GPT-6 Astra กับ Nex N2.5 Pro: เอเจนต์ใช้คอมพิวเตอร์ตัวหนึ่งคิดค่าบริการตามจำนวนโทเคน
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 59 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 763 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 2230 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040ความฉลาด
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 57 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 122 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น · 204 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845ความฉลาด75การเขียนโค้ด
เอเจนต์ที่ใช้คอมพิวเตอร์เป็นภาระงานชนิดเดียวที่การคิดราคาต่อโทเคนหมดสภาพจากการเป็นเพียงนามธรรม ลองนึกถึงงานเพียงงานเดียว — เปิดเบราว์เซอร์ ค้นหาเรกคอร์ด กรอกฟอร์ม ตรวจสอบผลลัพธ์ — เอเจนต์ที่คิดระหว่างทุกการกระทำจะรันงานนั้นด้วยโทเคนหลายหมื่นโทเคน แล้วทำซ้ำแบบนั้นหนึ่งหมื่นครั้ง GPT-6 Astra โมเดลเรือธงของ OpenAI ที่เปิดตัวเมื่อวันที่ 3 กันยายน 2026 คิดราคา 10.00 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 50.00 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน โดยมีอัตราเป็นสองเท่าสำหรับช่วงที่เกิน 272,000 โทเคน Nex-N2.5 Pro โมเดลสำหรับใช้คอมพิวเตอร์ขนาด 397,000 ล้านพารามิเตอร์ที่ Nex-AGI ประกาศเมื่อวันที่ 8 กันยายน 2026 ถูกสร้างขึ้นสำหรับงานประเภทเดียวกัน และเผยแพร่ภายใต้สัญญาอนุญาต Apache-2.0 พร้อมคำแนะนำการให้บริการสำหรับหนึ่งโหนดที่ใช้ H100 แปดตัว ผู้ขายทั้งสองรายรายงานตัวเลข OSWorld-2 มีเพียงรายเดียวเท่านั้นที่ให้มิเตอร์ที่คุณอ่านได้ก่อนเริ่มต้น
แถวเกณฑ์มาตรฐานที่ทับซ้อนกันจริง ๆ
OSWorld-2 เป็นสิ่งที่ใกล้เคียงที่สุดกับมาตรวัดร่วมระหว่างสองตัวนี้ และคุ้มค่าที่จะดูว่าแถวที่ใช้ร่วมกันนั้นยืนยันได้น้อยเพียงใด การ์ดของ Nex-AGI ระบุ Nex-N2.5 Pro อยู่ที่ 56.4 บน OSWorld-2 ควบคู่กับ Claude Opus 5 ที่ 68.3 และ Qwen3.8-Max ที่ 46.7 ซึ่งอ้างอิงจากลีดเดอร์บอร์ดและแหล่งข้อมูลของผู้ให้บริการ เอกสารเปิดตัวของ OpenAI สำหรับ GPT-6 Astra รายงานผล 72.6% บน OSWorld 2.0 ที่เวลาประมาณ 40 นาทีต่องาน ซึ่งระบุว่าใช้เวลาต่องานน้อยกว่า GPT-5.6 Sol ราว 47%
ตัวเลขสองตัวนั้นไม่อาจวางไว้ในคอลัมน์เดียวกันได้ พวกมันถูกสร้างโดยห้องแล็บที่ต่างกัน บนฮาร์เนสที่ต่างกัน ในวันที่ต่างกัน ด้วยงบประมาณการกระทำที่ต่างกัน — และ Nex-AGI ระบุอย่างชัดเจนว่าการประเมินการใช้งานคอมพิวเตอร์และการใช้งานเบราว์เซอร์ของบริษัทผ่านฮาร์เนส NexCUA ของตัวเอง ซึ่งบริษัทบอกว่าจะเปิดซอร์สแต่ยังไม่ได้เปิด ดังนั้นการตีความตัวเลขทั้งสองอย่างตรงไปตรงมาจึงเป็นไปในทางทิศทางและจำกัด: ตัวเลขของ OpenAI คือตัวที่สูงกว่า ทั้งคู่เป็นตัวเลขที่ผู้ขายรายงาน และยังไม่มีตัวใดถูกทำซ้ำได้ สิ่งที่แถวนั้นยืนยันได้คือ ทั้งสองบริษัทต่างถือว่า OSWorld-2 เป็นเบนช์มาร์กที่สำคัญสำหรับโมเดลระดับนี้ ซึ่งบอกคุณว่าควรจับตาสิ่งใดสำหรับการรันแบบอิสระ
ส่วนที่เหลือของการ์ด Nex-AGI เป็นตารางผู้ขายรายเดียวที่มีข้อแม้เดียวกันกำกับอยู่ในทุกบรรทัด:
• การใช้คอมพิวเตอร์ ตามรายงานของผู้จัดจำหน่าย — OSWorld-2 56.4, OSWorld-Verified 82.2, OSWorld-G 87.4, WebArena-Verified 67.6, WebTest 52.8, Vision2Web 68.2
• การเขียนโค้ดและข้อความ ตามที่ผู้ขายรายงาน — Terminal-Bench 2.1 ที่ 82.7, SWE-Bench Pro 61.2, BrowseComp 89.7, AutomationBench v1.0.6 ที่ 44.2
• สถิติอิสระของ GPT-6 Astra — 53 บน Artificial Analysis Intelligence Index, 44.6 โทเคนเอาต์พุตต่อวินาที, $3.26 ต่องานดัชนีที่เสร็จสมบูรณ์, อันดับที่ 7 จาก 216 ด้านความฉลาด และอันดับที่ 168 จาก 185 ด้านความเร็ว
• บันทึกของผู้ให้บริการของ GPT-6 Astra — 98% FrontierMath Tier 4, 99.9% ARC-AGI-3 (62.7% ภายใต้ชุดทดสอบมาตรฐานของ ARC Prize, 99.9% ภายใต้อะแดปเตอร์ของผู้ให้บริการ), 100% ExploitBench, 57.9% Terminal-Bench 4.0
อ่านสี่บรรทัดนั้นพร้อมกัน แล้วความไม่สมมาตรก็ชัดเจน Astra มีกระดานคะแนนอิสระและตารางจากผู้ขายที่ขัดแย้งกันเอง ซึ่งอย่างน้อยก็ทำให้คุณมีอะไรให้ชั่งน้ำหนัก Nex-N2.5 Pro มีเพียงตารางจากผู้ขายเท่านั้น — ไม่มีรายการของ Artificial Analysis สำหรับมัน และไม่มีหน้าใด ๆ ของโมเดล Nex บนกระดานนั้น — ดังนั้นทุกตัวเลขข้างต้นจึงมีเพียงความน่าเชื่อถือจาก Nex-AGI เท่านั้น และไม่มีอย่างอื่นเลย
สิ่งที่ตัวเลขตัวที่สองบนการ์ดคือ: ตุ้มน้ำหนักตกลงมา
รีโพซิทอรี Nex-N2.5 Pro บน Hugging Face ถูกสร้างขึ้นเมื่อวันที่ 8 กันยายน 2026 และเมื่อตระกูลนี้ถูกประกาศ การ์ดโมเดลมีข้อความแจ้งว่าเวทจะมาเร็ว ๆ นี้ ช่องว่างดังกล่าวได้ปิดลงแล้ว ตอนนี้รีโพซิทอรีมีเชิร์ด safetensors จำนวน 122 ชิ้น รวมขนาดประมาณ 407 GB เผยแพร่ภายใต้ Apache-2.0 และการ์ดได้บันทึกสูตรการให้บริการไว้อย่างละเอียดเพียงพอที่จะรันได้โดยไม่ต้องทำ reverse-engineering อะไรเลย
สูตรนั้นคุ้มค่าที่จะอ่านก่อนที่คุณจะประเมินราคาของการเปรียบเทียบ เพราะมันเป็นเหตุผลสนับสนุนโมเดลพอ ๆ กับแถวผลการวัดประสิทธิภาพใด ๆ Nex-N2.5 Pro เป็น sparse mixture of experts: พารามิเตอร์ทั้งหมด 397 พันล้านตัว โดยมีประมาณ 17 พันล้านตัวที่ทำงานอยู่ต่อโทเคน การติดตั้งใช้งานตามเอกสารคือโหนดเดียวของ H100 แปดตัวที่รันบิลด์ SGLang ที่ปรับแต่งเอง — nexagi/sglang:v0.5.18-nex-patch — ด้วย tensor parallelism ครบทั้งแปดตัว เปิดใช้งานตัวแยกวิเคราะห์การให้เหตุผลของ Qwen3 และตัวแยกวิเคราะห์การเรียกเครื่องมือของ Qwen3-coder ความยาวบริบท 262,144 โทเคน และค่าการสุ่มที่แนะนำที่ temperature 0.7, top_p 0.95, top_k 40 H100 แปดตัวเป็น footprint ที่มากแต่ก็เป็นเรื่องปกติ เพราะมีเพียง 17 พันล้านพารามิเตอร์ที่ทำงานต่อโทเคน ปริมาณการคำนวณต่อการกระทำหนึ่งจึงยังน้อย แม้ว่า footprint ของน้ำหนักจะใหญ่ — ซึ่งนั่นคือเหตุผลทั้งหมดที่โมเดล 397B สามารถติดตั้งใช้งานได้โดยใครก็ตามที่ไม่ใช่ hyperscaler
คอนเท็กซ์ 262,144 โทเคนคือสเปกที่กำหนดการออกแบบเอเจนต์ส่วนใหญ่ หน้าต่างของ Astra อยู่ที่ 1,050,000 โทเคน พร้อมเพดานเอาต์พุต 128,000 โทเคน และระดับชั้นบริการของตัวมันเองก็ทำให้ช่วงปลายยาวมีราคาแพง เมื่ออินพุตเกิน 272,000 โทเคน ทั้งคำขอจะถูกคิดราคาใหม่ที่อินพุต $20.00 และเอาต์พุต $75.00 โดยการอ่านแคชอยู่ที่ $2.00 และการเขียนแคชอยู่ที่ $25.00 ความยาวในการให้บริการ 262,144 โทเคนของ Nex-N2.5 Pro อยู่ต่ำกว่าเส้นนั้นเล็กน้อย ซึ่งอาจเป็นเรื่องบังเอิญหรือเป็นสเปกที่เขียนโดยคนที่อ่านหน้าราคาของผู้ขายรายอื่น ไม่ว่าจะทางไหน ผลในทางปฏิบัติก็คือ ลูปเอเจนต์ที่ถือประวัติเซสชันยาวบน Nex-N2.5 Pro จะไม่ข้ามขอบเขตระดับชั้นที่ทำให้ต้นทุนอินพุตของ Astra เพิ่มขึ้นราวสองเท่า
เงินไปที่ไหนเมื่อรันมากกว่าหนึ่งหมื่นครั้ง
ราคาต่อโทเคนเป็นหน่วยที่ไม่เหมาะกับงานนี้ และคุ้มค่าที่จะอธิบายให้ชัดเจนว่าเพราะอะไร เอเจนต์เบราว์เซอร์ที่ทำงานหนึ่งงานให้เสร็จในหนึ่งร้อยแอ็กชันจะส่งหนึ่งร้อยคำขอ โดยแต่ละคำขอพาสถานะเซสชันที่สะสมมาไปด้วย แม้การแคชพรอมป์จะทำงานได้จริง ฝั่งอินพุตก็เติบโตเป็นกำลังสองของจำนวนแอ็กชัน ขณะที่ฝั่งเอาต์พุตเติบโตแบบเชิงเส้นตามจำนวนนั้น นั่นคือรูปแบบที่ทำให้ตารางอัตราค่าบริการกลายเป็นรายการในงบประมาณ
สองโมเดลตอบรูปร่างนั้นแตกต่างกัน และความแตกต่างนั้นไม่ได้เกี่ยวกับตัวเลขเป็นหลัก:
• โครงสร้างต้นทุน — GPT-6 Astra คิดตามปริมาณการใช้งานที่ $10.00 ต่อ 1M สำหรับอินพุต / $1.00 สำหรับแคช / $12.50 สำหรับการเขียนแคช / $50.00 สำหรับเอาต์พุต โดยเพิ่มขึ้นเป็นสองเท่าเมื่อเกิน 272K โทเค็น เมื่อเทียบกับ Nex-N2.5 Pro ที่คิดตามปริมาณหรือโฮสต์เอง โดยไม่มีอัตราราคาตามรายการที่เผยแพร่จาก Nex-AGI สำหรับระดับ Pro
• ข้อกำหนดด้านทุน — GPT-6 Astra ไม่มี เนื่องจากเป็น API เทียบกับ Nex-N2.5 Pro ที่ต้องใช้โหนดเดียวประกอบด้วย H100s แปดตัว หรือเอนด์พอยต์ที่โฮสต์ซึ่งผู้ขายเป็นผู้กำหนดเงื่อนไขทางการค้า
• บริบท ณ เวลาที่ให้บริการ — GPT-6 Astra 922,000 โทเค็นอินพุต, 128,000 เอาต์พุต เทียบกับ Nex-N2.5 Pro 262,144 โทเค็น ตามที่ระบุไว้ในคอนฟิกูเรชันการเปิดตัว
• การควบคุมการใช้เหตุผล — GPT-6 Astra reasoning.effort ตั้งแต่ low ถึง max เทียบกับ Nex-N2.5 Pro reasoning_effort ที่ none, medium (adaptive ซึ่งเป็นค่าเริ่มต้น) หรือ high
• อินพุต — GPT-6 Astra มีข้อความ รูปภาพ และไฟล์ตามรายการของเราเตอร์, ข้อความและรูปภาพตามหน้าของ OpenAI เอง เทียบกับ Nex-N2.5 Pro ที่มีข้อความและรูปภาพ โดยถือว่าวิชันเป็นช่องทางการรับรู้ของเอเจนต์ มากกว่าจะเป็นโมดัลลิตีที่สอง
• น้ำหนักโมเดล — GPT-6 Astra แบบปิด เทียบกับ Nex-N2.5 Pro Apache-2.0, 122 ชาร์ด, ประมาณ 407 GB
แถวสุดท้ายนั่นแหละคือแถวที่เปลี่ยนวิธีคิดเลข ไม่ใช่เปลี่ยนราคา หากคุณเป็นเจ้าของ H100s แปดตัวและมันไม่ได้ถูกใช้งานอื่นอยู่ ต้นทุนส่วนเพิ่มของการรันเอเจนต์ครั้งถัดไปก็เข้าใกล้ค่าไฟฟ้า และไม่มีคู่แข่งที่คิดราคาต่อโทเคนรายใดไปถึงตัวเลขนั้นได้ไม่ว่าจะใช้ปริมาณเท่าใด หากคุณไม่ได้เป็นเจ้าของมัน บรรทัดต้นทุนฝ่ายทุนคือสิ่งที่ต้องนำมาเปรียบเทียบ และ API แบบคิดตามการใช้งานจะเริ่มดูถูกในแบบเดียวกับที่รถเช่าดูถูกเมื่อเทียบกับค่างวดรถ — จนกว่าคุณจะขับมันทุกวันเป็นเวลาสามปี
คำตอบที่ตรงไปตรงมาของคำถามเรื่องซื้อหรือสร้างเองในที่นี้คืออัตราการใช้งาน ภาระงานของเอเจนต์ที่ทำงานต่อเนื่องจะทำให้โหนดดูคุ้มค่าเป็นอย่างยิ่ง ส่วนภาระงานที่พุ่งสูงในช่วงเวลาทำการและว่างเปล่าตลอดคืนจะทำให้ความยืดหยุ่นของ API คุ้มค่ากับราคาที่สูงขึ้น การ์ดสเปกของผู้ขายทั้งสองรายจะไม่บอกคุณว่าคุณมีแบบไหน และไม่มีแถวผลเบนช์มาร์กใดแทนตัวเลขที่ทราฟฟิกของคุณเองสร้างขึ้นได้
สิ่งหนึ่งที่การ์ด Nex-N2.5 Pro จะไม่บอกคุณก็คือราคาของมัน Nex-AGI ไม่ได้ประกาศอัตราตามรายการต่อโทเคนสำหรับระดับ Pro โมเดลนี้เข้าถึงผู้ใช้เป็นครั้งแรกผ่านเอนด์พอยต์แบบโฮสต์ที่ลิงก์จากการ์ดของตัวเอง และเงื่อนไขทางการค้าเป็นสิทธิ์ของผู้ขายที่จะกำหนด ไม่ใช่สิ่งที่หน้าภายนอกควรประเมิน บทความนี้ไม่ได้ระบุราคาดังกล่าว
สิ่งที่แต่ละอันถูกสร้างขึ้นมาเพื่อทำจริง ๆ
ความแตกต่างที่ชัดเจนที่สุดระหว่างสองตัวนี้ไม่ใช่ความสามารถ แต่เป็นลูปที่ทั้งสองถูกออกแบบมาโดยยึดเป็นศูนย์กลาง กรอบแนวคิดของ Nex-AGI สำหรับตระกูล N2.5 คือ วิสัยทัศน์ไม่ใช่เพียงรูปแบบข้อมูลนำเข้าเท่านั้น แต่เป็นอินเทอร์เฟซที่เอเจนต์ใช้รับรู้สภาพแวดล้อม ตรวจสอบผลลัพธ์ของการกระทำ และตัดสินใจว่าจะทำอะไรต่อไป Nex-N2.5 Pro ผ่านการฝึกภายหลัง (post-trained) จากสายตระกูล Qwen3.5 โดยเฉพาะสำหรับลูปการรับรู้และตรวจสอบนั้น ในเซสชันเบราว์เซอร์และเดสก์ท็อป พร้อมการแก้ไขตนเองจากผลลัพธ์ที่มองเห็น การควบคุมการให้เหตุผลของมันสะท้อนการออกแบบเดียวกัน: โหมดเริ่มต้นเป็นแบบปรับตัว ปล่อยให้โมเดลตัดสินใจว่าจะคิดมากน้อยแค่ไหนก่อนแต่ละการกระทำ โดยมีโหมดไม่คิดให้ใช้สำหรับขั้นตอนที่เห็นชัดว่าไม่จำเป็นต้องใช้ สำหรับเอเจนต์ที่ต้องตัดสินใจตามลำดับหลายร้อยครั้ง การควบคุมการคิดต่อขั้นตอนเป็นคันโยกด้านต้นทุน ไม่ใช่ปุ่มปรับคุณภาพ และค่าตั้งเริ่มต้นคือสิ่งที่สำคัญ
การวางตำแหน่งของ GPT-6 Astra นั้นกว้างกว่า และเรื่องราวการใช้งานคอมพิวเตอร์ของมันมาพร้อมโครงสร้างราคาที่ตั้งอยู่บนสมมติฐานของการรันระยะยาว OpenAI ขายมันสำหรับงานระดับมืออาชีพระยะยาวแบบครบวงจร — การพางานหนึ่งจากคำสั่งไปสู่ชิ้นงานที่เสร็จสมบูรณ์โดยใช้คอมพิวเตอร์ในแบบที่คนทำ — และหน้าต่าง 1,050,000 โทเค็นคือข้อกำหนดที่ทำให้การรันเหล่านั้นเป็นไปได้โดยไม่ต้องสรุปความ นั่นเป็นข้อได้เปรียบที่แท้จริงสำหรับงานประเภทที่เอเจนต์ยังต้องค้นหาข้อกำหนดที่ได้รับมาตั้งแต่หลายชั่วโมงก่อน; มันยังเป็นเหตุผลที่ช่วง 272,000 โทเค็นมีอยู่ และใครก็ตามที่รัน Astra ในฐานะเอเจนต์ควรอ่านช่วงนั้นเป็นราคาของฟีเจอร์นี้ มากกว่าจะเป็นบทลงโทษ
ข้อเท็จจริงเชิงปฏิบัติการสองประการเกี่ยวกับ Astra ควรอยู่ในทุกการประเมินในฐานะแพลตฟอร์มเอเจนต์ เพราะทั้งสองอย่างส่งผลต่อลูปการผลิต อัตราการประมวลผลที่วัดได้คือ 44.6 โทเคนเอาต์พุตต่อวินาทีจากการทดสอบของ Artificial Analysis ซึ่งช้าพอที่จะมีนัยสำคัญเมื่อการดำเนินการหนึ่งร้อยรายการแต่ละรายการต้องรอการตอบกลับ และ Astra เป็นโมเดล OpenAI ตัวแรกที่ข้ามเกณฑ์ความสามารถด้านความมั่นคงปลอดภัยไซเบอร์ระดับ Critical ของบริษัท ซึ่งหมายความว่าในเวอร์ชันที่เปิดให้ใช้งาน มันจะปฏิเสธงานไซเบอร์ขั้นสูง และกลไกการป้องกันนั้นอยู่ในเส้นทางคำขอ — ใน ChatGPT และ Codex ผู้ใช้อาจถูกขอให้ตรวจสอบการดำเนินการ ขณะที่บน API งานจะหยุดลงทันที สำหรับเอเจนต์ด้านความมั่นคงปลอดภัยเชิงป้องกัน นี่เป็นข้อจำกัดจริง สำหรับเอเจนต์ในกระบวนการธุรกิจทั่วไป มันแทบจะมองไม่เห็น
รันทั้งคู่ และสิ่งที่เราเตอร์ทำกับมัน
Nex-N2.5 Pro ไม่ได้อยู่บน OrcaRouter และหน้านี้ก็ไม่ได้อ้างว่าเป็นเช่นนั้น — มันเป็นเช็กพอยต์ Apache-2.0 จากแล็บที่ใหม่กว่า และเส้นทางของคุณไปสู่มันคือบริการโฮสต์ของ Nex-AGI เอง แพลตฟอร์มของบุคคลที่สาม หรือการติดตั้ง H100 แปดตัวที่การ์ดของมันระบุไว้ GPT-6 Astra อยู่ในแค็ตตาล็อกของเราในชื่อ openai/gpt-6-astra ในอัตราตามรายการราคาของ OpenAI ที่ส่งผ่านมาพร้อมมาร์กอัป 0% ของเรา ดังนั้นการเปลี่ยนแปลงใด ๆ กับมิเตอร์ทั้งสี่ของมันจะมีผลกับคีย์ที่มีอยู่ของคุณในวันเดียวกับที่ประกาศ.
การแยกส่วนเช่นนี้เองที่ทำให้ฟลีตแบบผสมใช้งานได้จริงแทนที่จะเป็นแค่ทฤษฎี ทีมที่ต้องการหาว่าเอเจนต์ใช้งานคอมพิวเตอร์แบบโฮสต์เองจะจัดการภาระงานของตัวเองได้หรือไม่ สามารถวางโมเดลแบบคิดค่าตามการใช้งานไว้หลังเอ็นด์พอยต์ที่เข้ากันได้กับ OpenAI จุดเดิมที่เรียกใช้อยู่แล้ว กำหนดทราฟฟิกส่วนหนึ่งไปยังเช็กพอยต์ และเปรียบเทียบงานที่เสร็จแล้วต่อดอลลาร์ แทนที่จะเป็นโทเคนต่อการเรียก — ซึ่งเป็นหน่วยวัดเดียวที่ตอบคำถามนี้ได้ การสลับไปใช้ระบบสำรองอัตโนมัติช่วยรับมือกับวันแย่ ๆ ของการดีพลอยโดยไม่ต้องมีใครเขียนอินทิเกรชันชุดที่สอง และยังช่วยรับมือกับวันแย่ ๆ ของ API ได้ด้วย การเปรียบเทียบที่หน้านี้ทำมาตลอดคือการเปรียบเทียบโครงสร้างต้นทุน และโครงสร้างต้นทุนเป็นสิ่งที่คุณทดสอบกับทราฟฟิกของคุณเอง ไม่ใช่แค่อ่านจากเรตการ์ด
จะรันอันไหน
เลือก Nex-N2.5 Pro หากการทำงานบนคอมพิวเตอร์และเบราว์เซอร์เป็นตัวผลิตภัณฑ์เอง ไม่ใช่เพียงฟีเจอร์หนึ่งของมัน หากคุณมีขีดความสามารถ GPU ใช้งานอยู่แล้ว หรือหาก Apache-2.0 เป็นปัจจัยชี้ขาด เพราะข้อมูลที่เอเจนต์เข้าไปแตะต้องไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้ จัดงบสำหรับโหนดก่อนที่คุณจะจัดงบอย่างอื่น และประเมินตัวเลข OSWorld-2 ด้วยตัวเองก่อนที่คุณจะพึ่งพามัน — ฮาร์เนสที่สร้างตัวเลขนั้นยังไม่เปิดเผยต่อสาธารณะ และจนกว่าจะเปิด 56.4 ก็เป็นเพียงข้อกล่าวอ้าง ไม่ใช่ผลลัพธ์
เลือก GPT-6 Astra หากงานต้องใช้ขีดสุดของบริบทที่ยาวมาก หากคุณต้องการกระดานคะแนนอิสระเพื่อชั่งน้ำหนักเทียบกับตารางของผู้ให้บริการ หรือหากคุณไม่อยากรัน GPU เลย มันมีค่าใช้จ่าย $10.00 และ $50.00 ต่อหนึ่งล้านโทเคน และ $3.26 ต่องานจัดทำดัชนีที่เสร็จสมบูรณ์ — เป็นตัวเลือกที่แพงที่สุดในการเปรียบเทียบนี้ และเป็นตัวเลือกที่มีภาระในการดำเนินงานต่ำที่สุด อย่าเอาไปใช้กับเอเจนต์ที่ใช้พรอมป์ต์สั้นแต่มีปริมาณคำขอสูง เพราะที่ขนาดคำขอระดับนั้น คุณกำลังจ่ายอัตราของเรือธงสำหรับภาระงานที่โมเดลที่ถูกกว่าทำได้เสร็จ และช่วง 272,000 โทเคนที่ทำให้การ์ดราคานี้สมเหตุสมผลเป็นช่วงที่คุณจะไม่มีทางได้ใช้เลย
ข้อสรุปที่ควรค่าแก่การจดจำคือสองตัวนี้ถูกกำหนดราคาภายใต้ข้อจำกัดที่แตกต่างกัน ต้นทุนของ Nex-N2.5 Pro คือโหนด และเศรษฐศาสตร์ของมันยิ่งดีขึ้นเมื่อคุณยิ่งใช้งาน ต้นทุนของ GPT-6 Astra คือมิเตอร์ และเศรษฐศาสตร์ของมันคงที่ไม่ว่าคุณจะใช้งานมากเพียงใด สำหรับเอเจนต์ใช้งานคอมพิวเตอร์ที่ทำงานอย่างต่อเนื่อง ความแตกต่างนั้นทบต้นเร็วกว่าช่องว่าง benchmark ใด ๆ ระหว่างสองตัวนี้
การเปิดตัวยังเป็นช่วงเวลาที่ต้องตรวจสอบว่าอะไรผิดพลาดไปก่อนหน้านี้: เหตุการณ์ด้าน AI และความล้มเหลวของเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งเกี่ยวข้องกับโมเดลในคลาสนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง
