Muse Spark 1.2 เทียบกับ GPT-5.6 Luna: สามจุดดัชนีสำหรับราคาโทเค็น 4.6 เท่า

Artificial Analysis เรียกใช้ชุดเกณฑ์มาตรฐานทั้งเก้ารายการเดียวกันกับโมเดลทั้งสองนี้ และเก็บหลักฐานไว้ครบถ้วน การนำ Muse Spark 1.2 ผ่านการทดสอบมีค่าใช้จ่าย 637.85 ดอลลาร์ การนำ GPT-5.6 Luna ผ่านการทดสอบมีค่าใช้จ่าย 174.06 ดอลลาร์ สำหรับส่วนต่างค่าใช้จ่าย 3.7 เท่านั้น โมเดลของ Meta ทำคะแนนนำอยู่ 3 จุด — 54 ต่อ 51 บนดัชนี Intelligence Index ไม่ว่าการแลกเปลี่ยนนี้จะคุ้มค่าหรือไม่คือคำถามทั้งหมด และคำตอบขึ้นอยู่กับเกณฑ์การวัดน้อยกว่าสองสิ่งที่แทบไม่มีใครเขียนถึง: วิธีที่ agent framework ของคุณจัดการกับการแคชพรอมต์ และปริมาณงานของคุณจำเป็นต้องฟังหรือดูอะไรหรือไม่

ตัวเลขทุกตัวด้านล่างนี้เป็นหนึ่งในสามประเภท ได้แก่ ผลการวัดจาก Artificial Analysis ซึ่งเป็นหน่วยงานอิสระ รายการแสดง API แบบสด หรือเทเลเมทรีจากการผลิตจริงของ OrcaRouter — โดยแบบหลังนี้สมควรชี้แจงไว้ตั้งแต่ต้น เพราะมันขัดแย้งกับตัวเลข benchmark ในแง่ที่ให้บทเรียนได้ ไม่มีสิ่งใดในที่นี้เป็นคำกล่าวอ้างของผู้จำหน่ายที่ถูกปรุงแต่งให้ดูเหมือนผลการวัดจริง หากผู้จำหน่ายเป็นแหล่งข้อมูลเพียงแหล่งเดียว ข้อความนั้นก็จะระบุไว้เช่นนั้น

สกอร์บอร์ดใกล้กว่าที่ป้ายราคาบอกไว้

Muse Spark 1.2 ได้คะแนน 54 บนดัชนีปัญญาประดิษฐ์ของ Artificial Analysis ในการตั้งค่าการใช้เหตุผลระดับ xhigh โดยอยู่ในอันดับที่ 13 จาก 185 โมเดล เทียบกับค่ามัธยฐานของคลาสที่ 32 GPT-5.6 Luna ได้คะแนน 51 ที่ความพยายามสูงสุด (max effort) สามจุดบนชุดรวมของ GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience และ AA-LCR

ผลต่างสามจุดนั้นมีจริงแต่เล็กน้อย และคะแนนย่อยที่มีอยู่ในรุ่นก่อนหน้าก็บ่งชี้ว่าจุดต่างนั้นมาจากที่ใด ตัวเลขรายมิติของ Artificial Analysis ระบุว่า Muse Spark 1.1 มีดัชนีด้านการเขียนโค้ดที่ 71.3 และดัชนีด้านเอเจนต์ที่ 37.5 ขณะที่ GPT-5.6 Luna อยู่ที่ 71.4 และ 45.6 ด้านการเขียนโค้ดสูสีกันมาก และ Luna นำอยู่แปดคะแนนในงานด้านเอเจนต์ — ซึ่งเป็นมิติเดียวกับที่ Meta เขียนคำอธิบายผลิตภัณฑ์ของ 1.2 ขึ้นใหม่เพื่ออ้างสิทธิ์ คะแนนรวมขยับไปสามจุดเข้าข้าง Meta ยังไม่มีใครเผยแพร่รายละเอียดรายมิติของ 1.2 ดังนั้นจึงยังไม่มีการยืนยันว่าช่องว่างด้านเอเจนต์ปิดลงจริงหรือไม่

ในเรื่องราคาโทเคนแบบผสม ช่องว่างนั้นไม่เล็กน้อยเลย อัตราแบบผสมของ Artificial Analysis วาง Muse Spark 1.2 ไว้ที่ 0.78 ดอลลาร์ต่อล้านโทเคน และ GPT-5.6 Luna ที่ 0.17 ดอลลาร์ ราคาตามรายการ: 1.25 ดอลลาร์สำหรับ input และ 4.25 ดอลลาร์สำหรับ output สำหรับ Muse Spark 1.2 ส่วน Luna อยู่ที่ 0.20 ดอลลาร์สำหรับ input และ 1.20 ดอลลาร์สำหรับ output

