ทดสอบพลังภาษา AI ผ่านเกม Codenames: Gemini Argon นำอันดับ

นักศึกษารายหนึ่งเปิดตัวแอปสำหรับเล่น Codenames ที่ให้ผู้เล่นเติม AI ลงในตำแหน่งทีมที่ว่าง หรือเลือกเล่นแข่งขันกับ AI ได้โดยตรง แนวคิดนี้ช่วยให้ผู้เล่นสัมผัสเกมวางกลยุทธ์และเชื่อมโยงคำได้ แม้จะหาคนมาเล่นพร้อมกันไม่ครบทีม

ทดสอบความสามารถภาษา AI ผ่านเกม

ผู้พัฒนายังใช้เกมเป็นสนามทดลองเปรียบเทียบโมเดลภาษาหลายตัว โดยเรียกใช้งานผ่าน AWS Bedrock และคำนวณคะแนน ELO จากปัจจัยอย่างอัตราการชนะและความแม่นยำในการให้คำใบ้หรือทายคำ ตามผลที่ผู้พัฒนาเผยแพร่ Gemini 4 Argon ได้ 1,775 คะแนน ตามด้วย GPT-6.1 Sol ที่ 1,744 คะแนน, GPT-6 Astra ที่ 1,723 คะแนน, Claude Fable 5.1 ที่ 1,623 คะแนน และ Claude Opus 5.5 ที่ 1,592 คะแนน นอกจากนี้ Kimi K2.5 ยังทำคะแนนเหนือ Kimi K3 ได้เล็กน้อย

ผลดังกล่าวเป็นการจัดอันดับจากการทดลองของผู้พัฒนา ไม่ใช่ข้อสรุปครอบคลุมความสามารถของโมเดลในทุกงาน อย่างไรก็ตาม Codenames เป็นโจทย์ที่ท้าทายความสามารถด้านภาษาในหลายมิติ ทั้งการเข้าใจความสัมพันธ์ระหว่างคำ การเลือกคำใบ้ที่สื่อความหมายได้พอดี และการคาดเดาว่าผู้เล่นอีกฝ่ายจะตีความอย่างไร คะแนนจึงช่วยสะท้อนพฤติกรรมของโมเดลในงานเฉพาะทางได้อีกมุมหนึ่ง

มุมมองสำหรับนักพัฒนาและผู้ประกอบการไทย

นักพัฒนาไทยสามารถนำแนวคิดนี้ไปสร้างชุดทดสอบที่ใกล้เคียงกับงานจริงของตน เช่น การประเมินแชตบอตภาษาไทย การสรุปเอกสาร หรือการค้นหาข้อมูล โดยกำหนดเกณฑ์วัดผลให้ชัดเจนและทดสอบซ้ำอย่างเป็นระบบ การเปรียบเทียบโมเดลไม่ควรดูเพียงคะแนนรวม แต่ควรพิจารณาความแม่นยำ ต้นทุน ความเร็ว และความสม่ำเสมอ เพื่อเลือกโมเดลให้เหมาะกับผู้ใช้และข้อจำกัดของธุรกิจ

ผู้สนใจทดลองโมเดล AI สามารถดูตัวเลือกและแพ็กเกจการใช้งานผ่าน Tora API หรือทดลองใช้งานใน Playground เพื่อประเมินความเหมาะสมกับงานของตนก่อนนำไปพัฒนาต่อ