Claude Opus 5.5 กับ Gemini 4 Carbon: เพดาน 12% และค่าใช้จ่ายเพียงหนึ่งในสาม

Claude Opus 5.5 และ Gemini 4 Carbonเป็นสองโมเดลอันดับต้นบน GDPx benchmark ใหม่ของ SemiAnalysis และช่องว่างระหว่างทั้งสองอยู่ที่มากกว่าหนึ่งจุดเล็กน้อย: 12.0% สำหรับ Opus 5.5, 10.9% สำหรับ Carbon ตัวเลขที่มีประโยชน์กว่าอยู่ใต้คะแนน Carbon ทำได้ในราคา $16.29 ต่องาน; Opus 5.5 ต้องใช้ $51.41 นั่นคือการตัดสินใจทั้งหมดในบรรทัดเดียว พร้อมกับข้อแม้ที่ leaderboard ไม่สามารถแสดงได้ Opus 5.5 มีให้ใช้งานทั่วไปตั้งแต่ 22 กันยายน 2026 Carbon ถูกประกาศเมื่อ 28 ตุลาคม และยังจำกัดเฉพาะพาร์ตเนอร์ด้านไซเบอร์ดีเฟนซ์ผ่านโปรแกรม Fairwind ของ Google โดยไม่มี model ID สาธารณะ หนึ่งในสามของค่าใช้จ่ายจะคุ้มก็ต่อเมื่อคุณสามารถสั่งได้

GDPx v1.0 เป็น benchmark ใหม่ที่เปิดตัวในสัปดาห์นี้ และเป็นการประเมินอิสระครั้งแรกที่ให้คะแนนสองโมเดลนี้บนงานเดียวกันด้วย harness เดียวกัน และรายงานว่าการรันแต่ละครั้งมีต้นทุนเท่าไร จังหวะเวลานี้สำคัญกว่าอันดับ หกสัปดาห์หลังจาก Opus 5.5 เปิดตัว และไม่กี่วันหลังจาก Carbon ถูกประกาศ ในที่สุดก็มีการเปรียบเทียบที่วัดผลได้ แทนที่จะเป็นตารางจากผู้ขายสองตารางวางเคียงกัน

แต่ละโมเดลคืออะไร ก่อนตาราง

Claude Opus 5.5 เป็นโมเดลเรือธงรุ่นปัจจุบันของ Anthropic สำหรับงานเขียนโค้ดแบบเอเจนต์และงานความรู้ที่ต้องดำเนินการต่อเนื่องระยะยาว โดยเข้ามาแทนที่ Opus 5 พร้อมลดราคาลง 20% และมีหน้าต่างบริบท 1M โทเค็นตามที่ระบุไว้ในเอกสาร และเป็นโมเดลที่ Anthropic วางตำแหน่งไว้สำหรับ Claude Code และแอป Claude

• ราคา — 4 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเค็น, 20 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเค็น คำขอแบบแบตช์ลด 50% เหลือ 2 ดอลลาร์ / 10 ดอลลาร์

• บริบทและเอาต์พุต — โทเค็นอินพุต 1M, เอาต์พุต 128K บน API แบบซิงโครนัส, เอาต์พุต 300K บน Batch API พร้อมส่วนหัวเบต้า extended-output

• การแคช — การเขียนแคชห้านาทีมีค่าใช้จ่าย $5 ต่อล้านโทเคน การเขียนหนึ่งชั่วโมง $8 และการอ่านแคช $0.20

• การคิด — การคิดแบบปรับตัวเปิดอยู่เสมอและไม่สามารถปิดใช้งานได้ ระดับความพยายามเริ่มต้นคือปานกลาง และจุดตัดความรู้ที่เชื่อถือได้คือมิถุนายน 2026

• ที่ไหน — Claude API ภายใต้ claude-opus-5-5, Amazon Bedrock, Google Cloud ผ่านทั้งเส้นทางที่จัดการโดย Google และที่จัดการโดย Anthropic, Microsoft Foundry และ Claude Platform บน AWS

Gemini 4 Carbon เป็นโมเดล frontier ใหม่ล่าสุดของ Google ซึ่ง Koray Kavukcuoglu ประกาศเมื่อวันที่ 28 ตุลาคม ว่าเป็นโมเดลที่แข็งแกร่งที่สุดของบริษัทสำหรับความมั่นคงปลอดภัยไซเบอร์ เอเจนต์ที่ทำงานระยะยาว และวิศวกรรมซอฟต์แวร์ที่ซับซ้อน ประกาศของ Google ระบุข้อกล่าวอ้างหลักสามข้อและมีการละเว้นหนึ่งอย่างที่เห็นได้ชัด: ไม่มีการเผยแพร่ขนาดหน้าต่างบริบท ข้อกล่าวอ้างจาก benchmark เป็นของ Google เอง — SEC-bench Pro 88.2% สำหรับการค้นหาช่องโหว่, ExploitGym 54.8% สำหรับการใช้ประโยชน์จากช่องโหว่ และ CWE-bench 71.0% สำหรับการแพตช์ — และควรอ่านว่าเป็นข้อมูลที่ผู้ขายรายงานเอง ไม่ใช่ผลที่ทำซ้ำโดยอิสระ

• ราคา — 2 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 10 ดอลลาร์ต่อล้านโทเค็นเอาต์พุตในช่วงแนะนำ โดยอินพุตที่แคชไว้ลด 95%; อัตราปกติภายหลังคือ 4 / 20 ดอลลาร์ และ Google ยังไม่ระบุว่าช่วงราคาแนะนำจะสิ้นสุดเมื่อใด

• การเข้าถึง — เฉพาะ Fairwind สำหรับกลุ่มย่อยของนักป้องกันไซเบอร์และพันธมิตรที่เชื่อถือได้ โดยมีการสัญญาว่าจะเปิดการเข้าถึงในวงกว้างขึ้นสำหรับนักพัฒนา องค์กร และผู้บริโภค "โดยเร็วที่สุด" และไม่มีกำหนดวันที่

• Endpoint — ไม่มีแบบสาธารณะ Gemini API ยังคงมี gemini-4-argon ให้ใช้งาน ไม่ใช่ Carbon

• บริบท — ไม่ได้ระบุไว้ในประกาศ ผลการดึงข้อมูลบริบทยาวได้เผยแพร่ในรายงานช่วงสัปดาห์เปิดตัว แต่ตัวหน้าต่างบริบทเองไม่ได้เป็นข้อกำหนดที่เผยแพร่

ความไม่สมมาตรนั้นคือสิ่งแรกที่ต้องเข้าใจเกี่ยวกับการเปรียบเทียบนี้ โมเดลหนึ่งเป็นผลิตภัณฑ์ที่คุณเรียกใช้งานได้แล้ววันนี้จาก Claude API แพลตฟอร์มคลาวด์สี่แห่ง และ SDK ราวหนึ่งโหล ส่วนอีกโมเดลหนึ่งเป็นการสาธิตความสามารถที่มีรายชื่อผู้รอ ทุกสิ่งต่อไปนี้เปรียบเทียบทั้งสองในฐานะโมเดล มีเพียงตัวเดียวเท่านั้นที่ปัจจุบันเป็นตัวเลือกสำหรับการนำไปใช้งาน

GDPx: 206 งาน เพดาน 12% และช่องว่างด้านต้นทุน 3.2 เท่า

SemiAnalysis สร้าง GDPx ขึ้นมาเป็นรุ่นสืบทอดของ GDPval จาก OpenAI โดยมีพันธมิตรด้านข้อมูล 14 รายและงาน 206 งาน กระจายอยู่ใน 11 สาขาอาชีพ ได้แก่ การเงิน กฎหมาย ชีววิทยา วิทยาศาสตร์วัสดุ การออกแบบชิป การออกแบบฮาร์ดแวร์ ความปลอดภัยไซเบอร์ วิศวกรรมซอฟต์แวร์ alignment การซื้อขายเชิงปริมาณ และการพัฒนาตนเองแบบเรียกซ้ำ แต่ละงานได้รับงบประมาณเริ่มต้น 8 ชั่วโมง มีการรันสามครั้งแล้วนำมาเฉลี่ย และแต่ละโดเมนมีน้ำหนักเท่ากัน มีเพียง 13 จาก 20 โมเดลที่ทดสอบเท่านั้นที่ปรากฏบนกระดานสาธารณะ

• Claude Opus 5.5 — 12.0% เป็นอันดับหนึ่ง ที่ $51.41 ต่องาน และมีโทเค็นเอาต์พุตประมาณ 548,000 โทเค็นต่องาน

• Gemini 4 Carbon — 10.9% เป็นอันดับสอง ที่ $16.29 ต่องาน และประมาณ 594,000 โทเค็นเอาต์พุตต่องาน

• GPT-6 Astra — 9.6% อันดับสาม ที่ $53.99 ต่องาน

• Claude Fable 5.1 — 8.5% ที่ $67.16 ซึ่งเป็นโมเดลที่แพงที่สุดบนบอร์ด

มีสองการตีความที่แข่งขันกันในที่นี้ และทั้งสองก็ถูกต้อง อย่างแรกคือ Carbon ทำคะแนนได้ประมาณ 91% ของ Opus 5.5 ด้วยต้นทุนประมาณ 32% ซึ่งเป็นข้อโต้แย้งเรื่องความคุ้มค่าที่แท้จริง และเป็นประเด็นที่ 9to5Google ยกขึ้นมาเป็นอันดับแรก อย่างที่สองคือทั้งสองโมเดลทำงานวิชาชีพที่ได้รับมอบหมายไม่สำเร็จถึงเจ็ดในแปดงาน การนำอยู่หนึ่งคะแนนที่ 12% ไม่ใช่ปัญหาที่แก้ไขเสร็จแล้ว แต่เป็นขีดสุดปัจจุบันของสิ่งที่เอเจนต์ทำได้เมื่องานนั้นยาว เปิดกว้าง และถูกตัดสินโดยผู้เชี่ยวชาญในสาขา

SemiAnalysis เผยแพร่มุมมองที่สองโดยตัดด้านความมั่นคงปลอดภัยไซเบอร์ ชีววิทยา และ alignment ออก และลำดับเปลี่ยนไป: GPT-6 Astra ขึ้นเป็นอันดับหนึ่ง และ Carbon ตกลงไปอยู่ต่ำกว่า GPT-6.1 Sol และ Claude Sonnet 5.5 บริษัทกล่าวว่ามุมมองนั้นสอดคล้องกับความรู้สึกเชิงอัตวิสัยของตนมากกว่า กลไกคือ guardrails — โมเดลที่ปฏิเสธงานจะได้คะแนนศูนย์สำหรับงานนั้น และพฤติกรรมด้านความปลอดภัยของ Carbon เข้มงวดกว่าในโดเมนที่จุดแข็งด้านไซเบอร์ของมันมากที่สุดพอดี ดังนั้นอันดับสองของ Carbon จึงเป็นผลจากความสามารถส่วนหนึ่งและผลจากสิทธิ์การอนุญาตอีกส่วนหนึ่ง หากงานของคุณดูเหมือนโดเมนที่ถูกตัดออก การจัดอันดับที่พาดหัวข่าวไม่ได้อธิบายถึงคุณ

จุดที่ Carbon นำหน้าจริง ๆ

บนดัชนี Intelligence Index v5.0 ของ Artificial Analysis นั้น Carbon อยู่ที่ 59 และ Opus 5.5 อยู่ที่ 58 หนึ่งคะแนนบนดัชนีผสมที่ถูกปรับฐานใหม่เมื่อวันที่ 27 ตุลาคม ไม่ใช่ช่องว่างที่คุ้มค่าพอจะย้ายระบบโปรดักชันทั้งระบบ แต่ก็ยืนยันได้ว่าโมเดลของ Google อยู่ในแนวหน้า ไม่ได้ตามหลัง ซึ่งเป็นข้อกล่าวอ้างที่หนักแน่นกว่าที่การเปิดตัวแบบจำกัดการเข้าถึงจะทำให้ตรวจสอบได้ง่าย

ตัวเลขด้านไซเบอร์เป็นจุดที่กรณีของ Carbon ชัดเจนที่สุด และยังเป็นจุดที่แหล่งที่มาอ่อนแอที่สุดด้วย ฮาร์เนสของ Google เองระบุว่าอยู่ที่ 54.8% บน ExploitGym, 71.0% บน CWE-bench และ 88.2% บน SEC-bench Pro นี่เป็นข้อกล่าวอ้างที่ใหญ่และเฉพาะเจาะจงเกี่ยวกับการค้นหาและการแพตช์ช่องโหว่ และเป็นข้อกล่าวอ้างประเภทที่ต้องมีการรันซ้ำโดยอิสระก่อนที่ทีมความปลอดภัยจะจัดงบประมาณรองรับ โดเมนไซเบอร์ของ GDPx เป็นเพียงข้อมูลนำเข้าหนึ่งอย่างสำหรับเรื่องนั้น ไม่ใช่การจำลองชุดทดสอบทั้งสามชุดนั้น

ราคาเป็นข้อได้เปรียบข้อที่สาม โดยมีเครื่องหมายดอกจันกำกับ ที่ราคา $2 / $10 อัตราเริ่มต้นของ Carbon คิดเป็นครึ่งหนึ่งของ Opus 5.5 ที่ $4 / $20 ที่อัตรามาตรฐาน $4 / $20 นั้นเท่ากัน ส่วนลดอินพุตแบบแคช 95% เป็นของจริง แต่จะแคบลงเมื่อคิดตามราคาตามรายการ: $0.10 ต่อล้านโทเค็นแคชที่อัตราเริ่มต้น และ $0.20 ที่อัตรามาตรฐาน เทียบกับ Opus 5.5 ที่ $0.20 ต่อการอ่านแคช ข้อได้เปรียบด้านต้นทุนมีมากที่สุดในตอนนี้ ตราบใดที่ส่วนลดยังอยู่ และ Google ยังไม่ได้ระบุว่าจะนานเท่าใด

ในด้านที่ Opus 5.5 ยังคงเป็นผู้นำ

ผลลัพธ์อิสระที่แข็งแกร่งที่สุดของ Opus 5.5 ไม่ใช่คะแนน GDPx แต่เป็นโปรไฟล์ด้านการเขียนโค้ด ดัชนี Coding Agent ของ Artificial Analysis ให้คะแนนไว้ที่ 62 เทียบกับ 59 ของ Carbon และดัชนีนั้นสร้างขึ้นจากการรันเขียนโค้ดแบบเอเจนต์ ไม่ใช่การทำแบบครั้งเดียวจบ สำหรับโมเดลที่มีจุดประสงค์ระบุไว้ชัดเจนว่าเป็นการทำงานซอฟต์แวร์ระยะยาว นั่นคือการวัดที่ใกล้เคียงกว่า

ตัวเลขเปิดตัวของ Anthropic เองก็ชี้ไปในทิศทางเดียวกัน และเป็นตัวเลขที่ผู้ขายรายงานเอง: Terminal-Bench 4.0 อยู่ที่ 66.4%, FrontierCode v1.1 อยู่ที่ 54.4%, CursorBench 4.0 อยู่ที่ 57.8% และ AutomationBench อยู่ที่ 40.0% harness ที่ใช้วัดมีความสำคัญ Artificial Analysis วัดโมเดลเดียวกันได้ 59.6% บน Terminal-Bench 4.0 ที่ระดับความพยายาม xhigh และ Vals AI รายงาน 65.2% ช่องว่าง 7 จุดระหว่างผู้ขายกับ harness อิสระหนึ่งชุดเป็นเรื่องปกติสำหรับเบนช์มาร์กแบบเอเจนต์ และนี่คือเหตุผลที่ตัวเลขแถวเดียวไม่ควรใช้ตัดสินการซื้อ

ข้อได้เปรียบที่ไม่หวือหวาคือความพร้อมใช้งาน Opus 5.5 มีหน้าต่างบริบทที่เผยแพร่แล้ว มีขีดจำกัดเอาต์พุตที่ระบุไว้ในเอกสาร มีระดับแบตช์ มีโหมดเร็วในราคา $8 / $40 มีคู่มือการย้ายระบบ และผ่านการใช้งานจริงในโปรดักชันมาแล้วหกสัปดาห์ ส่วน Carbon มีเพียงบล็อกโพสต์ โปรแกรมพันธมิตร และรายการราคา สำหรับทีมที่ต้องการคำตอบภายในไตรมาสนี้ ความแตกต่างนั้นชี้ขาดได้ในหลายกรณีมากกว่าตัวเลข 59 กับ 58

งานหนึ่งมีต้นทุนจริงเท่าไร

ตัวเลขค่าใช้จ่ายของ GDPx วัดจากการใช้จ่ายโทเคนภายใต้งบประมาณแปดชั่วโมง ไม่ใช่ราคาตามรายการ ดังนั้นจึงรวมปริมาณที่แต่ละโมเดลเลือกจะเขียนด้วย Carbon ใช้โทเคนเอาต์พุตต่องานมากกว่า Opus 5.5 ประมาณ 8% แต่ยังมีค่าใช้จ่ายเพียงหนึ่งในสาม เพราะอัตราช่วงแนะนำเป็นครึ่งหนึ่ง และฝั่งอินพุตคือส่วนที่การรันเอเจนต์แบบยาวสะสมปริมาณขึ้น สำหรับ 1,000 งาน ส่วนต่างที่รายงานอยู่ที่ประมาณ $51,000 เทียบกับ $16,000

ที่ราคาตามรายการ การคำนวณจะดูไม่หวือหวาเท่าไร คำขอที่มีโทเค็นอินพุต 1M และโทเค็นเอาต์พุต 250K มีค่าใช้จ่าย $9 บน Opus 5.5 ในอัตรา $4 / $20, $4.50 บน Carbon ในอัตราแนะนำ $2 / $10 และ $9 บน Carbon ในอัตรามาตรฐาน $4 / $20 Batch API ของ Opus 5.5 ที่ลด 50% อยู่ที่ $2 / $10 — เท่ากับอัตราแนะนำของ Carbon — สำหรับงานที่รอได้ เมื่อช่วงแนะนำของ Carbon สิ้นสุดลง ความแตกต่างของอัตราตามรายการจะหายไปทั้งหมด สิ่งที่เหลืออยู่คือความแตกต่างในการใช้โทเค็นต่อ 작업 ซึ่งมีเพียงเล็กน้อย

นี่คือส่วนของการเปรียบเทียบที่มีแนวโน้มที่สุดที่จะถูกยกมาอ้างโดยไม่คำนึงถึงบริบท “หนึ่งในสามของค่าใช้จ่าย” เป็นจริงสำหรับการรัน GDPx ในราคาโปรโมชันปัจจุบัน ไม่ใช่คุณสมบัติถาวรของโมเดล และไม่ใช่อัตราส่วนที่คุณจะเห็นในงานประมวลผลแบบแบตช์ที่อัตรามาตรฐาน

ช่องว่างด้านความพร้อมใช้งานคือการตัดสินใจที่แท้จริง

Claude Opus 5.5 เปิดให้ใช้งานแล้วบน OrcaRouter ในชื่อ anthropic/claude-opus-5.5 ในราคาตามรายการของผู้ให้บริการที่ $4 / $20 โดยไม่มีการบวกเพิ่ม ควบคู่ไปกับโมเดล 200+ รายการบนคีย์เดียว การกำหนดเส้นทางไปยังโมเดลนี้เป็นเพียงการเปลี่ยนสตริงชื่อโมเดล และการใช้ทราฟฟิกแบบถ่วงน้ำหนักพร้อมการสลับไปใช้ระบบสำรองอัตโนมัติเป็นวิธีที่ประหยัดในการทดสอบโมเดลนี้เทียบกับโมเดลที่คุณใช้อยู่ในปัจจุบัน โดยไม่ต้องเดิมพันเส้นทางโปรดักชันกับผลลัพธ์ที่ได้

Gemini 4 Carbon ไม่มีอยู่ใน OrcaRouter และไม่สามารถมีได้ Google ไม่ได้เผยแพร่รหัสโมเดลและไม่มีปลายทางสาธารณะ ดังนั้นจึงไม่มีอะไรให้ส่งต่อไป ข้อความที่ตรงไปตรงมาที่สุดคือ การเข้าถึงเกิดขึ้นผ่านโปรแกรม Fairwind ของ Google และในที่สุดก็ผ่าน API ของผู้ให้บริการเอง เมื่อมีปลายทางสาธารณะปรากฏขึ้น โมเดลแบบส่งผ่านหมายความว่าราคาตามรายการคือราคาที่คุณจ่ายที่นี่ในวันที่มันเปลี่ยนแปลง ไม่ใช่เวอร์ชันที่ถูกกำหนดราคาใหม่

นั่นทำให้เหลือการตัดสินใจที่แคบกว่าที่ตารางเกณฑ์มาตรฐานบ่งชี้:

• งานด้านความปลอดภัยด้วยสิทธิ์การเข้าถึง Fairwind — ทดลองใช้ Carbon กับคิวการคัดแยกและแพตช์ของคุณเอง ตัวเลขด้านไซเบอร์จากผู้ขายนั้นแข็งแกร่งที่สุดในบรรดาที่เผยแพร่ แต่ยังไม่มีการทำซ้ำ และผลลัพธ์การถ่วงน้ำหนักโดเมนใหม่ของ GDPx บอกว่าข้อได้เปรียบของมันขึ้นอยู่กับโดเมน

• เอเจนต์เขียนโค้ดที่ทำงานต่อเนื่องยาวนาน — Opus 5.5 ครองอันดับหนึ่งในดัชนีการเขียนโค้ดอิสระ มีหน้าต่างบริบท 1M โทเคนและเอาต์พุต 128K ตามที่มีเอกสารระบุไว้ และพร้อมใช้งานบนแพลตฟอร์มที่องค์กรส่วนใหญ่มีสัญญาอยู่แล้ว

• งานแบบแบตช์ที่คำนึงถึงต้นทุน — Batch API ของ Opus 5.5 ในราคา $2 / $10 เทียบเท่าราคาเปิดตัวของ Carbon ในปัจจุบัน และไม่ต้องพึ่งพาส่วนลดที่ Google อาจยกเลิกได้โดยไม่แจ้งล่วงหน้า

• การเดิมพันเรื่องความสามารถแบบตรงไปตรงมา — เดี๋ยวก่อน การนำอยู่หนึ่งจุดใน Intelligence Index และ 1.1 จุดใน GDPx อยู่ในช่วงความแปรปรวนจากการเลือก harness และไม่มีโมเดลใดใกล้ที่จะทำงานระดับมืออาชีพที่ GDPx กำหนดไว้ให้เสร็จได้

อะไรจะเปลี่ยนคำตอบ

มีสามสิ่งที่น่าจับตา และไม่มีสิ่งใดเลยที่เป็น benchmark จากผู้ขายอีกราย สิ่งแรกคือ endpoint Carbon แบบสาธารณะ จนกว่า Google จะเปิดตัว model ID การเปรียบเทียบต้นทุนทุกรายการก็เป็นเพียงสมมติสำหรับทุกคนที่อยู่นอก Fairwind และราคาช่วงเปิดตัวก็เป็นเพียงคำสัญญา ไม่ใช่ใบเรียกเก็บเงิน สิ่งที่สองคือการสิ้นสุดของช่วงเปิดตัวนั้น ที่ $4 / $20 เรตการ์ดของ Carbon เหมือนกับของ Opus 5.5 ทุกประการ และข้อโต้แย้งเรื่องความคุ้มค่าก็กลับไปขึ้นอยู่กับประสิทธิภาพต่อโทเคน สิ่งที่สามคือการจำลองผลลัพธ์ด้านไซเบอร์ซ้ำโดยอิสระ SEC-bench Pro ที่ 88.2% และ ExploitGym ที่ 54.8% คือตัวเลขที่จะทำให้งบประมาณด้านความปลอดภัยสมเหตุสมผล และขณะนี้ตัวเลขเหล่านั้นพึ่งพา harness ของแล็บเดียว

ตอนนี้ สรุปที่ซื่อตรงนั้นแคบกว่าที่ผู้จำหน่ายทั้งสองรายอยากให้เป็น Opus 5.5 เป็นโมเดลที่ดีกว่าสำหรับใช้ต่อยอด เพราะมันคือโมเดลที่คุณต่อยอดได้จริง Carbon เป็นโมเดลที่น่าสนใจกว่าที่ควรจับตา เพราะมันเทียบได้กับสุดยอดโมเดลในราคาที่ต่ำกว่า และยังไม่ได้รับอนุญาตให้พิสูจน์ตัวเองต่อสาธารณะ เพดาน 12% ตกเป็นของทั้งสองโมเดล