วิธีใช้ GPT-5.6 API: Sol, Terra และ Luna

OpenAI ได้เปิดตัว GPT-5.6 ให้ใช้งานทั่วไปเมื่อวันที่ 9 กรกฎาคม 2026 และการเข้าถึง API เป็นแบบบริการตนเอง: บัญชี API ใด ๆ สามารถเรียกใช้งานได้ทันที โดยไม่ต้องรอคิวและไม่มีการจำกัดแผน การพรีวิวแบบจำกัดที่ดำเนินการมาจนถึงต้นเดือนกรกฎาคมได้กลายเป็นประวัติศาสตร์ไปแล้ว สิ่งที่เปลี่ยนแปลงสำหรับนักพัฒนาคือรูปแบบของการเปิดตัวนั้นเอง แทนที่จะเป็นโมเดลเดียว คุณจะได้สามโมเดล: Sol, Terra และ Luna ซึ่งแต่ละโมเดลมีราคาที่แตกต่างกันไป พร้อมด้วยระดับความพยายามในการให้เหตุผลหกระดับ และการควบคุมการแคชพร้อมต์ที่ชัดเจน

นี่เป็นการตัดสินใจที่มากกว่าการเปลี่ยนโมเดลทั่วไป และค่าเริ่มต้นที่คุณเลือกในสัปดาห์แรกมักจะอยู่ถาวร คู่มือนี้จะแนะนำ Model ID และเวลาที่แต่ละตัวสมควรได้รับตำแหน่งของมัน, คำขอแรกของคุณใน Python และ curl, ความพยายามในการให้เหตุผล, การตั้งค่าการแคช, พื้นผิว API ของ Responses ใหม่ และวิธีการย้ายจาก GPT-5.5 โดยไม่มีเรื่องเซอร์ไพรส์ หากคุณต้องการข้อมูลเบื้องหลังทั้งหมดเกี่ยวกับระดับเรือธงก่อนหน้า ภาพรวม GPT-5.6 Sol ครอบคลุมการวางตำแหน่งและเกณฑ์มาตรฐาน; บทความนี้เน้นการใช้งานจริง

เมื่อจบบทความนี้ คุณจะสามารถเรียกใช้งานทั้งสามระดับได้อย่างสมบูรณ์ และมีวิธีที่ทำซ้ำได้เพื่อเปรียบเทียบโมเดลเหล่านี้ด้วยพร้อมต์ของคุณเองใน Apidog เพื่อให้การตัดสินใจด้านต้นทุนและคุณภาพมาจากข้อมูลของคุณเอง แทนที่จะเป็นโพสต์เปิดตัว

สรุป (TL;DR)

สาม Model ID, หนึ่งเจเนอเรชัน: gpt-5.6-sol (การให้เหตุผลเชิงลึกที่สุด), gpt-5.6-terra (สมดุล), gpt-5.6-luna (เร็วที่สุดและถูกที่สุด) นามแฝงเปล่า gpt-5.6 จะนำไปยัง Sol
การเข้าถึง API เป็นแบบบริการตนเองสำหรับบัญชี OpenAI API ใด ๆ ไม่มีข้อจำกัดอีกต่อไป
ราคาต่อ 1 ล้านโทเค็น: Sol $5 เข้า / $30 ออก, Terra $2.50 / $15, Luna $1 / $6
ความพยายามในการให้เหตุผลมีหกระดับ: none ถึง max โหมด Pro เป็นการตั้งค่า (reasoning.mode: "pro") บนทั้งสามโมเดล ไม่ใช่โมเดลที่แยกต่างหาก
การแคชพร้อมต์แบบชัดเจนมาถึงแล้ว: prompt_cache_options.mode: "explicit" พร้อมด้วย ttl การเขียนจะคิดค่าบริการที่ 1.25 เท่า, การอ่านยังคงได้รับส่วนลด 90%, และแคชมีอายุอย่างน้อย 30 นาที
การย้ายจาก GPT-5.5 เป็นการปรับจูน: ทดสอบระดับความพยายามที่ต่ำลงหนึ่งระดับ และลบคำสั่งที่เน้นความกระชับออกจากพร้อมต์ของคุณ

สาม Model ID และเวลาที่ควรเลือกใช้แต่ละตัว

GPT-5.6 แตกต่างจากวิธีการตั้งชื่อทั่วไปของ OpenAI ตัวเลขคือเจเนอเรชัน; Sol, Terra และ Luna คือระดับความสามารถที่คงทนซึ่งจะพัฒนาไปตามจังหวะของตัวเอง ดังที่ MarkTechPost รายงานการเปิดตัว ระบุไว้ ระดับที่คุณเลือกใช้ในวันนี้จะยังคงมีความหมายในเจเนอเรชันถัดไป

Model ID	ระดับ	อินพุต / เอาต์พุตต่อ 1 ล้านโทเค็น	ควรใช้เมื่อ
`gpt-5.6-sol`	เรือธง	$5 / $30	การให้เหตุผลเชิงลึก, การจัดการเอเจนต์, การแก้ไขข้อผิดพลาดที่ซับซ้อน
`gpt-5.6-terra`	สมดุล	$2.50 / $15	คุณสมบัติผลิตภัณฑ์ในชีวิตประจำวัน, งานระดับ GPT-5.5 ในราคาที่ต่ำกว่า
`gpt-5.6-luna`	เร็ว	$1 / $6	การจัดหมวดหมู่, การสกัดข้อมูล, การกำหนดเส้นทาง, การร่างฉบับแรก

Sol คือเรือธง OpenAI รายงานว่าได้คะแนนประมาณ 53 ใน Agents’ Last Exam เทียบกับ 46.9 สำหรับ GPT-5.5 ดังนั้นให้ถือว่านี่เป็นข้อมูลที่อ้างสิทธิ์ในวันเปิดตัวและตรวจสอบกับงานของคุณเอง Terra เป็นทางเลือกที่ใช้งานได้จริง: OpenAI วางตำแหน่งให้สามารถแข่งขันกับ GPT-5.5 ได้ในราคาประมาณครึ่งหนึ่ง Luna มีไว้สำหรับงานที่มีปริมาณมากและมีความละเอียดอ่อนต่อความล่าช้า ซึ่งคุณให้ความสำคัญกับเศรษฐศาสตร์หน่วยมากกว่าความลึกของข้อมูล

ค่าเริ่มต้นที่เหมาะสม: สร้างต้นแบบบน Terra, ยกระดับไปใช้ Sol เฉพาะเมื่อ Terra ล้มเหลวอย่างชัดเจน, และผลักดันเส้นทางที่มีปริมาณมากไปยัง Luna เมื่อพร้อมต์มีความเสถียรแล้ว รายละเอียดราคา GPT-5.6 จะลงลึกถึงวิธีการเปรียบเทียบอัตราเหล่านี้ในแต่ละเจเนอเรชันและคู่แข่ง

มีนามแฝงหนึ่งที่ควรทราบ: gpt-5.6 ที่ไม่มีส่วนต่อท้ายจะนำไปยัง Sol ให้ปักหมุด Model ID ของระดับที่ชัดเจนในโค้ดที่ใช้งานจริง เพื่อให้การเรียกใช้งานทุกครั้งระบุได้อย่างชัดเจนว่ามีค่าใช้จ่ายเท่าใด

คำขอแรกของคุณ

Model ID ด้านล่างนี้ตรงกับ เอกสารสำหรับนักพัฒนาของ OpenAI ทุกประการ คุณต้องมีคีย์ OpenAI API ที่เปิดใช้งานการเรียกเก็บเงินเท่านั้น ไม่มีอะไรเพิ่มเติม

Chat Completions ทำงานได้เหมือนเดิม ดังนั้นโค้ดที่มีอยู่จำเป็นต้องเปลี่ยนแค่โมเดลเท่านั้น:

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "You are a concise code reviewer."},
        {"role": "user", "content": "Review this for edge cases: def parse_price(raw): return float(raw.strip('$'))"}
    ]
)

print(response.choices[0].message.content)

การเรียกใช้งานเดียวกันใน curl:

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {"role": "user", "content": "Explain idempotency keys in one paragraph."}
    ]
  }'

สำหรับการสร้างใหม่ ควรกำหนดเป้าหมายไปที่ Responses API แทน ส่วนเพิ่มเติมที่เปิดตัวพร้อมใช้งานทั่วไปทั้งหมดจะอยู่ในนั้น และสามารถรับบล็อกการให้เหตุผลได้โดยตรง:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Summarize the trade-offs between webhooks and polling.",
    reasoning={"effort": "low"}
)

print(response.output_text)

