
GPT-6.2 Astra vs Gemini 4 Argon: ช่องว่างที่คุณยังซื้อไม่ได้ในตอนนี้
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 184 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 727 tok/s
- Alibabaใหม่Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 ต่อ 1 ล้านโทเค็น · 407 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 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 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
GPT-6.2 Astra และ Gemini 4 Argon ปรากฏร่วมกันบนสามบอร์ดอิสระ และบนทั้งสามบอร์ดนั้น โมเดลเดียวกันชนะด้วยส่วนต่างที่มากกว่าความแปรปรวนระหว่างการรันแต่ละครั้ง บน Hospital-bench ซึ่งเป็นการประเมินการบริหารจัดการแบบเอเจนต์ของโมเดลยี่สิบตัวที่เผยแพร่เมื่อวันที่ 20 พฤศจิกายน 2026 GPT-6.2 Astra ได้คะแนนเฉลี่ย 62.4% พร้อมอัตราการผ่านแบบสมบูรณ์ 29.2% เทียบกับ Gemini 4 Argon ที่ 46.9% และ 16.7% บน Blueprint-Bench 2 ช่องว่างคือ 0.614 ต่อ 0.544 บน Artificial Analysis Intelligence Index คือ 62.1 ต่อ 52.56 ที่ความพยายามสูงสุดเท่ากัน นั่นคือการนำอยู่ 15 คะแนนบนดัชนี ประมาณงานที่ทำสำเร็จสะอาด ๆ แปดงานเทียบกับสิบสี่งาน และเรื่องนี้ไม่มีข้อโต้แย้ง
สิ่งที่ยังเป็นข้อโต้แย้งคือการเปรียบเทียบนี้สื่อถึงทางเลือกหรือไม่ OpenAI เปิดตัว GPT-6.2 Astra เมื่อวันที่ 17 พฤศจิกายน 2026 ในราคา 8 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 40 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต Google ประกาศ Gemini 4 Argon เมื่อวันที่ 30 กันยายน 2026 และยังไม่ได้เปิดตัว: ไม่มีตัวระบุโมเดล ไม่มีเอนด์พอยต์ Gemini API ไม่มีโควตาแบบบริการตนเอง และไม่มีวันที่พร้อมใช้งานทั่วไป โดยการเข้าถึงต้องผ่าน Fairwind Program แทนที่จะเป็นหน้าสมัคร ราคาที่มีอยู่จริง — 2.00 และ 10.00 ดอลลาร์ต่อล้าน — เป็นตารางอัตราค่าใช้จ่าย ไม่ใช่ใบเรียกเก็บเงินที่ใครนอกโครงการกำลังจ่าย ดังนั้นกรอบที่ซื่อตรงของการเทียบกันครั้งนี้ไม่ใช่การเลือกว่าจะมาตรฐานบนโมเดลไหน แต่คือหนึ่งในสองนี้เป็นตัวเลือกที่ใช้ได้จริง ส่วนอีกอันเป็นรายการใน benchmark และช่องว่าง 15 จุดบอกคุณว่าคุณกำลังรออะไรอยู่ ไม่ใช่สิ่งที่ควรซื้อ
แต่ละโมเดลจริงๆ แล้วคืออะไร
GPT-6.2 Astra คือโมเดลเรือธงของ OpenAI สำหรับงานระดับมืออาชีพที่ต้องใช้ขอบเขตงานยาวนาน โดยมีหน้าต่างบริบทขนาด 1,050,000 โทเคน เอาต์พุตสูงสุด 128,000 โทเคน และรองรับอินพุตแบบหลายรูปแบบทั้งข้อความ รูปภาพ และไฟล์ การให้เหตุผลเปิดทำงานอยู่เสมอโดยปรับระดับความพยายามได้ตั้งแต่ต่ำจนถึงสูงสุด และโมเดลนี้รองรับทั้งรูปแบบ chat-completions และ Responses API แบบเนทีฟ รวมถึงโหมดเบื้องหลัง (background mode) นับเป็นโมเดลที่สามในสาย GPT-6 ที่ครองตำแหน่งสูงสุดในตารางของ OpenAI และสองสิ่งที่เปลี่ยนไปจาก GPT-6 Astra คือสิ่งที่สำคัญในเชิงปฏิบัติการ นั่นคือการลดราคาลง 20% ทั้งสองทิศทางของมิเตอร์ และส่วนลด 60% สำหรับอินพุตที่แคชไว้ จาก $1.00 เหลือ $0.40
Gemini 4 Argon เป็นระดับที่สี่ของตระกูล Gemini 4 ของ Google โดยอยู่ต่ำกว่า Pro และสูงกว่า Hydrogen ส่วน Neon และ Carbon อยู่ตรงกลาง การ์ดที่เผยแพร่มีข้อมูลน้อยจนตัวมันเองเป็นสิ่งบอกข้อมูลได้: คอนเท็กซ์ 1M โทเคน อินพุตข้อความและภาพ การกำหนดค่าการให้เหตุผลระดับสูงตามที่แถวของ Artificial Analysis วัด และอัตรา $2 กับ $10 ไม่มีเพดานโทเคนเอาต์พุตที่เผยแพร่ ไม่มีพื้นผิวการใช้เครื่องมือที่จัดทำเอกสาร ไม่มีเอกสารแคชคอนเท็กซ์ และไม่มี ID โมเดล ต่างจาก Carbon ซึ่งตระกูลเดียวกันนี้จัดส่งพร้อมคำอธิบายแบบเต็มที่ครอบคลุมการเรียกฟังก์ชันแบบเนทีฟ เอาต์พุตแบบมีโครงสร้าง และทั้งเส้นทางที่เข้ากันได้กับ OpenAI และ generateContent แบบเนทีฟ Argon มีการ์ด มีราคา และมีแถวในลีดเดอร์บอร์ด แต่ยังไม่มีผลิตภัณฑ์
ความไม่สมมาตรนั้นกำหนดรูปร่างของทุกสิ่งด้านล่างนี้ เมื่อโมเดลทั้งสองพร้อมใช้งาน การเทียบแบบตัวต่อตัวคือการตัดสินใจซื้อ เมื่อตัวหนึ่งพร้อมใช้งานและอีกตัวเพิ่งประกาศ การเปรียบเทียบจริง ๆ แล้วคือสามคำถามที่ซ้อนกัน ได้แก่ ช่องว่างความสามารถใหญ่แค่ไหน ข้อได้เปรียบด้านราคาคงอยู่ได้นานแค่ไหน และจะต้องเกิดอะไรขึ้นเพื่อให้คำถามข้อที่สองมีความหมาย ข้อสุดท้ายคือข้อที่น่าสนใจ เพราะข้อได้เปรียบด้านราคามีวันหมดอายุพิมพ์ติดอยู่
สามบอร์ด ทิศทางเดียว
โมเดลทั้งสองปรากฏอยู่ในชุดการประเมินสามชุดเดียวกัน ซึ่งดำเนินการโดยองค์กรที่แตกต่างกันสามแห่ง และใช้วิธีการที่แตกต่างกันสามวิธี ความสอดคล้องกันระหว่างการประเมินเหล่านี้เป็นหลักฐานที่หนักแน่นที่สุดในการเปรียบเทียบนี้ ส่วนความไม่สอดคล้องกันเกี่ยวกับขนาดของผลคือหลักฐานที่หนักแน่นเป็นอันดับรองลงมา
• ค่าเฉลี่ย Hospital-bench — GPT-6.2 Astra 62.4% เทียบกับ Gemini 4 Argon 46.9% ห่างกัน 15.5 จุด
• ผลผ่านครบทั้งหมดของ Hospital-bench — Astra 29.2% (14 จาก 48) เทียบกับ Argon 16.7% (8 จาก 48)
• Blueprint-Bench 2 — Astra 0.614 เทียบกับ Argon 0.544 เป็นความต่าง 0.070 บนสเกล 0 ถึง 1
• ดัชนีความฉลาด v5.0.1 — Astra 62.1 เทียบกับ Argon 52.56 ทั้งคู่ใช้ความพยายามสูงสุด
• ต้นทุนต่องาน Index — Astra $4.00 เทียบกับ Argon $1.99 โดยวัดจากชุดทดสอบเดียวกัน
• ราคาอินพุตต่อ 1M — Astra $8.00 เทียบกับ Argon $2.00 ถึงวันที่ 30 พฤศจิกายน และ $4.00 หลังจากนั้น

ผลลัพธ์ของ Hospital-bench สมควรได้บรรทัดของตัวเอง เพราะสิ่งที่มันวัด การประเมินนั้นมอบเครื่องมือ 131 รายการในสิบสามระบบที่เชื่อมต่อกัน และกำหนดให้เอเจนต์ทำภารกิจด้านธุรการ 48 ภารกิจในโรงพยาบาลขนาด 320 เตียง — การอนุมัติล่วงหน้า การเรียกร้องค่าสินไหมที่ถูกปฏิเสธ คำขอเวชระเบียน นี่คือสิ่งที่ใกล้เคียงที่สุดบนกระดานจัดอันดับใด ๆ เหล่านี้กับงานที่เอเจนต์ถูกจ้างมาทำจริง และช่องว่างตรงนั้นกว้างที่สุดในสามอัน โดยอยู่ที่ 15.5 คะแนนของคะแนนเฉลี่ย คอลัมน์อัตราการผ่านแย่กว่าสำหรับ Argon: การทำสำเร็จแบบไม่มีข้อบกพร่องแปดรายการ เทียบกับสิบสี่รายการ ขาดไป 43% ในภารกิจที่ทำเสร็จสมบูรณ์ บนเบนช์มาร์กที่การอนุมัติล่วงหน้าที่ทำค้างไว้ครึ่งเดียวถือเป็นการเรียกร้องที่ถูกปฏิเสธ ไม่ใช่เครดิตบางส่วน
Blueprint-Bench 2 คือช่องว่างที่แคบที่สุดในสามช่องที่ 0.070 และเป็นช่องที่โมเดลทั้งสองใกล้เคียงกันในเชิงประเภทมากที่สุด — ทั้งคู่กำลังสร้างกราฟการเชื่อมต่อของผังพื้นขึ้นใหม่จากลำดับภาพถ่าย ซึ่งเป็นงานที่ให้รางวัลกับความสอดคล้องระยะยาวมากกว่าความรู้เฉพาะทาง การที่ Argon เข้ามาใกล้ถึงภายใน 0.07 ตรงนั้นในขณะที่ตามหลังอยู่ 9.5 คะแนนบนดัชนีทั่วไปนั้นเป็นสัญญาณจริงเกี่ยวกับจุดแข็งของมัน และยังเป็นกระดานที่มีเดิมพันเกี่ยวข้องกับมนุษย์น้อยที่สุด ซึ่งควรจำไว้ก่อนจะอ้างอิงถึงมัน
ความได้เปรียบด้านราคามีวันหมดอายุ
นี่คือข้อเท็จจริงที่ทำให้การเปรียบเทียบทั้งหมดต้องถูกจัดระเบียบใหม่ อัตราค่าบริการของ Gemini 4 Argon อยู่ที่ $2.00 สำหรับอินพุต และ $10.00 สำหรับเอาต์พุตต่อหนึ่งล้านโทเคน จนถึงวันที่ 30 พฤศจิกายน 2026 ตั้งแต่วันที่ 1 ธันวาคม จะกลายเป็น $4.00 และ $20.00 นั่นไม่ใช่ข่าวลือหรือการคาดการณ์ แต่เป็นตารางเวลาที่เผยแพร่แล้ว และเป็นสิ่งที่มีผลกระทบมากที่สุดต่อเศรษฐศาสตร์ของ Argon เพราะตัวโมเดลเองไม่เปลี่ยนแปลงในวันนั้น
• อินพุตต่อ 1M — Argon $2.00 วันนี้, $4.00 ตั้งแต่ 1 ธันวาคม; Astra $8.00 คงที่
• เอาต์พุตต่อ 1M — Argon $10.00 วันนี้, $20.00 ตั้งแต่ 1 ธันวาคม; Astra $40.00, อัตราคงที่
• อินพุตที่แคชไว้ — Argon $0.10 วันนี้, $0.20 หลังจากนั้น; Astra $0.40 คงที่
• ต้นทุนที่วัดได้ต่องาน Index — Argon $1.99 วันนี้ ประมาณ $3.98 ในภายหลัง; Astra $4.00
• บริบทที่เกิน 272K — Argon ไม่มีระดับบริบทยาวที่ประกาศไว้; Astra คิดราคาคำขอทั้งรายการใหม่ที่ $16 และ $60
วันนี้ Argon ถูกกว่า Astra ต่อโทเค็นถึงสี่เท่า และมีราคาเพียงครึ่งเดียวต่องาน Index ที่เสร็จสมบูรณ์ ซึ่งถือเป็นส่วนลดที่มีนัยสำคัญสำหรับโมเดลที่ตามหลังอยู่เก้าจุดครึ่ง หลังจากวันที่ 1 ธันวาคม มันจะถูกกว่าต่อโทเค็นสองเท่า และมีต้นทุนต่องาน Index ใกล้เคียงกับ Astra โดยประมาณ — ณ จุดนั้น โมเดลที่ถูกกว่าต่องานก็เป็นโมเดลที่ได้คะแนนต่ำกว่าด้วย และข้อโต้แย้งเรื่องต้นทุนก็หยุดมีน้ำหนักโดยสิ้นเชิง
กลไกสองอย่างทำให้แม้แต่ข้อได้เปรียบในปัจจุบันก็ยังดูเล็กกว่าที่เห็น อย่างแรกคือหน้าผาบริบทแบบยาวของ Astra เป็นเรื่องจริง ส่วนของ Argon ไม่มีการเปิดเผย: เมื่อพรอมป์ต์เกิน 272,000 โทเคน Astra จะคิดราคาคำขอทั้งหมดใหม่ที่อินพุต $16 และเอาต์พุต $60 การรันเอเจนต์ 300K โทเคนบน Astra มีค่าใช้อินพุต $4.80 ก่อนที่โมเดลจะเขียนโทเคนแรก เทียบกับ $2.17 เมื่อสักครู่ก่อนที่ 271,999 หากเวิร์กโหลดของคุณเป็นแบบเอเจนต์และยาว หน้าผานั้นสามารถลบข้อได้เปรียบด้านโทเคน 4 เท่าได้ในคำขอเดียว — และถ้าไม่ใช่ คุณก็ไม่มีทางได้ใช้หน้าต่าง 1.05M ที่คุณจ่ายเงินอยู่แล้ว
ข้อที่สองคือ ราคาโทเคนไม่ใช่ต้นทุนต่องาน Artificial Analysis วัดทั้งสองโมเดลบนชุดการประเมินเดียวกัน และรายงานว่า Argon อยู่ที่ $1.99 เทียบกับ $4.00 สำหรับ Astra ซึ่งเป็นอัตราส่วนสองต่อหนึ่ง ไม่ใช่สี่ต่อหนึ่งที่อัตราค่าบริการบ่งบอกไว้ Argon ใช้โทเคนมากขึ้นเพื่อไปถึงคำตอบ หรือใช้จำนวนรอบมากขึ้น หรือทั้งสองอย่าง นั่นคือรูปแบบปกติของโมเดลที่ถูกกว่า และหมายความว่าค่าใช้จ่ายต่องานเป็นตัวเลขเดียวที่ควรใช้ตั้งงบประมาณ
สิบห้าคะแนนนั้นประกอบด้วยอะไรบ้าง
ช่องว่างของดัชนี 9.5 จุดที่ระดับความพยายามสูงสุดที่เท่ากันถือเป็นตัวเลขที่มาก และควรระบุให้ชัดเจนว่าช่องว่างนี้มาจากไหน แทนที่จะมองดัชนีเป็นคำตัดสินเพียงค่าเดียว ดัชนี Intelligence Index ของ Artificial Analysis เป็นค่าเฉลี่ยของการประเมินเก้าชุด และสองโมเดลไม่ได้ล้มเหลวในการประเมินชุดเดียวกัน ข้อได้เปรียบของ Astra กระจุกอยู่ในองค์ประกอบด้านเอเจนต์และงานระยะยาว — ซึ่งเป็นจุดเดียวกับที่ Hospital-bench จัดวางไว้ — และแคบลงในงานความรู้และงานการใช้เหตุผลเฉพาะด้านที่ Argon มีความสามารถแข่งขันได้
รูปแบบนั้นสอดคล้องกับวิธีที่โมเดลทั้งสองถูกสร้างขึ้น Astra เป็นโมเดลเชิงเหตุผลที่มีการคิดแบบเปิดตลอดเวลาและตั้งค่าความพยายามได้สูงสุดถึง max โดยการตั้งค่าความพยายามเป็นปัจจัยสำคัญที่สุดเพียงตัวเดียวที่ส่งผลต่อทั้งคะแนนและค่าใช้จ่ายของมัน แถวข้อมูลที่เผยแพร่ของ Argon คือการกำหนดค่าระดับการให้เหตุผลสูง ซึ่งเป็นค่าที่ Google วางตำแหน่งไว้เป็นจุดสมดุลมากกว่าจะเป็นเพดานสูงสุด; ไม่มีระดับ xhigh ในตระกูลนี้ เมื่อคุณเปรียบเทียบ “สิ่งที่ดีที่สุดที่แต่ละโมเดลทำได้” คุณกำลังเปรียบเทียบ Astra ที่ max กับ Argon ที่ต่ำลงหนึ่งระดับ และช่องว่างนั้นสะท้อนเรื่องนี้พอๆ กับที่สะท้อนสถาปัตยกรรม
มีข้อควรระวังจริงจังอีกด้านหนึ่ง ซึ่งเป็นข้อเสียเปรียบของ Astra โมเดลที่ใช้เวลาในการคิดนานขึ้นย่อมมีต้นทุนต่องานสูงขึ้นแม้ราคาต่อโทเค็นจะเท่าเดิม และเวลา 20.2 นาทีต่องานของ Intelligence Index ของ Astra นั้นสูงกว่าค่ามัธยฐานของชุดทดสอบอย่างชัดเจน ความได้เปรียบ 15 คะแนนนั้นแลกมาด้วยทั้งเวลาจริงและเงิน และสำหรับผลิตภัณฑ์ที่ไวต่อความหน่วง เช่นเอเจนต์ที่ติดต่อกับลูกค้าโดยตรงหรือลูปคัดแยกงานสนับสนุน การเปรียบเทียบที่ใช้งานได้จริงคือ Astra ที่ระดับความพยายาม medium เทียบกับ Argon ที่ระดับ high ซึ่งช่องว่างแคบกว่ามากเมื่อเทียบกับ 9.5 คะแนน และภาพต้นทุนก็เปลี่ยนไปตามนั้นด้วย
อันที่เรียกได้
ทั้งหมดนี้ชี้กลับไปที่ความพร้อมใช้งาน เพราะนั่นคือมิติที่ใช้ตัดสินการเปรียบเทียบนี้จริง ๆ ในปัจจุบัน ณ วันที่ 20 พฤศจิกายน 2026 GPT-6.2 Astra ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter — โมเดล OpenAI ที่เราให้บริการผ่านเราเตอร์ได้แก่ GPT-6 Astra ซึ่งได้ 46.7% บน Hospital-bench และสาย GPT-6 Sol โดย GPT-6.2 Sol มีผล 57.6% และ 25.0% Gemini 4 Argon ก็ไม่สามารถกำหนดเส้นทางได้ที่นี่เช่นกัน ด้วยเหตุผลง่าย ๆ ว่า Google ไม่ได้เผยแพร่ตัวระบุใด ๆ ที่จะใช้กำหนดเส้นทางได้
ทำให้ทั้งสองฝ่ายของการจับคู่ครั้งนี้อยู่นอกเหนือการเข้าถึงบนเอนด์พอยต์ของเราเอง ซึ่งเป็นจุดที่บทความเปรียบเทียบไม่ค่อยลงเอยแบบนี้ และควรกล่าวไว้ตรง ๆ โดยไม่ต้องประดับประดา สิ่งที่มีให้ใช้ในวันนี้คือรุ่นก่อนหน้าของทั้งสองฝ่าย: GPT-6 Astra และ GPT-6.2 Sol จาก OpenAI, Gemini 4 Carbon และ Gemini 4 Neon จาก Google ทั้งสี่รายคิดเงิน ในราคาตามรายการของผู้ให้บริการโดยไม่มีการบวกเพิ่ม ดังนั้นการลดราคาจากผู้ขายจึงสะท้อนในอัตราของคุณภายในวันเดียวกัน แทนที่จะเป็นตอนต่อสัญญาครั้งถัดไป การสลับไปใช้ผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดข้อขัดข้องหมายความว่า rate limit บนโมเดลหนึ่งจะไม่ทำให้แบตช์หยุดชะงัก และ DSL สำหรับการกำหนดเส้นทางช่วยให้คุณผูกคลาสงานกับโมเดลได้โดยไม่ต้องเขียนการเชื่อมต่อใหม่
• สิ่งที่คุณสามารถเรียกใช้ได้ตอนนี้ — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, Gemini 4 Neon
• สิ่งที่คุณทำไม่ได้ — GPT-6.2 Astra (ไม่อยู่ในแคตตาล็อกของเรา ณ วันที่ 20 พฤศจิกายน), Gemini 4 Argon (ไม่มี ID โมเดลที่เผยแพร่ที่ใดเลย)
• ช่องว่างนี้มีค่าแค่ไหน — 15.5 คะแนนบน Hospital-bench, 9.5 บน Intelligence Index, 0.070 บน Blueprint-Bench 2
• การสลับในภายหลังมีต้นทุนเท่าไร — สตริงโมเดลเดียว เมื่อมีตัวระบุอยู่แล้ว

ข้อเสนอแนะในทางปฏิบัติมาจากกำหนดเวลา ไม่ใช่จากคะแนน หากคุณต้องการโมเดล OpenAI ระดับแนวหน้าสำหรับงานธุรการแบบเอเจนต์ในเดือนนี้ GPT-6.2 Sol คือตัวเลือกในแคตตาล็อกของเราที่ใกล้เคียงที่สุดกับอันดับต้น ๆ ของตาราง Hospital-bench และเป็นตัวเลือกที่ถูกกว่าของสองตัวเลือก OpenAI ถึงสี่เท่าต่อโทเค็น หากคุณต้องการโมเดล Google ทั้ง Carbon และ Neon ต่างเปิดให้ใช้งานแล้ว และทั้งคู่ทำคะแนนเหนือดัชนีของ Argon ในการประเมินย่อยบางรายการ ไม่มีตัวใดในนั้นเป็นโมเดลที่บทความนี้พูดถึงตามชื่อจริง ๆ และการแสร้งทำเป็นอย่างอื่นก็เป็นสิ่งประเภทที่อ่านแล้วดูดีแต่เวลานำไปจัดเส้นทางกลับได้ผลแย่
อะไรจะทำให้การอ่านนี้เปลี่ยนไป
การพัฒนาสามประการจะเปลี่ยนคำตอบ โดยประการแรกคือการเปิดให้ใช้ Gemini 4 Argon ตัวระบุโมเดลที่เผยแพร่แล้ว endpoint แบบ self-serve และส่วนติดต่อสำหรับการใช้เครื่องมือที่มีเอกสารกำกับ จะเปลี่ยนเรื่องนี้จากการเปรียบเทียบผลิตภัณฑ์กับตารางราคาให้กลายเป็นการตัดสินใจซื้อ และจะช่วยตัดสินด้วยว่าแถวดัชนี 52.56 จะยังคงอยู่เมื่อนำไปใช้กับ API จริงหรือไม่ เนื่องจากตัวเลข Argon ทุกตัวที่หมุนเวียนอยู่นั้นมาจากการกำหนดค่าที่แทบไม่มีใครรันได้
เรื่องที่สองคือวันที่ 1 ธันวาคม 2026 การเพิ่มเรตการ์ดเป็นสองเท่าเป็นเหตุการณ์ทางเศรษฐกิจที่ใหญ่ที่สุดเพียงหนึ่งเดียวในการเปรียบเทียบนี้ และเกิดขึ้นในวันที่รู้ล่วงหน้าแน่นอน หากต้นทุนต่องานของ Argon อยู่ใกล้ $4.00 ตามที่การคำนวณบ่งชี้ โมเดลจะอยู่ในระดับเดียวกับ Astra ในแง่ต้นทุนต่องาน Index ที่เสร็จสมบูรณ์ แต่ตามหลังอยู่ 9.5 จุด และเหตุผลสนับสนุนมันจะยุบเหลือเพียงรายละเอียดเฉพาะ — งานที่มันแข่งขันได้ ปริมาณงานที่การใช้โทเคนต่ำกว่า และทีมที่อยู่ใน Fairwind Program แล้ว หากต้นทุนที่วัดได้ออกมาต่ำกว่าที่คาดการณ์ไว้ จุดยืนแบบถูกกว่าและด้อยกว่าเล็กน้อยจะคงทน และนี่จะกลายเป็นการแข่งขันราคาระหว่างสองตัวจริง ๆ
ข้อที่สามคือการรันครั้งที่สองของ Hospital-bench สิ่งที่เผยแพร่เมื่อวันที่ 20 พฤศจิกายนเป็นแคมเปญเดียวโดยไม่มีหน้าวิธีวิทยา ไม่มีชุดงาน และไม่มีบันทึกการรัน และช่องว่าง 15 จุดบนงาน 48 งานถือเป็นผลลัพธ์ที่แข็งแกร่งซึ่งสมควรได้รับการวัดซ้ำก่อนที่ใครจะกำหนดมาตรฐานจากมัน การเปรียบเทียบระหว่างรุ่นภายในตารางนั้นเป็นส่วนที่มีแนวโน้มจะเปลี่ยนแปลงน้อยที่สุด: GPT-6.2 Astra ที่ 62.4% เทียบกับ GPT-6 Astra ที่ 46.7% โดยการทำเสร็จสมบูรณ์แบบคลีนเพิ่มจาก 8.3% เป็น 29.2% ถือเป็นการกระโดดที่ใหญ่พอจะอยู่รอดจากสัญญาณรบกวน
ดังนั้นสิบห้าข้อนั้นเป็นเรื่องจริง ข้อได้เปรียบด้านราคาเป็นเพียงชั่วคราว และการเปรียบเทียบยังไม่ใช่ทางเลือก GPT-6.2 Astra เป็นโมเดลที่ดีกว่าในทุกกระดานที่ทั้งสองปรากฏร่วมกัน ด้วยส่วนต่างที่มากที่สุดในการประเมินที่ใกล้เคียงงานเอเจนต์จริงที่สุด และเป็นเพียงหนึ่งในสองรุ่นที่คุณเรียกใช้ได้จริงในวันนี้ Gemini 4 Argon เป็นเพียงตารางราคาที่มีแถวบนลีดเดอร์บอร์ดและมีวันหมดอายุบนข้อได้เปรียบเพียงอย่างเดียวของมัน ซื้อรุ่นแรก จับตารุ่นที่สอง และกลับมาอ่านสิ่งนี้อีกครั้งในวันที่ 1 ธันวาคม เมื่อการคำนวณเปลี่ยนไปโดยที่ไม่มีโมเดลใดขยับ

การเปรียบเทียบในบทความนี้2
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
