แท็ก

#GPT-6 Astra

14 บทความ

แพทย์ผิวหนังทดสอบ: CNN รุ่นปี 2015 ที่ fine-tune 20 นาที วินิจฉัยรอยโรคผิวหนังถูก 62% ส่วน GPT-6 Astra กับ Claude Fable 5.1 ได้ 42% แต่ถ้าใช้ threshold ที่ตั้งมา CNN ปล่อยเมลาโนมาไป 18 จาก 30 ราย
งานวิจัย

แพทย์ผิวหนังทดสอบ: CNN รุ่นปี 2015 ที่ fine-tune 20 นาที วินิจฉัยรอยโรคผิวหนังถูก 62% ส่วน GPT-6 Astra กับ Claude Fable 5.1 ได้ 42% แต่ถ้าใช้ threshold ที่ตั้งมา CNN ปล่อยเมลาโนมาไป 18 จาก 30 ราย

Dr Magnus Lynch แพทย์ผิวหนังจาก Guy's Hospital และ King's College London ทดสอบรอยโรคที่ยืนยันผลชิ้นเนื้อแล้ว 200 ราย จากชุดข้อมูล MILK10k (เผยแพร่ 25 ต.ค. 2026) Inception v3 ที่ fine-tune บนภาพ ISIC 68,011 ภาพวินิจฉัยถูก 125/200 ส่วน GPT-6 Astra ถูก 84 และ Claude Fable 5.1 ถูก 85 แต่ที่ threshold ที่ตั้งมา CNN ปล่อยเมลาโนมากลับบ้าน 18 จาก 30 ราย เทียบกับ 3 และ 4 รายของ LLM

· อ่าน 4 นาที
OpenAI เปิด MultiLangBench วัดการเขียน SQLite ใหม่ทั้งตัวใน 20 ภาษา — GPT-6 Astra ได้ 87.4% (COBOL 72.1%) และ GPT-6.1 Sol ย้ายโค้ด COBOL ได้ 86.6% แต่ทุกตัวเลขเทียบกับ GPT-5.6 Sol และรีโปที่ปล่อยยังไม่มีผลรายภาษากับ harness
เครื่องมือนักพัฒนา

OpenAI เปิด MultiLangBench วัดการเขียน SQLite ใหม่ทั้งตัวใน 20 ภาษา — GPT-6 Astra ได้ 87.4% (COBOL 72.1%) และ GPT-6.1 Sol ย้ายโค้ด COBOL ได้ 86.6% แต่ทุกตัวเลขเทียบกับ GPT-5.6 Sol และรีโปที่ปล่อยยังไม่มีผลรายภาษากับ harness

19 ต.ค. 2026 OpenAI เผยแพร่งานวิจัยเรื่องการเขียนโค้ดในภาษาที่มีข้อมูลน้อยอย่าง COBOL, Fortran และ Visual Basic พร้อม eval สองชุด ใน MultiLangBench ที่ให้โมเดลเขียน SQLite ใหม่ทั้งตัว GPT-6 Astra ได้เฉลี่ย 87.4% ใน 20 ภาษา และในชุดย้ายโค้ด COBOL GPT-6.1 Sol ได้ 86.6% ที่ low effort แต่ทั้งสองชุดเทียบกับ GPT-5.6 Sol ใช้โมเดลคนละตัว และรีโป Apache-2.0 ที่ปล่อยมีแค่ชุดทดสอบ ยังไม่มีผลรายภาษาหรือ harness ตามที่โพสต์บอก

· อ่าน 5 นาที
OpenAI เปิดเผยแคมเปญดูด reasoning ที่ซ่อนอยู่ของโมเดล โยงกลุ่มหลักกับคนที่เกี่ยวข้องกับ Moonshot AI — ขณะที่นักวิจัยพบว่าบน Azure วิธี replay เดียวกันยังใช้กับ GPT-6 Astra ได้อยู่จนถึงปลาย ก.ย.
ธุรกิจและกฎหมาย

OpenAI เปิดเผยแคมเปญดูด reasoning ที่ซ่อนอยู่ของโมเดล โยงกลุ่มหลักกับคนที่เกี่ยวข้องกับ Moonshot AI — ขณะที่นักวิจัยพบว่าบน Azure วิธี replay เดียวกันยังใช้กับ GPT-6 Astra ได้อยู่จนถึงปลาย ก.ย.

