ให้ ChatGPT Work วางแผนเส้นทางวิ่ง 5K/10K: เพลย์บุ๊กจาก GPT-6 Astra

GPT-6 Astra และ ChatGPT Work ตอนนี้สามารถรับที่อยู่แล้วส่งคืนเส้นทางวิ่งวนรอบ 5K หรือ 10K ที่สมบูรณ์ให้คุณได้ — ถนนจริง ระยะทางจริง ดาวน์โหลดได้เป็น GPX และ GeoJSON พร้อมแผนที่แบบอินเทอร์แอกทีฟที่ฝังอยู่ในแชต เคล็ดลับคือการรู้ว่าพวกมันเป็นสองเลเยอร์ที่ต่างกันซึ่งทำงานคนละหน้าที่ ChatGPT Work คือระดับผลิตภัณฑ์แบบเอเจนต์ของ Open​AI — ประกาศเมื่อวันที่ 9 กรกฎาคม 2026 สำหรับผู้สมัครสมาชิกที่จ่ายตั้งแต่ 20 ดอลลาร์ต่อเดือนขึ้นไป — ซึ่งโมเดลสามารถทำงานต่อเนื่องได้ครึ่งชั่วโมงข้ามไฟล์ เชลล์ และอินเทอร์เน็ต GPT-6 Astra คือโมเดลการให้เหตุผลเรือธงที่เปิดตัวเมื่อวันที่ 3 กันยายน 2026 เปิดให้ใช้ทั่วไปเมื่อวันที่ 5 กันยายน ในทุกแพ็กเกจ ChatGPT แบบชำระเงิน ทั้ง ChatGPT Work, Codex และ API และเป็นโมเดลที่เปลี่ยนคำขอเพียงบรรทัดเดียวให้กลายเป็นเซสชันวางแผนเส้นทางหลายขั้นตอนที่ใช้เวลา 27 นาที เพลย์บุ๊กนี้ครอบคลุมพรอมป์ตที่ใช้งานได้จริง เครื่องมือที่เอเจนต์หยิบมาใช้จริง (OpenStreetMap, Nominatim, Overpass) ผลลัพธ์ที่ควรคาดหวัง และข้อควรระวังที่ตรงไปตรงมา — เพราะเวิร์กโฟลว์นี้มีประโยชน์จริง ๆ และเพราะส่วนที่ไม่มีใครแสดงให้คุณเห็นคือส่วนที่อาจกัดคุณได้

สูตรแบบย่อหน้าเดียว

คำขอที่ได้ผล ดังที่ Simon Willison สาธิตเมื่อวันที่ 12 กันยายน นั้นสั้นจนเกือบน่าอาย:

• พรอมต์: "ฉันอาศัยอยู่ที่ <my address> ช่วยคำนวณเส้นทางวิ่ง 5K และ 10K จากตำแหน่งของฉัน ที่เป็นเส้นทางวนกลับมาที่บ้านของฉัน ใช้ข้อมูล OSM"

• สิ่งที่เกิดขึ้นถัดไป: ChatGPT Work ทำงานด้วย GPT-6 Astra (ความพยายามในการให้เหตุผลระดับ Max) เป็นเวลา 27 นาที และให้ผลลัพธ์เป็นเส้นทางวน 5K และเส้นทางวน 10K โดยแต่ละเส้นมาในรูปแบบแผนที่อินเทอร์แอกทีฟที่ฝังอยู่ พร้อมไฟล์ GPX และ GeoJSON ที่ดาวน์โหลดได้

• เส้นทางนี้มีอยู่จริง: ผลลัพธ์ระยะ 5K ("El Granada harbor loop 5.1 km") เริ่มจากท่าเรือ ไปทางเหนือตาม Avenue Granada และ Paloma Avenue ไปทางตะวันออกตาม San Carlos Avenue ลงใต้ตาม Francisco Street และวกกลับไปทางตะวันตกตาม Coastal Trail

รายละเอียดสุดท้ายนั่นแหละคือหัวใจของเพลย์บุ๊ก นี่ไม่ใช่รายการชื่อถนนที่โมเดลกุขึ้นมา — มันเป็นเส้นทางที่วนเป็นลูป มีระยะทางที่เป็นไปได้ และสอดคล้องกับโครงข่ายถนนจริงของพื้นที่ เมื่อโมเดลถูกถามว่าสร้างมันขึ้นมาอย่างไร มันตอบตรง ๆ ว่า "ฉันใช้ Nominatim เพื่อระบุตำแหน่งที่อยู่ และใช้ Overpass เพื่อดาวน์โหลดถนนและเส้นทางท้องถิ่นจาก OpenStreetMap จากนั้นจึงคำนวณลูปเหล่านั้นในเครื่อง"

กล่าวอีกนัยหนึ่ง เวิร์กโฟลว์นี้คือการรันเอเจนต์จริง: แปลงที่อยู่เป็นพิกัดภูมิศาสตร์ ดึงข้อมูลแผนที่จริง คำนวณวงปิดที่มีความยาวเหมาะสม เรนเดอร์ภาพแสดงผล และส่งออกเป็นรูปแบบการแลกเปลี่ยนข้อมูลมาตรฐาน หากคุณเคยต้องการพรอมป์ต์ว่า "วางแผนเส้นทางให้ฉัน" ที่ใช้งานได้จริง นี่คือลักษณะของมัน

ChatGPT Work จริง ๆ แล้วคืออะไร และทำไมมันจึงสำคัญในที่นี้

ChatGPT Work ไม่ใช่โมเดล มันเป็นพื้นผิวผลิตภัณฑ์ที่โมเดลสามารถทำหน้าที่เหมือนเอเจนต์: สามารถรันโค้ด เข้าถึงอินเทอร์เน็ต ใช้เบราว์เซอร์แบบไม่มีหน้าจอ เก็บเวิร์กสเปซแบบถาวรข้ามเซสชัน และทำงานได้เป็นเวลานาน มันแยกออกเป็นสองรูปแบบอย่างน่าสับสน: Work Cloud (ผ่าน chatgpt.com หรือแอปมือถือ) และ Work Local (แอปเดสก์ท็อปที่เดิมชื่อ Codex ซึ่งสามารถเข้าถึงไฟล์และโปรแกรมบนคอมพิวเตอร์ของคุณเอง) มีให้บริการสำหรับผู้สมัครสมาชิกในแผน $20 ต่อเดือนขึ้นไป — ผู้ใช้ฟรีและผู้ใช้ Go ราคา $8 ไม่ได้รับสิ่งนี้เลย — และเซสชัน Work จะใช้โควต้า Codex ของคุณแทนที่จะเป็นโควต้าแชทของคุณ

นั่นคือเหตุผลที่การสร้างเส้นทางทำงานได้ในจุดที่การสนทนาปกติหนึ่งรอบจะล้มเหลว: งานนี้ต้องใช้การรันโค้ด การเข้าถึงอินเทอร์เน็ตสำหรับบริการ geocoding และข้อมูลแผนที่ และความสนใจที่ต่อเนื่องเพียงพอที่จะวนปรับปรุงซ้ำ การสนทนาปกติของ ChatGPT ตอบในไม่กี่วินาทีแล้วก็จบไป ส่วน ChatGPT Work ยังทำงานต่อไป การเลือกโมเดลภายใน Work ก็สำคัญเช่นกัน — OpenAI แนะนำ GPT-6 Astra สำหรับงานแบบครบวงจรหลายขั้นตอนแบบนี้โดยเฉพาะ โดยสามารถตั้งค่าระดับความพยายามในการใช้เหตุผลได้สูงสุดถึง Max

ดังนั้นกฎข้อแรกของเพลย์บุ๊ก: นี่เป็นงานในโหมด Work ไม่ใช่งานในโหมด Chat เปิด ChatGPT Work เลือก GPT-6 Astra และปล่อยให้เซสชันดำเนินไป แทนที่จะคาดหวังคำตอบทันที

เครื่องมือที่ทำงานอยู่เบื้องหลัง: OSM, Nominatim, Overpass

ไม่มีกลไกจริงใดเลยที่เป็นของ Open​AI เอง เอเจนต์ประกอบเส้นทางจากโครงสร้างพื้นฐานทางภูมิศาสตร์สาธารณะ และการรู้ว่าแต่ละชิ้นส่วนทำหน้าที่อะไรนั้นมีประโยชน์ ทั้งเพื่อให้คุณตรวจสอบผลลัพธ์ได้อย่างสมเหตุสมผล และเพื่อให้คุณสามารถทำซ้ำไปป์ไลน์ได้ด้วยตนเอง หากคุณต้องการรันมันนอก ChatGPT

• OpenStreetMap (OSM) คือแผนที่โลกแบบเปิดที่สร้างจากฝูงชน — เป็นแหล่งข้อมูลสำหรับถนนและเส้นทางที่เส้นทางนี้ใช้

• Nominatim คือบริการ geocoding ของ OSM: โดยเปลี่ยนที่อยู่ที่มนุษย์เข้าใจ ("ฉันอาศัยอยู่ที่ <my address>") ให้เป็นพิกัดบนแผนที่

