
GPT-6.2 Sol Pro กับ Claude Opus 5.5: ช่องว่าง 2 คะแนน และค่าใช้จ่ายที่สูงกว่า 10 เท่า
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0711 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 124 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 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 43 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 132 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 185 tok/s
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

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

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

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
