รีวิว GPT-6.2 Sol: รุ่นใช้งานประจำวันที่ตามรุ่นเรือธงเกือบทัน แต่ไม่ใช่การอัปเกรดทุกด้าน
ในกราฟ FrontierCode 2.0 ที่ OpenAI เผยแพร่ Sol ได้ 43.8% ส่วน Astra ได้ 44.2% ห่างกันเพียง 0.4 คะแนน แต่ในวันเดียวกัน ดัชนี Coding Agent ของ Artificial Analysis (AA) กลับให้ Sol ต่ำกว่า GPT-6.1 Sol รุ่นก่อน 3 คะแนน
ทั้งสองประโยคเป็นจริง GPT-6.2 Sol ถูก OpenAI วางไว้เป็นโมเดลสำหรับ "งานประจำวันและเอเจนต์ขนาดใหญ่" ในหลายงานมันเข้าใกล้ Astra แต่ในบางทิศทางก็ถดถอย จะเรียกมันว่า "เรือธงฉบับย่อ" หรือ "รุ่นตัดทอน" ก็ไม่ตรงทั้งคู่
บทความนี้เรียบเรียงจากข้อมูลสาธารณะ ไม่ใช่ผลการทดสอบของ Guishu Intelligence ตัวเลขแยกตามแหล่งที่มาและเงื่อนไข ไม่นำมาปนกัน
การวางตำแหน่งและสเปกทางการ
ตามบทความเปิดตัวของ OpenAI Sol มุ่งไปที่งานประจำวันและการใช้เอเจนต์ในวงกว้าง และ OpenAI บอกว่าคนในบริษัทจำนวนมากใช้ Sol เป็นโมเดลเริ่มต้น สเปกในเอกสาร Sol:
- API ID:
gpt-6.2-sol - อินพุตข้อความและรูปภาพ เอาต์พุตข้อความ ไม่รองรับเสียงและวิดีโอ
- หน้าต่างบริบท 1,050,000 โทเคน อินพุตสูงสุด 922,000 เอาต์พุตสูงสุด 128,000
- รองรับการให้เหตุผล API ปฏิเสธ
reasoning effort = none - รองรับ Chat Completions, Responses, Batch ไม่รองรับ Realtime, Assistants, fine-tuning, การสร้างภาพและวิดีโอ การเรียกเครื่องมือต้องผ่าน Responses API
- ความรู้ถึง 2026-06-01 ใหม่กว่า Astra (2026-05-18)
บริบทและโหมดอินพุตเหมือน Astra ทุกประการ ที่ต่างคือการวางตำแหน่ง วันที่ตัดความรู้ และการกระจายความสามารถ
เรื่องการเข้าใช้งาน ตาม ChatGPT Learn: ChatGPT Work, Codex และ API ใน ChatGPT ต้องเปิด Work ก่อน Enterprise และ Edu ต้องให้ผู้ดูแลระบบเปิด Ultrafast เป็นชื่อระดับความเร็ว ใช้ได้ในบางแพ็กเกจ Pro ระดับสูงกว่า และในพื้นที่องค์กรหรือการศึกษาที่ผู้ดูแลระบบเปิดให้
ส่วนที่ใกล้ Astra
ตัวเลขด้านล่างมาจากเอกสารเปิดตัวของ OpenAI (ที่ VentureBeat รวบรวม) กราฟทางการอาจใช้ "จุดที่ดีที่สุด" และระดับการให้เหตุผลอาจต่างกัน
| เบนช์มาร์ก (กราฟทางการของ OpenAI) | Sol เทียบ GPT-6.1 Sol |
|---|---|
| FrontierCode 2.0 | 43.8% เทียบ 39.0% |
| LifeVal | 83.8% เทียบ 79.5% |
| BenchCAD 2.1 Core | 73.1% เทียบ 52.6% |
| Terminal-Bench-Science | 68.0% เทียบ 57.0% |
| AutomationBench (กราฟทางการ) | 41.2% เทียบ 36.1% |
| Harvey LAB-AA | 11.1% เทียบ 6.9% |
| Agents' Last Exam | 73.0% เทียบ 72.5% |
สองรายการที่ควรพูดแยก:
- FrontierCode 2.0 Sol 43.8% Astra 44.2% OpenAI ยังระบุว่าที่ระดับ max Sol ตาม Astra อยู่ราว 0.5 คะแนน
- LifeVal Sol ได้ 83.8% สูงกว่าไม่เพียงรุ่นก่อนของตัวเอง แต่ยังสูงกว่า GPT-6 Astra ที่ 79.8%
ในการประเมินอิสระก็มีหลักฐานที่สนับสนุนว่า "ใกล้" ภายใต้เงื่อนไขมาตรฐานของ AA สำหรับ FrontierCode 2.0 ตามที่ Handy AI รวบรวม Sol ได้ 44.4% Astra 45.4% Claude Fable 5.2 48.8% ในดัชนีความฉลาด AA v5.0 (ระดับ max) Sol ได้ 57.3 ใกล้เคียง GPT-6 Astra (56.9) ส่วน Astra ได้ 62.1 กล่าวคือ Sol เทียบได้ราวกับเรือธงรุ่นก่อน ไม่ใช่เรือธงรุ่นนี้
ในดัชนีรวมของ Vals (OfficeChai หรือ The Decoder สรุปต่อจาก Vals บทความนี้ไม่ได้ตรวจตารางรวมของ Vals โดยตรง) Sol อันดับ 9 ที่ 66.06% ห่างจาก Astra (อันดับ 7, 67.66%) 1.6 คะแนน
ส่วนที่ถดถอย
Coding Agent
หน้า Coding Agent ของ AA ใช้ harness ของ Codex ระดับ max:
- ดัชนี Coding Agent: Sol 49, GPT-6.1 Sol 52 ลดลง 3 คะแนน ส่วน Astra คือ 53
- SWE-Atlas-QnA-AA: Sol 46, GPT-6.1 Sol 60 บทความของ AA อธิบายว่าการลดลง 14 คะแนนนี้เป็นสาเหตุหลัก: Sol มักตกหล่นข้อเท็จจริงสำคัญมากขึ้น
- Terminal-Bench 4.1: Sol 58, Astra 64
- เวลาเฉลี่ยต่องาน: Sol ราว 17.5 นาที Astra ราว 25.1 นาที
FrontierCode-AA 2.0 ของ Sol ในที่นี้คือ 42 เท่ากับ Astra เบนช์มาร์กเดียวกันได้ 42 ใน harness ของ Codex, 44.4% ในเงื่อนไขมาตรฐานของ AA และ 43.8% ในกราฟทางการ สามตัวเลขมาจากสามเงื่อนไข แทนกันไม่ได้
วิทยาศาสตร์
ในดัชนีวิทยาศาสตร์ของ Vals (อัปเดต 16 พ.ย.) GPT-6.2 Sol อันดับ 7 ที่ 57.76% ต่ำกว่า GPT-6.1 Sol ที่ 59.63% เอกสารเปิดตัวของ OpenAI เขียน 58.5% เทียบ 59.6% ซึ่งต่างจากหน้าของ Vals เล็กน้อย บทความนี้ยึดหน้าของ Vals ข้อสรุปตรงกัน: ลดลงเล็กน้อย
งานอาชีพ
ชุดงานอาชีพของ Surge (11 งาน ออกแบบโดยแพทย์ นักบัญชี ทนายความ และวิศวกรอาวุโส) ให้ภาพที่มีทั้งดีและร้าย:
- ดีขึ้น: โค้ด แผนภูมิ และการทำตามคำสั่งของเอเจนต์ ใน Chartography Sol ได้ 87.7% สูงกว่า GPT-6 Astra (71.0%) และต่ำกว่า Astra (90.7%) เล็กน้อย
- แย่ลง: การแพทย์ PDF การเงิน DAYJOB Healthcare: Sol 17.2%, GPT-6.1 Sol 25.2% ลดลง 8 คะแนน เป็นการถดถอยที่ใหญ่ที่สุดที่ Surge วัดได้ในวันนั้น ในงานเดียวกัน Astra ได้ 34.4%
- ใน sudo L7 Sol 36.1% Astra 38.3% ทั้งคู่ต่ำกว่า Fable ที่ 52.2%
ภาพหลอนและอุปสรรค
ใน AA-Omniscience ระดับ max อัตราการหลอนของ Sol คือ 55% Astra คือ 59% (ยิ่งต่ำยิ่งดี) ชุดโจทย์ยากมาก ไม่ได้แทนอัตราหลอนในชีวิตประจำวัน และไม่ได้พิสูจน์ว่า Sol เชื่อถือได้มากกว่า
system card ระบุว่าโมเดลทั้งสองมีแนวโน้มตกหล่นอุปสรรคที่ทราบแล้วเมื่อรายงานงาน สำหรับ Sol การลดลงของ SWE-Atlas ที่ AA สังเกต (ตกหล่นข้อเท็จจริงสำคัญบ่อยขึ้น) เป็นอีกตัวชี้วัดหนึ่ง แต่เมื่อดูร่วมกันก็เป็นเครื่องเตือนว่าก่อนส่งมอบต้องมีคนตรวจ
การทดสอบส่วนตัว: การรีวิวโค้ดของ Kazike
Kazike และ AIZ小朱 ในบทความ WeChat ใช้ชุดรีวิวโค้ดที่สร้างเอง เปรียบเทียบสามโมเดลที่ระดับ xhigh: GPT-6.1 Sol พบปัญหา 65% GPT-6.2 Sol 84% GPT-6.2 Astra 96% นี่คือชุดประเมินง่าย ๆ ที่ผู้เขียนสร้างเอง ไม่เปิดเผยโจทย์และขนาดตัวอย่าง บทความยังกล่าวว่า Astra ช้ากว่า Sol ราวสองเท่า และพบบั๊กเพิ่มอีกสิบกว่าตัว ผู้เขียนจึงวางแผนใช้ Sol xhigh เป็นโมเดลรีวิวหลัก นั่นเป็นการตัดสินใจของผู้เขียน ไม่ใช่คำแนะนำทั่วไป
สิ่งนี้ไม่ขัดกับข้อสรุปของ AA: การรีวิวโค้ดคือ "อ่านโค้ดแล้วชี้ปัญหา" ส่วนดัชนี Coding Agent วัดการทำงานยาวให้เสร็จใน Codex ซึ่งเป็นงานคนละประเภท
แยก "ใกล้" ออกมาดู: ช่องว่างอยู่ตรงไหน
"Sol ใกล้ Astra" มีความหมายต่างกันมากในแต่ละเบนช์มาร์ก ตามกราฟทางการที่อ้างในบทความ ช่องว่างแบ่งได้เป็นสามระดับ
ระดับแรก แทบไม่มีช่องว่าง: FrontierCode 2.0 (43.8% เทียบ 44.2%) และ LifeVal (83.8% เทียบ 86.1% ต่าง 2.3 คะแนน) งานกลุ่มนี้ค่อนข้างทั่วไป งบการให้เหตุผลที่เพิ่มขึ้นให้ผลตอบแทนจำกัด
ระดับสอง ช่องว่างชัดเจน: BenchCAD 2.1 Core Sol 73.1% Astra 82.5%; Terminal-Bench-Science 68.0% เทียบ 77.1%; AutomationBench (กราฟทางการ) 41.2% เทียบ 52.4%; Harvey LAB-AA 11.1% เทียบ 15.0% ในงานวิทยาศาสตร์ CAD และระบบอัตโนมัติซับซ้อน ซึ่งก็คือโปรเจกต์ที่ "ยากที่สุด" Astra นำอยู่ราว 9 คะแนน และนี่คือเหตุผลที่ OpenAI แบ่งบทบาทของสองโมเดล
ระดับสาม Sol ไม่ก้าวหน้า: ดัชนีวิทยาศาสตร์ของ Vals ต่ำกว่ารุ่นก่อน SWE-Atlas QnA ของ AA ลดลง 14 คะแนน งานการแพทย์ของ Surge ถอยหลัง 8 คะแนน
เมื่อรวมสามระดับ ข้อสรุปคือ จุดแข็งของ Sol อยู่ที่ "เร็วและพอใช้" ไม่ใช่ "ดีกว่ารุ่นเก่าทุกทิศทาง" หน้าดัชนีวิทยาศาสตร์ของ Vals มีตัวเลขที่ช่วยยืนยันเรื่อง "เร็ว": ในดัชนีนี้ Sol ใช้เวลาเฉลี่ยราว 19 นาที Astra ราว 22 นาที 15 วินาที โทเคนของ Sol ราว 3.21 ล้าน ของ Astra ราว 3.48 ล้าน นี่เป็นค่าเฉลี่ยของ Vals บนสามงานวิทยาศาสตร์ ไม่ครอบคลุมทุกงาน
ทำไมการเทียบกับรุ่นก่อนจึงสำคัญ
หลายคนถามว่าอัปจาก GPT-6.1 Sol เป็น 6.2 Sol คุ้มไหม กราฟทางการตอบไปทางบวก: ในเจ็ดรายการเทียบอย่างเป็นทางการ Sol สูงกว่ารุ่นก่อนทุกรายการ และ GDPval v2 ยังเพิ่ม +5.3 คะแนน ส่วนการประเมินอิสระตอบแบบปนกัน: ในดัชนีความฉลาด AA Sol ใกล้ GPT-6 Astra แต่ดัชนี Coding Agent ลดลง ดัชนีวิทยาศาสตร์ของ Vals ลดเล็กน้อย และ Surge พบการถดถอยในหลายทิศทาง
สองคำตอบเป็นจริงได้พร้อมกัน เพราะชุดเบนช์มาร์ก ระดับการให้เหตุผลที่สุ่มตัวอย่าง และเกณฑ์ให้คะแนนในกราฟทางการต่างจากองค์กรอิสระ จะอัปหรือไม่ขึ้นกับว่าภาระงานของคุณใกล้ฝั่งไหน: ถ้างานคล้าย FrontierCode, LifeVal, BenchCAD หลักฐานสำหรับการอัปเกรดมีมากกว่า ถ้าคล้ายเอกสารการแพทย์ การดึงข้อมูลจาก PDF หรือถามตอบเชิงค้นคว้า ควรเทียบรุ่นเก่าและใหม่บนตัวอย่างของคุณก่อนตัดสินใจ
เช็กลิสต์ขั้นต่ำก่อนใช้งานจริง
- เลือกงานจริงราว 30 งาน รัน Sol รุ่นเก่าและใหม่ ล็อกระดับการให้เหตุผลเดียวกัน
- บันทึกในแต่ละงานว่าตกหล่นข้อเท็จจริงสำคัญหรือไม่ เพราะ AA พบว่า Sol ถดถอยตรงจุดนี้
- งานการแพทย์ การเงิน และ PDF ให้นับแยก ไม่เฉลี่ยรวมกับงานทั่วไป
- ให้โมเดลระบุอุปสรรคที่เจอเมื่อส่งมอบ แล้วสุ่มตรวจ system card เตือนว่าสองโมเดลตกหล่นง่ายกว่า
- หากใช้ API ให้เรียกเครื่องมือผ่าน Responses และตั้งระดับการให้เหตุผลตามเอกสาร ห้ามใช้ none
ใครควรใช้ Sol เป็นค่าเริ่มต้น
ตามหลักฐานข้างต้น Sol เหมาะกับ:
- ถามตอบประจำวัน จัดการเอกสาร งานชีวิตและสำนักงาน (ทิศทางของ LifeVal)
- รีวิวโค้ด สร้างแผนภูมิ เอเจนต์แบบแบตช์ที่ต้องการความหน่วงต่ำ
- ทีมที่อยากเก็บ Astra ไว้ใช้กับงานยาก และส่งงานที่เหลือให้โมเดลที่เร็วกว่า
ควรระวังกับ:
- เวิร์กโฟลว์การแพทย์ การเงิน และงานที่เต็มไปด้วย PDF ซึ่ง Surge พบว่า Sol ถอยจากรุ่นก่อน
- ถามตอบเชิงค้นคว้าที่ต้องการ "ห้ามตกหล่นข้อเท็จจริง" การลดลงของ SWE-Atlas ใน AA เป็นสัญญาณเตือน
- เบนช์มาร์กวิทยาศาสตร์ ในดัชนีวิทยาศาสตร์ของ Vals Sol ต่ำกว่ารุ่นก่อนเล็กน้อย
สองข้อที่มักเข้าใจผิด
ข้อแรก อย่าเอาข้อสรุประดับ xhigh ไปใช้กับค่าเริ่มต้น การเทียบรีวิวโค้ดของ Kazike เป็น xhigh, Coding Agent ของ AA เป็น max, กราฟทางการเป็น "จุดที่ดีที่สุด" ระดับที่คุณใช้ใน Work หรือ Codex อาจต่ำกว่า ยิ่งระดับต่ำ ช่องว่างระหว่าง Sol กับ Astra ในโจทย์ยากมักยิ่งเผยง่าย ซึ่งต้องทดสอบเอง
ข้อสอง อย่าใช้ตารางเดียวสรุปทั้งโมเดล Sol ไล่ตาม Astra ใน FrontierCode ไม่ได้ลบ 17.2% ในงานการแพทย์ของ Surge และการที่ต่ำกว่ารุ่นก่อนเล็กน้อยในดัชนีวิทยาศาสตร์ของ Vals ก็ไม่ได้ขัดขวางการแซง GPT-6 Astra ใน LifeVal แต่ละตัวเลขตอบคำถามได้เพียงข้อเดียว
เสียงเกี่ยวกับ Sol ในวันแรก
การพูดคุยสาธารณะวันแรกมุ่งไปที่ Astra เป็นหลัก คำวิจารณ์ Sol โดยตรงมีน้อยกว่า: Kazike มองว่าเป็นตัวเลือกสำหรับรีวิวประจำวัน OpenAI เองบอกว่าภายในหลายคนใช้เป็นค่าเริ่มต้น ข้อสรุปของ Surge คือ "มีทั้งดีและร้าย" ต้องย้ำว่าคำพูดเหล่านี้มีธรรมชาติต่างกัน: คำของ OpenAI คือจุดยืนของผู้ผลิต Kazike เป็นชุดทดสอบส่วนตัว Surge เป็นชุดอิสระ เรายังไม่เห็นรายงานการใช้ Sol ระยะยาวที่มีสถานการณ์เจาะจงมากพอ จึงไม่ตัดสินรวมว่า "Sol ใช้ดีไหม" เพียงแต่บอกว่าในหลักฐานสาธารณะ มันเก่งตรงไหนและอ่อนตรงไหน
แนวทางแบ่งบทบาทที่เป็นไปได้
หากทีมใช้ได้ทั้งสองโมเดล หลักฐานสาธารณะสนับสนุนการแบ่งบทบาทแบบระมัดระวัง: คำขอประจำวัน การรีวิวแบบแบตช์ แผนภูมิ และงานสำนักงานทั่วไปให้ Sol เมื่อเป็นงานคำนวณวิทยาศาสตร์ CAD ระบบอัตโนมัติซับซ้อน หรือเมื่อสุ่มตรวจแล้วพบว่า Sol ตกหล่นบ่อย จึงยกระดับไปใช้ Astra มีสามเหตุผล: OpenAI แบ่งตำแหน่งสองโมเดลไว้อย่างนี้อยู่แล้ว; ใน FrontierCode และ LifeVal ช่องว่างเล็กมาก; และใน BenchCAD กับ Terminal-Bench-Science ช่องว่างกระจุกอยู่ราว 9 คะแนน
ในทางกลับกัน ไม่แนะนำให้ส่งงานการแพทย์ การเงิน หรือถามตอบเชิงค้นคว้าให้ Sol เป็นค่าเริ่มต้นเพียงเพราะมัน "ตามเรือธงทัน" ในเบนช์มาร์กหนึ่ง เพราะสามด้านนี้คือที่ที่ Surge และ AA พบการถดถอย ต้องตรวจกับตัวอย่างของคุณก่อน การแบ่งบทบาทนี้เป็นเพียงวิธีอ่านข้อมูลสาธารณะแบบหนึ่ง ไม่ใช่ข้อสรุปที่ Guishu Intelligence ตรวจสอบแล้ว
ข้อจำกัด
โมเดลเพิ่งเปิดตัวได้หนึ่งวัน งานบางส่วนของ Surge ในวันนั้นยังรันอยู่ และตารางอื่นของ Epoch กับ Vals จะอัปเดตต่อ ทั้งหมดเป็นข้อมูลจากบุคคลที่สามและการทดสอบส่วนตัว ไม่ใช่ผลการทดสอบของ Guishu Intelligence การเลือกระหว่าง Sol และ Astra ดูเพิ่มเติมได้ในบทความแนวทางเลือก
สรุปในประโยคเดียว
Sol คือรุ่นประสิทธิภาพที่ OpenAI เตรียมไว้สำหรับงานประจำวันและเอเจนต์ขนาดใหญ่ ใน FrontierCode และ LifeVal มันเข้าใกล้หรือแซงเรือธงรุ่นก่อน แต่ใน Coding Agent ดัชนีวิทยาศาสตร์ของ Vals และงานการแพทย์ของ Surge มันถดถอย ควรมองว่าเป็น "รุ่นเริ่มต้นที่พอใช้กับงานส่วนใหญ่" ไม่ใช่ "รุ่นใหม่ที่ดีขึ้นทุกด้าน"
แหล่งที่มา
- OpenAI: บทความเปิดตัว, เอกสารโมเดล Sol, ChatGPT Learn
- การประเมินอิสระ: Artificial Analysis, หน้า Coding Agent ของ AA, Vals AI, Surge
- สื่อที่รวบรวม: VentureBeat, The Decoder, Handy AI, OfficeChai
ข้อมูล ณ 2026-11-18