• Overpass เป็น API สำหรับสืบค้นข้อมูล OSM: เอเจนต์ใช้มันเพื่อดาวน์โหลดถนนและเส้นทางท้องถิ่นรอบพิกัดเหล่านั้น

• การคำนวณลูปเอง ("คำนวณลูปในเครื่อง") ทำงานอยู่ในเวิร์กสเปซของเอเจนต์เอง — โดยนำกราฟถนนดิบมาค้นหาวงจรปิดที่มีความยาวใกล้เคียงกับที่ต้องการ

การแยกส่วนนั้นคือแกนหลักที่ทำซ้ำได้ ถ้าคุณอยากสร้างสิ่งเดียวกันด้วยตัวเอง ไปป์ไลน์คือ: ทำ geocode ด้วย Nominatim ดึงโครงข่ายถนนด้วย Overpass คำนวณลูป ส่งออก GPX/GeoJSON เรนเดอร์ด้วยไลบรารีแผนที่ ChatGPT Work ทำทั้งหมดนั้นให้คุณเลย โดยไม่ต้องใช้คีย์ API ไม่ต้องค้นคว้าไลบรารีกำหนดเส้นทาง และไม่มีโค้ดที่คุณต้องเขียน

สิ่งที่คุณจะได้รับกลับคืน: ทักษะการสร้างภาพข้อมูลและไฟล์

ผลลัพธ์คือส่วนที่ทำให้สิ่งนี้รู้สึกว่าเสร็จสมบูรณ์มากกว่าจะเป็นแค่เดโม ในด้านการแสดงผล เอเจนต์ใช้ความสามารถในตัวของ ChatGPT ชื่อ visualize skill เพื่อสร้างไฟล์ HTML แบบครบในตัวเอง — ในรันที่สังเกตได้ คือ /workspace/el-granada-5k-share.html — ซึ่งฝังแผนที่ไว้ใน UI ของ ChatGPT โดยตรง ตัว HTML เก็บเรขาคณิตของเส้นทางทั้งหมดไว้ในองค์ประกอบ <script type="application/json"> และเรนเดอร์แผนที่ด้วย D3.js ที่โหลดจาก CDN นโยบายความปลอดภัยของเนื้อหา (content-security policy) ของสกิลนี้อนุญาตเฉพาะรายการต้นทางภายนอกที่ระบุเท่านั้น — cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com, fonts.googleapis.com, fonts.gstatic.com และ fonts.bunny.net — และ "ต้นทางอื่น ๆ จะถูกบล็อกและล้มเหลวอย่างเงียบ ๆ" รายละเอียดนี้สำคัญหากคุณตรวจสอบไฟล์ที่สร้างขึ้นในภายหลัง: แผนที่จะทำงานได้กับไลบรารีเหล่านั้น และจะลดประสิทธิภาพลงอย่างเงียบ ๆ หากไม่มีไลบรารีเหล่านั้น

ในฝั่งไฟล์ คุณจะได้รูปแบบการแลกเปลี่ยนข้อมูลสองแบบที่แอป GPS และเครื่องมือแผนที่ทุกตัวเข้าใจอยู่แล้ว:

• GPX — รูปแบบการแลกเปลี่ยนข้อมูล GPS มาตรฐาน นำเข้าไปยัง Strava, Garmin Connect หรือแอปเส้นทางใดก็ได้ แล้วมันจะแสดงผลเป็นเส้นทางที่สามารถติดตามได้

• GeoJSON — รูปแบบ JSON สำหรับข้อมูลเชิงพื้นที่ ใช้ได้ใน QGIS, Leaflet, Mapbox หรือเครื่องมือเชิงพื้นที่ใด ๆ และยังเป็นรูปแบบที่ระบบแสดงผลแบบฝังตัวใช้จัดเก็บเรขาคณิตของมันด้วย

ถ้าเป้าหมายของคุณคือเส้นทางที่คุณนำไปใช้ได้จริง ไฟล์ GPX คือสิ่งที่ต้องส่งมอบ — แผนที่ที่ฝังไว้คือหลักฐานว่ามันสมเหตุสมผล และ GeoJSON คือสำเนาสำหรับงานที่ต้องประมวลผลด้วยโปรแกรม

สิ่งที่เดโมไม่ได้บอกคุณ: ข้อควรระวังจริงสองประการ

การสร้างเส้นทางนั้นมีอยู่จริง แต่ภาพที่ตรงไปตรงมาของ ChatGPT Work มาจากโหมดความล้มเหลวของมัน และคนที่ทดสอบมันได้เปิดเผยสองกรณีนั้นในเช้าวันเดียวกัน

1. การทำงานเป็นกล่องดำ โค้ดของเอเจนต์และขั้นตอนที่แน่นอนของมันไม่ปรากฏให้เห็นใน UI ของ ChatGPT — มีเพียงคำอธิบายสรุป ("ฉันใช้ Nominatim… แล้วคำนวณลูปในเครื่อง") สำหรับเส้นทางหนึ่ง ๆ นั่นก็ใช้ได้ แต่สำหรับสิ่งใดก็ตามที่มีนัยสำคัญ มันคือช่องว่างด้านความโปร่งใสที่คุณควรสันนิษฐานว่ามีอยู่ วิลลิสันเรียกมันว่า “anti-feature”: คุณเห็นผลลัพธ์และคำอธิบายของโมเดลเองเกี่ยวกับผลลัพธ์ ไม่ใช่โค้ดที่สร้างผลลัพธ์นั้น

2. การทำ compaction อาจลบงานทิ้งไปได้ กว่าที่เขาจะขอสำเนาโค้ด Python เอเจนต์ก็ไม่สามารถสร้างมันได้แล้ว — เธรดถูกทำ compaction ไปแล้ว และบริบทก่อนการทำ compaction ก็หายไป เซสชันเอเจนต์แบบยาวใด ๆ ที่คุณพึ่งพาอยู่มีความเสี่ยงนี้: เธรดจะถูกสรุป และอาร์ติแฟกต์หรือโค้ดที่ไม่เคยถูกบันทึกเป็นไฟล์จะไม่สามารถเรียกคืนได้อีก หากคุณต้องการโค้ด ให้ขอเป็นไฟล์ระหว่างการรัน ไม่ใช่หลังจากนั้น

ข้อแม้ทั้งสองข้อไม่ได้บั่นทอนเพลย์บุ๊ก — เส้นทางบวกกับการส่งออก GPX/GeoJSON เป็นผลงานส่งมอบแบบที่อยู่รอดจากการบีบอัดได้พอดี เพราะมันถูกเขียนลงดิสก์ แต่ข้อแม้เหล่านั้นกำหนดความคาดหวังไว้: ChatGPT Work ทรงพลัง แต่ไม่โปร่งใส และไม่ใช่บันทึกที่คงทนของทุกสิ่งที่มันทำ

ทำไมเรื่องนี้จึงสำคัญกว่าการสาธิตที่ดูดี

ภายใต้เส้นทางที่กำลังทำงานอยู่คือความสามารถใหม่จริง ๆ ที่คุ้มค่าแก่การประเมินต้นทุน: โมเดลระดับแนวหน้าที่จะรับคำขอเพียงบรรทัดเดียว ทำงานหลายขั้นตอนจริงเป็นเวลา 27 นาที ครอบคลุมตั้งแต่การระบุพิกัดทางภูมิศาสตร์ การสืบค้นผ่านเครือข่าย ไปจนถึงการคำนวณในเครื่อง แล้วส่งคืนไฟล์ที่ใช้งานได้ นั่นคือความหมายของ "งานแบบเอเจนต์" ในทางปฏิบัติ และมันเปลี่ยนสิ่งที่คุณควรคาดหวังจากคำขอที่ส่งไปยังโมเดล อีกทั้งยังเปลี่ยนการคำนวณต้นทุน — และนี่คือจุดที่มุมมองด้านการจัดเส้นทางพิสูจน์คุณค่าของตัวเอง

ใน ChatGPT Work เซสชัน 27 นาทีนั้นจะถูกหักจากโควตา Codex ในแพ็กเกจสมาชิกของคุณ และบน GPT-6 Astra โทเคนก็หมดเร็วมาก โมเดลเดียวกันนี้มีให้ใช้แบบคิดตามจำนวนโทเคนผ่าน API โดย GPT-6 Astra ตั้งราคาไว้ที่ 10 ดอลลาร์ต่อโทเคนอินพุต 1 ล้านโทเคน และ 50 ดอลลาร์ต่อโทเคนเอาต์พุต 1 ล้านโทเคน พร้อมหน้าต่างบริบทประมาณ 1.05 ล้านโทเคน และมีระดับ long-context สำหรับอินพุตเกิน 272,000 โทเคนในอัตราที่สูงกว่า — เป็นราคาตามประกาศของผู้ให้บริการ สำหรับลูปของเอเจนต์ที่เก็บทั้งเซสชันไว้ในบริบท ค่าใช้จ่ายก้อนใหญ่จะอยู่ที่ระดับ long-context นั้น

นั่นคือต้นทุนที่เลเยอร์การจัดเส้นทางมีอยู่เพื่อจัดการนั่นเอง API เดียวครอบคลุมโมเดลกว่า 200 รุ่น โดยที่ราคาตามรายการของผู้ให้บริการถูกส่งผ่านด้วยมาร์กอัป 0% หมายความว่าโมเดลแนวหน้าอย่าง GPT-6 Astra ในราคา $10 และ $50 จะอยู่ข้าง ๆ GPT-5.6 Sol ในราคา $4 และ $20 บนคีย์เดียวกัน และคุณสามารถสลับไปมาระหว่างสองโมเดลนั้นได้ด้วยสตริงโมเดล — ไม่ต้องมีสัญญาที่สอง ไม่ต้องแก้โค้ด ไม่ต้องผสานรวมแยกตามผู้ขาย หากคุณต้องการสร้างต้นแบบเอเจนต์วางแผนเส้นทางหรือเอเจนต์ที่ทำงานระยะยาวอื่น ๆ กับโมเดลใหม่ล่าสุด โดยไม่เดิมพันเส้นทางโปรดักชันกับมัน การสลับไปใช้ระบบสำรองอัตโนมัติช่วยให้คุณรันทราฟฟิกส่วนหนึ่งบนโมเดลนั้นได้ ในขณะที่โมเดลที่ผ่านการพิสูจน์แล้วยังคงรองรับอยู่ข้างใต้ และเมื่อผู้ขายลดราคา การส่งผ่านราคาหมายความว่าราคาใหม่พร้อมใช้งานฝั่งเราในวันเดียวกัน — ราคาตามรายการเดียวกัน โดยไม่มีชั้นมาร์กอัปคั่นกลาง

ข้อโต้แย้งเดียวกันนี้ใช้กับแพตเทิร์นของเครื่องมือ ไม่ใช่แค่ตัวโมเดลเท่านั้น พายплайнของ OSM/Nominatim/Overpass ที่เอเจนต์ใช้ก็เป็นสิ่งที่นักพัฒนาอาจต้องการเรียกใช้แบบ deterministic — และถ้าคุณสร้างมันเอง คุณจะกำหนดเส้นทางเลเยอร์โมเดลผ่าน endpoint เดียว แทนที่จะฮาร์ดโค้ดผู้ให้บริการรายเดียว เพื่อให้โมเดลที่วางแผนเส้นทางสามารถสลับหรือ fail over ได้โดยไม่ต้องเขียนพายплайнใหม่

เพลย์บุ๊ก ฉบับย่อ

หากคุณต้องการทำสิ่งนี้ด้วยตัวเอง รูปทรงก็คือ:

• ใช้ ChatGPT Work (ไม่ใช่แชททั่วไป) โดยเลือก GPT-6 Astra และตั้งค่าระดับความพยายามในการให้เหตุผลไว้สูง

• พรอมต์ที่มีที่อยู่จริงและระยะทางเป้าหมาย: "ฉันอาศัยอยู่ที่ <address> ช่วยคำนวณเส้นทางวิ่งระยะ 5K และ 10K จากจุดที่ฉันอยู่ โดยวนกลับมาที่บ้านของฉัน ใช้ข้อมูล OSM"

• คาดว่ามันจะใช้เวลาหลายสิบนาที ไม่ใช่ไม่กี่วินาที — และคาดว่ามันจะทำงานได้ด้วยตัวเอง

• ขอผลลัพธ์ออกมาในรูปแบบไฟล์ไปตามขั้นตอนต่าง ๆ เช่น GPX สำหรับนาฬิกาหรือแอปของคุณ, GeoJSON สำหรับการใช้งานเชิงโปรแกรม และภาพแสดงผลที่เรนเดอร์ในแชท

• หากคุณต้องการโค้ดที่มันเขียนขึ้น ให้ขอให้บันทึกเป็นไฟล์ระหว่างการทำงาน — การคอมแพกชันอาจลบมันทิ้งไปในภายหลัง

ขั้นตอนสุดท้ายนั่นแหละคือขั้นที่ทุกคนมักข้ามไป และเป็นขั้นที่กัดกินจริง ๆ โมเดลจะวางแผนลูปให้คุณได้อย่างสบาย ๆ ทั้งวัน แต่มันอาจจำโค้ดที่ทำแบบนั้นไม่ได้ตอนที่คุณถาม

คีย์เดียวกันนี้ใช้เข้าถึงส่วนที่เหลือของแค็ตตาล็อกได้ และคุณสามารถเรียกดูแค็ตตาล็อกรุ่นทั้งหมดเพื่อดูว่ายังมีอะไรอีกบ้างที่อยู่เบื้องหลังปลายทางเดียวที่เข้ากันได้กับ OpenAI