การ์ดฮีโร่ที่สร้างขึ้นชื่อ 'GPT-6.1 Terra vs GLM-5.5' พร้อมคำบรรยายใต้ชื่อ 'โมเดลที่หายไปและโมเดลที่คุณดาวน์โหลดได้' แสดงการ์ด Terra แบบทึบที่ติดป้ายว่า 'น้ำหนักแบบปิด' พร้อมไอคอนคลาวด์ API และการ์ด GLM-5.5 แบบเส้นขอบประที่ติดป้ายว่า 'ยังไม่เปิดตัว' พร้อมไอคอนกล่องเปล่า คั่นด้วยเส้นแบ่งรูปนาฬิกา
Guides & Insights

GPT-6.1 Terra vs GLM-5.5: โมเดลที่หายไปและโมเดลที่คุณดาวน์โหลดได้

ผู้เขียน

Alistair Wren

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

การค้นหา GPT-6.1 Terraเทียบกับ GLM-5.5ให้ผลลัพธ์เป็นตารางที่ดูมั่นใจจำนวนมากสำหรับโมเดลที่ไม่มีอยู่จริง Z.ai ไม่ได้เผยแพร่การ์ดโมเดล ตัวระบุ API ราคา หรือน้ำหนักโมเดลใด ๆ ภายใต้ชื่อ GLM-5.5 แคตตาล็อกของบริษัทยังสูงสุดที่ GLM-5.3 ซึ่งเปิดตัวเมื่อกลางเดือนสิงหาคม 2026 โดยมีน้ำหนักแบบเปิดเผยตามมาในช่วงท้ายเดือน ในทางกลับกัน Terra เปิดตัวเมื่อวันที่ 26 ตุลาคม และเรียกใช้งานได้ในปัจจุบัน ดังนั้นการเปรียบเทียบที่แท้จริงคือ Terra กับ GLM-5.3 — และในการเปรียบเทียบนั้น ทั้งสองโมเดลมีค่าใช้จ่ายต่อโทเค็นเกือบเท่ากันเป๊ะ ขณะที่ Terra มีค่าใช้จ่ายต่องานที่ทำเสร็จประมาณหนึ่งในห้าของอีกโมเดล เหตุผลไม่ใช่กลเม็ดด้านราคา แต่เป็นความเยิ่นเย้อ

สถานะของ GLM-5.5 เป็นสิ่งที่ควรกล่าวให้ชัดเจน เพราะกระแสข่าวลือนั้นแพร่หลายและให้ผลผลิตออกมามาก รายงานในช่วงปลายเดือนตุลาคมชี้ไปที่หน้าต่างการเปิดตัวในช่วงปลายเดือนตุลาคมถึงต้นเดือนพฤศจิกายน 2026 บันทึกที่รั่วไหลออกมาบ่งชี้ว่ามีพารามิเตอร์รวม 2.5 ถึง 3.5 ล้านล้านตัว เพิ่มขึ้นจากข้ออ้างก่อนหน้านี้ที่ 1T และ 1.6T และมีเป้าหมายด้านประสิทธิภาพระดับ "Fable-class" ตัว Z.ai เองระบุเพียงว่า GLM-5.4 และ GLM-5.5 จะอยู่ในระดับพารามิเตอร์ล้านล้านตัว และกล่าวถึง GLM-6.0 ในการประชุมผลประกอบการเมื่อวันที่ 31 สิงหาคม โดยไม่มีวันที่กำหนด ทั้งหมดนั้นยังไม่ใช่ผลิตภัณฑ์ การทดสอบสี่ส่วน ได้แก่ API ID ที่เรียกใช้งานได้ ราคาที่เผยแพร่พร้อมอัตราแคช รายการบนกระดานผู้นำที่เป็นอิสระ และน้ำหนักโมเดลที่ดาวน์โหลดได้ ปัจจุบันล้มเหลวทั้งสี่ข้อ

