OpenAI ยังไม่ยืนยันการเปิดตัว Codex “Harness” แต่การจัดการบริบททำคะแนน ARC-AGI-3 พุ่งเกือบ 3 เท่า

ภาพรวมที่สรุปได้จากข้อมูลเหล่านี้คือ Codex มีสภาพแวดล้อมการรันงานล้อมรอบโมเดล โดยประกอบด้วยเครื่องมือ สถานะ ข้อมูลตอบกลับ และอินเทอร์เฟซสำหรับให้เอเจนต์ทำงานหลายขั้นตอน อย่างไรก็ตาม แหล่งข้อมูลดังกล่าว ยังไม่เพียงพอที่จะยืนยัน ว่า OpenAI เปิดตัวแพ็กเกจใหม่ที่มีชื่ออย่างเป็นทางการว่า “Harness” ภายใต้ Apache 2.0 เมื่อวันที่ 20 สิงหาคม

ประเด็นใดบ้างที่ยังไม่มีการยืนยัน

หลักฐานที่ให้มายังไม่ยืนยันว่า

• มีการเปิดตัวในวันที่ 20 สิงหาคมจริง
• ชื่อผลิตภัณฑ์หรือแพ็กเกจอย่างเป็นทางการคือ “Harness”
• แพ็กเกจดังกล่าวเผยแพร่ภายใต้สัญญาอนุญาต Apache 2.0
• แพ็กเกจที่ถูกกล่าวอ้างมีองค์ประกอบใดรวมอยู่บ้าง
• บริษัทใดนำไปใช้ และได้ผลลัพธ์อย่างไร

ข้ออ้างนี้ปรากฏในรายงานจากสื่อรอง ซึ่งกล่าวถึง

codex exec

ทำไมการเก็บเหตุผลและการบีบอัดบริบทจึงสำคัญต่อ ARC-AGI-3

ผลลัพธ์ที่มีหลักฐานรองรับชัดเจนที่สุดมาจากการทดลองอีกชุดของ OpenAI โดยใช้ GPT-5.6 Sol กับชุดภารกิจสาธารณะของ ARC-AGI-3 OpenAI รายงานว่าโมเดลทำคะแนนได้ 13.3% เมื่อใช้ harness มาตรฐาน แต่เมื่อเปิดใช้การเก็บเหตุผลระหว่างรอบและการบีบอัดบริบทผ่าน Responses API คะแนนเพิ่มเป็น 38.3% หรือเกือบ 3 เท่า ขณะเดียวกันจำนวนโทเคนเอาต์พุตลดลงประมาณ 6 เท่า

การเปรียบเทียบนี้ไม่ได้ระบุว่ามีการเปลี่ยนน้ำหนักของโมเดล สิ่งที่เปลี่ยนคือวิธีที่สภาพแวดล้อมการรันงานเก็บและส่งต่อสถานะระหว่างแต่ละรอบ ได้แก่

• Retained reasoning ช่วยให้เหตุผลระหว่างทางที่มีประโยชน์คงอยู่ต่อไปหลังการกระทำแต่ละครั้ง แทนที่จะบังคับให้โมเดลสร้างแนวทางเดิมขึ้นมาใหม่ทุกครั้ง
• Context compaction บีบอัดประวัติงานเก่าที่ยาวขึ้น แทนที่จะปล่อยให้บริบทก่อนหน้าหายไปเมื่อการโต้ตอบดำเนินต่อเนื่อง

คำแนะนำสำหรับนักพัฒนาของ OpenAI อธิบายว่าการตั้งค่าเหล่านี้ช่วยนำงานที่ทำไปแล้วกลับมาใช้ซ้ำ และรักษาความต่อเนื่องของการทำงานในงานที่มีระยะยาวขึ้น ดังนั้น ผลลัพธ์นี้ควรเข้าใจว่าเป็นการวัดประสิทธิภาพของ ระบบที่ประกอบด้วยโมเดลและ runtime ร่วมกัน ไม่ใช่หลักฐานว่าโมเดลพื้นฐานเพียงอย่างเดียวมีความสามารถเพิ่มขึ้น 3 เท่า

นอกจากนี้ การทดลองดังกล่าวเป็นการเปรียบเทียบรูปแบบการรันงาน 2 แบบบนชุดประเมินสาธารณะ จึงยังพิสูจน์ไม่ได้ว่าการปรับปรุงระดับเดียวกันจะเกิดขึ้นกับเอเจนต์ โมเดล ภาระงาน หรือสภาพแวดล้อมการผลิตทุกประเภท

สิ่งที่นักพัฒนานำไปใช้ได้ในตอนนี้

ข้อสรุปที่ยืนยันได้ในเวลานี้ไม่ใช่ข่าวการเปิดตัว Harness ภายใต้ Apache 2.0 แต่คือ OpenAI มีช่องทางหลายแบบสำหรับสร้างระบบที่ใช้ความสามารถการทำงานเชิงเอเจนต์ของ Codex ได้แก่

• ใช้ API โดยตรง: คู่มือการออกแบบพรอมป์สำหรับ Codex ระบุว่า API เป็นตัวเลือกที่ปรับแต่งได้มากที่สุด
• Codex SDK: เป็นเส้นทางสำหรับนักพัฒนาที่ต้องการผสานระบบโดยไม่ต้องประกอบอินเทอร์เฟซทุกส่วนด้วยตนเอง
• CLI แบบโอเพนซอร์ส: OpenAI ระบุว่า Codex CLI เป็น implementation อ้างอิงที่นักพัฒนาสามารถตรวจสอบและดัดแปลงได้
• วงจรการทำงานของเอเจนต์: รูปแบบวางแผน–ลงมือทำ–ตรวจสอบ–ซ่อมแซม เป็นแนวทางหลักสำหรับงานเขียนโค้ดที่มีหลายขั้นตอนและใช้เวลานาน
• การรันงานบนคลาวด์: Codex ทำงานกับ repository รันโค้ด และจัดการงานเบื้องหลังหลายรายการแบบขนานได้ในสภาพแวดล้อมคลาวด์

ความสามารถเหล่านี้เปิดทางให้ฝังเอเจนต์ไว้ในผลิตภัณฑ์หรือกระบวนการทำงานด้านวิศวกรรม แทนการจำกัดระบบไว้เพียงอินเทอร์เฟซสนทนาแบบอเนกประสงค์ นักพัฒนาสามารถกำหนดคำสั่งเฉพาะโดเมน เครื่องมือ สิทธิ์การเข้าถึง ขั้นตอนตรวจสอบ และวิธีเก็บสถานะรอบโมเดลได้ นี่คือทิศทางการผสานระบบที่มีเอกสารรองรับ ส่วนข้ออ้างว่า OpenAI เปิดตัว Harness ภายใต้ Apache 2.0 ซึ่งรวบรวมทุกอย่างไว้เป็นแพ็กเกจเดียว ยังไม่มีการยืนยันจากแหล่งข้อมูลทางการที่ให้มา

หลักฐานการใช้งานจริงยังไม่กว้างเท่าข้ออ้างเรื่องการเปิดตัว

แหล่งข้อมูลที่มีอยู่ไม่ได้ระบุบริษัทซึ่งนำเฟรมเวิร์กที่อ้างว่าใช้ Apache 2.0 ไปใช้ และไม่มีผลลัพธ์ระดับบริษัทสำหรับเวิร์กโฟลว์ด้านกฎหมาย การปฏิบัติการ งานวิจัย หรือการใช้งานอื่นที่ไม่ใช่การเขียนโค้ด

อย่างไรก็ตาม มีหลักฐานในภาพกว้างว่า Codex ถูกใช้งานโดยลูกค้าองค์กร OpenAI รายงานว่า ณ เดือนมิถุนายน Codex สร้างโทเคนเอาต์พุตคิดเป็น 64% ของโทเคนเอาต์พุตรวมระหว่าง Codex และ ChatGPT ในกลุ่มลูกค้าองค์กร ตัวเลขนี้สะท้อนกิจกรรมการใช้งานในองค์กรอย่างมีนัยสำคัญ แต่ไม่ได้ยืนยันการนำแพ็กเกจ Harness ที่ถูกกล่าวอ้างไปใช้ ไม่ได้ระบุชื่อบริษัท และไม่ได้พิสูจน์ผลกระทบทางธุรกิจ

นัยสำคัญเชิงกลยุทธ์

รูปแบบที่ยืนยันได้ชี้ให้เห็นการเปลี่ยนผ่านจากผู้ช่วยที่ตอบแชต ไปสู่ระบบที่รับมอบหมายงานและลงมือทำแทน Codex รวมโมเดลเข้ากับเครื่องมือ วงจรตอบกลับแบบวนซ้ำ สถานะที่คงอยู่หรือถูกบีบอัด และสภาพแวดล้อมสำหรับรันงานหลายขั้นตอน

สำหรับทีมพัฒนาผลิตภัณฑ์ สถาปัตยกรรมลักษณะนี้สามารถรองรับเอเจนต์เฉพาะทางสำหรับ repository ซอฟต์แวร์ งานปฏิบัติการภายใน งานวิจัย หรือเวิร์กโฟลว์ที่ควบคุมได้อื่น ๆ คุณภาพของแอปพลิเคชันจะไม่ได้ขึ้นอยู่กับการเลือกโมเดลเท่านั้น แต่ยังขึ้นอยู่กับการออกแบบสิทธิ์การใช้เครื่องมือ การเก็บสถานะ ขีดจำกัดบริบท ขั้นตอนตรวจสอบ และการกู้คืนเมื่อเกิดข้อผิดพลาด

บทเรียนที่ชัดเจนจากการทดลอง ARC-AGI-3 คือ การเปลี่ยน harness สามารถเปลี่ยนทั้งความสามารถและประสิทธิภาพการใช้ทรัพยากรของเอเจนต์ได้ แต่จากหลักฐานที่มีอยู่ การอธิบาย Codex ในฐานะ runtime และชุดองค์ประกอบ API ที่มีเอกสารรองรับ ย่อมแม่นยำกว่าการรายงานว่าการเปิดตัว “Harness” ภายใต้ Apache 2.0 เมื่อวันที่ 20 สิงหาคมเป็นข้อเท็จจริงที่ยืนยันแล้ว