GPT-6 Luna vs Claude Opus 5: แพงกว่ากันห้าสิบเท่า แต่ทั้งคู่ใช้คีย์เดียว

GPT-6 Luna มีค่าใช้จ่าย 0.10 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 0.50 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน Claude Opus 5 มีค่าใช้จ่าย 5.00 และ 25.00 ดอลลาร์ นั่นคือช่องว่างห้าสิบเท่าทั้งสองฝั่งของตารางราคา และเป็นสิ่งแรกที่ใครก็สังเกตเห็นเกี่ยวกับการจับคู่นี้ — โมเดลที่ผู้ขายส่งออกเมื่อวันที่ 22 กันยายน 2026 ถูกนำมาตั้งราคาเทียบกับโมเดลที่บริษัทเปิดตัวเมื่อวันที่ 24 กรกฎาคม 2026 ซึ่งอยู่ในตลาดมาแล้วสองเดือน ตัวเลขห้าสิบเท่าเป็นเรื่องจริง แต่ก็เกือบจะเป็นข้อเท็จจริงที่ไร้ประโยชน์ที่สุดในการเปรียบเทียบนี้ เพราะสองตัวนี้ไม่ได้แข่งขันกันในงานเรียกเดียวกัน และเพราะมีบางสิ่งเกิดขึ้นในฝั่งของโมเดลตัวที่สองในช่วงบ่ายวันเดียวกับที่ Luna เปิดตัว

GPT-6 Luna เป็นรุ่นระดับเล็กในเจเนอเรชัน GPT-6 ของ OpenAI โดยอยู่ต่ำกว่า GPT-6 Sol ที่ราคา $2.00/$10.00 และต่ำกว่ารุ่นเรือธงอย่าง GPT-6 Astra ที่ $10.00/$50.00 อยู่มาก Claude Opus 5 เคยเป็นเรือธงของ Anthropic จนถึงวันที่ 22 กันยายน เมื่อ Anthropic เปิดตัว Claude Opus 5.5 ในราคา $4.00/$20.00 และเลื่อน Opus 5 ลงมาหนึ่งขั้น ทั้งสองโมเดลที่ปรากฏชื่อในหัวข้อบทความนี้ ณ วันนี้ อยู่ห่างจากจุดสูงสุดของบันไดผู้ให้บริการของตนเองเพียงหนึ่งขั้น — ด้วยเหตุผลที่ไม่เกี่ยวข้องกันเลย เรื่องนี้สำคัญกว่าอัตราส่วนราคา และนี่คือจุดที่บทความนี้เริ่มต้น

ช่วงบ่ายที่ผู้ขายทั้งสองรายจัดส่งสินค้า

OpenAI ประกาศเปิดตัว GPT-6 Sol และ GPT-6 Luna เมื่อวันที่ 22 กันยายน ไม่กี่ชั่วโมงก่อนหน้านั้น Anthropic ประกาศเปิดตัว Claude Opus 5.5 สองในสามโมเดลในประโยคนั้นลดราคาลงประมาณครึ่งหนึ่งเมื่อเทียบกับรุ่นก่อนหน้า ซึ่งถือเป็นเรื่องของตลาดมากกว่าเรื่องบังเอิญ: การเปิดตัวโมเดลแบบเปิดน้ำหนัก (open-weight) จากแล็บจีนในช่วงสิบแปดเดือนที่ผ่านมา ได้กดต้นทุนของโทเคนที่ใช้งานได้จริงให้ต่ำลงอย่างหนักแล้ว และผู้ให้บริการทั้งสองรายก็กำลังตอบสนองต่อแรงกดดันเดียวกัน

ผลลัพธ์ในทางปฏิบัติสำหรับใครก็ตามที่ยังใช้งานระบบที่ติดตั้ง Claude Opus 5 อยู่ก็คือ โมเดลที่พวกเขาพัฒนาไปนั้นไม่ใช่โมเดลที่ Anthropic ขายอย่างหนักที่สุดอีกต่อไป Claude Opus 5.5 มีราคาอยู่ที่ $4.00/$20.00 — ลดลง 20% จากราคาป้าย — โดยมีค่าอินพุตแบบแคชที่ $0.20 ต่อล้าน ลงจาก $0.50 ของ Opus 5 และ Artificial Analysis วัดได้ 58 บน Intelligence Index ของตนเมื่อใช้ความพยายามสูงสุด ซึ่งเป็นตัวเลขสูงสุดที่เคยบันทึกไว้ ขณะที่ Claude Opus 5 วัดได้ 51 บนดัชนีเดียวกัน หากคุณยังรัน Opus 5 อยู่ในวันนี้ การเปรียบเทียบระดับห้าสิบเท่าในชื่อบทความนี้ก็ไม่ใช่สิ่งที่คุณกำลังเผชิญอยู่ สิ่งที่คุณกำลังเผชิญอยู่คือคุณจะย้ายไปใช้ Opus 5.5 หรือไม่ และคำตอบสำหรับเรื่องนั้นเป็นการคำนวณคนละชุดกับสิ่งที่ GPT-6 Luna กำลังทำอยู่

ถึงอย่างนั้น ตัวเลขห้าสิบเท้าก็ยังเป็นตัวกำหนดการตัดสินใจจริง ๆ เพราะภาระงานที่ GPT-6 Luna ถูกออกแบบมาเพื่อรองรับนั้น ก็คือภาระงานแบบเดียวกับที่ค่าใช้จ่ายจาก Claude Opus 5 จะเริ่มทำให้ไม่สบายใจ ข้อเท็จจริงทั้งสองข้อนี้เป็นจริงพร้อมกันได้

แต่ละอย่างในสองอย่างนี้จริง ๆ แล้วคืออะไร

สเปก หนึ่งบรรทัดต่อหนึ่งมิติ โดยมีทั้งสองด้านในแต่ละบรรทัด:

• ราคาต่อ 1M โทเคน — GPT-6 Luna $0.10 ขาเข้า / $0.50 ขาออก เทียบกับ Claude Opus 5 $5.00 ขาเข้า / $25.00 ขาออก

• อินพุตที่แคชไว้ — GPT-6 Luna $0.01 ต่อ 1M ซึ่งเป็นส่วนลด 90% เมื่อเทียบกับ Claude Opus 5 $0.50 ต่อ 1M บนการ์ด Opus 5 และลดเหลือ $0.20 บน Opus 5.5

• หน้าต่างบริบท — GPT-6 Luna 1,050,000 ทั้งหมด โดยมีอินพุตสูงสุด 922,000 เทียบกับ Claude Opus 5 1M ทั้งคู่จำกัดเอาต์พุตไว้ที่ 128,000 โทเค็น

• การปรับราคาใหม่สำหรับบริบทขนาดยาว — GPT-6 Luna คิดราคาอินพุตและแคชเป็นสองเท่า และเพิ่มราคาเอาต์พุต 1.5 เท่าเมื่ออินพุตเกิน 272K โทเคน โดยคิดกับคำขอทั้งคำขอ เทียบกับ Claude Opus 5 ที่ราคาคงที่ตลอดหน้าต่างบริบท

• ดัชนี AA Intelligence — GPT-6 Luna 37 ที่ความพยายามสูงสุด เทียบกับ Claude Opus 5 51

• AA Intelligence Index แบบจับคู่ระดับความพยายาม — GPT-6 Luna 29 ที่ความพยายามระดับกลางซึ่งเป็นค่าเริ่มต้น เทียบกับ Claude Opus 5 51 ที่ระดับสูงสุด ซึ่งเป็นค่าตั้งค่าเดียวที่ Anthropic วัดมัน

• ความเร็วเอาต์พุต — GPT-6 Luna 153.9 โทเคน/วินาที เทียบกับ Claude Opus 5 53.6 โทเคน/วินาที

• ค่าใช้จ่ายในการรันอินเด็กซ์ — GPT-6 Luna $122.39 เทียบกับ Claude Opus 5 $7,274.74

• สวิตช์ปิดการให้เหตุผล — GPT-6 Luna มีตัวเลือก none, low, medium, high, xhigh และ max เทียบกับ Claude Opus 5 ที่มีการคิดแบบปรับตัวได้และเปิดอยู่ตลอด

• เปิดตัว — GPT-6 Luna 2026-09-22 เทียบกับ Claude Opus 5 2026-07-24

สามในบรรทัดเหล่านั้นทำงานหนักกว่าบรรทัดอื่น และบรรทัดแรกคือแถวของระดับความพยายาม คะแนน 37 ของ GPT-6 Luna คือคะแนนของมันที่ระดับความพยายามสูงสุด ค่าเริ่มต้นของมันคือระดับกลาง และที่ระดับกลางมันได้ 29 คะแนน ส่วน 51 ของ Claude Opus 5 เป็นตัวเลขที่ระดับความพยายามสูงสุด เพราะ Anthropic ไม่ได้เปิดให้ตั้งค่าที่ต่ำลงซึ่ง Artificial Analysis วัดได้ ดังนั้นช่องว่าง 14 คะแนนที่พาดหัวจึงเป็นการเปรียบเทียบระหว่างเพดานของโมเดลหนึ่งกับเพดานของอีกโมเดลหนึ่ง — และทีมที่ติดตั้ง GPT-6 Luna แล้วไม่แก้อะไรเลย กำลังใช้งานที่ 29 ไม่ใช่ 37 นั่นคือช่องว่าง 22 คะแนน ไม่ใช่ 14 คะแนน และมันมองไม่เห็นเลย เว้นแต่คุณจะไปค้นหาค่าเริ่มต้นของระดับความพยายาม

บรรทัดที่สองคือบรรทัดต้นทุนของดัชนี มันไม่ใช่การเสนอราคา — มันคือสิ่งที่ Artificial Analysis ใช้จ่ายจริงในการรันชุดการประเมินแบบเต็มกับแต่ละโมเดลด้วยเงินของตัวเอง $122.39 เทียบกับ $7,274.74 คือความแตกต่างห้าสิบเก้าเท่าในต้นทุนของการค้นหาว่าโมเดลดีแค่ไหน และมันเป็นตัวแทนที่สะอาดที่สุดที่หาได้สำหรับพฤติกรรมของทั้งสองเมื่อใช้งานในปริมาณมาก Claude Opus 5 สร้าง 140 ล้านโทเคนระหว่างการรันนั้น ส่วน GPT-6 Luna สร้าง 150 ล้านโทเคน โมเดลราคาถูกพูดมากกว่าและยังมีค่าใช้จ่ายน้อยกว่าถึงห้าสิบเก้าเท่า

ข้อที่สามคือสวิตช์ปิด GPT-6 Luna สามารถถูกสั่งไม่ให้ใช้การให้เหตุผลเลยก็ได้ แต่ Claude Opus 5 ทำไม่ได้ บรรทัดสเปกบรรทัดเดียวนั้นคือเหตุผลว่าทำไมหนึ่งในโมเดลเหล่านี้จึงสามารถนั่งอยู่เบื้องหลัง classifier, router หรือหน้าจอตรวจสอบเนื้อหาได้ แต่อีกโมเดลหนึ่งทำไม่ได้ และมันอธิบายความแตกต่างของราคาได้เป็นส่วนใหญ่ โดยไม่ต้องอ้างอิงถึงขีดความสามารถเลยแม้แต่น้อย

จุดที่ระดับราคาถูกไม่ถูกอีกต่อไป

มีจุดเปลี่ยนราคาแบบหน้าผาในตารางราคาของ GPT-6 Luna และมันเป็นสิ่งเดียวที่แพงที่สุดหากมองข้ามไป คำขอที่เกิน 272,000 โทเค็นอินพุตจะถูกคิดค่าบริการในอัตราสองเท่าของอัตราอินพุตและแคช และ 1.5 เท่าของอัตราเอาต์พุต — สำหรับคำขอทั้งหมด ไม่ใช่เฉพาะส่วนที่เกินเส้น การเรียกใช้ 300,000 โทเค็นบน GPT-6 Luna จะถูกคิดค่าบริการที่ $0.20 ต่อล้านโทเค็นอินพุตสำหรับทั้ง 300,000 โทเค็น เพราะมันเกินไป 28,000 เพียงแบ่งเอกสารเดียวกันออกเป็นสองคำขอ ค่าใช้จ่ายก็จะลดลงครึ่งหนึ่งโดยไม่มีการเปลี่ยนแปลงพรอมป์ต

Claude Opus 5 ไม่มีข้อกำหนดเทียบเท่า อัตรา $5.00/$25.00 ของมันคงที่ตลอดหน้าต่าง 1M ทั้งหมด ซึ่งหมายความว่าอัตราส่วนห้าสิบเท่าก็คืออัตราส่วนห้าสิบเท่าในทุกที่ ยกเว้นเมื่อโทเค็นอินพุตเกิน 272K โดยที่อัตราอินพุตที่มีผลจริงของ GPT-6 Luna เพิ่มเป็นสองเท่าเป็น $0.20 และอัตราเอาต์พุตเพิ่มขึ้นเป็น $0.75 และช่องว่างแคบลงเหลือยี่สิบห้าเท่า ยังคงมหาศาล ยังคงน่ารู้ เพราะเวิร์กโหลดที่มีแนวโน้มมากที่สุดที่จะมีบริบทการทำงาน 300,000 โทเค็น ก็คือเวิร์กโหลดแบบเอเจนติกที่ผู้ขายทั้งสองรายกำลังมุ่งขายให้พอดี

สิ่งที่สองที่ต้องกำหนดราคาคือความพยายาม การรัน GPT-6 Luna ที่ระดับความพยายามสูงสุดกับงานที่ระดับกลางก็เพียงพอแล้ว เป็นวิธีที่พบบ่อยที่สุดในการใช้เงินที่คุณเพิ่งประหยัดได้ ส่วนต่าง 37 ต่อ 29 คือขนาดของบทลงโทษสำหรับการตั้งค่าที่ผิด และต่างจากข้อกำหนดเรื่องราคา ตรงที่มันไม่ปรากฏที่ใดเลยบนใบแจ้งหนี้ — มันแสดงออกมาเป็นปริมาณโทเคน ซึ่งดูเหมือนความสำเร็จ

การแบ่งแยกที่แท้จริงแล้วเป็นตัวตัดสิน

เวอร์ชันที่ตรงไปตรงมาของการเปรียบเทียบนี้ก็คือ โมเดลทั้งสองไม่ใช่สิ่งทดแทนกัน และอัตราส่วนราคาเป็นเพียงสิ่งที่เบี่ยงเบนความสนใจจากคำถามเรื่องภาระงาน ซึ่งมีคำตอบชัดเจนไม่ว่าจะทางใดก็ตาม

GPT-6 Luna เหมาะกับทุกกรณีที่ผลลัพธ์ถูกนำไปใช้โดยโปรแกรมมากกว่าคน และปริมาณคือหัวใจสำคัญ การจำแนกประเภท การสกัดข้อมูล การตัดสินใจด้านการกำหนดเส้นทาง การสรุปแบบจำนวนมาก ลูปภายในของเอเจนต์ที่เรียกใช้หลายพันครั้งเล็ก ๆ ต่อหนึ่งงาน ที่ราคา $0.10/$0.50 พร้อมอัตราอินพุตแบบแคชหนึ่งเซนต์ และมี Batch กับ Flex ในราคาครึ่งหนึ่งของอัตรามาตรฐาน ความคุ้มค่าเชิงเศรษฐศาสตร์นี้ไม่ใช่การตัดสินใจที่สูสีกับอะไรก็ตามในสาย Opus Artificial Analysis ชี้ถึงการถดถอยจริงหนึ่งอย่างที่ควรรู้ก่อนย้ายระบบ: Coding Agent Index ของ GPT-6 Luna ลดลงสองจุดมาอยู่ที่ 41 เทียบกับ 43 ของ GPT-5.6 Luna โดยการลดลงกระจุกตัวอยู่ใน SWE-Atlas-QnA และ DeepSWE v1.1 พร้อมกันนั้นก็ยังชี้ถึงผลได้จริงหนึ่งอย่างที่มีขนาดเดียวกัน — อัตราการหลอน (hallucination) ของโมเดลบน AA-Omniscience ลดลงจากประมาณ 93% เหลือ 77% ในขณะที่ความแม่นยำแทบไม่เปลี่ยนแปลง มันเลือกที่จะไม่ตอบบ่อยขึ้นแทนที่จะรู้มากขึ้น และสำหรับสิ่งใดที่มีผู้ใช้งานปลายทางรองรับ นั่นคือครึ่งที่คุ้มค่ามากกว่าของการแลกเปลี่ยนนี้

Claude Opus 5 อยู่ในตำแหน่งที่ผลลัพธ์คือผลิตภัณฑ์ ผลลัพธ์ที่ Anthropic เผยแพร่เอง — ซึ่งรายงานโดยผู้ขาย ไม่ได้ทำซ้ำอย่างอิสระ — ระบุว่าอยู่ที่ 96.0% บน SWE-bench Verified และ 79.2% บน SWE-bench Pro และช่องว่างของดัชนี 14 จุดเป็นส่วนต่างแบบที่ตัดสินว่าเอเจนต์ระยะยาวจะทำงานเสร็จหรือหยุดกลางทางอย่างเงียบ ๆ หากคุณอยู่ที่ขอบของสิ่งที่โมเดลทำได้ โมเดลที่ถูกกว่า 50 เท่าและตามหลัง 22 จุดที่ระดับความพยายามเริ่มต้นไม่ใช่เวอร์ชันที่ถูกกว่าของสิ่งเดียวกัน

เรียกใช้ทั้งสองโดยไม่เลือก

เหตุผลที่การเปรียบเทียบนี้ไม่ได้ตกผลเป็นคำแนะนำเพียงข้อเดียวก็คือ เส้นแบ่งระหว่างงานทั้งสองแบบไม่คงที่ มันขยับทุกครั้งที่ผู้ขายรายใดรายหนึ่งออกรุ่นใหม่ และมันขยับไปสองครั้งในสามสัปดาห์ก่อนบทความนี้ — ครั้งหนึ่งเมื่อ Anthropic ลดราคา Opus เหลือ $4.00/$20.00 และอีกครั้งเมื่อ OpenAI ลดราคาลงครึ่งหนึ่งทั้งระดับเล็ก — จากนั้นก็ขยับอีกครั้งเมื่อวันที่ 29 กันยายน 2026 เมื่อ OpenAI เปิดตัว GPT-6.1 Sol ตามหลัง GPT-6 Sol หนึ่งสัปดาห์ ด้วยอัตราค่าอินพุต ค่าเขียนแคช และค่าเอาต์พุตเท่ากัน และอัตราค่าอินพุตแบบแคชลดลงครึ่งหนึ่งเหลือ $0.10 ต่อล้านโทเคนบนตารางราคาที่ OpenAI เผยแพร่ ทีมที่ฮาร์ดโค้ดผู้ชนะไว้เมื่อเดือนกรกฎาคมกำลังรันการตั้งค่าที่ผิดอยู่ในวันนี้

Claude Opus 5 อยู่บน OrcaRouter ในราคาตามที่ Anthropic กำหนด ภายใต้ราคาแบบ pass-through ซึ่งหมายความว่าการเปลี่ยนแปลงอัตราของผู้ให้บริการมีผลในฝั่งเราในวันเดียวกัน แทนที่จะต้องรอให้ผู้ค้าปลีกเจรจาใหม่ — และนี่คือเหตุผลที่เป็นรูปธรรมว่าทำไมการปรับลดราคาของ Opus 5.5 จึงเข้ามาอยู่ในแค็ตตาล็อกของเราได้โดยไม่ต้องมีโครงการผสานรวมใด ๆ GPT-6 Luna อยู่ในแค็ตตาล็อกเดียวกัน คิดเรตที่อัตราส่วน 0.05 โดยมีอัตราส่วนการเติมข้อความเท่ากับ 5 เรียกเก็บในราคาตามที่ OpenAI กำหนดโดยไม่บวกเพิ่ม ดังนั้นทีมที่ต้องการทั้งสองอย่างจึงไม่จำเป็นต้องมีสองคีย์อีกต่อไป พร้อมระบบสลับสำรองอัตโนมัติที่ช่วยอุดช่องว่างเมื่อผู้ให้บริการรายใดรายหนึ่งมีประสิทธิภาพลดลงการย้ายเส้นทางระหว่างตัวแยกประเภทราคาหนึ่งเซนต์กับตัวให้เหตุผลราคายี่สิบห้าเหรียญ ด้วยการเปลี่ยนการตั้งค่าแทนที่จะเปลี่ยนเส้นทางโค้ด มีคุณค่ามากกว่าการเลือกให้ถูกต้องในเดือนกันยายน

สิ่งที่ต้องทำในสัปดาห์นี้

หากคุณกำลังใช้งาน Claude Opus 5 ช่องว่างห้าสิบเท่าในชื่อเรื่องนั้นเป็นตัวเลขจริงที่ชี้ไปยังการตัดสินใจที่ผิด การตัดสินใจของคุณคือ Opus 5.5 — การตัดรายการลง 20% คะแนนดัชนีที่สูงขึ้น และอัตราอินพุตที่แคชไว้ซึ่งลดลง 60% — และ GPT-6 Luna ก็เป็นอีกคำถามหนึ่งที่บังเอิญอยู่ในหน้าเดียวกัน

หากคุณกำลังรันไปป์ไลน์การจำแนกประเภทหรือการสกัดข้อมูลปริมาณมากบนโมเดลระดับ Opus — ซึ่งเข้าถึงได้ด้วยคีย์เดียวกับที่คุณใช้เรียก Claude Opus 5 อยู่แล้ว — GPT-6 Luna คือการลดต้นทุนครั้งใหญ่ที่สุดที่คุณทำได้ในเดือนนี้ และการย้ายระบบก็เล็กกว่าที่การลดราคาบอกไว้: คลาส context 1M แบบเดียวกัน, เพดาน output 128,000 เท่าเดิม, และอัตราต่อโทเค็นที่ต่ำกว่าห้าสิบเท่าในทั้งสองฝั่ง ทดสอบที่ effort ระดับกลางก่อนที่คุณจะสันนิษฐานว่าเป็นค่าเริ่มต้น, วางการเรียกใช้ long-context ของคุณไว้ทางฝั่งที่ถูกต้องของ 272,000 โทเค็น, และตรวจสอบการถดถอยด้านการเขียนโค้ดกับ eval ของคุณเองแทนที่จะดูจากแผนภูมิของผู้ขาย

และถ้าคุณกำลังรันทั้งสองแบบ สิ่งที่ต้องแก้ไม่ใช่ว่าคุณเลือกอันไหน แต่คือการที่เมื่อคุณเปลี่ยนใจ ตอนนี้มันต้องแลกมาด้วยการดีพลอยโค้ดหนึ่งครั้ง