Claude Sonnet 5.5 กับ Extra Effort: ทำไมข้อกล่าวอ้างเรื่อง "โมเดล Claude ตัวถัดไป" จึงไม่ผ่านการทดสอบของตัวเองทั้งสองรายการ

เมื่อเวลา 12:44 UTC ของวันที่ 5 พฤศจิกายน บัญชี X ชื่อ @chetaslua ได้โพสต์ประโยคหนึ่งซึ่งถูกเผยแพร่ในหลากหลายรูปแบบตั้งแต่เดือนตุลาคม: "Sonnet 5.5 Extra ดูเหมือนจะถูกกำหนดเส้นทางไปยังโมเดล claude ถัดไป" ภายในเช้าวันถัดมา โพสต์ดังกล่าวมียอดดู 20,900 ครั้ง ไลก์ 384 ครั้ง และตอบกลับ 38 ครั้ง โมเดลที่โพสต์ระบุถึงคือโมเดลที่คุณเรียกใช้ได้ในวันนี้ — Claude Sonnet 5.5 ซึ่งเปิดตัวเมื่อวันที่ 28 กันยายน ในราคา 2 ดอลลาร์และ 10 ดอลลาร์ต่อล้านโทเคน คำว่า "Extra" ไม่ใช่โมเดลที่สอง แต่เป็นระดับที่สูงเป็นอันดับสองในเมนู effort ของ Claude ซึ่ง Anthropic เรียกว่า Extra high และ API เรียกว่า xhigh

มีการเสนอการทดสอบสองรายการเป็นหลักฐาน: คำถามว่า Andrej Karpathy ไปที่ไหนในปี 2026 และนกกระทุงบนจักรยานที่วาดขึ้นทั้งหมดด้วย SVG การทดสอบทั้งสองผ่านบนโมเดลที่ Anthropic เปิดตัวในเดือนกันยายน นั่นคือความยากทั้งหมดของข้อกล่าวอ้าง การทดสอบหนึ่งตรวจสอบข้อเท็จจริงที่อยู่ในช่วงหนึ่งเดือนภายในหน้าต่างการฝึกของClaude Sonnet 5.5เอง การทดสอบอีกอันวัดปริมาณที่การตั้งค่า Extra ถูกออกแบบมาเพื่อเพิ่ม ไม่มีอันใดแยก "โมเดลที่ดีกว่าตอบ" ออกจาก "การตั้งค่าที่ฉันเลือกทำในสิ่งที่เอกสารของมันบอกว่าจะทำ" ได้

นั่นไม่ได้ทำให้โพสต์นั้นไร้ค่า แต่มันทำให้โพสต์นั้นเป็นตัวอย่างที่ชัดเจนของบททดสอบที่รู้สึกว่าชี้ขาดได้แต่ไม่ได้เป็นเช่นนั้น — และสองท่าที่มันใช้ คือการทดสอบความรู้และการเปรียบเทียบขนาดเอาต์พุต เป็นสองท่าที่อยู่เบื้องหลังข้อกล่าวอ้างเรื่อง routing ส่วนใหญ่ในฤดูใบไม้ร่วงนี้ การไล่ดูทีละท่าให้ประโยชน์มากกว่าการเดาอีกรอบว่าอะไรคือสิ่งที่ Anthropic ยังไม่ได้ประกาศ

จริงๆ แล้วโพสต์อะไรไป

โพสต์นี้อธิบายเซสชันแชตหนึ่งครั้งและพรอมป์สองอัน อันแรกถามว่า Karpathy ไปどこในปี 2026 และสั่งไม่ให้โมเดลใช้เว็บ คำตอบระบุว่าเขาเข้าร่วม Anthropic ในเดือนพฤษภาคม 2026 โดยอยู่ทีม pretraining อันที่สองขอให้นกกระทุงขี่จักรยานให้สมจริงที่สุดเท่าที่จะทำได้โดยใช้เพียงโค้ด และผลลัพธ์ถูกอธิบายว่าเป็นองค์ประกอบ SVG 26,599 ชิ้น เส้นขนนกประมาณ 6,500 เส้น ไม่มีภาพฝังอยู่ ไม่มี data URI หรือสคริปต์ และโค้ด Python 1,860 บรรทัด จากบทสนทนาสองครั้งนั้น ผู้โพสต์สรุปว่าป้ายกำกับกำลังให้บริการบางสิ่งที่ใหม่กว่าตัวโมเดลที่มันระบุชื่อ

ไม่มีอะไรแนบมาด้วยเลย ไม่มีตัวระบุโมเดล ไม่มีตารางราคา ไม่มีการ์ดระบบ ไม่มีแถลงการณ์จาก Anthropic รุ่นสืบทอดที่โพสต์นี้บอกเป็นนัยถึงได้ถูกพูดถึงภายใต้หลายชื่อตั้งแต่เดือนตุลาคม โดยไม่มีชื่อใดเป็นของ Anthropic และไม่มีชื่อใดที่เรียกใช้งานได้ รายการโมเดลของ Anthropic เองซึ่งอ่าน ณ วันนี้ มีโมเดลปัจจุบันอยู่สี่รุ่น ได้แก่ Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 และ Claude Haiku 5.5 ไม่มีแถวที่ห้า และไม่มีตัวระบุใด ๆ ในโพสต์ที่ผู้อ่านจะนำไปทดสอบได้

“Extra” คืออะไร ก่อนที่มันจะกลายเป็นปริศนา

เมนู effort ในแอปของ Claude มีห้าระดับ ได้แก่ Low, Medium, High, Extra high (xhigh) และ Max โดยระดับที่โมเดลแนะนำจะถูกทำเครื่องหมายว่า Default คำว่า "Extra" เป็นคำที่ผู้คนใช้เรียกตัวที่สี่แบบสั้น ๆ เอกสารอ้างอิงของ Anthropic เองอธิบาย xhigh ว่าเป็นความสามารถแบบขยายสำหรับงานระยะยาว โดยมุ่งเป้าไปที่ "งานแบบเอเจนต์และงานเขียนโค้ดที่ทำงานต่อเนื่องยาวนาน (เกิน 30 นาที) พร้อมงบโทเค็นระดับหลายล้าน" นั่นคือผู้ให้บริการกำลังบอกคุณล่วงหน้าว่าระดับนี้ถูกออกแบบมาให้ใช้ทรัพยากรมากกว่าอีกระดับที่ต่ำกว่าอย่างมาก

ระดับขั้นยังถูกปรับเทียบแยกตามแต่ละโมเดล ไม่ใช่ปรับเทียบในระดับสากล บันทึกการย้ายเวอร์ชันของ Anthropic สำหรับรุ่นนี้ระบุตรง ๆ ว่ามีการปรับเทียบระดับความพยายามของ Claude Sonnet 5.5 ใหม่ — ระดับหนึ่ง "ไม่ได้สร้างปริมาณการคิดเท่ากับที่เคยทำบน Claude Sonnet 5" — และบอกนักพัฒนาให้รันการสำรวจระดับความพยายามใหม่ แทนที่จะยกการตั้งค่าหนึ่งข้ามไปใช้ มีผลตามมา 2 อย่าง ทั้งสองอย่างน่าเบื่อและทั้งสองอย่างเป็นผลร้ายต่อการอนุมาน คำขอที่ระดับ Extra บน Sonnet 5.5 ไม่ใช่คำขอเดียวกับ Extra บนรุ่นก่อน ดังนั้น "รู้สึกต่างจากที่จำได้" จึงเป็นเรื่องที่คาดหมายได้ และการหมุนปุ่มจาก High ไป Extra คือคำสั่งให้ใช้โทเค็นมากขึ้น ดังนั้นภาพวาดที่ยาวกว่า หนาแน่นกว่า และละเอียดซับซ้อนกว่าจึงเป็นผลลัพธ์ที่ถูกขอ

ยังมีรายละเอียดเล็ก ๆ ด้านอินเทอร์เฟซอีกจุดหนึ่งที่ควรระบุให้แน่ชัด เพราะเป็นจุดที่ป้ายกำกับเริ่มไม่ตรงกัน ค่า effort เริ่มต้นของ Claude API สำหรับโมเดลนี้คือ high ขณะที่ค่าเริ่มต้นของ Claude Code สำหรับโมเดลเดียวกันคือ medium คำตอบจากแอปเมื่อตั้งเป็น Extra คำตอบจาก API ที่ค่าเริ่มต้น และคำตอบจาก Claude Code ที่ค่าเริ่มต้น คือการกำหนดค่าที่แตกต่างกันสามแบบของโมเดลเดียว การนำสองแบบใดก็ตามมาเปรียบเทียบแล้วสรุปว่ามีโมเดลใหม่เกิดขึ้น คือการเปรียบเทียบค่าเริ่มต้น ไม่ใช่เช็กพอยต์

การทดสอบที่หนึ่ง: ข้อเท็จจริงจากเดือนพฤษภาคมที่ถูกตรวจสอบเทียบกับจุดตัดข้อมูลเดือนมิถุนายน

คำถามของ Karpathy เป็นการทดสอบที่แข็งกว่าจากสองข้อ เพราะต่างจากการทดสอบส่วนใหญ่ในกลุ่มนี้ คำตอบสามารถตรวจสอบกับบันทึกสาธารณะได้ และ它也ตรวจสอบแล้วว่าถูกต้อง Karpathy ประกาศบน X เมื่อวันที่ 19 พฤษภาคม 2026 ว่าเขาได้เข้าร่วม Anthropic โดยเริ่มงานในสัปดาห์นั้นในทีม pre-training ขึ้นตรงต่อ Nick Joseph และกล่าวว่าเขาจะสร้างทีมที่มุ่งใช้ Claude เพื่อเร่งการวิจัยด้าน pre-training คำตอบที่โพสต์อธิบายไว้ — เข้าร่วม Anthropic พฤษภาคม 2026 ทีม pretraining — นั้นถูกต้อง

ความแม่นยำคือปัญหา จุดตัดความรู้ที่เชื่อถือได้ของ Claude Sonnet 5.5 คือเดือนมิถุนายน 2026 และจุดตัดข้อมูลฝึกของมันก็เป็นช่วงเดียวกัน การจ้างงานเกิดขึ้นประมาณหนึ่งเดือนก่อนเส้นแบ่งนั้น Claude Sonnet 5.5 ที่เปิดใช้งานแล้วเมื่อถูกถามคำถามนี้โดยปิดการเชื่อมต่อเว็บ ควรจะตอบคำถามนี้ได้ และการตอบได้คือสิ่งที่เอกสารของมันคาดการณ์ไว้ การทดสอบให้ผลลัพธ์แบบ null และผลลัพธ์นั้นถูกตีความว่าเป็นข้อค้นพบ

ควรระบุให้ชัดเจนว่าการตรวจสอบความรู้ (knowledge probe) ทำอะไรได้และทำอะไรไม่ได้ เพราะนี่คือจุดที่ข้อกล่าวอ้างเหล่านี้ส่วนใหญ่ผิดพลาด:

• คำตอบที่ถูกต้องเกี่ยวกับเหตุการณ์ที่เกิดขึ้นก่อนจุดตัดข้อมูลนั้นไม่ได้ให้ข้อมูลที่เป็นประโยชน์ โมเดลทุกตัวในไลน์นี้ได้รับการฝึกฝนจากเหตุการณ์ดังกล่าวแล้ว

