GPT-6.1 Sol vs MiniMax M3: เรทราคาที่ถูกกว่ากลับแพ้บนบิลจริง

MiniMax M3เรียกเก็บเพียงเศษเสี้ยวของสิ่งที่GPT-6.1 Solเรียกเก็บ — 0.30 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้าน เทียบกับ 2.00 ดอลลาร์, 1.20 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้าน เทียบกับ 10.00 ดอลลาร์ — และเมื่อวัดด้วยมิเตอร์ที่ใช้งานจริง มันถูกกว่า: 0.508 ดอลลาร์ต่องาน เทียบกับ 0.724 ดอลลาร์ ในการประเมิน v4.3.2 ของ Artificial Analysis นั่นคือชัยชนะที่แท้จริง และยังเป็นข้อโต้แย้งทั้งหมดด้วย เพราะการวัดเดียวกันที่ทำให้ M3 ได้บิลที่ต่ำกว่ากลับทำให้ GPT-6.1 Sol มีคะแนนดัชนีนำอยู่ 22.6 จุด และชุดแบบทดสอบมาตรฐานที่วัดว่าโมเดลสามารถทำงานแบบเอเจนต์ให้เสร็จสิ้นได้หรือไม่ แทนที่จะเพียงอธิบายมัน กลับเปลี่ยนช่องว่างให้กลายเป็นกำแพง ผู้ขายวางจำหน่าย GPT-6.1 Sol เมื่อวันที่ 29 กันยายน 2026 บริษัทเปิดตัว M3 โมเดลน้ำหนักเปิดพารามิเตอร์ 428 พันล้าน เมื่อวันที่ 31 พฤษภาคม 2026

ทั้งคู่พร้อมใช้งานจริง ทั้งคู่มีราคาแล้ว และทั้งคู่ห่างเพียงการเรียก API เพียงครั้งเดียว สิ่งที่ตามมาคือการคำนวณที่ใช้ตัดสินเลือกระหว่างสองตัวนี้ และสองจุดที่การคำนวณไม่ได้บอกเรื่องราวทั้งหมด

แต่ละโมเดลจริงๆ แล้วคืออะไร

GPT-6.1 เป็นโมเดลเรือธงรุ่นปัจจุบันของ OpenAI สำหรับการให้เหตุผลและวิศวกรรมซอฟต์แวร์ — เป็นโมเดลแบบปิด เปิดตัวเพียงหนึ่งสัปดาห์หลังจาก GPT-6 Sol ที่มันมาแทนที่ และจำหน่ายในราคาเดียวกันที่ $2.00 / $10.00 ตามราคาที่ประกาศของรุ่นก่อนหน้า โดยมีอัตราค่าอินพุตแคชที่ $0.10 ซึ่งเป็นครึ่งหนึ่งของสิ่งที่ GPT-6 Sol เรียกเก็บสำหรับแคช และเป็นโมเดลที่ OpenAI ชี้ไปเมื่อพูดถึง AI แบบเอเจนต์มากกว่าการแชท

MiniMax M3 เป็นโมเดลแบบ mixture-of-experts ที่มีพารามิเตอร์ทั้งหมด 4.28 แสนล้านตัว และมีพารามิเตอร์ที่ใช้งานจริง 2.3 หมื่นล้านตัวต่อโทเคน เผยแพร่ภายใต้ MiniMax Community License — เป็นการเปิดเผยน้ำหนักแบบเปิด (open-weights) พร้อมสัญญาอนุญาตแบบกำหนดเองที่เน้นการไม่ใช้เชิงพาณิชย์ ไม่ใช่สัญญาอนุญาตที่ได้รับการรับรองจาก OSI ให้บริการโดยผู้ให้บริการ inference หลากหลายราย: Artificial Analysis บันทึกว่ามีโฮสต์ 15 รายสำหรับ M3 เทียบกับ 8 รายสำหรับ GPT-6.1 Sol ความกว้างขวางนี้คือข้อได้เปรียบในทางปฏิบัติของน้ำหนักแบบเปิด และยังเป็นเหตุผลที่การแข่งขันด้านราคาบน M3 เร็วกว่าโมเดลแบบปิด

ตารางอัตราค่าโดยสาร และมิเตอร์ที่ลบล้างมัน

ลองจับตารางอัตราค่าโดยสารที่ประกาศไว้ทั้งสองฉบับมาเทียบกันดูสิ แล้วจะรู้ว่ามันไม่ใกล้เคียงกันเลย

• อินพุต — GPT-6.1 Sol $2.00 ต่อ 1M เทียบกับ MiniMax M3 $0.30 ต่อ 1M; M3 ถูกกว่า 85%
• เอาต์พุต — $10.00 ต่อ 1M เทียบกับ $1.20 ต่อ 1M; M3 ถูกกว่า 88%
• อินพุตที่แคชไว้ — $0.10 ต่อ 1M เทียบกับ $0.06 ต่อ 1M
• ต้นทุนต่องาน AA — $0.724 เทียบกับ $0.508; M3 ถูกกว่า 30% ไม่ใช่ 85%
• โทเคนเอาต์พุตต่องาน — 38,128 เทียบกับ 48,192; M3 เขียนมากกว่า 26%
• เวลาต่องาน — 640 วินาที เทียบกับ 486 วินาที
• หน้าต่างบริบท — 1,050,000 เทียบกับ 1,048,576 โทเคน; โดยแทบจะเท่ากัน
• เอาต์พุตสูงสุด — 128,000 โทเคน เทียบกับ 512,000; M3 จะเขียนคำตอบยาวมากหนึ่งคำตอบ
• อินพุตที่รองรับ — ข้อความ, รูปภาพ และไฟล์ เทียบกับ ข้อความ, รูปภาพ และวิดีโอ
• อันดับในดัชนี — GPT-6.1 Sol อันดับ 10 จาก 147 โมเดล เทียบกับ MiniMax M3 อันดับ 62

สองบรรทัดราคาถูกที่อยู่ด้านบนคือสิ่งที่เอกสารจัดซื้อเห็น บรรทัดที่สามคือบรรทัดที่จ่ายบิลจริง และมันบอกว่าความได้เปรียบจากเรตการ์ด 85–88% กลายเป็นความได้เปรียบในโลกจริงเพียง 30% เพราะ M3 ปล่อยโทเค็นต่องานมากกว่า และเพราะงานหนึ่งงานไม่ใช่ปริมาณงานที่คงที่ เรตการ์ดคิดราคาเป็นโทเค็น แต่งานคิดราคาเป็นจำนวนงาน การเปรียบเทียบใดที่หยุดอยู่แค่สองบรรทัดแรกกำลังเปรียบเทียบตัวเลขผิด ในหน่วยที่ผิด

จุดที่สามสิบเปอร์เซ็นต์ไม่สำคัญอีกต่อไป

ต้นทุนงานใกล้เคียงกันมากพอที่ช่องว่างของดัชนีจะเป็นตัวตัดสินสำหรับงานใด ๆ ที่เกินกว่าข้อความจำนวนมาก Artificial Analysis จัดให้ GPT-6.1 Sol อยู่ที่ 51.83 และ MiniMax M3 อยู่ที่ 29.22 — ส่วนต่าง 22.6 จุด และเป็นส่วนต่างที่ไม่ได้กระจายอย่างสม่ำเสมอทั่วทั้งชุดการทดสอบ ในการประเมินที่กำหนดให้โมเดลต้องใช้งานเทอร์มินัล แก้ไขที่เก็บโค้ด และตรวจสอบงานของตนเอง สองโมเดลนี้ไม่ได้อยู่ในหมวดหมู่เดียวกัน:

• Terminal-Bench 4.0 — GPT-6.1 Sol 0.5606 เทียบกับ MiniMax M3 0.0202
• Terminal-Bench Science — 0.5810 เทียบกับ 0.0048
• AA-Omniscience — 41.53 เทียบกับ 1.35
• MMLU-Pro — 0.8595 เทียบกับ 0.7856
• AutomationBench — 0.6487 เทียบกับ 0.2125
• τ²-bench — ไม่ได้เผยแพร่สำหรับ GPT-6.1 Sol ในการรันนี้ เทียบกับ 0.8889 สำหรับ M3
• GPQA Diamond — ไม่ได้เผยแพร่สำหรับ GPT-6.1 Sol ในการรันนี้ เทียบกับ 0.9293 สำหรับ M3
• CritPT — 0.3171 เทียบกับ 0.0371

