ถ้าคุณมีสเปรดชีตราคาโมเดลเก็บไว้ ตอนนี้มันล้าสมัยไปแล้วในสัปดาห์นี้ xAI เปิดตัว Grok 4.7 เมื่อวันที่ 21 กันยายน วันถัดมา Anthropic เปิดตัว Claude Opus 5.5 และ OpenAI เปิดตัวโมเดล GPT-6 ใหม่สองตัว คือ Sol และ Luna สามการเปิดตัวใน 48 ชั่วโมง สองแล็บแนวหน้าในวันเดียวกัน และทุกแถวในโมเดลต้นทุนของคุณตอนนี้ผิดไปหมดแล้ว
ตัวเลขต่อโทเคนอยู่ด้านล่าง เรื่องที่มีประโยชน์กว่าคือราคาต่อโทเคนเลิกเป็นหน่วยที่ใคร ๆ แข่งขันกันแล้ว และหนึ่งในคำกล่าวอ้างที่ดังที่สุดของสัปดาห์นี้หมดอายุภายในไม่กี่ชั่วโมงหลังตีพิมพ์
ราคาใหม่ทุกตัวในตารางเดียว
| โมเดล | API id | อินพุต $/M | เอาต์พุต $/M | อินพุตแคช | บริบท | AA Intelligence Index |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | claude-opus-5-5 |
$4 | $20 | อ่าน $0.20, เขียน $5 | 1M | 58, #1 จาก 212 |
| GPT-6 Sol | gpt-6-sol |
$2 | $10 | ลด 90% สำหรับการอ่าน | 872k | 48 |
| GPT-6 Luna | gpt-6-luna |
$0.10 | $0.50 | ลด 90% สำหรับการอ่าน | 1M | 37 |
| GPT-6 Astra | n/a | $10 | $50 | n/a | n/a | n/a |
| Claude Opus 5 (รุ่นก่อน) | claude-opus-5 |
$5 | $25 | n/a | n/a | n/a |
| Grok 4.7 (21 ก.ย.) | n/a | $2 | $6 | n/a | n/a | n/a |
มีสามจุดที่โดดเด่น Opus 5.5 อยู่ที่ $4/$20 เทียบกับ Opus 5 ที่ $5/$25 ดังนั้นโมเดลเรือธงถูกลง 20% พร้อมกับคว้าอันดับหนึ่งบนดัชนี Artificial Analysis ที่ 58 Sol อยู่ที่หนึ่งในห้าของอัตรา Astra ทั้งอินพุตและเอาต์พุต และ Luna ทำให้หน้าต่างบริบท 1M อยู่ที่สิบบนต่อล้านโทเคนอินพุต
Anthropic ยังระบุโหมดเร็วสำหรับ Opus 5.5 ที่ $8/$40 และเอาต์พุตสูงสุด 128k ถ้าคุณมีอัตราฮาร์ดโค้ดมาจากบทความ ราคา Claude Opus 5 หรือ ราคา GPT-5.6 ของเรา หน้าพวกนั้นตอนนี้อธิบายรุ่นก่อนหน้าแล้ว
สิ่งที่เปลี่ยนจริง ๆ คือต้นทุนต่องาน ไม่ใช่ต้นทุนต่อโทเคน
โพสต์เปิดตัวของ OpenAI ไม่ได้นำด้วยอัตราต่อโทเคน แต่นำด้วยต้นทุนต่องานที่ทำสำเร็จ และตารางที่มันเผยแพร่คือสิ่งที่่น่าสนใจที่สุดของสัปดาห์นี้
| โมเดล (ระดับความพยายามในการให้เหตุผล) | AutomationBench 1.0.6 | ต้นทุนต่องาน |
|---|---|---|
| GPT-6 Sol (xhigh) | 33.2% | $0.27 |
| Fable 5.1 พร้อม Opus 5 fallback (max) | 31.4% | มากกว่า 8.9 เท่าของ Sol |
| GPT-6 Astra (low) | 30.3% | 3.9 เท่าของ Sol |
| Claude Opus 5 (max) | 26.9% | 11.1 เท่าของ Sol |
อ่านแถวล่างสุดให้ดี Sol ที่ระดับการให้เหตุผลสูงพิเศษทำคะแนนได้สูงกว่า Opus 5 ที่ max ในต้นทุนต่องานประมาณ 9% ของ Opus 5 ต้นทุนต่องานคือหน่วยที่ซื่อตรง เพราะมันรวมสิ่งที่ราคาต่อโทเคนซ่อนไว้ นั่นคือโทเคนการให้เหตุผล การเรียกเครื่องมือ การลองใหม่ และจำนวนรอบที่โมเดลต้องใช้กว่าจะหยุด โมเดลที่มีราคาป้ายแพงเป็นสองเท่าแต่ทำงานเสร็จด้วยโทเคนหนึ่งในสามนั้นถูกกว่า และไม่มีหน้าราคาไหนบอกคุณเรื่องนั้น
รูปแบบนี้เกิดซ้ำ ใน Agents’ Last Exam V1 Sol ที่ max ทำคะแนน 56.4% สูงกว่าผลลัพธ์ที่ดีที่สุดของ Opus 5 ในต้นทุนต่องานต่ำกว่า 60% ใน DeepSWE 1.1 Sol ที่ max ทำคะแนน 68.8% ห่างจาก Fable 5 ที่ xhigh (69.9%) ภายใน 1.1 คะแนน และถูกกว่าต่องานราว 80%; Luna ที่ max ทำคะแนน 66.6% ซึ่ง OpenAI จัดไว้ในกลุ่มเดียวกับ Opus 5 และ Fable 5 ที่ความพยายามระดับ medium โดยต่ำกว่าต่องาน Opus 5 ถึง 93% และต่ำกว่า Fable 5 ถึง 96% ใน OSWorld 2.0 แบบออฟไลน์ Sol ที่ xhigh ทำคะแนน 60.5% เทียบกับ Opus 5 ที่ medium ที่ 60.3% และถูกกว่าต่องานราว 80% เช่นกัน ด้านความถูกต้องของข้อเท็จจริง OpenAI กล่าวว่า Sol ทำผิดพลาดประมาณครึ่งหนึ่งของรุ่นก่อน และ Luna ที่ความพยายามสูงขึ้นเทียบเท่า GPT-5.6 Sol ที่ต้นทุนประมาณหนึ่งในร้อย
ผลที่ตามมาในทางปฏิบัติ คำถามด้านการจัดซื้อไม่ใช่ “อัตราต่อล้านโทเคนเท่าไร” อีกต่อไป แต่เป็น “งานหนึ่งงานของฉันมีต้นทุนเท่าไรตลอดทั้งกระบวนการ” และมีเพียงเวิร์กโหลดของคุณเองเท่านั้นที่ตอบได้
การเปรียบเทียบที่หมดอายุในวันเดียวกับที่เปิดตัว
ทุกคำกล่าวอ้างข้างต้นวัดเทียบกับ Claude Opus 5 เพราะ Opus 5.5 ยังไม่มีอยู่ตอนที่โพสต์ของ OpenAI ถูกเขียน Anthropic เปิดตัว Opus 5.5 หลายชั่วโมงต่อมา ถูกกว่า Opus 5 อยู่ 20% ใช้ทรัพยากรน้อยลง 40% ตามตัวเลขของ Anthropic เอง เร็วกว่า 30% ในด้านเอาต์พุต และอยู่อันดับหนึ่งของดัชนี Artificial Analysis
ดังนั้น “เอาชนะ Opus 5 ได้ที่ต้นทุนต่องาน 9%” จึงเป็นข้อความจริงเกี่ยวกับโมเดลที่ถูกแทนที่ในบ่ายวันเดียวกัน ไม่มีใครเผยแพร่ตัวเลขต้นทุนต่องานระหว่าง Sol กับ Opus 5.5 เพราะทุกฮาร์เนสในตารางเหล่านี้รันก่อนที่ Opus 5.5 จะมีอยู่ ถ้าคุณกำลังจะย้ายเวิร์กโหลดด้วยน้ำหนักจากอัตราส่วนนั้น คุณกำลังเปรียบเทียบกับโมเดลที่คุณจะไม่ใช้งานมันอีกแล้ว
ระวังในทางกลับกันด้วย แผ่นข้อมูลของ Anthropic เองสำหรับ Opus 5.5 ระบุว่า Terminal-Bench 4.0 66.4%, FrontierCode v1.1 54.4%, CursorBench 4.0 57.8%, GDPval-AA v2.1 ที่ 1846 Elo, AutomationBench 40.0%, Humanity’s Last Exam 67.7% เมื่อใช้เครื่องมือ, OSWorld 2.0 81.8%, Chartography 89.0% ค่า AutomationBench 40.0% นั้นไม่สามารถลบจาก 33.2% ของ OpenAI ได้ เนื่องจากเวอร์ชันฮาร์เนสต่างกัน การตั้งค่าความพยายามต่างกัน การรันต่างกัน และไม่มีฐานอ้างอิงร่วมที่ระบุไว้ การที่ผู้ขายสองรายอ้างชื่อเบนช์มาร์กเดียวกันไม่ใช่การเทียบแบบตัวต่อตัว จุดยืนของ OpenAI เองคือ Astra “ยังคงเป็นโมเดลที่ดีที่สุดของเราครอบคลุมทุกด้าน” ดังนั้นเรื่องราวของ GPT-6 ในสัปดาห์นี้จึงเกี่ยวกับราคาและประสิทธิภาพ ไม่ใช่เพดานใหม่ การเปรียบเทียบที่แพร่หลายบน X ซึ่งนำตัวเลข Opus 5.5 เฉพาะเจาะจงมาเทียบกับตัวเลข Astra เฉพาะเจาะจงนั้นเป็นทวีต ไม่ใช่ข้อมูลจากผู้ขาย
“ถูกลง 50%” วัดเทียบกับส่วนลด และการลดจริงนั้นมากกว่านั้น
OpenAI ระบุว่า Sol และ Luna แต่ละตัวถูกกว่า ราคาโปรโมชันของ GPT-5.6 อยู่ 50% คำว่า “โปรโมชัน” เป็นคำของ OpenAI เอง และมันมีนัยสำคัญ ฐานที่ถูกหารครึ่งนั้นเป็นอัตราส่วนลด ไม่ใช่อัตราราคาป้ายมาตรฐาน การรายงานข่าวส่วนใหญ่ในสัปดาห์นี้ตัดตัวขยายความนั้นออกไป
นี่คือสายการสืบราคา โดยใช้ราคาป้ายของ GPT-5.6 ที่เรา documented ไว้ในบทความเปิดตัวของเราในตอนนั้น:
| ระดับ | GPT-5.6 ป้าย (เข้า / ออก ต่อ 1M) | GPT-5.6 โปรโมชัน | GPT-6 |
|---|---|---|---|
| Sol | $5 / $30 | $4 / $20 | $2 / $10 |
| Terra | $2.50 / $15 | $2 / $12 | ไม่มี GPT-6 Terra ประกาศออกมา |
| Luna | $1 / $6 | $0.20 / $1.20 | $0.10 / $0.50 |
มีสองประเด็นที่ตามมา อย่างแรก เวอร์ชันที่ซื่อตรงของพาดหัวข่าวนั้นชนะพาดหัวข่าวเอง เมื่อเทียบกับราคาป้ายของ GPT-5.6 Sol ที่ $2/$10 คือการลดลง 60% ในด้านอินพุตและ 67% ในด้านเอาต์พุต และ Luna ที่ $0.10/$0.50 คือ 90% และ 92% OpenAI เปรียบเทียบกับอัตราโปรโมชันของตัวเอง ซึ่งทำให้การเปลี่ยนแปลงดูเล็กกว่าความเป็นจริงสำหรับใครก็ตามที่ตั้งงบตามราคาป้าย
อย่างที่สอง ไม่มี GPT-6 Terra GPT-5.6 มี Sol, Terra และ Luna; GPT-6 มี Astra, Sol และ Luna ถ้าคุณมีระดับกลางปักหมุดไว้ในคอนฟิก ก็ไม่มีผู้สืบทอดแบบเทียบเคียงกันรออยู่ และคู่มือการตั้งชื่อ GPT-5.6 ของเราตอนนี้อ่านเป็นประวัติศาสตร์มากกว่าแผนที่ปัจจุบัน
โมเดลราคาถูกไม่ใช่โมเดลที่เร็ว
Artificial Analysis วัดโมเดลใหม่เหล่านี้ สำหรับ ตัวแปรการให้เหตุผลระดับ max รายงานว่า GPT-6 Sol อยู่ที่ 115.2 โทเคนเอาต์พุตต่อวินาที โดยมีเวลาถึงโทเคนแรก 102.15 วินาที และ Luna ที่ 153.9 โทเคนต่อวินาที โดยมี 124.23 วินาทีถึงโทเคนแรก [VERIFY] นี่เป็นตัวเลขจากบุคคลที่สาม ไม่ใช่ตัวเลขจากผู้ขาย และมันอธิบายการตั้งค่าการให้เหตุผลสูงสุด ไม่ใช่สิ่งที่คุณจะเห็นที่ความพยายามระดับ low หรือ medium
ในเชิงทิศทาง นี่คือการแลกเปลี่ยนที่สงครามราคากำลังเสนอ คุณภาพใกล้เคียงระดับแนวหน้าในเศษเสี้ยวของต้นทุน แลกมาด้วยความหน่วงก่อนที่ไบต์แรกจะมาถึง ยอมรับได้สำหรับงานแบบแบตช์หรือการรันเอเจนต์ตอนกลางคืน แต่ร้ายแรงสำหรับคำขอที่มีมนุษย์รออยู่
วัดสิ่งนี้ด้วยตัวเองแทนที่จะรับมาจากลีดเดอร์บอร์ด เพราะมันเปลี่ยนตามการตั้งค่าความพยายาม ขนาดพรอมป์ต และภูมิภาคของคุณ ชี้ Apidog ไปที่ปลายทาง completions ของโมเดลแต่ละตัวที่คุณพิจารณา ส่งพรอมป์ตเดียวกันที่ระดับความพยายามที่คุณจะใช้งานจริง และบันทึกเวลาถึงไบต์แรกและเวลาตอบสนองรวมไว้ข้าง ๆ บอดี้ บันทึกเป็นสถานการณ์ทดสอบ การเปิดตัวครั้งต่อไปจะเป็นแค่การรันซ้ำ ไม่ใช่โปรเจกต์วิจัย
แคชคืออีกครึ่งหนึ่งของการลดราคาสัปดาห์นี้
นอกจากโมเดลแล้ว OpenAI ยังเปิดตัวการปล่อย prompt caching จริงจังสำหรับ GPT-6: ส่วนลด 90% สำหรับการอ่านอินพุตที่แคชไว้ อัตราการแคชที่สูงขึ้นโดยค่าเริ่มต้น Prompt Caching Dashboard เครื่องมือวินิจฉัย และการแก้ไขเชิงพฤติกรรมสองอย่างที่สำคัญกว่าส่วนลด การเปลี่ยนระดับความพยายามในการให้เหตุผลหรือความพร้อมของเครื่องมือไม่ทำให้แคชเสียหายอีกต่อไป และจุดแบ่งที่ระบุชัดเจนช่วยให้คุณตัดสินใจได้ว่า prefix ที่แคชไว้สิ้นสุดตรงไหน OpenAI อ้างว่า GitHub เห็นโทเคนพรอมป์ตที่ต้องประมวลผลใหม่ลดลงมากกว่า 50% ทั่วคำขอหลายพันล้านครั้ง ฝั่ง Anthropic อยู่ในตารางด้านบน: การอ่านแคชของ Opus 5.5 มีราคา $0.20 ต่อล้าน เทียบกับ $4 สำหรับอินพุตใหม่ ดังนั้นการอ่านที่แคชไว้คือ 5% ของการอ่านใหม่
ถ้าเอเจนต์ของคุณส่ง system prompt ขนาดใหญ่และ schema เครื่องมือที่อ้วนท้วนซ้ำทุกครั้ง และส่วนใหญ่ทำอย่างนั้น การเปลี่ยนแปลงเหล่านี้จะขยับบิลของคุณมากกว่าราคาป้ายใด ๆ ที่นี่ นั่นทำให้แคชเป็นสิ่งที่สุดยั่งยืนที่สุดของสัปดาห์นี้ และเป็นสิ่งที่คุ้มค่าที่จะออกแบบให้สอดคล้อง
สิ่งที่ควรทำในสัปดาห์นี้
- ย้าย model id เข้าไปในคอนฟิก ไม่ใช่โค้ด มีสาม id ที่เปลี่ยนในสองวัน
claude-opus-5-5,gpt-6-solและgpt-6-lunaควรอยู่ในตัวแปรสภาพแวดล้อมที่คุณสลับได้ ไม่ใช่สตริงลิเทอรัลในตัวห่อไคลเอนต์ - รัน eval ของคุณเองก่อนสลับ ตารางต้นทุนต่องานของผู้ขายวัดบนฮาร์เนสของผู้ขายกับงานของผู้ขาย ของคุณจะแตกต่างออกไป
- วัดต้นทุนต่องาน บันทึกโทเคนอินพุต เอาต์พุต และการให้เหตุผลเทียบกับหน่วยงานที่ทำสำเร็จ รวมการลองใหม่ด้วย แดชบอร์ดต่อโทเคนจะทำให้คุณเข้าใจผิดไปตลอดปีนี้
- ตั้งงบความหน่วงและทดสอบที่ระดับความพยายามที่ใช้งานจริง โมเดลที่ถูกกว่าต่องาน 93% และช้ากว่าถึงโทเคนแรกสองนาทีนั้นเป็นผลิตภัณฑ์ที่ต่างออกไป ไม่ใช่ผลิตภัณฑ์ที่ถูกกว่า
- ตรวจสอบขอบเขตแคชของคุณ prefix ที่คงที่ก่อน เนื้อหาที่ผันผวนทีหลัง จุดแบ่งที่ระบุชัดเจนในที่ที่แพลตฟอร์มรองรับ
- อัปเดตการทดสอบสัญญาสำหรับขอบเขตใหม่ Sol มีบริบท 872k, Luna และ Opus 5.5 มี 1M และ Opus 5.5 จำกัดเอาต์พุตที่ 128k การยืนยันที่เขียนตามขีดจำกัดของเดือนที่แล้วจะผ่านไปเงียบ ๆ และตัดข้อมูลทิ้งในโปรดักชัน
- จัดเส้นทางตามงานแทนการย้ายทั้งหมด ช่องว่างระหว่าง $0.10 กับ $10 ต่อล้านโทเคนอินพุตนั้นมีสองอันดับขนาด ใช้ระดับราคาถูกสำหรับการสกัดและการจำแนก ใช้ระดับแพงสำหรับงานที่จำเป็นต้องใช้
ตัวเลขหนึ่งตัวเพื่อให้เห็นขนาด: OpenAI เปิดเผยว่านักวิจัยภายในค่ามัธยฐานของตัวเองใช้จ่ายมากกว่า $600 ต่อวันกับเอเจนต์เขียนโค้ด โดยเปอร์เซ็นไทล์ที่ 90 อยู่ที่ $7,000 การลดในลักษณะนี้มุ่งเป้าไปที่เวิร์กโหลดที่มีช่องว่างขนาดนั้น ถ้าของคุณเล็กกว่า มันก็แค่ให้ตัวเลือกในการรันโมเดลที่ดีกว่าด้วยงบเท่าเดิม
ความพร้อมใช้งาน โดยย่อ
Sol และ Luna อยู่ใน ChatGPT Work และ Codex สำหรับ Plus, Pro, Business, Enterprise และ Edu ส่วน Free และ Go ได้ Luna ในแอปเดสก์ท็อป ทั้งสองยังไม่เข้า Chat API id คือ gpt-6-sol และ gpt-6-luna เคียงข้างกับGPT-6 Astra API ที่มีอยู่แล้ว Opus 5.5 ทำงานบน Claude Platform, AWS, Google Cloud และ Azure
สำหรับรายละเอียดรายโมเดล: Claude Opus 5.5 คืออะไร, GPT-6 Sol คืออะไร, GPT-6 Luna คืออะไร, การเทียบแบบตัวต่อตัวระหว่าง Sol กับ Opus 5.5 และการเปิดตัว prompt caching ของ GPT-6
บทสรุป
ราคาป้ายลดลง แต่เหตุการณ์จริงคืออุตสาหกรรมเปลี่ยนหน่วย ต้นทุนต่องาน อัตราการแคชที่สำเร็จ และเวลาถึงโทเคนแรกตอนนี้เป็นตัวตัดสินว่าโมเดลมีต้นทุนเท่าไรกับคุณ และไม่มีตัวไหนปรากฏบนหน้าราคา วัดทั้งสามอย่างบนทราฟฟิกของคุณเองในสัปดาห์นี้ เพราะตารางเปรียบเทียบที่ทุกคนอ้างถึงนั้นล้าสมัยไปแล้วตอนที่มันถูกเผยแพร่