โมเดลที่อยู่ฝั่งตรงข้ามของการเปรียบเทียบนี้จริง ๆ

• GLM-5.3 — เปิดตัวในช่วงกลางเดือนสิงหาคม 2026; น้ำหนักโมเดลแบบเปิดภายใต้สัญญาอนุญาต GLM-5.3; พารามิเตอร์รวมประมาณ 750B โดยมีประมาณ 40B ที่ใช้งานต่อโทเค็น; บริบท 1M โทเค็น; เอาต์พุต 128K; รองรับเฉพาะข้อความ; เปิดโหมดคิดเป็นค่าเริ่มต้น; ราคาตามรายการ $1.40/$4.40 ต่อ 1M อินพุต/เอาต์พุต หรือ $1.26/$3.96 ผ่าน OrcaRouter

• GPT-6.1 Terra — เปิดตัวเมื่อวันที่ 26 ตุลาคม 2026; น้ำหนักแบบปิด; คอนเท็กซ์ 1.05M โทเคน; เอาต์พุต 128K; อินพุตข้อความและรูปภาพ; ระดับการให้เหตุผล 6 ระดับ; $1.00/$5.00 ต่ออินพุต/เอาต์พุต 1M โทเคน โดยเพิ่มเป็น $2.00/$7.50 เมื่ออินพุตเกิน 272K โทเคน; อินพุตแคช $0.05

• ดัชนีวัดความสามารถอิสระ (Independent Intelligence Index) — Terra 48, GLM-5.3 45 ตามเกณฑ์มาตราวัดปัจจุบันของ Artificial Analysis

ในตารางราคา ทั้งสองรุ่นแทบจะเป็นแฝดกัน ที่ราคา pass-through ของ OrcaRouter GLM-5.3 มีค่าใช้จ่าย $1.26/$3.96 เทียบกับ Terra ที่ $1.00/$5.00 GLM ถูกกว่า 26% ในด้านอินพุต และถูกกว่า 21% ในด้านเอาต์พุต ทีมที่เลือกจากตัวเลขสองตัวนั้นจะเลือก GLM-5.3 แล้วผ่านไปเลย

ต่อโทเค็นมีต้นทุนเท่ากัน แต่ต่อภารกิจกลับไม่เท่ากัน

Artificial Analysis วัดต้นทุนต่อหนึ่งงานใน Intelligence Index ซึ่งรวมถึงจำนวนโทเค็นที่โมเดลใช้จริงเพื่อไปให้ถึงคำตอบด้วย Terra อยู่ที่ประมาณ $0.40 ขณะที่ GLM-5.3 อยู่ที่ประมาณ $2.01 — มากกว่าห้าเท่า แม้อัตราต่อโทเค็นจะถูกกว่า สาเหตุเห็นได้จากการประเมินเอง: Terra ใช้โทเค็นเอาต์พุตราว 130M ตลอดชุดการทดสอบ ส่วน GLM-5.3 ใช้ราว 210M GLM-5.3 คิดนานกว่า กล่าวซ้ำมากกว่า และต้องจ่ายตามมิเตอร์ที่ใช้จริง

A generated scoreboard titled 'GPT-6.1 Terra vs GLM-5.3 — the scoreboard'. Left column Terra: AA Index 48, price $1 / $5, cost per task $0.40, context 1.05M, inputs text + image, weights closed. Right column GLM-5.3: AA Index 45, price $1.26 / $3.96, cost per task $2.01, context 1M, inputs text only, weights open. Footer reads 'Terra per OpenAI and Artificial Analysis; GLM-5.3 per Z.ai and Artificial Analysis. GLM-5.5 is unreleased.'

นี่คือสิ่งที่มีประโยชน์ที่สุดเพียงหนึ่งเดียวที่ควรเข้าใจเกี่ยวกับการเปรียบเทียบกันครั้งนี้ และเป็นสิ่งที่การรายงานข่าวตอนเปิดตัวของทั้งสองโมเดลมักข้ามไป ราคาต่อโทเคนเป็นปัจจัยนำเข้าของต้นทุน ไม่ใช่ตัววัดต้นทุน โมเดลที่ถูกกว่าต่อโทเคน 20% แต่ใช้คำมากกว่า 60% จะแพงกว่าต่อคำตอบ 33% สำหรับการสกัดข้อมูล การจำแนกประเภท หรือการสร้างคำตอบสั้นในปริมาณมาก การกลับทิศนี้เป็นตัวตัดสินค่าใช้จ่าย

นอกจากนี้ยังหมายความว่าการเปรียบเทียบจะพลิกไปตามรูปแบบของปริมาณงาน ความเยิ่นเย้อของ GLM-5.3 สร้างผลเสียมากที่สุดกับเอาต์พุตสั้น ซึ่งโอเวอร์เฮดจากการให้เหตุผลครอบงำอยู่ ในการสร้างเนื้อหายาว ซึ่งทั้งสองโมเดลต่างสร้างโทเค็นหลายพันโทเค็นอยู่แล้ว ความแตกต่างของราคาต่อโทเค็นก็กลับมาแสดงนัยสำคัญอีกครั้ง และส่วนลดเอาต์พุต 21% ของ GLM ก็กลายเป็นเงินจริง

ในกรณีที่ GLM-5.3 เป็นตัวเลือกที่น่าซื้อกว่าอยู่แล้ว

น้ำหนักแบบเปิดคือคำตอบที่ชัดเจน และมันไม่ใช่เรื่องเล็กเลย GLM-5.3 สามารถดาวน์โหลด โฮสต์เอง ไฟน์จูน และเก็บไว้ภายในขอบเขตด้านคอมพลายแอนซ์ได้ ส่วน Terra ทำแบบนั้นไม่ได้ สำหรับอุตสาหกรรมที่มีการกำกับดูแล การติดตั้งแบบแอร์แก็ป หรือทีมที่ต้องการให้โมเดลหยุดเปลี่ยนแปลงตลอดเวลาที่ใช้งานอยู่ เรื่องนี้ก็ตอบคำถามนั้นได้ทันทีก่อนที่ใครจะไปดูผลเบนช์มาร์กด้วยซ้ำ

GLM-5.3 ยังมีสเปกทางเทคนิคที่แข็งแกร่งและคุ้มค่าเงินอีกด้วย โดยครองตำแหน่งผู้นำในกลุ่มโมเดลแบบเปิดบนดัชนีของ Artificial Analysis ใกล้เคียงกับ Kimi K3 และมีความแข็งแกร่งเป็นพิเศษด้านความมั่นคงปลอดภัยไซเบอร์และการวิจัยช่องโหว่ ทั้งการประเมินด้านไซเบอร์ของ Zhipu เองและการทดสอบเรดทีมของ Anthropic ต่างจัดให้โมเดลนี้อยู่ใกล้ระดับโมเดลแนวหน้าในด้านการค้นพบช่องโหว่ที่ใช้โจมตี บน SciCode ทำได้ 59.0 ซึ่งเหนือกว่า 54.2 ของ GPT-6.1 Sol แม้ว่า Terra จะไม่ได้ถูกระบุไว้ในการทดสอบครั้งนั้นก็ตาม รองรับคอนเท็กซ์ 1M โทเคนและส่วนลดแคชราว 81% ซึ่งทำให้พรอมป์ยาวที่ใช้ซ้ำมีต้นทุนถูกกว่าที่ราคาที่ประกาศไว้บ่งชี้

ข้อจำกัดของมันก็ชัดเจนพอ ๆ กัน มันรองรับเฉพาะข้อความเท่านั้น: ไม่มีรูปภาพ ไม่มีเสียง ไม่มี PDF การคิดทำงานอยู่ตลอดเวลา มีหลายระดับความพยายาม แต่ไม่มีสวิตช์ปิดจริง ๆ และความเยิ่นเย้อนั้นเป็นต้นทุนการดำเนินงานจริง ไม่ใช่แค่ผลพลอยได้จากการทดสอบ benchmark — มันปรากฏออกมาเป็นเวลาแฝงที่ยาวนานขึ้น ค่าใช้จ่ายที่สูงขึ้น และโทเค็นที่ต้องกรองมากขึ้นในไปป์ไลน์ปลายน้ำ

จุดที่ Terra ชนะ

การนำอยู่สามคะแนนในดัชนีของ Terra ถือว่าไม่มากนัก และชุดการทดสอบอิสระยิ่งทำให้ดูเล็กลงไปอีก บน Vals Index Terra ได้ 60.17% เทียบกับ 59.73% ของ GLM-5.3 — ช่องว่าง 0.44 คะแนนซึ่งอยู่ในระดับความคลาดเคลื่อน โดยมีต้นทุนต่อการทดสอบที่สูงกว่าคือ $2.92 บน benchmark ด้านบัญชีของ DualEntry GLM-5.3 ทำคะแนนได้สูงกว่าและมีต้นทุนถูกกว่าเมื่อเทียบกับ 78.2% ของ Terra หากคำถามคือ “โมเดลไหนฉลาดกว่า” คำตอบที่ตรงไปตรงมาคือทั้งสองใกล้กันมากพอที่ benchmark ที่คุณเลือกจะเป็นตัวกำหนดผู้ชนะ

