MOSS-Image vs GPT Image 2.5: แบ็กโบน 5B ที่ดาวน์โหลดได้ เทียบกับสองโมเดลแบบสแนปช็อต
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 61 tok/s
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 78 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 · 725 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 · 35 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 821 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 · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 111 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 · 174 tok/s
เริ่มจากชื่อก่อน เพราะมันคือสิ่งแรกที่ทำให้คนสะดุดgpt-image-2.5ไม่มีโมเดลที่ชื่อนี้ สิ่งที่มีอยู่คือคู่หนึ่ง — GPT Image 2.5 Sunburst ตัวระบุ gpt-image-2.5-sunburst และ GPT Image 2.5 Flare ตัวระบุ gpt-image-2.5-flare — ทั้งคู่ถูกสแนปช็อตเมื่อ 2026-09-08 และทั้งคู่เป็นแบบปิด ในทางตรงกันข้าม มี MOSS-Image เปิดตัวโดย OpenMOSS เมื่อวันที่ 16 ตุลาคม 2026 เป็นเช็คพอยต์ Apache 2.0 สองตัว คือ MOSS-Image-Base และ MOSS-Image-SFT ที่คุณดาวน์โหลดไปรันเองได้ ฝั่งหนึ่งขาย endpoint ให้คุณ อีกฝั่งยื่น 27 กิกะไบต์ให้ แล้วก็อวยพรให้คุณโชคดีกับเอนโคเดอร์
นั่นคือรูปร่างทั้งหมดของการเปรียบเทียบ และความแตกต่างอื่น ๆ เกือบทั้งหมดก็เป็นผลสืบเนื่องมาจากมัน การเปรียบเทียบด้านล่างนี้ถือว่าสองเวอร์ชันของ OpenAI เป็นฝ่ายเดียวกันเฉพาะในจุดที่การกำหนดราคาและเอกสารของ OpenAI เองถือว่าทั้งสองเป็นหนึ่งเดียวกัน — ซึ่งเป็นจริงสำหรับตารางราคา แต่ไม่จริงสำหรับขีดความสามารถ และความแตกต่างนั้นมีหัวข้อแยกของตัวเอง ตัวเลขทุกตัวที่ระบุว่าเป็นของ OpenAI คือตารางราคาที่ OpenAI เผยแพร่ ส่วนตัวเลขทุกตัวที่ระบุว่าเป็นของ MOSS-Image นั้นเป็นของ OpenMOSS เอง จากประกาศเปิดตัวและรายงานทางเทคนิคของมัน และยังไม่มีใครทำซ้ำได้
สองโมเดลต่อการดาวน์โหลดหนึ่งครั้ง
เจเนอเรชัน 2.5 ของ OpenAI เป็นการแยกสายมากกว่าจะเป็นการขยับเวอร์ชัน เจเนอเรชันก่อน ๆ ส่งโมเดล ID หลักเพียงตัวเดียวและให้คุณเลือกระดับคุณภาพภายในตัวนั้น สำหรับ 2.5 มีสองโมเดลที่ตั้งชื่อแยกกันและแช็ตสแนปแยกกัน และไม่มี alias แบบครอบทั้งหมด — โค้ดที่เขียนอ้างอิงกับ gpt-image-2.5แบบเปล่า ๆ จะไม่ทำงาน Sunburst ถูกวางตำแหน่งสำหรับความสามารถ ส่วน Flare สำหรับความเร็ว และทั้งคู่คิดค่าบริการเท่ากัน ดังนั้นการเลือกระหว่างสองตัวจึงเป็นการตัดสินใจเรื่องความหน่วงและความแม่นยำ มากกว่าจะเป็นเรื่องงบประมาณ
MOSS-Image ก็เป็นสองโมเดลเช่นกัน แต่การแบ่งเป็นแบบการฝึกมากกว่าการแบ่งเป็นผลิตภัณฑ์ Base คือเช็กพอยต์ที่ผ่านการพรีเทรนแล้ว โดยตั้งใจเว้นไว้ไม่ให้ถูกกลั่น — การ์ดโมเดลระบุไว้อย่างชัดเจนว่าไม่มีการทำโพสต์เทรนหรือดิสทิลเลชันพารามิเตอร์สำหรับการอนุมาน เช่น CFG เพื่อรักษาข้อมูลการฝึกและทำให้การฝึก LoRA ยังคงทำได้ SFT ถูกไฟน์ทูนบนข้อมูลที่คัดสรรแล้ว และเป็นตัวที่คนส่วนใหญ่ควรนำไปรัน ตัวอย่างการเปรียบเทียบของผู้ขายแสดงให้เห็นว่า SFT ให้การจัดกลุ่มข้อความที่แน่นขึ้นและเลย์เอาต์ที่เป็นระเบียบมากขึ้นบนพรอมป์ต์เดียวกัน ซึ่งเป็นสิ่งที่การไฟน์ทูนด้วยข้อมูลคัดสรรบนฐานที่ไม่ถูกกลั่นควรทำ
• สิ่งที่คุณเรียกมัน — GPT Image 2.5: สอง ID, gpt-image-2.5-sunburst และ gpt-image-2.5-flare โดยไม่มี alias เปล่า ๆ MOSS-Image: สองรีโพซิทอรี, OpenMOSS-Team/MOSS-Image-Base และ OpenMOSS-Team/MOSS-Image-SFT พร้อมมิเรอร์บน ModelScope สำหรับทั้งคู่
• สิ่งที่คุณได้รับ — GPT Image 2.5: เอนด์พอยต์ที่เข้ากันได้กับ OpenAI และวันที่สแนปช็อต MOSS-Image: น้ำหนัก safetensors, ไปป์ไลน์แบบกำหนดเองของ Diffusers, แอป Gradio และปลั๊กอิน ComfyUI แบบเนทีฟที่ติดตั้งได้ผ่าน ComfyUI Manager
• ค่าใช้จ่าย — GPT Image 2.5: คิดค่าบริการเป็นโทเคน, $8.00 ต่อล้านโทเคนภาพอินพุต และ $30.00 ต่อล้านโทเคนภาพเอาต์พุต, แบบแบตช์ราคาครึ่งเดียว. MOSS-Image: ไม่มีค่าใช้จ่ายสำหรับใบอนุญาต, ทุกอย่างอยู่ที่ GPU.
• ใบอนุญาตของใครควบคุมผลลัพธ์ — GPT Image 2.5: ข้อกำหนดของ OpenAI ซึ่งไม่ได้ถูกระบุไว้ในเอกสารสำหรับนักพัฒนาเอง MOSS-Image: Apache 2.0 สำหรับน้ำหนักและโค้ดการอนุมานที่มาพร้อมกัน ไม่มีเกณฑ์รายได้ขั้นต่ำ และไม่มีภาคผนวกว่าด้วยการใช้งานที่ยอมรับได้
การควบคุมเลย์เอาต์ และโมดูลที่ไม่ใช่ของโมเดล
ทั้งสองระบบให้คุณวางสิ่งต่างๆ ตามพิกัด แต่ทั้งสองไม่ได้เทียบเท่ากันในแง่ของสิ่งที่อยู่เบื้องหลังพิกัดเหล่านั้น
