GPT-6.1 Sol กับ Kimi K3: การดาวน์โหลดมีอยู่จริง และมันก็ยังไม่ใช่ตัวเลือกที่ถูก

Kimi K3 เป็นตัวอย่างหักล้างที่มักใช้ยุติข้อโต้แย้งแบบนี้ Moonshot AI เปิดตัวโมเดลขนาด 2.8 ล้านล้านพารามิเตอร์ในเดือนกรกฎาคม 2026 และเผยแพร่ค่าถ่วงน้ำหนัก — moonshotai/Kimi-K3 อยู่บน Hugging Face แบบไม่มีการจำกัดการเข้าถึง มีการดาวน์โหลดมากกว่าหนึ่งล้านครั้ง และแก้ไขล่าสุดในเดือนกันยายน ดังนั้นจึงไม่มีเครื่องหมายดอกจันว่า "เปิดในหลักการ แต่ระงับไว้เพื่อเสริมความปลอดภัย" ตรงนี้ และไม่ต้องรอสองสัปดาห์ให้พ้นไปก่อน GPT-6.1 Sol ซึ่ง OpenAI เปิดตัวเมื่อวันที่ 29 กันยายน 2026 นั้นเป็นโมเดลปิดที่ใช้ผ่าน API เท่านั้น และจะเป็นเช่นนี้ตลอดไป และบนบอร์ดอิสระ โมเดลที่ดาวน์โหลดได้ทำคะแนน 43.6 เทียบกับ 51.8 ของโมเดลปิด ขณะที่คิดค่าใช้จ่าย 2.00 ดอลลาร์ต่องานจัดทำดัชนีที่เสร็จสมบูรณ์ เทียบกับ 0.72 ดอลลาร์ ค่าถ่วงน้ำหนักแบบเปิดควรเป็นทางออกราคาถูก แต่ในการจับคู่นี้กลับเป็นฝ่ายที่แพงกว่าในการแลกเปลี่ยน และเหตุผลไม่ใช่เรื่องสัญญาอนุญาต

แต่ละโมเดลคืออะไร

Kimi K3 เป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์รวม 2,800 พันล้านตัว และมีประมาณ 104 พันล้านตัว — ราว 3.7% — ทำงานต่อโทเคน โดยมีหน้าต่างบริบทขนาด 1,048,576 โทเคน รับข้อความและรูปภาพเป็นอินพุต และส่งออกเป็นข้อความ เช็กพอยต์ที่เผยแพร่เป็นอาร์ติแฟกต์ FP8 และเป็นไฟล์ดาวน์โหลดขนาดใหญ่จริง ๆ การดีพลอยสำหรับโปรดักชันบนฮาร์ดแวร์ของคุณเองเป็นการตัดสินใจระดับคลัสเตอร์ ไม่ใช่ระดับเวิร์กสเตชัน ข้ออ้างเชิงสถาปัตยกรรมของ Moonsh​oot คือรูปแบบ hybrid linear-attention ซึ่งบริษัทกล่าวว่าเร็วขึ้นอย่างมากในการถอดรหัสบริบทยาว บวกกับงานด้าน residual และ routing ที่ทำให้โมเดลขนาด 2.8 ล้านล้านพารามิเตอร์สามารถให้บริการได้จริง

GPT-6.1 Sol คือการรีเฟรชระดับกลางของ Open​AI — ต่ำกว่า GPT-6 Astra แต่สูงกว่า GPT-6 Luna — พร้อมหน้าต่าง 1,050,000 โทเคน เพดานเอาต์พุต 128,000 โทเคน รองรับอินพุตทั้งข้อความ รูปภาพ และไฟล์ และมีจุดตัดความรู้ ณ วันที่ 30 เมษายน 2026 การให้เหตุผลทำงานตั้งแต่ low ไปจนถึง max โดยมี medium เป็นค่าเริ่มต้น ส่วนขั้น none ที่ GPT-6 Sol รุ่นก่อนหน้ายอมรับนั้นถูกปฏิเสธโดยสิ้นเชิง และบันทึกการย้ายเวอร์ชันของ Open​AI เองก็แนะนำให้นักพัฒนาใช้ low แทน โดยมีราคาอยู่ที่ $2.00 และ $10.00 ต่อล้านโทเคน และอินพุตแบบแคชอยู่ที่ $0.10

หนึ่งบรรทัดต่อมิติ โดยเปิดทั้งสองด้านในแต่ละบรรทัด:

• อินพุต — GPT-6.1 Sol $2.00 ต่อ 1 ล้าน เทียบกับ Kimi K3 $3.00 ต่อ 1 ล้าน
• เอาต์พุต — GPT-6.1 Sol $10.00 ต่อ 1 ล้าน เทียบกับ Kimi K3 $15.00 ต่อ 1 ล้าน
• อินพุตแคช — GPT-6.1 Sol $0.10 ต่อ 1 ล้าน เทียบกับ Kimi K3 $0.30 ต่อ 1 ล้าน
• หน้าต่างบริบท — 1,050,000 โทเคน เทียบกับ 1,048,576 โทเคน; ต่างกัน 0.1% ไม่มีนัยสำคัญ
• เอาต์พุตสูงสุด — 128,000 โทเคนทั้งสองรุ่น
• พารามิเตอร์ทั้งหมดและพารามิเตอร์ที่ใช้งาน — ไม่เปิดเผย เทียบกับ 2,800 พันล้านทั้งหมด และ 104 พันล้านที่ใช้งานต่อโทเคน
• รูปแบบข้อมูล — รับข้อความ รูปภาพ และไฟล์เข้า ส่งข้อความออก เทียบกับ รับข้อความและรูปภาพเข้า ส่งข้อความออก
• น้ำหนักโมเดล — ปิด ใช้ผ่าน API เท่านั้น เทียบกับ เปิด ไม่มีข้อจำกัดการเข้าถึง ดาวน์โหลดกว่า 1 ล้านครั้ง
• เงื่อนไขบริบทยาว — คิดราคาคำขอทั้งหมดใหม่เมื่ออินพุตเกิน 272,000 โทเคน โดยคิด 2 เท่าสำหรับอินพุตและแคช และ 1.5 เท่าสำหรับเอาต์พุต เทียบกับไม่มีเงื่อนไขเทียบเท่าในการ์ดที่เผยแพร่
• ดัชนีความฉลาด จากผู้ประเมินอิสระ ที่ความพยายามสูงสุด — 51.8 เทียบกับ 43.6
• ต้นทุนต่องานในดัชนี จากผู้ประเมินอิสระ — $0.72 เทียบกับ $2.00
• โทเคนเอาต์พุตในการรันดัชนี — 67 ล้าน เทียบกับ 160 ล้าน เมื่อเทียบกับค่ามัธยฐานของบอร์ดที่ 140 ล้านสำหรับกลุ่มเปรียบเทียบของมัน

การประเมินหนึ่งรายการที่ K3 ชนะ และเหตุใดจึงสำคัญ

ก่อนจะถึงการคำนวณ ข้อยกเว้นก่อน เพราะมันเป็นเรื่องจริง เมื่อให้คะแนนทีละการประเมินด้วยความพยายามสูงสุดบน Artificial Analysis v4.3.2 GPT-6.1 Sol นำอยู่เจ็ดในสิบและไม่มีการเสมอเลย แต่โมเดลที่ชนะการประเมินด้านการใช้เหตุผลกับบริบทขนาดยาวคือ K3:

• AA-LCR v1.1 — Kimi K3 0.887 เทียบกับ GPT-6.1 Sol 0.830 เป็นความได้เปรียบ 6 จุดบนการประเมินที่สร้างขึ้นโดยเฉพาะสำหรับการให้เหตุผลกับอินพุตยาว
• SciCode — Kimi K3 0.595 เทียบกับ GPT-6.1 Sol 0.542 โดย K3 ยังนำในการเขียนโค้ดเชิงวิทยาศาสตร์
• Terminal-Bench 4.0 — Kimi K3 0.126 เทียบกับ GPT-6.1 Sol 0.561 ช่องว่าง 43 จุดในทิศทางตรงกันข้าม และเป็นความแตกต่างที่มากที่สุดในคู่นี้อย่างชัดเจน
• Humanity's Last Exam — Kimi K3 0.469 เทียบกับ GPT-6.1 Sol 0.529
• AA-Omniscience — Kimi K3 19.7 เทียบกับ GPT-6.1 Sol 41.5 ในด้านความน่าเชื่อถือของข้อเท็จจริง ทั้งสองไม่ใช่โมเดลระดับเดียวกัน
• GDPval-AA v2.1 — Kimi K3 Elo 1536.5 เทียบกับ GPT-6.1 Sol Elo 1575.1
• MMMU-Pro — Kimi K3 0.805 เทียบกับ GPT-6.1 Sol 0.860
• AutomationBench-AA, GDP.pdf, CritPt — K3 0.583, 0.22 และ 0.234; Sol 0.649, 0.310 และ 0.317

ผลลัพธ์ AA-LCR เป็นสิ่งที่ควรค่าแก่การจริงจัง เพราะมันเป็นตัวเลขเดียวที่ขัดกับเรื่องราวต้นทุนต่องาน และชี้ไปที่ภาระงานหนึ่งซึ่งคำตอบที่ดูเหมือนประหยัดนั้นผิดทั้งสองทาง หากทราฟฟิกของคุณเป็นอินพุตที่ยาวมาก คำตอบที่สร้างขึ้นแบบพอประมาณ และการนำคำนำหน้าที่เสถียรกลับมาใช้ซ้ำอย่างหนัก — รูปแบบที่ความเยิ่นเย้อไม่มีโอกาสกัดกิน — การผสมผสานของ K3 ที่มีคะแนนบริบทยาวระดับท็อป อินพุตภาพ และเช็กพอยต์ที่ดาวน์โหลดได้ เข้ากับคุณได้ดีกว่าของ Sol และตัวเลขต้นทุนต่องานสำหรับการรันดัชนีไม่ใช้กับคุณ นั่นคือเวอร์ชันที่ตรงไปตรงมาของ “น้ำหนักแบบเปิดนั้นคุ้มค่าที่จะจ่ายเพิ่ม” บางครั้งโมเดลเปิดก็เป็นเพียงโมเดลที่ดีกว่าสำหรับงานนั้น และในกรณีนี้มันเป็นเช่นนั้นในแกนหนึ่ง

ยังคุ้มค่าที่จะระบุว่าชัยชนะสองครั้งนั้นมีอะไรเหมือนกัน K3 เก่งในงานที่สามารถตอบได้ด้วยการอ่านหรือการให้เหตุผลยาว ๆ เพียงครั้งเดียว และอ่อนในงานที่ต้องลงมือทำเป็นขั้นย่อย ๆ หลายขั้นพร้อมทั้งตรวจสอบ ช่องว่าง 43 คะแนนใน Terminal-Bench และช่องว่าง 22 คะแนนด้านความรอบรู้ คือข้อค้นพบเดียวกันที่มองจากสองมุม: การลงมือทำงานแบบเอเจนต์อย่างต่อเนื่องไม่ใช่สิ่งที่เช็กพอยต์นี้ถูกปรับให้เหมาะที่สุด

การคำนวณ ซึ่งนั่นแหละคือสิ่งที่ตัดสินมันจริง ๆ

เรตการ์ดของ K3 เป็น 1.5 เท่าของ Sol ในทุกบรรทัด และต้นทุนที่วัดได้ต่องานอินเด็กซ์ที่เสร็จสมบูรณ์คือ 2.8 เท่า และความแตกต่างระหว่าง 1.5 กับ 2.8 นั้นอธิบายได้ทั้งหมดด้วยปริมาณโทเคน การวัดของบอร์ดเองคือ 160 ล้านโทเคนเอาต์พุตสำหรับ K3 เทียบกับ 67 ล้านสำหรับ Sol บนชุดการประเมินสิบรายการเดียวกัน K3 สร้างเอาต์พุตได้ 2.4 เท่าในราคา 1.5 เท่า และ 2.4 × 1.5 เท่ากับ 3.6 — ตัวเลข $2.00 เทียบกับ $0.72 ของบอร์ดดูเป็นมิตรกว่าอัตราส่วนแท้จริงเล็กน้อย เนื่องจากส่วนสนับสนุนจากอินพุตและแคชชดเชยให้เล็กน้อย แต่ทิศทางไม่เป็นที่โต้แย้ง

การตลาดของ Moonsh​oot เองสวนทางกับเรื่องนี้ในแบบที่ควรอ่านอย่างพินิจ บริษัทอ้างว่า K3 ปล่อยโทเค็นเอาต์พุตน้อยกว่ารุ่นก่อน และงานด้านสถาปัตยกรรม — กลไกแอตเทนชัน การออกแบบเรซิดวล — มุ่งเป้าไปที่ต้นทุนการถอดรหัสบริบทยาวโดยตรง ทั้งสองข้อนั้นอาจเป็นจริงได้ ในขณะที่โมเดลยังคงเยิ่นเย้อเป็นสองเท่าของค่ามัธยฐานของเบนช์มาร์กบนชุดทดสอบทั่วไป ข้ออ้างทั้งสองเป็นเรื่องเกี่ยวกับคนละสิ่ง: ประสิทธิภาพเมื่อเทียบกับ Kimi รุ่นก่อน และประสิทธิภาพเมื่อเทียบกับคู่แข่งในแวดวง มีเพียงข้อที่สองเท่านั้นที่คุณกำลังถูกคิดค่าบริการโดยอ้างอิงถึง และเป็นข้อที่คณะกรรมการอิสระวัด

การแคชช่วยบรรเทาเรื่องนี้ลง อัตราอินพุตแบบแคชของทั้งสองเป็นหนึ่งในสิบของอัตราอินพุตแบบไม่แคชของโมเดลนั้น — $0.30 สำหรับ K3, $0.10 สำหรับ Sol — ดังนั้นบรรทัดแคชจึงไม่ได้เปลี่ยนลำดับ แต่หมายความว่าภาระงานที่ส่งคำขอมากแต่ได้คำตอบน้อยจะลดช่องว่างลงเหลือประมาณอัตราส่วนในตารางราคาแทนที่จะเป็นอัตราส่วนของงานที่วัดได้ และข้อกำหนดเรื่องบริบทยาวของ Sol ก็ให้ผลตรงกันข้าม: เมื่อเกิน 272,000 โทเคนอินพุต มันจะคิดราคาคำขอทั้งหมดใหม่ที่ $4.00 และ $15.00 โดยแคชอยู่ที่ $0.20 ซึ่งเป็นช่วงเดียวที่ตารางราคาแบบคงที่ของ K3 ชนะแบบขาดลอย เรื่องนี้มีค่าที่ควรรู้ด้วยเหตุผลสองประการ เพราะมันยังเป็นช่วงที่คะแนนบริบทยาวของ K3 เป็นตัวเลขที่ดีที่สุดในการเปรียบเทียบนี้

open weights มีค่าจริง ๆ แค่ไหนกันในบริบทนี้

สามเรื่อง และเป็นเรื่องที่ควรแยกออกจากกัน เพราะ "open weights" มักถูกใช้เป็นข้อโต้แย้งเพียงข้อเดียว ทั้งที่จริงมันมีสามข้อ

ประการแรกคือคุณทำได้ หาก Moonsh​oot ถูกซื้อกิจการ เปลี่ยนสัญญาอนุญาตสำหรับเวอร์ชันในอนาคต เลิกสนับสนุน K3 หรือราคา API ของมัน เช็กพอยต์ที่คุณดาวน์โหลดไว้แล้วจะยังทำงานต่อไป นั่นไม่ใช่เรื่องสมมติสำหรับแล็บนี้: Moonsh​oot ระงับการสมัครสมาชิกใหม่ภายในเวลาประมาณ 48 ชั่วโมงของเหตุการณ์ก่อนหน้านั้น เพื่อรักษาคุณภาพบริการสำหรับลูกค้าที่จ่ายเงินอยู่เดิม ซึ่งเป็นการแสดงให้เห็นชัด ๆ ว่าการเข้าถึง API เป็นการตัดสินใจเชิงนโยบาย ไม่ใช่ทรัพย์สิน ไม่มีสิ่งใดในนี้ปรากฏอยู่ในตารางต้นทุนต่องาน และทั้งหมดนั้นเป็นเรื่องจริง

ประการที่สองคือคุณสามารถล็อกเวอร์ชันได้ รีวิชันแบบคงที่ที่ปรับจูนอย่างละเอียด ซึ่งรันอยู่ภายในขอบเขตที่คุณควบคุม เป็นสิ่งที่สามารถแสดงให้ผู้ตรวจสอบเห็นได้ และเป็นสิ่งที่ API ไม่สามารถมอบให้ได้ สำหรับทราฟฟิกที่อยู่ภายใต้การกำกับดูแล สิ่งนี้มีค่ามากกว่าตารางอัตราค่าบริการ

ข้อที่สาม — ข้อที่มักถูกสมมติกันโดยทั่วไป — คือมันจะถูกกว่า ซึ่งไม่จริง เช็กพอยต์นี้เป็นอาร์ติแฟกต์ FP8 ขนาด 2.8 ล้านล้านพารามิเตอร์ และคำแนะนำการดีพลอยที่เผยแพร่ก็ถูกวางกรอบไว้รอบการกำหนดค่าที่ใช้ตัวเร่งความเร็วหลายตัว มากกว่าจะเป็นโหนดเดียว ทีมที่ดำเนินการคลัสเตอร์ระดับนั้นอยู่แล้วมีทางเลือกจริง ณ จุดนี้ และการคำนวณก็เปลี่ยนไปโดยสิ้นเชิง เพราะต้นทุนส่วนเพิ่มของโทเคนหนึ่งตัวกลายเป็นค่าไฟฟ้า ทีมที่ไม่ได้ดำเนินการเช่นนั้นกำลังเปรียบเทียบค่าใช้จ่าย API กับรายจ่ายลงทุนเพื่อซื้อทรัพยากร และค่าใช้จ่าย API ชนะอย่างท่วมท้น สรุปอย่างตรงไปตรงมาคือ open weights ในที่นี้ให้ความสามารถในการจากไป ไม่ใช่ความสามารถในการรันอย่างประหยัด

ทั้งคู่อยู่บนปุ่มเดียว ซึ่งเป็นส่วนที่ทำให้การแลกเปลี่ยนนี้มีประโยชน์

Kimi K3 อยู่บน OrcaRouter ในราคาตามรายการของ Moonsh​oot เอง — $3.00 และ $15.00 ต่อล้านโทเคน พร้อมการอ่านแคชที่ $0.30 ไม่เปลี่ยนแปลงจากการ์ดราคาของผู้ให้บริการ — และ GPT-6.1 Sol มาลงบนเส้นทางของเราในราคาของ Open​AI ในวันเปิดตัว $2.00 และ $10.00 โดยอินพุตแคชอยู่ที่ $0.10 และขั้น 272,000 โทเคนส่งผ่านมาอย่างตรงตามที่ระบุไว้ทุกประการ ไม่มีการบวกเพิ่มกับทั้งสองรายการ แพลตฟอร์มส่งต่อราคาตามรายการของผู้ให้บริการแทนการบวกกำไร ดังนั้นการเปลี่ยนแปลงราคาของ Moonsh​oot และการเปลี่ยนแปลงราคาของ Open​AI ทั้งคู่จะปรากฏฝั่งเราในวันเดียวกับที่ปรากฏฝั่งผู้ขาย โดยไม่ต้องมีสัญญาที่สองหรือตัวแทนจำหน่ายคั่นกลาง

เหตุผลที่สำคัญสำหรับคู่นี้มากกว่าคู่อื่นๆ คือโมเดลทั้งสองอยู่ในโหมดความล้มเหลวที่แตกต่างกัน GPT-6.1 Sol คือโมเดลที่คุณรันสำหรับการดำเนินการระยะยาว ลูปเครื่องมือ และความน่าเชื่อถือด้านข้อเท็จจริง ส่วน Kimi K3 คือโมเดลที่คุณรันสำหรับอินพุตที่ยาวมาก ซึ่งคุณต้องการคะแนน long-context ที่ดีที่สุด และต้องการ checkpoint เป็นการป้องกันความเสี่ยงจากการตัดสินใจทางธุรกิจของคนอื่น นั่นไม่ใช่ทางเลือกที่แข่งขันกัน แต่เป็นสองเส้นทางบนทราฟฟิกเดียวกัน การถือทั้งสองไว้หลังเอนด์พอยต์เดียว โดยมีการ failover อัตโนมัติระหว่างกัน และมีกฎที่ย้ายงานอินพุตยาวไปที่ K3 และงาน execution ไปที่ Sol คือสิ่งที่เปลี่ยน "เรามี open-weight fallback" จากบรรทัดหนึ่งในเอกสารออกแบบ ให้กลายเป็นสิ่งที่ทำงานได้ตอนตีสามในการเรียกที่กำลังล้มเหลว

ที่ที่แต่ละรายการอยู่

• เอเจนต์เทอร์มินัล การเขียนโค้ดในระดับรีโป การทำงานแบบหลายขั้นตอน — GPT-6.1 Sol จากช่องว่าง 43 คะแนนบน Terminal-Bench 4.0 นี่ไม่ใกล้เคียงเลย
• คำตอบในจุดที่การให้ข้อมูลเท็จมีต้นทุนสูง — GPT-6.1 Sol ด้วยช่องว่าง 22 คะแนนบน AA-Omniscience
• อินพุตที่ยาวมากพร้อมคำตอบที่สร้างขึ้นสั้น ๆ — Kimi K3 คะแนนการให้เหตุผลบริบทยาวที่ดีที่สุดในการเปรียบเทียบนี้ รองรับอินพุตรูปภาพ และความเยิ่นเย้อที่ไม่เคยมีโอกาสได้แสดงออก
• การโฮสต์เองหรือสแต็กการอนุมานที่คุณต้องสามารถตรึงไว้ได้ — Kimi K3 และเฉพาะในกรณีที่คุณดำเนินการฮาร์ดแวร์นั้นอยู่แล้วเท่านั้น เช็คพอยต์คือสิ่งที่ส่งมอบ ส่วนเศรษฐศาสตร์ของการรันมันเป็นเรื่องแยกต่างหาก
• การป้องกันความเสี่ยงจากการที่ผู้ขายเปลี่ยนข้อกำหนด — Kimi K3 และนี่คือข้อโต้แย้งเดียวที่ GPT-6.1 Sol ไม่สามารถตอบได้ไม่ว่าจะราคาเท่าใด
• การเลือกโดยดูจากเรตการ์ด — ทั้ง K3 และ Sol ไม่ใช่ตัวเลือกที่ประหยัดในการเปรียบเทียบนี้ และไม่มีตัวใดเป็นตัวเลือกที่ประหยัดในตระกูล GPT-6 หากใบแจ้งหนี้เป็นข้อมูลที่ใช้ตัดสินใจ โมเดลที่คุณต้องการจะอยู่ถัดลงไปในรายการราคา ไม่ใช่ในตารางเปรียบเทียบนี้