GPT-6 Luna vs DeepSeek V4 Pro: ต่างกันหนึ่งจุดดัชนี ราคาสูงกว่าถึงห้าเท่า และเหตุผลสนับสนุนการเป็นเจ้าของเวตของคุณเอง

นี่คือตัวเลขที่ควรใช้ตัดสินการจับคู่นี้ แต่กลับไม่ได้เป็นเช่นนั้น GPT-6 Lunaทำคะแนนได้ 37 บน Artificial Analysis Intelligence Index ที่ความพยายามสูงสุด DeepSeek V4 Proทำคะแนนได้ 36 บนดัชนีเวอร์ชันเดียวกัน และก็ที่ความพยายามสูงสุดเช่นกัน ห่างกันเพียงหนึ่งจุด บนคะแนนรวมที่หนึ่งจุดนั้นอยู่ในช่วงความคลาดเคลื่อนของการรันซ้ำ — ขณะที่ราคาของสองโมเดลนี้ต่างกันราวห้าเท่า GPT-6 Luna ตั้งราคาไว้ที่ $0.10 ต่อหนึ่งล้านโทเคนอินพุต และ $0.50 ต่อหนึ่งล้านโทเคนเอาต์พุต ส่วน DeepSeek V4 Pro 0813 ตั้งราคาไว้ที่ $0.66 และ $1.98 นอกช่วงพีก และจะเพิ่มเป็นสองเท่าเป็น $1.32 และ $3.96 ในช่วงพีกของมัน

ถ้านั่นคือเรื่องทั้งหมด บทความนี้ก็คงยาวแค่ย่อหน้าเดียว และคงจบลงด้วยประโยค “ใช้ GPT-6 Luna” แต่มันไม่ใช่เรื่องทั้งหมด และเหตุผลก็คือมิติหนึ่งที่การเปรียบเทียบกลับตาลปัตรโดยสิ้นเชิง: น้ำหนักของ DeepSeek V4 Pro นั้นเปิด และได้รับสัญญาอนุญาตแบบ MIT โมเดลที่มีต้นทุนต่อโทเคนแพงกว่าถึงห้าเท่าคือโมเดลที่คุณได้รับอนุญาตให้ดาวน์โหลด แก้ไข ไฟน์จูน และรันบนฮาร์ดแวร์ของคุณเองได้ตลอดไป นั่นไม่ใช่เชิงอรรถของข้อโต้แย้งเรื่องราคา — สำหรับผู้ซื้อประเภทหนึ่งโดยเฉพาะ มันคือข้อโต้แย้งทั้งหมด และการเปิดตัว GPT-6 Luna เมื่อวันที่ 22 กันยายนยิ่งทำให้เรื่องนี้คมชัดขึ้นมากกว่าจะยุติมัน

จัดส่งอะไรไปบ้าง และเมื่อใด

GPT-6 Luna เป็นรุ่นระดับเล็กของ OpenAI เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ควบคู่กับ GPT-6 Sol ในราคา $2.00/$10.00 และอยู่ต่ำกว่ารุ่นเรือธง GPT-6 Astra ที่ราคา $10.00/$50.00 OpenAI อธิบายว่าเป็นโมเดลที่มีประสิทธิภาพสูงสุดของบริษัทสำหรับงานที่มุ่งเน้นและมีปริมาณมาก โดยมีหน้าต่างบริบท 1,050,000 โทเคน พร้อมอินพุตสูงสุด 922,000 โทเคน และเพดานเอาต์พุต 128,000 โทเคน รองรับข้อความและรูปภาพ และเปิดให้ปรับระดับความพยายามในการให้เหตุผลได้ตั้งแต่ none ไปจนถึง low, medium, high, xhigh และ max — โดยค่าเริ่มต้นคือ medium

DeepSeek V4 Pro 0813 เป็นบิลด์ GA ของโมเดลเรือธงรุ่นที่สี่ของ DeepSeek เผยแพร่เมื่อวันที่ 13 สิงหาคม 2026 แทนที่พรีวิวเดือนเมษายนภายใต้ตัวระบุ deepseek-v4-pro เดียวกัน เป็นโมเดล mixture-of-experts แบบข้อความล้วนที่มีพารามิเตอร์ทั้งหมด 1.6 ล้านล้านตัว และมี 49 พันล้านตัวที่แอ็กทีฟ มีหน้าต่างบริบทขนาด 1 ล้านโทเคน และเพดานเอาต์พุต 384,000 โทเคนที่มากเป็นพิเศษ — ซึ่งมากกว่า GPT-6 Luna ถึงสามเท่า น้ำหนักโมเดลถูกอัปโหลดขึ้น Hugging Face ในชื่อ deepseek-ai/DeepSeek-V4-Pro-0813 ประมาณครึ่งวันหลังจาก API เปิดใช้งาน: 66 ชาร์ด fp8, ไม่ต้องขอสิทธิ์เข้าถึง, MIT หน้าแค็ตตาล็อกของเราเองสำหรับโมเดลนี้ยังคงระบุวันที่พรีวิวเดือนเมษายน แทนที่จะเป็นวันที่ GA เดือนสิงหาคม ซึ่งเป็นสิ่งที่ควรรู้หากคุณอ่านวันที่จากหน้าสินค้าแทนที่จะเป็นบันทึกการเปิดตัว

