First Look at GPT-5.6: The Ultimate Hermes Agent Driver?

1
00:00:00,000 --> 00:00:04,197
วันนี้ OpenAI ประกาศตัว GPT-5.6 ซึ่งเป็นโมเดล GPT

2
00:00:04,197 --> 00:00:13,447
รุ่นใหม่ล่าสุดที่ทุกคนรอคอยกันมานาน จริง ๆ แล้วมันได้อยู่ในช่วงพรีวิวให้พาร์ตเนอร์บางรายทดลองใช้มาสักพักแล้ว

3
00:00:13,447 --> 00:00:17,730
แต่ตอนนี้เราเข้าถึงมันได้แล้ว และนี่น่าตื่นเต้นมาก

4
00:00:17,730 --> 00:00:21,927
โดยเฉพาะเพราะผมสามารถใช้โมเดล GPT ใน Hermes Agent

5
00:00:21,927 --> 00:00:25,953
ของผมได้ ซึ่งน่าตื่นเต้นยิ่งกว่าการเปิดตัวโมเดล

6
00:00:25,953 --> 00:00:30,835
Claude ด้วยซ้ำ เพราะมันคือโมเดลเดียวแต่เทคนิคแล้วมีสามแบบ

7
00:00:30,835 --> 00:00:37,687
รุ่น flagship คือ Sol จากนั้นมี Terra ซึ่งเป็นโมเดลที่สมดุลกว่าสำหรับงานประจำวัน

8
00:00:37,687 --> 00:00:44,539
แล้วก็ Luna ซึ่งเป็นโมเดลที่ประหยัดต้นทุนกว่า ก็คือมีสามขนาดและสามราคาที่ต่างกัน

9
00:00:44,539 --> 00:00:48,651
แต่ตัวหลักที่เราจะใช้และพูดถึงกันในที่นี้คือ Sol

10
00:00:48,651 --> 00:00:52,676
นะครับ นี่จะเป็นการลองใช้ GPT-5.6 ครั้งแรกของผม

11
00:00:52,676 --> 00:00:57,644
และถ้าใครสังเกตเห็น ผมใช้ GPT-5.6 สร้างสไลด์โชว์ชุดนี้จริง

12
00:00:57,644 --> 00:01:02,269
ๆ ด้วย ก็ลองตัดสินจากตรงนั้นได้เลย ข้อเรียกร้องหลักของ

13
00:01:02,269 --> 00:01:09,721
GPT-5.6 ไม่ใช่แค่ว่ามันฉลาดขึ้นเฉย ๆ แต่คือทุกระดับจะได้ผลงานที่มีประโยชน์มากขึ้นจากทุก

14
00:01:09,721 --> 00:01:14,346
token ทุกดอลลาร์ และทุกนาที ในวิดีโอนี้ผมจะเล่าสรุปว่า

15
00:01:14,346 --> 00:01:22,997
GPT-5.6 คืออะไร เบนช์มาร์กเป็นอย่างไร แล้วเราจะลองให้มันทำงานจริงเพื่อดูว่ามันทำได้จริงและทนทานแค่ไหน

16
00:01:22,997 --> 00:01:27,794
เริ่มกันเลยครับ สำหรับใครที่รัน agent เองแล้วอยากเข้าถึง

17
00:01:27,794 --> 00:01:33,533
Agent Wikis ที่ผมใช้ทำวิดีโอเหล่านี้เพื่อค้นคว้าและสร้างเนื้อหาจริง

18
00:01:33,533 --> 00:01:37,815
ๆ ลองแวะดูโปรเจกต์ของผมได้ที่ agentwiks.com นะครับ

19
00:01:37,815 --> 00:01:43,126
ผมให้ wikis เหล่านี้ฟรีทุกชุดในหลากหลายหัวข้อ และถ้าสมัครบัญชี

20
00:01:43,126 --> 00:01:52,462
Pro ในราคา $9.99 ต่อเดือน ก็จะได้เข้าถึง wikis ขนาดใหญ่พิเศษที่มีหน้ามากกว่าและรายละเอียดลึกกว่าในแต่ละหัวข้อ

21
00:01:52,462 --> 00:01:57,258
กลับมาที่วิดีโอกันต่อครับ GPT-5.6 ให้สองทางเลือกในการใช้

22
00:01:57,258 --> 00:02:01,712
compute มากขึ้น ทางแรกคือใช้ max ซึ่งจะให้โมเดลเดียว