รูปแบบเลย์เอาต์ของ MOSS-Image รับออบเจ็กต์ JSON เป็นพรอมป์ต์: summary พร้อมคำบรรยายฉาก และitems อาร์เรย์ โดยแต่ละองค์ประกอบมีเลเบลเป็น text, character หรือ object, คำบรรยาย, บาวน์ดิงบ็อกซ์ และ — สำหรับข้อความ — สตริงตามตัวอักษรที่ต้องเรนเดอร์ บ็อกซ์ใช้ bbox_format: "yxyx" ใน bbox_coord_space: "abs_centralized" ซึ่งหมายถึงออฟเซตพิกเซลจากจุดศูนย์กลางแคนวาส
อินเทอร์เฟซที่ได้รับการบันทึกไว้ของ GPT Image 2.5 ไม่ใช่ไวยากรณ์การจัดวาง พื้นผิวการควบคุมของมันคือพรอมป์ต์เองบวกรูปภาพอ้างอิง พฤติกรรมแบบสไตล์การจัดวางที่ปรากฏในจุดแข็งด้านการแก้ไขของเจนเนอเรชัน 2.5 นั้นแสดงออกผ่านการแก้ไขแบบวนซ้ำ มากกว่าผ่านข้อกำหนดกล่องแบบมีโครงสร้าง นั่นคือความแตกต่างด้านความสามารถที่แท้จริง และเป็นจุดเดียวที่อินเทอร์เฟซของ MOSS-Image ชัดเจนกว่าของ OpenAI
ข้อควรระวังในฝั่งของ MOSS-Image นั้นควรกล่าวไว้ก่อนการทำเบนช์มาร์กใด ๆ: โมดูลเสริมพรอมต์ที่เปลี่ยนไอเดียสั้น ๆ ให้กลายเป็นข้อกำหนดเลย์เอาต์ฉบับเต็ม ไม่ใช่โมเดลขนาดเล็กของ OpenMOSS เอง รายงานทางเทคนิคระบุว่า LayoutPE ใช้ GPT-6 ร่วมกับคำสั่งงานแบบโมดูลาร์ในขณะทำ inference และสกิลตัวเสริมพรอมต์ที่มาพร้อมกันนั้นถูกอธิบายว่าถูกออกแบบมาสำหรับเอเจนต์ในตระกูล GPT-6 ดังนั้นผลลัพธ์เลย์เอาต์แบบครบวงจรที่ดีที่สุดในการประเมินของ OpenMOSS เองจึงเกิดขึ้นจากไปป์ไลน์สองโมเดล ซึ่งครึ่งที่เป็นส่วนข้อกำหนดนั้นทำงานบน API ของผู้อื่น หากคุณใช้ MOSS-Image โดยไม่มีตัวเสริมพรอมต์นั้น คุณจะเป็นผู้จัดเตรียม JSON เลย์เอาต์เอง และไปป์ไลน์ที่คุณกำลังวัดอยู่นั้นเป็นคนละตัวกัน
หลักฐาน และความเบาบางของมันในทั้งสองด้าน
OpenMOSS ประเมิน MOSS-Image บนสองเบนช์มาร์กที่มาพร้อมกับการเปิดตัวและที่ผู้ขายสร้างขึ้นเองด้วย LongLongTextBench เป็นงานเรนเดอร์ข้อความวรรณกรรม 240 งาน เป็นภาษาอังกฤษ 120 งานและภาษาจีน 120 งาน โดยมีความยาวเป้าหมายเฉลี่ย 1,339.8 ตัวอักษร RealLayoutArena เป็นงานออกแบบ 61 งาน — โปสเตอร์ 20 ชิ้น อินโฟกราฟิก 20 ชิ้น และส่วนติดต่อผู้ใช้ 21 ชิ้น — ตัดสินด้วยการเปรียบเทียบแบบคู่แบบไม่เปิดเผยชื่อและปรับให้เข้ากับมาตราส่วน Elo แบบ Bradley–Terry บนอารีนาแบบ end-to-end MOSS-Image อยู่ที่ 1698.70 Elo โดยมีช่วง 95% อยู่ที่ 1655.96 ถึง 1741.43 เป็นอันดับสองโดยรวมรองจาก GPT Image 2 ที่ 1844.35 เมื่อจำกัดเฉพาะแบ็กโบนเพียงอย่างเดียวภายใต้พรอมป์ต์เสริมที่ใช้ร่วมกัน MOSS-Image อยู่ในอันดับหนึ่งที่ 1807.34
อ่านข้อความนี้ให้ดี เวทีทดสอบที่ MOSS-Image ได้อันดับหนึ่งคือเวทีที่การเปรียบเทียบจำกัดอยู่แค่ตัว generator และใช้ prompt enhancement ร่วมกัน — ซึ่งเป็นรูปแบบการทดลองที่กำจัดปัญหาการกำหนดสเปกโดยบุคคลที่สามออกไปได้พอดี ส่วนเวทีทดสอบที่มันได้อันดับสองคือแบบ end-to-end ไม่มีอันใดเป็นการทดสอบที่เป็นกลาง
OpenAI ไม่ได้เผยแพร่เกณฑ์มาตรฐานด้านเลย์เอาต์หรือการเรนเดอร์ข้อความใดที่เทียบเคียงได้สำหรับ GPT Image 2.5 หลักฐานอิสระที่มีอยู่สำหรับโมเดลของ OpenAI นั้นอยู่ในบอร์ดของ Artificial Analysis ซึ่งในนั้นตัวแปรของ 2.5 ครองสองอันดับแรกบนลีดเดอร์บอร์ดการแก้ไขภาพ นั่นเป็นการวัดแบบblind preference ที่มีวิธีการเปิดเผยไว้ และไม่ได้ทดสอบการควบคุมเลย์เอาต์เลย ดังนั้นโมเดลทั้งสองจึงถูกวัดบนแกนที่ไม่ทับซ้อนกันโดยฝ่ายที่แตกต่างกัน และความอยากที่จะนำ 1698.70 ไปวางเทียบกับ Elo ของบอร์ดก็เป็นสิ่งที่ควรต้านทานไว้ เพราะมันไม่ใช่สเกลเดียวกันและไม่ได้วัดสิ่งเดียวกัน
แต่ละรายการมีค่าใช้จ่ายเท่าไรเมื่อซื้อในปริมาณมาก
GPT Image 2.5 คิดค่าบริการเป็นโทเค็น โดยใช้อัตราเดียวกับ GPT Image 2: 5.00 ดอลลาร์ต่อโทเค็นข้อความขาเข้า 1 ล้านโทเค็น โดยข้อความที่แคชไว้ราคา 1.25 ดอลลาร์, 8.00 ดอลลาร์ต่อโทเค็นภาพขาเข้า 1 ล้านโทเค็น โดยภาพที่แคชไว้ราคา 2.00 ดอลลาร์ และ 30.00 ดอลลาร์ต่อโทเค็นภาพขาออก 1 ล้านโทเค็น โหมดแบตช์จะลดครึ่งหนึ่งของแต่ละรายการ ไม่มีราคาต่อภาพบนหน้าของผู้ให้บริการและไม่มีโควตาฟรี ดังนั้นวิธีเดียวที่จะได้ตัวเลขต่อภาพคือการแปลงหน่วย — และบอร์ดอิสระได้เผยแพร่ตัวเลขหนึ่ง ซึ่งปัจจุบันอยู่ที่ประมาณ 0.21 ดอลลาร์ต่อภาพสำหรับภาพคุณภาพสูงขนาด 1024×1024 ให้ถือว่านั่นเป็นการคำนวณโดยบอร์ด ไม่ใช่ราคาของ OpenAI
MOSS-Image ไม่มีเรตการ์ดเพราะไม่มีอะไรต้องเรียกเก็บเงิน ต้นทุนคือตัวเครื่อง แหล่งเก็บ SFT มีขนาดราว 27.2 GB และตัวเลขที่ทำให้หลายคนประหลาดใจคือการแบ่งสัดส่วน โดยประมาณ 16.8 GB กระจายอยู่บนสี่เชดคือ Qwen3.5-9B text encoder แบบฟรีซ และราว 10.2 GB กระจายอยู่บนสามเชดคือตัว transformer เอง ป้าย 5B นั้นอธิบายเฉพาะตัว diffusion generator เท่านั้น ค่าเริ่มต้นของการสุ่มตัวอย่างคือ flow-matching Euler ที่ 50 สเต็ป, CFG 3.0, shift 5.0 พร้อม negative-branch skip-layer guidance ที่เลเยอร์ 22 — และเส้นทาง guidance แบบเริ่มต้นต้องใช้การ forward ผ่าน transformer สองครั้งต่อหนึ่งสเต็ป ซึ่งเป็นเหตุผลว่าทำไม 50 สเต็ปจึงไม่ใช่การตั้งค่าที่ประหยัดอย่างที่ฟังดูเหมือน
ที่หนึ่งแสนภาพต่อเดือน ฝั่งที่คิดค่าบริการตามโทเคนจะตกอยู่ที่หลักหมื่นต้น ๆ ดอลลาร์ ส่วนฝั่งที่ดาวน์โหลดมาจะตกอยู่ที่เท่าไรก็ขึ้นอยู่กับค่าเช่า GPU ของคุณ นั่นไม่ใช่การเปรียบเทียบที่ทำให้ฝ่ายใดฝ่ายหนึ่งดูดี ซึ่งเป็นเหตุผลว่าทำไมการตัดสินใจจึงมักขึ้นอยู่กับสิ่งอื่นแทน: ว่าคุณสามารถปล่อยการเปลี่ยนแปลงคอนฟิกได้เลย หรือต้องคุยเรื่องการจัดซื้อจัดจ้าง
การรันทั้งสองแบบเคียงข้างกัน
หากคุณอยากตัดสินเรื่องนี้ด้วยพรอมป์ของคุณเอง แทนที่จะพึ่งลีดเดอร์บอร์ดของใคร สองฝ่ายนี้ยืนอยู่คนละสุดของเส้นแบ่งที่ผลิตภัณฑ์ของเราเองไม่ข้ามไปอยู่ตรงกลาง MOSS-Image ไม่ได้อยู่ในแค็ตตาล็อกของ OrcaRouter — เราให้บริการโมเดลมากกว่า 200 ตัว และมันไม่ใช่หนึ่งในนั้น — ฉะนั้นครึ่งที่เป็นโอเพนเวตของการทดลองนี้จึงเป็นของคุณที่จะโฮสต์เอง GPT Image 2.5 Sunburst และ Flare สามารถจัดเส้นทางได้ผ่านเอนด์พอยต์ที่เข้ากันได้กับ OpenAI แบบเดียวกับทุกอย่างอื่นในแค็ตตาล็อก ในอัตราตามที่ผู้ให้บริการกำหนดไว้ที่ 8 ดอลลาร์ต่อโทเคนอินพุตรูปภาพหนึ่งล้านโทเคน และ 30 ดอลลาร์ต่อโทเคนเอาต์พุตรูปภาพหนึ่งล้านโทเคน โดยเราไม่บวกเพิ่มใด ๆ
ส่วนที่มีประโยชน์ของการจัดวางแบบนั้นสำหรับการเปรียบเทียบแบบนี้คือพฤติกรรมการสลับไปใช้ระบบสำรอง เมื่อคุณกำลังรันลูป benchmarking ที่ยิงพรอมป์หลายร้อยรายการไปยังโมเดลที่โฮสต์ไว้ การจำกัดอัตราจากฝั่งผู้ให้บริการหรือช่วงนาทีที่ทำงานผิดปกติจะกลายเป็นตัวอย่างที่สูญหาย และ การสลับไปใช้ผู้ให้บริการรายอื่นโดยอัตโนมัติหมายความว่าลูปจะทำงานจนจบ แทนที่จะทิ้งให้คุณมีตารางผลลัพธ์ที่เติมข้อมูลไม่ครบ คำตอบที่ส่งกลับมาจากตัวสำรองจะเทียบเคียงได้กับตัวหลักหรือไม่นั้น เป็นคำถามที่คุณควรตัดสินใจก่อนเริ่ม ไม่ใช่หลังจากนั้น
คุณอยู่ฝั่งไหนของเส้นแบ่งเขต
เลือก MOSS-Image ถ้าคุณต้องการตัวเวต Apache 2.0 ที่ไม่มีเพดานรายได้ทำให้การตรวจสอบเชิงพาณิชย์สั้นลง เช็กพอยต์ Base ถูกจงใจปล่อยไว้โดยไม่กลั่นเพื่อการเทรน LoRA โดยเฉพาะ เลย์เอาต์ JSON เป็นสเปกจริง ๆ ไม่ใช่แค่ธรรมเนียมการเขียนพรอมป์ต์ และคุณชี้การติดตั้ง ComfyUI ไปที่มันได้ตั้งแต่วันนี้ ก่อนจะเข้าไป ควรรู้ไว้ว่าตัวเอนโคดเดอร์คือส่วนที่ต้องดาวน์โหลด ค่าเริ่มต้น 50 สเต็ปที่สองฟอร์เวิร์ดต่อสเต็ปเป็นต้นทุนการเสิร์ฟจริง ๆ และตัวเลข Elo ที่พาดหัวนั้นได้มาจากการใช้โมเดลของบุคคลที่สามในครึ่งที่เป็นสเปกของไปป์ไลน์ ถ้าคุณข้ามตัวเสริมคุณภาพไปแล้วเขียนเลย์เอาต์เอง คุณก็ต้องรับผิดชอบตัวเลขเอง — ซึ่งก็ไม่เป็นไร เพราะไม่มีใครทำซ้ำตัวเลขของ OpenMOSS ได้เหมือนกัน
เลือก GPT Image 2.5 หากคุณต้องการเอนด์พอยต์ที่เรียกใช้ได้ภายในสัปดาห์นี้ หากงานของคุณเป็นการแก้ไขแบบทำซ้ำมากกว่าการจัดวางองค์ประกอบ หรือหาก benchmark อิสระที่มีวิธีการเผยแพร่มีความสำคัญต่อการตัดสินใจของคุณมากกว่าอินเทอร์เฟซควบคุมที่มีโครงสร้าง การแยกเป็นสองรูปแบบหมายถึงการตัดสินใจเพิ่มเติม — Sunburst เมื่อการแก้ไขเป็นสิ่งที่ส่งมอบ, Flare เป็นค่าเริ่มต้น — และบิลที่คิดตาม token นั้นคาดเดาได้ยากกว่าอัตราต่อภาพ แต่โมเดลนี้อยู่บนสุดของบอร์ดเป็นกลางเพียงแห่งเดียวที่ครอบคลุมการแก้ไข และนั่นมีค่าบางอย่างที่ตารางของผู้ขายเองไม่มี
ช่องว่างที่จะเปลี่ยนการเปรียบเทียบนี้มากที่สุดอยู่ฝั่ง OpenAI ไม่ใช่ฝั่ง OpenMOSS: การประเมินการควบคุมเลย์เอาต์ที่เผยแพร่ หรือเกณฑ์มาตรฐานเลย์เอาต์อิสระที่ครอบคลุมทั้งสองโมเดล จนกว่าจะมีสิ่งนั้น ทั้งสองระบบกำลังถูกวัดบนแกนที่ต่างกันโดยคนละกลุ่ม และประโยคที่อธิบายสถานการณ์ปัจจุบันได้ดีที่สุดคือ MOSS-Image มีอินเทอร์เฟซที่ชัดเจนกว่า และ GPT Image 2.5 มีหลักฐานที่เป็นอิสระมากกว่า
ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกเป็นหลักฐานไว้ ซึ่งอยู่เบื้องหลังการเปิดตัวในลักษณะนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตัวเอง
