First Look at Grok 4.5: Grok's First True Frontier Model?

1
00:00:00,000 --> 00:00:04,464
วันนี้ xAI ประกาศตัว Grok 4.5 ซึ่งเป็นโมเดลล่าสุด

2
00:00:04,464 --> 00:00:10,477
และถูกฝึกฝนมาพร้อมกับ Cursor ซึ่งจะเห็นได้ว่าโมเดลนี้เน้นไปทางด้าน

3
00:00:10,477 --> 00:00:18,221
coding มากกว่า Grok รุ่นก่อนๆ พวกเขาบอกว่ามันถูกสร้างมาเพื่องานวิศวกรรมในโลกจริงจริงๆ

4
00:00:18,221 --> 00:00:23,596
ผมมักจะใช้โมเดล Grok ใน Hermes Agent อยู่แล้ว แต่ก็เคยลองใน

5
00:00:23,596 --> 00:00:28,060
Grok Build ด้วย พูดตรงๆ ว่าพวกมันไม่ได้เก่งเรื่อง

6
00:00:28,060 --> 00:00:35,895
coding เท่าไหร่ แต่นั่นคือรุ่นเก่าๆ นะครับ ส่วนรุ่นใหม่นี้ผมสนใจอยากดูว่าจะทำได้แค่ไหน

7
00:00:35,895 --> 00:00:41,816
วิดีโอนี้จะเป็น first look ของผมกับ Grok 4.5 แล้วเราจะลองใช้มันใน

8
00:00:41,816 --> 00:00:46,736
Hermes Agent ผมจะเจาะ benchmark และคุณสมบัติที่น่าสนใจ

9
00:00:46,736 --> 00:00:51,473
แล้วก็จะให้งานมันทำสักสองชิ้นเพื่อดูว่าทำได้ดีแค่ไหน

10
00:00:51,473 --> 00:00:56,484
เริ่มกันเลยครับ สำหรับใครที่รัน agent เองและอยากเข้าถึง

11
00:00:56,484 --> 00:01:02,952
LM wikis ที่ผมใช้ทำวิจัยและสร้างวิดีโอพวกนี้ ลองแวะไปดูโปรเจกต์ของผมที่

12
00:01:02,952 --> 00:01:08,601
agentwiks.com ได้นะครับ ผมให้ wikis ทั้งหมดใช้ฟรีในหัวข้อต่างๆ

13
00:01:08,601 --> 00:01:13,520
มากมาย แต่ถ้าอยากสมัคร pro account ราคา $9.99 ต่อเดือน

14
00:01:13,520 --> 00:01:21,264
จะได้เข้าถึง wikis ขนาดใหญ่พิเศษที่มีหน้ามากกว่าและรายละเอียดลึกกว่าในแต่ละหัวข้อครับ

15
00:01:21,264 --> 00:01:25,637
กลับมาที่วิดีโอกัน นี่คือเฟรมมิ่งนะครับ Grok 4.5

16
00:01:25,637 --> 00:01:30,466
ถูกขายในฐานะโมเดล generalist (โมเดลรอบด้าน) ไม่ใช่แค่

17
00:01:30,466 --> 00:01:35,021
coding model โดยเฉพาะ มันไปไกลกว่านั้น ทำงาน agent

18
00:01:35,021 --> 00:01:39,667
ในงานหนักที่รันยาวนานได้ สืบสวนปัญหา ใช้ tool จริงๆ

19
00:01:39,667 --> 00:01:45,315
เก็บตัวเองได้เมื่อทำพลาด แล้วยัง verify งานของตัวเองได้อีกด้วย

20
00:01:45,315 --> 00:01:50,235
โดเมนที่พวกเขาเอ่ยถึงในบล็อกบอกอะไรหลายอย่าง ไม่ใช่แค่

21
00:01:50,235 --> 00:01:54,517
software engineering แต่ยังพูดถึง data science,

22
00:01:54,517 --> 00:01:59,072
การเงิน, งานกฎหมาย และ knowledge work พูดอีกแบบคือ

23
00:01:59,072 --> 00:02:04,356
"ทุกอย่างที่คุณทำบนคอมพิวเตอร์" xAI อยากให้เรามองว่านี่คือ

24
00:02:04,356 --> 00:02:09,093
generalist agent ที่บังเอิญเก่งโค้ดมาก ไม่ใช่ coding

25
00:02:09,093 --> 00:02:14,651
model ที่เพิ่มฟีเจอร์เติมมาภายหลัง จะเป็นจริงตามนั้นหรือเปล่า

26
00:02:14,651 --> 00:02:19,479
เดี๋ยวเราดูกัน แต่นั่นคือสิ่งที่พวกเขาอ้างในบล็อกครับ

27
00:02:19,479 --> 00:02:24,399
ดูใต้ประทุนนิดหน่อย มันเป็นโมเดลแบบ Mixture of Experts

28
00:02:24,399 --> 00:02:29,592
(การผสมผู้เชี่ยวชาญหลายตัว) ซึ่ง route ความสามารถต่อโทเคน

29
00:02:29,592 --> 00:02:34,147
ทำให้เก็บความรู้ได้เยอะโดยไม่ต้องจ่ายค่าใช้จ่ายแบบ

30
00:02:34,147 --> 00:02:39,431
dense model เต็มรูปแบบในทุกๆ รอบ ส่วนเรื่องการฝึกก็น่าสนใจ

31
00:02:39,431 --> 00:02:43,895
ใช้ข้อมูล trillions of tokens จาก developer จริงๆ

32
00:02:43,895 --> 00:02:48,814
และถูกฝึกบนข้อมูล Cursor ที่เก็บการโต้ตอบของ developer

33
00:02:48,814 --> 00:02:53,278
agent แบบเรียลไทม์ แล้วก็นำเข้างาน STEM, งานวิจัย

34
00:02:53,278 --> 00:02:58,562
และ knowledge work มาอย่างตั้งใจ นี่คือโมเดลแรกที่มีข้อมูล

35
00:02:58,562 --> 00:03:03,938
Cursor ทั้งหมดอยู่ในการฝึก เดี๋ยวน่าจะเห็นความต่างได้ชัดเจน

36
00:03:03,938 --> 00:03:09,586
จากนั้นมี Reinforcement Learning (RL - การเรียนรู้แบบเสริมแรง)

37
00:03:09,586 --> 00:03:13,868
ใน environment จริงที่ตั้งใจทำให้ยาก ยากจนโมเดล

38
00:03:13,868 --> 00:03:21,338
frontier ปัจจุบันยังทำไม่ได้ และ environment เหล่านี้ถูกสร้างขึ้นในสเกลใหญ่โดยระบบ

39
00:03:21,338 --> 00:03:26,804
agent แบบกระจายตัว ดังนั้น pipeline การฝึกตัวมันเองก็เป็นแบบ

40
00:03:26,804 --> 00:03:31,177
agentic คือ agent สร้าง gym ขึ้นมาเพื่อฝึก agent

41
00:03:31,177 --> 00:03:36,826
นั่นเองครับ เอาล่ะ มาดู benchmark กัน ซึ่งเรามักจะอยากเห็นเสมอ

42
00:03:36,826 --> 00:03:42,656
และผลออกมาน่าประทับใจพอสมควร บน Terminal Bench มันทำคะแนนสูงกว่า

43
00:03:42,656 --> 00:03:48,943
Opus 4.8 ซึ่งผมถือว่าเป็นโมเดลที่แข็งแกร่งมาก และอยู่ในระดับใกล้เคียง

44
00:03:48,943 --> 00:03:53,680
GPT 5.5 ต่ำกว่า Fable 5 อยู่บ้าง แต่ก็น่าประทับใจมาก

45
00:03:53,680 --> 00:03:59,875
ส่วน benchmark ด้าน software engineering อื่นๆ ก็อยู่ในระดับเดียวกับ

46
00:03:59,875 --> 00:04:04,430
Opus 4.8 หรือ GPT 5.5 ครับ สรุปๆ แล้ว Grok 4.5 ชนะ

47
00:04:04,430 --> 00:04:09,076
Opus และ GPT 5.5 ในบาง benchmark เหนือกว่า Composer

48
00:04:09,076 --> 00:04:13,632
2.5 ในทุกตัว ข้อควรจำคือมันทำบน high effort ไม่ใช่

49
00:04:13,632 --> 00:04:18,005
max แน่นอนว่ายังตามหลัง Fable 5 ซึ่งก็พอจะคาดได้

50
00:04:18,005 --> 00:04:22,469
มันไม่ใช่ผู้ชนะในเชิง benchmark เลยสักตัว แต่เป็น

51
00:04:22,469 --> 00:04:27,479
all-rounder ที่แข็งแกร่ง ไม่ใช่ coding king จุดขายจริงๆ

52
00:04:27,479 --> 00:04:33,674
ของมันคือความกว้าง ไม่ใช่การครอง benchmark นี่คือโฟกัสของพวกเขาจริงๆ

53
00:04:33,674 --> 00:04:40,416
คือสร้างมาให้ "ลงมือทำ" ไม่ใช่แค่ "ตอบคำถาม" จุดแข็งที่ขายไม่ใช่คะแนนเดียว

54
00:04:40,416 --> 00:04:45,518
แต่คือความสามารถในการใช้ tool ในระยะยาวแบบอิสระข้ามโดเมน

55
00:04:45,518 --> 00:04:50,346
มี core loop สี่ขั้น: investigate, use tools, recover

56
00:04:50,346 --> 00:04:56,086
from mistakes, verify ในห้าโดเมนเป้าหมายขึ้นไป พร้อมสถาปัตยกรรม

57
00:04:56,086 --> 00:05:00,459
MoE เป็นพื้นฐาน โมเดลเก่าจะตอบ prompt แล้วจบ แต่

58
00:05:00,459 --> 00:05:05,196
Grok 4.5 ถูกฝึกให้รัน task จนจบ — วางแผน, คว้า tool,

59
00:05:05,196 --> 00:05:10,844
ชนกำแพงก็ถอยออกมาลองใหม่ แล้วค่อยตรวจสอบงานตัวเองก่อนส่งให้คุณ

60
00:05:10,844 --> 00:05:15,491
ผมคิดว่ามันถูกออกแบบมาเพื่อใช้ใน agent โดยเฉพาะครับ

61
00:05:15,491 --> 00:05:20,137
สุดท้าย ด้านค่าใช้จ่าย ราคาอยู่ที่ $2 ต่อล้าน input

62
00:05:20,137 --> 00:05:24,692
token และ $6 ต่อล้าน output token ถูกกว่า Opus 4.8

63
00:05:24,692 --> 00:05:29,976
มาก ถูกกว่า Fable มาก ถูกกว่า GPT 5.5 ด้วย และใกล้เคียงกับ

64
00:05:29,976 --> 00:05:34,622
Sonnet 5 ซึ่ง Sonnet ราคา $2 in และ $10 out ดังนั้น

65
00:05:34,622 --> 00:05:41,546
Grok 4.5 ยังถูกกว่า Sonnet 5 อีก ในบล็อกเปิดตัวพวกเขาพูดถึงมันว่าเป็นมากกว่า

66
00:05:41,546 --> 00:05:46,192
coding model เป็น generalist agent ที่สู้ได้ในระดับ

67
00:05:46,192 --> 00:05:51,385
frontier ทั้งเรื่องโค้ดและอื่นๆ อีกมากมาย แต่พูดมากพอแล้ว

68
00:05:51,385 --> 00:05:55,849
มาทดสอบจริงกันเถอะครับ ทีนี้เรามีมันอยู่ใน Hermes