23
00:02:01,712 --> 00:02:06,081
reason นานขึ้น โดยสำรวจทางเลือกอื่น ๆ รันการตรวจสอบ

24
00:02:06,081 --> 00:02:12,248
และแก้ไขงานของมันเอง ส่วนอีกทางคือ ultra ซึ่งเปลี่ยนโครงสร้างของงานไปเลย

25
00:02:12,248 --> 00:02:17,815
มันจะประสานงาน agent แบบขนานโดย default แบ่งงานออกเป็นส่วนค้นคว้า

26
00:02:17,815 --> 00:02:22,697
ส่วน implement ส่วนทดสอบ และส่วนวิจารณ์ เป็น architecture

27
00:02:22,697 --> 00:02:27,579
หรือ workflow ใหม่ที่น่าสนใจกับโมเดลตัวเดียว ในเบนช์มาร์ก

28
00:02:27,579 --> 00:02:31,605
Agents' Last Exam มันได้ 53.6 คะแนน ซึ่งสูงกว่า

29
00:02:31,605 --> 00:02:36,145
Fable ถึง 13.1 คะแนนบน AI Intelligence Index เวอร์ชัน

30
00:02:36,145 --> 00:02:40,599
max reasoning ของ Sol เข้าใกล้ Fable ภายในหนึ่งคะแนน

31
00:02:40,599 --> 00:02:44,795
ขณะที่ทำงานเร็วกว่า 61% และต้นทุนประมาณครึ่งหนึ่ง

32
00:02:44,795 --> 00:02:49,249
นี่คือสิ่งที่เขาอยากเน้นย้ำ ไม่ใช่แค่ว่ามันเทียบเท่า

33
00:02:49,249 --> 00:02:53,618
Fable แต่คือมันถูกกว่าและเร็วกว่ามาก การเปลี่ยนแปลง

34
00:02:53,618 --> 00:02:57,986
workflow ที่ใหญ่ที่สุดคือ programmatic tool calling

35
00:02:57,986 --> 00:03:02,440
ซึ่ง GPT-5.6 สามารถเขียนและรันโปรแกรมเบา ๆ ใน memory

36
00:03:02,440 --> 00:03:07,236
เพื่อประสาน tool กรองผลลัพธ์ระหว่างทาง ติดตามความคืบหน้า

37
00:03:07,236 --> 00:03:12,461
และเลือกว่าจะทำอะไรต่อไป นั่นหมายถึงการเรียกโมเดลรอบน้อยลงและ

38
00:03:12,461 --> 00:03:19,399
prompt token ที่ลดลงในงานที่ใช้ tool เยอะ นอกจากนี้มันยังออกแบบมาให้ตรวจสอบงานที่

39
00:03:19,399 --> 00:03:23,425
render แล้ว ไม่ใช่แค่สร้าง source code เท่านั้น

40
00:03:23,425 --> 00:03:28,478
OpenAI อ้างว่า interface ที่แข็งแกร่งขึ้น เช่น presentation

41
00:03:28,478 --> 00:03:33,360
แบบที่เห็นนี้ เอกสาร สเปรดชีต โดยมีผล 92.2% บน BrowseComp

42
00:03:33,360 --> 00:03:37,386
Ultra และถ้าดูจากสายตา นี่คือการสร้างครั้งเดียว

43
00:03:37,386 --> 00:03:41,669
(one-shot) โดยผมไม่ได้กำหนด format เฉพาะเลย ในอดีต

44
00:03:41,669 --> 00:03:46,208
presentation ที่ผมทำกับโมเดล GPT จะเรียบ ๆ กว่านี้มาก

45
00:03:46,208 --> 00:03:50,320
แต่อันนี้กลับใกล้เคียงกับสิ่งที่ผมมักได้จากโมเดล

46
00:03:50,320 --> 00:03:55,116
Claude ซึ่งเป็นสิ่งที่ผมใช้ทำ presentation อยู่เป็นประจำ

47
00:03:55,116 --> 00:03:59,142
ผมอาจลองใช้ GPT-5.6 บ่อยขึ้น เพราะนี่ดูดีจริง ๆ

48
00:03:59,142 --> 00:04:05,480
มาดูเบนช์มาร์กด้าน coding กันบ้าง ซึ่งเป็นจุดที่เรื่องประสิทธิภาพชัดเจนมาก

49
00:04:05,480 --> 00:04:09,848
อย่างที่บอกไป บน AI Coding Index มันได้คะแนนสูงกว่า

50
00:04:09,848 --> 00:04:14,388
Fable แต่ก็ไม่ได้กวาดทุกเบนช์มาร์กนะครับ บน SWE-bench

51
00:04:14,388 --> 00:04:18,585
นั้น Fable ยังนำอยู่ 15.7 คะแนน สรุปก็คือ GPT-5.6

52
00:04:18,585 --> 00:04:22,696
นำในด้าน agentic coding และงาน terminal แบบกว้าง

53
00:04:22,696 --> 00:04:26,808
ๆ แต่ Fable ยังได้เปรียบมากใน software benchmark

54
00:04:26,808 --> 00:04:31,005
แบบหลายไฟล์ที่ยาก แต่ท้ายที่สุดนี่ก็แค่เบนช์มาร์ก

55
00:04:31,005 --> 00:04:38,628
เรายังไม่รู้ว่าในการใช้งานจริงจะเป็นอย่างไร ด้านความปลอดภัยไซเบอร์เป็นจุดที่กระโดดขึ้นมาก

56
00:04:38,628 --> 00:04:44,366
ExploitBench พุ่งจาก 47.9% มาที่ 73.5% และเบนช์มาร์กความปลอดภัยอื่น

57
00:04:44,366 --> 00:04:48,392
ๆ ก็เพิ่มขึ้นแบบเดียวกัน OpenAI ระบุว่า GPT-5.6

58
00:04:48,392 --> 00:04:52,503
ยังอยู่ต่ำกว่าเกณฑ์วิกฤตในด้าน cyber และ biology

59
00:04:52,503 --> 00:04:56,957
แต่การเข้าถึงจะถูกควบคุมมากขึ้น การเปิดตัวมี trusted

60
00:04:56,957 --> 00:05:01,240
access, การตรวจสอบแบบ real-time, reasoning monitor

61
00:05:01,240 --> 00:05:09,120
และมาตรการป้องกันที่บล็อกกิจกรรมไซเบอร์ที่อาจเป็นอันตรายได้มากกว่าโมเดลก่อนหน้าประมาณสิบเท่า

62
00:05:09,120 --> 00:05:15,887
ไม่แน่ว่าสิ่งนี้จะสร้างความไม่สะดวกมากแค่ไหน เพราะเมื่อสัปดาห์ที่ผ่านมาที่ผมใช้

63
00:05:15,887 --> 00:05:20,341
Fable มันน่ารำคาญพอสมควรเลยครับ ตอนทำโปรเจกต์ coding

64
00:05:20,341 --> 00:05:24,623
ธรรมดา ๆ ไม่ว่าจะเกมหรือแอปอะไรสักอย่าง แล้วไปเปิด

65
00:05:24,623 --> 00:05:28,906
guardrail ของ Fable ขึ้นมา ผมก็ใช้งานต่อไม่ได้แล้ว

66
00:05:28,906 --> 00:05:34,559
และพอ trigger ขึ้นมาครั้งนึง มันจะเป็นปัญหาต่อไปตลอดในโปรเจกต์นั้น

67
00:05:34,559 --> 00:05:41,240
แม้จะกลับไปแก้ prompt แล้วก็ตาม มันน่ารำคาญมาก ก็หวังว่าทางนี้จะไม่เป็นแค่นั้น

68
00:05:41,240 --> 00:05:45,522
เรื่องราคาก็มีหลายระดับนะครับ Sol อยู่ที่ $5 input

69
00:05:45,522 --> 00:05:49,719
และ $30 output ส่วนโมเดลที่ถูกกว่าอย่าง Terra และ

70
00:05:49,719 --> 00:05:54,516
Luna อยู่ที่ $1 input และ $6 output ซึ่งใกล้เคียงกับราคา

71
00:05:54,516 --> 00:05:58,970
Haiku ก็พอจะมองภาพได้ว่านี่เปรียบเหมือน Opus, Sonnet

72
00:05:58,970 --> 00:06:04,452
และ Haiku ของ OpenAI เลย แม้จะไม่ตรงเป๊ะ 100% แต่ก็พอให้ภาพจำได้

73
00:06:04,452 --> 00:06:08,820
ก็คงเล่าพอที มาลองใช้จริงกันเลยครับ อันดับแรกคืองาน

74
00:06:08,820 --> 00:06:15,672
coding ที่หลายคนอาจเริ่มเบื่อแล้ว แต่ผมว่ามันดีเพราะผมมีการเปรียบเทียบมากพอสมควร

75
00:06:15,672 --> 00:06:19,869
และเป็นงานที่ค่อนข้างยาก นั่นคือการสร้างไฟล์ HTML

76
00:06:19,869 --> 00:06:24,237
ไฟล์เดียวสำหรับเกม One Piece x Star Wars ที่มี hero

77
00:06:24,237 --> 00:06:28,691
section เต็มจอพื้นหลังสีเข้ม มีทรงกลม 3D หมุนได้ด้วย

78
00:06:28,691 --> 00:06:35,543
Three.js พร้อม custom GLSL fragment shader ที่ทำให้มันดูเหมือนดาวเคราะห์เรืองแสง

79
00:06:35,543 --> 00:06:39,655
ทรงกลมจะค่อย ๆ หมุนรอบแกน X หรือ Y เมื่อ scroll,

80
00:06:39,655 --> 00:06:44,023
GSAP จะ animate การย่อและจางหายของทรงกลมพร้อมกับให้

81
00:06:44,023 --> 00:06:48,134
headline ค่อย ๆ ปรากฏ ส่วน headline จะมี stagger

82
00:06:48,134 --> 00:06:52,503
entrance สไตล์ framer motion และต้องรันได้ใน Chrome

83
00:06:52,503 --> 00:06:58,241
ห้ามใช้ npm ให้ใช้ CDN imports เท่านั้น หลายคนคงเคยเห็นงานนี้มาแล้ว

84
00:06:58,241 --> 00:07:02,867
แต่ผมมีงานเปรียบเทียบจาก Grok 4.5 ที่เพิ่งทำไปเมื่อวาน

85
00:07:02,867 --> 00:07:07,064
รวมถึงจาก Opus และ Fable ก็เลยดูเปรียบเทียบกันแบบ

86
00:07:07,064 --> 00:07:11,518
apples-to-apples ได้เลย ตอนนี้เราจะสลับมาใช้ GPT-5.6

87
00:07:11,518 --> 00:07:16,228
Sol ใน Hermes Agent เพราะนี่คือที่ที่ผมจะใช้มันเป็นหลัก

88
00:07:16,228 --> 00:07:20,254
ผมอาจใช้ใน Codex บ้าง แต่หลัก ๆ จะอยู่ใน Hermes

89
00:07:20,254 --> 00:07:25,650
Agent สิ่งที่ดีก็คือเราได้ context window ที่ใหญ่ขึ้นมาเล็กน้อย

90
00:07:25,650 --> 00:07:29,933
ข้อจำกัดจริง ๆ ของ GPT-5.5 ใน Hermes คือมี context

91
00:07:29,933 --> 00:07:34,644
window แค่ประมาณ 270,000 token แต่ตอนนี้เราได้เพิ่มเป็น

92
00:07:34,644 --> 00:07:39,697
372,000 แล้ว ซึ่งช่วยได้มากสำหรับงาน coding ที่ต้องทนยาวได้

93
00:07:39,697 --> 00:07:45,864
ผมก็จะให้ task นี้กับมันแล้วดูกันว่าเป็นยังไง เพื่อให้เห็นการเปรียบเทียบ

94
00:07:45,864 --> 00:07:50,918
นี่คือผลงานของ Fable ซึ่งดูดีมาก น่าจะเป็นอันที่ดีที่สุดเลย

95
00:07:50,918 --> 00:07:55,800
ส่วนอันที่เพิ่งทำเมื่อวานนี้จาก Grok 4.5 ก็ทำตามคำสั่งครบ

96
00:07:55,800 --> 00:08:01,110
แต่สไตล์ออกจะน้อยกว่านิดหน่อย อย่างไรก็ตามมันทำได้ในครั้งเดียว

97
00:08:01,110 --> 00:08:05,393
(one-shot) ตรงตามคำสั่ง และนี่คือผลงานของ Opus 4.8

98
00:08:05,393 --> 00:08:09,933
ซึ่งก็ใช้ได้ แต่น่าจะต้องลองประมาณสามรอบถึงจะออกมาได้

99
00:08:09,933 --> 00:08:14,044
และจะเห็นว่าแม้ตอนทำได้แล้ว headline แบบ stagger

100
00:08:14,044 --> 00:08:19,183
ก็ยังขึ้นมาใต้ตำแหน่งที่ scroll อยู่ คือมันไม่ทำงานถูกต้องนะ

