Astra, Sol, Terra, Luna ต่างกันอย่างไร? เลือกโมเดล ChatGPT ให้ตรงงาน

เปิดตัวเลือกโมเดลแล้วเจอ Astra, Sol, Terra และ Luna จะเลือกตัวไหนให้คุ้มกับงานที่ทำ? ชื่อเหล่านี้ไม่ได้เรียงจาก “ใช้ได้” ไปถึง “ใช้ไม่ได้” แต่สะท้อนโจทย์ที่ต่างกัน ทั้งความลึกของการคิด ความเร็ว และความเหมาะกับงานที่ต้องทำซ้ำ บทความนี้เทียบให้เห็นจากสถานการณ์ทำงานจริง โดยแยกชื่อรุ่นและพื้นที่ใช้งานให้ชัดก่อนตัดสินใจ

คำตอบสั้น ๆ: เลือก Astra เมื่องานซับซ้อนและต้องตัดสินใจหลายชั้น, Sol สำหรับงานประจำที่ยังต้องใช้ดุลยพินิจ, Luna สำหรับงานชัดเจนและทำซ้ำจำนวนมาก ส่วน Terra เป็นรุ่น GPT-5.6 ที่เน้นสมดุลระหว่างความสามารถกับต้นทุน ไม่ใช่สมาชิก GPT-6 รุ่นเดียวกับอีกสามชื่อ การเลือกจริงควรดูตัวเลือกที่บัญชีของคุณมีและลองกับงานตัวอย่างของทีม

ตรวจสอบข้อมูลผลิตภัณฑ์ ณ 27 กันยายน 2026: ชื่อรุ่นและสิทธิ์ใช้งานเปลี่ยนได้ตามแผน บัญชี พื้นที่ทำงาน และช่วงเปิดให้ใช้

Astra, Sol, Terra, Luna ต่างกันอย่างไรในภาพรวม

ก่อนเทียบความสามารถ ต้องแยก ชื่อเล่น ออกจาก ชื่อรุ่นเต็ม: ในคู่มือนี้ Astra คือ GPT-6 Astra, Sol คือ GPT-6 Sol, Luna คือ GPT-6 Luna และ Terra คือ GPT-5.6 Terra ซึ่งยังมีให้ใช้ระหว่างการทยอยเปิดตัวรุ่นใหม่ ตาม เอกสารโมเดลของ OpenAI และ ข้อมูล GPT-5.6 Terra

ตารางนี้เป็นแนวทางเลือกงาน ไม่ใช่ผลทดสอบความแม่นยำหรือการรับประกันเวลาและค่าใช้จ่ายจริง เอกสาร Model selection ของ OpenAI ก็แนะนำให้ทดลองกับงานของตนเองก่อนสรุป

GPT-6 Astra เหมาะกับงานประเภทไหน

Astra เป็นตัวเลือกสำหรับงานที่คำสั่งสั้น ๆ ยังไม่พอ เช่น ต้องอ่านข้อมูลหลายชุด หาความขัดแย้ง ตั้งสมมติฐาน และอธิบายเหตุผลของทางเลือก OpenAI อธิบายว่าเป็นโมเดลที่มีความสามารถสูงสุดสำหรับงานซับซ้อนครอบคลุมโค้ด แอป และการวิจัย รวมถึงการใช้คอมพิวเตอร์ในพื้นที่ที่รองรับ

ตัวอย่างงานที่เห็นความต่าง

ทีมพัฒนามีระบบเก่า เอกสารความต้องการใหม่ และปัญหาจากผู้ใช้หลายฝ่าย ถ้าขอให้โมเดลช่วยแยกปัญหาจริงจากอาการ เสนอทางออก 2–3 แบบ ระบุสิ่งที่ต้องตรวจ และจัดแผนย้ายระบบ งานนี้มีเงื่อนไขเกี่ยวพันกันมาก Astra จึงเป็นจุดเริ่มที่สมเหตุสมผล

เจ้าของธุรกิจอาจใช้วิเคราะห์ทางเลือกลงทุนเว็บไซต์ใหม่ เทียบข้อจำกัดของทีม งบ เวลา และความเสี่ยง แต่ผลลัพธ์ยังเป็นร่างวิเคราะห์ ไม่ใช่คำตัดสินทางกฎหมาย การเงิน หรือความปลอดภัยแทนผู้เชี่ยวชาญ

เมื่อไรไม่จำเป็นต้องใช้ Astra

ถ้าต้องแปลงรายการสินค้า 500 รายการให้อยู่ในรูปแบบเดียวกัน หรือสรุปอีเมลด้วยเกณฑ์ตายตัว การใช้รุ่นที่หนักที่สุดทุกครั้งอาจไม่ช่วยให้ผลคุ้มขึ้น เริ่มจากรุ่นที่เบากว่า แล้วขยับเมื่อพบข้อผิดพลาดที่กระทบงานจริง

GPT-6 Sol เหมาะกับงานประเภทไหน

Sol คือทางเลือกกลางสำหรับคนที่ทำงานเขียน วิเคราะห์ และพัฒนาระบบเป็นประจำ เอกสาร OpenAI ระบุว่า GPT-6 Sol เหมาะกับงานเขียนโค้ดที่ซับซ้อนและงานแบบ agent ซึ่งต้องทำหลายขั้นต่อเนื่อง ขณะเดียวกันคู่มือเลือกโมเดลยก Sol เป็นตัวขับงานประจำวันด้าน writing, coding และงานที่ต้องใช้ judgment

ตัวอย่างในทีมธุรกิจ

ฝ่ายการตลาดให้ Sol อ่าน brief แคมเปญ แล้วเสนอข้อความโฆษณาหลายแนวพร้อมเหตุผลว่าคำไหนอาจไม่ตรงกับกลุ่มลูกค้า ทีมเทคนิคให้ช่วยอ่านคำขอแก้ระบบ แปลงเป็นรายการงาน ตรวจผลกระทบ และร่าง test case ส่วนผู้จัดการใช้สรุปประเด็นประชุมและคำถามที่ต้องตัดสินใจต่อ

คุณภาพของผลลัพธ์ขึ้นกับข้อมูลต้นทาง ถ้าบอกเพียง “ช่วยเขียนโพสต์ให้น่าสนใจ” โมเดลไหนก็อาจได้เนื้อหากว้าง ๆ แต่ถ้ามีลูกค้าเป้าหมาย ข้อเท็จจริง เสียงแบรนด์ และสิ่งที่ห้ามกล่าวอ้าง Sol จะทำงานได้ตรงโจทย์ขึ้น

GPT-5.6 Terra เหมาะกับงานประเภทไหน

Terra ในบทความนี้หมายถึง GPT-5.6 Terra ไม่ใช่ GPT-6 Terra OpenAI อธิบายรุ่นนี้ว่าออกแบบมาสำหรับงานที่ต้องสมดุลระหว่างความสามารถกับต้นทุน และยังคงมีให้ใช้ระหว่างการทยอยเปิดตัว GPT-6 ในบางพื้นที่ของผลิตภัณฑ์

ถ้าทีมมี workflow เดิมที่ใช้ Terra อยู่ เช่น แปลงบันทึกประชุมเป็นแผนงาน หรือจัดหมวดคำถามลูกค้าที่มีข้อยกเว้นบ้าง ไม่จำเป็นต้องเปลี่ยนเพียงเพราะมีรุ่นใหม่ ควรเก็บชุดตัวอย่างที่เคยทำจริง แล้วเทียบความถูกต้อง เวลา ความสม่ำเสมอ และการแก้มือของพนักงานกับ Sol หรือ Luna ที่บัญชีเข้าถึงได้

จุดที่ต้องระวังคืออย่านำคำอธิบายเรื่องต้นทุนของรุ่นใน API ไปเทียบตรง ๆ กับการใช้ผ่าน ChatGPT Work เพราะการคิดค่าใช้จ่าย สิทธิ์ และขีดจำกัดอาจต่างกันตามผลิตภัณฑ์

GPT-6 Luna เหมาะกับงานประเภทไหน

Luna ถูกวางไว้สำหรับงานชัดเจน ปริมาณมาก และทำซ้ำได้ OpenAI ยกการสรุป ดึงข้อมูล และงานโค้ดเฉพาะจุดเป็นตัวอย่างเด่น นี่ไม่ได้แปลว่า Luna “ตอบไม่เก่ง” แต่หมายถึงควรใช้เมื่อรู้ว่าคำตอบหน้าตาเป็นอย่างไรและจะตรวจอย่างไร

ตัวอย่างที่เริ่มได้ทันที

ทีมบริการลูกค้ารับข้อความจำนวนมาก สามารถให้ Luna แยกประเภทเรื่องร้องเรียน ดึงเลขคำสั่งซื้อ และทำสรุปหนึ่งบรรทัดเพื่อให้แอดมินตรวจ ก่อนส่งต่อคนที่รับผิดชอบ ทีมบัญชีอาจให้สรุปรายการเอกสารที่ขาดจากข้อความที่ได้รับ แต่ห้ามให้โมเดลอนุมัติรายการหรือเปลี่ยนข้อมูลหลักโดยไม่มีการตรวจสิทธิ์

เมื่อเจอคำถามที่ต้องตีความสัญญา เจรจากับลูกค้าสำคัญ หรือเชื่อมข้อมูลหลายระบบที่อาจขัดกัน ให้ส่งต่อคนหรือย้ายไป Sol/Astra ตามความเสี่ยงของงาน

เลือกโมเดล ChatGPT ให้ตรงงานอย่างไร

เริ่มจากผลลัพธ์ที่ต้องการ: ต้องการร่างให้คนแก้ต่อ หรือผลลัพธ์ที่นำไปใช้งานทันที? งานยิ่งเสี่ยง ยิ่งต้องเผื่อเวลาให้คนตรวจและยืนยันข้อมูล ไม่ว่ารุ่นไหนเป็นผู้ช่วย

1. นิยามงานหนึ่งชิ้นให้ชัด เช่น “สรุปอีเมลลูกค้าเป็น 4 ช่อง: ปัญหา ผลกระทบ สิ่งที่ต้องถาม และผู้รับผิดชอบ” ดีกว่า “ช่วยดูอีเมล”
2. ประเมินความกำกวม ถ้ากฎตายตัวและตัวอย่างชัด เริ่ม Luna; ถ้าต้องตีความและตัดสินใจหลายขั้น เริ่ม Sol; ถ้าเป็นโจทย์ใหม่ที่มีข้อจำกัดมาก เริ่ม Astra
3. ดูระบบเดิม ถ้าทีมใช้ Terra อยู่ ให้เปรียบเทียบกับรุ่นใหม่โดยใช้ข้อมูลชุดเดียวกัน ไม่เปลี่ยนเพียงเพราะชื่อใหม่กว่า
4. ตั้งเกณฑ์วัด ดูความถูกต้องของข้อเท็จจริง จำนวนครั้งที่ต้องแก้ ความเร็วที่พนักงานได้งานเสร็จ และปัญหาที่เกิดซ้ำ
5. กำหนดจุดส่งต่อ เอกสารสำคัญ เรื่องที่มีผลต่อเงิน ลูกค้า หรือข้อมูลส่วนบุคคล ต้องมีผู้รับผิดชอบตรวจ ก่อนนำไปใช้จริง

ตัวอย่าง: ร้านค้าออนไลน์รับรีวิววันละมาก ๆ ใช้ Luna แยกหัวข้อก่อน แล้วให้ Sol ช่วยร่างคำตอบเฉพาะกรณีที่ลูกค้าไม่พอใจรุนแรง ส่วนการออกแบบกระบวนการคืนสินค้าที่กระทบหลายทีมค่อยใช้ Astra วิเคราะห์ทั้งระบบ ไม่จำเป็นต้องใช้รุ่นเดียวทุกขั้นตอน หากต้องการเห็นภาพงานที่ต่อยอดได้ อ่าน ตัวอย่าง AI Automation สำหรับธุรกิจไทย เพิ่มเติม

เหตุใดบางคนจึงไม่เห็น Astra, Sol, Terra หรือ Luna ใน ChatGPT

คำว่า “ChatGPT” ครอบคลุมหลายพื้นที่ใช้งาน ทั้ง Chat ทั่วไป, Work และ Codex จึงไม่ควรเขียนว่าเปิด ChatGPT แล้วทุกคนจะเห็นสี่ชื่อเหมือนกัน เอกสารปัจจุบันระบุชัดว่า GPT-6 Sol และ GPT-6 Luna อยู่ใน Work และ Codex แต่ไม่อยู่ใน Chat ทั่วไป ส่วน Astra ปรากฏในตัวเลือกบนเว็บและเดสก์ท็อปบางบริบท ขณะที่ Terra เป็นรุ่นก่อนที่ยังมีให้ใช้ระหว่างการเปลี่ยนผ่าน

ถ้ามองไม่เห็นรุ่นที่ต้องการ ให้ตรวจว่ากำลังอยู่ใน Chat หรือ Work, บัญชีและแผนรองรับหรือไม่, ผู้ดูแล workspace เปิดสิทธิ์หรือยัง และแอปที่ใช้ได้รับการอัปเดตหรือไม่ การเห็นชื่อรุ่นบนเอกสารไม่ได้หมายความว่าบัญชีทุกบัญชีใช้ได้ทันที ข้อมูลล่าสุดดูที่ หน้า Models และ นโยบายการเปิดโมเดลใน workspace

Reasoning effort คืออะไร และต่างจากการเปลี่ยนโมเดลอย่างไร

การเลือกโมเดลคือเลือกแนวทางความสามารถหลัก ส่วน reasoning effort คือกำหนดว่ารุ่นนั้นใช้แรงคิดกับงานมากน้อยแค่ไหน โดยตัวเลือกขึ้นกับรุ่นและผลิตภัณฑ์ งานง่ายที่มีคำตอบชัดไม่จำเป็นต้องเร่งระดับสูงสุด เพราะอาจเพิ่มเวลาและการใช้งานโดยไม่เพิ่มคุณค่ามากนัก

แนวทางเริ่มต้นคือใช้ค่าเริ่มต้นก่อน หากคำตอบยังพลาดเรื่องการเชื่อมเหตุผลหรือข้อยกเว้น ให้ปรับโจทย์และข้อมูลให้ครบ แล้วค่อยเพิ่ม effort หรือขยับรุ่น OpenAI ระบุว่าการเพิ่ม effort อาจช่วยงานยาก แต่ต้องแลกกับเวลาและการใช้ทรัพยากรมากขึ้น

ข้อจำกัดที่ควรรู้ก่อนนำผลลัพธ์ไปใช้

• ข้อมูลผิดแต่พูดมั่นใจได้: ตรวจตัวเลข ชื่อคน วันที่ และแหล่งอ้างอิงจากต้นฉบับเสมอ โดยเฉพาะข้อมูลที่เปลี่ยนเร็ว
• คำตอบดีไม่ได้แปลว่าเข้าถึงข้อมูลล่าสุด: ความสามารถค้นเว็บหรือเชื่อมระบบขึ้นอยู่กับเครื่องมือและสิทธิ์ที่เปิดให้ใช้ในพื้นที่นั้น
• ความลับทางธุรกิจต้องมีขอบเขต: ตรวจนโยบายข้อมูลและสิทธิ์ workspace ก่อนส่งสัญญา รายชื่อลูกค้า หรือข้อมูลบุคลากร
• งานอัตโนมัติต้องทดสอบกรณีผิดปกติ: นอกจากตัวอย่างที่ทำได้ ให้ทดสอบข้อความกำกวม ข้อมูลหาย ภาษาไทยไม่เป็นทางการ และรายการซ้ำ
• อย่าตัดสินจากเดโมครั้งเดียว: ใช้ตัวอย่างงานจริงหลายแบบ พร้อมเกณฑ์ผ่านที่ทีมตกลงร่วมกัน

สรุป: เริ่มจากรุ่นไหนดีที่สุด

ถ้าไม่มีข้อมูลอื่น ให้เริ่ม Sol สำหรับงานทั่วไปที่ต้องคิดและเขียน เริ่ม Luna เมื่องานมีรูปแบบแน่นอนและทำซ้ำมาก เลือก Astra เมื่อต้องรับมือปัญหายากที่มีเงื่อนไขสัมพันธ์กัน ส่วน Terra เหมาะให้พิจารณาเมื่อมีอยู่ใน workflow เดิมหรือบัญชีของทีม และควรเทียบกับรุ่นใหม่ด้วยงานจริงก่อนเปลี่ยน

สิ่งที่ทำให้ใช้งานคุ้มไม่ใช่การเลือกรุ่นที่ “สูงสุด” ทุกครั้ง แต่คือการให้โจทย์ชัด มีข้อมูลพอ มีเกณฑ์ตรวจ และรู้ว่าเรื่องไหนต้องให้คนตัดสินใจ

คำถามที่พบบ่อยเกี่ยวกับโมเดล Astra, Sol, Terra และ Luna