การ์ดชื่อเรื่องสำหรับการเปรียบเทียบ {{1}}GPT-6.2 Astra{{/1}} กับ {{2}}GPT-6.2 Sol{{/2}} ในการสร้างเดโมหุ่นเมค Yonkers ด้วย three.js ชุดเดียวกัน โดยแสดงว่า Astra อยู่ที่ {{3}}1,318 Elo{{/3}} บน {{4}}AA-3D{{/4}} ของ Artificial Analysis และ Sol อยู่ที่ {{5}}1,259{{/5}} พร้อมแถบข้อความที่ระบุว่า จากผลเปรียบเทียบแบบเคียงข้างกันที่นักพัฒนารายหนึ่งเผยแพร่ โมเดลทั้งสองไม่สามารถแปลงเมืองให้เป็นหุ่นเมคได้อย่างน่าเชื่อถือ โลโก้ {{6}}OrcaRouter{{/6}} อยู่ที่มุมขวาล่าง
Guides & Insights

GPT-6.2 Astra vs GPT-6.2 Sol: สองเดโมเมค หนึ่งพลาด

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

โพสต์เปิดตัวของ OpenAI สำหรับ GPT-6.2 Astra และ GPT-6.2 Solให้คำสัญญาที่แคบและตรวจสอบได้: ทั้งคู่ "เขียนโค้ดได้สะอาดกว่าและสร้างฟรอนต์เอนด์ที่ดูและทำงานได้ดีกว่า โดยเฉพาะสำหรับเว็บไซต์ เกม และการออกแบบ 3D" นั่นคือคำกล่าวอ้างประเภทที่เอกสารสเปกไม่อาจตัดสินได้ และ benchmark ก็ทำได้เพียงประมาณเท่านั้น ดังนั้นสองวันหลังการเปิดตัว จึงมีการเทียบกันแบบตัวต่อตัวที่เผยแพร่และทำซ้ำได้เพียงหนึ่งเดียวเท่านั้น — พรอมต์ Yonkers ของ Simon Willison ซึ่งรันกับทั้งสองโมเดลที่ระดับ Ultra ใน Codex CLI โดยปล่อยผลลัพธ์ทั้งสองไว้ทางออนไลน์ให้ใครก็ตามเปิดดูได้ คำตัดสินของเขาคือบรรทัดแรกของเรื่องนี้: "ทั้งสองทำได้ไม่ดีพอในการแปลง Yonkers ให้เป็นเมคขนาดใหญ่"

สิ่งที่ทำให้การทดสอบนี้คุ้มค่าที่จะเขียนเป็นบทความ ไม่ใช่เพราะโมเดลสองตัวทำได้ไม่ดีพอ แต่เพราะพวกมันทำได้ไม่ดีพอในวิธีที่ต่างกัน ในโค้ดที่คุณอ่านได้ และตัวที่ทำได้ไม่ดีพอด้วยต้นทุนที่สูงกว่ากลับเป็นตัวที่ดีพอจะตัดต่อวิดีโอเปรียบเทียบในภายหลังได้ ถ้าคุณกำลังจะใช้หน้าต่างบริบทไปหนึ่งสัปดาห์กับการสร้างฟรอนต์เอนด์ ความต่างระหว่างบันเดิล 568 KB กับโมดูลที่เขียนด้วยมือสี่โมดูล ก็คือความต่างระหว่างเดโมที่คุณส่งมอบได้ กับเดโมที่คุณต้องเขียนใหม่

สิ่งที่ Open​AI กล่าวว่าคู่นี้สามารถสร้างได้

ข้อกล่าวอ้างนี้เจาะจงพอที่จะทดสอบได้ โพสต์ของ OpenAI อธิบายว่าโมเดลทั้งสองเปลี่ยน "บรีฟที่เขียนไว้ให้กลายเป็นประสบการณ์บนเบราว์เซอร์แบบโต้ตอบ ตั้งแต่โต๊ะพินบอลที่เล่นได้ ไปจนถึงการจำลองโคลอสเซียมที่สำรวจได้จากหลากหลายมุม" และชี้ไปที่ AA-3D ของ Artificial Analysis ซึ่งผู้ตัดสินที่เป็นมนุษย์จะเห็นประสบการณ์แบบไม่เปิดเผยชื่อสองรายการที่สร้างจากพรอมป์ต์เดียวกัน แล้วโหวตเลือกอันที่ตนชอบ บนตารางจัดอันดับนั้น GPT-6.2 Astra อยู่อันดับหนึ่งด้วย 1,318 Elo นำหน้า Claude Fable 5.2 ที่ 1,271 และ GPT-6.2 Sol ที่ 1,259

อ่านช่องว่าง 59 จุดระหว่างโมเดล Open​AI สองตัว แล้วคุณจะสรุปว่า Astra เก่งเรื่อง 3D อย่างมีนัยสำคัญ อ่านตัวเลขสัมบูรณ์แล้วคุณจะรู้สิ่งที่การจัดอันดับซ่อนไว้: กระดานจัดอันดับเปรียบเทียบเพียงสองความพยายามจากพรอมป์ต์เดียวกันเท่านั้น จึงบอกได้ว่าตัวใดในคู่ดูดีกว่า โดยไม่บอกอะไรเลยว่าตัวใดตัวหนึ่งดีหรือไม่ การทดสอบความชอบแบบอำพรางระหว่างเม็กสองตัวที่ยังทำไม่เสร็จก็ยังให้ผลลัพธ์ว่ามีผู้ชนะ

เอกสารได้เพิ่มข้อควรระวังที่อ่านดูเหมือนเป็นคำขอโทษจากทีมวิศวกรรมพรอมต์ ในบันทึกการย้ายระบบสำหรับ GPT-6.2 Open​AI ระบุว่าโมเดลทั้งสองมีความกระชับและตรงไปตรงมามากกว่า GPT-6 Astra และว่าโมเดลอาจเสนอขั้นตอนหนึ่งและรอเมื่อเจตนาไม่ชัดเจน และ — ประโยคที่สำคัญสำหรับชิ้นนี้ — ว่าตอนนี้งานฟรอนต์เอนด์ต้องการคำแนะนำที่ชัดเจนเกี่ยวกับภาพและตัวอักษร ทิศทางที่คุณไม่ได้เขียนไว้คือทิศทางที่โมเดลคิดขึ้นมาเอง พรอมต์ Yonkers ไม่มีคำสั่งด้านศิลปะเลย ซึ่งเป็นเหตุผลที่มันเป็นการทดสอบที่ยุติธรรมสำหรับทั้งสองโมเดล และเป็นการทดสอบที่ค่อนข้างไม่ยุติธรรมสำหรับโมเดลใดโมเดลหนึ่ง

พรอมต์เดียว สองเดโมที่เผยแพร่แล้ว

พรอมต์เป็นประโยคเดียวว่า "สร้างแอนิเมชัน three.js ที่ยอนเกอร์สลุกขึ้นยืนเป็นเมกาขนาดใหญ่ (ท่าลุกขึ้นยืนเท่ ๆ) แล้วเดินย่ำไปรอบ ๆ แมนฮัตตัน ควีนส์ และบรุกลิน โดยใช้ข้อมูลแผนที่ OpenStreetMap" ทั้งสองครั้งใช้ Ultra effort ใน Codex CLI ผลลัพธ์ทั้งสองยังออนไลน์อยู่ และทั้งคู่เปิดขึ้นมาเป็นฉาก WebGL ที่ใช้งานได้จริง พร้อมกล้องจริง เมือง low-poly จริง และเส้นทางจริง ซึ่งนับว่ามากกว่าที่คำขอ three.js ส่วนใหญ่ทำได้ในครั้งแรกอยู่แล้ว

ทั้งสองชิ้นยังไม่ใช่งานที่เสร็จสมบูรณ์ การเปรียบเทียบของวิลลิสันเองเป็นการเทียบกับบิลด์ Claude Fable 5.2 และ Gemini 4 Carbon ที่สร้างจากโจทย์เดียวกัน และเขาตัดสินว่าความพยายามทั้งสองครั้งของ GPT-6.2 แพ้ในสิ่งเดียวที่พรอมป์ต์ขอจริง ๆ นั่นคือการเปลี่ยนผ่านจากเมืองไปสู่หุ่นยนต์ที่ยืนอยู่ การเคลื่อนไหวลุกขึ้นยืนคือเดโม และไม่มีโมเดลใดทำแอนิเมชันมันได้จริง ๆ

• บันเดิล — GPT-6.2 Astra มาพร้อมบิลด์ Vite หนึ่งชุดขนาด 568,418 ไบต์ บวก CSS 8,075 ไบต์ เทียบกับ GPT-6.2 Sol ที่มี main.js ขนาด 17,094 ไบต์ ซึ่งนำเข้า city.js, mech.js และ effects.js โดยมี three.js ให้บริการภายในเครื่องที่ 658,900 ไบต์

• ไทม์ไลน์ — Astra รันลำดับ 96 วินาทีบนแถบเลื่อน 0–960 เทียบกับ Sol ที่เป็นลำดับ 48 วินาที โดยการเดินเริ่มที่ 6.25 วินาที และก้าวสุดท้ายที่ 44.5 วินาที

• บท — อย่างละสี่บท: Astra กำหนดหมายเลขให้เป็นตัวนับลำดับที่อ่านว่า "01 / 04" ในขณะที่ Sol ตั้งชื่อให้ว่า Yonkers, Manhattan, Queens และ Brooklyn โดยเริ่มที่ 0, 17.6, 30.2 และ 38 วินาที

• กล้อง — Astra สลับระหว่างมุมมอง "track" และ "atlas" ส่วน Sol มีตัวสลับโหมดโคจรที่ผูกกับปุ่ม O

• เทเลเมทรี — Astra พิมพ์ข้อความอ่านค่าการกระทำว่า “Rising” และพิกัด “40.9310° N 73.8987° W” เทียบกับ Sol ซึ่งเป็นแคนวาสเรดาร์ขนาด 184×138 ที่ “40.93° N · 73.90° W”

• การระบุแหล่งที่มา — ทั้งคู่ให้เครดิต OpenFreeMap, OpenMapTiles และ © ผู้มีส่วนร่วมใน OpenStreetMap ในส่วนท้ายของหน้า ซึ่งเป็นข้อกำหนดเดียวของบรีฟที่ทั้งสองโมเดลไม่ได้ละทิ้ง

• ต้นทุนของการรัน — ที่ระดับความพยายามสูงสุด รูปนกกระทุง SVG มาตรฐานของ Willison มีต้นทุน 88.71¢ บน Astra เทียบกับ 13.69¢ บน Sol ซึ่งเป็นอัตราส่วนที่คงอยู่ทุกระดับความพยายามที่เขาวัด

A two-column scoreboard comparing GPT-6.2 Astra and GPT-6.2 Sol on the Yonkers three.js build, with rows reading AA-3D Elo 1,318 versus 1,259, input price $8.00 versus $2.00 per million tokens, output price $40.00 versus $10.00, cached input $0.40 versus $0.10, demo timeline 96 seconds versus 48 seconds, and build one 568 KB bundle versus four ES modules, with a footer crediting AA-3D to Artificial Analysis, prices to OpenAI's rate card, and the build and timeline to the two published demos. The OrcaRouter logo sits in the bottom-right corner.

Astra: บันเดิลเดียว 568 KB, UI ที่เขียนด้วยสคริปต์

บิลด์ของ Astra มีชื่อว่า "Stride Atlas — Yonkers Rising" และทำงานเหมือนงานนำเสนอ: มาสต์เฮดที่แสดงแบรนด์พร้อมสถานะ "ระบบออนไลน์" ปุ่มเปิด/ปิดเสียง ปุ่มเต็มหน้าจอ และแคนวาสที่มีป้ายกำกับเพื่อการเข้าถึงซึ่งระบุว่า "เมืองสามมิติและเมคแอนิเมชัน ลากเพื่อหมุนและเลื่อนเพื่อซูม" ด้านล่างมีข้อความ eyebrow ที่อ่านว่า "การจำลองเมค / 001" พาดหัวว่า "ยอนเกอร์สไรซิง" และบรรทัดย่อยว่า "เขตมหานครนิวยอร์ก"

ความประณีตอยู่ที่เครื่องมือวัด มีแผงเทเลเมทรีพร้อมการอ่านค่าการกระทำที่ระบุว่า “Rising” และพิกัดแบบเรียลไทม์ มีผืนผ้าใบภาพรวมเส้นทางแบบอินเซ็ตที่ติดป้ายว่า 10 กม. และคอนโซลควบคุมการเล่นที่มีตัวนับลำดับ ปุ่มเล่นและปุ่มเริ่มใหม่ นาฬิกา แถบเลื่อนช่วงตั้งแต่ 0 ถึง 960 และเวลาสิ้นสุดที่ 01:36 นั่นคือลำดับภาพที่ออกแบบไว้ 96 วินาที และแถบเลื่อนที่ยาวขนาดนั้นไม่ใช่เรื่องบังเอิญ — มันคือการตัดสินใจว่าเดโมนี้คือภาพยนตร์ และกล้องคือผู้กำกับ

มันยังมาในรูปแบบอาร์ติแฟกต์แบบบันเดิลชิ้นเดียวด้วย ทุกอย่างข้างต้นถูกคอมไพล์เป็นเอาต์พุต Vite หนึ่งไฟล์ขนาด 568,418 ไบต์ และสไตล์ชีตหนึ่งไฟล์ขนาด 8,075 ไบต์ โดยมีสตริง chapters และ stompProgramCache ที่รอดจากการทำมินิฟิเคชันเพราะข้อมูลลำดับเป็นของจริง สำหรับเดโม การบันเดิลเป็นทางเลือกที่เหมาะสม: ไฟล์เดียวสำหรับโฮสต์ แคชหนึ่งรายการ ไม่มีกราฟการนำเข้าที่จะแตกหัก สำหรับโค้ดเบสที่คุณต้องขยายต่อ มันคือกำแพงขนาด 568 KB

The GPT-6.2 Astra build of the Yonkers mech demo, titled Stride Atlas with a Yonkers Rising headline, showing a low-poly New York City on a three.js canvas, a mech telemetry panel reading Rising with coordinates 40.9310 degrees north and 73.8987 degrees west, a 10-kilometre route overview inset, a sequence console at 01 of 04 with a 96-second scrubber, and OpenStreetMap attribution.

Sol: สี่โมดูล เป็น three.js แบบโลคอล

บิลด์ของ Sol มีชื่อว่า “Yonkers Protocol | A New York Mech Simulation” และคำอธิบายเมตาระบุชื่อเทคโนโลยีออกมาอย่างตรงไปตรงมาว่า “แอนิเมชัน Three.js แบบภาพยนตร์ของเมคขนาดเท่าเมืองที่ผุดขึ้นในยองเกอร์สและเดินขบวนผ่านแมนแฮตตัน ควีนส์ และบรุกลิน” หน้านี้ทำงานภายใต้แบรนด์ “METRO CONTROL / NEW YORK, NY” พร้อมชิป “OPENSTREETMAP TERRAIN” ปุ่มสลับมุมมองวงโคจร ปุ่มสลับเสียง และพื้นที่แสดงผลที่ติดป้ายว่า “การจำลอง Yonkers Protocol”

ในขณะที่ Astra เขียนบทภาพยนตร์ Sol กลับสร้างห้องควบคุมขึ้นมา มีตัวแสดงผลเซกเตอร์ที่ "01 / 04 YONKERS" ปุ่ม "เริ่มลำดับ" พร้อมคำใบ้ให้กด SPACE แคนวาสเรดาร์ขนาด 184×138 ปุ่มเฟสสี่ปุ่ม — Yonkers / การตื่นขึ้น, Manhattan / มุ่งใต้, Queens / East River, Brooklyn / เข้าหาขั้นสุดท้าย — และคำใบ้ให้ลากเพื่อหมุนรอบและเลื่อนเพื่อซูม คำโฆษณาคือสิ่งที่มั่นใจที่สุดในทั้งสองหน้า: "เฝ้าดู Yonkers ผุดขึ้นจากชายฝั่ง Hudson และเคลื่อนผ่าน Manhattan, Queens และ Brooklyn"

ส่วนที่น่าสนใจคือโค้ด Sol ข้าม bundler ไปเลยและใช้ import map ที่ชี้ three ไปยังสำเนาในเครื่องของโมดูลบิลด์ จากนั้นแบ่งงานด้วยมือ: city.js ขนาด 9,603 ไบต์, mech.js ขนาด 25,511, effects.js ขนาด 12,119 main.js เก็บทิศทางไว้ — ระยะเวลา 48 วินาที เริ่มเดินที่ 6.25 s ก้าวสุดท้ายที่ 44.5 s จุดตรวจลองจิจูดและละติจูดสิบหกจุดไล่จากยอนเกอร์สลงไปบรุกลิน และมี THREE.CatmullRomCurve3 ผ่านจุดเหล่านั้นโดยตั้ง arcLengthDivisions เป็น 1,000 เพื่อให้ mech เดินด้วยจังหวะสม่ำเสมอแทนที่จะเร่งความเร็วในมุมแคบ การตั้งค่าสุดท้ายนั้นเป็นรายละเอียดประเภทที่คุณจะเขียนก็ต่อเมื่อเคยเห็นตัวละครกระตุก

ทั้งสองแนวทางไม่ได้ผิด Astra ปรับให้เหมาะกับสิ่งที่โหลดขึ้นมา ส่วน Sol ปรับให้เหมาะกับสิ่งที่คุณเปิดและแก้ไขได้ — และการแยกไฟล์บอกให้รู้ว่า Sol เข้าใจว่าเดโม 3D นั้นประกอบด้วย scene graph, actor และชุดเอฟเฟกต์ และสิ่งเหล่านี้ควรอยู่ในไฟล์ที่แตกต่างกัน

The GPT-6.2 Sol build of the Yonkers mech demo, titled Yonkers Protocol, showing a cinematic low-poly New York City with a sector readout at 01 of 04 Yonkers, a radar panel at 40.93 degrees north and 73.90 degrees west, a Start sequence button with a space-bar hint, four phase buttons for Yonkers, Manhattan, Queens and Brooklyn, and OpenStreetMap attribution.

การ morph ที่เดโมทั้งสองพลาดไป

นี่คือส่วนที่การขัดเกลา UI ไม่ว่าจะมากแค่ไหนก็กลบไม่ได้ พรอมต์ขอให้ Yonkers ลุกขึ้นยืนเป็นเมกาขนาดใหญ่ — เป็นการแปลงร่าง โดยมีบล็อกเมืองกลายเป็นร่างกาย ทั้งสองบิลด์ไม่ได้ส่งมอบการเปลี่ยนผ่านนั้นอย่างน่าเชื่อถือ และ Willison พูดตรง ๆ ว่าเป็นเช่นนั้น โดยจัดอันดับทั้งสองไว้รองจากเวอร์ชันของ Claude Fable 5.2 และ Gemini 4 Carbon

นี่คือการตีความตามจริงของคะแนน Elo 1,318 Artificial Analysis วัดแล้วว่า Astra อยู่เหนือ Sol และเดโมก็สอดคล้องกัน — หน้าของ Astra เป็นหน้าที่สมบูรณ์กว่า แต่กระดานจัดอันดับตอบคำถามว่า "ในสองตัวนี้ ตัวไหนดีกว่า" ขณะที่คำถามที่ผู้อ่านมีจริง ๆ คือ "สิ่งนี้ดีพอจะใช้งานได้หรือไม่" และในประเด็นนั้น คำตอบจากการเปรียบเทียบแบบเคียงข้างกันเพียงชุดเดียวที่เผยแพร่คือไม่ การทดสอบความชื่นชอบระหว่างสองโมเดลที่ต่างพลาด morph ทั้งคู่ก็ยังคงสร้างอันดับออกมา และอันดับนั้นก็ยังจะถูกรายงานว่าเป็นความนำด้านความสามารถ

อีกครึ่งหนึ่งของเรื่องราวฝั่งฟรอนต์เอนด์ของการเปิดตัวคือการสื่อสาร และส่วนนี้ก็ไม่ได้น่าชื่นชมเช่นกัน Willison อ้างถึงจดหมายข้อเสนอแนะก่อนการเปิดตัวของ Theo Browne ซึ่งบรรยายถึงโมเดลที่จัดการเอเจนต์ย่อยได้ดีในงานระยะยาว จากนั้นกลับติดขัดกับคำถามด้านการนำไปใช้งานภายในที่ไม่มีมนุษย์คนใดตอบได้ — ตัวอย่างของเขาคือเอเจนต์ที่ทำโปรเจกต์มาได้สองชั่วโมงแล้วหยุดถามว่าผู้ตรวจทานเขียนคลิปของมันลงไฟล์ชื่อหนึ่งหรืออีกชื่อหนึ่ง หมายเหตุการย้ายโมเดลของ OpenAI เองที่ระบุว่าโมเดล “อาจเสนอขั้นตอนหนึ่งและรอเมื่อเจตนาไม่ชัดเจน” นั้นเป็นพฤติกรรมเดียวกันที่ถูกบรรยายจากภายใน และนี่คือต้นทุนที่แท้จริง: เอเจนต์ที่รอข้อมูลป้อนเข้าที่คุณไม่สามารถให้ได้ ก็คือเอเจนต์ที่หยุดทำงานแล้ว

ช่องว่างนี้หมายความว่าอย่างไรสำหรับบิลด์ของคุณ

ถ้างานเป็นเดโม 3D หรือฟรอนต์เอนด์ ความแตกต่างในทางปฏิบัติระหว่างสองโมเดลไม่ใช่ 59 Elo แต่คือ Astra จะส่งมอบชิ้นงานที่ดูเสร็จสมบูรณ์ให้คุณ ส่วน Sol จะส่งมอบรีพозиทอรีให้ เลือก Astra เมื่อสิ่งส่งมอบคือลิงก์ที่คุณส่งให้ใครสักคน เลือก Sol เมื่อสิ่งส่งมอบคือโค้ดที่คนอื่นต้องมาแก้ในวันจันทร์

กำหนดราคาของตัวเลือกบนแกนเดียวกัน GPT-6.2 Astra คิดค่าบริการที่ $8 ต่อล้านโทเค็นอินพุต และ $40 ต่อล้านโทเค็นเอาต์พุต โดยอินพุตแคชอยู่ที่ $0.40 และการเขียนแคชอยู่ที่ $10 GPT-6.2 Sol คิดค่าบริการที่ $2, $10, $0.10 และ $2.50 — เป็นหนึ่งในสี่ของอัตราต่อโทเค็นในทุกรายการ ทั้งสองมีหน้าต่างบริบท 1,050,000 โทเค็น โดยมีอินพุตสูงสุด 922,000 และเอาต์พุตสูงสุด 128,000 ทั้งสองปฏิเสธ reasoning_effort: "none" และทั้งสองคิดอินพุตและอินพุตแคชเป็นสองเท่าเมื่อเกิน 272,000 โทเค็นต่อคำขอ พร้อมคิดเอาต์พุต 1.5× โหมด Batch คิดค่าบริการ 50% ของมาตรฐาน โหมด Fast คิดเป็นสองเท่า และ Ultrafast คิดเป็นสามเท่าจนถึง 28 กุมภาพันธ์ 2027 และหกเท่าตั้งแต่ 1 มีนาคม 2027

ตัวเลขต้นทุนต่อชิ้นงานจากบ่ายวันเดียวกันคือสิ่งที่ควรจดจำไว้ การทดสอบนกกระทุงของ Willison เรนเดอร์ SVG เดียวกันในสามระดับความพยายาม และที่ระดับความพยายามสูงสุด Astra มีต้นทุน 88.71¢ เทียบกับ 13.69¢ ของ Sol — แพงกว่าประมาณหกเท่าครึ่งสำหรับภาพวาดที่เขาไม่ได้ระบุว่าภาพใดเป็นชัยชนะที่ชัดเจน การสร้างฟรอนต์เอนด์ที่ระดับความพยายาม Ultra เป็นจุดที่ข้อได้เปรียบของโมเดลราคาแพงมีอยู่จริงแต่แคบ และเป็นการลองใหม่เพียงครั้งเดียวก็ลบข้อได้เปรียบนั้นทิ้งไป

ตำแหน่งที่เหมาะสมสำหรับเลเยอร์การกำหนดเส้นทาง

พูดตรง ๆ เกี่ยวกับสถานะ: GPT-6.2 Astra และ GPT-6.2 Sol ไม่มีอยู่ในแคตตาล็อกของ OrcaRouter ในวันนี้ แถว Open​AI ที่เราให้บริการคือ GPT-6 Astra, GPT-6 Sol และ GPT-6.1 Sol ดังนั้นคู่นี้จึงเข้าถึงได้ผ่าน API ของ Open​AI เองและแพลตฟอร์มของบุคคลที่สามโดยทั่วไป ไม่ใช่ผ่านเรา

สิ่งที่แคตตาล็อกมอบให้คุณได้จริงคือนิสัยที่บทความนี้กำลังเสนอให้ทำ การทดสอบอย่าง Yonkers คือภาระงานประเภทที่คุณอยากนำไป A/B ข้ามโมเดลต่างๆ มากกว่าจะผูกเส้นทางโปรดักชันไว้กับโมเดลใดโมเดลหนึ่ง — และการทำเช่นนั้นผ่าน endpoint เดียวหมายถึงคีย์เดียว ใบเรียกเก็บเงินเดียว และไม่มีสัญญาฉบับที่สอง พร้อม failover อัตโนมัติเมื่อโมเดลที่คุณกำลังทดลองเริ่มหมดเวลากลางการเรนเดอร์ ในรายการที่เรามีให้บริการจริง OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยบวกกำไร 0% ดังนั้นสิ่งที่คุณจ่ายคือเรทการ์ดของผู้ขายเอง และส่วนลดราคาจะมีผลฝั่งเราในวันเดียวกัน หากคุณกำลังเลือกระหว่างโมเดลราคา $2 กับโมเดลราคา $8 สำหรับงานฟรอนต์เอนด์ นั่นคือการเปรียบเทียบที่ควรลองด้วยตัวเอง บนพรอมป์ต์เดียวกัน ก่อนที่คุณจะเลือกค่าเริ่มต้น

บทเรียนที่แคบลงจากการเปิดตัวครั้งนี้คือ การสร้างงาน 3D ได้ก้าวข้ามจาก "ทำไม่ได้" ไปสู่ "ยังไม่เสร็จ" และโมเดลทั้งสองต่างอยู่ที่จุดคนละจุดบนความชันนั้น ตัวหนึ่งสร้างหน้าที่ดูเหมือนเสร็จแล้ว ส่วนอีกตัวสร้างโค้ดที่เสร็จจริง ทั้งสองไม่ได้แปลงร่างเป็น Yonkers ทั้งคู่เข้าใกล้พอที่การเปิดตัวครั้งหน้าอาจทำได้จริง — และเมื่อถึงตอนนั้น ค่าใช้จ่ายในการหาคำตอบจะเป็นเพียงหนึ่งพรอมต์ ไม่ใช่หนึ่งการย้ายระบบ

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube