GPT-6 Luna vs GLM-5.3: โมเดลโอเพนเวทที่คุณยังดาวน์โหลดไม่ได้

GLM-5.3เป็นโมเดลที่เหนือกว่า โดยทำคะแนนได้ 45 บน Artificial Analysis Intelligence Index ที่ระดับความพยายามสูงสุด เทียบกับ 37 ของGPT-6 Luna ทั้งยังทัดเทียมกับ Mythos 5 ในการประเมินความปลอดภัยไซเบอร์บางรายการตามข้อมูลของ Z.ai และเป็นโมเดลน้ำหนักเปิดชั้นนำในตารางอันดับแบบผสมหลายแห่ง อีกทั้งในตอนนี้ มันเป็น API ที่คุณเช่าใช้ มากกว่าเป็นโมเดลที่คุณเป็นเจ้าของ: Z.ai เลื่อนการเปิดตัวน้ำหนักโมเดลออกไปราวสองสัปดาห์เนื่องจากความกังวลด้านความปลอดภัยไซเบอร์ และไฟล์ดาวน์โหลดซึ่งควรเป็นหัวใจสำคัญทั้งหมดของเรือธงแบบน้ำหนักเปิดก็ยังไม่มีให้

ความล่าช้านั้นคือเรื่องราวของการจับคู่นี้ และมันเปลี่ยนการคำนวณในแบบที่ตารางราคามองไม่เห็น GPT-6 Luna เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ในราคา $0.10 ต่อล้านโทเค็นอินพุต และ $0.50 ต่อล้านเอาต์พุต พร้อมใช้งานทั่วไป ไม่มีเงื่อนไขผูกมัด GLM-5.3 เปิดตัวเมื่อวันที่ 18 สิงหาคม 2026 ในราคา $1.40 และ $4.40 — คิดเป็นสิบสี่เท่าของอัตราอินพุตของ Luna และเกือบเก้าเท่าของอัตราเอาต์พุต — โดยที่น้ำหนักของมันยังถูกเก็บไว้ ดังนั้นการเปรียบเทียบจึงไม่ใช่แบบเปิดกับแบบปิด แต่มันคือโมเดลปิดที่คุณเรียกใช้ได้ในวันนี้ในราคาหนึ่งในสิบของต้นทุน เทียบกับโมเดลเปิดที่คุณเรียกใช้ได้เท่านั้น ณ วันนี้ โดยตั้งราคาราวกับว่าคุณกำลังซื้อสิ่งที่คุณยังไม่สามารถมีได้

สองโมเดล ห่างกันหนึ่งเดือน สองดีลที่แตกต่างกันอย่างมาก

GPT-6 Luna เป็นรุ่นขนาดเล็กของตระกูล GPT-6 จาก OpenAI เปิดตัวพร้อมกับ GPT-6 Sol ในราคา $2.00/$10.00 และอยู่ใต้เรือธงอย่าง GPT-6 Astra ที่ราคา $10.00/$50.00 โดยมีหน้าต่างบริบท 1,050,000 โทเค็น เพดานเอาต์พุต 128,000 โทเค็น รองรับอินพุตข้อความและภาพ และมีระดับการให้เหตุผลตั้งแต่ none ไปจนถึง low, medium, high, xhigh และ max — โดยค่าเริ่มต้นคือ medium OpenAI เรียกมันว่าเป็นโมเดลที่มีประสิทธิภาพสูงสุดในตระกูลสำหรับงานที่มุ่งเน้นและมีปริมาณสูง และตารางราคาก็ยืนยันได้ว่า อินพุตแบบแคชที่ $0.01 ต่อล้านนั้นคิดเป็นหนึ่งในสิบของอัตราแบบไม่แคชซึ่งต่ำอยู่แล้ว

GLM-5.3 เป็นเรือธงรุ่นปัจจุบันของ Z.ai สำหรับงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อนและงานเอเจนต์ระยะยาว เปิดตัวเมื่อวันที่ 18 สิงหาคม 2026 เป็นแบบรับข้อความเข้าและส่งข้อความออก มีหน้าต่างบริบท 1M โทเคน พร้อมเพดานเอาต์พุต 128,000 โทเคน และเปิดใช้การให้เหตุผลไว้เสมอ — ไม่มีโหมดที่ไม่ใช้การให้เหตุผล Z.ai ระบุว่าประสบการณ์การเขียนโค้ดดีขึ้นประมาณ 50% เมื่อเทียบกับ GLM-5.2 และวางตำแหน่งให้เหมาะกับการเขียนโค้ดระดับทั้งรีโปและงานวิศวกรรมหลายขั้นตอนแบบอัตโนมัติ เมื่อน้ำหนักโมเดลเผยแพร่ออกมา จะกลายเป็นฟีเจอร์ที่โดดเด่นที่สุด ส่วนวันนี้ API คือสิ่งที่พร้อมใช้งานจริง

สิ่งที่ตารางอัตราค่าบริการทั้งสองใบระบุไว้จริง ๆ

หนึ่งบรรทัดต่อมิติ โดยเปิดทั้งสองด้านในแต่ละบรรทัด:

• อินพุตต่อ 1M — GPT-6 Luna $0.10 เทียบกับ GLM-5.3 $1.40

• ราคา Output ต่อ 1M — GPT-6 Luna $0.50 เทียบกับ GLM-5.3 $4.40

• อินพุตแบบแคช — GPT-6 Luna $0.01 ต่อ 1M เทียบกับ GLM-5.3 $0.26 ต่อ 1M ถือเป็นส่วนลด 81% จากอัตราอินพุตของตัวเอง

• ดัชนี AA Intelligence — GPT-6 Luna 37 ที่ความพยายามสูงสุด เทียบกับ GLM-5.3 45 ที่ความพยายามสูงสุด

• คะแนนที่ระดับความพยายามเริ่มต้น — GPT-6 Luna 29 ที่ค่าเริ่มต้นระดับกลางของมัน เทียบกับ GLM-5.3 ที่เปิดการให้เหตุผลตลอดเวลา วัดที่ค่าสูงสุด

• โทเคนเอาต์พุตในการรันดัชนี — GPT-6 Luna 150M เทียบกับ GLM-5.3 210M เมื่อเทียบกับค่ามัธยฐานของบอร์ดที่ 140M

• ค่าใช้จ่ายในการรันดัชนี — GPT-6 Luna $122.39 เทียบกับ GLM-5.3 $2,503.48

• ค่าใช้จ่ายต่องานจัดทำดัชนี — GPT-6 Luna ประมาณ $0.07 เทียบกับ GLM-5.3 ประมาณ $0.68

• บริบทและเอาต์พุต — GPT-6 Luna 1,050,000 อินพุต / 128,000 เอาต์พุต เทียบกับ GLM-5.3 1M อินพุต / 128,000 เอาต์พุต

• ข้อกำหนดบริบทแบบยาว — GPT-6 Luna: input และ cache 2 เท่า, output 1.5 เท่า เมื่อ input เกิน 272K, มีผลกับทั้งคำขอ เทียบกับ GLM-5.3 ที่ไม่มีข้อกำหนดเทียบเท่าบนการ์ดที่เผยแพร่

• สวิตช์ปิดการให้เหตุผล — GPT-6 Luna ตั้งแต่ไม่มีถึงสูงสุด เทียบกับ GLM-5.3 ที่เปิดตลอดเวลา ไม่มีโหมดไม่ให้เหตุผล

• น้ำหนักโมเดล — GPT-6 Luna ปิด เฉพาะผ่าน API ขณะที่ GLM-5.3 เปิดตามคำมั่นสัญญา เลื่อนการเปิดตัว

ภาษีความเยิ่นเย้อคือตัวเลขที่ชี้ขาดเรื่องนี้

ช่องว่างดัชนี 8 จุดนั้นมีจริง และช่องว่างราคานั้นใหญ่กว่า และทั้งสองก็ไม่ใช่ตัวเลขที่สำคัญที่สุด สิ่งที่สำคัญคือจำนวนโทเคนเอาต์พุตต่องานที่เสร็จสมบูรณ์ เพราะนั่นคือจุดที่ความได้เปรียบด้านขีดความสามารถ 8 จุดจะคืนทุนด้วยตัวเองหรือไม่

การรันดัชนีของ Artificial Analysis คือการเปรียบเทียบแบบควบคุมที่สะอาดที่สุดเท่าที่มี: ชุดทดสอบเดียวกัน ฮาร์เนสเดียวกัน รันกับทั้งสองโมเดล GLM-5.3 สร้างโทเคนเอาต์พุต 210 ล้านโทเคนเพื่อทำจนเสร็จ GPT-6 Luna สร้าง 150 ล้าน เมื่อเทียบกับค่ามัธยฐานของบอร์ดที่ 140 ล้าน ทั้งคู่ช่างพูด — GLM-5.3 มากกว่าค่ามัธยฐานอยู่ครึ่งหนึ่ง และ GPT-6 Luna มากกว่าราวหนึ่งในสิบ แต่ทิศทางของความแตกต่างนั้นยิ่งซ้ำเติมโมเดลของ Z.ai ในด้านราคา: มันปล่อยโทเคนมากกว่า 40% และคิดราคาต่อโทเคนแต่ละตัวสูงกว่า 8.8 เท่า

เมื่อนำสองตัวนี้มารวมกัน ต้นทุนต่อหนึ่งงานดัชนีที่ทำเสร็จจะออกมาอยู่ที่ประมาณ $0.68 สำหรับ GLM-5.3 เทียบกับประมาณ $0.07 สำหรับ GPT-6 Luna — ห่างกันราวสิบเท่า มากกว่าอัตราส่วนจากเรตการ์ดดิบ เพราะโมเดลที่แพงกว่ายังเป็นโมเดลที่พูดมากกว่าด้วย นั่นคือสภาพที่แท้จริงของการจับคู่นี้ GLM-5.3 ให้คะแนนดัชนีแปดคะแนนแก่คุณแลกกับเงินที่มากกว่าสิบเท่าต่องานที่เสร็จหนึ่งงาน และว่ามันเป็นการซื้อที่ดีหรือไม่นั้น ขึ้นอยู่ทั้งหมดกับว่าภาระงานของคุณเป็นแบบที่แปดคะแนนคือความต่างระหว่างทำงานได้กับทำงานไม่ได้หรือไม่

สำหรับทราฟฟิกโปรดักชันจำนวนมาก มันไม่ใช่ สำหรับเอเจนต์เขียนโค้ดที่ทำงานกับรีโปซึ่งอยู่ที่ขอบเขตความสามารถของโมเดล บ่อยครั้งมันก็ใช่ และความได้เปรียบด้านราคาไม่ว่าจะมากเพียงใดก็ไม่อาจปิดช่องว่างความสามารถในงานที่ล้มเหลวได้

ทำไมน้ำหนักแบบเปิดจึงเปลี่ยนคำตอบ และทำไมความล่าช้าจึงเปลี่ยนมันกลับเป็นเหมือนเดิม

ข้อโต้แย้งมาตรฐานสำหรับโมเดลเรือธงแบบเปิดน้ำหนักก็คือ ราคาต่อโทเคนนั้นเป็นเพียงชั่วคราว คุณเช่าไปก่อนจนกว่าปริมาณการใช้งานของคุณจะคุ้มค่าที่จะซื้อ จากนั้นคุณก็ดาวน์โหลดโมเดล และต้นทุนส่วนเพิ่มต่อโทเคนก็กลายเป็นค่าไฟฟ้า ตามข้อโต้แย้งนั้น ราคา $1.40/$4.40 ของ GLM-5.3 ไม่ได้เป็นสิบสี่เท่าของ $0.10 ของ GPT-6 Luna จริง ๆ — มันเป็นราคาสะพานระหว่างทางสู่ศูนย์ และอัตราที่ถูกกว่าของโมเดลแบบปิดก็คือการเช่าที่ไม่มีทางออก

ข้อโต้แย้งนั้นถูกต้อง และขณะนี้มันกำลังถูกพักไว้ Z.ai หน่วงการเปิดน้ำหนักโมเดลไว้ราวสองสัปดาห์เนื่องจากการค้นพบด้านความมั่นคงปลอดภัยไซเบอร์ ซึ่งหมายความว่าทางออกที่ทำให้ราคาพรีเมียมสมเหตุสมผลยังไม่มี จนกว่าจะมี GLM-5.3 ก็ยังเป็น API แบบคิดค่าตามการใช้งานในต้นทุนต่องานสูงกว่าสิบเท่าของโมเดลที่ตามหลังอยู่สี่คะแนนดัชนีบนกระดานทั่วไป และตามหลังหนึ่งคะแนนบนกระดานเขียนโค้ด — และผู้ซื้อกำลังจ่ายราคาแบบเปิดน้ำหนักสำหรับการเข้าถึงแบบปิดน้ำหนัก

มีประเด็นอันดับสองที่ควรค่าแก่การเอ่ยถึง ความล่าช้านี้ไม่ใช่เรื่องอื้อฉาว แต่เป็นผู้ขายที่ให้ความสำคัญกับผลการค้นพบด้านขีดความสามารถอย่างจริงจัง และโมเดลที่ค้นหาช่องโหว่ได้เก่งก็เป็นโมเดลประเภทที่ห้องปฏิบัติการควรระมัดระวังในการปล่อยออกมาเป็นไฟล์ที่ดาวน์โหลดได้พอดี แต่มันหมายความว่าวันที่ปล่อยค่าน้ำหนัก (weights) กลายเป็นวันที่สำคัญที่สุดเพียงหนึ่งเดียวในการเปรียบเทียบครั้งนี้ และวันนั้นก็ไม่ได้ถูกเปิดเผย ทีมที่ต้องเลือกระหว่างสองโมเดลนี้ในกรอบเวลาสิบสองเดือน กำลังเลือกระหว่างโมเดลที่เงื่อนไขอาจเปลี่ยนแปลงได้ในเดือนหน้า กับโมเดลที่เงื่อนไขเปลี่ยนแปลงไม่ได้ — และมีเพียงหนึ่งในนั้นเท่านั้นที่ตั้งราคาไว้สอดคล้องกับความจริงข้อนี้

พื้นผิวการโยกย้ายมีขนาดเล็ก

ทั้งสองโมเดลใช้ส่วนติดต่อ chat completions ที่เข้ากันได้กับ OpenAI ทั้งคู่มีหน้าต่างบริบทระดับ 1M และทั้งคู่จำกัดเอาต์พุตไว้ที่ 128,000 โทเคน ดังนั้นการพอร์ตระหว่างกันจึงใกล้เคียงกับการเปลี่ยนแปลงการตั้งค่ามากกว่าการเขียนใหม่ ความแตกต่างที่จะสร้างผลกระทบจริงนั้นเป็นเชิงพฤติกรรมมากกว่าเชิงโครงสร้าง

ข้อกำหนดบริบทความยาวมากของ GPT-6 Luna เป็นข้อที่แพงที่สุด: คำขอที่มีโทเค็นอินพุตเกิน 272,000 จะถูกคิดในอัตราสองเท่าของอัตราอินพุตและแคช และ 1.5 เท่าของอัตราเอาต์พุตสำหรับคำขอทั้งหมด ดังนั้นการเรียกหนึ่งครั้งที่ 300,000 โทเค็นจึงมีค่าใช้จ่ายเป็นสองเท่าของงานเดียวกันเมื่อแยกเป็นสองคำขอ การ์ดที่เผยแพร่ของ GLM-5.3 ไม่มีข้อกำหนดเทียบเท่า ซึ่งสำหรับคำขอเดี่ยวขนาดใหญ่จริง ๆ แล้วจะช่วยลดช่องว่างราคาลงอย่างมาก และอาจพลิกสถานการณ์ราคาให้กลับกันได้ในงานที่เน้นเอาต์พุต

การตั้งค่าการใช้เหตุผลกลับให้ผลตรงกันข้าม GLM-5.3 เปิดใช้การใช้เหตุผลตลอดเวลาและไม่มีวิธีปิด ซึ่งเป็นข้อจำกัดตายตัวสำหรับงานที่ไวต่อความหน่วง — ตัวแยกประเภทหรือเราเตอร์ใช้มันไม่ได้ ส่วน GPT-6 Luna มีตัวเลือก none, low, medium, high, xhigh และ max โดยค่าเริ่มต้นคือ medium ซึ่งให้คะแนน 29 ไม่ใช่ 37 พารามิเตอร์เพียงตัวเดียวนี้คือความแตกต่างระหว่างการที่ GPT-6 Luna ตามหลังโมเดลของ Z.ai อยู่แปดจุดดัชนี กับการตามหลังถึงสิบหกจุด และทีมที่ย้ายมาโดยไม่ได้ตั้งค่าอย่างชัดเจนกำลังรันคอนฟิกูเรชันที่สองอยู่ทั้งที่เชื่อว่าตนได้ซื้อตัวแรกไป

GLM-5.3 อยู่บน OrcaRouter ในราคาตามที่ Z.ai ประกาศ, ภายใต้การคิดราคาแบบ pass-through ที่ทำให้การเปลี่ยนแปลงอัตราจากผู้ให้บริการมาอยู่ฝั่งเราในวันเดียวกัน แทนที่จะต้องรอให้ผู้ขายช่วงต่อมาเจรจาใหม่ — ซึ่งสำคัญกว่าปกติสำหรับโมเดลที่ตัวเลขพาดหัวคาดว่าจะเปลี่ยนเมื่อเวตถูกปล่อยออกมา GPT-6 Luna ยังไม่อยู่ในแค็ตตาล็อกของเรา ณ เวลาที่เขียนนี้ และเข้าถึงได้ผ่าน API ของ OpenAI เอง ทีมที่ใช้งานทั้งสองตัว ซึ่งเป็นรูปแบบที่สมเหตุสมผลตรงนี้ เมื่อพิจารณาว่าทั้งสองต่างกันมากในกรณีสุดขอบ ใช้คีย์หนึ่งสำหรับ GLM-5.3 ควบคู่กับสิ่งที่ใช้อยู่แล้วสำหรับ OpenAI และ ย้ายทราฟฟิกระหว่างตัวจำแนกประเภทราคาห้าเซนต์กับเอเจนต์เขียนโค้ดระดับรีโป โดยเปลี่ยนเส้นทางแทนที่จะเปลี่ยนการดีพลอย.

การโทร

ใช้ GPT-6 Luna สำหรับงานใดก็ตามที่โปรแกรมนำไปใช้และมีปริมาณสูง ไม่ว่าจะเป็นการจำแนกประเภท การสกัดข้อมูล การจัดเส้นทาง การสรุปแบบจำนวนมาก หรือลูปภายในของเอเจนต์ ด้วยราคา $0.10/$0.50 โดยอินพุตแบบแคชอยู่ที่หนึ่งเซนต์ และ Batch ครึ่งหนึ่งของอัตรามาตรฐาน มันถูกกว่าต่องานที่เสร็จสมบูรณ์เป็นสิบเท่าเมื่อเทียบกับ GLM-5.3 และช่องว่างดัชนี 8 จุดจะไม่ปรากฏให้เห็นในอีวัลของคุณ ตั้งค่าพารามิเตอร์ effort อย่างชัดเจน และทำให้การเรียกแบบยาวของคุณอยู่ต่ำกว่า 272,000 โทเค็น

เลือก GLM-5.3 เมื่องานนั้นเป็นงานยาก และคำตอบสำคัญกว่าราคาที่ต้องจ่าย งานวิศวกรรมซอฟต์แวร์ระดับ repo งานหลายขั้นตอนแบบอัตโนมัติ อะไรก็ตามที่คะแนนดัชนีแปดจุดเป็นความแตกต่างระหว่างงานที่สำเร็จกับงานที่ล้มเหลว การพูดมากเกินไปเป็นภาระจริง และต้นทุนงานที่สูงเป็นสิบเท่าก็เป็นเรื่องจริง แต่โมเดลที่ทำสำเร็จนั้นถูกกว่าโมเดลที่ต้องลองใหม่

และคอยจับตาดูน้ำหนักโมเดลไว้ วันที่ Z.ai เผยแพร่ให้ดาวน์โหลด GLM-5.3 คือวันที่ข้อเท็จจริงหลักของการเปรียบเทียบนี้เปลี่ยนไป และเป็นวันที่เพียงวันเดียวในหน้านี้ที่ยังไม่อยู่ในปฏิทิน