
Claude Opus 5.5 vs Grok 4.8: โมเดลที่คุณเรียกใช้ได้ กับคำสัญญาที่คุณเชื่อไม่ได้
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 184 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 223 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 96 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
ซีอีโอของบริษัทที่สร้างGrok 4.8ถูกถามตรง ๆ ว่ามันเทียบกับClaude Opus 5.5ได้อย่างไร คำตอบของเขาบน X เมื่อวันที่ 10 พฤศจิกายน 2026 คือสิ่งที่มีประโยชน์ที่สุดเท่าที่ใครเคยเผยแพร่เกี่ยวกับการเทียบกันครั้งนี้: “ไม่ดีเท่า Opus 5.5 เป็นผลงานชิ้นเอก แต่ Grok 5 น่าจะเหนือกว่า Opus 5.5 และอาจเกิดขึ้นในอีก 2 หรือ 3 เดือน โดยจะเร่งตัวต่อเนื่องหลังจากนั้น” นั่นคืออีลอน มัสก์ที่ยอมรับในการเปรียบเทียบ และยังเป็นบันทึกสาธารณะทั้งหมดเกี่ยวกับความสามารถของ Grok 4.8 ในอีกสิบสองวันต่อมา
เนื่องจาก Grok 4.8 ไม่ใช่โมเดลที่คุณสามารถเรียกใช้ได้ เอกสารสำหรับนักพัฒนาของ SpaceXSI เอง — ทั้งรายการโมเดล หน้าราคา และบันทึกประจำรุ่น ซึ่งอ่านทั้งหมดเมื่อวันที่ 19 พฤศจิกายน 2026 — มี grok-4.7เป็นรายการใหม่ล่าสุด และไม่มีแถวgrok-4.8อยู่เลย: ไม่มีตัวระบุ ไม่มีตารางราคา ไม่มีหน้าต่างบริบท ไม่มีการประเมินที่เผยแพร่ Artificial Analysis ไม่มีหน้าสำหรับโมเดลนี้; การร้องขอจะส่งคืน 404 ในทางตรงกันข้าม Claude Opus 5.5 พร้อมใช้งานทั่วไปตั้งแต่ 22 กันยายน 2026 โดยมีรหัสโมเดล ตารางราคา และการวัดผลอิสระเป็นเวลาแปดสัปดาห์

ดังนั้น สิ่งที่มีประโยชน์ของหน้านี้จึงไม่ใช่การเปรียบเทียบสเปกชีตสองฉบับ แต่เป็นการเปรียบเทียบโมเดลที่ส่งมอบแล้วกับกำหนดการที่ระบุไว้ บวกกับสิ่งหนึ่งที่คำยอมรับของ Musk ทำให้คลี่คลายได้จริง นั่นคือ: ควรใช้อะไรในวันนี้
ข้อผ่อนปรนนี้มีค่ามากกว่าที่เห็น
ผู้จำหน่ายจะไม่ยอมเสียเปรียบด้าน benchmark เกี่ยวกับโมเดลที่ยังไม่เปิดตัวของตนเอง และข้อแม้ที่มาพร้อมกันนั้น — Grok 5 จะแซง Opus 5.5 ภายในสองหรือสามเดือน — เป็นข้อกล่าวอ้างเกี่ยวกับโมเดลคนละตัวกับโมเดลที่อยู่ในชื่อบทความนี้ ทั้งสองข้อความไม่ได้มาพร้อม benchmark ชื่อการทดสอบ หรือวันที่ใด ๆ หากอ่านเป็นกำหนดการมากกว่าข้อกำหนดทางเทคนิค มันบอกนักพัฒนาสองสิ่ง: Grok 4.8 จะไม่ใช่โมเดลที่ปิดช่องว่างนี้ และความคาดหวังของบริษัทเองคือช่องว่างนี้จะยังคงเปิดอยู่ตลอดไตรมาสแรกของปี 2027
นั่นเป็นการยอมรับที่มีความหมายอย่างยิ่งสำหรับใครก็ตามที่กำลังสร้างบน Grok 4.7 อยู่ในตอนนี้และกำลังสงสัยว่าควรจะรอหรือไม่ คำตอบจากผู้บริหารระดับสูงของค่ายผู้พัฒนาเองก็คือ การรอคือการเดิมพันกับ Grok 5 ไม่ใช่กับ Grok 4.8
ทำไม Grok 4.8 ถึงล่าช้า
โพสต์ของ Musk วันที่ 10 พฤศจิกายนให้รายละเอียดที่เจาะจงกว่าบันทึกการเผยแพร่ใด ๆ การฝึกล่วงหน้าบน Grok 4.8 เสร็จสมบูรณ์แล้ว ทีมอยู่ในช่วงการเรียนรู้แบบเสริมกำลัง (reinforcement learning) และต้องปรับปรุงข้อมูลที่ใช้สำหรับการปรับละเอียดแบบมีผู้สอน (supervised fine-tuning) ใหม่ สาเหตุหนึ่งของความล่าช้าที่ระบุไว้คือการสร้างโครงสร้างพื้นฐานใหม่: SpaceXSI ย้ายออกจาก JAX และ SGLang ไปสู่ระบบ RL ของตัวเองและสแต็กการอนุมาน (inference stack) ของตัวเอง การสร้างฐานสำหรับการฝึกและการให้บริการใหม่ในช่วงกลางของระยะ RL ของโมเดลเป็นการตัดสินใจประเภทที่ปรากฏในตารางเวลา ไม่ใช่ในบันทึกการเปลี่ยนแปลง และเป็นคำอธิบายที่น่าเชื่อถือที่สุดที่มีให้สำหรับโมเดลที่ถูกมองว่า "ใกล้เปิดตัว" มาตั้งแต่เดือนกันยายน
การเปรียบเทียบที่ควรทำไม่ใช่กับเปิดตัวของ Claude Opus 5.5 ซึ่งไม่มีอะไรน่าตื่นเต้นและตรงตามกำหนด แต่เป็นกับสิ่งที่ความไม่มีอะไรน่าตื่นเต้นนั้นแลกมา: แปดสัปดาห์ของตัวระบุที่คงที่ ราคาที่เผยแพร่ และคะแนนจากบุคคลที่สาม ในขณะที่โมเดลคู่แข่งกำลังอยู่ระหว่างการเขียนสแตกใหม่ทั้งชุด ความเสถียรคือคุณสมบัติหนึ่ง และเป็นคุณสมบัติที่ Grok 4.8 ยังส่งมอบไม่ได้
สิ่งที่คุณรันได้จริง: Grok 4.7 เทียบกับ Opus 5.5
Grok 4.7 คือโมเดลที่ SpaceXSI จะขายให้คุณในระหว่างที่ 4.8 กำลังทำเสร็จ โดยเปิดตัวเมื่อวันที่ 21 กันยายน 2026 — ก่อน Opus 5.5 หนึ่งวัน — พร้อมหน้าต่างบริบท 500,000 โทเค็น และราคาตั้งที่ 2.00 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเค็น และ 6.00 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเค็น ดังนั้นเมื่อดูจากวันเปิดตัว โมเดลทั้งสองจึงอยู่ในรุ่นเดียวกัน ซึ่งทำให้ตัวเลขอิสระเหล่านี้เป็นการประเมินที่ยุติธรรมที่สุดเท่าที่มี เกี่ยวกับสิ่งที่ Grok 4.8 ต้องเอาชนะ และระยะห่างของรีลีส Grok จากฟรอนเทียร์
• ดัชนีความฉลาด — Claude Opus 5.5 อยู่ที่ 59.1 เทียบกับ Grok 4.7 ที่ 35.5 ห่างกัน 23.6 คะแนน
• ต้นทุนต่องาน Index — $10.04 เทียบกับ $7.77 ดังนั้น Grok 4.7 จึงถูกกว่าเพียง 23% ต่องานที่ทำเสร็จแต่ละงาน แม้ว่าราคาป้ายจะถูกกว่า 70% ก็ตาม
• Terminal-Bench 4.0 — 59.6% เทียบกับ 25.8% Opus 5.5 ทำได้มากกว่าสองเท่าของ Grok 4.7 ในงานเทอร์มินัลแบบเอเจนต์
• Terminal-Bench-Science 0.1 — 59.0% เทียบกับ 11.4%
• FrontierCode-AA 2.0 — 46.4% เทียบกับ 28.7%
• HLE-Diamond — 67.9% เทียบกับ 23.2%
• GDPval-AA v2.1 — 1866 Elo เทียบกับ 1717 ซึ่งเป็นช่องว่างที่แคบที่สุดตรงนี้ที่ 149 คะแนน
AnalystAgent — 56.3% เทียบกับ 52.5% ซึ่งเป็นเบนช์มาร์กที่ใกล้เคียงที่สุดในชุดนี้
• AA-Omniscience — 48.1 ที่อัตราการสร้างข้อมูลเท็จ 50.3% เทียบกับ 31.2 ที่ 20.0%
• บริบทและความเร็ว — 1M โทเคนที่ 117 tok/s เทียบกับ 500K โทเคนที่ 71 tok/s

สิ่งที่น่าสนใจคือการกระจายตัว {{1}}Grok 4.7{{/1}} ไม่ได้แย่ลง 24 คะแนนในทุกด้าน: บน {{2}}GDPval{{/2}} ซึ่งเป็นกระดานวัดมูลค่าเชิงเศรษฐกิจ มันห่างไม่เกิน 8% และบน {{3}}AnalystAgent{{/3}} ห่างไม่เกิน 4 สิ่งเหล่านี้คือเบนช์มาร์กที่ให้รางวัลกับความกว้างของผลงานเชิงวิชาชีพมากกว่าความลึกของการลงมือทำ ในงานที่ต้องดำเนินลำดับขั้นตอนยาว ๆ อย่างถูกต้อง — งานเทอร์มินัล งานเทอร์มินัลเชิงวิทยาศาสตร์ การเขียนโค้ดแบบเอเจนต์ — ช่องว่างนั้นกว้างที่สุดบนกระดาน คะแนนรวม 23.6 จุดแท้จริงแล้วคือคำอธิบายของจุดอ่อนเฉพาะอย่างหนึ่งที่ทวีคูณไปทั่วทั้งชุดการทดสอบ
ต้นทุนต่องานคือตัวเลขที่ชี้ให้เห็นปัญหาการกำหนดราคาของ Grok
สติกเกอร์ราคา $2/$6 เทียบกับ $4/$20 ดูเหมือนจะเป็นข้อได้เปรียบ 2.5 เท่าในราคาเอาต์พุต Artificial Analysis วัดได้ $7.77 เทียบกับ $10.04 ต่องาน — 23% เหตุผลคือ Grok 4.7 สร้างโทเคนเอาต์พุต 148M ทั่วชุด Index เทียบกับ 218M ของ Opus 5.5 ซึ่งเป็นข้อได้เปรียบเพียง 1.5 เท่า และสร้างโทเคนเหล่านั้นด้วยอัตรา 71 tok/s เทียบกับ 117
เมื่อนำทั้งหมดมารวมกัน Grok 4.7 ทั้งตอบ verbose กว่าเมื่อเทียบกับราคา และช้ากว่าในแง่เวลาจริง โดยอยู่ที่ 24.4 นาทีต่องาน Index เทียบกับ 24.6 เวลาแฝงใกล้เคียงกันมาก แต่ความสามารถน้อยลง 24 index points และประหยัดได้ 23% — นั่นไม่ใช่ข้อเสนอด้านคุณค่า แต่เป็นการลดราคาสินค้าที่แย่กว่า ใครก็ตามที่เลือก Grok 4.7 โดยอิงจากรายการราคาได้จ่ายเงินเพื่อสิทธิพิเศษนั้นไปแล้ว
Claude Opus 5.5 ก็ไม่ถูกเช่นกัน: $10.04 ต่องานทำให้มันอยู่ปลายด้านแพงของตาราง และเวลา 24.6 นาทีต่องานก็ช้าจริง ๆ แต่เงินที่จ่ายไปอย่างน้อยก็ได้อะไรกลับมา การเปรียบเทียบที่ถูกต้องสำหรับความคุ้มค่าบนตารางนี้ไม่ใช่สองตัวนี้ แต่คือ GPT-6.2 Sol ที่ $1.01 ต่องานสำหรับดัชนี 57.3 ซึ่งเป็นคอนฟิกูเรชันที่ทำให้ทั้งสองตัวดูมีราคาแพงเกินไปอย่างชัดเจน
จะต้องมีอะไรเป็นจริงบ้างเพื่อให้ Grok 4.8 เปลี่ยนแปลงสิ่งนี้
นี่คือส่วนที่ควรอ่านหากคุณกำลังวางแผนจะย้ายระบบมากกว่าจะซื้อ Model ที่ออกมาจาก RL พร้อม supervised fine-tuning ที่ถูกปรับปรุงใหม่สามารถเปลี่ยนแปลงได้มากในทั้งสองทิศทาง และ benchmark เฉพาะที่ Grok 4.7 ทำไม่ผ่านคือสิ่งที่ RL บนงานที่ตรวจสอบได้มักจะแก้ไขเป็นอันดับแรก งานใน terminal, agentic coding และการรันงานวิทยาศาสตร์ ล้วนมีรางวัลที่เครื่องตรวจสอบได้ ซึ่งเป็นสิ่งที่เฟส RL ปรับให้เหมาะสมพอดี หาก Grok 4.8 ทำคะแนน Terminal-Bench ได้เพิ่มขึ้นมากเมื่อเทียบกับ 25.8% ของ 4.7 นั่นคือสัญญาณว่าการรัน RL ได้ผล
จะมีสามสิ่งที่ต้องปรากฏก่อนที่เรื่องใด ๆ นี้จะกลายเป็นสิ่งที่ลงมือทำได้ grok-4.8ตัวระบุในเอกสารของ SpaceXSI เรตการ์ด — และโปรดทราบว่าสแต็กการอนุมานใหม่เป็นเหตุผลที่เป็นไปได้สำหรับการเปลี่ยนแปลงราคาไม่ว่าจะในทิศทางใดก็ตาม และการประเมินที่เผยแพร่แล้ว เพราะคำกล่าวของ Musk เองในเดือนนี้ได้ลดทอนคะแนนเบนช์มาร์กในฐานะตัวชี้วัดคุณภาพอย่างชัดเจน ซึ่งหมายความว่าเนื้อหาของผู้ขายเองเกี่ยวกับ 4.8 ไม่น่าจะมาในรูปแบบของตารางตัวเลข
จนกว่าสิ่งเหล่านั้นจะมีอยู่จริง การประเมินอย่างตรงไปตรงมาคือ Grok 4.8 อยู่ somewhere ระหว่าง Grok 4.7 กับ Opus 5.5 และไม่มีใครนอก SpaceXSI ที่รู้ว่าอยู่ตรงไหน หน้าเว็บใดก็ตามที่บอกคุณถึงขนาดหน้าต่างบริบท ราคา หรือคะแนนของ Grok 4.8 ในวันนี้ ล้วนเป็นสิ่งที่แต่งขึ้นมาเองทั้งสิ้น
เลือกวันนี้
Grok 4.8 ไม่ได้อยู่ในขอบเขตการตัดสินใจ ส่วน Claude Opus 5.5 อยู่ในนั้น พร้อมกับ Grok 4.7 และโมเดลต่าง ๆ ที่แข่งขันกันจริง ๆ สำหรับตำแหน่งเดียวกัน
ถ้างานของคุณคือการทำงานแบบเอเจนต์ที่ต้องใช้เวลายาวนาน — เอเจนต์เขียนโค้ด การทำงานอัตโนมัติผ่านเทอร์มินัล การวิจัยหลายขั้นตอน — Claude Opus 5.5 ชนะทุก benchmark ด้านการทำงาน ด้วยส่วนต่างที่การ prompt engineering ไม่ว่าจะมากแค่ไหนก็ปิดช่องว่างนั้นไม่ได้ และต้องใช้ต้นทุนต่องานสูงกว่า Grok 4.7 ประมาณ 29% ในการทำสิ่งนั้น นั่นคือการแลกเปลี่ยนที่คุ้มค่าและเป็นการตัดสินใจที่ง่ายดาย
หากงานของคุณเป็นงานเชิงวิชาชีพที่เน้นความกว้าง — การวิเคราะห์ การร่างเอกสาร งานที่สร้างคุณค่าเชิงเศรษฐกิจ — ทั้งสองรุ่นก็ใกล้เคียงกันมากพอที่การประหยัด 23% อาจทำให้ Grok 4.7 คุ้มค่า โดยมีเงื่อนไขว่าคุณอยู่กับหน้าต่างบริบท 500K แทน 1M ได้ และยอมรับความสามารถในการเรียกคืนข้อมูลที่ต่ำกว่าซึ่งสะท้อนโดยคะแนนรวม Omniscience ที่ 31 เทียบกับ 48
หากคุณสร้างบน Grok และต้องการป้องกันความเสี่ยงจากความผิดพลาดแบบนี้โดยตรง รูปแบบที่ใช้ได้จริงคือเก็บตัวเลือกโมเดลไว้นอกโค้ดของคุณ ทั้งสองเข้าถึงได้ผ่านคีย์ OrcaRouter คีย์เดียว — anthropic/claude-opus-5.5 และ grok/grok-4.7 — โดยบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ ดังนั้นราคาของ Grok 4.7 จึงเป็นอัตราของผู้ขายเอง และการเปลี่ยนแปลงราคาของ SpaceXSI สำหรับ 4.8 จะมีผลในวันที่ประกาศ ไม่ใช่วันที่คุณเพิ่งสังเกตเห็น ตั้งกฎการกำหนดเส้นทางให้เลือกโมเดลที่การประเมินของคุณบอกว่าแข็งแกร่งกว่า และปล่อยให้ การสลับไปใช้ระบบสำรองอัตโนมัติ จัดการกับผู้ให้บริการที่หยุดตอบกลางการทำงาน เมื่อ Grok 4.8 ปรากฏขึ้นจริง การเพิ่มมันคือรายการกำหนดเส้นทาง ไม่ใช่การย้ายระบบ

สรุปสุดท้าย ก็อย่างที่มันเป็นอยู่นั่นแหละ
มัสก์กล่าวว่า Grok 4.8 ไม่ดีเท่า Claude Opus 5.5 แล้วจากนั้นกล่าวว่า Grok 5 อาจจะดีเท่าได้ภายในสองหรือสามเดือน หากมองตามที่พูดจริง นั่นคือหน้าต่างสองไตรมาสที่โมเดลแนวหน้าสำหรับการทำงานแบบเอเจนต์คือตัวที่เปิดตัวในเดือนกันยายน วางแผนโดยคำนึงถึงสิ่งนั้น และมองประกาศใด ๆ เกี่ยวกับ Grok 4.8 เป็นเหตุผลในการรันการประเมินของคุณใหม่ ไม่ใช่เหตุผลในการเขียนการเชื่อมต่อของคุณใหม่
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
