GPT-6.1 Terra Agents บน Sharkly: วิธีตั้งค่า ความยากง่าย และค่าใช้จ่าย

เอเจนต์ที่ใช้ GPT-6.1 Terra มีค่าใช้จ่ายต่อโทเคนเพียงครึ่งเดียวของเอเจนต์ GPT-6.1 Sol อีกทั้ง OpenAI ยังระบุว่าทำงานได้เร็วกว่าเดิมมากกว่าสามเท่า โดย OpenAI ได้เปิดตัวโมเดลนี้เมื่อวันที่ 26 ตุลาคม พร้อมรหัส API gpt-6.1-terra ในราคา $1 ต่อ 1 ล้าน input token, $0.05 สำหรับแคช และ $5 สำหรับ output token ซึ่งเข้ามาแทนที่ GPT-5.6 Terra ในฐานะโมเดลระดับกลางของตระกูล คั่นกลางระหว่าง GPT-6.1 Sol รุ่นท็อป และ GPT-6 Luna รุ่นประหยัด ทั้งนี้ไม่มีโมเดล GPT-6 Terra ออกมาแต่อย่างใด นี่จึงเป็นโมเดลซีรีส์ Terra ตัวแรกนับตั้งแต่รุ่น 5.6

สำหรับทีมที่ใช้งาน coding agent หลายตัวพร้อมกัน เรื่องราคาอาจเป็นส่วนที่ตัดสินใจได้ง่ายที่สุด แต่ส่วนที่ยากกว่าคือการพิจารณาว่าควรย้าย Agent ตัวไหนบ้าง ตัวไหนควรใช้ Sol ต่อ และหลังจากผ่านไปหนึ่งสัปดาห์ ทุกคนในบอร์ดจะแยกความแตกต่างของงานได้อย่างไร คู่มือนี้จะครอบคลุมตั้งแต่การตั้งค่าใน Sharkly ระดับความพยายาม (effort level) ที่ควรเริ่มใช้ ลักษณะงานที่เหมาะกับ Terra ไปจนถึงประโยชน์ที่ Crew จะได้รับจากค่าใช้จ่ายที่ลดลงครึ่งหนึ่ง โดยเนื้อหาจะมีโครงสร้างตามแนวทางเดียวกับ คู่มือ GPT-6.1 Sol ของเรา จึงจะเน้นอธิบายเฉพาะส่วนที่มีการเปลี่ยนแปลงเท่านั้น

สรุปประเด็นสำคัญ (TL;DR)

อัปเดต Codex เป็นเวอร์ชัน 0.159.0 ขึ้นไปบน Computer และตรวจสอบให้แน่ใจว่าคำสั่ง codex -m gpt-6.1-terra เริ่มทำงานในเทอร์มินัลได้ จากนั้นใน Sharkly ให้สร้าง variant ของ Agent เดิมที่มีอยู่ ตั้งค่าโมเดลเป็น gpt-6.1-terra ใน Custom arguments หรือแถว Default model แล้วตั้งชื่อตามหน้าที่ของงาน เริ่มต้นด้วยระดับความพยายาม (effort) ที่ medium ปรับลดลงเป็น low หรือ none สำหรับงานวนซ้ำง่าย ๆ ที่ไม่ซับซ้อน และเก็บงานเขียนโค้ดที่ยากที่สุดรวมถึง Crew leader ไว้บน Sol หรือ Astra ทั้งนี้ Agent มีหน้าที่ค้นคว้า ทำงาน ทดสอบ และรายงาน ส่วนคนมีหน้าที่กำหนดทิศทาง มอบหมายสิทธิ์ และตรวจรับผลงาน

ข้อมูลสรุปของ GPT-6.1 Terra

Context window ของ Terra มีขนาด 1,050,000 โทเคน รองรับ input สูงสุด 922K และ output สูงสุด 128K ส่วน GPT-6 Luna ซึ่งเป็นโมเดลระดับล่างลงไป มีราคาอยู่ที่ $0.10 สำหรับ input และ $0.50 สำหรับ output

สำหรับเอเจนต์ที่ต้องทำงานต่อเนื่องเป็นเวลานาน มีรายละเอียดเรื่องราคา 3 ข้อสำคัญที่ควรทราบ: โหมด Batch และ Flex มีราคาเพียงครึ่งเดียวของราคาปกติ ส่วนโหมด Fast จะคิดราคาเป็นสองเท่า ($2 / $10), คำขอใดก็ตามที่มี input tokens มากกว่า 272K จะถูกคิดค่าบริการในอัตรา 2 เท่าสำหรับ input และแคช และ 1.5 เท่าสำหรับ output ตลอดทั้งคำขอนั้น และการเขียนแคช (cache writes) มีค่าใช้จ่าย $1.25 ต่อ 1 ล้านโทเคนสำหรับระยะเวลาแคช 30 นาที สามารถดูตารางราคาแบบเต็มได้ที่ หน้าราคาของ OpenAI

ตำแหน่งของการตั้งค่าโมเดลในปัจจุบัน

การตั้งค่าเอเจนต์ของ Sharkly มีการปรับเปลี่ยนนับตั้งแต่คู่มือโมเดลฉบับก่อน ๆ ของเรา และการเปลี่ยนแปลงนี้ก็ช่วยอำนวยความสะดวกได้ดี โดย เอกสารคู่มือของ Agents ระบุไว้ในปัจจุบันว่า Agent “จะใช้โมเดลตาม Runtime เป็นค่าเริ่มต้น และแถว Model จะช่วยให้คุณเลือกโมเดลอื่นจากแคตตาล็อกที่ Runtime รายงานได้” แถวนี้จะไม่สามารถแก้ไขได้ (read-only) เมื่อ Runtime มีการตรึงโมเดลไว้ใน launch arguments นอกจากนี้คุณยังสามารถระบุชื่อโมเดลใน Custom arguments ของ Agent หรือ Runtime ได้เช่นกัน ซึ่งแถวนี้จะดึงค่าจากอาร์กิวเมนต์ดังกล่าวมาแสดงเมื่อมีการตั้งค่าไว้

นอกจากนี้ยังมีส่วนควบคุมอีกสองส่วนที่อยู่ใกล้กัน โดยแถวเดียวกันจะแสดงตัวเลือก thinking depth เมื่อโมเดลนั้นรองรับ และเวลาที่คุณมอบหมาย Task เอกสารการประมวลผลงาน ระบุว่าจะมีไอคอนโมเดลปรากฏในแต่ละแถวของ Agent ในตัวเลือก Assignee ซึ่งให้คุณเลือกโมเดลสำหรับการรันรอบนั้น ๆ ได้โดยตรงโดยไม่กระทบกับค่าเริ่มต้นของ Agent

ขั้นตอนที่ 1: ติดตั้งและเปิดใช้งาน Terra บน Computer

Sharkly ไม่ได้จำหน่ายโทเคน การประมวลผลแต่ละรอบจะเรียกเก็บค่าบริการตามแพ็กเกจ Codex หรือ API key ที่ผูกอยู่กับ Runtime บน Computer เครื่องนั้นอยู่แล้ว ดังนั้นการตรวจสอบขั้นตอนแรกจึงต้องทำในเทอร์มินัลบน Computer ไม่ใช่ใน Sharkly:

codex --version          # needs 0.159.0 or later
codex -m gpt-6.1-terra   # should open a session on Terra

หากคุณเข้าสู่ระบบด้วยบัญชีแพ็กเกจ ChatGPT ประกาศเปิดตัวของ OpenAI ระบุว่า Terra “พร้อมให้บริการแก่ผู้ใช้ Plus, Pro, Enterprise และ Edu ทุกรายใน ChatGPT Work และ Codex” โดยแพ็กเกจ Free และ Go จะไม่สามารถใช้งานได้ และไม่มี API ระดับฟรี ส่วน Computer ที่ใช้ API key คุณจะต้องจ่ายค่าบริการตามอัตราต่อโทเคนที่ระบุไว้ข้างต้น

เมื่อกลับมาที่ Sharkly ให้เปิดหน้ารายละเอียด Computer ทำการสแกนซ้ำหรือทดสอบการเชื่อมต่อ แล้วตรวจสอบให้แน่ใจว่า Codex Runtime แสดงสถานะเป็น Available ทั้งนี้ Computer ที่ขึ้นสถานะ online หมายถึงเซอร์วิสในเครื่องส่งสัญญาณ heartbeat ได้ตามปกติเท่านั้น โดยบทความ Computers ใน Sharkly จะอธิบายรายละเอียดเกี่ยวกับการตรวจจับ Runtime เพิ่มเติม

ขั้นตอนที่ 2: สร้าง Agent variant สำหรับ Terra แทนที่จะแก้ไข Sol Agent เดิม

หลายคนอาจอยากเข้าไปเปิด Sol Agent เดิมแล้วเปลี่ยนอาร์กิวเมนต์ตัวเดียวให้จบ ซึ่งขอแนะนำว่าอย่าทำเช่นนั้น เพราะจะทำให้ทุก Task ที่ Agent ตัวนี้เคยรันบน Sol ปรากฏอยู่บนบอร์ดปะปนกับ Task ที่รันบน Terra โดยไม่มีอะไรบ่งบอกให้แยกแยะความแตกต่างได้เลย

วิธีที่ถูกต้องคือการใช้ Agent variant โดยเอกสารคู่มือระบุว่า “การใช้โมเดลเริ่มต้นที่แตกต่างกัน” เป็นหนึ่งในเหตุผลหลักของการสร้าง variant กล่าวคือ ตัว variant จะยังคงเก็บ instructions, Skills และ repository เดิมไว้ทั้งหมด โดยคุณเพียงแค่ override เฉพาะตัวโมเดลเท่านั้น ในส่วนการตั้งค่า Computer & Runtime ของ variant ให้เพิ่มแถว Custom arguments ดังนี้:

Runtime:           Codex on <your Computer>
Custom arguments:  --model gpt-6.1-terra

จากนั้นแถว Default model จะดึงค่ามาจากอาร์กิวเมนต์ดังกล่าวเหมือนในภาพหน้าจอด้านบน ให้ตั้งชื่อ variant ตามขอบเขตงาน เช่น “Codex, routine lane” พร้อมระบุโมเดลและระดับ effort ลงในคำอธิบาย เพื่อที่ผู้ตรวจสอบโค้ด (reviewer) ที่เข้ามาดู diff จะได้รู้ว่าโมเดลใดเป็นผู้เขียนโค้ดชุดนี้ โดยไม่ต้องเปิดเชลล์เข้าไปดูใน Computer ของใคร

เกณฑ์ง่าย ๆ ในการเลือกใช้: ให้สร้าง variant เมื่อมีคนมอบหมายงานให้ Agent ตัวนั้นมากกว่าหนึ่งคน หรือเมื่อคุณต้องการเก็บผลลัพธ์ของ Terra ตลอดทั้งสัปดาห์มาเปรียบเทียบกับ Sol ภายใต้ชุดคำสั่งเดียวกัน แต่ให้ใช้การเลือกโมเดลเฉพาะรอบในตัวเลือก Assignee เมื่อคุณเพียงต้องการทดลองใช้ Terra กับ Task ใด Task หนึ่งโดยไม่ต้องสร้างอะไรเพิ่ม

ขั้นตอนที่ 3: เลือกระดับความพยายาม (Effort) เริ่มต้น

GPT-6.1 Terra รองรับระดับ effort ได้แก่ none, low, medium, high, xhigh และ max โดยมีค่าเริ่มต้นเป็น medium ซึ่งตัวเลือก none ได้กลับมาให้ใช้อีกครั้ง หลังจากที่ GPT-6.1 Sol เคยตัดออกไป ดังนั้นการกำหนดค่าใดที่เคยปรับจาก none ไปเป็น low บน Sol ก็สามารถปรับกลับมาได้แล้ว

เริ่มต้นที่ระดับ medium สำหรับงานเขียนโค้ดทั่วไป แล้วค่อยปรับตามลักษณะของ Task ที่พบ:

• none หรือ low สำหรับงานลูปสั้น ๆ ที่วัดผลสำเร็จได้ชัดเจน เช่น การเปลี่ยนชื่อตัวแปรหรือฟังก์ชัน (rename), การแก้ lint, การอัปเดตเวอร์ชัน dependency และการเขียนบันทึกการเปลี่ยนแปลง (changelog)
• medium สำหรับการแก้ไขโค้ดที่มีขอบเขตชัดเจน, บั๊กที่มีขั้นตอนจำลองปัญหาแน่นอน (reproduction) และงานเขียนเนื้อหา เช่น เอกสารคู่มือหรือ release notes
• high หรือ max สำหรับงานในลักษณะ computer-use และงานที่มีลูปยาวหลายขั้นตอน ซึ่งหากผิดพลาดเพียงก้าวเดียวอาจทำให้ขั้นตอนหลังจากนั้นเสียเปล่าทั้งหมด

คุณสามารถตั้งค่าระดับนี้ได้จากตัวเลือก thinking depth ในแถว Model เมื่อแสดงขึ้นมา หรือกำหนดผ่าน model_reasoning_effort ในไฟล์ ~/.codex/config.toml ของ Computer เอกสารของ Sharkly ระบุว่า หาก Runtime ไม่รองรับระดับ depth ที่เลือก ระบบจะแจ้ง error ชัดเจนและหยุดการรัน แทนที่จะแอบทำงานเงียบ ๆ ด้วยค่าเริ่มต้น ดังนั้นหากพิมพ์ค่าผิด ก็จะเห็นแจ้งเตือนใน execution log ได้ทันทีตั้งแต่การรันครั้งแรก

สิ่งที่ทีมจะได้รับจากราคาที่ถูกกว่า Sol ถึงครึ่งหนึ่ง

เนื่องจากอัตราค่าบริการถูกกว่า Sol ครึ่งหนึ่งในทุกรายการ การคำนวณจึงตรงไปตรงมา ลองดูตัวอย่างการรันเอเจนต์ที่ส่ง input token 2 ล้านตัว โดย 80% เป็นแคช และได้ output token กลับมา 100K:

ตัวเลขข้างต้นยังไม่รวมค่าธรรมเนียมการเขียนแคช และเป็นการคำนวณตามการคิดค่าบริการผ่าน API key ส่วนผู้ที่ใช้แพ็กเกจ ChatGPT ความประหยัดจะสะท้อนออกมาในรูปของจำนวนครั้งในการรันที่ทำได้มากขึ้นก่อนที่จะชนขีดจำกัดของแพ็กเกจ แทนที่จะเป็นตัวเงินโดยตรง

เรื่องราคาเป็นเพียงครึ่งหนึ่งของประโยชน์ทั้งหมด เพราะอีกครึ่งหนึ่งคือเรื่องความเร็ว โดย OpenAI ระบุว่าโดยเฉลี่ยแล้ว Terra “เร็วกว่าทั้ง Astra และ GPT-6.1 Sol มากกว่า 3 เท่า” ซึ่งสำหรับ Crew แล้ว สิ่งนี้หมายถึงการรันงานจะเสร็จสิ้นภายในระยะเวลา timeout ของแต่ละ Task ได้มากขึ้น และงานที่อยู่ในคิวก็เริ่มทำได้เร็วขึ้น นอกจากนี้ Artificial Analysis ซึ่งเป็นองค์กรบุคคลที่สาม ได้วัดค่าใช้จ่ายต่อภารกิจของ Terra เมื่อตั้งค่า effort ระดับ max พบว่าอยู่ที่ $0.40 เทียบกับ GPT-5.6 Terra ที่อยู่ที่ $1.40

Agent ใดบ้างที่ควรเปลี่ยนมารันบน Terra

OpenAI ออกแบบ Terra มาเพื่อเน้นการใช้งานคอมพิวเตอร์ (computer use) งานเขียน และการประมวลผลข้อมูลภาพ โดยยังคงแนะนำให้ใช้ Sol หรือ Astra สำหรับงานเขียนโค้ดที่มีความซับซ้อนสูงสุด ซึ่งตัวเลขการทดสอบจากภายนอกก็สอดคล้องกัน โดยในตาราง Coding Agent Index ของ Artificial Analysis นั้น Terra ได้ 48 คะแนน ขณะที่ GPT-6.1 Sol ได้ 54 คะแนน และ GPT-6 Luna ได้ 31 คะแนน ส่วนอัตราการสร้างข้อมูลเท็จ (hallucination rate) บนชุดทดสอบ AA-Omniscience ลดลงมาอยู่ที่ 38% จากเดิมที่ GPT-5.6 Terra เคยสูงถึง 88%

แนวทางเบื้องต้นสำหรับนำไปปรับใช้และทดสอบกับ Task ของคุณเอง:

บทบาทผู้นำ (Leader) ควรใช้โมเดลระดับบนสุดต่อไปด้วยเหตุผลตามที่อธิบายไว้ใน คู่มือ Crew leader ของเรา นั่นคือความผิดพลาดของผู้นำเพียงคนเดียวจะชี้นำสมาชิกทุกคนไปยังเป้าหมายที่ผิด หากคุณต้องการดูข้อกำหนดการจัดเส้นทางโมเดล (model routing) พร้อมขั้นตอนการยกระดับปัญหา (manual escalation) บทความ model routing for Crews ได้อธิบายเรื่องนี้ไว้อย่างละเอียด และมี คู่มือ GPT-6 Luna สำหรับงานในระดับล่างลงไป

สิ่งที่ Runtime ราคาถูกลงไม่ได้ช่วยเปลี่ยน

Terra ช่วยลดต้นทุนในการสร้างการเปลี่ยนแปลงโค้ด แต่ไม่ได้ลดต้นทุนในการตรวจรับการเปลี่ยนแปลงนั้น การรันงานได้มากขึ้นสองเท่าในงบประมาณเท่าเดิม ย่อมหมายถึงจำนวน diff ที่รอให้คนตรวจทานมีมากขึ้นเป็นสองเท่าเช่นกัน ดังนั้นโปรดตรวจสอบคิวการรีวิวของคุณก่อนที่จะขยายขนาด Crew เป็นสองเท่า ซึ่งบทความ Human review is the bottleneck จะเจาะลึกในประเด็นนี้

Sharkly ช่วยให้บริบท ความคืบหน้า ปัญหาที่ติดขัด ผลลัพธ์ และการตรวจทานโดยมนุษย์มองเห็นได้ชัดเจนตั้งแต่เริ่มส่งคำขอไปจนถึงการปล่อยงาน (release) ไม่ว่า Task นั้นจะประมวลผลด้วยโมเดลใดก็ตาม ปัจจุบันเปิดให้ใช้งานฟรีสำหรับองค์กรที่มีสมาชิกไม่เกิน 5 คน ตามที่ระบุไว้ใน หน้าราคา สิ่งที่คุณควรทำในขั้นตอนถัดไปคือ อัปเดต Codex บน Computer เครื่องใดเครื่องหนึ่ง สร้าง Terra variant ขึ้นมาหนึ่งตัว แล้วลองมอบหมาย Task ทั่วไปสักสามงานที่คุณเคยใช้ Sol ให้มันทำดู

คำถามที่พบบ่อย (FAQ)

GPT-6.1 Terra ใช้งานฟรีหรือไม่?

ไม่ฟรี เนื่องจากไม่มี API ระดับฟรี และแพ็กเกจ ChatGPT Free กับ Go ไม่รวมโมเดลนี้ไว้ ส่วนผู้ใช้แพ็กเกจ Plus, Pro, Enterprise และ Edu จะสามารถใช้งานได้ใน ChatGPT Work และ Codex โดยบทความของเราเรื่อง การใช้งาน GPT-6.1 Sol โดยไม่ต้องใช้ API key ได้อธิบายความแตกต่างระหว่างการใช้งานตามโควตาแพ็กเกจกับการคิดค่าบริการต่อโทเคนไว้แล้ว

มีโมเดล GPT-6 Terra หรือไม่?

ไม่มี GPT-6.1 Terra ออกมาแทนที่ GPT-5.6 Terra โดยตรง

สามารถสลับ Agent เดิมจาก Sol ไปเป็น Terra ได้หรือไม่?

ทำได้ แต่การสร้าง variant จะช่วยรักษาประวัติการทำงานให้อ่านและตรวจสอบย้อนหลังได้ง่ายกว่า ให้แก้ไข Agent ตัวเดิมเฉพาะในกรณีที่ไม่จำเป็นต้องเปรียบเทียบผลการรันครั้งเก่ากับครั้งใหม่เท่านั้น

Sharkly แสดงข้อมูลหรือไม่ว่า Task ใดรันด้วยโมเดลไหน?

แถว Default model จะแสดงโมเดลที่ Agent ถูกตั้งค่าไว้ แต่เนื่องจาก Sharkly อาจไม่สามารถตรวจจับได้เสมอไปว่า Runtime กำลังใช้งานโมเดลใดอยู่ จึงแนะนำให้ระบุชื่อโมเดลไว้ในคำอธิบายของ Agent ด้วย