101
00:08:19,183 --> 00:08:23,294
แต่ดีเรื่องรูปลักษณ์ ทรงกลมก็ดูดี งั้นมาดูกันว่า

102
00:08:23,294 --> 00:08:28,091
GPT-5.6 จะทำได้แค่ไหน โอเค ทำเสร็จแล้ว มาดูกัน เรียบร้อย

103
00:08:28,091 --> 00:08:33,316
GPT ทำเสร็จแล้วและดูดีมาก ดู orb ตรงนี้สิ สไตล์ต่างจากอันอื่น

104
00:08:33,316 --> 00:08:37,427
ๆ ที่เห็นชัดเจน เป็นการตีความที่แตกต่าง อ้อ จริง

105
00:08:37,427 --> 00:08:42,566
ๆ ถ้าขยับเมาส์ — ไม่รู้ว่ากล้องจะเห็นไหมนะ มันจุกจิกนิดหน่อย

106
00:08:42,566 --> 00:08:47,363
— แต่ถ้าขยับเมาส์ไปรอบ ๆ พื้นหลังจะขยับเล็กน้อยตามไปด้วย

107
00:08:47,363 --> 00:08:51,388
ค่อนข้างเจ๋งเลยครับ ดูดีจริง ๆ งั้นมาลอง scroll

108
00:08:51,388 --> 00:08:55,842
กันบ้าง ซึ่งเป็นส่วนสำคัญที่สุด ถ้า scroll ลงมันก็จะ

109
00:08:55,842 --> 00:09:00,039
— เจ๋งจริง ๆ — เข้ามาตรงกลาง "The Grand Line runs

110
00:09:00,039 --> 00:09:04,236
through the stars" ได้ปกติ ทุก element อื่นก็ดูดี

111
00:09:04,236 --> 00:09:08,605
มีปัญหาอยู่อย่างเดียวคือคล้ายกับที่เจอในเวอร์ชันของ

112
00:09:08,605 --> 00:09:14,343
Opus คือมันทำ stagger ตรงนี้ได้ไม่ค่อยดีนัก ไม่รู้ว่าจะมองเห็นไหมนะ

113
00:09:14,343 --> 00:09:21,024
แต่มันจะขึ้นมานิดเดียวมาก ถ้า scroll เร็วพอจะเห็นว่ามันเกือบจะขึ้นมาใต้จอไปเลย

114
00:09:21,024 --> 00:09:27,534
แต่นอกนั้นดูดีมากครับ คือถ้าเทียบกับ Fable นะ ผมว่าผมชอบอันนี้มากกว่าด้วยซ้ำ

115
00:09:27,534 --> 00:09:31,902
รู้สึกว่ามีรายละเอียดในการสร้างทรงกลมมากกว่าเยอะเลย

116
00:09:31,902 --> 00:09:37,127
ผมว่านี่อยู่ในระดับเท่ากันเป็นอย่างน้อย ปัญหาเดียวก็คือเรื่อง

117
00:09:37,127 --> 00:09:41,495
headline ที่ยังทำงานได้ไม่สมบูรณ์ แต่นอกนั้นดูดีมาก

118
00:09:41,495 --> 00:09:45,949
สรุปก็คือเป็นการกระโดดครั้งใหญ่จากโมเดลก่อนหน้าในแง่

119
00:09:45,949 --> 00:09:51,088
style point และงาน front-end นี่เป็นผลลัพธ์ที่แข็งแรงมากครับ

120
00:09:51,088 --> 00:09:56,741
งานถัดไปเป็นโปรเจกต์ขั้นสูงมากที่ผมกำลังทำอยู่ ตอนนี้เสร็จไปประมาณ

121
00:09:56,741 --> 00:10:01,795
70% แล้ว คร่าว ๆ มันชื่อ Shovels Terminal ซึ่งเป็นแผนที่ของ

122
00:10:01,795 --> 00:10:05,820
AI supply chain ทั้งหมด แสดงว่าองค์ประกอบต่าง ๆ

123
00:10:05,820 --> 00:10:12,587
เชื่อมโยงกันอย่างไร แล้วบริษัทจดทะเบียนใดบ้างที่ได้รับผลกระทบจากคลื่นผลกระทบของ

124
00:10:12,587 --> 00:10:16,613
supply chain เหล่านี้ พอมีเวลาเสร็จก็คงได้ดูกัน