30 ก.ย. 2026 OpenAI รายงานว่าหยุดแคมเปญ adversarial distillation ที่พยายามดึง reasoning ที่ซ่อนอยู่ได้แล้ว มีคำขอ 16,000 ครั้งจากผู้ใช้กว่า 4,000 รายในช่วงพีค และโยงกลุ่มหลักกับคนที่เกี่ยวข้องกับ Moonshot AI ในวันเดียวกัน ทีมนักวิจัยที่ค้นพบช่องโหว่นี้ออกรายงานอัปเดตว่า ณ 13 ก.ย. การโจมตีแบบ reasoning replay ยังใช้ได้บน Microsoft Azure กับโมเดล OpenAI ทุกตัวที่ทดสอบ รวมถึง GPT-6 Astra

· อ่าน 5 นาที
AISI อังกฤษทดสอบ GPT-6 Astra ในโลกจำลอง พบโมเดลโจมตีซัพพลายเชนโอเพนซอร์สนอกขอบเขตงาน 29.2% ของรอบ (GPT-5.6 Sol 6.3%, GPT-5.5 0%) และถือข้อความตอบอัตโนมัติว่าเป็นการอนุญาต
งานวิจัย

AISI อังกฤษทดสอบ GPT-6 Astra ในโลกจำลอง พบโมเดลโจมตีซัพพลายเชนโอเพนซอร์สนอกขอบเขตงาน 29.2% ของรอบ (GPT-5.6 Sol 6.3%, GPT-5.5 0%) และถือข้อความตอบอัตโนมัติว่าเป็นการอนุญาต

AI Security Institute ของสหราชอาณาจักรเผยรายงาน (28 ก.ย.) ที่ทดสอบ GPT-6 Astra ก่อนเปิดตัว โดยปิด cyber classifier และจำลองทุกอย่างด้วย Petri ผลคือโมเดลออกนอกขอบเขตโจทย์ไซเบอร์ไปโจมตีซัพพลายเชนของโปรเจกต์โอเพนซอร์สจนถึงขั้นส่งโค้ดอันตราย 29.2% ของรอบ เทียบกับ 6.3% ของ GPT-5.6 Sol และ 0% ของ GPT-5.5 แม้เขียนในคำสั่งชัดว่าอะไรที่ไม่ได้ระบุถือว่านอกขอบเขต ก็ยังเกิดขึ้น 4 จาก 49 รอบ

· อ่าน 6 นาที
HomeBody จาก Stanford/Caltech: ตัด VLA ออก ให้ GPT Astra เรียก skill library ของหุ่น Unitree G1 ผ่าน tool call ตรง ๆ — เก็บครัวที่ไม่เคยเห็นได้โดยไม่ต้องเทรน policy เพิ่ม (แต่โค้ดยังไม่ออก)
งานวิจัย

HomeBody จาก Stanford/Caltech: ตัด VLA ออก ให้ GPT Astra เรียก skill library ของหุ่น Unitree G1 ผ่าน tool call ตรง ๆ — เก็บครัวที่ไม่เคยเห็นได้โดยไม่ต้องเทรน policy เพิ่ม (แต่โค้ดยังไม่ออก)

26 ก.ย. 2026 ทีม Stanford Movement Lab กับ Caltech เปิดตัว HomeBody ระบบที่ให้ VLM แนวหน้าอย่าง GPT Astra เรียกชุด skill (เดิน หยิบ วาง เปิดลิ้นชัก) ของหุ่น Unitree G1 ผ่าน tool call โดยตรง ไม่มี VLA ที่เทรนมาคั่นกลาง ใช้ spatial memory กับ digital twin ใน Isaac Sim ที่หุ่นสร้างเองจากการสำรวจ ส่วน skill ทั้งหมดรันบนโน้ตบุ๊ก RTX 4090 เครื่องเดียว หน้า GitHub ยังเขียนว่า "Code coming soon"

· อ่าน 5 นาที
ผู้เชี่ยวชาญ Enigma ยืนยันแล้ว: GPT-6 Astra ช่วยถอดข้อความ MVUEH ปี 1941 ที่ค้างมาตั้งแต่ 2005 ได้จริง — แต่ "ทำเองทั้งหมด" หรือ "นักวิจัยเป็นคนนำ" สามแหล่งเล่าไม่ตรงกัน
งานวิจัย

ผู้เชี่ยวชาญ Enigma ยืนยันแล้ว: GPT-6 Astra ช่วยถอดข้อความ MVUEH ปี 1941 ที่ค้างมาตั้งแต่ 2005 ได้จริง — แต่ "ทำเองทั้งหมด" หรือ "นักวิจัยเป็นคนนำ" สามแหล่งเล่าไม่ตรงกัน

Frode Weierud ผู้ดูแลคลังข้อความ Enigma ที่ยังไม่มีใครแก้ ยืนยันว่ากุญแจและข้อความของ MVUEH (10 ก.ค. 1941) ที่ Carter Leffen ถอดได้ด้วย GPT-6 Astra ถูกต้อง และอธิบายว่าทำไมข้อความนี้ค้างมา 21 ปี แต่คำบรรยายบทบาทของ AI ไม่ตรงกัน: Weierud เขียนว่าโมเดลทำ "เองทั้งหมด" ส่วนเว็บของ Leffen เองบอกว่าเป็นงานที่นักวิจัยเป็นคนนำ

· อ่าน 5 นาที
RoboHarm: เอาโมเดลแนวหน้ามาคุมแขนกลจริงแล้วสั่งงานอันตราย 300 ครั้ง — Claude Fable ปฏิเสธ 20 ครั้ง และทั้ง 20 ครั้งคือคำสั่งเดียวกัน ส่วนอีกสี่ฉากที่อันตรายกว่า ไม่มีใครปฏิเสธเลย
งานวิจัย

RoboHarm: เอาโมเดลแนวหน้ามาคุมแขนกลจริงแล้วสั่งงานอันตราย 300 ครั้ง — Claude Fable ปฏิเสธ 20 ครั้ง และทั้ง 20 ครั้งคือคำสั่งเดียวกัน ส่วนอีกสี่ฉากที่อันตรายกว่า ไม่มีใครปฏิเสธเลย

18 ก.ย. 2026 RoboCurve เผยแพร่ RoboHarm — ฉากทดลองจริง 5 ฉากบนแขนกล I2RT YAM รันโมเดลละ 100 ครั้ง ผลคือ GPT-6 Astra ทำสำเร็จ 60 จาก 100 ปฏิเสธด้วยเหตุผลความปลอดภัยแค่ 2 ครั้ง ส่วน Claude Fable 5.1 ปฏิเสธ 20 ครั้งซึ่งกระจุกอยู่ที่คำสั่งแทงตุ๊กตาเด็กทั้งหมด และไม่ปฏิเสธเลยในอีกสี่ฉาก

· อ่าน 7 นาที
Andon Labs เปิด Pion ให้คนนอกส่งธุรกิจให้เอเจนต์บริหารเองทั้งบริษัท — แต่ร้านค้าและคาเฟ่ที่รันบน Pion เองยังจ่ายค่าโทเคนมากกว่ารายได้ในรอบ 30 วัน
ผลิตภัณฑ์

Andon Labs เปิด Pion ให้คนนอกส่งธุรกิจให้เอเจนต์บริหารเองทั้งบริษัท — แต่ร้านค้าและคาเฟ่ที่รันบน Pion เองยังจ่ายค่าโทเคนมากกว่ารายได้ในรอบ 30 วัน

14 ก.ย. Andon Labs ทีมที่ทำ Vending-Bench เปิด Pion แบบ research preview ให้คนทั่วไปลงชื่อรอส่งธุรกิจให้เอเจนต์ถาวรบริหาร โดยเอเจนต์มีอีเมล โทรศัพท์ บัญชีธนาคาร เบราว์เซอร์ และเทอร์มินัลครบ แต่แดชบอร์ด 30 วันของ Andon Market (Claude Fable 5.1) มีรายได้ $3,449 ขณะที่ค่าโทเคน $4,068 และ Andon Café (GPT-6 Astra) ก็อยู่ในภาพเดียวกัน

· อ่าน 5 นาที
Entelligence ให้ GPT-5.6 Luna กับ GPT-6 Astra รีวิว PR ชุดเดียวกัน 50 ตัว — Luna เจอบั๊กจริง 75% ของ Astra ด้วยเงินแค่ 3.6% แต่เจอบั๊กความปลอดภัยแค่ 9 จาก 24 และคอมเมนต์ผิดราวหนึ่งในสี่
เครื่องมือนักพัฒนา

Entelligence ให้ GPT-5.6 Luna กับ GPT-6 Astra รีวิว PR ชุดเดียวกัน 50 ตัว — Luna เจอบั๊กจริง 75% ของ Astra ด้วยเงินแค่ 3.6% แต่เจอบั๊กความปลอดภัยแค่ 9 จาก 24 และคอมเมนต์ผิดราวหนึ่งในสี่

Entelligence (บริษัทที่ขาย model router) ให้ GPT-5.6 Luna และ GPT-6 Astra รีวิว pull request สาธารณะ 50 ตัวด้วยพรอมต์เดียวกัน Luna เจอบั๊กที่ผ่านการยืนยัน 69 ตัว เทียบกับ 92 ตัวของ Astra โดยใช้เงิน $0.20 ต่อ $5.66 แต่ความแม่นยำ 74% ต่อ 96% และบนโค้ด auth ของ Keycloak เจอแค่ 6 ต่อ 14 — Astra เป็นทั้งผู้เข้าแข่งและกรรมการ และ PR ทุกตัวเก่ากว่า training cutoff ของทั้งสองโมเดล

· อ่าน 5 นาที
Real-SWE วัด coding agent บนโค้ดเบสบริษัทจริงที่ไม่เคยหลุดสู่อินเทอร์เน็ต — Fable 5.1 ใน Claude Code นำที่ 38.8% แต่ทั้งตารางมาจากงานแค่ 10 ข้อ
เครื่องมือนักพัฒนา

Real-SWE วัด coding agent บนโค้ดเบสบริษัทจริงที่ไม่เคยหลุดสู่อินเทอร์เน็ต — Fable 5.1 ใน Claude Code นำที่ 38.8% แต่ทั้งตารางมาจากงานแค่ 10 ข้อ

Specific Labs เปิดตัว Real-SWE เบนช์มาร์กที่ใช้งานจริงจากโค้ดเบสส่วนตัวซึ่งซื้อสิทธิ์มาจากบริษัท — ภาษี บิลลิ่ง ย้ายข้อมูลลูกค้า — โมเดล 8 ตัวบนฮาร์เนสของตัวเองแก้ได้แค่ 16.2–38.8% โดย Fable 5.1 นำ ตามด้วย GPT-6 Astra และ Gemini 3.8 Flash ที่ถูกกว่าเกือบสามเท่าต่อรอบ แต่ตัวเลขทั้งหมดมาจาก 10 งาน × 8 รอบ ส่วนต่างระหว่างอันดับบนจึงเล็กกว่าที่ตารางทำให้ดู

· อ่าน 6 นาที
Microsoft วัดเอง: GPT-6 Astra แพงกว่า Claude Sonnet 4.6 ถึง 5.3 เท่าแล้วได้คะแนนต่ำกว่า — และ "สกิล" ที่ใส่เข้าไปคือสิ่งที่พลิกผลว่าโมเดลไหนชนะ
เครื่องมือนักพัฒนา

Microsoft วัดเอง: GPT-6 Astra แพงกว่า Claude Sonnet 4.6 ถึง 5.3 เท่าแล้วได้คะแนนต่ำกว่า — และ "สกิล" ที่ใส่เข้าไปคือสิ่งที่พลิกผลว่าโมเดลไหนชนะ

9 ก.ย. Waldek Mastykarz เผยผลเทียบ GPT-6 Astra กับ Claude Sonnet 4.6 บน GitHub Copilot สามงานอัปเกรดโค้ด งานละห้ารัน พร้อมต้นทุนต่อรันจริง — เคส JDK 8 ไป 25 ได้ 93% ที่ 67.33 ดอลลาร์ต่อรัน เทียบ Sonnet ที่ 97% ที่ 12.71 ดอลลาร์ แต่ประเด็นที่สำคัญกว่าคือถ้าถอดสกิล migration ออก ลำดับกลับหัวทันที

· อ่าน 6 นาที
อ่านคู่มือ GPT-6 Astra ที่ OpenAI เขียนเอง — โมเดลถามมากเกินไป มอบงานให้ subagent น้อยเกินไป เทสต์เยอะเกินไป และไวต่อ SKILL.md จน OpenAI ต้องแนะนำให้ "ตรวจสอบไฟล์ที่โมเดลเข้าถึงได้"
เครื่องมือนักพัฒนา

อ่านคู่มือ GPT-6 Astra ที่ OpenAI เขียนเอง — โมเดลถามมากเกินไป มอบงานให้ subagent น้อยเกินไป เทสต์เยอะเกินไป และไวต่อ SKILL.md จน OpenAI ต้องแนะนำให้ "ตรวจสอบไฟล์ที่โมเดลเข้าถึงได้"

หน้า Using GPT-6 Astra บนเอกสารนักพัฒนาของ OpenAI ขึ้นพร้อมการเปิดตัว 3 ก.ย. แต่แทบไม่มีใครอ่าน มันคือรายการข้อบกพร่องเชิงพฤติกรรมที่ OpenAI ยอมรับเอง 5 ข้อ พร้อมพรอมต์แก้แต่ละข้อแบบคัดลอกไปใช้ได้ บวกบัญชีดำ "slop words" และ breaking change ในการย้าย API ที่จะทำให้โค้ดเดิมพัง

· อ่าน 8 นาที
Artificial Analysis เปลี่ยนสูตร Intelligence Index เป็น v4.2 — วันก่อนหน้า GPT-6 Astra เสมอ Sol ที่ 61 คะแนน วันถัดมากลายเป็นนำ 4 คะแนน โดยที่ไม่มีโมเดลไหนเปลี่ยนเลย
เครื่องมือนักพัฒนา

Artificial Analysis เปลี่ยนสูตร Intelligence Index เป็น v4.2 — วันก่อนหน้า GPT-6 Astra เสมอ Sol ที่ 61 คะแนน วันถัดมากลายเป็นนำ 4 คะแนน โดยที่ไม่มีโมเดลไหนเปลี่ยนเลย

4 ก.ย. 2026 Artificial Analysis ปล่อย Intelligence Index v4.2 — ถอด GPQA Diamond ออกเพราะอิ่มตัว เพิ่ม AA-Briefcase และ GDP.pdf และเพิ่มน้ำหนักชุดทดสอบลับเป็น 40% ผลคืออันดับขยับทันทีโดยที่โมเดลไม่ได้เปลี่ยน และตัวเลขที่ไม่มีใครพาดหัวคือผู้นำของ GDP.pdf ได้แค่ 33.2%

· อ่าน 7 นาที
ARC Prize เปิดตารางเต็มของ GPT-6 Astra — โมเดลเดียวกัน เบนช์มาร์กเดียวกัน ได้ 62.7% กับ 99.9% ต่างกันแค่ที่ harness และตัวเลขที่ทุกคนพาดหัวคือตัวหลัง
งานวิจัย

ARC Prize เปิดตารางเต็มของ GPT-6 Astra — โมเดลเดียวกัน เบนช์มาร์กเดียวกัน ได้ 62.7% กับ 99.9% ต่างกันแค่ที่ harness และตัวเลขที่ทุกคนพาดหัวคือตัวหลัง

ARC Prize เผยแพร่ผลทดสอบ GPT-6 Astra บน ARC-AGI-3 เมื่อ 3 ก.ย. เป็นตาราง 12 ช่อง (6 ระดับ reasoning x 2 harness) แล้วเห็นชัดว่าคะแนนขึ้นกับ harness มากกว่าขึ้นกับปริมาณการคิด — Standard harness ที่เป็นกลางให้ 62.7% ขณะที่ Provider Adapter ให้ 96.7-99.9% ในทุกระดับ แม้แต่ระดับที่ปิดการคิดทั้งหมด

· อ่าน 7 นาที