• คำตอบที่ไม่ถูกต้องจะให้ข้อมูลที่เป็นประโยชน์ — ในทิศทางตรงกันข้าม หากโมเดลที่ควรรู้เกี่ยวกับการจ้างพนักงานในเดือนพฤษภาคม 2026 ปฏิเสธเรื่องนั้น นั่นคือหลักฐานของเช็กพอยต์ที่แตกต่างและอ่อนกว่า ไม่ใช่เช็กพอยต์ที่แข็งแกร่งกว่าซึ่งยังไม่ประกาศ

มีเพียงข้อเท็จจริงหลังจุดตัดการฝึกเท่านั้นที่ใช้แยกความแตกต่างได้ ข้อเท็จจริงที่เผยแพร่หลังเดือนมิถุนายน 2026 ซึ่งไม่มีโมเดลใดในสายปัจจุบันที่อาจถูกฝึกด้วยข้อมูลนั้นได้ คือคำถามรูปแบบเดียวที่แยกเช็กพอยต์ใหม่จากเช็กพอยต์เก่า Karpathy เผยแพร่บทความบรรยายเวิร์กโฟลว์บนบล็อกของตัวเองเมื่อวันที่ 2 พฤศจิกายน การถามถึงเนื้อหาของบทความนั้นโดยปิดเว็บจะเป็นการทดสอบที่แท้จริง ส่วนการถามว่าเขาไปที่ไหนในเดือนพฤษภาคมไม่ใช่

การทดสอบที่สอง: การนับนกกระทุงที่วัดความเยิ่นเย้อ

พรอมต์นกกระทุงคือ{{1}}การประเมินแบบเฉพาะกิจที่ดำเนินมาอย่างยาวนานของ Simon Willison{{/1}} และเขาได้รันมันกับ {{2}}Claude Sonnet 5.5{{/2}} เมื่อวันที่ 28 กันยายน ซึ่งเป็นวันที่โมเดลเปิดตัว ผลลัพธ์ที่เขาเผยแพร่เป็นฐานอ้างอิงที่มีประโยชน์ในที่นี้ เพราะมีการระบุวันที่ ระบุที่มา และวัดผล มากกว่าการนับด้วยสายตา

• ที่ระดับความพยายามสูงสุด — หนึ่งขั้นเหนือระดับที่โพสต์นั้นใช้ — โมเดลใช้โทเค็นเอาต์พุต 128,000 โทเค็น ชนเพดาน มีค่าใช้จ่าย $1.28 และไม่ได้สร้าง SVG ออกมาเลย

• ที่ xhigh — ระดับที่โพสต์เรียกว่า Extra — โมเดลเดียวกันสร้างนกกระทุงใน 41 วินาที ด้วยราคา 5.74 เซนต์

อ่านสองบรรทัดนั้นพร้อมกัน แล้วการทดสอบที่สองของโพสต์ก็พังทลายลง โมเดลที่ส่งมอบแล้วที่ระดับ Extra วาดนกได้อยู่แล้ว — นั่นคือการรัน 41 วินาที 5.74 เซนต์ — ดังนั้นนกที่ Extra จึงไม่ใช่ความผิดปกติ โมเดลที่ส่งมอบแล้วซึ่งสูงกว่า Extra หนึ่งขั้นวาดไม่ได้เลย ดังนั้นในงานนี้ ปุ่มปรับระดับความพยายามจึงเป็นตัวแปรที่มีอิทธิพลเหนือกว่าอย่างชัดเจน และปุ่มปรับระดับความพยายามคือสิ่งเดียวที่โพสต์เปลี่ยน ผลลัพธ์ที่เปลี่ยนไปตามการตั้งค่าที่คุณหมุน คือหลักฐานเกี่ยวกับการตั้งค่านั้น

จำนวนองค์ประกอบสมควรได้รับการคำนวณแยกต่างหาก เพราะเป็นตัวเลขที่มีแนวโน้มจะถูกทำซ้ำมากที่สุด Anthropic ระบุว่า 1M โทเคนมีขนาดประมาณ 2.5M ตัวอักษรบนโทเคไนเซอร์ปัจจุบัน หากองค์ประกอบ 26,599 รายการมีค่าเฉลี่ยรายการละ 40 ตัวอักษร — ซึ่งเป็นตัวเลขแบบอนุรักษ์นิยมเมื่อรวมข้อมูลพาธและแอตทริบิวต์เข้าไปด้วย — ภาพวาดจะมีขนาดประมาณ 1.06M ตัวอักษร หรือประมาณ 424,000 โทเคน ซึ่งมากกว่าสามเท่าของเพดานเอาต์พุตแบบซิงโครนัสที่ 128,000 โทเคน และยังสูงกว่าเพดานแบทช์ที่ 300,000 โทเคนด้วย หากองค์ประกอบมีค่าเฉลี่ยเจ็ดตัวอักษร จำนวนเดียวกันนี้จะพอดีได้อย่างสบายในประมาณ 74,000 โทเคน

ดังนั้นจำนวนจึงถูกจำกัดด้วยความหนาแน่นของมาร์กอัป ไม่ใช่ความแข็งแกร่งของโมเดล และโมเดลที่กระชับกว่าจะรายงานตัวเลขที่มากกว่า คำอธิบายของโพสต์เองชี้ไปยังการตีความที่น่าจะเป็นไปได้มากกว่า: มีโค้ด Python 1,860 บรรทัดปรากฏในแชตเดียวกัน และสคริปต์ที่วนลูปเหนือขนนกสามารถสร้างองค์ประกอบ 26,599 ชิ้นได้โดยที่โมเดลไม่ได้เขียนองค์ประกอบ 26,599 ชิ้น โพสต์ไม่ได้ระบุว่าโค้ดนั้นวาดนกกระทุงหรือเป็นสิ่งประดิษฐ์แยกต่างหาก ซึ่งเป็นรายละเอียดที่ผู้อ่านจำเป็นต้องรู้พอดี สิ่งที่กล่าวได้โดยไม่ต้องมีไฟล์คือ จำนวนองค์ประกอบเป็นตัววัดความเยิ่นเย้อบนขั้นบันไดที่มีหน้าที่ตามที่บันทึกไว้คือการผลิตให้มากขึ้น

บรรทัดเดียวในคำอธิบายที่ intéressant จริง ๆ คือบรรทัดที่เป็นการปฏิเสธ: ไม่มีรูปภาพฝัง ไม่มี data URIs ไม่มีสคริปต์ นกกระทุงที่มีรายละเอียดระดับนั้นซึ่งสร้างขึ้นจากองค์ประกอบพื้นฐานแบบเวกเตอร์เท่านั้นถือเป็นผลลัพธ์ที่แท้จริง อย่างไรก็ตาม มันเป็นผลลัพธ์เกี่ยวกับคุณภาพของเอาต์พุต และคุณภาพของเอาต์พุตเมื่อตั้งค่าความพยายามไว้สูงขึ้นก็เป็นสิ่งที่ไม่น่าแปลกใจที่สุดที่โมเดลจะให้ได้

วิธีเดียวที่ได้รับการบันทึกไว้ซึ่ง Claude ตัวอื่นตอบ

ทั้งหมดนี้ไม่ได้พิสูจน์ว่า Anthropic จะไม่มีวันให้บริการคำขอภายใต้ป้ายกำกับเดียวด้วยน้ำหนักที่แตกต่างกัน แต่หมายความว่าข้อกล่าวอ้างนั้นต้องอธิบายกลไกที่ Anthropic บันทึกไว้ และกลไกทั้งสองนั้นชี้ไปในทางตรงกันข้าม

อย่างแรกคือ fallback เมื่อถูกปฏิเสธ คำขอที่ถูกปฏิเสธจะส่งคืน HTTP 200 พร้อม stop_reason: "refusal" และออบเจกต์ stop_details ที่ระบุพื้นที่นโยบาย กลไกสำรองฝั่งเซิร์ฟเวอร์ซึ่งตั้งค่าด้วย fallbacks: "default" และอยู่ในช่วงเบตาบน Claude API จะลองคำขอที่ถูกปฏิเสธในหมวด cyber และ frontier_llm ใหม่บน Claude Sonnet 5 ซึ่งเป็นโมเดลที่เก่าและถูกกว่า นี่เป็นกรณีที่ได้รับการบันทึกไว้ซึ่งคำขอสำหรับ Sonnet 5.5 ถูกตอบโดยสิ่งอื่น และเป็นการดาวน์เกรดที่ประกาศตัวเองอยู่ในคำตอบ

ประการที่สองคือการผูกกับ thinking-block บล็อก Thinking จะบันทึกว่าโมเดลใดเป็นผู้สร้างบล็อกเหล่านั้น และเมื่อบทสนทนาย้ายไปยังโมเดลที่ไม่สามารถอ่านบล็อกเหล่านั้นได้ API จะตัดบล็อกเหล่านั้นออกก่อนที่โมเดลจะเห็นคำขอ โดยรายงานการตัดออกใน input_transformations เมื่อมีการตั้งค่า beta header ไว้ นั่นคือ API กำลังบอกคุณว่าโมเดลที่ให้บริการเปลี่ยนไปแล้ว ไม่มีกลไกใดในสองกลไกนี้ที่อัปเกรดคำขอ claude-sonnet-5-5 ไปเป็นโมเดลที่แรงกว่าซึ่งยังไม่ประกาศภายใต้สตริงเดียวกัน

การไม่มีกลไกไม่ใช่ข้อพิสูจน์ว่าไม่มีอะไรเกิดขึ้น อย่างไรก็ตาม นี่คือมาตรฐานที่ข้อกล่าวอ้างต้องผ่าน: เรื่องราวการจัดเส้นทางที่บรรยายถึงแต่การปรับปรุงเพียงอย่างเดียว ต้องอธิบายว่าทำไมเส้นทางเดียวที่ Anthropic เผยแพร่จึงไหลลงเนินและทิ้งใบเสร็จไว้

{{1}}สิ่งที่ใกล้เคียงที่สุดกับการตรวจสอบจากภายนอกคือดัชนีที่ผู้ประเมินอิสระรันกับโมเดลที่ Anthropic ปล่อยออกมา{{/1}} {{2}}Artificial Analysis จัดให้ Claude Sonnet 5.5 อยู่ที่ 55 บน Intelligence Index v5.0.1 ของตน เป็นอันดับที่ 9 จาก 69 โมเดล เทียบกับค่ามัธยฐานที่ 37{{/2}} {{3}}นี่คือการอ่านค่าของสตริงตามที่ให้บริการอยู่ในปัจจุบัน และเป็นพื้นผิวที่คาดว่า checkpoint ที่แข็งแกร่งขึ้นอย่างมีนัยสำคัญซึ่งซ่อนอยู่ภายใต้ชื่อเดียวกันจะปรากฏขึ้นในที่สุด{{/3}}

การทดสอบที่อาจตัดสินเรื่องนี้ได้มีลักษณะอย่างไร

ถ้าคุณอยากรู้ว่าป้ายที่อยู่ตรงหน้าคุณกำลังถูกให้บริการโดยสิ่งอื่นอยู่หรือไม่ การทดลองนี้ก็ไม่ยาก แค่สนุกน้อยกว่าการโพสต์รูปนกกระทุงเท่านั้น

• ยึดตัวระบุไว้ ไม่ใช่ป้ายชื่อ เรียก claude-sonnet-5-5 พร้อมค่า effort ที่ระบุไว้อย่างชัดเจน เพื่อให้คำขอเป็นคำขอเดียวกันทุกครั้ง ป้ายชื่อในเมนูเป็นเพียงพื้นผิวของผลิตภัณฑ์ ส่วนตัวระบุคือเป้าหมาย

• สุ่มตัวอย่างมากกว่าหนึ่งครั้ง คำตอบเดียวที่ระดับหนึ่งเป็นเพียงตัวอย่างเดียว การสุ่มสิบครั้งที่ high และสิบครั้งที่ xhigh ด้วย system prompt เดียวกันและ max_tokens เดียวกัน จะทำให้คุณได้การแจกแจงสองชุด ระดับความพยายาม (effort) ก่อให้เกิดการเปลี่ยนแปลงความยาวเอาต์พุตที่ราบรื่นและเป็นแบบโมโนโทน checkpoint ที่ต่างกันมักก่อให้เกิดความไม่ต่อเนื่องในเนื้อหาซึ่งความยาวไม่อาจอธิบายได้

• ใช้ข้อเท็จจริงที่เกิดขึ้นหลังจุดตัดข้อมูล จุดตัดข้อมูลเดือนมิถุนายน 2026 หมายความว่าทุกอย่างที่เผยแพร่หลังเดือนมิถุนายนถือว่าใช้ได้ และทุกอย่างก่อนหน้านั้นไร้ค่าในฐานะเครื่องมือทดสอบ นี่คือการเปลี่ยนแปลงเพียงอย่างเดียวที่จะทำให้การทดสอบเมื่อวันที่ 5 พฤศจิกายนคุ้มค่าที่จะทำ

• อ่านออบเจ็กต์ response แล้วลดความน่าเชื่อถือลง ฟิลด์ model, usage, stop_reason และ stop_details นั้นคุ้มค่าที่จะบันทึกไว้ และจะเห็น fallback สำหรับการปฏิเสธได้ที่นั่น แต่ฟิลด์เหล่านั้นเพียงสะท้อนสิ่งที่เซิร์ฟเวอร์บอกว่ามันทำ มันเป็นคำกล่าวอ้าง ไม่ใช่การตรวจสอบ — หลักฐานประเภทเดียวกับการขอให้โมเดลบรรยายตัวเอง

• ประเมินราคาก่อนรัน ที่ราคา $2 และ $10 ต่อล้านโทเค็น การตอบกลับ 128,000 โทเค็นมีค่าใช้จ่าย $1.28 ซึ่งเป็นตัวเลขของ Willison และก็เป็นเพียงอัตราค่าบริการตามประกาศ การปล่อยให้ 20 การตอบกลับใช้จนถึงเพดานมีค่าใช้จ่ายประมาณ $25

มีค่าใช้จ่ายเพิ่มเติมอะไรบ้างระหว่างที่คุณรอคำตอบ

ภายใต้ข่าวลือนั้นมีคำถามเชิงปฏิบัติที่ไม่ได้ขึ้นอยู่กับการไขข่าวลือให้กระจ่าง Claude Sonnet 5.5 คิดค่าบริการโทเคนการคิดเป็นเอาต์พุต การคิดนับรวมใน max_tokens และ Extra มีเอกสารระบุไว้สำหรับงบโทเคนระดับหลายล้าน การตอบกลับครั้งเดียวที่ใช้โทเคนเอาต์พุตหนึ่งล้านโทเคนมีค่าใช้จ่าย $10 เฉพาะฝั่งเอาต์พุต ตามเรตการ์ดที่หลายทีมเลือกใช้เพราะเป็นระดับราคาประหยัดพอดี

• สูงกว่า Extra หนึ่งขั้น การรัน pelican ที่วัดผลได้ชนเพดาน 128,000 โทเค็น และมีค่าใช้จ่าย $1.28 โดยไม่สร้างภาพวาดออกมา ค่าใช้จ่ายของคำขอที่ล้มเหลวบนโมเดลนี้ไม่ใช่ศูนย์

ต่ำลงหนึ่งขั้น งานเดียวกันเสร็จสิ้นใน 41 วินาทีด้วยต้นทุน 5.74 เซนต์ ช่องว่างระหว่างทั้งสองมากกว่ายี่สิบเท่า และมันถูกกำหนดด้วยเมนูแบบเลื่อนลง

• ทีมที่รันคำขอ Extra 1,000 ครั้งต่อวัน โดยแต่ละครั้งมีเอาต์พุต 30,000 โทเค็น กำลังใช้จ่าย 30 ล้านโทเค็นเอาต์พุตต่อวัน หรือ $300 ก่อนจะนับอินพุตเลยด้วยซ้ำ

นั่นคือส่วนที่ผู้อ่านสามารถลงมือทำได้วันนี้ ไม่ว่าอนาธิปิกจะปล่อยอะไรออกมาถัดไป หาก Extra เป็นโมเดลที่แตกต่าง ผลตอบแทนที่ได้เปล่าเป็นของจริงแต่ไม่สามารถวางแผนได้ หาก Extra เป็นอย่างที่ชื่อของมันบอก งานที่ยังไม่ได้ถูกตรวจกวาดเทียบกับระดับ high และ medium ก็กำลังจ่ายเงินเพื่อความละเอียดรอบคอบที่ไม่มีใครวัดได้

OrcaRouter กำหนดเส้นทางClaude Sonnet 5.5 ในราคา $2 และ $10 ของผู้ให้บริการเอง โดยไม่บวกเพิ่ม และ effort เป็นพารามิเตอร์ต่อคำขอ ไม่ใช่สัญญาแยกต่างหาก ดังนั้นการไล่ค่า effort ในแต่ละระดับจึงเป็นเพียงลูปในสคริปต์ นี่ยังเป็นวิธีป้องกันความเสี่ยงอย่างตรงไปตรงมาต่อข้ออ้างแบบนี้: ระบุ model identifier ที่คุณตั้งใจไว้ รันพรอมป์ต์เดียวกันในแต่ละระดับ แล้วเปรียบเทียบจำนวนโทเค็นของคุณเองแทนการดูภาพหน้าจอ เมื่อคำถามด้านการกำหนดเส้นทางไม่สามารถหาข้อสรุปจากภายนอกได้ สิ่งที่ดีรองลงมาคือการตั้งค่าที่วัดคำตอบได้จากทราฟฟิกของคุณเอง — และที่การ failover ไปยัง high หรือไปยังโมเดลอื่นเป็นการเปลี่ยนการตั้งค่า ไม่ใช่การย้ายระบบ

อะไรจะทำให้หน้านี้เปลี่ยนไป

ตัวระบุโมเดล ตารางราคา การ์ดระบบ หรือประโยคจาก Anthropic ที่ระบุชื่อผู้สืบทอด สิ่งใดสิ่งหนึ่งในนั้นทำให้คำถามนี้กระจ่างได้ภายในบ่ายวันเดียว และวันนี้ยังไม่มีสักอย่าง จนกว่าจะมี คำอธิบายที่ซื่อตรงของสิ่งเบื้องหลังป้ายกำกับก็คือคำอธิบายที่ Anthropic เผยแพร่: Claude Sonnet 5.5 จุดตัดข้อมูลเดือนมิถุนายน 2026 ระดับความพยายามห้าระดับ และเหตุผลที่มีเอกสารรองรับให้เชื่อว่านกกระทุงที่ใหญ่กว่าที่การตั้งค่าสูงขึ้นก็คือนกกระทุงที่ใหญ่กว่าที่การตั้งค่าสูงขึ้น

กรอบของโพสต์เองก็เผยคำตอบออกมาแล้ว มันเปรียบเทียบ Extra กับความคาดหวัง ไม่ใช่กับการวัดค่า — ไม่ว่าจะเป็นระดับเดียวกันบน Sonnet 5 หรือระดับเดียวกันที่ max หรือค่าฐานที่เผยแพร่จากสัปดาห์เปิดตัว การเปรียบเทียบเหล่านั้นมีอยู่และทำได้ไม่แพง จนกว่าจะมีคนลองทำมัน "ดูเหมือนเป็นการจัดเส้นทาง" ก็เป็นเพียงคำอธิบายของเมนูแบบเลื่อนลงที่ทำหน้าที่ของมัน