OpenAI เปิดเผยกับนักพัฒนาว่า การ “ตัดกฎที่ซ้ำซ้อน” ออกจาก system prompt ช่วยให้คะแนนการประเมินด้านการเขียนโค้ดในการทดสอบภายในดีขึ้นสูงสุดราว 15% ขณะเดียวกันลดการใช้โทเค็นได้มากสุดถึงประมาณ 66%
ประเด็นสำคัญ:
- คู่มือการเขียนพรอมต์ GPT-5.6 แนะให้นักพัฒนากำหนด “ผลลัพธ์ที่ต้องการ” และ “เงื่อนไขหยุดการทำงาน” ให้ชัดเจน แล้วปล่อยให้โมเดลเลือกขั้นตอนการทำงานเอง
- การรันทดสอบตัวแทนเขียนโค้ด (coding agent) ภายในพบว่า เมื่อ system prompt ถูกทำให้ “บางลง” คะแนนการประเมินเพิ่มขึ้น 10% ถึง 15% ปริมาณโทเค็นลดลง 41% ถึง 66% และต้นทุนลดลง 33% ถึง 67%
- เอกสารคู่มือฉบับใหม่เพิ่มหัวข้อ Programmatic Tool Calling และการตั้งค่า text.verbosity ซึ่งไม่เคยมีในคู่มือ GPT-5 รุ่นก่อนหน้า
OpenAI เขียนคู่มือพรอมต์ GPT-5 ขึ้นใหม่แทบยกชุด
OpenAI ได้เผยแพร่คู่มือแนวทางดังกล่าวควบคู่ไปกับตระกูลโมเดล GPT-5.6 ซึ่งเข้าสู่สถานะพร้อมให้ใช้งานทั่วไป (GA) เมื่อวันที่ 9 ก.ค. ที่ผ่านมา โดยเจาะกลุ่มเป้าหมายเป็นผู้ใช้ API และทีมที่รันเอเจนต์อัตโนมัติขนาดใหญ่
เอกสารระบุให้นักพัฒนากำหนด 4 แกนหลักให้ชัด ได้แก่ ผลลัพธ์ที่ผู้ใช้จะมองเห็นได้จริง ข้อจำกัดต่าง ๆ หลักฐานหรือข้อมูลอ้างอิงที่มี และ “เส้นชัย” ว่างานเสร็จเมื่อใด จากนั้นควรเปิดพื้นที่ให้โมเดลเลือกเส้นทางการทำงานที่มีประสิทธิภาพที่สุดด้วยตนเอง กลยุทธ์นี้ถูกเรียกว่า “outcome-first prompting” หรือการเขียนพรอมต์แบบเน้นผลลัพธ์ก่อนรายละเอียดขั้นตอน
แนวทางใหม่นี้แทบจะหันหลังให้กับคู่มือ GPT-5 ฉบับเดือนสิงหาคม 2025 ซึ่งเคยผลักดันให้ใช้บล็อก XML สำหรับคงสภาพบริบท เทมเพลตเก็บข้อมูลรายละเอียดจำนวนมาก และสคริปต์เปิดเครื่องมือ (tool preamble) ที่อธิบายทุกขั้นตอนแบบละเอียด ข้อกำหนดเหล่านั้นถูกมองในคู่มือใหม่ว่าเป็น “สัญญาณรบกวน” มากกว่าจะสร้างมูลค่า
OpenAI ยังเตือนให้หลีกเลี่ยงการออก “กฎตายตัว” ในพรอมต์ เช่น คำว่า “ต้องทำเสมอ” หรือ “ห้ามทำอย่างเด็ดขาด” ยกเว้นกรณีที่เป็นเงื่อนไขตายตัว เช่น ข้อจำกัดด้านความปลอดภัย ช่องที่ต้องกรอกให้ครบ หรือการกระทำที่ต้องไม่เกิดขึ้นอย่างเด็ดขาดเท่านั้น นอกจากนี้ การย้ำคำสั่งประเภท “ให้ถามก่อน” หรือ “ให้รอการอนุมัติทุกครั้ง” อาจทำให้โมเดลส่งคำขออนุมัติที่ไม่จำเป็นต่อการทำงานปกติที่ปลอดภัยได้ คู่มือยังระบุว่ากฎที่ขัดแย้งกันเองสร้างความไม่เสถียรมากกว่าการขาดรายละเอียดบางส่วนเสียอีก
อ่านเพิ่มเติม: ยอดเดิมพัน Dodgers พุ่งแตะ 68 ล้านดอลลาร์ เมื่อ Polymarket และ Kalshi เกาะกระแสเพลย์ออฟเบสบอล
Simon Willison วิเคราะห์ความสามารถ Tool Calling ของ GPT-5.6
นักพัฒนาอิสระ Simon Willison ได้ชี้ให้เห็นว่า Programmatic Tool Calling และการรองรับ multi-agent เป็นจุดเด่นที่น่าสนใจที่สุดในเวอร์ชันนี้ โดยฟีเจอร์ดังกล่าวเปิดทางให้โมเดลประกอบและรันโค้ด JavaScript เพื่อจัดลำดับและประสานการเรียกใช้เครื่องมือหลากหลายชนิดได้เอง
เขายังให้ความเห็นด้วยว่า โมเดล Sol มีศักยภาพในระดับ “มืออาชีพ” แต่ยังไม่ชัดเจนว่าทำผลงานเหนือกว่า Claude Fable 5 ของ Anthropic อย่างสม่ำเสมอในงานโค้ดที่ซับซ้อนซึ่งเขาทดสอบอยู่
ด้านต้นทุนเป็นเหตุผลสำคัญประการที่สองที่ทำให้คู่มือนี้ถูกจับตา การใช้โทเค็นในรอบทดสอบภายในลดลงถึง 41% ถึง 66% และค่าใช้จ่ายรวมลดลงราว 33% ถึง 67% ตัวเลขเหล่านี้เปลี่ยนสมการต้นทุนสำหรับทีมที่รันเอเจนต์ในระดับสเกลใหญ่โดยตรง
อย่างไรก็ดี OpenAI ย้ำว่าผลลัพธ์อาจแตกต่างกันตามลักษณะงาน โดยมองช่วงตัวเลขดังกล่าวเป็นเพียง “ทิศทาง” ไม่ใช่การการันตี และขอให้นักพัฒนาทดสอบกับภารกิจที่แทนภาพการใช้งานจริงของตนเอง
ตระกูล GPT-5.6 เดินหน้าออกเวอร์ชันใหม่ด้วยจังหวะถี่
GPT-5.6 เปิดตัวมาพร้อมกัน 3 ระดับ ได้แก่ Luna, Terra และ Sol โดยกำหนดราคาอินพุตที่ 1 ดอลลาร์ 2.50 ดอลลาร์ และ 5 ดอลลาร์ต่อหนึ่งล้านโทเค็น ตามลำดับ ส่วนเอาต์พุตคิดราคา 6 ดอลลาร์ 15 ดอลลาร์ และ 30 ดอลลาร์ต่อหนึ่งล้านโทเค็น พร้อมเพิ่มพารามิเตอร์ text.verbosity ให้ผู้ใช้ควบคุมความยาวคำตอบได้ละเอียดขึ้น
การ “กลับลำ” ด้านแนวทางการเขียนพรอมต์ครั้งนี้สอดคล้องกับรูปแบบที่เริ่มเห็นมาต่อเนื่อง ก่อนหน้านี้ คู่มือ GPT-5.5 ในเดือนเมษายนก็เคยแนะให้ทีม “เขียนพรอมต์ใหม่” แทนการยกของเก่ามาใช้ซ้ำ ขณะที่คู่มือ GPT-5 เมื่อสิงหาคม 2025 กลับเน้นอีกแนวทางคือ ราง (rails) ที่เข้มงวดและการควบคุมไม่ให้โมเดล “ใจร้อน” เกินไป
ในแต่ละรอบของการอัปเดต แนวโน้มที่เห็นชัดคือ OpenAI ผลักดันให้นักพัฒนา “เขียนน้อยลง” แต่เปิดโอกาสให้โมเดล “ออกแบบเส้นทาง” และตัดสินใจในรายละเอียดของกระบวนการเองมากขึ้นเรื่อย ๆ
อ่านต่อ: Ethereum ขยับขึ้นเทียบ Bitcoin ทดสอบสมมติฐานกระทิงปี 2026 ของ Tom Lee