GPT-6 Astra ใช้คอมพิวเตอร์คุณได้: มอบ OpenAPI spec ให้แทน

ฟีเจอร์เด่นของ GPT-6 Astra คือสามารถใช้งานคอมพิวเตอร์ได้ ไม่ใช่ในความหมายแบบปี 2025 ที่โมเดลคลิกไปเรื่อยๆ ในการสาธิตแล้วหลงทางในเมนูดรอปดาวน์ ใน โพสต์เปิดตัวของ OpenAI Astra ทำคะแนนได้ 72.6% ใน OSWorld 2.0 โดยใช้เวลาประมาณ 40 นาทีต่องาน กรอกแบบฟอร์ม อัปเดต CRM ติดตั้งซอฟต์แวร์ และทำการตรวจสอบ QA ส่วนหน้า (frontend) บนเว็บไซต์ที่สร้างขึ้นเอง OpenAI เรียกมันว่า “โมเดลการใช้คอมพิวเตอร์ที่ดีที่สุดในโลก” และครั้งนี้การสาธิตก็สนับสนุนคำกล่าวอ้างนั้น

หากคุณสร้างหรือทดสอบ API ความสามารถนั้นชี้ไปที่ทางลัดที่น่าดึงดูด: ชี้ Astra ไปที่แอปของคุณแล้วปล่อยให้มันคลิก โพสต์นี้จะแนะนำว่าคุณควรทำสิ่งที่น่าประทับใจน้อยลงแต่มีประโยชน์มากกว่า มอบสัญญาให้มัน OpenAPI spec เป็นอินเทอร์เฟซที่เร็วขึ้น ถูกลง และตรวจสอบได้มากกว่าสำหรับโมเดลเมื่อเทียบกับหน้าจอ และโมเดลที่มีความสามารถขนาดนี้จะใช้งานมันได้ดี เราเห็น Astra เปลี่ยนไปใช้แนวทางนี้ด้วยตัวเองระหว่าง การทดสอบจริงสองวัน ของเรา และส่วนที่เหลือของบทความนี้จะอธิบายว่าทำไมการตัดสินใจนั้นถูกต้องและจะตั้งค่ากับ Apidog ได้อย่างไร

สรุปโดยย่อ (TL;DR)

การใช้งานคอมพิวเตอร์ของ GPT-6 Astra เป็นของจริง: ได้ 72.6% บน OSWorld 2.0, 92.7% บน ScreenSpot-Pro และชุดเครื่องมือ Codex ที่ทำงานที่เกี่ยวข้องกับการใช้คอมพิวเตอร์ได้เร็วกว่าประสบการณ์ของ GPT-5.6 Sol ถึง 1.9 เท่า แต่การควบคุมหน้าจอใช้เวลาหลายสิบนาทีและโทเค็นรูปภาพจำนวนมากต่องาน และมันทดสอบ UI ไม่ใช่ API สำหรับบริการของคุณเอง มอบ OpenAPI spec ให้ Astra ผ่าน Apidog MCP Server หรือเป็นฟังก์ชันเครื่องมือ ให้มันเขียนสถานการณ์ทดสอบ และรันสถานการณ์เหล่านั้นจาก Apidog CLI ใน CI เก็บการใช้งานคอมพิวเตอร์ไว้สำหรับส่วนที่ไม่มี API

การใช้งานคอมพิวเตอร์ใน GPT-6 Astra ทำอะไรได้บ้าง

ความสามารถนี้กว้างกว่าแค่ “การท่องเว็บไซต์” OpenAI ระบุงานที่ต้องใช้ความรู้ที่น่าเบื่อ (แบบฟอร์มออนไลน์, บันทึก CRM, ปฏิทิน), การวิจัยและการร่างเอกสารภายในโปรแกรมแก้ไขเอกสาร, การวิเคราะห์ข้อมูลทางวิทยาศาสตร์พร้อมกราฟ, การสร้างและโฮสต์เว็บไซต์ผ่าน ChatGPT Sites และการตรวจสอบ QA ส่วนหน้าบนเว็บไซต์นั้น การสาธิตยังรวมถึงการจัดวางแผงวงจรพิมพ์ใน KiCad และการสร้างแบบจำลองบ้านใน Blender

ตัวเลขมาตรฐานจากโพสต์เปิดตัวของ OpenAI ทั้งหมด:

มีสองรายละเอียดที่สำคัญกว่าคะแนน Astra ทำงาน OSWorld เสร็จสิ้นในเวลาที่น้อยกว่า Sol ประมาณ 47% และในการทดสอบ Agents’ Last Exam มันใช้โทเค็นเอาต์พุตน้อยกว่า Opus 5 ประมาณ 65% ในการตั้งค่าที่ได้คะแนนสูงสุด นอกจากโมเดลแล้ว OpenAI ยังได้อัปเดตชุดเครื่องมือ Codex เพื่อให้งานที่เกี่ยวข้องกับการใช้คอมพิวเตอร์เสร็จสิ้นเร็วกว่าประสบการณ์ของ Sol ปัจจุบันบน Mind2Web ถึง 1.9 เท่า ลูปที่เร็วกว่าหมายถึงลูปที่ถูกกว่า ซึ่งเป็นส่วนที่สำคัญสำหรับทุกคนที่จ่ายเงินตามโทเค็น

พฤติกรรมก็ดีขึ้นเช่นกัน Astra ถามคำถามที่มุ่งเน้นเฉพาะเมื่อคำตอบจะเปลี่ยนผลลัพธ์ ยังคงมุ่งเน้นเมื่อคุณนำทางมันระหว่างงาน และใน Codex มันสามารถถามแบบอะซิงโครนัสได้ในขณะที่ทำงานที่ไม่ได้ขึ้นอยู่กับการตอบกลับของคุณ ในเกณฑ์มาตรฐานความปลอดภัยการใช้งานคอมพิวเตอร์ภายในของ OpenAI ซึ่งคะแนนที่ต่ำกว่าจะดีกว่า Astra ทำคะแนนได้ 2.4% เทียบกับ 22.0% ของ Sol

งานที่ใช้เวลา 40 นาที มีค่าใช้จ่ายเท่าไร

การใช้งานคอมพิวเตอร์เป็นแบบวนซ้ำ: ถ่ายภาพหน้าจอ, วิเคราะห์, ดำเนินการ, ถ่ายภาพหน้าจออีกครั้ง ทุกการถ่ายภาพหน้าจอเป็นอินพุตภาพ ทุกขั้นตอนจะนำการสนทนามาจนถึงปัจจุบัน และงานที่ใช้เวลา 40 นาทีก็ใช้หลายร้อยขั้นตอน ด้วย อัตรามาตรฐาน ของ Astra ที่ $10 ต่อล้านโทเค็นอินพุต และ $50 ต่อล้านโทเค็นเอาต์พุต โดยที่ prompts ที่มีอินพุตเกิน 272K โทเค็นจะถูกเรียกเก็บเงินที่ $20 ต่อล้านโทเค็น เซสชันยาวๆ ที่เก็บประวัติทั้งหมดในบริบทจะถูกคิดราคาแบบ long-context ก่อนที่จะเสร็จสิ้น การแคช prompt ช่วยในส่วนของ prefix ที่ซ้ำกันที่ $1 ต่อล้านโทเค็นที่แคชไว้ แต่ภาพหน้าจอเองเป็นของใหม่ในทุกขั้นตอน

เปรียบเทียบกับเส้นทางสัญญา OpenAPI spec ของคุณเป็น prefix เดียวที่แคชไว้ครั้งเดียว การทดสอบแต่ละครั้งที่โมเดลเขียนเป็น JSON ไม่กี่ร้อยโทเค็น การรันการทดสอบแต่ละครั้งคือการเรียก HTTP ที่ไม่มีค่าใช้จ่ายทางฝั่งโมเดล เพราะสถานการณ์การทดสอบ เมื่อเขียนแล้ว ไม่จำเป็นต้องใช้โมเดลในการดำเนินการ

มีค่าใช้จ่ายอีกอย่างที่ไม่เกี่ยวข้องกับเงินเลย ภาพรวมความปลอดภัย ของ OpenAI ระบุว่าตัวตรวจสอบความไม่สอดคล้องกันในการผลิต “บางครั้งอาจชะลอ หยุดชั่วคราว หรือหยุดงานที่ถูกต้อง” และเน้นย้ำถึง “งานที่เอเจนต์ทำงานเป็นระยะเวลานาน” ใน ChatGPT หรือ Codex คุณจะถูกขอให้ทบทวนการดำเนินการ ใน API งานจะหยุดลง เซสชันการควบคุมหน้าจอ 40 นาทีเป็นรูปแบบของงานที่เสี่ยงต่อการหยุดชะงักดังกล่าวมากที่สุด แต่การเรียกใช้ API เพียงห้าวินาทีไม่เป็นเช่นนั้น

การใช้งานคอมพิวเตอร์เทียบกับสัญญา: สถานการณ์ที่แต่ละวิธีชนะ

ความแตกต่างคือสิ่งที่คุณกำลังทดสอบ การใช้งานคอมพิวเตอร์ทดสอบพิกเซล ส่วน Spec ทดสอบสัญญา เมื่อส่วนหน้า (frontend) เสียหาย API มักจะยังคงทำงานได้ดี และเมื่อ API เสียหาย ส่วนหน้าสามารถซ่อนมันไว้เบื้องหลังข้อผิดพลาดที่เป็นมิตรได้ ทั้งสองอย่างมีความสำคัญ แต่ทีม API ส่งมอบสัญญา ดังนั้นควรทดสอบสัญญาเป็นอันดับแรก

วิธีมอบสัญญา API ให้ Astra

มีสามวิธีในการให้ Spec แก่ Astra และสามารถใช้ร่วมกันได้

1. ให้ไฟล์แก่ Astra. ส่งออก OpenAPI spec จากโปรเจกต์ Apidog ของคุณ (หรือนำเข้า spec ที่มีอยู่ของคุณไปยัง Apidog ก่อน) และรวมไว้ในคำขอ หน้าต่างบริบทขนาด 1,050,000 โทเค็นของ Astra สามารถรองรับ spec ที่ใช้งานจริงได้ในหนึ่ง prompt และการทดสอบการเรียกคืน MRCR ของ OpenAI แสดงให้เห็นว่ามันยังคงความแม่นยำ 96.3% ในช่วง 512K ถึง 1M ซึ่ง Sol ลดลงเหลือ 73.8% Spec ขนาดใหญ่จึงไม่เป็นปัญหาในการแบ่งส่วนอีกต่อไป

2. เชื่อมต่อโปรเจกต์ผ่าน MCP. Apidog MCP Server เปิดเผยโปรเจกต์ Apidog ของคุณ, เอกสารที่เผยแพร่ หรือไฟล์ OpenAPI ให้กับไคลเอ็นต์ที่รองรับ MCP ใดๆ ดังนั้น Astra จึงอ่านสัญญาปัจจุบันแทนการส่งออกที่ล้าสมัย Codex และเอเจนต์เดสก์ท็อปสามารถดึงคำจำกัดความของ Endpoint ได้ในขณะที่ทำงาน นั่นคือการตั้งค่าที่ทำให้ Astra ในการทดสอบของเรา สามารถค้นหาและอ่าน spec ได้ด้วยตัวเอง

3. แปลง Spec ให้เป็นเครื่องมือ. สำหรับการใช้งานแบบโปรแกรม ให้แปลง Endpoint เป็นฟังก์ชันเครื่องมือและเรียกใช้ Astra ผ่าน Responses API ซึ่งเป็นรูปแบบที่เรากล่าวถึงใน การแปลง OpenAPI เป็นเครื่องมือสำหรับ AI agent หน้าโมเดล แสดงรายการการเรียกใช้ฟังก์ชัน, เอาต์พุตที่มีโครงสร้าง และการค้นหาไฟล์เป็นคุณสมบัติของ Astra และการเรียกใช้เครื่องมือต้องใช้ Responses API ไม่ใช่ Chat Completions

คำขอขั้นต่ำที่ขอให้ Astra ร่างสถานการณ์ทดสอบจาก Spec จะมีลักษณะดังนี้:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": [
      {"role": "developer", "content": "คุณกำลังเขียนสถานการณ์ทดสอบ API. เน้นการดำเนินการ. ถามคำถามก็ต่อเมื่อคำตอบเปลี่ยนการออกแบบการทดสอบเท่านั้น. ส่งออก JSON ที่ตรงกับ Schema."},
      {"role": "user", "content": "นี่คือ OpenAPI 3.1 spec ของเรา. ร่างสถานการณ์ทดสอบต่อหนึ่งทรัพยากร: happy path, ขอบเขตการตรวจสอบสิทธิ์, และหนึ่งกรณีเชิงลบแต่ละรายการ.\n\n<วาง spec>"}
    ],
    "text": {"format": {"type": "json_schema", "name": "scenarios", "schema": {"type": "object", "properties": {"scenarios": {"type": "array"}}, "required": ["scenarios"]}}}
  }'

สองข้อสังเกตจาก คำแนะนำโมเดล ของ OpenAI Astra ไม่มีระดับความพยายาม none หรือ minimal ดังนั้นให้เริ่มต้นที่ low หรือ medium และมัน “ขอคำชี้แจงได้ง่ายกว่า” โมเดลรุ่นก่อนๆ ดังนั้นข้อความ “bias towards action” ในข้อความของนักพัฒนาจึงมีบทบาทสำคัญ

4. รันสถานการณ์โดยไม่ต้องใช้โมเดล. นำเข้าสถานการณ์ที่สร้างขึ้นไปยัง Apidog, แนบการยืนยันบนรหัสสถานะและ Schema การตอบกลับ และรันจาก Apidog CLI ใน Pipeline ของคุณ โมเดลเขียนการทดสอบเพียงครั้งเดียว CI ของคุณรันมันเป็นพันครั้งได้ฟรี นั่นคือข้อโต้แย้งทางเศรษฐกิจในประโยคเดียว และนั่นคือเหตุผลที่ ดาวน์โหลด Apidog อยู่ถัดจากคีย์ API ในเวิร์กโฟลว์นี้

รักษารั้วป้องกันไว้ แม้ว่า Astra จะเคารพมันก็ตาม

ผลลัพธ์การจัดแนว (alignment) ของ OpenAI สำหรับ Astra เป็นสิ่งที่ดีที่สุดที่เคยเผยแพร่ ในการทดสอบ honeypot ที่สร้างขึ้นหลังจากเหตุการณ์ Hugging Face นั้น Sol ข้ามเป้าหมายที่ได้รับอนุญาตไป 48% ของเวลาทั้งหมด ในขณะที่ Astra ไม่ทำเช่นนั้นเลย 0% Astra ไม่เคยพยายามหลีกเลี่ยงการปฏิเสธการตรวจสอบอัตโนมัติของ Codex แม้ว่าการปฏิเสธนั้นจะถูกตั้งค่าให้สามารถหลีกเลี่ยงได้ก็ตาม ความทนทานต่อการโจมตีแบบ indirect prompt-injection อยู่ที่ 99.79% เพิ่มขึ้นจาก 96.23%

ทั้งหมดนั้นไม่ได้ลบความจำเป็นในการมีประตูควบคุม (gates) ออกไป แต่มันหมายความว่าประตูควบคุมจะทำงานน้อยลง โมเดลที่มีหน้าต่างโทเค็นขนาด 1M, มีคะแนนความปลอดภัยทางไซเบอร์ระดับ Critical และความสามารถในการส่งคำขอไปยัง API ของคุณแบบสุ่ม ควรยังคงรันกับ staging โดยใช้ข้อมูลรับรองที่กำหนดขอบเขต, ประตูอนุมัติสำหรับการเปลี่ยนแปลง (mutations) และการติดตามทุกการเรียกใช้ ตัวตรวจสอบของ Astra อาจหยุดการทำงานกลางคันได้ ดังนั้นให้ถือว่างานที่ใช้เวลานานทุกงานสามารถดำเนินการต่อได้ การออกแบบการทดสอบสำหรับเอเจนต์ที่ไม่เป็นไปตามเงื่อนไขที่กำหนด ยังคงใช้ได้โดยไม่เปลี่ยนแปลง: ยืนยันตามสัญญา ไม่ใช่ตามบันทึกการสนทนา

การใช้งานคอมพิวเตอร์ยังคงมีบทบาทสำคัญในกรณีใดบ้าง

อย่าเข้าใจผิดว่า “ห้ามให้มันคลิกเลย” มีสามกรณีที่การใช้หน้าจอจะดีกว่า พอร์ทัลของพันธมิตรหรือคอนโซลผู้ดูแลระบบที่ไม่มี API การตรวจสอบส่วนหน้าในวันเปิดตัวที่มนุษย์มักจะทำด้วยมือ เครื่องมือเดสก์ท็อปแบบ Legacy ที่มีเพียง UI เท่านั้น Astra เป็นโมเดลแรกที่งานเหล่านั้นคุ้มค่าที่จะมอบหมายให้ทำ และการเร่งความเร็วของชุดเครื่องมือ Codex ทำให้งานเหล่านี้มีราคาถูกพอที่จะรันได้ทุกคืน

กฎที่ใช้งานได้จริง: ใช้สัญญาเมื่อมีสัญญาอยู่ และใช้หน้าจอเมื่อไม่มีสัญญา

คำถามที่พบบ่อย

การใช้งานคอมพิวเตอร์ของ GPT-6 Astra ทำงานผ่าน API ได้หรือไม่? ได้ การใช้งานคอมพิวเตอร์อยู่ในรายการเครื่องมือที่ Astra รองรับบน Responses API ควบคู่ไปกับการค้นหาเว็บ, การค้นหาไฟล์, ตัวแปลโค้ด และการสร้างรูปภาพ แอปพลิเคชันของคุณจะเป็นผู้จัดเตรียมสภาพแวดล้อมและดำเนินการตามการกระทำที่โมเดลเสนอ API ยังมีมาตรการป้องกันที่เข้มงวดกว่าของ OpenAI: งานที่ถูกหยุดโดยตัวตรวจสอบความไม่สอดคล้องกันจะหยุดลงทันทีแทนที่จะรอการตรวจสอบ

ฉันสามารถให้ Spec ขนาดใหญ่แค่ไหน? หน้าต่างบริบทมีขนาด 1,050,000 โทเค็น พร้อมเอาต์พุต 128,000 โทเค็น Spec ที่มี Endpoint หลายร้อยรายการและ Schema ครบถ้วนสามารถใส่ลงไปได้โดยมีพื้นที่เหลือ Prompts ที่มีอินพุตเกิน 272K โทเค็นจะถูกเรียกเก็บเงินเป็น 2 เท่าของอัตราอินพุตและการแคช ดังนั้นควรแคช prefix ของ Spec และรักษาข้อความต่อการทดสอบให้มีขนาดเล็ก

มันจะสร้าง Endpoint ที่ไม่มีอยู่ใน Spec ขึ้นมาเองหรือไม่? น้อยกว่าโมเดลรุ่นก่อนๆ เกณฑ์มาตรฐานการหลอนภายในของ OpenAI ซึ่งคะแนนที่ต่ำกว่าจะดีกว่า แสดงให้เห็นว่า Astra อยู่ที่ 4.2% เทียบกับ 12.2% ของ Sol และมีโอกาสน้อยกว่าสามเท่าที่จะบิดเบือนความสามารถของตัวเอง เอาต์พุตที่มีโครงสร้างพร้อมกับการรันที่ตรวจสอบ Schema ใน Apidog จะช่วยจับส่วนที่เหลือ ซึ่งเป็นเหตุผลว่าทำไม การทดสอบสัญญา (contract test) จึงเป็นคำตอบสุดท้าย ไม่ใช่โมเดล

สิ่งนี้ถูกกว่า GPT-5.6 Sol สำหรับการสร้างการทดสอบหรือไม่? หากคิดต่อโทเค็น ไม่ Astra มีค่าใช้จ่าย $10 และ $50 ต่อล้านโทเค็น เทียบกับโปรโมชั่นของ Sol ที่ $4 และ $20 แต่เมื่อคิดต่องานที่เสร็จสิ้น OpenAI อ้างว่า Astra ใช้โทเค็นน้อยกว่ามาก และเวิร์กโฟลว์ที่ใช้ Spec เป็นอันดับแรกทำให้ค่าใช้จ่ายของโมเดลเป็นการใช้จ่ายเพียงครั้งเดียว วัดผลกับ Spec ของคุณเองก่อนตัดสินใจ; คู่มือ API แสดงวิธีเปรียบเทียบทั้งสองอย่างเคียงข้างกัน

ฉบับย่อ

GPT-6 Astra สามารถควบคุมคอมพิวเตอร์ของคุณได้ และสำหรับส่วนที่ไม่มี API นั่นเป็นของขวัญที่แท้จริง สำหรับ API ที่คุณเป็นเจ้าของ การใช้หน้าจอเป็นวิธีที่ช้า มอบสัญญาให้โมเดล ให้มันเขียนสถานการณ์ รันสถานการณ์เหล่านั้นใน CI และรักษารั้วป้องกันไว้ Astra สรุปเรื่องนี้ได้ด้วยตัวเองภายในยี่สิบนาที ทีมของคุณสามารถเริ่มต้นจากจุดนั้นได้เลย