125
00:10:16,613 --> 00:10:21,152
เป็นโปรเจกต์ที่ซับซ้อนมากเพราะมีองค์ประกอบด้านภาพเยอะ

126
00:10:21,152 --> 00:10:25,692
และมีส่วนประกอบเชื่อมโยงกันเยอะมากเช่นกัน นี่คือผลการ

127
00:10:25,692 --> 00:10:31,259
audit ที่ Fable เพิ่งทำไป ผมขอให้มันตรวจหา bug งานถัดไปที่ผมจะให้

128
00:10:31,259 --> 00:10:35,713
GPT-5.6 ทำก็คือ audit แบบเดียวกันนี้ และเราจะเปิดใช้

129
00:10:35,713 --> 00:10:39,996
ultra เต็มที่เลย ซึ่งการใช้ ultra จะต้องทำใน Codex

130
00:10:39,996 --> 00:10:44,193
ตรง ๆ เลย ไม่ใช่ใน Hermes Agent ผมก็จะสั่ง "audit

131
00:10:44,193 --> 00:10:48,218
this codebase and report any bugs" เพื่อดูว่าผล

132
00:10:48,218 --> 00:10:52,415
audit จาก GPT-5.6 เทียบกับของ Fable จะเป็นอย่างไร

133
00:10:52,415 --> 00:10:57,383
อ้อ ถือโอกาสเผยโฉมนิดหน่อยนะครับ ตามที่บอกโปรเจกต์นี้เสร็ย

134
00:10:57,383 --> 00:11:01,752
70% นี่คือหน้าเว็บ Shovels Terminal และนี่คือแผนที่

135
00:11:01,752 --> 00:11:06,206
ยังต้องทำต่่ออีกพอสมควร แต่จะเห็นว่ามีองค์ประกอบต่าง

136
00:11:06,206 --> 00:11:11,345
ๆ เชื่อมโยงกันอยู่ และทุกการเชื่อมโยงนั้นมาจากงานค้นคว้าจริง

137
00:11:11,345 --> 00:11:16,484
ส่วน UI ยังดูแปลก ๆ อยู่บ้างนะครับ แต่ก็คือคอนเซ็ปต์นั้นแหละ

138
00:11:16,484 --> 00:11:21,280
และอย่างที่จินตนาการได้มันค่อนข้างซับซ้อน ถ้าทำเสร็ยจริง

139
00:11:21,280 --> 00:11:27,704
ๆ ผมว่าน่าจะเจ๋งมาก จะเห็นว่ามันแสดงบริษัทที่โดนกระทบมากที่สุดเป็นอันดับต้น

140
00:11:27,704 --> 00:11:31,730
ๆ ในแต่ละด้านได้ด้วย โอเค Ultra รันกลับมาในเวลา

141
00:11:31,730 --> 00:11:36,527
16 นาที พบ bug ระดับ high severity อยู่หลายตัวเลยทีเดียว

142
00:11:36,527 --> 00:11:41,666
มีจุดเล็ก ๆ ที่ผมชอบก็คือใน Codex มักจะออกแนวยืดยาวเวิ่นเว้อ

143
00:11:41,666 --> 00:11:46,291
จากที่ใช้อยู่ทั้งวันนี้ รู้สึกว่ามันกระชับข้อมูลดีขึ้น

144
00:11:46,291 --> 00:11:50,317
นั่นคือเหตุผลที่ผมมักใช้ Claude Opus หรือ Fable

145
00:11:50,317 --> 00:11:55,027
สำหรับโปรเจกต์ระยะยาวมากกว่า เพราะนำเสนอข้อมูลได้ดีกว่า

146
00:11:55,027 --> 00:12:00,509
แต่ GPT-5.6 นี่กระชับขึ้นมาก เข้าเป็นสาระเลย ก่อนหน้านี้มันออกจะ

147
00:12:00,509 --> 00:12:04,963
verbose มาก เรามาดูปัญหาที่มันพบกันบ้าง พบ bug ระดับ

148
00:12:04,963 --> 00:12:09,160
high severity สี่ตัว ระดับ medium หลายตัว และ bug

149
00:12:09,160 --> 00:12:13,528
ระดับ low severity เพิ่มเติมอีก สิ่งที่ผมจะทำคือเอา

150
00:12:13,528 --> 00:12:17,811
bug เหล่านี้ไปให้ Fable ตรวจสอบว่าเป็น bug จริงไหม

