ขอบเขตการยุติการให้บริการและโมเดลที่ได้รับผลกระทบ
OpenAI ได้ดำเนินการยุติการให้บริการโมเดลภาษาตระกูล GPT-3 ดั้งเดิมชุดสุดท้ายบน endpoint แบบ `/v1/completions` อย่างเป็นทางการในวันที่ 28 กันยายน 2026 โดยโมเดลที่ถูกปลดระวางอย่างสมบูรณ์ประกอบด้วย davinci-002, babbage-002 รวมถึง gpt-3.5-turbo-instruct ซึ่งเป็นโมเดลที่เคยเป็นรากฐานหลักของระบบประมวลผลภาษาธรรมชาติในยุคเริ่มต้นของ Generative AI
ตามเอกสารการยุติการให้บริการอย่างเป็นทางการ ผู้ให้บริการได้กำหนดให้เวิร์กโหลดข้อความทั้งหมดเปลี่ยนผ่านไปยังสถาปัตยกรรม Chat และ Reasoning รุ่นใหม่ โดยระบุให้ gpt-5.6-terra เป็นโมเดลทดแทนหลักที่แนะนำสำหรับลูกค้าระดับองค์กร สำหรับผู้ใช้งานที่มีการปรับแต่งโมเดลเฉพาะทาง (Fine-tuned snapshots) บนฐานของ davinci-002 หรือ babbage-002 นั้น OpenAI ได้ให้กรอบเวลาผ่อนผัน (Grace window) เป็นเวลา 25 วันก่อนที่ระบบจะปิดการเข้าถึงอย่างเด็ดขาดและถาวร
การเปลี่ยนแปลงทางสถาปัตยกรรม: จาก Text Completion สู่ Chat และ Reasoning
การปิดตัวของ davinci-002 และ babbage-002 ไม่ได้เป็นเพียงการสลับโมเดลตามรอบวงจรชีวิตผลิตภัณฑ์ทั่วไป แต่เป็นการเปลี่ยนผ่านกระบวนทัศน์ทางสถาปัตยกรรมระบบ API ทั้งระบบ โดยโมเดลแบบ Completion ดั้งเดิมทำงานด้วยการเติมเต็มสายอักขระ (String completion) แบบตรงไปตรงมาตามการกระจายความน่าจะเป็นของโทเคน (Token distribution) ซึ่งมีประโยชน์อย่างยิ่งสำหรับงานที่ต้องการผลลัพธ์เชิงนิรนัย (Deterministic outputs) หรืองานประมวลผลข้อความดิบ
ในทางกลับกัน สถาปัตยกรรมรุ่นใหม่อย่าง gpt-5.6-terra ถูกออกแบบมาเพื่อการโต้ตอบแบบมีบทบาท (Role-based prompting) ผ่าน schema ของ `/v1/chat/completions` และระบบให้เหตุผล (Reasoning) การปรับเปลี่ยนนี้ส่งผลให้นักพัฒนาไม่สามารถนำโค้ดเชื่อมต่อเดิมมาใช้ต่อได้ทันที แต่จำเป็นต้องเขียนโปรแกรมครอบส่วนการจัดรูปแบบข้อความ (Prompt structuring) ใหม่ และต้องเผชิญกับค่า Latency ตลอดจนลักษณะการตอบสนองที่แตกต่างไปจากเดิมอย่างสิ้นเชิง
เสียงสะท้อนจากกลุ่มนักพัฒนา: ความทรงจำ อุปสรรค และข้อกังวลเรื่องการควบคุม
ในแวดวงนักพัฒนาและวิศวกรซอฟต์แวร์ การปิดตัวของโมเดลรุ่นบุกเบิกนี้สร้างความรู้สึกที่หลากหลาย มีการระลึกถึงยุคเริ่มต้นของ Davinci ที่สร้างความตื่นเต้นด้วยการแต่งบทกวีและการตอบคำถามอันมั่นใจ แม้บางครั้งจะเกิดภาพหลอน (Hallucinations) ก็ตาม อย่างไรก็ตาม ปฏิกิริยาส่วนใหญ่สะท้อนถึงภาระงานที่เพิ่มขึ้นอย่างกะทันหันในการย้ายระบบ และความไม่พอใจต่อคำแนะนำที่ให้เปลี่ยนไปใช้ gpt-5.6-terra
วิศวกรจำนวนมากชี้ว่า gpt-5.6-terra มีศักยภาพและขนาดที่เกินความจำเป็น (Overkill) สำหรับงานระดับคำสั่งง่ายๆ หรือระบบบอตตอบคำถามพื้นฐานที่ gpt-3.5-turbo-instruct หรือ babbage เคยทำได้อย่างมีประสิทธิภาพและประหยัดต้นทุน นอกจากนี้ยังมีการเรียกร้องให้เปิดเผยน้ำหนักของโมเดล (Open-source weights) หรือเก็บรักษาไว้ในคลังประวัติศาสตร์สาธารณะ แต่ก็ไม่มีสัญญาณใดๆ ที่บ่งชี้ว่า OpenAI จะปล่อยน้ำหนักโมเดลสู่สาธารณะ เนื่องจากยังคงถือครองกรรมสิทธิ์อย่างสมบูรณ์ สถานการณ์นี้ส่งผลให้นักพัฒนาหลายกลุ่มเริ่มหันมาผลักดันการใช้งานโมเดลเปิด (Open-weight models) ที่ติดตั้งบนเซิร์ฟเวอร์ตนเอง เพื่อหลีกเลี่ยงความเสี่ยงจากการกำหนดวันหมดอายุซอฟต์แวร์ (End-of-life) โดยผู้ให้บริการคลาวด์ภายนอก
นัยสำคัญต่อภาคธุรกิจและองค์กรในประเทศไทย
สำหรับธุรกิจในประเทศไทย ไม่ว่าจะเป็นสถาบันการเงิน กลุ่มพาณิชย์อิเล็กทรอนิกส์ หรือผู้ให้บริการเทคโนโลยีการตลาด (MarTech) ที่ริเริ่มสร้างระบบปัญญาประดิษฐ์มาตั้งแต่ยุคบุกเบิก การประกาศยุติบริการครั้งนี้ถือเป็นสัญญาณเตือนเร่งด่วน ทีมไอทีและผู้บริหารฝ่ายเทคโนโลยีจำเป็นต้องเร่งตรวจสอบระบบทั้งหมดที่มีการเชื่อมต่อกับ completions API และ fine-tuned snapshots ของ davinci-002 หรือ babbage-002 เพื่อดำเนินการย้ายระบบก่อนสิ้นสุดระยะเวลาผ่อนผัน 25 วัน มิฉะนั้นระบบบริการที่เกี่ยวข้องจะหยุดทำงานทันที
ยิ่งไปกว่านั้น การเปลี่ยนไปใช้โมเดลรุ่นใหม่อย่าง gpt-5.6-terra หมายถึงการต้องประเมินโครงสร้างต้นทุน (Token economics) ใหม่ทั้งหมด องค์กรธุรกิจไทยต้องพิจารณาว่าความสามารถด้านการให้เหตุผลระดับสูงนั้นคุ้มค่ากับค่าใช้จ่ายต่อโทเคนที่จะเพิ่มขึ้นหรือไม่ หรือควรพิจารณาทางเลือกในการกระจายความเสี่ยง โดยนำโมเดลเปิดที่มีความสามารถสูงมาติดตั้งภายในระบบคลาวด์ส่วนตัวของตนเอง (Private cloud) เพื่อรักษาเสถียรภาพในการดำเนินงานระยะยาวและปกป้องข้อมูลความลับทางธุรกิจให้สอดคล้องกับข้อกำหนดด้านการคุ้มครองข้อมูลส่วนบุคคล
ธุรกิจและองค์กรในไทยที่มีระบบอัตโนมัติหรือบริการลูกค้าที่ผูกกับ API ดั้งเดิมนี้ต้องเผชิญกับเส้นตายการย้ายระบบอย่างหลีกเลี่ยงไม่ได้ ทั้งยังต้องปรับสถาปัตยกรรมข้อความจากแบบ Text Completion ตรงไปสู่ Chat/Reasoning ซึ่งส่งผลกระทบต่อต้นทุน ความเสถียรของผลลัพธ์ และการควบคุมพฤติกรรมของโมเดล