อ่านให้ดี เพราะนี่ไม่ใช่การกวาดชัยชนะแบบเรียบร้อย และส่วนที่น่าสนใจคือข้อยกเว้นต่าง ๆ MiniMax M3 ทำคะแนน 0.8889 บน τ²-bench ซึ่งเป็นการประเมินด้านการใช้เครื่องมือและบทสนทนาบริการลูกค้า และ 0.9293 บน GPQA Diamond — คะแนนวิทยาศาสตร์ระดับบัณฑิตศึกษาที่เอาชนะตัวเลขของ OpenAI ทุกตัวที่เผยแพร่ในการรันครั้งนี้ M3 เป็นตัวให้เหตุผลที่ใช้ได้และเป็นผู้ใช้เครื่องมือในบทสนทนาที่ดี บน Terminal-Bench 4.0 มันได้คะแนน 0.0202 นั่นไม่ใช่ "แย่กว่า" แต่เป็นโมเดลที่ไม่สามารถประคองงานใน repository แบบหลายขั้นตอนให้เป็นชิ้นเป็นอันได้เลย และส่วนลดค่าโทเคนก็ไม่ได้ทำให้งานที่โมเดลทำไม่สำเร็จมีต้นทุนถูกไปกว่างานที่โมเดลทำสำเร็จ

มีต้นทุนอันดับสองที่ตัวเลขต่อ task ปิดบังไว้ M3 บันทึก output tokens ที่ 48,192 ต่อ task และเวลาในการได้คำตอบแรก (time-to-first-answer) ที่ 23.0 วินาที เทียบกับ GPT-6.1 Sol ที่ 332.0 วินาที — โมเดลเล็กเริ่มตอบเกือบทันทีแล้วจึงใช้เหตุผลยาว もしงานของคุณไวต่อ latency แต่ตื้น การที่ M3 ตอบเร็วก็เป็นข้อได้เปรียบ ถ้างานเป็นแบบ agentic จำนวน token คือสิ่งที่คุณต้องจ่าย และคะแนนปลายทางคือสิ่งที่คุณได้

การ์ดโมเดลของเราเองสำหรับ GPT-6.1 Sol มีตัวเลขชุดเดียวกันในรูปแบบที่คุณจะใช้กำหนดเส้นทางจริง: อัตรา $2.00 / $10.00, หน้าต่างบริบท 1,050,000 โทเคน, เวลา p50 ถึงโทเคนแรกที่ 4.54 วินาที และดัชนีกับบล็อกเบนช์มาร์กของ Artificial Analysis ที่อยู่ในหน้าเดียวกัน

โอเพนเวตส์มีค่าแค่ไหนในที่นี้

การที่ M3 สามารถดาวน์โหลดได้ถือเป็นข้อโต้แย้งที่แข็งแกร่งที่สุดสำหรับมัน และคุ้มค่าที่จะพูดให้ชัดเจนว่าสิ่งนั้นให้อะไรบ้าง มันให้เงื่อนไขสัญญาอนุญาตที่อนุญาตให้คุณรันโมเดลภายในขอบเขตของคุณเอง — มีประโยชน์หากข้อมูลไม่สามารถออกนอกขอบเขตได้ — และมันให้การแข่งขันด้านราคาที่มาจากผู้ให้บริการอิสระ 15 ราย มันไม่ได้ให้การปรับใช้ที่ถูกต้นทุนแก่คุณ: 428 พันล้านพารามิเตอร์โดยมี 23 พันล้านพารามิเตอร์ที่ทำงานอยู่ ยังคงต้องใช้อุปกรณ์ฮาร์ดแวร์อินเฟอเรนซ์ที่จริงจัง และ MiniMax Community License เป็นสัญญาอนุญาตแบบกำหนดเองที่มีเงื่อนไขผูกมาด้วย ไม่ใช่แบบไม่มีข้อจำกัด สำหรับทีมส่วนใหญ่ "open weights" หมายถึงราคาที่ดีขึ้นสำหรับการอินเฟอเรนซ์แบบโฮสต์ ไม่ใช่เครื่องในตู้แร็ก

การ์ด OrcaRouter สำหรับ MiniMax M3 คือจุดที่ตัวเลขที่ให้บริการปรากฏอยู่ ทั้งอัตรา $0.30 / $1.20 หน้าต่างบริบท 1,048,576 โทเคน เอาต์พุตสูงสุด 512,000 โทเคน อินพุตข้อความ/รูปภาพ/วิดีโอ และปริมาณ 56.4 ล้านโทเคนในเจ็ดวันจากผู้ให้บริการที่จัดเส้นทางให้

ทั้งคู่อยู่หลังคีย์เดียว

เหตุผลในทางปฏิบัติที่การเปรียบเทียบนี้เป็นการเปลี่ยนการตั้งค่า (config) มากกว่าการโยกย้ายระบบ (migration) ก็คือ ทั้งสองโมเดลเข้าถึงได้จาก endpoint เดียวของ OrcaRouter — API เดียวสำหรับโมเดลกว่า 200 รายการ โดยส่งผ่านราคาตามที่ผู้ให้บริการระบุไว้ที่มาร์กอัป 0% ซึ่งหมายความว่าการเปลี่ยนแปลงอัตราค่าบริการของ MiniMax จะไปปรากฏอยู่ในบิลของคุณในวันเดียวกับที่ผู้ขายประกาศออกมา แทนที่จะต้องรอให้ตัวแทนจำหน่ายเจรจาใหม่ เรื่องนี้สำคัญกับ M3 มากกว่าคู่แข่งของมัน เพราะเหตุผลทั้งหมดในการเลือกใช้โมเดลโอเพนเวตก็คือราคาและรายชื่อโฮสต์ของมันเปลี่ยนแปลงอยู่ตลอด และมิเตอร์แบบส่งผ่านตรงเท่านั้นที่เป็นประเภทเดียวที่ตามเป้าหมายที่เคลื่อนที่ได้ทัน

การสลับไปยังระบบสำรองอัตโนมัติคืออีกครึ่งหนึ่งที่เหลือ M3 ให้บริการโดยผู้ให้บริการหลายรายที่มีความน่าเชื่อถือแตกต่างกัน และชั้นการกำหนดเส้นทางสามารถย้ายคำขอไปยังโฮสต์อื่นได้เมื่อโฮสต์หนึ่งเริ่มมีประสิทธิภาพลดลง โดยที่ผู้เรียกไม่รู้ว่าคำขอไปลงเอยที่โฮสต์ใด นั่นคือวิธีที่ตรงไปตรงมาในการนำโมเดลที่คะแนน Terminal-Bench บอกว่า “ไม่เหมาะกับเส้นทางวิกฤต” มาใช้ — วางมันไว้ในจุดที่การลองใหม่มีต้นทุนต่ำ

อันไหน ถ้าคุณต้องเลือกวันนี้

ถ้างานเป็นข้อความจำนวนมาก — การสกัดข้อมูล การสรุปความ การจำแนกประเภท บทสนทนา อะไรก็ตามที่ผลลัพธ์เป็นร้อยเรียง และโหมดความล้มเหลวคือประโยคที่ผิดมากกว่าบิลด์ที่พัง — MiniMax M3 คือค่าเริ่มต้นที่ถูกต้อง และสามสิบเปอร์เซ็นต์นั้นคือเงินจริง ๆ ใช้ตัวเลข GPQA และ τ²-bench เป็นหลักฐานของคุณ: นี่คือโมเดลที่มีความสามารถซึ่งบังเอิญมีราคาถูก

หากงานเป็นแบบ agentic — repositories, terminals, tool chains หรืออะไรก็ตามที่มีขั้นตอนการตรวจสอบ — คะแนน 0.0202 บน Terminal-Bench 4.0 ถือว่าตกรอบ และ GPT-6.1 Sol ที่ 0.5606 ในราคา $0.724 ต่องาน ถือเป็นข้อเสนอที่ดีกว่า แม้จะแพงกว่าถึง 85% ต่อโทเคนก็ตาม สิ่งที่คุณซื้อไม่เคยใช่เรตการ์ดตั้งแต่แรก

คำตอบที่เป็นประโยชน์คือคุณไม่จำเป็นต้องเลือกเพียงครั้งเดียว กำหนดเส้นทางระดับตื้นไปยัง M3 กำหนดเส้นทางระดับเอเจนต์ไปยัง GPT-6.1 Sol และให้ทั้งสองอยู่ภายใต้ข้อมูลรับรองเดียว — DSL สำหรับกำหนดเส้นทางจะรวมทั้งสองเข้าเป็นการเรียกครั้งเดียว เมื่องานเริ่มต้นด้วยการสกัดข้อมูลแล้วกลายเป็นงานซ่อมแซม