รันพร้อมต์เดียวกันกับทั้งสามระดับก่อนที่คุณจะเขียนโค้ดการรวมระบบอีกบรรทัด ความแตกต่างในน้ำเสียง ความยาว และความล่าช้านั้นสัมผัสได้ง่ายกว่าการอ่าน

การเลือกระดับความพยายามในการให้เหตุผล

GPT-5.6 มีระดับความพยายามในการให้เหตุผลหกระดับ: none, low, medium, high, xhigh และ max

none จะปิดการให้เหตุผล ใช้เมื่อภารกิจเป็นเชิงกลและความล่าช้าสำคัญกว่าความลึก: การจัดรูปแบบใหม่, การสกัดข้อมูลตามโครงสร้างที่ชัดเจน, การเติมเทมเพลต Luna ที่ระดับ none ทำงานเหมือนโมเดลการเติมข้อความที่รวดเร็วแบบคลาสสิก และการจับคู่เช่นนี้คือจุดที่อัตราอินพุต $1 ของมันเปล่งประกาย

max อยู่ที่ปลายอีกด้านหนึ่ง สงวนไว้สำหรับปัญหาที่คำตอบที่ผิดมีราคาแพงกว่าคำตอบที่ช้า: ข้อผิดพลาดในการทำงานพร้อมกันที่ซับซ้อน, การตรวจสอบสถาปัตยกรรม, การวางแผนหลายขั้นตอน คาดว่าจะใช้เวลารอนานขึ้นและมีค่าใช้จ่ายที่สูงขึ้น

ปริมาณงานส่วนใหญ่จะอยู่ตรงกลาง เริ่มต้นที่ medium, เลื่อนขึ้นทีละระดับ และวัดคุณภาพก่อนที่คุณจะยอมรับค่าใช้จ่ายเพิ่มเติมในการเพิ่มระดับ การลดระดับมักจะไม่มีค่าใช้จ่าย: คำแนะนำในการย้ายข้อมูลของ OpenAI เองระบุว่าปริมาณงาน GPT-5.5 หลายรายการยังคงรักษาคุณภาพได้ในระดับที่ต่ำกว่าหนึ่งระดับบน GPT-5.6

โหมด Pro แยกต่างหากจากระดับความพยายาม ตั้งค่า reasoning.mode: "pro" แล้วโมเดลจะให้ความสำคัญกับคุณภาพของคำตอบมากกว่าความเร็ว มันทำงานบนทั้งสามระดับและเป็นการตั้งค่า ไม่ใช่ Model ID ที่แตกต่างกัน ดังนั้นจึงไม่มีชื่อเฉพาะสำหรับโหมด Pro ให้ตามหา ปริมาณงานที่เน้นคุณภาพเป็นอันดับแรก เช่น สรุปทางกฎหมายหรือการวิเคราะห์หลังเกิดเหตุการณ์คือขอบเขตการใช้งาน สำหรับรูปแบบคำขอและข้อจำกัดที่แน่นอน โปรดดูเอกสารอ้างอิง API ของ OpenAI

การตั้งค่าการแคชพร้อมต์

GPT-5.6 เพิ่มการควบคุมแคชแบบชัดเจน ตั้งค่า prompt_cache_options.mode เป็น "explicit" แล้วคุณจะเป็นผู้ตัดสินใจว่าจะแคชอะไรแทนที่จะพึ่งพาการตรวจจับคำนำหน้าอัตโนมัติ:

response = client.responses.create(
    model="gpt-5.6-luna",
    input=[
        {"role": "system", "content": SUPPORT_PLAYBOOK},
        {"role": "user", "content": ticket_text}
    ],
    prompt_cache_options={"mode": "explicit"}
)

ฟิลด์ ttl บนออบเจกต์ตัวเลือกเดียวกันจะกำหนดระยะเวลาที่คำนำหน้าที่แคชไว้จะยังคง "อุ่น" อยู่ ไม่ว่าคุณจะร้องขออะไร ขั้นต่ำคือ 30 นาที ค่า ttl ที่ยอมรับและกฎการจัดวางจุดแบ่งอยู่ในเอกสารอ้างอิง API ของ OpenAI

หลักเศรษฐศาสตร์นั้นเรียบง่าย การเขียนแคชจะถูกเรียกเก็บเงินในอัตรา 1.25 เท่าของอัตราอินพุตที่ไม่ได้แคช การอ่านแคชยังคงได้รับส่วนลด 90% ดังนั้นการแคชจะคุ้มค่าตั้งแต่การเรียกใช้ครั้งที่สอง: การเรียกใช้คำนำหน้าที่ไม่ได้แคชสองครั้งจะมีค่าใช้จ่าย 2.0 เท่าของราคาโทเค็น ในขณะที่การเขียนหนึ่งครั้งบวกการอ่านหนึ่งครั้งมีค่าใช้จ่าย 1.35 เท่า

ตัวอย่างการคำนวณ สมมติว่าบอทสนับสนุนส่งคู่มือ 40,000 โทเค็นในการเรียกใช้ Luna ทุกครั้ง หากไม่ได้แคช คำนำหน้านั้นมีค่าใช้จ่าย $0.04 ต่อการเรียกใช้ที่อัตราอินพุต $1 ต่อ 1 ล้านโทเค็นของ Luna ด้วยการแคชแบบชัดเจน การเรียกใช้ครั้งแรกจะเขียนข้อมูลด้วยราคา $0.05 และการอ่านแต่ละครั้งภายใน ttl จะมีค่าใช้จ่าย $0.004 สำหรับการเรียกใช้ 100 ครั้ง ค่าใช้จ่ายคือ $0.45 แทนที่จะเป็น $4.00 ซึ่งประหยัดไปได้ประมาณ 89% จากส่วนคงที่ของบิลของคุณ อายุการใช้งานขั้นต่ำ 30 นาทีหมายความว่าปริมาณการใช้งานที่พุ่งสูงขึ้นโดยมีช่องว่างน้อยกว่าครึ่งชั่วโมงยังคงได้รับประโยชน์จากการอ่านที่ถูกอีกด้วย

หลักการง่ายๆ: พร้อมต์ใดๆ ที่มีคำนำหน้าคงที่ขนาดใหญ่ที่ถูกนำกลับมาใช้ซ้ำอย่างน้อยสองครั้งภายใน ttl ควรทำงานในโหมดชัดเจน

มีอะไรใหม่ใน Responses API เมื่อเปิดตัวสู่สาธารณะ (GA)

มีการเพิ่มสามรายการที่มาพร้อมกับ GA ทั้งหมดอยู่ใน Responses API:

การเรียกใช้เครื่องมือแบบโปรแกรม (Programmatic tool calling) แทนที่จะเป็นการเดินทางไปกลับที่โมเดลปล่อยการเรียกใช้เครื่องมือหนึ่งครั้ง รอผลลัพธ์จากคุณ แล้วจึงปล่อยการเรียกใช้ครั้งต่อไป โมเดลจะเขียน JavaScript ที่จัดระเบียบเครื่องมือของคุณ โค้ดนั้นทำงานในรันไทม์ V8 ที่แยกออกมาโดยไม่มีการเข้าถึงเครือข่าย ดังนั้นจึงสามารถวนซ้ำ, แยกสาขา และรวมผลลัพธ์ของเครื่องมือได้โดยที่เซิร์ฟเวอร์ของคุณไม่ต้องส่งข้อความไปมา
หลายเอเจนต์ (Multi-agent), ในช่วงเบต้า คำขอสามารถกระจายงานไปยังเอเจนต์ย่อยที่ทำงานพร้อมกันได้ ซึ่งมีประโยชน์เมื่อภารกิจถูกแบ่งออกเป็นส่วนๆ ที่เป็นอิสระ
การให้เหตุผลแบบถาวร (Persisted reasoning) บริบทการให้เหตุผลจะส่งผ่านในแต่ละรอบผ่าน reasoning.context ดังนั้นเอเจนต์แบบหลายรอบจึงไม่จำเป็นต้องสร้างสายความคิดใหม่ตั้งแต่เริ่มต้นในทุกๆ การเรียกใช้งาน

นอกจากนี้ยังมีตัวเลือกการตั้งค่ารายละเอียดการมองเห็นใหม่ original และ auto ซึ่งรักษาขนาดภาพต้นฉบับไว้ รูปแบบคำขอและพารามิเตอร์สำหรับทั้งหมดนี้อยู่ในเอกสารอ้างอิง API ของ OpenAI; กลไกที่กล่าวมาข้างต้นคือสิ่งที่คุณควรออกแบบโดยยึดตาม

การย้ายจาก GPT-5.5

คำแนะนำของ OpenAI ชัดเจน: ให้ถือว่าการย้ายเป็นขั้นตอนการปรับจูน ไม่ใช่แค่การเปลี่ยนชื่อโมเดลเท่านั้น หากการผสานรวมของคุณเป็นไปตามเวิร์กโฟลว์ใน คู่มือ GPT-5.5 API ของเรา มีการปรับเปลี่ยนสามประการที่สำคัญ

ประการแรก ให้ทดสอบระดับความพยายามในการให้เหตุผลปัจจุบันของคุณและระดับที่ต่ำลงหนึ่งระดับ GPT-5.6 มักจะรักษาคุณภาพได้แม้ในระดับที่ต่ำกว่า ซึ่งเป็นการลดต้นทุนโดยตรงสำหรับปริมาณการใช้งานเดียวกัน

ประการที่สอง คาดว่าจะได้รับคำตอบที่สั้นลง GPT-5.6 จะเขียนเอาต์พุตที่กระชับขึ้นอย่างเห็นได้ชัด โดยมีคำนำทั่วไปน้อยลง หากพร้อมต์ของคุณมีคำสั่งเช่น "กระชับ" หรือ "ข้ามคำนำ" ให้ลบออกแล้วทดสอบใหม่ เพราะคำสั่งที่เน้นความกระชับที่ซ้อนกันอาจทำให้ผลลัพธ์สั้นเกินไป บทความเปิดตัวของ Simon Willison เป็นข้อมูลเชิงลึกอิสระที่เป็นประโยชน์เกี่ยวกับพฤติกรรมของตระกูลโมเดลในทางปฏิบัติ

ประการที่สาม ให้สังเกตการใช้โทเค็นที่แคชไว้ในผลตอบรับของคุณในขณะที่คุณทำการปรับจูน และทำการเปรียบเทียบชุดงานที่เป็นตัวแทนก่อนที่จะเปลี่ยนการใช้งานจริงในสภาพแวดล้อมการผลิต ผลลัพธ์ที่เทียบเคียงได้บน Terra ในราคาครึ่งหนึ่งของ GPT-5.5 คือผลลัพธ์ที่ควรตรวจสอบเป็นอันดับแรก

การทดสอบ API ใน Apidog

Curl พิสูจน์ว่า endpoint ทำงานได้ การเลือกระหว่างสามระดับต้องการสิ่งที่ทำซ้ำได้ ดาวน์โหลด Apidog และตั้งค่าชุดเปรียบเทียบขนาดเล็ก:

สร้าง environment ด้วย OPENAI_API_KEY ของคุณ พร้อมด้วยตัวแปรอีกสามตัว: MODEL_SOL=gpt-5.6-sol, MODEL_TERRA=gpt-5.6-terra, MODEL_LUNA=gpt-5.6-luna
สร้างคำขอ POST หนึ่งรายการไปยัง API และอ้างอิง {{MODEL_SOL}} ในส่วนเนื้อหา จากนั้นทำซ้ำสองครั้งและสลับตัวแปรอื่นๆ เข้าไป
ส่งพร้อมต์ในรูปแบบการผลิตเดียวกันผ่านทั้งสามโมเดล และอ่านคำตอบเคียงข้างกัน
ตรวจสอบบล็อกการใช้งานในแต่ละคำตอบ คูณจำนวนโทเค็นด้วยอัตราของแต่ละระดับ แล้วคุณจะได้ประมาณการค่าใช้จ่ายต่อคำขอที่อ้างอิงจากพร้อมต์ของคุณเอง ไม่ใช่เกณฑ์มาตรฐานของผู้อื่น

ชุดอุปกรณ์เดียวกันนี้ยังคงมีประโยชน์ในระหว่างการปรับแต่งความพยายาม เปลี่ยนระดับความพยายามในการร้องขอที่บันทึกไว้หนึ่งครั้ง ส่งซ้ำ และดูจำนวนโทเค็นเอาต์พุตที่เปลี่ยนแปลง; ตัวเลขนั้นคูณด้วยอัตราต่อโทเค็นคือเส้นโค้งคุณภาพเทียบกับต้นทุนของคุณ ซึ่งมองเห็นได้ทีละคำขอ

คำถามที่พบบ่อย

GPT-5.6 API พร้อมใช้งานสำหรับทุกคนหรือไม่?

ใช่ ตั้งแต่วันที่ 9 กรกฎาคม 2026 บัญชี OpenAI API ใดๆ ก็สามารถเรียกใช้โมเดลทั้งสามแบบบริการตนเองได้ ข้อจำกัดการพรีวิวก่อนเปิดตัวถูกยกเลิกก่อนการเปิดตัวทั่วไป และการเข้าถึง API ไม่ได้ขึ้นอยู่กับแผน ChatGPT ของคุณ ระดับแผนจะกำหนดเฉพาะผลิตภัณฑ์แชท ซึ่งผู้ใช้ Free และ Go จะได้รับ Terra และแผนแบบชำระเงินจะปลดล็อกตัวเลือกโมเดลทั้งหมด

Context Window และ Knowledge Cutoff ของ GPT-5.6 คืออะไร?

ตามข้อมูลเบื้องต้น ครอบครัวโมเดลนี้มี Context Window ขนาด 1 ล้านโทเค็น, เอาต์พุตสูงสุด 128K และ Knowledge Cutoff ณ วันที่ 16 กุมภาพันธ์ 2026 หน้าโมเดลของ OpenAI เป็นแหล่งข้อมูลที่น่าเชื่อถือที่สุด; ให้ถือว่าสิ่งเหล่านี้เป็นตัวเลขที่รายงานจนกว่าคุณจะยืนยันได้สำหรับบัญชีของคุณ

ความแตกต่างระหว่างโหมด Pro และ Ultra คืออะไร?

โหมด Pro คือการตั้งค่า API (reasoning.mode: "pro") ที่ทำงานบนทั้งสามโมเดล และแลกเปลี่ยนความเร็วกับคุณภาพของคำตอบ Ultra เป็นการตั้งค่าแบบ Multi-agent ที่รันเอเจนต์สี่ตัวพร้อมกันตามค่าเริ่มต้น และมีอยู่ใน ChatGPT Work ในแผน Pro และ Enterprise รวมถึง Codex ตั้งแต่แผน Plus ขึ้นไป รายละเอียดโหมด Ultra ของ GPT-5.6 ครอบคลุมเมื่อการใช้โทเค็นพิเศษโดยเจตนานั้นคุ้มค่า

ฉันควรสร้างบน Chat Completions หรือ Responses API?

โค้ด Chat Completions ที่มีอยู่ยังคงทำงานได้ด้วยการเปลี่ยน Model ID ดังนั้นจึงไม่จำเป็นต้องเขียนใหม่ การสร้างใหม่ควรกำหนดเป้าหมายไปที่ Responses API: การเรียกใช้เครื่องมือแบบโปรแกรม, Multi-agent และการให้เหตุผลแบบถาวรทั้งหมดมาพร้อมกับ API นี้ และเอกสารประกอบ GPT-5.6 ของ OpenAI ก็เน้นที่สิ่งนี้

สิ่งที่บทความนี้ทิ้งไว้ให้คุณ

คุณไม่จำเป็นต้องมีโปรเจกต์การย้ายข้อมูลเพื่อเริ่มต้น เลือก Terra, รันพร้อมต์จริงจากผลิตภัณฑ์ของคุณผ่านโมเดลนี้ด้วยความพยายามระดับ medium จากนั้นเลื่อนลงไปหนึ่งระดับแล้วเปรียบเทียบ เชื่อมต่อการแคชแบบชัดเจนหากพร้อมต์ของคุณใช้คำนำหน้าคงที่ขนาดใหญ่ร่วมกัน; การประหยัด 89% ในตัวอย่างข้างต้นเป็นเรื่องปกติที่พร้อมต์ระบบขนาดใหญ่จะให้กลับมา จากนั้นค่อยตัดสินใจว่า Sol และ Luna ควรอยู่ในสแต็กของคุณที่ใด

เก็บชุดเปรียบเทียบสามระดับไว้ด้วย Sol, Terra และ Luna จะพัฒนาไปตามจังหวะของตัวเอง ดังนั้นการเปิดตัวครั้งต่อไปจึงเป็นการรันคำขอที่บันทึกไว้ซ้ำ แทนที่จะเป็นโครงการวิจัย Apidog จัดเก็บคำขอ, environment และจำนวนโทเค็นเหล่านั้นไว้ในที่เดียว ซึ่งเปลี่ยนการเปิดตัวโมเดลในอนาคตทุกครั้งให้กลายเป็นการทดสอบช่วงบ่ายแทนที่จะเป็นการคาดเดา

button