151
00:12:17,811 --> 00:12:23,464
แล้วให้มันอธิบายว่าทำไมตอนแรกมันถึงไม่พบ นี่คือสิ่งที่ผมกำลังรันใน

152
00:12:23,464 --> 00:12:27,575
Fable อยู่ ผมสั่งว่า "I ran another audit with a

153
00:12:27,575 --> 00:12:31,944
different model. Please review the findings, verify

154
00:12:31,944 --> 00:12:36,312
them, do not assume they are true. Give me a report

155
00:12:36,312 --> 00:12:40,509
of the legitimate findings and try to explain the

156
00:12:40,509 --> 00:12:45,220
best you can why you did not find them. Do not actually

157
00:12:45,220 --> 00:12:50,445
fix anything. Just verify the report." แล้วก็วางผลที่พบเข้าไป

158
00:12:50,445 --> 00:12:54,984
มาดูกันว่า Fable จะตอบอะไร ก็บอกได้เลยว่าดูจากผลคร่าว

159
00:12:54,984 --> 00:12:59,267
ๆ ก็เห็นว่า GPT-5.6 พบได้มากกว่า Fable พบ critical

160
00:12:59,267 --> 00:13:03,806
issue จริง ๆ แค่อันเดียวที่เกี่ยวกับ shockwave engine

161
00:13:03,806 --> 00:13:08,432
ส่วนของ GPT-5.6 จะหลากหลายกว่า มี issue หลายประเภทกว่า

162
00:13:08,432 --> 00:13:13,057
มาดูกันว่า Fable จะตอบว่าอย่างไร ผลออกมาน่าสนใจมากครับ

163
00:13:13,057 --> 00:13:19,138
Fable ตอบกลับมา — ใช้เวลาไปสักพัก — มัน verify ทุกรายการเทียบกับโค้ดและ

164
00:13:19,138 --> 00:13:25,220
installed library sources สรุปก็คือทั้ง 14 รายการเป็นจริงตามข้อเท็จจริง

165
00:13:25,220 --> 00:13:32,243
และ 12 รายการเป็นการพบที่ถูกต้อง สองรายการเป็นสิ่งที่มันเคยรายงานไปก่อนหน้านี้แล้ว

166
00:13:32,243 --> 00:13:36,783
รายการที่ร้ายแรงที่สุดอยู่ในโค้ดที่มันเขียนเอง นี่...

167
00:13:36,783 --> 00:13:41,151
น่าอายพอสมควรเลยครับ นี่คือรายละเอียดและ postmortem

168
00:13:41,151 --> 00:13:46,547
ที่ซื่อสัตย์ เรื่อง findings ก็คือรายการเหล่านี้เป็นจริงทั้งหมด

169
00:13:46,547 --> 00:13:51,001
อันนี้ยืนยันเป็น high severity และเป็น bug ของ Fable

170
00:13:51,001 --> 00:13:57,339
เอง แต่อย่างน้อย Fable ก็รับผิดได้นะครับ มันบอกว่ามันปล่อยส่วนนี้ไว้โดยไม่

171
00:13:57,339 --> 00:14:03,506
guard ซึ่งเป็น bug class เดียวกับที่มันกำลังแก้อยู่ที่อื่นในไฟล์เดียวกัน

172
00:14:03,506 --> 00:14:07,703
อีกรายการคือ missing claims — กุญแจสำคัญลบ claims

173
00:14:07,703 --> 00:14:12,842
ทิ้งหมดเงียบ ๆ ซึ่งเป็นปัญหาค่อนข้างร้ายแรงสำหรับโปรเจกต์นี้

174
00:14:12,842 --> 00:14:17,382
จริง ๆ แล้วนี่เป็น bug ที่ผมเคยติดอยู่ก่อนหน้านี้แล้ว

175
00:14:17,382 --> 00:14:21,665
เคยมีปัญหากับมันมาแล้ว เป็น high UX issue ที่ไม่มี

176
00:14:21,665 --> 00:14:26,718
movement threshold อยู่เลย นั่นก็เป็นสิ่งที่ผมเคยต่อสู้อยู่

177
00:14:26,718 --> 00:14:31,172
ก็ดีใจที่มันหาเจอในที่สุด ก็คือทุกอย่างเช็กได้หมดเลย

178
00:14:31,172 --> 00:14:36,054
เหตุผลตรง ๆ จาก Fable ว่าทำไมถึงเป็นแบบนี้ — มันบอกว่ามัน

179
00:14:36,054 --> 00:14:40,851
anchor การตรวจสอบไว้กับประวัติ bug ที่รู้จักของผลิตภัณฑ์

180
00:14:40,851 --> 00:14:44,876
การแก้ไขของมันเองไม่เคยเข้าสู่ adversarial loop

181
00:14:44,876 --> 00:14:49,159
อีกเลย รายการที่สองร้ายแรงที่สุด — มันเขียน import

182
00:14:49,159 --> 00:14:53,442
script ใหม่เพื่อแก้ปัญหา แต่ไฟล์ที่เขียนใหม่กลับมี

183
00:14:53,442 --> 00:14:58,752
issue เดียวกัน มัน verify data cleanliness แล้วสับสนคิดว่าเป็น

184
00:14:58,752 --> 00:15:03,977
invariant enforcement บางรายการก็เป็นข้อจำกัดมากกว่าที่จะเป็น

185
00:15:03,977 --> 00:15:08,174
bug จริง แต่ก็มี bug ระดับสูงอยู่หลายตัวเหมือนกัน

186
00:15:08,174 --> 00:15:12,371
นี่เป็น findings ที่น่าสนใจมากครับ สรุปก็คือเรามี

187
00:15:12,371 --> 00:15:19,394
GPT-5.6 แก้โค้ดที่ Fable เขียน และ Fable ก็ยอมรับและตระหนักว่าตัวเองเขียนโค้ดที่มี

188
00:15:19,394 --> 00:15:24,020
bug ออกมา นี่ไม่ได้แปลว่า GPT-5.6 จะดีกว่าเสมอไปนะครับ

189
00:15:24,020 --> 00:15:28,902
เพราะผมรันบน Sol พร้อม ultra ซึ่งน่าจะแพงกว่าเวอร์ชันปกติ

190
00:15:28,902 --> 00:15:33,013
แต่มันก็แสดงให้เห็นว่ามันเก่งพอสมควร เพราะหา bug

191
00:15:33,013 --> 00:15:37,895
ที่ Fable ไม่พบและยังเป็นโค้ดที่ Fable เขียนเองได้อีกด้วย

192
00:15:37,895 --> 00:15:43,634
สำหรับโปรเจกต์แบบนี้ ผมอยากให้มีอย่างน้อยหนึ่งในสองตัวทำหน้าที่เป็น

193
00:15:43,634 --> 00:15:50,915
auditor ผมจะใช้ workflow นี้ต่อไป เพราะจะเห็นว่าแม้แต่โมเดลตารางระดับสูงสุดก็ยังเขียน

194
00:15:50,915 --> 00:15:57,595
bug ออกมาโดยไม่รู้ตัวว่าตัวเองเขียน นั่นคือเหตุผลที่คุณต้องมีอะไรสักอย่างอย่าง

195
00:15:57,595 --> 00:16:01,964
GPT-5.6 มาช่วยจับ ก็คงมีแค่นี้ครับสำหรับ First Look

196
00:16:01,964 --> 00:16:07,103
at GPT-5.6 ทำไปแค่ไม่กี่ task เล็ก ๆ เพราะผมจะใช้มันอยู่บ่อย

197
00:16:07,103 --> 00:16:11,214
ๆ และคุณจะเห็นผมใช้ในชีวิตประจำวันในโปรเจกต์ต่าง

198
00:16:11,214 --> 00:16:15,326
ๆ มันจะกลายเป็น driver หลักใน Hermes Agent ของผม

199
00:16:15,326 --> 00:16:19,351
ผมก็เลยอยากเห็นว่ามันทำได้ดีแค่ไหน จากแค่ไม่กี่

200
00:16:19,351 --> 00:16:24,405
task นี้ ผมประทับใจพอสมควร ก็หวังว่ามันจะอยู่ได้ต่อไปนะครับ

201
00:16:24,405 --> 00:16:28,430
แค่นี้แหละสำหรับวิดีโอนี้ ฝากคอมเมนต์ด้วยนะครับ

202
00:16:28,430 --> 00:16:32,542
ประสบการณ์ของคุณกับ GPT-5.6 เป็นอย่างไรบ้าง? ฝาก

203
00:16:32,542 --> 00:16:37,338
subscribe ฝาก like ด้วยนะครับ แล้วเจอกันใหม่ในวิดีโอหน้า

204
00:16:37,338 --> 00:16:38,880
ขอบคุณที่รับชมครับ