Claude Fable 5.2 vs Claude Opus 5.5: หกคะแนนดัชนีแลกกับต้นทุนต่องานที่สูงขึ้น 2.6 เท่า
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 226 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 101 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 82 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 182 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 46 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 139 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 63 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 96 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 182 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 138 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 111 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 319 tok/s
ประโยคเดียวในเอกสารของ Anthropic เองก็ตัดสินแมตช์นี้ได้เกือบทั้งหมด และไม่ใช่ประโยคการตลาด: Claude Opus 5.5สำหรับงานส่วนใหญ่ และเปลี่ยนไปใช้ Claude Fable 5.2เมื่อผลการประเมินของคุณบนโมเดล Opus ที่ใช้ความพยายามสูงขึ้นยังไม่ถึงเกณฑ์ นั่นคือผู้ขายกำลังบอกคุณว่าโมเดล $8 / $40 ของตนเป็นข้อยกเว้น และโมเดล $4 / $20 ของตนเป็นกฎ ตัวเลขที่อยู่เบื้องหลังข้อยกเว้นนั้นเป็นของจริง — Claude Fable 5.2 เป็นโมเดลที่แข็งแกร่งที่สุดที่ทั้งสองบริษัทวางจำหน่ายเมื่อวัดด้วยมาตรวัดอิสระ และบนเบนช์มาร์กแบบเอเจนต์หลายรายการก็ไม่ใช่สูสีกันเลย ตัวเลขที่อยู่เบื้องหลังกฎนั้นใหญ่กว่า: ในชุดทดสอบของ Artificial Analysis โมเดลที่ถูกกว่าทำงานดัชนีหนึ่งงานเสร็จด้วยต้นทุน $10.04 และโมเดลที่แพงกว่าด้วย $26.54 ดังนั้นช่องว่างหกจุดระหว่างทั้งสองจึงมีต้นทุน 2.6 เท่าต่องานที่ทำเสร็จ และความไม่ตรงกันของระดับความพยายามเริ่มต้นระหว่างสองโมเดลหมายความว่าการทดสอบ A/B แบบง่าย ๆ จะประเมินข้อได้เปรียบของโมเดลที่ถูกเกินจริง หรือประเมินต้นทุนของโมเดลที่แพงเกินจริง ขึ้นอยู่กับว่าคุณลืมตั้งค่าไปในทางไหน
ทั้งสองโมเดลเป็นรุ่นปัจจุบัน ทั้งคู่มีหน้าต่างบริบทหนึ่งล้านโทเคนและเพดานเอาต์พุต 128K และทั้งคู่อ่านข้อความและรูปภาพได้ Claude Opus 5.5 เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ในฐานะโมเดลแรกในตระกูล Claude 5.5 และยังถูกระบุว่าล่าสุดบนหน้าเพจของตัวเอง; Claude Fable 5.2 เปิดตัวเมื่อวันที่ 9 พฤศจิกายน 2026 และเป็น Fable รุ่นปัจจุบัน ทั้งสองไม่ใช่รุ่นต่อรุ่นของไลน์เดียวกัน — Fable เป็นระดับที่สูงกว่า Opus และตั้งราคาตามระดับนั้น — ดังนั้นคำถามไม่ใช่ว่ารุ่นไหนใหม่กว่า แต่เป็นว่าระดับไหนที่เวิร์กโหลดของคุณต้องการจริง ๆ และคำตอบที่ตรงไปตรงมาสำหรับเวิร์กโหลดส่วนใหญ่คือรุ่นที่ถูกกว่า
การตัดสินใจในสามบรรทัด
• หากงานของคุณเป็นการเขียนโค้ดที่กำหนดสเปกไว้อย่างชัดเจน การรันเอเจนต์แบบเป็นกิจวัตร งานองค์ความรู้ การใช้งานคอมพิวเตอร์ หรือสิ่งใดก็ตามที่อยู่บนโหมดไม่เก็บข้อมูล (zero data retention) แล้ว Claude Opus 5.5 ถือเป็นค่าเริ่มต้นที่ถูกต้อง และตัวคูณ 2.6× ก็ไม่ได้ซื้ออะไรให้คุณถึงขนาดที่คุณจะรู้สึกได้
• หากคุณได้ดัน Claude Opus 5.5 ไปถึง xhigh หรือ max แล้ว และการประเมินผลของคุณยังล้มเหลวอยู่ Claude Fable 5.2 คือตัวเลือกที่ยกระดับขึ้นไปเพียงตัวเดียวในสายผลิตภัณฑ์นี้ และผู้ขายอ้างว่ามันทำได้เทียบเท่า Opus ในงานเขียนโค้ดบางประเภทด้วยต้นทุนต่องานประมาณครึ่งหนึ่ง — ซึ่งเป็นกรณีเดียวที่โมเดลราคาแพงก็เป็นโมเดลที่ประหยัดเช่นกัน
• หากงานของคุณเป็นแชตสั้นที่ไวต่อความหน่วง ทั้งระดับแพ็กเกจและการลดราคาก็ไม่สำคัญมากนัก เพราะ Fable 5.2 คิดก่อนเกือบทุกคำตอบด้วยระดับความพยายามเริ่มต้น ขณะที่ Opus 5.5 ไม่ทำเช่นนั้น
ค่าเริ่มต้นสองค่าที่ไม่เหมือนกัน
กับดักแรกในการเปรียบเทียบนี้มองไม่เห็นในตารางราคา Claude Fable 5.2 ใช้ค่าเริ่มต้นเป็นระดับความพยายามสูง ส่วน Claude Opus 5.5 ใช้ค่าเริ่มต้นเป็นระดับปานกลาง ดังนั้นคำขอที่ไม่ระบุระดับความพยายามจะทำงานสูงขึ้นหนึ่งระดับบนโมเดล Fable — การเรียกสำเร็จ และหลักฐานเดียวที่เห็นคือต้นทุนที่ต่างกัน ความหน่วงที่ต่างกัน และคำตอบที่ต่างกัน เอกสารการย้ายระบบของ Anthropic ระบุเรื่องนี้ไว้อย่างชัดเจนสำหรับผู้ที่ย้ายจาก Opus และนี่คือวิธีที่ง่ายที่สุดเพียงวิธีเดียวที่จะสร้างการเปรียบเทียบ benchmark ที่ไม่มีความหมายเลย
• ระดับความพยายามเริ่มต้น — สูงเมื่อใช้ Claude Fable 5.2 เทียบกับปานกลางเมื่อใช้ Claude Opus 5.5
• อัตราต่อหนึ่งล้านโทเค็น — ขาเข้า $8 และขาออก $40 เทียบกับขาเข้า $4 และขาออก $20
• การเขียนแคชและการอ่านแคช — $10 / $16 / $0.20 เทียบกับ $5 / $8 / $0.20 ต่อล้าน สำหรับการเขียนแบบห้านาที การเขียนแบบหนึ่งชั่วโมง และการอ่านแคช
• ราคาแบบแบตช์ — $4 / $20 เทียบกับ $2 / $10 ต่อล้าน
• โหมดเร็ว — $16 / $80 เทียบกับ $8 / $40 ต่อล้าน โดยทั้งคู่โฆษณาความเร็วสูงสุดถึง 2.5×
• ความหน่วงเปรียบเทียบ — “ปานกลาง” ทั้งคู่ ตามตารางของผู้ขายเอง; ค่าที่วัดได้เพียงค่าเดียวที่ทั้งสองฝ่ายมีคือ Opus 5.5 ที่ 115 โทเคนเอาต์พุตต่อวินาที
• การเก็บรักษาข้อมูล — ต้องเก็บ 30 วัน ไม่มี ZDR สำหรับ Claude Fable 5.2 เทียบกับ zero data retention ที่มีให้ใช้สำหรับ Claude Opus 5.5
• วันสิ้นสุดข้อมูลความรู้ — มิถุนายน 2026 ทั้งคู่; กำหนดการเลิกใช้งานขั้นต่ำ — 9 พฤศจิกายน 2027 เทียบกับ 22 กันยายน 2027
• ขีดจำกัดเอาต์พุตแบบแบตช์ — 128K บน Claude Fable 5.2 เทียบกับ 128K ซึ่งเพิ่มขึ้นเป็น 300K เมื่อใช้เฮดเดอร์เบต้า output-300k-2026-03-24 บน Claude Opus 5.5
สองบรรทัดจากรายการเหล่านั้นเป็นตัวตัดสินการดีพลอยจริงก่อนที่จะมีการดูผลทดสอบใด ๆ ข้อกำหนดเรื่องการเก็บรักษาข้อมูลเป็นทางแยกแบบเด็ดขาด: Claude Fable 5.2 เป็น Covered Model ที่ต้องเก็บรักษาข้อมูล 30 วัน และไม่พร้อมใช้งานภายใต้ zero data retention เว้นแต่ Anthropic จะอนุญาตโดยชัดแจ้ง ขณะที่ Claude Opus 5.5 ทำงานภายใต้ ZDR ทีมที่ถูกสัญญาห้ามเก็บ prompt ไว้เลยจะไม่สามารถใช้โมเดลที่แข็งแกร่งกว่าได้เลย ไม่ว่าคะแนนของโมเดลนั้นจะเป็นเท่าใด ข้อกำหนดเรื่องผลลัพธ์แบบแบตช์นั้นอ่อนกว่าแต่เป็นรูปธรรม — beta สำหรับ extended output 300K ถูกระบุไว้สำหรับ Opus 5.5 และไม่ระบุสำหรับ Fable 5.2 ดังนั้นไปป์ไลน์ที่สร้างเอกสารเดี่ยวขนาดมหาศาลจากงานแบตช์จึงมีตัวเลือกน้อยลงหนึ่งรายการทางฝั่ง Fable
ตรงไหนที่ช่องว่างกว้าง และตรงไหนที่เป็นเพียงความคลาดเคลื่อนจากการปัดเศษ
โพสต์เปิดตัว Claude Fable 5.2 ของ Anthropic แสดงโมเดลทั้งสองในคอลัมน์เดียวกัน ซึ่งทำให้เป็นที่เดียวที่ทั้งคู่สามารถเปรียบเทียบได้บนฮาร์ดแวร์และการตั้งค่าเดียวกัน ทุกอย่างด้านล่างเป็นข้อมูลที่ผู้ขายรายงานและยังไม่ได้จำลองซ้ำ โดยจะรวมการตั้งค่า effort ไว้ทุกจุดที่โพสต์ระบุ เพราะบนโมเดลเหล่านี้ การตั้งค่าดังกล่าวเปลี่ยนตัวเลขพอ ๆ กับที่โมเดลเปลี่ยน
• Terminal-Bench-Science 0.1 — 74.6% สำหรับ Claude Fable 5.2 เทียบกับ 58.7% สำหรับ Claude Opus 5.5: ช่องว่าง 16 จุด ซึ่งกว้างที่สุดในบรรดาเบนช์มาร์กมาตรฐาน
• AutomationBench — 51.4% เทียบกับ 42.5%; RoboDojo Sim — 64.9% เทียบกับ 39.4%; RLI — 41.3% ในระดับสูง เทียบกับ 21.3%
• FrontierSWE v2 — 69.9% เทียบกับ 62.3%; WANDR (แบบผ่อนปรน) — 82.1% เทียบกับ 72.3%
• BenchCAD 2.1 ในข้อความ — 83.5 เทียบกับ 65.3; Chartography โดยไม่มีเครื่องมือ — 73.4% เทียบกับ 64.4%
• Humanity's Last Exam ด้วยเครื่องมือ — 74.2% เทียบกับ 67.7%
• OSWorld 2.1 — 89.3% เทียบกับ 87.2%: 2.1 คะแนน ซึ่งโดยประมาณแล้วอยู่ในช่วง noise band ของเบนช์มาร์กขนาดนั้น
• AA-Briefcase v1.1 — 66.1% ตามเกณฑ์การให้คะแนน และ 1,785 Elo สำหรับ Claude Fable 5.2 เทียบกับ 61.2% ตามเกณฑ์การให้คะแนน และ 1,800 Elo สำหรับ Claude Opus 5.5 เกณฑ์การให้คะแนนเอื้อประโยชน์ให้โมเดล Fable ส่วนค่า Elo เอื้อประโยชน์ให้โมเดล Opus การกลับทิศกันเช่นนี้น่าจ้องมองให้ดี: ในการเปรียบเทียบที่ตัดสินโดยกรรมการ โมเดลที่ถูกกว่าชนะการดวลตัวต่อตัว แต่กลับแพ้ในรายการตรวจสอบ
เมื่ออ่านชุดผลลัพธ์นั้น เส้นแบ่งระดับก็จะมองเห็นได้ชัดเจน ข้อได้เปรียบของ Fable กระจุกอยู่ในงานระดับวิจัยและงานวิทยาศาสตร์กับงานเอเจนต์ที่ต้องใช้เวลายาวนาน — Terminal-Bench-Science, RLI, RoboDojo, Chartography — และลดลงจนเกือบเป็นศูนย์ในสภาพแวดล้อมแบบการใช้คอมพิวเตอร์ที่ทั้งสองโมเดลมีความสามารถอยู่แล้ว หากภาระงานของคุณอยู่ในช่วง OSWorld คุณกำลังจ่ายแพงขึ้น 2.6 เท่าเพื่อแลกกับสองคะแนน หากภาระงานของคุณอยู่ในช่วง Terminal-Bench-Science โมเดลที่ถูกกว่าก็ด้อยกว่าจริง ๆ และไม่ว่าจะพยายามมากแค่ไหนฝั่ง Opus ก็ปิดช่องว่าง 16 คะแนนไม่ได้
การคำนวณต้นทุนต่องาน พร้อมตัวอย่างวิธีคิดให้ดู
อัตราต่อโทเค็นระบุว่า Claude Fable 5.2 มีค่าใช้จ่ายเป็นสองเท่าของ Claude Opus 5.5 ซึ่งจะเป็นจริงก็ต่อเมื่อทั้งสองโมเดลใช้จำนวนโทเค็นเท่ากัน และทั้งสองก็ไม่ได้ใช้เท่ากัน Artificial Analysis วัดทั้งสองโมเดลบนชุดการประเมินเก้าชุดของตนเอง และเผยแพร่ตัวเลขงานที่ทำเสร็จสมบูรณ์:
ดัชนีความฉลาด — 65 สำหรับ Claude Fable 5.2 อยู่ในอันดับที่หนึ่งจาก 74 โมเดล เทียบกับ 59 สำหรับ Claude Opus 5.5 ซึ่งอยู่ในอันดับที่ห้า
ราคาแบบผสมที่อัตราส่วนแคชฮิต/อินพุต/เอาต์พุต 7:2:1 — $5.74 เทียบกับ $2.94 ต่อล้านโทเค็น คิดเป็นอัตราส่วน 1.95×
• ต้นทุนต่องานจัดทำดัชนีที่เสร็จสมบูรณ์ — $26.54 เทียบกับ $10.04 คิดเป็นอัตราส่วน 2.64 เท่า
• โทเค็นเอาต์พุตในชุดทดสอบนั้น — 218 ล้านสำหรับ Claude Opus 5.5; Artificial Analysis ไม่ได้เผยแพร่ตัวเลขความเร็วหรือเวลาแฝงสำหรับ Claude Fable 5.2 เลย
ช่องว่างระหว่าง 1.95× กับ 2.64× คือบทเรียนทั้งหมด โมเดล Fable ใช้โทเคนมากขึ้นในการทำงานเดียวกันให้เสร็จ ซึ่งนั่นคือสิ่งที่ “think harder” ดูเหมือนเมื่อวัดบนมิเตอร์ ดังนั้นอัตราส่วนต่อโทเคนจึงประเมินต้นทุนของงานที่เสร็จสมบูรณ์หนึ่งหน่วยต่ำไปประมาณหนึ่งในสาม โมเดลงบประมาณทุกตัวที่สร้างจากราคาตามรายการจะผิดไปในทิศทางเดียวกัน และจะผิดด้วยอัตราคลาดเคลื่อนที่เพิ่มขึ้นตามปริมาณการให้เหตุผลที่งานนั้นต้องการ สังเกตด้วยว่าการวัดที่หายไป: ชุดทดสอบอิสระมีคะแนนดัชนีและต้นทุนสำหรับ Claude Fable 5.2 แต่ไม่มีตัวเลขความเร็วเอาต์พุตหรือความหน่วง ขณะที่ Claude Opus 5.5 วัดได้ 115 โทเคนต่อวินาที สำหรับผลิตภัณฑ์ที่อ่อนไหวต่อความหน่วง ความไม่สมมาตรนั้นเองก็เป็นเหตุผลที่จะรอ
กรอบคำอธิบายข้อแลกเปลี่ยนของ Anthropic เองนั้นแคบกว่า และเมื่ออ่านอย่างละเอียดก็สอดคล้องกับเรื่องนี้ โดยระบุว่าเมื่อใช้ความพยายามสูงในการประเมิน FrontierCode โมเดล Fable ทำได้ประมาณเท่า ๆ กับคะแนนดีที่สุดของ Claude Opus 5.5 ด้วยต้นทุนต่องานประมาณครึ่งหนึ่ง และเมื่อใช้ความพยายามต่ำในการทดสอบ Humanity's Last Exam ก็ทำได้เท่ากับจุดสูงสุดของ Opus 5.5 ด้วยต้นทุนต่ำกว่าหนึ่งในสิบ ข้อกล่าวอ้างทั้งสองข้อนี้เกี่ยวกับ ต้นทุนต่อหน่วยความสามารถ ไม่ใช่ต้นทุนต่อโทเคน และทั้งสองข้อขึ้นอยู่กับการเลือกระดับความพยายามอย่างตั้งใจ ทั้งสองยังอยู่คู่กับช่องว่าง 16 จุดใน Terminal-Bench-Science ซึ่งไม่มีระดับความพยายามใดฝั่ง Opus ที่ปิดช่องว่างนี้ได้ — ดังนั้นข้อความทั้งสองจึงไม่ได้ขัดแย้งกัน แต่กำลังอธิบายงานที่แตกต่างกัน
การสลับไปมาระหว่างทั้งสองกลางบทสนทนา
ความไม่สมมาตรหนึ่งที่มองข้ามได้ง่ายจนกว่าจะเกิดปัญหา บล็อกการคิดของ Claude Fable 5.2 อ่านได้เฉพาะโดย Claude Fable 5.2 และ Claude Mythos 5.2 เท่านั้น เมื่อย้ายบทสนทนาไปยัง Claude Opus 5.5 API จะทิ้งบล็อกเหล่านั้นก่อนที่โมเดลจะได้เห็น คำขอยังสำเร็จ ไม่มีการเรียกเก็บเงินสำหรับบล็อกเหล่านั้น และเหตุผลการคิดก็หายไปเลยสำหรับเทิร์นที่ทำงานบนอีกฝั่ง เป้าหมายสำรองที่อนุญาตสำหรับ Claude Fable 5.2 คือ Claude Opus 4.8 และ Claude Opus 5 — ที่สำคัญคือไม่ใช่ Claude Opus 5.5
ทิศทางย้อนกลับลื่นไหลกว่า: Claude Fable 5.2 อ่านบล็อกการคิดจาก Claude Opus 5.5, Claude Sonnet 5.5, Claude Haiku 5.5, Claude Fable 5.1 และโมเดล Opus, Sonnet และ Haiku รุ่นเก่า ดังนั้นเส้นทางการยกระดับที่เริ่มจากตัวเลือกต้นทุนต่ำแล้วค่อย ๆ ขยับขึ้นจะรักษาการให้เหตุผลไว้ได้ครบถ้วน รูปแบบที่ใช้ได้จริงจึงเป็นไปตามนั้น: ให้ยกระดับเข้าสู่ระดับ Fable อย่าใช้มันเป็นทางถอย และหากเราเตอร์ของคุณย้ายบทสนทนาระหว่างสองสิ่งนี้ ให้คาดว่าทิศทางที่ลดระดับลงจะสูญเสียบริบทแทนที่จะเกิดข้อผิดพลาด
คีย์เดียว ไม่ว่ากฎการกำหนดเส้นทางจะชี้ไปทางไหน
เส้นแบ่งระดับตรงนี้เป็นการตัดสินใจแบบที่เกตเวย์ควรถือไว้เอง ไม่ควรปล่อยเป็นสาขาในโค้ด Claude Opus 5.5 เปิดให้ใช้งานแล้วบน OrcaRouter ผ่านคีย์เดียวในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ดังนั้นการ์ด $4 / $20 คือราคาที่คุณจ่าย และการเปลี่ยนแปลงราคาจากผู้ขายจะมีผลในวันเดียวกัน ไม่ใช่รอถึงใบแจ้งหนี้ถัดไป; กฎการกำหนดเส้นทางสามารถคง Claude Opus 5.5 เป็นค่าเริ่มต้น และยกระดับไปยัง Claude Fable 5.2 เฉพาะเมื่อคำขอถูกประเมินว่ายากพอที่จะผ่านเกณฑ์ ซึ่งเป็นคำแนะนำของผู้ขายเองที่แสดงออกมาเป็นการกำหนดค่าแทนการอธิบายเป็นข้อความ ห่วงโซ่สำรองครอบคลุมโหมดความล้มเหลวที่เหลืออยู่ — Claude Opus 5.5 ไม่ใช่เป้าหมายสำรองที่ได้รับอนุญาตสำหรับ Fable 5.2 ดังนั้นห่วงโซ่ที่ลงท้ายด้วย Claude Opus 4.8 หรือ Claude Opus 5 จะล้มเหลวแบบปิดในลักษณะที่บริการของ Anthropic คาดหวัง
เพื่อความถูกต้อง: ตรวจสอบเมื่อวันที่ 10 พฤศจิกายน 2026 แค็ตตาล็อกสาธารณะของ OrcaRouter ระบุ anthropic/claude-opus-5.5แต่ไม่ระบุ Claude Fable 5.2 ดังนั้นในวันนี้ ขั้นตอนการยกระดับคือหน้ารุ่นโมเดลที่คุณอ่านได้ แทนที่จะเป็นการเรียกที่คุณทำได้ที่นี่ Opus 5.5 พร้อมใช้งานแล้วในราคาตามรายการ
อะไรจะเปลี่ยนคำตอบ
สามเรื่อง และมีเพียงเรื่องเดียวเท่านั้นที่เกี่ยวกับเบนช์มาร์ก การขยับราคาเป็นเรื่องแรก: หากการ์ดราคาของ Fable 5.2 ลดลงมาใกล้กับของ Opus 5.5 ช่องว่าง 16 คะแนนใน Terminal-Bench-Science ก็จะเลิกมีต้นทุน 2.6× และเส้นแบ่งระดับจะหายไปสำหรับใครก็ตามที่ไม่มีข้อจำกัดด้าน retention ข้อมูลความเร็วที่เป็นอิสระเป็นเรื่องที่สอง — Anthropic โฆษณาว่าให้ผลลัพธ์เร็วกว่า Fable 5.1 ถึง 30% และเมื่อโมเดล Fable มีตัวเลข tokens ต่อวินาทีที่วัดได้แล้ว ข้อโต้แย้งเรื่อง latency สำหรับการคงใช้ Opus ก็จะยังมีน้ำหนักหรือหายไปเลย เรื่องที่สามคือชุด eval ของคุณเอง และเป็นเรื่องเดียวที่สำคัญต่อ workload ของคุณ; ทั้งสองโมเดลเปิดให้ใช้ระดับ effort ทั้งห้าระดับ และคำแนะนำของ Anthropic สำหรับแต่ละระดับก็เหมือนกัน: ตั้งค่า effort อย่างชัดเจน เริ่มจากค่าเริ่มต้น และไล่ทดสอบแบบ sweep แทนที่จะย้ายการตั้งค่าจากอีกโมเดลมาใช้
จนถึงตอนนั้น การแบ่งนี้ก็ง่ายพอที่จะอธิบายได้โดยไม่ต้องใช้ตาราง ใช้ Claude Opus 5.5 เป็นค่าเริ่มต้นสำหรับการเขียนโค้ด เอเจนต์งานประจำ การใช้งานคอมพิวเตอร์ ผลิตภัณฑ์ที่ไวต่อความหน่วง และงานใดก็ตามภายใต้การไม่เก็บข้อมูล จ่ายให้ Claude Fable 5.2 ในกรณีที่การรันที่ล้มเหลวมีค่าใช้จ่ายสูงพอที่ช่องว่าง benchmark 16 จุด หรืองานวิจัยที่ระดับ Opus ทำไม่เสร็จแม้ใช้ความพยายามสูงสุด จะคุ้มค่ากับราคา $26.54 แทน $10.04 และวัดต้นทุนต่องานที่เสร็จบนชุดประเมินของคุณเองก่อนตัดสินใจ เพราะตัวเลขเดียวที่ทำนายได้อย่างน่าเชื่อถือว่าคุณอยู่ฝั่งไหนของเส้นแบ่งนี้ไม่ใช่ตารางอัตราค่าบริการ
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
