Google ปรับ Gemini 3.5 Pro เพื่อแข่งโค้ด แต่ผลลัพธ์กลับทำให้ทีมงานผิดหวัง
ในเดือนที่ผ่านมา Google ได้ทำการรีเทรนโมเดล Gemini 3.5 Pro อย่างหนัก เพื่อเพิ่มศักยภาพในการเขียนโปรแกรม (programming performance) หวังจะยกระดับความสามารถของโมเดลให้เทียบชั้นหรือแซงหน้าคู่แข่งในโลกของ AI สำหรับนักพัฒนา อย่างไรก็ตาม ผลลัพธ์ที่ได้กลับไม่เป็นไปตามเป้าหมาย โดยพนักงานภายในบริษัทจำนวน 10 คนที่ทดสอบประสิทธิภาพจริง ระบุว่าโมเดลเวอร์ชันใหม่นี้ “ผิดหวัง” และไม่สามารถแสดงศักยภาพที่คาดหวังไว้ได้
การทดสอบเปรียบเทียบระหว่าง Gemini 3.5 Pro กับโมเดลจากคู่แข่งอย่าง OpenAI’s GPT-5.6 Sol และ Meta’s Muse Spark 1.1 ชี้ให้เห็นแนวโน้มที่น่ากังวลสำหรับ Google พบว่า GPT-5.6 Sol มีประสิทธิภาพในการใช้ token หรือ “token efficiency” สูงกว่า Gemini 3.5 Pro ถึง 54 เปอร์เซ็นต์ ซึ่งหมายความว่าโมเดลของ OpenAI สามารถสร้างผลลัพธ์ที่แม่นยำและครบถ้วนในจำนวน token ที่น้อยกว่ามาก ประหยัดทรัพยากรและต้นทุนการใช้งานได้ดีกว่า
นอกจากนี้ โมเดล Muse Spark 1.1 ของ Meta ก็แสดงศักยภาพเหนือกว่า Gemini 3.5 Pro อย่างชัดเจนในงานด้านการเขียนโค้ด โดยเฉพาะในงานที่ต้องการความแม่นยำสูง เช่น การแก้ไขบั๊ก หรือเขียนฟังก์ชันที่ซับซ้อน ทำให้พนักงานบางส่วนเริ่มเปลี่ยนมาใช้ Muse Spark 1.1 แทนในโครงการพัฒนาภายในองค์กร
สถานการณ์นี้กำลังสร้างความกังวลอย่างรุนแรงภายใน Google โดยเฉพาะในทีมพัฒนา AI ที่ตระหนักว่า ความได้เปรียบทางเทคโนโลยีที่เคยมีมาในอดีตอาจเริ่มจางหายไป แม้ Google จะยังคงมีฐานข้อมูลขนาดใหญ่และโครงสร้างพื้นฐานที่แข็งแกร่ง แต่ในด้าน “ประสิทธิภาพเฉพาะทาง” อย่างการเขียนโปรแกรม โมเดลจากคู่แข่งกลับเร่งแซงหน้าอย่างรวดเร็ว
แหล่งข่าววงในเปิดเผยว่า ทีมงานด้าน AI ของ Google กำลังเร่งประเมินแนวทางใหม่ ทั้งในด้านการปรับปรุงโมเดล รวมถึงพิจารณาใช้โมเดลภายนอกเป็นส่วนเสริมในบางงาน เพื่อรักษาความสามารถในการแข่งขันในตลาดที่เติบโตอย่างรวดเร็ว
บทสรุป
Google อาจต้องเร่งปรับกลยุทธ์อย่างจริงจัง หากไม่อยากสูญเสียตำแหน่งผู้นำในวงการ AI สำหรับนักพัฒนา ทั้งในด้านประสิทธิภาพ ต้นทุน และประสบการณ์การใช้งาน ขณะที่คู่แข่งอย่าง OpenAI และ Meta กลับแสดงความก้าวหน้าอย่างต่อเนื่องในด้านที่ Google เคยครองตลาด
บทความที่เกี่ยวข้อง:
