OpenAI เปิดพรีวิว Ultrafast — GPT-5.6 Sol ตัวเดิม แต่วิ่งที่ 750 โทเค็น/วินาที บนชิป Cerebras

OpenAI ประกาศเมื่อวันที่ 13 สิงหาคม 2026 เปิดพรีวิว Ultrafast — ไม่ใช่โมเดลใหม่ แต่เป็น service tier ใหม่ ที่รัน GPT-5.6 Sol ตัวเดิมด้วยความเร็วสูงสุด 14 เท่า ของชั้น Standard คิดเป็น 750 โทเค็นเอาต์พุตต่อวินาที โดยฮาร์ดแวร์เบื้องหลังไม่ใช่ GPU แต่เป็นชิป wafer-scale ของ Cerebras

ประโยคสำคัญที่สุดในประกาศคือประโยคที่บอกว่าความฉลาดไม่ลดลง — Ultrafast รันโมเดลเดียวกันกับ Standard ทุกประการ ที่ผ่านมาการจะได้ความเร็วระดับเรียลไทม์แทบทุกครั้งหมายถึงการยอมลดขนาดโมเดลลง ตามที่ TechCrunch สรุปคำพูดของ OpenAI ไว้ว่า “จนถึงตอนนี้ การจะได้ความเร็วแบบเรียลไทม์มักหมายถึงการเลือกโมเดลที่เล็กลงหรือเฉพาะทางมากขึ้น”

ตัวเลขที่ Cerebras ประกาศ

รายการ	ค่า
ความเร็วเอาต์พุต	สูงสุด 750 โทเค็น/วินาที
เทียบชั้น Standard	เร็วขึ้นสูงสุด 14 เท่า
เทียบ Claude Fable 5	เร็วกว่า 11 เท่า
เทียบ Opus 4.8 (Fast mode)	เร็วกว่า 5 เท่า
บน Humanity’s Last Exam	เร็วกว่า Fable 5 เกือบ 7 เท่า
บน GDP-Val (end-to-end)	เร็วขึ้น 5.6 เท่า

ตัวเลขสองบรรทัดล่างสำคัญกว่าที่เห็น — มันไม่ใช่ throughput ดิบ แต่เป็น เวลาจบงานจริงทั้ง benchmark ซึ่งรวมเวลาคิดของโมเดล reasoning ด้วย ตัวเลข 5.6 เท่าบน GDP-Val ต่ำกว่า 14 เท่ามาก และนั่นคือตัวเลขที่ใกล้กับสิ่งที่คุณจะเจอในระบบจริงมากกว่า

ฝั่งฮาร์ดแวร์ Cerebras อธิบายว่าความเร็วนี้มาจากสถาปัตยกรรม Wafer-Scale Engine ที่มี SRAM 44 GB บนชิปขนาดเท่าแผ่นเวเฟอร์แต่ละแผ่น — พอเก็บน้ำหนักโมเดลไว้บนชิปได้ ก็ไม่ต้องขนน้ำหนักไปกลับจาก HBM ทุกโทเค็น ซึ่งเป็นคอขวดหลักของ inference บน GPU

ยังเป็นพรีวิวจำกัด และยังไม่มีราคา

สองข้อจำกัดที่ต้องพูดให้ชัด:

หนึ่ง — เข้าถึงได้เฉพาะลูกค้ากลุ่มที่คัดเลือก OpenAI ระบุว่าเปิดให้ “ลูกค้ากลุ่มเล็กที่คัดเลือกแล้ว” ก่อน และจะขยายเมื่อมีกำลังการผลิตเพิ่ม เปิดที่ OpenAI API เป็นที่แรก — ยังไม่ใช่สิ่งที่คุณสมัครแล้วใช้ได้วันนี้

สอง — ยังไม่ประกาศราคา ทั้งหน้าประกาศของ OpenAI และบล็อกของ Cerebras ไม่มีตัวเลขราคาสำหรับชั้นนี้ ซึ่งเป็นช่องว่างที่ใหญ่พอจะเปลี่ยนความหมายของข่าวทั้งหมด: silicon แบบ wafer-scale มีต้นทุนต่อหน่วยสูงมาก ถ้าราคาต่อโทเค็นของ Ultrafast แพงกว่า Standard หลายเท่า มันจะเป็นเครื่องมือสำหรับกรณีที่ latency มีมูลค่าเป็นเงินจริง ๆ ไม่ใช่ค่าเริ่มต้นของงานทั่วไป

งานที่ OpenAI ระบุว่าเล็งไว้: เสียง (voice), customer support, e-commerce, developer agent, การวิเคราะห์ตลาดการเงิน และ security incident response — ทั้งหมดคืองานที่ “ช้าไปหนึ่งวินาที” มีต้นทุนที่วัดเป็นเงินได้

มุมมอง AI Curator

ข่าวนี้ดูเหมือนข่าวความเร็ว แต่จริง ๆ แล้วมันคือข่าวเรื่องการแตกตัวของ “โมเดลหนึ่งตัว” ออกเป็นหลายสินค้า

สังเกตว่าปีนี้เราเห็นรูปแบบเดียวกันซ้ำ ๆ: Claude มี Fast mode, Gemini แยกชั้น Flash/Pro, xAI แยกระดับ reasoning เป็น low/medium/high/xhigh และตอนนี้ OpenAI แยก tier ตามฮาร์ดแวร์ สิ่งที่ผู้ใช้เคยเลือกด้วยชื่อโมเดล กำลังกลายเป็นเมทริกซ์สองแกน: โมเดล × โหมดการรัน และการเลือกผิดช่องในเมทริกซ์นั้นมีต้นทุนไม่ต่างจากการเลือกโมเดลผิด

สิ่งที่ผมคิดว่าน่าสนใจที่สุดคือมันเป็นสัญญาณว่า latency กำลังกลายเป็นสินค้าที่ขายแยกได้ — ไม่ใช่คุณสมบัติที่แถมมากับโมเดล เมื่อไรที่ผู้ให้บริการเริ่มขายความเร็วเป็นชั้นแยก แปลว่าเขาเชื่อว่ามีลูกค้าที่ยอมจ่ายเพิ่มเพื่อมัน และนั่นสะท้อนว่า agent ที่ทำงานหลายขั้นกำลังชนกำแพงเวลาจริง ๆ ในโปรดักชัน ไม่ใช่แค่ในเดโม

สำหรับทีมไทย มุมที่ควรคิด:

1. รู้ก่อนว่าความช้าของคุณมาจากไหน ก่อนไปไล่ล่าตัวเลข 750 tok/s ในระบบ agent จริงส่วนใหญ่ เวลาที่เสียไม่ได้อยู่ที่การพ่นโทเค็น แต่อยู่ที่ จำนวนรอบของ tool call, network round-trip ไปหา API ภายนอก และเวลารอฐานข้อมูล ทีมที่วัด latency แยกเป็นชั้นก่อนจะพบว่าบางระบบเปลี่ยนไปใช้ inference ที่เร็วขึ้น 14 เท่าแล้ว end-to-end เร็วขึ้นแค่ 20% — ตัวเลข 5.6 เท่าบน GDP-Val คือคำใบ้ของเรื่องนี้อยู่แล้ว
2. ระยะทางจากไทยยังเป็นภาษีที่ต้องจ่าย ต่อให้ inference เร็วขึ้น 14 เท่า network latency ข้ามทวีปไม่ได้หายไปไหน สำหรับงานเสียงแบบโต้ตอบสด ๆ ซึ่งเป็นเคสที่ OpenAI ชูเป็นตัวอย่าง ระยะทางกายภาพยังเป็นตัวแปรที่ใหญ่พอ ๆ กับความเร็วโมเดล — ควรวัด p95 จากผู้ใช้จริงในไทย ไม่ใช่จากตัวเลขในประกาศ
3. ออกแบบให้สลับ tier ได้ ไม่ใช่ผูกกับ tier เดียว ถ้า Ultrafast เปิดกว้างขึ้นในอีกไม่กี่เดือนพร้อมราคาที่ยังไม่รู้ ระบบที่ดีที่สุดคือระบบที่ routing ระหว่างชั้นความเร็วเป็นการตัดสินใจใน config ไม่ใช่ในโค้ด — เส้นทางที่ผู้ใช้กำลังรออยู่หน้าจอไปชั้นเร็ว ส่วนงาน batch กลางคืนไปชั้นถูก

และประเด็นเชิงโครงสร้างที่ใหญ่กว่า: นี่คือครั้งที่ชัดที่สุดที่ผู้ให้บริการโมเดลแถวหน้ายอมออกไปรันโมเดลตัวเองบน silicon ที่ไม่ใช่ NVIDIA เพื่อผลลัพธ์ที่ GPU ให้ไม่ได้ ถ้ารูปแบบนี้ขยายตัว มันจะเปลี่ยนสมมติฐานพื้นฐานที่ทุกคนใช้วางแผนต้นทุน inference มาสามปี

แหล่งข่าว

• Accelerating GPT-5.6 Sol Ultrafast with OpenAI — Cerebras (13 ส.ค. 2026)
• OpenAI introduces ‘Ultrafast’, a new mode that makes GPT-5.6 Sol work at 14x the speed — TechCrunch (13 ส.ค. 2026)
• Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed — OpenAI (ประกาศต้นทาง)