ไทเทิลการ์ดที่สร้างขึ้นซึ่งมีข้อความว่า 'GPT-6.2 Sol Pro ปะทะ Claude Opus 5.5: ความสามารถต่างกันสองคะแนน แต่ค่าใช้จ่ายสิบเท่า' พร้อมตัวเลข 57.3 เทียบกับ 59.1 บน Intelligence Index และต้นทุนต่อหนึ่งงานที่ $1.01 เทียบกับ $10.04 รวมถึงหมายเหตุว่า GPT-6.2 Sol Pro คือ gpt-6.2-sol ที่เรียกใช้โดยตั้งโหมดการให้เหตุผลเป็น pro
Guides & Insights

GPT-6.2 Sol Pro กับ Claude Opus 5.5: ช่องว่าง 2 คะแนน และค่าใช้จ่ายที่สูงกว่า 10 เท่า

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

หากคุณกำลังเลือกระหว่าง GPT-6.2 Sol Pro กับ Claude Opus 5.5 ในสัปดาห์นี้ ตัวเลขพาดหัวสองตัวชี้ไปคนละทิศทาง และไม่มีตัวใดผิด ในดัชนี Intelligence Index ของ Artificial Analysis ที่เวอร์ชัน v5.0.1 Claude Opus 5.5 ที่ระดับความพยายามสูงสุดได้คะแนน 59.1 และ GPT-6.2 Sol ที่ระดับความพยายามสูงสุดได้ 57.3 — ห่างกัน 1.8 คะแนน ต้นทุนต่อหนึ่งงานในดัชนีสำหรับชุดทดสอบเดียวกัน: $10.04 เทียบกับ $1.01 คำถามที่คุณกำลังเผชิญคือ ความสามารถที่มากกว่าสองคะแนนนั้นคุ้มค่ากับเงินที่มากกว่าราวสิบเท่าหรือไม่ และคำตอบขึ้นอยู่กับว่าภาระงานของคุณอยู่ในมิติใดในห้ามิติด้านล่างนี้

ขอพูดถึงชื่อก่อนเป็นอันดับแรก เพราะมันเปลี่ยนสิ่งที่คุณกำลังเปรียบเทียบอยู่ GPT-6.2 Sol Pro ไม่ใช่ผลิตภัณฑ์แยกต่างหาก แต่คือ GPT-6.2 Sol — เปิดตัวเมื่อวันที่ 17 พฤศจิกายน 2026 — ที่ถูกเรียกใช้ด้วย reasoning.mode: pro ใน Responses API ซึ่งคิดค่าบริการในอัตรามาตรฐานของโมเดลฐาน และเพียงแค่ทำงานของโมเดลมากขึ้นเท่านั้น Anthropic ไม่มีสวิตช์ที่เทียบเท่ากัน: Claude Opus 5.5 ใช้ extended thinking ในราคาเดียว ดังนั้นด้านหนึ่งของการเปรียบเทียบนี้คือการตั้งค่าที่คุณปรับได้ ส่วนอีกด้านคือมิเตอร์ที่คงที่ ความไม่สมมาตรนี้คือเนื้อหาทั้งหมดของบทความ

ตารางคะแนน โดยมีชื่อฮาร์เนสแนบอยู่ด้วย

ทุกอย่างในส่วนนี้คือการวัดผลที่เป็นอิสระของ Artificial Analysis ไม่ใช่ตารางที่เผยแพร่โดยผู้จำหน่ายรายใดรายหนึ่ง ทั้งสองโมเดลถูกรันด้วยความพยายามสูงสุดบนชุดทดสอบเดียวกัน ด้วยการให้คะแนนแบบเดียวกัน ซึ่งเป็นวิธีเดียวที่ทำให้การเปรียบเทียบนี้มีคุณค่า ผู้จำหน่ายทั้งสองรายยังไม่ได้เผยแพร่การประเมินโหมดโปรของตนเอง

• ดัชนีความฉลาด — GPT-6.2 Sol 57.3 อยู่อันดับ 5 จาก 58 รายการที่ได้คะแนนบนบอร์ด ตามการวัดเมื่อวันที่ 18 พฤศจิกายน เทียบกับ Claude Opus 5.5 59.1 ซึ่งอยู่อันดับ 4

• ค่าใช้จ่ายต่อ Index task — $1.01 เทียบกับ $10.04 แตกต่างกัน 9.9 เท่า

• Terminal-Bench 4.0 — 60.1% เทียบกับ 59.6% ถือว่าเสมอกันในทางปฏิบัติ

• Terminal-Bench Science — 67.6% เทียบกับ 59.0% ซึ่งเป็นช่องว่างเดี่ยวที่ใหญ่ที่สุดบนกระดานทั้งหมด และเป็นไปในทิศทางตรงกันข้าม

• HLE Diamond — 64.0% เทียบกับ 67.9%

• FrontierCode 2.0 — 44.4% เทียบกับ 46.4%

• AutomationBench — 71.3% เทียบกับ 69.5%

AnalystAgent — 53.8% เทียบกับ 56.3%

• AA-Omniscience — 40.4 ที่ความแม่นยำ 61.6% และอัตราการสร้างข้อมูลเท็จ 55.4% เทียบกับ 48.1 ที่ความแม่นยำ 65.5% และอัตราการสร้างข้อมูลเท็จ 50.3%

• บริบท — 1,050,000 โทเค็น โดยมีอินพุตสูงสุด 922,000 และเอาต์พุตสูงสุด 128,000 เทียบกับ 1,000,000 โทเค็น ที่มีเอาต์พุตสูงสุด 128,000

• ราคา — อินพุต $2.00 / แคช $0.10 / เขียนแคช $2.50 / เอาต์พุต $10.00 ต่อล้าน เทียบกับ $4.00 / $0.20 / $5.00 / $20.00

อ่านตรงกลางของรายการนั้นแล้วจะเห็นรูปแบบหนึ่งที่ดัชนีรวมซ่อนไว้ ในงานเทอร์มินัล โมเดลทั้งสองแยกกันไม่ออก และในงานเทอร์มินัลเชิงวิทยาศาสตร์ โมเดลที่ถูกกว่าชนะไปเกือบเก้าคะแนน ในชุดทดสอบระบบอัตโนมัติแบบเอเจนต์ก็ชนะอีกครั้ง จุดที่ Opus 5.5 นำคืองานที่มีคำตอบถูกต้องซึ่งต้องจำมากกว่าคิดขึ้นมาเอง — HLE Diamond, FrontierCode — และการรู้ว่าตนไม่รู้อะไร ซึ่งเอาชนะ GPT-6.2 Sol ได้เกือบแปดคะแนนในดัชนีความรอบรู้ และห้าคะแนนในความแม่นยำ

A generated two-column comparison scoreboard titled 'GPT-6.2 Sol vs Claude Opus 5.5', with the left column GPT-6.2 Sol at 57.3 on the Intelligence Index, $1.01 cost per task, 60.1 percent on Terminal-Bench 4.0, 67.6 percent on Terminal-Bench Science, 64.0 percent on HLE Diamond and 40.4 on AA-Omniscience, and the right column Claude Opus 5.5 at 59.1, $10.04, 59.6 percent, 59.0 percent, 67.9 percent and 48.1, with a footer attributing all measurements to Artificial Analysis at max effort.

ทำไมบิลจึงต่างกัน 10 เท่า เมื่อรายการราคาต่างกัน 2 เท่า

อัตราส่วนบนสติกเกอร์คือ 2×: $4/$20 เทียบกับ $2/$10 อัตราส่วนที่วัดได้คือ 9.9× ปัจจัยอีก 5 เท่าอยู่ที่จำนวนโทเค็นที่แต่ละโมเดลใช้ในการทำงานเดียวกันให้เสร็จ และนี่คือตัวเลขที่มีประโยชน์ที่สุดเพียงตัวเดียวในการเปรียบเทียบนี้

ที่ความพยายามสูงสุด Claude Opus 5.5 โดยเฉลี่ยใช้ 173,313 โทเคนเอาต์พุตต่องาน Index — โดย 120,460 โทเคนเป็นการให้เหตุผล และ 52,853 เป็นคำตอบที่มองเห็นได้ GPT-6.2 Sol โดยเฉลี่ยใช้ 40,360 โดยมี 22,800 เป็นการให้เหตุผลและ 17,561 เป็นคำตอบ นั่นคืออัตราส่วนโทเคน 4.3× บนอัตราส่วนราคา 2× และทั้งสองคูณกันกลายเป็นค่าใช้จ่าย 9.9× ที่คุณจ่ายจริง การคิดแบบขยายของ Claude Opus 5.5 ไม่ใช่ฟีเจอร์ฟรีที่ติดตั้งเพิ่มในโมเดล แต่เป็นรายการที่ครองสัดส่วนหลักในใบแจ้งหนี้ และเปิดไว้เป็นค่าเริ่มต้นในความหมายที่ว่าโทเคนการคิดถูกเรียกเก็บเป็นเอาต์พุต โดยไม่มีสวิตช์แยกต่างหากเพื่อทำให้ถูกลง

สิ่งนี้อธิบายความแตกต่างของเวลาจริงได้เช่นกัน Opus 5.5 ที่ใช้ความพยายามสูงสุดเฉลี่ย 1,475 วินาทีต่องาน เมื่อเทียบกับโปรไฟล์ความพยายามสูงสุดของ GPT-6.2 Sol ซึ่งใช้โทเค็นเอาต์พุตเพียงหนึ่งในสี่ เอเจนต์ระยะยาวที่รันงานลักษณะนี้ยี่สิบครั้งต่อตั๋วไม่ได้แค่จ่ายแพงขึ้นสิบเท่า แต่ยังเปิดเธรดค้างไว้ถึงยี่สิบห้านาทีต่องาน

ทั้งหมดนี้ไม่ได้ทำให้ Opus 5.5 แพงขึ้นมาโดยบังเอิญ Anthropic กำลังขายโมเดลที่คิดได้นานขึ้นและระมัดระวังมากขึ้นต่อสิ่งที่มันยืนยัน และช่องว่างด้านความรอบรู้ก็คือสิ่งที่เงินจำนวนนั้นซื้อมาพอดี คำถามคือภาระงานของคุณจะเก็บเกี่ยวผลจากสิ่งนั้นได้หรือไม่

Screenshot of the Artificial Analysis page for Claude Opus 5.5, showing the model listing with its Intelligence Index, pricing of $4 input and $20 output per million tokens, a 1,000,000-token context window with 128,000 maximum output, and the site's model comparison charts.

ที่แต่ละอย่างคุ้มค่ากับราคาของมัน

ใช้ GPT-6.2 Sol หากงานนั้นตรวจสอบได้เอเจนต์เขียนโค้ด การซ่อม CI การย้ายระบบ อัตโนมัติที่ใช้เทอร์มินัลหนัก ๆ อะไรก็ตามที่ชุดทดสอบหรือรหัสออกของเชลล์บอกได้ว่าคำตอบถูกหรือไม่ ในงานเหล่านั้น คุณจ่ายเงินเพื่อผลลัพธ์ที่ถูกตรวจสอบ ช่องว่างด้านการปรับเทียบไม่ทำให้คุณเสียอะไร เพราะฮาร์เนสจับข้อผิดพลาดได้ และการประหยัด 10 เท่าจะทบต้นในทุกครั้งที่ลองใหม่ ผลลัพธ์ Terminal-Bench Science — 67.6% เทียบกับ 59.0% — เป็นหลักฐานที่แข็งแกร่งที่สุดในบทความนี้ว่าโมเดลที่ถูกกว่าไม่ได้อ่อนแอกว่าในงานเชิงประจักษ์

เลือก Claude Opus 5.5 หากงานเป็นงานระยะยาวและข้อผิดพลาดเกิดขึ้นแบบเงียบ ๆ การตรวจสอบสัญญา การสังเคราะห์งานวิจัย การวิเคราะห์หลายเอกสาร สิ่งใดก็ตามที่เอเจนต์สร้างขึ้นแล้วมนุษย์อ่านโดยไม่มีแบบทดสอบให้รันก่อน HLE Diamond ที่ 67.9% และดัชนี omniscience ที่สูงกว่าแปดจุด บ่งบอกถึงโมเดลที่รูปร่างของข้อผิดพลาดแตกต่างออกไป และบนเส้นทางที่ยังไม่ได้ตรวจสอบ ความแตกต่างนั้นมีค่ามากกว่า 2× บนมาตรวัด

ใช้ทั้งสอง แล้วจัดเส้นทางตามงาน คำตอบที่ตรงไปตรงมาสำหรับระบบโปรดักชันส่วนใหญ่คือ การแบ่งไม่ได้อยู่ที่โมเดลกับโมเดล แต่อยู่ที่การเรียกกับการเรียก ปลายทางเดียวที่มีนโยบายการจัดเส้นทางสามารถส่งเส้นทางที่เน้นการตรวจสอบไปยังโมเดลราคาถูก และส่งเส้นทางที่เกิดข้อผิดพลาดแบบเงียบไปยังโมเดลที่ละเอียดรอบคอบ ซึ่งนั่นคือหน้าที่จริงของ DSL การจัดเส้นทาง — คุณเขียนกฎครั้งเดียว และการเปลี่ยนแปลงราคาหรือการเลิกใช้โมเดลก็กลายเป็นการแก้ไขคอนฟิกแทนการย้ายระบบ

Screenshot of the OrcaRouter model page for Claude Opus 5.5, showing the model ID anthropic/claude-opus-5.5, a 1,000,000-token context window with 128,000 maximum output, input pricing of $4.00 and output pricing of $20.00 per million tokens, and a description of the model as Anthropic's flagship.

นี่ก็เป็นเหตุผลเชิงปฏิบัติในการเก็บทั้งสองไว้บนคีย์เดียวเช่นกัน บน OrcaRouter openai/gpt-6.1-sol และ anthropic/claude-opus-5.5 ต่างอยู่ในแคตตาล็อกในราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% — ราคา $2/$10 และ $4/$20 ข้างต้นคือสิ่งที่คุณจ่าย ไม่ใช่เวอร์ชันที่เกตเวย์บวกกำไรจากราคาเหล่านั้น GPT-6.2 Sol ยังไม่ขึ้นในแคตตาล็อกของเรา ณ วันที่ 18 พฤศจิกายน ดังนั้นไม่ควรตีความสิ่งใดที่นี่ว่าเป็นการอ้างว่าสามารถเรียกใช้ผ่านเราได้ในวันนี้; ระดับ 6.1 ที่มันมาแทนนั้นสามารถใช้ได้ และเป็นระดับที่การเปรียบเทียบนี้ใช้กำหนดราคาเมื่อคุณต้องการให้การสลับเกิดขึ้นตอนนี้

ปัญหาโหมดโปรที่ไม่มีเบนช์มาร์กใดแก้ได้

ตัวเลขทั้งหมดข้างต้นคือความพยายามสูงสุดในโหมดมาตรฐาน เพราะนั่นคือสิ่งที่ฮาร์เนสอิสระวัด ไม่มีใครเผยแพร่การประเมินโหมดโปรของ GPT-6.2 Sol และเหตุผลก็เป็นเชิงโครงสร้าง: โหมดโปร “รวบรวมงานของโมเดลที่ดำเนินการเพื่อสร้างคำตอบสุดท้าย” และคิดค่าบริการโทเค็นเหล่านั้นในอัตรามาตรฐาน ดังนั้นต้นทุนจึงขึ้นอยู่กับว่าปริมาณงานextraที่โมเดลเลือกทำในงานเฉพาะของคุณมีมากแค่ไหน ไม่มีตัวคูณในเอกสารประกอบให้ใช้จัดงบประมาณเทียบได้

ผลที่ตามมาของการเปรียบเทียบนี้ไม่สมมาตร ซึ่งผิดปกติ ต้นทุนของ Opus 5.5 สามารถรู้ล่วงหน้าได้ — เป็นอัตราคงที่ $4/$20 เทียบกับจำนวนโทเค็นที่คุณวัดได้ครั้งเดียว ส่วนของ GPT-6.2 Sol นั้นรู้ได้ในโหมดมาตรฐานและเปิดกว้างในโหมดโปร หากเหตุผลที่คุณเลือกโมเดลที่ถูกกว่าคือความสามารถในการคาดเดาต้นทุน โหมดโปรก็ทำให้เหตุผลนั้นอ่อนลงบางส่วน และช่องว่าง 9.9× จะแคบลงเป็นจำนวนที่เฉพาะทราฟฟิกของคุณเองเท่านั้นที่จะบอกได้ วัดตัวอย่างก่อนที่คุณจะผูกงบประมาณ

การตัดสินใจที่กล่าวไว้อย่างตรงไปตรงมา

GPT-6.2 Sol มีคะแนนดัชนีตามหลัง Claude Opus 5.5 อยู่ 1.8 จุด และถูกกว่าประมาณสิบเท่าต่องานที่ทำเสร็จหนึ่งงาน อีกทั้งยังนำอยู่ในการประเมิน 3 จาก 8 รายการที่ประกอบเป็นดัชนี — รวมถึงรายการที่เกี่ยวกับงานเทอร์มินัลด้านวิทยาศาสตร์ Claude Opus 5.5 เป็นโมเดลที่ดีกว่าสำหรับงานที่ไม่มีใครตรวจสอบ และดีกว่าในระดับที่ปรากฏชัดเจนในจุดที่ข้อผิดพลาดแบบเงียบ ๆ มีต้นทุนสูง

หากคุณตรวจสอบผลลัพธ์ได้ ช่องว่างสองจุดคือความคลาดเคลื่อนจากการปัดเศษ แต่บิลที่แพงขึ้นสิบเท่าไม่ใช่ หากคุณตรวจสอบไม่ได้ บิลที่แพงขึ้นสิบเท่านั้นคือค่าพรีเมียมที่คุณจ่ายสำหรับโมเดลที่มีโอกาสน้อยกว่าที่จะผิดอย่างมั่นใจ ส่วนที่เหลือคือกฎการกำหนดเส้นทาง

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube