโลยีมากขึ้น พวกเขาก็นำเทคโนโลยีไปใช้งานได้ลึกซึ้งยิ่งขึ้น หลังจากสมัครใช้งานครบ 6 เดือน ผู้ใช้ส่งข้อความต่อวันเพิ่มขึ้นประมาณ 50% และใช้ ChatGPT ทำงานหลากหลายประเภทขึ้นราว 2 เท่า ChatGPT Work กำลังพลิกโฉมบทบาทของคนทำงานที่ใช้ความรู้ โดยก้าวข้ามจากการตอบคำถามไปสู่การทำงานที่ซับซ้อนและมีหลายขั้นตอนให้สำเร็จ หรือเปลี่ยนจาก “การถาม” เป็น “การลงมือทำ” ปัจจุบันงานที่ดำเนินการโดยเอเจนต์ผ่าน Codex คิดเป็น 99.8% ของโทเค็นเอาต์พุตรายสัปดาห์ทั่วทั้ง OpenAI โดยฝ่ายการเงินเป็นหนึ่งในทีมที่นำเครื่องมือเอเจนต์มาใช้เป็นส่วนสำคัญของวิธีการทำงาน

ภายในองค์กรก็พบรูปแบบที่คล้ายกัน บริษัทอาจเริ่มต้นจากทีมเดียวหรือเวิร์กโฟลว์เดียว เมื่อคุณภาพและความคุ้มค่าทางเศรษฐศาสตร์ดีขึ้น การนำไปใช้ก็ขยายไปยังหน่วยงานต่างๆ และ AI กลายเป็นส่วนหนึ่งของการดำเนินธุรกิจ

สิ่งนี้ก่อให้เกิดวงจรข้อเสนอแนะอันทรงคุณค่าระหว่างความต้องการของลูกค้า การพัฒนาผลิตภัณฑ์ ประสิทธิภาพ และการวางแผนโครงสร้างพื้นฐาน เราไม่จำเป็นต้องเป็นเจ้าของทรัพย์สินทุกอย่างหรือพัฒนาทุกองค์ประกอบด้วยตนเอง แต่สามารถเลือกเป็นเจ้าของ ร่วมมือกับพันธมิตร หรือจัดซื้อก็ได้ ขึ้นอยู่กับว่าแนวทางใดตอบสนองลูกค้าได้ดีที่สุดและสมเหตุสมผลที่สุดในเชิงเศรษฐกิจ หัวใจสำคัญคือการประสานทุกส่วนของระบบและเรียนรู้จากการทำงานของระบบโดยรวม

เราต้องวางแผนโครงสร้างพื้นฐานด้าน AI ล่วงหน้าหลายปีก่อนที่จะต้องใช้งานจริง ขณะที่โมเดล ผลิตภัณฑ์ และความต้องการของลูกค้าเปลี่ยนแปลงรวดเร็วกว่ามาก ความไม่สอดคล้องกันนี้ทำให้การดำเนินงานอย่างมีวินัยเป็นสิ่งจำเป็น

เราใช้หลักฐานประกอบการตัดสินใจลงทุน ไม่ว่าจะเป็นการเติบโตของจำนวนผู้ใช้และปริมาณงาน ข้อตกลงผูกพันจากองค์กร การใช้ API อัตราการใช้งาน รายได้ ตลอดจนความก้าวหน้าด้านความสามารถและประสิทธิภาพของโมเดล เป้าหมายสำคัญทั้งด้านเทคนิคและธุรกิจช่วยกำหนดว่าโครงการใดควรเดินหน้าต่อและเมื่อใด ส่วนความร่วมมือระยะยาวช่วยผสานเงินทุน โครงสร้างพื้นฐาน และความเชี่ยวชาญด้านการดำเนินงานที่จำเป็นต่อการให้บริการในวงกว้าง

รายได้จากผลิตภัณฑ์ เงินทุนภาคเอกชน และความร่วมมือทางธุรกิจต่างมีบทบาทเฉพาะในการสนับสนุนการเติบโตดังกล่าว เป้าหมายไม่ใช่การสร้างโครงสร้างพื้นฐานให้ได้มากที่สุด แต่คือการเพิ่มขีดความสามารถที่เหมาะสมในเวลาที่เหมาะสม เพื่อรองรับความต้องการที่มีหลักฐานชัดเจน

คำถามสำคัญนั้นตรงไปตรงมา นั่นก็คือขีดความสามารถใหม่จะเริ่มสร้างประโยชน์ได้เร็วเพียงใด เราใช้ขีดความสามารถนั้นได้อย่างมีประสิทธิภาพแค่ไหน ขีดความสามารถดังกล่าวรองรับความต้องการใดของลูกค้า และความก้าวหน้าทางเทคนิคจะช่วยลดต้นทุนในการส่งมอบระบบอัจฉริยะที่มีประโยชน์ได้รวดเร็วเพียงใด

คำถามเหล่านี้เชื่อมโยงความมุ่งมั่นระยะยาวเข้ากับวินัยในการดำเนินงาน

เรายังอยู่ในช่วงเริ่มต้นเท่านั้น ระบบที่มีความสามารถสูงขึ้นจะสามารถทำโครงการระยะยาวให้สำเร็จ ทำงานร่วมกับเครื่องมือหลายประเภท และจัดการขั้นตอนระหว่างการริเริ่มแนวคิดกับการสร้างผลลัพธ์ขั้นสุดท้ายได้มากขึ้น ผู้คนและธุรกิจขนาดเล็กจะเข้าถึงขีดความสามารถที่ครั้งหนึ่งเคยเป็นข้อได้เปรียบขององค์กรขนาดใหญ่เท่านั้น ขณะที่องค์กรต่างๆ จะนำระบบอัจฉริยะไปใช้ในกระบวนการดำเนินงานอย่างแพร่หลายยิ่งขึ้น

เป้าหมายของเราไม่ได้อยู่ที่การเพิ่มพลังประมวลผล การสร้างโมเดลให้ใหญ่ขึ้น หรือการลดราคาโทเค็นเพียงเท่านั้น แต่คือการทำให้ทุกคนเข้าถึงระบบอัจฉริยะที่มีประโยชน์ได้มากขึ้น

ความอุดมสมบูรณ์หมายถึงการที่ระบบอัจฉริยะมีศักยภาพสูงขึ้นเรื่อยๆ มีราคาที่เข้าถึงได้มากขึ้น และสร้างคุณค่าให้แก่ผู้ใช้งานได้มากขึ้น เราจะวัดความก้าวหน้าจากปริมาณงานที่มีประโยชน์ซึ่งระบบนี้ช่วยทำให้สำเร็จได้ รวมถึงประสิทธิภาพในการส่งมอบงาน และการกระจายประโยชน์ให้เข้าถึงผู้คนได้อย่างกว้างขวาง