69
00:05:55,849 --> 00:06:01,680
Agent ที่นี่ — Grok 4.5 ซึ่งเป็น tool ที่ผมใช้ทดสอบโมเดลส่วนใหญ่

70
00:06:01,680 --> 00:06:05,962
งานแรกคืองาน front-end ที่ผมให้โมเดลอื่นทำบ่อยๆ

71
00:06:05,962 --> 00:06:10,699
แล้ว prompt คือ: สร้างไฟล์ HTML เดียวไม่ต้องมี build

72
00:06:10,699 --> 00:06:15,072
step สำหรับเกม One Piece meets Star Wars มี full

73
00:06:15,072 --> 00:06:20,174
screen hero section พื้นหลังสีเข้ม มีทรงกลม 3D หมุนได้ใน

74
00:06:20,174 --> 00:06:27,462
Three.js พร้อม custom GLSL fragment shader ที่ทำให้มันดูเหมือนดาวเคราะห์เรืองแสง

75
00:06:27,462 --> 00:06:32,382
ทรงกลมค่อยๆ หมุนรอบแกน X ตอน scroll ลง GSAP จะ animate

76
00:06:32,382 --> 00:06:36,937
ทรงกลมให้เล็กลงและจางหายไปพร้อมกับข้อความ headline

77
00:06:36,937 --> 00:06:41,857
ที่ค่อยๆ โผล่ขึ้นมา แบบ Framer Motion stagger entrance

78
00:06:41,857 --> 00:06:46,685
ทำงานใน Chrome ได้ ใช้ CDN imports เท่านั้น ไม่ต้องมี

79
00:06:46,685 --> 00:06:53,518
npm คุณอาจเบื่อ prompt นี้แล้ว แต่ผมว่ามันดีนะ ยังไม่มีโมเดลไหนทำได้ดีจริงๆ

80
00:06:53,518 --> 00:06:57,800
มี Fable เป็นโมเดลเดียวที่ทำได้ แม้แต่ Opus 4.8

81
00:06:57,800 --> 00:07:03,630
หรือ GPT 5.5 ก็ยังทำไม่ได้ เพราะมันมีหลายองค์ประกอบที่ขัดแย้งกัน

82
00:07:03,630 --> 00:07:08,003
การทำให้สำเร็จในครั้งเดียวยากมาก ผมเลยว่ามันเป็น

83
00:07:08,003 --> 00:07:13,469
prompt ทดสอบ coding ที่ดี มาดูกันว่า Grok จะทำออกมาเป็นยังไง

84
00:07:13,469 --> 00:07:18,116
ผมอยากรู้เสมอว่า Grok จะจัดการเรื่อง front-end หรือ

85
00:07:18,116 --> 00:07:23,035
style ได้แค่ไหน เพราะ Grok มี personality มากกว่าโมเดล

86
00:07:23,035 --> 00:07:28,593
GPT หรือแม้แต่ Claude นิดหน่อย เลยอยากเห็นว่ามันจะรับมือยังไง

87
00:07:28,593 --> 00:07:32,874
ผมส่ง prompt ไปแล้ว และผมคิดว่ามันน่าจะเร็วกว่า

88
00:07:32,874 --> 00:07:37,156
frontier model อื่นๆ จากประสบการณ์ กับ Grok 4.3

89
00:07:37,156 --> 00:07:41,620
ใน Hermes Agent มันเร็วมาก ถ้ารวมความเร็วของ Grok

90
00:07:41,620 --> 00:07:45,902
เข้ากับความสามารถที่มากขึ้นได้ ก็จะยอดเยี่ยมมาก

91
00:07:45,902 --> 00:07:50,913
มาดูผลกัน ผมต้องเริ่ม session ใหม่ เพราะมันไปอ่านไฟล์ใน

92
00:07:50,913 --> 00:07:56,743
directory จากการรันครั้งก่อนของโมเดลอื่นๆ ซึ่งน่าสนใจในตัวมันเอง

93
00:07:56,743 --> 00:08:01,481
เพราะผมไม่เคยเจอปัญหานี้มาก่อน แสดงว่ามัน self-aware

94
00:08:01,481 --> 00:08:07,585
(รับรู้สภาพแวดล้อม) มากกว่า ผมเลยต้องหยุดและย้ายไฟล์เหล่านั้นไปก่อน

95
00:08:07,585 --> 00:08:12,140
แล้วสร้าง session ใหม่ที่นี่ ค่อนข้างน่าสนใจนะครับ

96
00:08:12,140 --> 00:08:16,422
มัน self-aware มากขึ้น ซึ่งปกติจะเห็นในโมเดลแบบ

97
00:08:16,422 --> 00:08:21,432
Claude มันไม่ได้รีบเขียนออกมาทันที แต่จะสำรวจ directory

98
00:08:21,432 --> 00:08:27,263
ที่มันอยู่ก่อน โอเค ค่อนข้างเร็ว 2 นาที นี่คือสิ่งที่มันออกแบบมา

99
00:08:27,263 --> 00:08:34,278
ดูดีพอสมควร อาจจะมองไม่ชัด แต่มันมี style มากกว่าที่เคยเห็นจากโมเดลอื่นมาก่อน

100
00:08:34,278 --> 00:08:38,924
ลอง scroll ลงดู โอ้โว มันออกมาเป๊ะเลย มันควรจะ fade

101
00:08:38,924 --> 00:08:43,388
out และเล็กลง แล้วมีข้อความโผล่ขึ้นมา — "Set sail

102
00:08:43,388 --> 00:08:50,312
for the stars" นี่เลย นี่เป็นหนึ่งในผลงานที่ดีที่สุดสำหรับงานนี้ที่ผมเคยเห็น

103
00:08:50,312 --> 00:08:54,685
โมเดลอื่นๆ มักทำ headline แบบ stagger นี้พังตลอด

104
00:08:54,685 --> 00:09:01,427
ดังนั้นนี่น่าประทับใจมาก นี่คือแบบที่ Fable ทำ ซึ่งแน่นอนว่าดีกว่าอยู่แล้ว

105
00:09:01,427 --> 00:09:05,800
อันนี้ก็ทำได้เป๊ะเหมือนกัน แถมน่าประทับใจกว่าอีก

106
00:09:05,800 --> 00:09:10,902
แต่ของเจ้านี้เป็นของ Opus 4.8 ซึ่งต้องลองสามครั้งถึงจะทำ

107
00:09:10,902 --> 00:09:19,283
headline ได้สำเร็จ และจริงๆ ก็ยังไม่ดีเท่าไหร่ มันกระตุกอยู่ด้านล่างตรงจุดที่หน้าจอควรจะอยู่

108
00:09:19,283 --> 00:09:24,020
ส่วนของ Grok นั้นง่ายกว่า Fable อยู่แล้ว แต่ execute

109
00:09:24,020 --> 00:09:29,942
prompt ได้ดีมาก ผมน่าประทับใจจริงๆ เพราะผมทดสอบโมเดลมาเยอะแล้วกับ

110
00:09:29,942 --> 00:09:36,866
prompt นี้ และอย่างที่บอก นอกจาก Fable แล้ว ผมว่านี่เป็นอันดับสองที่ดีที่สุด

111
00:09:36,866 --> 00:09:41,421
แถม one-shot สำเร็จใน 2 นาที นี่น่าประทับใจมากครับ

112
00:09:41,421 --> 00:09:45,794
ทีนี้ผมจะให้มันทำงานวิจัย ซึ่งจะเป็นงาน research

113
00:09:45,794 --> 00:09:50,167
รวมถึง reasoning และ planning ด้วย งานที่ให้คือ:

114
00:09:50,167 --> 00:09:55,907
วิจัย paper ล่าสุดเกี่ยวกับ innovative RAG (Retrieval-Augmented

115
00:09:55,907 --> 00:10:00,735
Generation) systems และ agents ในช่วงหกเดือนที่ผ่านมา

116
00:10:00,735 --> 00:10:05,108
คัดเลือก 10 paper ที่น่าเชื่อถือและน่าสนใจที่สุด

117
00:10:05,108 --> 00:10:10,756
แล้วจัดอันดับจากที่ทำซ้ำบน RTX 3060 ได้ง่ายที่สุดไปหายากที่สุด

118
00:10:10,756 --> 00:10:15,129
จากนั้นวางแผนการ reproduce สำหรับอันดับสูงสุด ใน

119
00:10:15,129 --> 00:10:19,685
prompt เดียวนี้มีหลายอย่างเลยนะครับ ทั้ง research,

120
00:10:19,685 --> 00:10:24,786
reasoning และ planning ผมตั้งใจทำให้มันค่อนข้างกำกวมด้วย

121
00:10:24,786 --> 00:10:31,072
— innovative RAG systems ก็ไม่ได้ให้ prompt หรือหัวข้อที่เจาะจงมากนัก

122
00:10:31,072 --> 00:10:35,354
ผมอยากรู้ว่ามันจะตีความแบบกว้างๆ นี้ได้ดีแค่ไหน

123
00:10:35,354 --> 00:10:39,909
อีกอย่างที่น่าจดจำใน Hermes Agent คือมันมี context

124
00:10:39,909 --> 00:10:44,374
window 500,000 token ซึ่งดีมาก ผมมักจะใช้ GPT 5.5

125
00:10:44,374 --> 00:10:49,020
ซึ่งมีแค่ 270,000 token ก็ค่อนข้างน่ารำคาญ ต้องเข้า

126
00:10:49,020 --> 00:10:54,668
compaction บ่อยๆ ตอนทำงาน coding ระยะยาว โอเค ใช้เวลาไปนิดกว่า

127
00:10:54,668 --> 00:10:59,041
5 นาที ไม่ยากเกินไป นี่คือผลลัพธ์ เห็น tool JSON

128
00:10:59,041 --> 00:11:05,327
เทียบกับ compressed schemas น่าสนใจดี paper อันดับหนึ่งที่มันเลือกคือ

129
00:11:05,327 --> 00:11:10,065
"Dissecting Agentic RAG" ซึ่งพูดถึงว่า agentic knobs

130
00:11:10,065 --> 00:11:14,529
ช่วยอะไรได้บ้างภายใต้ local budget เสียงน่าสนใจดี

131
00:11:14,529 --> 00:11:22,272
มันจัดระเบียบทุกอย่างมาให้แล้วอย่างเฉพาะเจาะจง พร้อมระดับความยากและให้ดาวให้คะแนนด้วย

132
00:11:22,272 --> 00:11:27,192
paper ทุกเล่มก็อยู่ในหัวข้อทั่วไปเกี่ยวกับ RAG และระบบ

133
00:11:27,192 --> 00:11:32,021
retrieval ประเภทต่างๆ รวมถึง agentic search functions

134
00:11:32,021 --> 00:11:37,851
ด้วย ส่วน methods ที่น่าสนใจก็ synthesize ข้อมูลทั้งหมดเกี่ยวกับ

135
00:11:37,851 --> 00:11:42,315
methods เฉพาะที่ผมควรดูไว้ให้ และแผน reproduction

136
00:11:42,315 --> 00:11:46,961
อันดับหนึ่งก็เป็นของ paper "Dissecting Agentic RAG"

137
00:11:46,961 --> 00:11:51,790
— reproduce findings, โดยพบว่า agentic loop สำคัญกว่า

138
00:11:51,790 --> 00:11:56,618
single pass dense, fixed hybrid RF สำคัญกว่า adaptive

139
00:11:56,618 --> 00:12:01,629
entity BM25 router ผมคงต้องอ่าน paper จริงๆ เพื่อเข้าใจ

140
00:12:01,629 --> 00:12:06,093
thesis แต่ในฐานะแผนมันดูดีมาก มี schedule ให้ด้วย

141
00:12:06,093 --> 00:12:10,648
ผมว่ามันทำงานวิจัยนี้ได้ดีทีเดียว ไม่มีอะไรดูแปลกๆ

142
00:12:10,648 --> 00:12:15,021
ทุกอย่างถูกจัดระเบียบมาอย่างดี กระชับและอ่านง่าย

143
00:12:15,021 --> 00:12:19,759
ซึ่งเป็นปัญหาของ GPT 5.5 บางทีคือมันยืดยาวไปไม่รู้จบ

144
00:12:19,759 --> 00:12:25,043
แต่ของ Grok ข้อมูลที่ต้องการอยู่ตรงนี้หมด อ่านง่ายกว่าเยอะ

145
00:12:25,043 --> 00:12:29,325
เรียกว่าทำได้สำเร็จครับ สุดท้าย ตอนนี้เราอยู่ใน

146
00:12:29,325 --> 00:12:36,886
session มาสักพักแล้ว ผมอยากลองงาน coding อีกชิ้นเพื่อดูว่ามันจัดการได้ดีแค่ไหนเมื่อ

147
00:12:36,886 --> 00:12:42,808
context window ไม่ได้สดใหม่แล้ว ไม่ได้ลึกมาก แต่ก็พอที่จะทดสอบได้

148
00:12:42,808 --> 00:12:47,181
งานสุดท้ายคือ: สร้างไฟล์ HTML แบบ self-contained

149
00:12:47,181 --> 00:12:52,647
สำหรับ anime multiverse tactical dashboard และถ้าใครดูวิดีโอ

150
00:12:52,647 --> 00:12:57,475
MOA (Mixture of Agents) ของผมมาก่อน ก็จะเคยเห็นงานนี้

151
00:12:57,475 --> 00:13:02,213
นี่คือสิ่งที่ GPT 5.5 ทำออกมา เป็น node เล็กๆ มากมาย

152
00:13:02,213 --> 00:13:07,679
แล้วก็มีทรงกลมเรืองแสงใหญ่ ถ้า click เข้าไปก็จะมีข้อมูลต่างๆ

153
00:13:07,679 --> 00:13:12,872
แสดงขึ้นมา ส่วนนี่คือเวอร์ชัน MOA ที่ก้าวหน้ากว่าเล็กน้อย

154
00:13:12,872 --> 00:13:18,065
ใช้ GPT เป็น aggregator แต่มี Grok โมเดลอื่นอีกสามตัวเป็น

155
00:13:18,065 --> 00:13:23,258
reference models ผมเลยอยากเห็นการเปรียบเทียบโดยตรงระหว่าง

156
00:13:23,258 --> 00:13:28,268
Grok รุ่นก่อนกับรุ่นใหม่ว่าทำได้แค่ไหน ทดสอบนี้จะไม่ใช้

157
00:13:28,268 --> 00:13:33,552
MOA แต่เราจะดูว่ามันทำอะไรคล้ายๆ กันหรือเจ๋งกว่านั้นได้ไหม

158
00:13:33,552 --> 00:13:37,834
ผมประทับใจกับความเร็วมาก ผลลัพธ์ก็ดีตลอดมา โอเค

159
00:13:37,834 --> 00:13:42,207
เสร็จแล้ว อีกครั้งที่รวดเร็วมาก 3 นาที 38 วินาที

160
00:13:42,207 --> 00:13:47,036
จำได้ว่า GPT ใช้เวลากว่าห้านาที อาจจะถึงหกนาทีด้วยซ้ำ

161
00:13:47,036 --> 00:13:53,686
และนี่คือสิ่งที่ได้ออกมา ดูเจ๋งดีนะ มี ring วงแหวนแล้วก็มีลูปเรืองแสงลงมา

162
00:13:53,686 --> 00:13:58,241
click ที่ node ต่างๆ ได้ ดูสิ — ขยับได้บ้างเลยด้วย

163
00:13:58,241 --> 00:14:04,710
ถ้า click "focus active node" มันจะทำงาน อันนี้ก่อนหน้านี้เป็นอัตโนมัติ

164
00:14:04,710 --> 00:14:09,629
แต่จะเห็นว่าถ้า click ที่ชื่อต่างๆ เช่น Nami แล้วมันจะ

165
00:14:09,629 --> 00:14:14,275
drift แต่ละ node มีชื่อตามซีรีส์อนิเมะต่างๆ ดูดีมาก

166
00:14:14,275 --> 00:14:18,922
และมันทำตาม task ครบทุกข้อ จำไว้นะว่านี่คือเวอร์ชัน

167
00:14:18,922 --> 00:14:23,750
GPT ส่วนของ Grok ผมว่าทรงกลมกับ ring ของมันดูดีกว่านะ

168
00:14:23,750 --> 00:14:28,123
ของ GPT ก็มี ring บางๆ แต่ไม่เท่าหรูหรา ring ของ

169
00:14:28,123 --> 00:14:33,954
Grok เจ๋งกว่า มี animation มากกว่า รู้สึกมีการเคลื่อนไหวเยอะกว่า

170
00:14:33,954 --> 00:14:39,056
เอาล่ะ ก็จบแล้วครับ ความเร็วและคุณภาพอยู่ในระดับเดียวกับ

171
00:14:39,056 --> 00:14:43,520
GPT ผมว่าอาจจะมี texture บนทรงกลมน้อยกว่านิดหน่อย

172
00:14:43,520 --> 00:14:51,810
แต่โดยรวมผลลัพธ์ดีมาก ทำตามคำสั่งครบทุกข้อ มีหลายองค์ประกอบในงานนี้แต่ก็จัดการได้ไม่มีปัญหา

173
00:14:51,810 --> 00:14:56,183
แถมทำได้เร็วกว่าอย่างชัดเจน ซึ่งก็สำคัญเหมือนกัน

174
00:14:56,183 --> 00:15:03,745
เอาล่ะ จบแล้วครับ first look ของผมกับ Grok 4.5 ความประทับใจแรกคือน่าประทับใจพอสมควร

175
00:15:03,745 --> 00:15:11,124
จากงาน coding สองชิ้นที่เราให้ทำ มันทำได้ดีมาก อยู่ในระดับเดียวกับหรืออาจจะดีกว่า

176
00:15:11,124 --> 00:15:16,135
frontier model บางตัวด้วยซ้ำ โดยเฉพาะเรื่องการ one-shot

177
00:15:16,135 --> 00:15:20,690
headline นั้น ผมว่าเป็นเรื่องเล็กแต่น่าประทับใจมาก

178
00:15:20,690 --> 00:15:25,700
เพราะ Opus 4.8 ทำไม่ได้และ GPT 5.5 ก็เช่นกัน นี่เป็นแค่

179
00:15:25,700 --> 00:15:30,073
first look ครับ ทดสอบไม่กี่ task แต่ผมจะใช้ Grok

180
00:15:30,073 --> 00:15:38,364
4.5 ต่อไปแน่ๆ ส่วนใหญ่ใน Hermes Agent แล้วเดี๋ยวจะมาอัปเดตผลตามการใช้งานจริงในระยะยาวนะครับ

181
00:15:38,364 --> 00:15:44,286
แต่ความประทับใจแรกคือน่าประทับใจจริงๆ ก็จบแล้วสำหรับวิดีโอนี้ครับ

182
00:15:44,286 --> 00:15:49,205
ฝากคอมเมนต์แชร์ประสบการณ์ของคุณกับ Grok 4.5 ด้วยนะครับ

183
00:15:49,205 --> 00:15:55,400
ถ้าชอบวิดีโอฝาก subscribe ฝาก like ด้วยครับ แล้วเจอกันใหม่วิดีโอหน้า

184
00:15:55,400 --> 00:15:57,040
ขอบคุณที่รับชมครับ