OpenAI เปิดตัว GPT-5.2 เมื่อ 11 ธันวาคม 2568 ในสามเวอร์ชัน คือ Instant, Thinking และ Pro ตัวเลขหลักของการเปิดตัวครั้งนี้คือ GDPval เบนช์มาร์กที่วัดกันด้วยงานจริงในที่ทำงาน ผู้เชี่ยวชาญเปรียบเทียบผลงานของโมเดลกับงานของมืออาชีพโดยไม่รู้ว่าชิ้นไหนเป็นของใคร และ GPT-5.2 Thinking ทำได้ไม่แพ้คนใน 70.9% ของการเปรียบเทียบ ส่วน Pro อยู่ที่ 74.1% ขณะที่ GPT-5 ทำได้ 38.8% พอถึงกันยายน 2569 GPT-5.2 ก็ถูกถอดออกจาก ChatGPT ไปแล้ว รุ่นที่มาแทนทำคะแนน GDPval ขึ้นไปเกือบถึง 85% และ OpenAI ก็เดินมาถึงตระกูล GPT-6
GDPval คืออะไร และตัวเลขหมายความว่าอะไร
OpenAI เผยแพร่ GDPval เมื่อกันยายน 2568 ในชุดทดสอบมีงาน 1,320 ชิ้นจาก 44 อาชีพ ตั้งแต่นักกฎหมายและวิศวกรไปจนถึงพยาบาลและนักตัดต่อวิดีโอ คนเขียนโจทย์คือคนทำงานจริงที่มีประสบการณ์เฉลี่ย 14 ปี และสิ่งที่ต้องส่งคือชิ้นงานที่ใช้ได้จริง เช่น ตาราง พรีเซนเทชัน หรือเอกสาร ผู้เชี่ยวชาญในอาชีพเดียวกันจะเทียบชิ้นงานนั้นกับงานของคน แล้วตัดสินว่าดีกว่า ดีพอ ๆ กัน หรือแย่กว่า
ดังนั้น 70.9% ไม่ได้แปลว่า “โมเดลมีประโยชน์สามครั้งในสี่ครั้ง” แต่เป็นสัดส่วนของการเปรียบเทียบที่ผลงานของมันถูกตัดสินว่าไม่แพ้ผู้เชี่ยวชาญ ถ้านับเฉพาะครั้งที่ชนะขาด GPT-5.2 Thinking จะได้ 49.8% และ OpenAI เองก็ระบุข้อจำกัดไว้ว่า งานถูกทำในรอบเดียว ไม่มีการแก้หรือถามรายละเอียดเพิ่ม ซึ่งต่างจากงานจริงที่มักต้องปรับผลงานกันหลายรอบ
ถึงอย่างนั้น การกระโดดจาก 38.8% เป็น 70.9% ก็ยังถือว่าใหญ่มาก OpenAI เรียก GPT-5.2 ว่าเป็นโมเดลแรกของบริษัทที่ทำงานได้ในระดับผู้เชี่ยวชาญ แต่นี่เป็นคำกล่าวของบริษัทเอง ยังไม่มีการตรวจสอบจากฝ่ายอิสระ
อะไรดีขึ้นอีกบ้าง
- ข้อผิดพลาดในคำตอบ ตามการวัดของ OpenAI คำตอบที่มีข้อผิดพลาดลดลง 30% แต่นั่นเป็นตัวเลขตอนเปิดการค้นหา ถ้าไม่เปิดค้นหา ต่างกันราว 5%: คำตอบผิด 12.0% เทียบกับ 12.7% ของ GPT-5.1 OpenAI เองอธิบายว่าอาการหลอน (hallucination) เกิดจากวิธีฝึกโมเดล โมเดลถูกฝึกให้เดาคำถัดไป และการให้คะแนนก็ให้รางวัลกับคำตอบที่มั่นใจ มากกว่าการยอมรับตรง ๆ ว่า “ไม่รู้”
- บริบทยาว ในเทสต์ MRCR v2 ที่ต้องหาคำตอบที่ต้องการในข้อความมหาศาลท่ามกลางคำตอบที่หน้าตาคล้ายกัน GPT-5.2 แทบไม่พลาดเลยกับเอกสารสั้น ส่วนที่ 128,000–256,000 โทเค็นกับ “เข็ม” 8 เล่ม ทำได้ 77% เทียบกับ 29.6% ของ GPT-5.1 เพิ่มขึ้นมหาศาล แต่โมเดลก็ยังพลาดราวหนึ่งในทุกสี่ครั้ง
- งานแบบเอเจนต์ ใน τ²-bench Telecom ที่โมเดลใช้เครื่องมือแก้เรื่องที่ลูกค้าติดต่อเข้ามาหาฝ่ายซัพพอร์ตของผู้ให้บริการโทรคมนาคม GPT-5.2 ทำได้ 98.7% ตัวเลข “จาก 47% เป็น 98%” ที่วนอยู่ในข่าว เป็นการเทียบคนละโหมด: ที่ระดับการให้เหตุผลสูงสุด คะแนนเพิ่มจาก 95.6% เป็น 98.7% ส่วนแบบไม่ใช้การให้เหตุผล เพิ่มจาก 47.8% เป็น 57.2%
- โค้ดและคณิตศาสตร์ SWE-bench Verified เพิ่มจาก 76.3% เป็น 80% และในโจทย์ AIME 2025 โมเดลทำได้ครบ 100%
เอเจนต์ตัวเดียวแทนหลายตัว
แนวคิดว่า GPT-5.2 ช่วยให้เปลี่ยนระบบเอเจนต์หลายตัวที่เปราะบาง มาเป็นเอเจนต์ตัวเดียวที่มีเครื่องมือยี่สิบกว่าตัวได้ มีอยู่ในประกาศเปิดตัวจริง แต่เป็นความเห็นของลูกค้า คือบริษัท Triple Whale ไม่ใช่จุดยืนของ OpenAI ที่น่าสังเกตคือ เจ็ดเดือนต่อมาใน GPT-5.6 OpenAI ก็ออกโหมดที่ใช้เอเจนต์หลายตัวทำงานคู่ขนานกันเสียเอง
เกิดอะไรขึ้นต่อจากนั้น
- 5 มีนาคม 2569 — GPT-5.4: 83% บน GDPval บริบทสูงสุดหนึ่งล้านโทเค็น และการควบคุมคอมพิวเตอร์
- 23 เมษายน — GPT-5.5: 84.9% บน GDPval เกือบแตะ 85% แล้ว ส่วนรุ่นถัดไปข้ามเส้นนี้ได้หรือไม่ GDPval แบบดั้งเดิมบอกเราไม่ได้อีกแล้ว
- 12 มิถุนายน — GPT-5.2 ถูกถอดออกจาก ChatGPT แชทเก่าถูกย้ายไปใช้ GPT-5.5
- 9 กรกฎาคม — GPT-5.6 สามเวอร์ชัน: Sol, Terra และ Luna พร้อมกันนั้น OpenAI ก็เลิกเผยแพร่ GDPval แบบดั้งเดิม แล้วหันไปใช้ GDPval-AA v2 ของ Artificial Analysis ที่วัดเป็นเรตติ้ง Elo
- 3 กันยายน — GPT-6 Astra, 22 กันยายน — GPT-6 Sol และ Luna
- 29 กันยายน — GPT-6.1 Sol: เกือบเทียบเท่า Astra ในงานเขียนโค้ดแบบเอเจนต์และการใช้คอมพิวเตอร์ แต่ราคาถูกกว่าอย่างเห็นได้ชัด, 26 ตุลาคม — GPT-6.1 Terra มาแทน GPT-5.6 Terra
เมื่อมีโมเดลเรือธงตัวใหม่ การทำงานกับพรอมต์เปลี่ยนไปอย่างไร อ่านได้ในบทวิเคราะห์ GPT-6 Astra และ skills แบบสั้น
AI เปลี่ยนตลาดงานออฟฟิศไปแล้วหรือยัง
ยังน้อยกว่าที่เบนช์มาร์กสัญญาไว้ ตัวติดตามอิสระของ Yale Budget Lab (อัปเดตล่าสุดเดือนตุลาคม 2569) ยังไม่เห็นร่องรอยชัดเจนของ AI ในตัวเลขการจ้างงานและการว่างงานรายอาชีพ แต่ผลกระทบเริ่มเห็นเป็นจุด ๆ: งานวิจัยของ Stanford จากข้อมูลของ ADP (ฉบับปรับปรุงเดือนสิงหาคม 2569) พบว่า การจ้างงานคนอายุ 22–25 ปีในอาชีพที่โดน AI กระทบมากที่สุด ต่ำกว่าระดับที่ควรเป็นถ้าเติบโตไปพร้อมกับอาชีพที่โดนกระทบน้อยกว่าอยู่ 19% ส่วนคนทำงานที่มีประสบการณ์ไม่มีช่องว่างแบบนี้ AI ยังไม่ได้ไล่คนออก แต่ทำให้รับมือใหม่น้อยลง
สรุป
GPT-5.2 ไม่ใช่การเปิดตัวแบบเงียบ ๆ แต่เป็นจุดเปลี่ยน: เป็นครั้งแรกที่โมเดลของ OpenAI ทำงานจริงได้ทัดเทียมผู้เชี่ยวชาญในการเปรียบเทียบส่วนใหญ่ เก้าเดือนต่อมา ระดับนี้กลายเป็นเรื่องปกติ ส่วนตัวโมเดลเองก็กลายเป็นประวัติศาสตร์ไปแล้ว อย่างไรก็ตาม ตัวเลขเบนช์มาร์กควรอ่านอย่างระวัง เพราะมันบอกว่าโมเดลทำได้แค่ไหนในโหมดที่ดีที่สุด ไม่ได้บอกว่ามันทำงานอย่างไรในแชททั่วไป
ChatGPT ปรับโหมดค้นคว้าให้มาใช้โมเดลนี้อย่างไร อ่านได้ใน Deep Research บน GPT-5.2