ทั้งคู่เน้นการให้เหตุผลเป็นอันดับแรกและรองรับบริบทแบบยาว มีเพียงหนึ่งในนั้นที่เป็นไฟล์ที่คุณจับต้องได้

เรตการ์ดนี่ พูดตามตรงเลย

หนึ่งบรรทัดต่อมิติ โดยเปิดทั้งสองด้านในแต่ละบรรทัด:

• อินพุตต่อ 1M — GPT-6 Luna $0.10 เทียบกับ DeepSeek V4 Pro $0.66 นอกช่วงพีค / $1.32 ช่วงพีค

• เอาต์พุตต่อ 1M — GPT-6 Luna $0.50 เทียบกับ DeepSeek V4 Pro $1.98 นอกช่วงพีค / $3.96 ช่วงพีค

• อินพุตแคช — GPT-6 Luna $0.01 ต่อ 1M ส่วนลด 90% จากอัตราของตัวเอง เทียบกับ DeepSeek V4 Pro ส่วนลดแคช 97% เปอร์เซ็นต์ที่ลดลึกกว่าจากฐานที่สูงกว่า

• ช่วงเวลาพีค — GPT-6 Luna ไม่มี ราบเรียบตลอดทั้งวัน เมื่อเทียบกับ DeepSeek V4 Pro ที่เพิ่มเป็นสองเท่าระหว่าง 01:00-04:00 และ 06:00-10:00 UTC

• ข้อกำหนดบริบทยาว — GPT-6 Luna เพิ่มอินพุตและแคชเป็นสองเท่า และเพิ่มเอาต์พุตเป็น 1.5 เท่าเมื่ออินพุตเกิน 272K โดยใช้กับทั้งคำขอ เทียบกับ DeepSeek V4 Pro ที่ไม่มีค่าธรรมเนียมเพิ่มสำหรับบริบทยาวตามที่ประกาศบนการ์ดของตน

• บริบทและเอาต์พุต — GPT-6 Luna 1,050,000 อินพุต / 128,000 เอาต์พุต เทียบกับ DeepSeek V4 Pro 1,048,576 อินพุต / 384,000 เอาต์พุต

• AA Intelligence Index — GPT-6 Luna 37 ที่ความพยายามสูงสุด เทียบกับ DeepSeek V4 Pro 36 ที่ความพยายามสูงสุด โดยใช้ดัชีนรีวิชันเดียวกัน

• คะแนนความพยายามเริ่มต้น — GPT-6 Luna 29 ที่ระดับ medium เทียบกับ DeepSeek V4 Pro 36 ที่การตั้งค่าสูงสุด ซึ่งเป็นระดับความพยายามที่ Artificial Analysis วัดได้

• สวิตช์ปิดการให้เหตุผล — GPT-6 Luna มีให้เลือกตั้งแต่ระดับไม่มีจนถึงสูงสุด เทียบกับ DeepSeek V4 Pro ที่มีเฉพาะระดับต่ำ สูง และสูงสุด

• ค่าใช้จ่ายในการรันดัชนี — GPT-6 Luna $122.39 เทียบกับ DeepSeek V4 Pro $1,122.27

• น้ำหนักโมเดล — GPT-6 Luna ปิด ใช้ผ่าน API เท่านั้น เทียบกับ DeepSeek V4 Pro ที่เปิด ใช้สัญญาอนุญาต MIT และโฮสต์เองได้

• บน OrcaRouter — GPT-6 Luna ไม่มีอยู่ในแคตตาล็อกของเรา เทียบกับ DeepSeek V4 Pro ที่สามารถจัดเส้นทางได้ในราคาตามรายการของ DeepSeek

เมื่ออ่านบรรทัดเหล่านั้นรวมกัน ภาพรวมที่ได้จะดูแปลก: โมเดลปิดมีราคาถูกกว่าในทุกบรรทัดที่คิดราคาต่อโทเคน ยกเว้นอินพุตแคช ขณะที่โมเดลเปิดชนะในด้านความยาวเอาต์พุต ด้านพฤติกรรมบริบทยาว และในสิ่งเดียวที่ไม่อาจคิดราคาต่อโทเคนได้เลย

ทำไมการห่างกันแค่หนึ่งแต้มจึงไม่ใช่ประเด็นสำคัญ

ความแตกต่างเพียงหนึ่งจุดบนดัชนีรวมไม่ใช่ความแตกต่างด้านขีดความสามารถที่คุณจะนำไปปฏิบัติได้ และควรพูดกันตรง ๆ ว่า นี่เป็นตัวเลขที่น่าสนใจน้อยที่สุดในบทความนี้ อย่างไรก็ตาม มีสองสิ่งเกี่ยวกับตัวเลขนี้ที่สำคัญจริง ๆ

ประการแรกคือการแก้ไขดัชนีมีการเปลี่ยนแปลง สแนปช็อตก่อนหน้าของการประเมินเดียวกันแสดงคะแนนความพยายามสูงสุดของ DeepSeek V4 Pro สูงกว่าอย่างมีนัยสำคัญเมื่อเทียบกับ 36 ที่การเก็บข้อมูลของเราแสดงในวันนี้ และตัวเลขของ GPT-6 Astra แกว่งไปมาระหว่าง 52.8, 53 และ 54.7 ในเนื้อหาที่เผยแพร่ภายในเดือนเดียว การเปรียบเทียบใด ๆ ที่อิงกับช่องว่างที่แม่นยำระหว่างสองโมเดลบนดัชนีแบบหมุนเวียน ย่อมอาศัยสิ่งที่ไม่อาจคงที่ได้ การตีความอย่างตรงไปตรงมาคือ สองโมเดลนี้อยู่ในระดับความสามารถเดียวกันเมื่อถึงขีดสุด และดัชนีไม่สามารถบอกคุณได้ว่าโมเดลใดดีกว่าสำหรับงานของคุณ

ประการที่สองคือค่าเริ่มต้นของระดับความพยายาม และตรงนี้ช่องว่างเป็นของจริง เลข 37 ของ GPT-6 Luna เป็นตัวเลขที่ระดับความพยายามสูงสุด ค่าเริ่มต้นของมันคือระดับกลาง ซึ่งได้ 29 ส่วนเลข 36 ของ DeepSeek V4 Pro ก็เป็นตัวเลขที่ระดับความพยายามสูงสุดเช่นกัน และยังเป็นค่าตั้งค่าที่ Artificial Analysis ใช้รันมันด้วย ทีมที่นำ GPT-6 Luna ไปใช้งานและไม่แก้อะไรเลย กำลังรันค่า 29 เทียบกับ 36 — ขาดไปเจ็ดจุดในทิศทางที่ผิด และเป็นสิ่งที่โผล่ขึ้นมาในลักษณะ “โมเดลราคาถูกกว่าแย่กว่า” ใน post-mortem ของโปรดักชัน เมื่อปัญหาจริงคือค่าเริ่มต้น

คุณค่าที่แท้จริงของ open weights

นี่คือจุดที่การเปรียบเทียบราคาไม่ใช่แค่การคำนวณทางคณิตศาสตร์อีกต่อไป แต่กลายเป็นคำถามเกี่ยวกับธุรกิจของคุณ เวตที่ใช้สัญญาอนุญาต MIT ให้คุณสี่สิ่ง และแต่ละสิ่งมีป้ายราคาที่ไม่เคยปรากฏบนตารางราคา

ข้อแรกคือพื้นขั้นต่ำของต้นทุน การคิดราคาต่อโทเคนคือการเช่า ส่วนน้ำหนักโมเดลคือสินทรัพย์ หากปริมาณการใช้งานของคุณมากพอที่การมี GPU ประจำจะคุ้มกว่าค่าบริการแบบคิดตามปริมาณ DeepSeek V4 Pro เป็นเพียงหนึ่งเดียวในสองโมเดลนี้ที่มีตัวเลือกนั้นอยู่เลย ที่อัตราของ GPT-6 Luna จุดตัดยังห่างไกล — อัตราอินพุตแบบแคชหนึ่งเซนต์นั้นยากจริง ๆ ที่จะเอาชนะด้วยซิลิคอนแบบเช่า — แต่ "ห่างไกล" เป็นข้อความที่ต่างจาก "เป็นไปไม่ได้" และมันเป็นประตูทางเดียว คุณย้ายจาก self-hosting ไปใช้ API ได้ทุกเมื่อ แต่ย้ายในทิศทางกลับกันไม่ได้

ประการที่สองคือความเป็นอิสระจากแผนงานของผู้ให้บริการ อัตราโปรโมชันของ GPT-5.6 Luna มีการระบุวันหมดอายุไว้ ส่วนอัตราของ GPT-6 Luna เป็นแบบถาวร ตามที่ OpenAI ระบุ — แต่ความถาวรเป็นเพียงคำสัญญาเกี่ยวกับโมเดลที่ผู้ให้บริการสามารถปลดระวางได้ทุกเมื่อที่เปิดตัวรุ่นสืบทอด โมเดลที่คุณโฮสต์เองไม่สามารถถูกประกาศเลิกสนับสนุนโดยที่คุณไม่ทันตั้งตัว สำหรับใครก็ตามที่เคยผ่านการย้ายแบบถูกบังคับบนโมเดลปิด นั่นมีค่ามากกว่าส่วนต่างต้นทุนโทเคนถึงห้าเท่า

ประการที่สามคือข้อมูล หากพรอมป์ตมีเนื้อหาที่ไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้ การเปรียบเทียบก็จบเพียงเท่านี้ และไม่สำคัญว่า GPT-6 Luna จะมีค่าใช้จ่ายเท่าใด

ข้อที่สี่คือคุณสามารถไฟน์จูนมันได้ GPT-6 Luna ไม่เปิดให้ไฟน์จูนเลย — มันมีแค่ Chat Completions, Responses และ Batch เท่านั้น และนั่นคือรายการทั้งหมด น้ำหนักของ DeepSeek V4 Pro สามารถฝึกบนการกระจายข้อมูลของคุณเองได้ ซึ่งสำหรับงานเฉพาะทางที่มีปริมาณสูง มักเป็นผลตอบแทนที่มากกว่าจุดดัชนีเอนกประสงค์ใด ๆ

เมื่อเทียบกับทั้งหมดนั้น จุดแข็งของ GPT-6 Luna ก็คือ มันมีราคาถูกกว่าประมาณห้าเท่าเมื่อใช้แบบผสมในสัดส่วนอินพุตต่อเอาต์พุต 3:1 ในช่วงนอกเวลาพีค และถูกกว่าเกือบสิบเท่าในช่วงเวลาพีคของ DeepSeek, อัตราค่าอินพุตแบบแคชของมันคิดเป็นหนึ่งในสิบของอัตราค่าอินพุตที่ต่ำอยู่แล้ว, สามารถสั่งให้มันหยุดให้เหตุผลได้ทั้งหมด, และราคาตามประกาศของมันไม่ได้ขึ้นเป็นสองเท่าวันละสองครั้ง สำหรับเวิร์กโหลดที่ไม่มีข้อจำกัดด้านสถานที่จัดเก็บข้อมูล ไม่มีความจำเป็นด้านการปรับแต่งโมเดลเฉพาะทาง และไม่มีความต้องการจะดูแลโครงสร้างพื้นฐานสำหรับการประมวลผลอนุมานเอง นั่นคือคำตอบที่ตรงไปตรงมา

การโยกย้ายมีขนาดเล็กกว่าที่ส่วนต่างราคาบ่งชี้ไว้

การสลับระหว่างสองสิ่งนี้ใกล้เคียงกับการเปลี่ยนแปลงการตั้งค่ามากกว่าการพอร์ต ทั้งคู่ใช้รูปแบบ chat completions ที่เข้ากันได้กับ OpenAI ทั้งคู่มีหน้าต่างบริบทระดับ 1M และรูปแบบความล้มเหลวก็เป็นแบบที่คุณคาดไว้มากกว่าเป็นปัญหาเชิงโครงสร้าง

มีสองจุดที่ควรค่าแก่การตั้งข้อสังเกตก่อนที่คุณจะย้ายทราฟฟิก ข้อกำหนดเรื่องบริบทยาวของ GPT-6 Luna คือข้อที่มีค่าใช้จ่ายสูง: เมื่อข้าม 272,000 โทเคนอินพุต คำขอทั้งหมดจะถูกคิดราคาใหม่เป็นอินพุตและแคชสองเท่า และเอาต์พุต 1.5 เท่า ดังนั้นการเรียก 300,000 โทเคนจึงมีค่าใช้จ่ายเป็นสองเท่าของการเรียกเดียวกันที่แยกเป็นสองครั้ง DeepSeek V4 Pro ไม่มีข้อกำหนดเช่นนี้ ซึ่งหมายความว่าสำหรับคำขอเดี่ยวขนาดมหึมาอย่างแท้จริง ช่องว่างราคาห้าเท่าจะดูเล็กลงกว่าที่เห็น และอาจพลิกกลับได้ในการเรียกช่วงชั่วโมงพีก และเพดานเอาต์พุตเป็นข้อจำกัดแบบตายตัว ไม่ใช่ความชอบส่วนบุคคล: 128,000 โทเคน เทียบกับ 384,000 ไปป์ไลน์ที่สร้างชิ้นงานโครงสร้างยาวอาจไม่พอดีกับ GPT-6 Luna เลย และความได้เปรียบด้านราคาไม่ว่าจะมากเพียงใดก็แก้ปัญหานั้นไม่ได้

DeepSeek V4 Pro อยู่บน OrcaRouter ในราคาตามที่ DeepSeek ประกาศ ด้วยการคิดราคาแบบส่งผ่าน (pass-through) ที่ทำให้การเปลี่ยนแปลงอัตราค่าบริการของผู้ให้บริการตกมาอยู่ฝั่งเราในวันเดียวกัน — ซึ่งมีความสำคัญกับโมเดลที่อัตราค่าบริการขยับขึ้นลงระหว่างช่วงพีคและออฟพีคอยู่แล้ว ณ เวลาที่เขียนนี้ GPT-6 Luna ยังไม่อยู่ในแคตตาล็อกของเรา และเข้าถึงได้ผ่าน API ของ OpenAI เอง ดังนั้นทีมที่ต้องการใช้ทั้งสองอย่างก็ใช้คีย์เดียวสำหรับ DeepSeek V4 Pro ควบคู่กับสิ่งที่ใช้อยู่แล้วสำหรับ OpenAI การสลับสำรองอัตโนมัติคือส่วนที่พิสูจน์คุณค่าในคู่ผสมเฉพาะเจาะจงนี้: การที่ปลายทาง DeepSeek แบบโฮสต์เองหรือของบุคคลที่สามมีประสิทธิภาพลดลง คือสถานการณ์ที่คุณต้องการให้เส้นทางเปลี่ยนไปโดยไม่ต้องดีพลอย

ใครควรเลือกอันไหน

เลือกใช้ DeepSeek V4 Pro หากเงื่อนไขใดข้อหนึ่งต่อไปนี้เป็นจริง พรอมป์ไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้ คุณจำเป็นต้องทำไฟน์ทูน คุณสร้างเอาต์พุตที่ยาวกว่า 128,000 โทเค็น คำขอของคุณมักมีโทเค็นอินพุตเกิน 272,000 โทเค็น หรือปริมาณการใช้งานของคุณมากพอที่คุณจะเลือกซื้อ GPU แทนการเช่าโทเค็น และคุณต้องการตัวเลือกที่จะเปลี่ยนไปใช้วิธีนั้นในภายหลังโดยไม่ต้องเขียนแอปพลิเคชันใหม่

เลือกใช้ GPT-6 Luna ถ้าไม่มีข้อใดข้างต้นเข้าข่าย และภาระงานของคุณมีปริมาณมาก ถูกใช้โดยโปรแกรม และสั้น การจำแนกประเภท การสกัดข้อมูล การกำหนดเส้นทาง การสรุปแบบกลุ่ม และลูปภายในของเอเจนต์ ที่ราคา $0.10/$0.50 พร้อมอัตราอินพุตแคชหนึ่งเซนต์ และ Batch ราคาครึ่งเดียว การคำนวณไม่ได้ใกล้เคียงกันเลย และความต่างของดัชนีหนึ่งจุดที่ max effort จะไม่ปรากฏให้เห็นในการประเมินของคุณ รันที่ระดับ medium ตรวจสอบการถดถอยสองจุดของ Coding Agent Index เทียบกับชุดทดสอบของคุณเอง ไม่ใช่แผนภูมิจากผู้ขาย และให้การเรียกแบบยาวของคุณอยู่ทางด้านขวาของเส้น 272,000 โทเคน

ข้อผิดพลาดที่ต้องหลีกเลี่ยงคือการมองช่องว่างราคาห้าเท่าเป็นคำตอบ มันเป็นคำตอบของคำถามหนึ่งข้อ — โทเคนมีต้นทุนเท่าไร — และไม่ได้พูดถึงคำถามอีกสี่ข้อที่ตัดสินว่าคุณยังรันเวิร์กโหลดนี้ได้ในอีกสองปีหรือไม่