GPT-6.1 Sol vs Claude Opus 5: ห่างกันแค่หนึ่งจุดดัชนี แต่ราคาสูงกว่าถึงสองเท่าครึ่ง

คะแนนหนึ่งจุดในสเกลหนึ่งร้อยคะแนนคือสิ่งที่แยกสองโมเดลนี้ออกจากกัน และหนึ่งในนั้นมีราคาแพงกว่าอีกตัวถึงสองเท่าครึ่ง บนดัชนี Artificial Analysis Intelligence Index GPT-6.1 Sol — โมเดลที่ OpenAI เปิดตัวเมื่อ 2026-09-29 — อยู่ที่ 51.8 Claude Opus 5ซึ่งเป็นเรือธงของ Anthropic ตั้งแต่ 2026-07-24 อยู่ที่ 50.8 อัตราค่าบริการอยู่ที่ 2.00 และ 10.00 ดอลลาร์ต่อล้านโทเคนสำหรับ GPT-6.1 Sol เทียบกับ 5.00 และ 25.00 ดอลลาร์สำหรับ Claude Opus 5 นี่ไม่ใช่การเปรียบเทียบระหว่างโมเดลที่แข็งแกร่งกับโมเดลราคาถูก แต่เป็นสองโมเดลที่ผู้ประเมินอิสระไม่สามารถแยกออกจากกันได้เกินหนึ่งจุด กลับวางขายในราคาที่ต่างกันถึง 2.5 เท่า — และคำถามที่น่าสนใจไม่ใช่ว่าตัวไหนดีกว่า แต่เป็นว่าดัชนีนี้กำลังล้มเหลวในการแยกแยะตัวไหนในสองตัวนี้

ตัวเลขทุกตัวด้านล่างนี้เป็นหนึ่งในสามอย่างต่อไปนี้: การวัดของ Artificial Analysis ที่บันทึกไว้ในระเบียนโมเดลของเรา ตัวเลขที่ผู้จำหน่ายเผยแพร่เอง หรือผลคำนวณจากตารางราคาทั้งสอง ตาราง ในกรณีที่ตัวเลขใดเป็นของผู้จำหน่ายเองและยังไม่มีใครภายนอกทำซ้ำได้ ประโยคดังกล่าวจะระบุไว้

สิ่งที่ทั้งสองเป็นจริง ๆ

Claude Opus 5 เป็นโมเดลอเนกประสงค์ระดับสูงสุดของ Anthropic: หน้าต่างบริบท 1,000,000 โทเคน เอาต์พุต 128,000 โทเคน รองรับอินพุตข้อความ รูปภาพ และไฟล์ พร้อมการให้เหตุผลแบบปรับเปลี่ยนได้ซึ่งผู้เรียกกำหนดระดับความพยายามแทนอุณหภูมิ เป็นโมเดลที่บริษัทวางตำแหน่งไว้สำหรับวิศวกรรมซอฟต์แวร์แบบครบวงจร การรีวิวโค้ด และเซสชันแบบเอเจนติกหลายขั้นตอนที่ยาวนานซึ่งใช้เครื่องมืออย่างหนัก

GPT-6.1 Sol อยู่ต่ำกว่าธงเรือธงของ OpenAI เองหนึ่งระดับ — GPT-6 Astra — ในสาย GPT-6 และถูกส่งมอบหกสัปดาห์หลังจากโมเดลที่มันมาแทนที่ คือ GPT-6 Sol ในราคาเดียวกันที่ $2.00/$10.00 โดยมีหน้าต่างบริบทขนาด 1,050,000 โทเค็น เพดานเอาต์พุต 128,000 เท่าเดิม พื้นผิวอินพุตข้อความ รูปภาพ และไฟล์แบบเดียวกัน และระดับความพยายามในการให้เหตุผลห้าระดับตั้งแต่ต่ำถึงสูงสุด โดยมีระดับปานกลางเป็นค่าเริ่มต้น

อ่านสองย่อหน้านั้นวางเทียบกัน แล้วแถวข้อกำหนดจะแทบเหมือนกันทุกประการ ความแตกต่างอยู่ที่รายละเอียดเล็ก ๆ และมีสามข้อที่สำคัญ:

• พารามิเตอร์การสุ่มตัวอย่าง — ทั้งสองโมเดลไม่รับค่า temperature หรือ top_p โดยทั้งคู่จะแทนที่ด้วยปุ่มปรับระดับความพยายาม (effort dial) หากโค้ดของคุณส่งค่า temperature ทั้งคู่จะปฏิเสธค่านั้น ดังนั้นจึงไม่มีตัวใดใช้แทนกันได้แบบทันทีสำหรับการเชื่อมต่อแบบเดิม

• เพดานบริบท — 1,050,000 โทเคนสำหรับ GPT-6.1 Sol เทียบกับ 1,000,000 สำหรับ Claude Opus 5 ต่างกันห้าเปอร์เซ็นต์ ไม่สำคัญในทางปฏิบัติ และไม่ใช่จุดที่การตัดสินใจนี้ขึ้นอยู่กับ

• ค่าเริ่มต้นของความพยายาม — GPT-6.1 Sol ตั้งค่าเริ่มต้นไว้ที่ระดับกลาง ส่วนการคิดแบบปรับตัวของ Claude Opus 5 จะจัดสรรความลึกด้วยตัวเอง ทุกสิ่งเกี่ยวกับการเปรียบเทียบดัชนีด้านล่างนี้ล้วนอ่อนไหวต่อเรื่องนี้ ซึ่งเป็นข้อควรระวังที่จะกล่าวถึงในภายหลัง

ห้าแกนที่ทั้งสองถูกวัดบน

นี่คือส่วนที่บทความเกี่ยวกับการเทียบรุ่นคู่นี้ส่วนใหญ่ทำพลาด เพราะพวกเขานำตัวเลขจากผู้ขายฝั่งหนึ่งมาเทียบกับตัวเลขจากบุคคลที่สามอีกฝั่งหนึ่ง ห้าแถวด้านล่างนี้ล้วนมาจาก Artificial Analysis ทั้งหมด จากผู้ประเมินรายเดียวกัน สำหรับทั้งสองโมเดล:

• AA Intelligence Index — GPT-6.1 Sol 51.8 (อันดับ 10, เปอร์เซ็นไทล์ที่ 93.2) เทียบกับ Claude Opus 5 50.8 (อันดับ 11, เปอร์เซ็นไทล์ที่ 92.5) ต่างกันแค่หนึ่งคะแนน

• Humanity's Last Exam — 52.9% เทียบกับ 54.9% Claude Opus 5 นำอยู่สองคะแนน

• SciCode — 54.2% เทียบกับ 56.4% Claude Opus 5 นำอยู่ 2.2 คะแนน

• Long-Context Recall — 83% เทียบกับ 79.33% GPT-6.1 Sol นำอยู่ 3.7 คะแนน

• Terminal-Bench 4.0 — 56.06% เทียบกับ 48.99% GPT-6.1 Sol นำอยู่เจ็ดคะแนน

สามต่อสอง ด้วยส่วนต่างระหว่างหนึ่งถึงเจ็ดคะแนน ในราคาที่แพงกว่า 2.5 เท่า ยังมีแกนที่หกที่ Claude Opus 5 ครองอยู่เพียงลำพัง — GPQA Diamond ที่ 93.2% — และแกนที่เจ็ดที่มันครองอยู่เพียงลำพังในทางกลับกัน: Artificial Analysis ให้คะแนน Claude Opus 5 ที่ 78 บน Coding Index ของตน อยู่ที่เปอร์เซ็นไทล์ 98.6 อันดับ 2 ส่วน GPT-6.1 Sol ไม่ถูกจัดอยู่ในแกนนั้นเลยในบันทึกของเรา จึงไม่มีตัวเลขใดให้วางไว้ข้าง ๆ และการปั้นตัวเลขขึ้นมาจากสไลด์ของเจ้าของผลิตภัณฑ์ก็เป็นสิ่งที่บล็อกนี้ไม่ทำอย่างแน่นอน

จุดที่ราคาพรีเมียมยังคงมีเหตุผลรองรับ

ช่องว่างของดัชนีเพียงหนึ่งจุดคงเป็นเหตุผลที่บางเบาที่จะจ่ายแพงกว่า 2.5 เท่า หากนั่นคือภาพทั้งหมด แต่มันไม่ใช่ และมีสามจุดที่ Claude Opus 5 เป็นตัวเลือกที่น่าซื้อมากกว่า ไม่ว่าดัชนีจะบอกว่าอะไร

ประการแรกคือแถว Coding Index ด้านบน อันดับ 2 จาก 138 โมเดลบนดัชนีคอมโพสิตของผู้ประเมินเอง ณ เปอร์เซ็นไทล์ที่ 98.6 เป็นข้ออ้างที่เป็นรูปธรรมเกี่ยวกับงานประเภทหนึ่ง และเป็นงานประเภทที่ทีมส่วนใหญ่ซึ่งซื้อในระดับราคานี้กำลังทำอยู่ หน้าโมเดล OrcaRouter ของเราสำหรับ anthropic/claude-opus-5 ระบุว่า "อันดับ #1" เมื่อเทียบกับเบนช์มาร์ก Codex และต้นทุนเฉลี่ยต่องาน 1.09 ดอลลาร์ — เป็นข้อมูลการให้บริการของเราเอง ไม่ใช่คำอ้างของผู้ขาย และเป็นเครื่องเตือนใจว่าราคาต่อโทเคนไม่ใช่ราคาต่องาน

ประการที่สองคือโหมดแบตช์ Claude Opus 5 มีส่วนลดแบบแบตช์ 50 เปอร์เซ็นต์ ซึ่งทำให้ราคาอินพุตอยู่ที่ $2.50 และเอาต์พุต $12.50 และอนุญาตให้มีโทเค็นเอาต์พุต 300,000 โทเค็นในโหมดแบตช์ เทียบกับ 128,000 บนโหมดอินเทอร์แอกทีฟ ที่ราคา $2.50/$12.50 มันไม่ใช่ราคาสูงกว่า GPT-6.1 Sol ถึงสองเท่าครึ่งในส่วนอินพุตอีกต่อไป แต่สูงกว่า 25 เปอร์เซ็นต์ สำหรับเวิร์กโหลดใดก็ตามที่ทนต่อคิวได้ — การจัดทำดัชนีแบบออฟไลน์ การจำแนกประเภทแบบกลุ่ม การสร้างชุดทดสอบข้ามคืน — ข้อโต้แย้งทั้งหมดของบทความนี้จะลดลงอย่างมาก และมันลดลงในทางที่เอื้อประโยชน์ต่อ Anthropic

ข้อที่สามคือตัวคูณมัลติโหมดแบบพอประมาณ ตัวเลขที่ Anthropic เผยแพร่เองระบุว่า Claude Opus 5 ทำได้ 70.6% บน OSWorld 2.0 และ 96.0% บน SWE-bench Verified โดยได้ 79.2% บน SWE-bench Pro นั่นเป็นตัวเลขที่ผู้ขายรายงานเองสำหรับโมเดลที่ประกาศในเดือนกรกฎาคม ไม่มีใครภายนอกทำซ้ำได้ที่นี่ และแกนไม่ทับซ้อนกับแถวของ Artificial Analysis ข้างต้น — ดังนั้นจึงไม่สามารถนำไปรวมในสกอร์การ์ดนั้นได้ มีค่าควรอ่านเพียงเพื่อเป็นสัญญาณว่า Anthropic กำลังอ้างความแข็งแกร่งด้านการใช้คอมพิวเตอร์และวิศวกรรมระดับรีโพซิทอรีโดยเฉพาะ ซึ่งเป็นกลุ่มผู้ซื้อที่โมเดลนี้ตั้งราคาไว้สำหรับ

เรตการ์ด รวมถึงแถวที่หนึ่งในนั้นเท่านั้นที่มี

Claude Opus 5 คิดค่าบริการ $5.00 และ $25.00 แบบคงที่ตลอดหน้าต่างหนึ่งล้านโทเคนทั้งหมด โดยการอ่านแคชอยู่ที่ $0.50 และการเขียนแคชอยู่ที่ $10.00 GPT-6.1 Sol คิดค่าบริการ $2.00 และ $10.00 จนถึง 272,000 โทเคนพรอมป์ต์ จากนั้นคิดราคาคำขอทั้งหมดใหม่ที่ $4.00 และ $15.00 เมื่อเกินเส้นนั้น โดยการอ่านแคชเปลี่ยนจาก $0.10 เป็น $0.20 และการเขียนแคชจาก $2.50 เป็น $5.00 การกลับทิศที่เกิดขึ้นนั้นคือผลในทางปฏิบัติของการซื้อบริบทแบบยาวจากโมเดลใดโมเดลหนึ่ง:

• พรอมต์ขนาด 250,000 โทเค็น — GPT-6.1 Sol ยังอยู่ในระดับแรกที่ราคา $2.00/$10.00 เทียบกับ $5.00/$25.00 นี่คือคำขอแบบบริบทยาวที่ถูกที่สุดในการเปรียบเทียบนี้

• พรอมต์ขนาด 300,000 โทเค็น — GPT-6.1 Sol ได้ปรับขึ้นเป็น $4.00/$15.00 ขณะที่ Claude Opus 5 ยังไม่เปลี่ยนแปลง ช่องว่างหดลงจาก 2.5× เหลือ 1.25× สำหรับอินพุต และ 1.67× สำหรับเอาต์พุต

• การอ่านจากแคช — 0.10 ดอลลาร์ต่อล้านโทเคนสำหรับ GPT-6.1 Sol เทียบกับ 0.50 ดอลลาร์สำหรับ Claude Opus 5 โดยทั้งคู่อยู่ในระดับชั้นแรกของทั้งสองโมเดล ในการใช้งานแบบเอเจนต์ระยะยาวที่อ่านคำนำหน้าเดิมซ้ำ ๆ แถวนี้ส่งผลต่อบิลมากกว่าอัตราที่ประกาศไว้ในหัวข้อ

• การเขียนแคช — $2.50 เทียบกับ $10.00 ทิศทางเดียวกัน อยู่ในอันดับขนาดเดียวกัน

นั่นเป็นประเด็นที่จริงและไม่หวือหวา: ตัวเลขพาดหัว 2.5 เท่าจะเกิดขึ้นได้เฉพาะกับพรอมป์ตสั้น ๆ เท่านั้น พอเวิร์กโหลดข้าม 272,000 โทเคน GPT-6.1 Sol ก็ถูกตั้งราคาเหมือนโมเดลพรีเมียมเช่นกัน และการเปรียบเทียบที่ตรงไปตรงมาก็กลายเป็น "โมเดลพรีเมียมที่มีแคชถูกกว่ามาก" เทียบกับ "โมเดลพรีเมียมที่มีการคิดราคาแบบคงที่"

ทำไมคะแนนเพียงหนึ่งคะแนนจึงไม่ควรตัดสินเรื่องนี้ด้วยตัวมันเอง

แถวดัชนีข้างต้นไม่ได้ถูกเก็บในวันเดียวกัน และเรื่องนี้สำคัญตรงนี้มากกว่าในการเปรียบเทียบส่วนใหญ่ บันทึก Artificial Analysis ของ GPT-6.1 Sol ระบุวันที่ประเมินเป็น 2026-09-28 ส่วนของ Claude Opus 5 ระบุเป็น 2026-07-23 — เร็วกว่าเก้าสัปดาห์ บนฮาร์เนสที่ได้รับการปรับปรุงในช่วงเวลาดังกล่าว

มีอาการที่ปรากฏชัดของเรื่องนี้อยู่ในบันทึกของเราเอง การรายงานก่อนหน้านี้เกี่ยวกับ Claude Opus 5 ระบุว่าได้ 61 ใน Intelligence Index และอยู่บนสุดของตารางอันดับ บันทึกแค็ตตาล็อกที่เราอ่านวันนี้ระบุว่าโมเดลเดียวกันได้ 50.8 อันดับ 11 ทั้งสองอย่างเป็นจริงได้: ดัชนีได้รับการแก้ไขแล้ว และคะแนนรวมมีความอ่อนไหวต่อ reasoning effort ที่ผู้ประเมินเลือก — Claude Opus 5 ทำได้สูงสุดที่ความพยายามระดับสูงสุด และบันทึกที่เราเก็บไว้ไม่มีการระบุการตั้งค่า effort ไว้เลย GPT-6.1 Sol ที่ 51.8 ก็มีความกำกวมแบบเดียวกัน

สิ่งนั้นหมายความต่อการตัดสินใจซื้ออย่างไรนั้นแคบแต่สำคัญ ช่องว่างหนึ่งคะแนนระหว่างสองโมเดลที่ถูกประเมินห่างกันเก้าสัปดาห์ บนคะแนนรวมที่เปลี่ยนแปลง ภายใต้การตั้งค่าความพยายามที่ไม่ระบุ ไม่ได้ยืนยันว่าโมเดลหนึ่งฉลาดกว่าอีกโมเดล สิ่งที่ห้าแถวนั้นยืนยันได้คือทั้งสองอยู่ในระดับเดียวกัน — และผลลัพธ์ระดับเดียวกันในราคาที่สูงกว่า 2.5 เท่าเป็นข้อเท็จจริงเชิงการจัดซื้อ ไม่ใช่ข้อเท็จจริงเชิงประสิทธิภาพ

จะจัดเส้นทางอันไหน

ลองเอาโมเดลที่คุณตั้งใจจะซื้อไปทดสอบเทียบกับอีกตัวหนึ่ง ฟังดูเหมือนเป็นคำพูดซ้ำซาก แต่ที่นี่มันเป็นท่าทีเดียวที่หลักฐานสนับสนุนจริง ๆ และโมเดลทั้งสองตัวก็เข้าถึงได้จากปลายทางเดียวที่รองรับ OpenAI — openai/gpt-6.1-sol และ anthropic/claude-opus-5 บน OrcaRouter — ฉะนั้นการทดสอบจึงเป็นแค่การเปลี่ยนสตริงชื่อโมเดล ไม่ใช่สัญญาฉบับที่สอง และไม่ใช่การเขียนใหม่ ราคาคือเรตตามที่ผู้ให้บริการระบุไว้บวกกำไร 0%: $2.00/$10.00 โดยใช้ระดับชั้นเกิน 272K ตามที่ OpenAI กำหนดไว้เป๊ะ ๆ และ $5.00/$25.00 พร้อมส่วนลดแบบ batch ตามที่ Anthrop​ic กำหนดไว้เป๊ะ ๆ ซึ่งหมายความว่าถ้าผู้ขายปรับราคา ฝั่งเราก็ใช้งานราคานั้นทันทีในวันเดียวกัน ไม่ต้องรอรอบบิลถัดไป ในจุดที่มีการกำหนดเส้นทางทั้งสองแบบ ระบบ failover อัตโนมัติจะรองรับอยู่ข้างใต้ ซึ่งมีไว้ก็ดี เพราะตัวที่ถูกกว่านั้นคือตัวที่ถือเส้นทางโปรดักชันอยู่

หากคุณต้องการค่าเริ่มต้นก่อนที่คุณจะมีตัวเลขของตัวเอง การแบ่งที่หลักฐานสนับสนุนมีดังนี้ เลือก GPT-6.1 Sol เมื่อภาระงานเป็นแบบพรอมป์ยาว ใช้แคชหนัก หรือมีลักษณะเป็นเทอร์มินัลและเครื่องมือ — แถว Long-Context Recall และ Terminal-Bench 4.0 คือส่วนต่างที่กว้างที่สุดสองอันในการเปรียบเทียบ และการอ่านแคชราคา $0.10 คือคันโยกสำคัญในเซสชันแบบเอเจนต์ที่อ่านคำนำหน้าซ้ำ เลือก Claude Opus 5 เมื่อภาระงานคือการเขียนโค้ดระดับรีโพซิทอรี เมื่อยอมรับการทำงานแบบแบตช์ได้ หรือเมื่อพรอมป์พอดีภายใน 128,000 โทเคน และต้นทุนต่องานที่เพลย์กราวด์ของเราเองวัดได้ที่ $1.09 คือตัวเลขที่ทีมการเงินของคุณอนุมัติแล้ว

คำตัดสินที่การจับคู่นี้ได้รับนั้นแคบกว่าที่ผู้ขายฝ่ายใดฝ่ายหนึ่งจะพอใจ เมื่อวัดผลโดยอิสระ ทั้งสองรายนี้แทบจะเสมอกัน แต่เรื่องราคาไม่ใช่เช่นนั้น และราคาคือแกนที่หนึ่งในสองรายนี้ไม่อาจใช้ข้อโต้แย้งให้หลุดพ้นได้