ข้อได้เปรียบของ Terra อยู่ที่อื่น โดยรองรับรูปภาพ whereas GLM-5.3 ไม่รองรับ มีระดับการให้เหตุผลถึงหกระดับ จึงสามารถผลักภาระงานที่ง่ายไปสู่ความพยายามต่ำได้ ซึ่งต่างจาก GLM ที่คิดตลอดเวลาและไม่อนุญาตให้ทำเช่นนั้น จุดตัดความรู้ของ Terra คือเดือนมิถุนายน 2026 เทียบกับช่วงการฝึกก่อนหน้าของ GLM-5.3 และมันรวดเร็ว: 90.9 โทเคนเอาต์พุตต่อวินาทีบน Artificial Analysis อยู่ในช่วงเดียวกับ GLM-5.3 ซึ่งอัตราการประมวลผลที่วัดได้มีตั้งแต่ปลาย 60 ถึงกลาง 90 ขึ้นอยู่กับผู้ให้บริการและสแนปช็อต ความเร็วบวกกับต้นทุนต่องานที่ต่ำกว่าถือเป็นส่วนผสมที่แข็งแกร่งอย่างแท้จริงสำหรับผลิตภัณฑ์เชิงโต้ตอบ

A screenshot of the Artificial Analysis page for GPT-6.1 Terra (Max), captured October 27, 2026, showing an Intelligence Index of 48 ranking #25 of 221, 90.9 output tokens per second, $1.00 input and $5.00 output per 1M tokens, $0.40 cost per Intelligence Index task, 130M output tokens, reasoning enabled and a 1M-token context window.

ค่าธรรมเนียมเพิ่มเติมสำหรับ 272K เป็นปัจจัยลบต่อมัน เมื่อเกินเกณฑ์อินพุตดังกล่าว ราคาของ Terra จะพุ่งขึ้นเป็น $2.00/$7.50 ซึ่งลบล้างข้อได้เปรียบด้านอินพุตเหนือ GLM-5.3 ไปโดยสิ้นเชิง และทำให้เอาต์พุตมีราคาแพงขึ้น 89% เวิร์กโฟลว์เอกสารยาวควรคำนวณราคาตามอัตราที่รวมค่าธรรมเนียมเพิ่มเติม ไม่ใช่อัตราที่โฆษณาไว้

ถ้า GLM-5.5 ออกมาจริง

วิธีคิดที่มีประโยชน์เกี่ยวกับโมเดลที่หายไปไม่ใช่ "มันจะได้คะแนนเท่าไร" แต่เป็น "อะไรจะต้องเป็นจริงเพื่อให้มันเปลี่ยนการตัดสินใจนี้" สามสิ่ง:

• มันจะต้องกระชับขึ้นอย่างมาก โมเดลขนาด 2.5T พารามิเตอร์ที่คิดยาวนานยิ่งกว่า GLM-5.3 จะแพ้เรื่องต้นทุนต่องาน ไม่ว่าราคาต่อโทเคนจะดูดีแค่ไหนก็ตาม ข่าวลือเรื่องพารามิเตอร์ชี้ไปในทางที่ผิดในประเด็นนี้

• จำเป็นต้องมีเวตแบบเปิดตอนเปิดตัว ไม่ใช่หลายสัปดาห์ให้หลัง เวตของ GLM-5.3 มาถึงประมาณสิบวันหลังจาก API; ความล่าช้านั้นเพียงพอที่จะทำให้รอบการจัดซื้อจัดจ้างแตกได้

• มันจะต้องมีราคาต่ำกว่าของ GLM-5.3 หรือมีความก้าวกระโดดด้านความสามารถมากพอที่จะชดเชยราคาพรีเมียมได้ โมเดลขนาดหนึ่งล้านล้านพารามิเตอร์ที่ให้บริการในอัตราระดับแนวหน้าก็ไม่สามารถตัดราคา Terra ที่ $0.40 ต่องานได้

ทั้งหมดนั้นไม่ใช่การพยากรณ์ แต่เป็นเช็กลิสต์ที่ต้องรันในวันที่การ์ดปรากฏขึ้น จนถึงตอนนั้น GLM-5.5 จึงเป็นเหตุผลให้จับตาบันทึกการอัปเดตของ Z.ai ไม่ใช่เหตุผลให้เลื่อนการตัดสินใจออกไป

วันนี้รันทั้งคู่

GLM-5.3 อยู่ในแคตตาล็อกของ OrcaRouter ในราคา $1.26/$3.96 ต่อล้านโทเค็น ซึ่งเป็นราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกกำไรใด ๆ (มาร์กอัป 0%) พร้อมกับโมเดลอื่นอีกกว่า 200 รายการ ภายใต้คีย์เดียวพร้อมระบบสลับอัตโนมัติเมื่อเกิดข้อขัดข้อง ณ เวลาที่เผยแพร่ Terra ยังไม่อยู่ในแคตตาล็อก — สามารถเข้าถึงได้ผ่าน API ของ OpenAI และแพลตฟอร์มของบุคคลที่สามอีกหลายแห่ง — ดังนั้นการทดลองที่ใช้ได้จริงคือการเรียกใช้ GLM-5.3 ผ่าน OrcaRouter และเรียก Terra ผ่าน OpenAI แล้วเปรียบเทียบทั้งสองบนทราฟฟิกของคุณเองแทนการดูจากลีดเดอร์บอร์ด

A screenshot of the OrcaRouter model page for GLM-5.3 (z-ai/glm-5.3), captured October 27, 2026, showing the model name, 1M-token context, 128K maximum output, text-only input and output, $1.26 input and $3.96 output per 1M tokens, a 3.82-second p50 time to first token and a 'FEATURED' badge dated 2026-08-18.

เมื่อทำแล้ว ให้วัดจำนวนโทเคนต่อหนึ่งงานที่ทำเสร็จ ไม่ใช่วัดราคาต่อโทเคน นั่นคือตัวเลขที่แยกสองโมเดลนี้ออกจากกัน และเป็นตัวเลขที่ไม่มีโพสต์เปิดตัวไหนหยิบมาใส่พาดหัวเลย หาก Terra ทำงานของคุณเสร็จด้วยโทเคนเอาต์พุตน้อยลงหนึ่งในสาม ข้อเสียด้านราคาเอาต์พุต 21% ก็หายไป และราคาอินพุตที่ถูกกว่าก็เริ่มสะสมทบ หากการใช้เหตุผลของ GLM-5.3 คุ้มทุนด้วยการลองใหม่ที่น้อยลงและการตรวจโดยคนที่น้อยลง ค่าใช้จ่ายต่องานก็จะกลับทิศ ค่าเฉลี่ยเบนช์มาร์กบอกว่าโมเดลทั้งสองห่างกันไม่กี่คะแนน แต่จำนวนโทเคนของคุณจะเป็นตัวบอกว่าตัวไหนถูกกว่า

คำถามเรื่องการรอมีคำตอบง่ายๆ GLM-5.5 อาจมาถึงภายในไม่กี่สัปดาห์ ส่วน GLM-5.3 ดาวน์โหลดได้แล้วตอนนี้ และ Terra ก็เรียกใช้งานได้แล้วตอนนี้ ทีมที่ต้องการเวตแบบเปิดมีตัวเลือกจริงเพียงหนึ่งเดียวในวันนี้ ขณะที่ทีมที่ต้องการต้นทุนต่ำที่สุดต่อหนึ่งงานที่ทำเสร็จมีอีกตัวเลือกหนึ่งที่ต่างออกไป ไม่มีตัวเลือกใดในสองตัวเลือกนี้ที่ดีขึ้นจากการรอโมเดลที่ยังไม่มีเอนด์พอยต์ให้เรียกใช้

การเปรียบเทียบในบทความนี้2

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

providers@orcarouter.ai

เข้าร่วมคอมมูนิตี้ของเรา

Discordsupport@orcarouter.aiXLinkedInGitHubYouTube