
Fugu Ultra v2 vs Claude Opus 5: ราคาอินพุตเท่ากัน แต่เป็นการเดิมพันที่ต่างกันสองแบบ
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 187 tok/s
- openaiใหม่OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 80 tok/s
- openaiใหม่OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 155 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 196 tok/s
- Alibabaใหม่Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 ต่อ 1 ล้านโทเค็น · 85 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 705 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 ต่อ 1 ล้านโทเค็น · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 38 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 · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 101 tok/s
Fugu Ultra v2 และ Claude Opus 5 มีค่าใช้จ่ายในการถามคำถามเท่ากันเป๊ะ แต่มีค่าใช้จ่ายในการได้คำตอบออกมาแตกต่างกันอย่างมาก ทั้งคู่มีราคาตั้งไว้ที่ $5.00 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น จากนั้น Fugu Ultra v2 คิดค่าบริการ $30.00 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น เทียบกับ $25.00 ของ Claude Opus 5 — และช่องว่างระหว่างตัวเลขสองตัวนั้นไม่ใช่ความแตกต่างจากการปัดเศษ เพราะทั้งสองระบบสร้างปริมาณข้อความที่แตกต่างกันมากเพื่อให้ได้คำตอบ Sakana AI เปิดตัว Fugu Ultra v2 เมื่อวันที่ 11 กันยายน 2026 ในฐานะระบบประสานงานที่รวมโมเดลของห้องแล็บอื่นๆ ไว้เบื้องหลังปลายทางเดียวที่เข้ากันได้กับ OpenAI ส่วน Claude Opus 5 ของ Anthropic ซึ่งใช้งานมาตั้งแต่ปลายเดือนกรกฎาคม 2026 เป็นโมเดลเดียว ความแตกต่างนั้นตัดสินผลการเปรียบเทียบนี้เกือบทั้งหมดก่อนที่จะพิจารณาถึงเกณฑ์มาตรฐาน และกระดานคะแนนของ Sakana เองก็มีแถวที่ดูน่าอึดอัดอยู่แถวหนึ่ง: ผู้ขายรายงานว่าได้ 48.3 ใน Chartography เทียบกับ 27.3 ของ Claude Opus 5 ซึ่งเป็นส่วนต่างที่มากที่สุดในการเปิดตัวครั้งนี้ และยังเป็นตัวเลขที่มีหลักฐานจากภายนอกสนับสนุนน้อยที่สุดด้วย
ความบังเอิญที่หล่อหลอมทุกสิ่ง
เริ่มจากสิ่งที่ผลิตภัณฑ์ทั้งสองเห็นตรงกันก่อน เพราะมันมีมากกว่าราคาที่พาดหัว
• ราคาอินพุต — Fugu Ultra v2 $5.00 ต่อ 1M โทเคน เทียบกับ Claude Opus 5 $5.00 ต่อ 1M โทเคน
• ราคาเอาต์พุต — Fugu Ultra v2 $30.00 ต่อ 1M โทเคน เทียบกับ Claude Opus 5 $25.00 ต่อ 1M โทเคน
• อินพุตที่แคชไว้ — Fugu Ultra v2 $0.50 ต่อ 1 ล้าน ซึ่งสูงกว่าอัตราพื้นฐาน เมื่อเทียบกับ Claude Opus 5 ที่คิดราคาการแคชเป็นส่วนลดสูงสุด 90% สำหรับอินพุตที่แคชไว้
• บริบท — Fugu Ultra v2 1M โทเคน โดยอัตราจะเพิ่มเป็นสองเท่าเมื่อเกิน 272K เมื่อเทียบกับ Claude Opus 5 1M โทเคน แบบคงที่
• เพดานเอาต์พุต — Fugu Ultra v2 ไม่ได้เผยแพร่เป็นตัวเลขเดียว เทียบกับ Claude Opus 5 128K tokens
• ความพร้อมใช้งาน — Fugu Ultra v2 ไม่มีจำหน่ายใน EU/EEA เทียบกับ Claude Opus 5 ที่พร้อมให้ใช้งานทั่วไปภายใต้ข้อกำหนด API มาตรฐาน
• หลักฐาน — ผลทดสอบ (benchmark) ของ Fugu Ultra v2 ที่ผู้ขายรายงานเอง ยังไม่มีการประเมินโดยอิสระ เมื่อเทียบกับผลทดสอบของผู้ขาย Claude Opus 5 บวกกับอันดับบนลีดเดอร์บอร์ดจากบุคคลที่สามที่ต่อเนื่องมาหลายเดือน
แถวสุดท้ายนั่นแหละคือจุดที่การเปรียบเทียบพลิกผันจริง ๆ ที่ราคาอินพุตเท่ากัน คุณกำลังเลือกระหว่างระบบที่คุณต้องเชื่อคะแนนโดยไม่มีการพิสูจน์ กับโมเดลที่คะแนนของมันมีคนอื่นทำซ้ำแล้ว จุดเปลี่ยน 272K ยิ่งซ้ำเติมเรื่องนี้: เมื่อเกินเกณฑ์นั้น อัตราอินพุตของ Fugu Ultra v2 จะเพิ่มเป็นสองเท่าเป็น $10 และเอาต์พุตเป็น $45 ในขณะที่อัตราของ Claude Opus 5 ไม่ขยับ สำหรับการรันเอเจนต์บริบทยาว — ภาระงานแบบที่ Fugu Ultra v2 ถูกสร้างมาสำหรับพอดี — ข้อได้เปรียบด้านราคาของราคาที่โฆษณาไว้ซึ่งถูกกว่าจะหายไปในจุดที่ระบบควรจะโดดเด่นที่สุดพอดี

แต่ละอันจริง ๆ แล้วคืออะไร
Claude Opus 5 คือโมเดลเรือธงระดับโปรดักชันของ Anthropic และการออกแบบของมันก็มองออกได้จากภายนอก มันใช้ adaptive thinking เป็นค่าเริ่มต้น โดยตัดสินใจเองว่าจะใช้เหตุผลนานแค่ไหนก่อนที่จะตอบ พร้อมปุ่มปรับระดับความพยายาม (effort) อย่างชัดเจนตั้งแต่ low ถึง max สำหรับกรณีที่คุณต้องการบังคับให้มันคิดใคร่ครวญลึกขึ้นและยอมจ่ายแพงขึ้นสำหรับสิ่งนั้น มันมาพร้อมหน้าต่างบริบทขนาด 1M โทเคน เพดานเอาต์พุต 128K ความสามารถด้าน vision การใช้เครื่องมือ และโหมด JSON Anthropic รายงานผล 96.0% บน SWE-bench Verified และ 79.2% บน SWE-bench Pro ซึ่งมากกว่าสองเท่าของผลลัพธ์ Frontier-Bench v0.1 ของรุ่นก่อน อีกทั้งประมาณ 30.2% บน ARC-AGI 3 เทียบกับ 7.8% ของ GPT-5.6 Sol — ทั้งหมดนี้เป็นตัวเลขจากผู้พัฒนาเอง และทั้งหมดวัดบนโมเดลเดียวที่คุณสามารถล็อกเวอร์ชันได้ นอกจากนี้ยังส่งต่อคำขอที่ถูกตั้งธงไปยังโมเดลรุ่นเก่าแทนที่จะแจ้งข้อผิดพลาด ซึ่งเป็นรายละเอียดด้านปฏิบัติการที่สำคัญหากคุณมีขั้นตอนการตรวจสอบด้านการปฏิบัติตามข้อกำหนดอยู่ในกระบวนการ
Fugu Ultra v2 ไม่ใช่แบบนั้น และความแตกต่างไม่ได้เป็นเพียงเรื่องผิวเผิน มันเป็นตัวประสานงาน — โมเดลขนาดเล็กที่ผ่านการฝึก ซึ่งมีรายงานว่ามีพารามิเตอร์ประมาณ 7B ที่อ่านคำขอของคุณ ประกอบทีมเอเจนต์ กำหนดบทบาท Thinker, Worker และ Verifier จากงาน TRINITY ของ Sakana และสังเคราะห์คำตอบสุดท้าย โมเดลพื้นฐานไม่ได้ถูกเปิดเผย การตัดสินใจจัดเส้นทางไม่ถูกเปิดเผยโดยการออกแบบ และสำหรับระดับ Ultra พูลนั้นถูกกำหนดตายตัว: คุณไม่สามารถเลือกตัดผู้ขายรายใดออกได้ กรอบของ Sakana เองสำหรับเวอร์ชัน 2 คือจุดตัดการฝึกถูกเลื่อนไปเป็นวันที่ 28 สิงหาคม 2026 และองค์ประกอบของพูลเปลี่ยนไป — โดยเฉพาะเพื่อตัด Claude Fable 5, Claude Fable 5.1 และ GPT-6 Astra ออก
การตัดออกนั้นเป็นรายละเอียดที่เผยความจริงได้มากที่สุดในการเปิดตัวครั้งนี้ Fugu Ultra v2 อ้างว่าคว้าชัยในการทดสอบมาตรฐานเหนือโมเดลที่แข็งแกร่งที่สุดสามตัวที่มีอยู่ พร้อมกับยืนยันว่าไม่ได้เรียกใช้โมเดลใดในสามตัวนั้นเลย ไม่ว่ากลุ่มที่นำมาเปรียบเทียบจะมีอะไรอยู่ก็ตาม มันไม่ใช่สุดยอดของตลาดตามการคำนวณของ Sakana เอง คำโปรยคือการประสานงานชนะความสามารถ นั่นเป็นข้อเสนอเชิงแนวคิดที่มีอยู่จริง และบนงานที่ตรวจสอบได้ด้วยตัวตรวจสอบราคาถูก มันเป็นข้อเสนอที่มีหลักฐานรองรับ ไม่ใช่ข้อกล่าวอ้างแบบเดียวกับ "ระบบนี้ฉลาดกว่า Claude Opus 5" และกระดานคะแนนถูกจัดวางไว้ให้สองเรื่องนี้สับสนกันได้ง่าย
ป้ายคะแนนที่ Sakana เลือก
ตัวเลขทุกตัวด้านล่างมาจากการประเมินของ Sakana เองสำหรับ Fugu Ultra v2 ตัวเลขของ Claude Opus 5 เป็นค่าที่ Sakana วัดได้ในการเปรียบเทียบเดียวกัน เว้นแต่จะระบุไว้เป็นอย่างอื่น ยังไม่มีหน่วยงานอิสระใดทำการทดลองซ้ำให้ได้ผลเหมือนคอลัมน์ Fugu และ ณ เวลาที่เขียนนี้ ยังไม่มีรายการของ Artificial Analysis สำหรับโมเดล Fugu ใด ๆ
Chartography — Fugu Ultra v2 48.3 เทียบกับ Claude Opus 5 27.3 — ตามที่ผู้ขายรายงาน ส่วนต่าง 21 จุด
• DeepSWE — Fugu Ultra v2 74.3 เทียบกับไม่มีตัวเลข Claude Opus 5 ที่เผยแพร่ในตารางเดียวกัน — รายงานโดยผู้ขาย
• อันดับในเบนช์มาร์ก — Fugu Ultra v2 ดีที่สุดหรือดีที่สุดร่วมใน 5 จาก 8 รายการ และอยู่ในสองอันดับแรกใน 7 จาก 8 รายการ — ตามรายงานของผู้ขาย
• SWE-bench Verified — ไม่มีตัวเลขของ Fugu Ultra v2 เทียบกับ Claude Opus 5 ที่ 96.0% — ตามรายงานของ Anthropic
• SWE-bench Pro — ไม่มีตัวเลขผลคะแนนของ Fugu Ultra v2 เมื่อเทียบกับ Claude Opus 5 ที่ 79.2% — ตามรายงานของ Anthropic
• ARC-AGI 3 — ไม่มีตัวเลขของ Fugu Ultra v2 เทียบกับ Claude Opus 5 ~30.2% — รายงานโดย Anthropic
ให้มองสิ่งนั้นเป็นรูปแบบ ไม่ใช่การจัดอันดับ Sakana เผยแพร่บอร์ดแปดเบนช์มาร์กที่ตนชนะห้ารายการ และผลลัพธ์ที่แข็งแกร่งที่สุดซึ่งมีเอกสารเผยแพร่ต่อสาธารณะของ Claude Opus 5 — แถว SWE-bench, ARC-AGI 3 — ก็ไม่ได้อยู่ในบอร์ดนั้นเลย นั่นไม่ใช่การกล่าวหาว่าไม่สุจริต แต่มันคือหน้าตาของสกอร์บอร์ดของผู้ขาย ซึ่งรวมถึงของทุกรายด้วย แต่มันหมายความว่าคุณไม่สามารถสรุปจากการเปิดตัวได้ว่า Fugu Ultra v2 เอาชนะ Claude Opus 5 ในด้านวิศวกรรมซอฟต์แวร์ เพราะระบบทั้งสองไม่ได้รับการวัดบนแถวเดียวกันบ่อยพอที่จะกล่าวได้ บนแถวเดียวที่ทั้งสองปรากฏและตัวเลขทั้งคู่เป็นข้อมูลสาธารณะ — Chartography — Fugu Ultra v2 อ้างว่าชนะอย่างมาก บนแถวการให้เหตุผลและการเขียนโค้ดที่กว้างที่สุด มีเพียงฝ่ายเดียวเท่านั้นที่เผยแพร่

ต้นทุนต่องาน ไม่ใช่ต้นทุนต่อโทเคน
ค่าบิลโทเค็นของผู้ประสานงานไม่ใช่อัตราต่อโทเค็นของมัน Fugu Ultra v2 ปล่อยเอเจนต์ออกมา โดยแต่ละตัวส่งโทเค็นการให้เหตุผลและเอาต์พุต ขณะที่ตัวประสานงานเองสร้างข้อความสังเคราะห์ FAQ ด้านราคาของ Sakana ให้คำมั่นที่มีประโยชน์จริง ๆ ตรงนี้ — คุณถูกคิดเงินในอัตราแบบผสมเดียวโดยอิงจากโมเดลระดับสูงสุดที่เกี่ยวข้อง และการเพิ่มเอเจนต์ไม่ได้ทำให้บิลคูณขึ้น — ซึ่งขจัดปัญหาการคูณแบบกระจายออกในกรณีเลวร้ายที่สุดที่ทำให้การตั้งค่าหลายเอเจนต์แบบตรงไปตรงมามีค่าใช้จ่ายสูง แต่ก็ไม่ได้ขจัดปริมาณออกไป ปริมาณโทเค็นเอาต์พุตที่ถูกคิดเงินยังคงเป็นฟังก์ชันของจำนวนเอเจนต์ที่รันและปริมาณที่แต่ละตัวเขียน และที่ 30 ดอลลาร์ต่อล้าน ปริมาณนั้นคือตัวแปรที่คุณคาดเดาจากหน้าราคาไม่ได้
โครงสร้างต้นทุนของ Claude Opus 5 กลับกันตรงข้ามเลย หนึ่งการเรียก หนึ่งโมเดล ปุ่มปรับระดับความพยายามที่คุณควบคุมได้ และอัตราค่าเอาต์พุตที่ $25 พร้อมการประมวลผลแบบแบตช์ที่ลด 50% สำหรับงานที่ไม่ต้องการความเร็วแบบเรียลไทม์ คุณสามารถคาดการณ์ล่วงหน้าได้ สำหรับงานที่คุณรันวันละหนึ่งหมื่นครั้ง ความสามารถในการคาดการณ์ล่วงหน้ามีค่ามากกว่าส่วนต่างของคะแนนเบนช์มาร์กในงานอ่านกราฟมากมายนัก
นี่คือจุดที่คำถามเรื่องการกำหนดเส้นทาง (routing) แยกออกจากคำถามเรื่องโมเดลอย่างชัดเจน Claude Opus 5 อยู่บน OrcaRouterในราคาตามที่ Anthropic ประกาศ โดยบวกเพิ่ม 0% — อัตราของผู้ให้บริการถูกส่งผ่านตรง ๆ ดังนั้นเมื่อผู้ให้บริการเปลี่ยนราคา ก็มีผลบนคีย์เดิมในวันเดียวกัน พร้อมการสลับไปเส้นทางอื่นอัตโนมัติ (failover) หากเส้นทางใดเส้นทางหนึ่งถูกจำกัดอัตราหรือล่ม Fugu Ultra v2 ไม่ได้อยู่ในแคตตาล็อกของเรา คุณจะเข้าถึงมันได้ผ่าน API ที่รองรับ OpenAI ของ Sakana เอง และผ่านแพลตฟอร์มของบุคคลที่สามหลายแห่ง การย้ายจาก Fugu เวอร์ชันก่อนหน้าทำได้แค่เปลี่ยนพารามิเตอร์บรรทัดเดียว หากสิ่งที่คุณต้องการจริง ๆ คือความคาดเดาได้ของ Claude Opus 5 โดยมีความเสี่ยงจากการพึ่งพาผู้ให้บริการรายเดียวน้อยลง เราเตอร์คือคำตอบ และออร์เคสเตรเตอร์ไม่ใช่ หากสิ่งที่คุณต้องการคือระบบที่ลองหลายวิธีกับปัญหาที่ยาก โดยที่คุณไม่ต้องเขียนการกระจายงานแบบ fan-out เอง Fugu Ultra v2 คือสิ่งที่ทำแบบนั้นได้ — และคุณควรนำไปทดลองใช้โดยเปิดการนับโทเค็นไว้ด้วย
จุดที่ Fugu Ultra v2 ชนะอย่างแท้จริง
ให้เครดิตกับระบบตามที่ควรได้รับ ผลลัพธ์ของ Chartography หากยังเป็นจริงได้ ก็เป็นชัยชนะแบบที่โมเดลเดี่ยว ๆ ปลอมได้ยาก: การให้เหตุผลเชิงภาพบนเอกสารที่มีโครงสร้างให้รางวัลกับการลองตีความสักแบบหนึ่ง ตรวจสอบกับเอกสาร แล้วลองอีกครั้ง — ซึ่งเป็นสิ่งที่บทบาท Verifier มีไว้ทำพอดี ตรรกะเดียวกันนี้ใช้กับ Toolathon และ DeepSWE ซึ่งคำตอบสามารถทดสอบได้แทนที่จะต้องมาโต้เถียงกัน กรณีศึกษาที่ Sakana เผยแพร่ก็เอนไปทางเดียวกัน: การรัน AutoResearch จำนวน 123 การทดลองเป็นเวลาสิบสี่ชั่วโมงบน H100 หนึ่งตัว, ตัวแก้ Rubik's cube ที่เป็น pure-Python ซึ่งไขลูกบาศก์ที่ถูกสลับครบทั้ง 300 ลูกได้ ในขณะที่เบสไลน์ระดับแนวหน้าแบบไม่ระบุชื่อสองตัวล่มไปทั้งหมด, ไอริสเชิงกลแบบ CAD ที่เปิดและปิดได้จริง สิ่งเหล่านี้เป็นตัวอย่างที่ผู้ขายคัดเลือกเอง พร้อมเบสไลน์แบบไม่ระบุชื่อ จึงพิสูจน์ได้น้อยกว่าที่ดูเหมือน แต่รูปแบบนี้สม่ำเสมอ และชี้ไปยังหมวดหมู่จริง: งานที่ความถูกต้องตรวจสอบได้ และส่วนที่ยากคือความพากเพียร
ยังมีข้อโต้แย้งเชิงโครงสร้างอีกข้อที่ไม่มีส่วนเกี่ยวข้องกับเบนช์มาร์ก Claude Opus 5 เป็นโมเดลของผู้ให้บริการรายหนึ่ง ซึ่งต้องขึ้นอยู่กับการตัดสินใจด้านราคา กำหนดการเลิกใช้ และนโยบายของผู้ให้บริการรายนั้น Fugu Ultra v2 ถูกออกแบบมาให้อยู่รอดได้แม้สิ่งใดสิ่งหนึ่งในนั้นเปลี่ยนแปลงไป และ Sakana ระบุชัดเจนว่านี่คือประเด็นสำคัญ — การถูกล็อกไว้กับผู้ขายรายเดียว, การเพิกถอน API, การควบคุมการส่งออก ในตลาดที่โมเดลต่าง ๆ ถูกถอนออกจากบางภูมิภาคโดยแทบไม่มีประกาศล่วงหน้า นั่นไม่ใช่เรื่องสมมติ มันคือการป้องกันความเสี่ยง และการป้องกันความเสี่ยงมีค่าใช้จ่าย: แพงขึ้น 5 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็นคือราคาโดยประมาณของการป้องกันความเสี่ยงนี้
คำตัดสิน
Claude Opus 5 ชนะสำหรับการตัดสินใจที่ทีมส่วนใหญ่กำลังทำอยู่จริง ๆ โดยมีเบื้องหลังเป็นเวลาหลายเดือนของการประเมินอิสระ มีหน้าต่าง 1M โทเคนที่ราคาไม่เพิ่มเป็นสองเท่าเมื่อประมวลผลเอกสารของคุณไปได้ครึ่งทาง มีเพดานเอาต์พุต 128K มีราคาที่ประกาศไว้ซึ่งคุณคาดการณ์ได้ มีปุ่มหมุนปรับระดับความพยายามที่ให้คุณซื้อความสามารถในการให้เหตุผลเฉพาะเมื่องานสมควรได้รับมัน และมีผลลัพธ์จากบุคคลที่สามบน benchmark ตรงตัว — SWE-bench Verified, SWE-bench Pro, ARC-AGI 3 — ที่ทีมด้าน agentic และการเขียนโค้ดให้ความสำคัญมากที่สุด Fugu Ultra v2 ชนะคำถามที่แคบกว่าและน่าสนใจกว่า: ว่า coordinator ที่มีพูลเล็กกว่าจะเอาชนะโมเดลเรือธงได้หรือไม่ในงานที่ตรวจสอบคำตอบได้ กระดานคะแนนของ Sakana เองบอกว่าใช่ในห้าแถวจากแปดแถว และการที่พูลนั้นตัดโมเดลระดับท็อปออกไปก็บอกว่าชัยชนะนี้เกิดขึ้นโดยไม่มีโมเดลที่ดีที่สุดสามตัวในโลก
หากคุณทำงานที่ตรวจสอบยืนยันได้ ครอบคลุมระยะยาว และตรวจสอบซ้ำได้ และคุณอยู่นอก EU/EEA Fugu Ultra v2 ก็คุ้มค่าที่จะนำร่องแบบจำกัดขอบเขต — วัดจำนวนโทเคนเอาต์พุตต่อหนึ่งงานที่ทำเสร็จ ไม่ใช่ต่อหนึ่งโทเคน และกำหนดเพดานไว้ก่อนเริ่ม หากคุณต้องการเส้นทางสู่โปรดักชันวันนี้ที่มีหลักฐานรองรับและมีบิลที่คาดการณ์ได้ Claude Opus 5 ยังคงเป็นตัวเลือกที่มีหลักฐานหนุนแน่นหนากว่า และมันห่างเพียงคีย์ API เดียวในราคาตามรายการของ Anthropic โดยอัตราของผู้ให้บริการถูกส่งผ่านไปโดยไม่ถูกแตะต้อง

การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