การคิดราคาต่อหน่วยของงานแทนที่จะคิดต่อโทเค็น ขั้นตอนหนึ่งของเอเจนต์เขียนโค้ดที่อ่านบริบท 60,000 โทเค็นและเขียนเอาต์พุต 3,000 โทเค็นมีค่าใช้จ่ายประมาณ 8.8 เซนต์บน Muse Spark 1.2 และประมาณ 1.6 เซนต์บน GPT-5.6 Luna เมื่อทำหนึ่งพันขั้นตอนต่อวัน จะเป็น $88 เทียบกับ $16 ซึ่งแตกต่างกันประมาณ $26,000 ต่อปีสำหรับลูปเอเจนต์เดียว

การแคชคือจุดที่ช่องว่างจะแคบลงหรือเพิ่มเป็นสองเท่า

ทั้งสองโมเดลคิดอัตราค่าใช้จ่ายสำหรับ cached input ที่ต่ำมาก และอัตราส่วนระหว่างอัตราทั้งสองไม่เท่ากับอัตราส่วนระหว่างราคารายการ Muse Spark 1.2 คิดค่าอ่าน cached input ที่ 0.15 ดอลลาร์ต่อล้าน ซึ่งเป็นส่วนลด 88% จากอัตรา 1.25 ดอลลาร์ GPT-5.6 Luna คิดค่าอ่าน cached input ที่ 0.01 ดอลลาร์ต่อล้าน ซึ่งเป็นส่วนลด 95% จาก 0.20 ดอลลาร์

รันขั้นตอนเอเจนต์เดียวกันซ้ำโดยใช้ prefix 60,000 โทเคนที่ให้บริการแบบ warm: Muse Spark 1.2 ลดลงจาก 8.8 เซนต์เป็นประมาณ 2.2 เซนต์ Luna ลดลงจาก 1.6 เซนต์เป็นประมาณ 0.4 เซนต์ ช่องว่างสัมบูรณ์แคบลงจาก 7.2 เซนต์เป็น 1.8 เซนต์ต่อขั้นตอน แต่ตัวคูณยังคงเท่าเดิมโดยประมาณ — การแคชไม่ได้ช่วยโมเดลที่แพงกว่า เพียงแต่ทำให้ทั้งคู่ถูกลงด้วยปัจจัยใกล้เคียงกัน สิ่งที่เปลี่ยนไปคือรายการหลักที่ครอบงำ: เมื่อถูกแคช ต้นทุนของ Muse Spark 1.2 มาจากโทเคนเอาต์พุต 59% แทนที่จะเป็นโทเคนอินพุต 85% ดังนั้นความยืดยาวของโมเดลจึงเริ่มสำคัญกว่าขนาด context

นี่ไม่ใช่ข้อกังวลเชิงสมมุติในที่นี้ Muse Spark 1.2 สร้างโทเค็นเอาต์พุต 95M ผ่านดัชนี Intelligence Index เทียบกับค่ามัธยฐานที่ 65M บทสรุปของ Artificial Analysis เองเรียกมันว่า "ค่อนข้างใช้คำเยอะ" Luna ใช้ไป 130M ซึ่งฟังดูแย่กว่า จนกว่าจะคูณด้วย $1.20 แทนที่จะเป็น $4.25

ข้อความโฆษณาของ Meta อ้างว่าการแคชพรอมต์สามารถลดต้นทุนจริงได้ 60–80% ขึ้นอยู่กับปริมาณบริบทที่เกิดซ้ำ นั่นคือการประมาณจากผู้ขาย ไม่ใช่การวัดจริง แต่ตัวเลขทางคณิตศาสตร์ข้างต้นอยู่ในช่วงดังกล่าว

ความหน่วง: แกนที่ benchmark กลับด้านความจริง

หากเพียงอ่านตัวเลขความหน่วงจาก Artificial Analysis คุณก็จะสรุปได้ว่า Muse Spark 1.2 คือตัวที่ตอบสนองเร็ว เวลาจนถึงโทเคนแรก: 26.12 วินาทีสำหรับ Muse Spark 1.2, 126.99 วินาทีสำหรับ GPT-5.6 Luna เร็วกว่าเกือบห้าเท่า

ทั้งสองค่านั้นวัดที่การตั้งค่าการใช้เหตุผลที่แพงที่สุดของแต่ละโมเดล — xhigh สำหรับ Muse Spark และ max สำหรับ Luna ทั้งคู่ไม่ใช่สิ่งที่คุณจะเห็น บน OrcaRouter ตลอดหนึ่งสัปดาห์ของการรับส่งข้อมูลจริงตามระดับความพยายามที่ผู้เรียกใช้จริงร้องขอ GPT-5.6 Luna แสดงค่า p50 ของเวลาถึงโทเค็นแรกเท่ากับ 1.84 วินาที และ p95 เท่ากับ 9.68 วินาที ส่วน Muse Spark 1.1 แสดงค่า p50 เท่ากันคือ 1.84 วินาที โดยมีค่า p95 ที่แคบกว่าคือ 6.00 วินาที ยังไม่มีเทเลเมทรีสำหรับเวอร์ชัน 1.2 ในระบบจริง เพราะมันใหม่เกินไป

ความแตกต่างเชิงโครงสร้างมีประโยชน์มากกว่าตัวเลขทั้งสอง การใช้เหตุผลของ GPT-5.6 Luna เป็นทางเลือก — หน้าปัดระดับความพยายามไล่จาก ไม่มีผ่านระดับต่ำ ปานกลาง สูง สูงมาก ไปจนถึงสูงสุด และคุณสามารถปิดการใช้ความคิดได้จริง ๆ สำหรับงานจำแนกประเภท การจัดเส้นทาง หรือการแยกข้อมูล การใช้เหตุผลของ Muse Spark 1.2 เป็น บังคับ หน้าปัดมีจุดต่ำสุดที่ น้อยที่สุด และไม่มีการตั้งค่าใดที่ให้คุณได้น้ำหนักของโมเดลโดยไม่ต้องจ่ายค่าการคิดไตร่ตรอง สำหรับงานปริมาณมากและไวต่อความหน่วง นั่นคือข้อจำกัดเชิงออกแบบ ไม่ใช่พารามิเตอร์ที่ปรับแต่งได้

อัตราการส่งข้อมูลต่อเนื่องใกล้เคียงกัน: 165.0 โทเคนต่อวินาทีสำหรับ Muse Spark 1.2 เทียบกับ 177.9 สำหรับ Luna ทั้งสองสูงกว่าค่ามัธยฐานของคลาสที่ 71 อย่างมาก

เชิงอรรถราคาที่ทุกคนจะสะดุด

ราคาของ GPT-5.6 Luna ในปัจจุบันถูกระบุไว้แตกต่างกันในแต่ละที่ และหากคุณกำลังสร้างโมเดลต้นทุน คุณควรทราบก่อนที่จะอ้างอิงตัวเลข แคตตาล็อกของ Artificial Analysis และ OrcaRouter ต่างแสดงราคา $0.20 ต่อล้านโทเค็นอินพุต และ $1.20 ต่อล้านโทเค็นเอาต์พุต ซึ่งเป็นอัตราที่ตามหลังการลดราคา GPT-5.6 ในเดือนกรกฎาคม และเป็นอัตราที่ Artificial Analysis ใช้คำนวณค่าใช้จ่ายการประเมิน $174.06 ข้างต้น รายการในมาร์เก็ตเพลสบางแห่งในปัจจุบันแสดงราคา $0.10 และ $0.60 โดยมีระดับราคาที่สูงกว่าแยกต่างหากซึ่งจะเริ่มใช้เมื่อเกิน 272,000 โทเค็นพรอมต์ วิธีที่ปลอดภัยคือตรวจสอบราคาที่เอนด์พอยต์ที่คุณเรียกใช้งานจริง แทนที่จะใช้ราคาจากบทความเปรียบเทียบ

รายละเอียดการแบ่งระดับราคามีจริงไม่ว่าอัตราฐานใดจะถูกนำมาใช้ และเป็นประเด็นที่ยังไม่ค่อยมีใครพูดถึงอย่างแท้จริง: ราคาของ Luna จะขยับขึ้นเมื่อคำขอเดียวมีขนาดเกินประมาณ 272,000 โทเค็นพร็อมพ์อินพุตเพิ่มขึ้นประมาณเท่าตัว เอาต์พุตเพิ่มขึ้นครึ่งหนึ่ง และการอ่านจากแคชก็เพิ่มขึ้นตามสัดส่วนไปด้วย หากเหตุผลที่คุณมอง Luna คือหน้าต่างบริบทขนาด 1.05M โทเค็น โปรดทราบว่าคุณจะออกจากอัตราหลักที่จุดประมาณหนึ่งในสี่ของทาง Muse Spark 1.2 มีอัตราคงที่ตลอดทั้ง 1,048,576 โทเค็น โดยไม่มีค่าธรรมเนียมเพิ่มสำหรับบริบทยาว — สำหรับคำขอเดี่ยวที่ยาวจริงๆ ช่องว่างที่แท้จริงระหว่างทั้งสองจะแคบลงอย่างมาก

สิ่งที่ Luna ไม่สามารถทำได้ ไม่ว่าจะด้วยราคาเท่าใดก็ตาม

ความแตกต่างของโมดาลิตี้เป็นเหตุผลที่ชัดเจนที่สุดในการเลือกอย่างหนึ่งแทนอีกอย่างหนึ่ง และมันไม่ปรากฏบนลีดเดอร์บอร์ดใด ๆ

• อินพุต — Muse Spark 1.2 รองรับข้อความ รูปภาพ วิดีโอ เสียง และเอกสาร PDF ตามที่ Meta ระบุไว้ ส่วน GPT-5.6 Luna รองรับข้อความ รูปภาพ และไฟล์ แต่ไม่รองรับเสียงและวิดีโอ หากไปป์ไลน์ของคุณเกี่ยวข้องกับบันทึกเสียงหรือฟุตเทจ Luna ก็ไม่ใช่ตัวเลือกเลย

• เอาต์พุตสูงสุด — Luna ประกาศเพดานการสร้าง completion ที่ 128,000 โทเคน เอนด์พอยต์ของ Muse Spark 1.2 ประกาศว่าไม่จำกัดความยาวของ completion ซึ่งผิดปกติพอที่คุณควรทดสอบมันมากกว่าจะวางแผนโดยอิงจากค่านั้น

• จุดตัดความรู้ — Luna กำหนดจุดตัดความรู้ไว้เป็นวันที่ 16 กุมภาพันธ์ 2026 ส่วน Meta ไม่ได้ประกาศจุดตัดสำหรับ Muse Spark 1.2 ดังนั้นควรเผื่องบประมาณสำหรับการค้นคืนในทั้งสองกรณี

• การให้บริการ — โดยทั่วไปแล้ว Luna ให้บริการทั่วโลกผ่านหลายเส้นทาง Muse Spark 1.2 ให้บริการโดยผู้ให้บริการเพียงรายเดียวเท่านั้น: Meta จุดเชื่อมต่อหนึ่งจุด นโยบายภูมิภาคหนึ่งชุด และจุดที่อาจล่มได้เพียงจุดเดียว

• การกลั่นกรอง — ทั้งสองเป็นปลายทางที่ได้รับการกลั่นกรอง

ข้อแม้อย่างตรงไปตรงมาข้อหนึ่งเกี่ยวกับข้อได้เปรียบแบบมัลติโมดัล: การ์ดข้อมูลจำเพาะทางเทคนิคของ Artificial Analysis สำหรับ Muse Spark 1.2 ระบุว่าการรับข้อมูลข้อความและภาพคือสิ่งที่ประเมิน ไม่ใช่ทั้งห้าโมดาลิตี้ที่ Meta โฆษณา API รองรับมากกว่าที่ใครก็ตามภายนอกเคยทดสอบ

การนำไปใช้ เนื่องจากมันสามารถวัดผลได้

เบนช์มาร์กบอกคุณว่าโมเดลทำอะไรได้บ้าง ส่วนทราฟฟิกบอกคุณว่าผู้คนไว้วางใจให้มันทำอะไร ตลอดช่วงสัปดาห์หมุนเวียนบน OrcaRouter, GPT-5.6 Luna ประมวลผล 4,679.4 ล้านโทเคน. Muse Spark 1.1 — บริบท 1M เท่ากัน คะแนนดัชนีเทียบเคียงได้ และอยู่ในแคตตาล็อกนานกว่าสี่สัปดาห์ — ประมวลผล 4.4 ล้าน. นั่นคือประมาณหนึ่งพันเท่า

ส่วนหนึ่งของเรื่องนี้คือการกระจายตัว: Luna เป็นค่าเริ่มต้นในเครื่องมือมากกว่า และเปิดตัวทั่วโลกในรูปแบบ GA มานานกว่า ขณะที่ตระกูล Muse Spark เปิดตัวเฉพาะในสหรัฐฯเท่านั้น แต่ช่องว่างที่แตกต่างกันเป็นพันต่อหนึ่งบนเราเตอร์ที่ทั้งคู่ห่างกันเพียงสตริงรุ่นเดียว ไม่ใช่เรื่องของการกระจายตัวเพียงอย่างเดียว นี่คือเหตุผลเชิงปฏิบัติที่ทำให้ Luna เป็นค่าเริ่มต้นที่ปลอดภัยกว่า และ Muse Spark 1.2 คือสิ่งที่คุณประเมินอย่างรอบคอบ

น่าสังเกตว่าวันนี้คุณเช่าอะไรได้บ้างและไม่ได้บ้าง: GPT-5.6 Luna อยู่ในแคตตาล็อกของ OrcaRouter ในราคา $0.20 และ $1.20 ซึ่งเป็นตัวเลขเดียวกันกับรายการราคาของผู้ให้บริการเอง เพราะเราเรียกมาร์กอัป 0% และส่งผ่านราคารายการของผู้ให้บริการโดยตรง Muse Spark 1.1 ก็อยู่ที่นั่นในราคา $1.25 และ $4.25 บนพื้นฐานเดียวกัน Muse Spark 1.2 ยังไม่เข้าแคตตาล็อก — ให้บริการโดย Meta โดยตรง ดังนั้นวิธีที่ถูกที่สุดในการเปรียบเทียบอย่างตรงไปตรงมาในวันนี้คือ Luna กับ Muse Spark 1.1 ด้วยคีย์เดียว เปลี่ยนสตริงหนึ่งระหว่างการรัน แล้วทดสอบใหม่กับ 1.2 เมื่อมันวางจำหน่าย

เลือกหนึ่ง

เลือกใช้ GPT-5.6 Lunaหากปริมาณงานสูงและเป็นรูปแบบข้อความ: แชท การจำแนกประเภท การแยกข้อมูล การจัดเส้นทาง การใช้เครื่องมือเบา ๆ ราคาเป็นเพียงหนึ่งในสี่ของราคาเฉลี่ยรวม มันให้คุณปิดการใช้เหตุผลได้ทั้งหมด ค่า p50 ที่ 1.84 วินาทีเป็นตัวเลขการผลิตจริงที่วัดได้ ไม่ใช่สิ่งที่เกิดจากเงื่อนไขการวัดมาตรฐาน และเป็นโมเดลที่มีทราฟฟิกจริงอยู่เบื้องหลังมากกว่าถึงพันเท่า คะแนนดัชนีสามจุดไม่รอดเมื่อคำนวณแบบนั้น

เลือกใช้ Muse Spark 1.2 หากปริมาณงานเป็นการเขียนโค้ดแบบเอเจนต์ระยะยาว — การรีแฟกเตอร์หลายไฟล์, การดีบักที่ยาวนาน, งานที่ครอบคลุมทั้งรีโพซิทอรี — หรือหากเกี่ยวข้องกับอินพุตเสียงหรือวิดีโอ ซึ่ง Luna ไม่สามารถแข่งขันได้เลย นอกจากนี้ยังเป็นตัวเลือกที่ดีกว่าสำหรับคำขอเดี่ยวที่มีขนาดมหาศาลอย่างแท้จริง เนื่องจากอัตราคิดค่าบริการคงที่ตลอดทั้งล้านโทเค็น ในขณะที่อัตราของ Luna จะเพิ่มขึ้นเป็นขั้นเมื่อเกิน 272K

ใช้ทั้งสองแบบ หากคุณพูดตามตรงว่าระบบเอเจนต์ถูกสร้างขึ้นจริง ๆ อย่างไร รูปแบบที่ชนะเสมอคือ โมเดลราคาถูกจัดการกับการเรียกใช้ส่วนใหญ่ที่เป็นงานประจำ ขณะที่โมเดลราคาแพงถูกสงวนไว้สำหรับขั้นตอนที่คุณภาพคุ้มค่ากับต้นทุน โมเดลทั้งสองอยู่ภายใต้เอนด์พอยต์ที่เข้ากันได้กับ OpenAI เพียงตัวเดียว การแบ่งแยกจึงเป็นเพียงกฎการกำหนดเส้นทาง ไม่ใช่ความสัมพันธ์กับผู้ให้บริการรายที่สอง — และหากโมเดลแพงล่มกลางทาง การเฟลโอเวอร์อัตโนมัติจะช่วยให้การประเมินของคุณไม่ปนเปื้อนตัวเองด้วยข้อมูลเพียงครึ่งชุดอย่างเงียบ ๆ

สิ่งที่ต้องจับตาดูในเดือนหน้าก็คือรายละเอียดแยกตามมิติ จุดขายทั้งหมดของ Muse Spark 1.2 คือความสามารถเชิงเอเจนต์ และในรุ่นก่อนหน้านั้น มิตินี้เองที่ Luna นำอยู่แปดจุด จนกว่าจะมีใครเผยแพร่ดัชนีเอเจนต์สำหรับ 1.2 การเพิ่มขึ้นของคะแนนรวมสามจุดก็เป็นหลักฐานเดียวที่มีว่า Meta ปิดช่องว่างลงได้แล้ว