Ultramarine 1 Flash กับ Claude Haiku 4.5: ตัวเลขต้นทุนต่องานสองค่าที่ไม่ได้วัดสิ่งเดียวกัน
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 60 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 · 762 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 · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 2230 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 · 57 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 122 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 · 204 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845ความฉลาด75การเขียนโค้ด
โมเดลทั้งสองตัวในการเปรียบเทียบนี้ต่างก็เผยแพร่ต้นทุนต่อหนึ่งงาน และสิ่งที่น่าดึงดูดใจก็คือการนำตัวเลขมาเทียบกันแล้วลบออกจากกัน Paper Instruments ระบุว่า Ultramarine 1 Flashทำงานหนึ่งงานเสร็จในราคา $0.13 ส่วน Artificial Analysis วัดClaude Haiku 4.5ในการตั้งค่าแบบ reasoning ของมัน อยู่ที่ $0.28 ต่อหนึ่งงาน Intelligence Index ที่ทำเสร็จ ตัวหนึ่งต่ำกว่าอีกตัวไม่ถึงครึ่ง และถ้านั่นเป็นภาพทั้งหมด การตัดสินใจก็คงใช้เวลาสิบวินาที แต่มันไม่ใช่ภาพทั้งหมด เพราะตัวเลขสองตัวนั้นมาจากชุดการทดสอบที่แตกต่างกัน ซึ่งสั่งให้โมเดลทำสิ่งต่างกัน และการเข้าใจว่าชุดการทดสอบใดคล้ายกับงานของคุณคือการเปรียบเทียบทั้งหมด อัตราค่าบริการเองก็ยังห่างกันมากกว่านั้นอีก: $0.15 ต่ออินพุตหนึ่งล้านโทเคน และ $0.50 ต่อเอาต์พุต สำหรับโมเดลของ Paper Instruments เทียบกับ $1.00 และ $5.00 ของ Anthropic — ช่องว่าง 6.7 เท่าในด้านอินพุต และ 10 เท่าในด้านเอาต์พุต
ยังมีความไม่สมมาตรประการที่สองอีกอย่าง Claude Haiku 4.5 มีคะแนนที่เผยแพร่จากห้องแล็บที่ไม่ใช่ผู้สร้างมัน ส่วน Ultramarine 1 Flash มีคะแนนที่เผยแพร่จากบริษัทที่ฝึกมันขึ้นมา บนชุดทดสอบที่บริษัทนั้นสร้างเอง ข้อเท็จจริงทั้งสองข้อนี้สำคัญในบริบทนี้มากกว่าตัวเลขเบนช์มาร์กใด ๆ เพียงตัวเดียว และไม่มีข้อใดปรากฏในการเปรียบเทียบแบบเคียงข้างกัน
การ์ดอัตราค่าบริการสองใบ และบรรทัดที่ทั้งสองใบไม่เหมือนกัน
ตัวเลขของ Ultramarine คือราคา API ที่ Paper Instruments เผยแพร่ และผลการประเมินที่บริษัทเผยแพร่เอง ราคาของ Claude Haiku 4.5 คือเรตการ์ดของ Anthropic ส่วนตัวเลขการประเมินของรุ่นนี้เป็นผลการวัดของ Artificial Analysis ซึ่งระบุกำกับไว้เช่นนั้น
• อินพุต — Ultramarine 1 Flash $0.15 ต่อล้านโทเคน เทียบกับ Claude Haiku 4.5 $1.00 โมเดลของ Anthropic มีค่าใช้จ่ายฝั่งขาเข้าสูงกว่า 6.7 เท่า
• อินพุตแบบแคช — $0.03 เทียบกับ $0.10 ต่อล้าน ส่วนลด 90% ฝั่ง Anthropic เทียบกับส่วนลด 80% ฝั่ง Paper Instruments ช่องว่างเชิงสัมบูรณ์ยังคงกว้างอยู่ ส่วนช่องว่างเชิงสัดส่วนนั้นแคบลง
• เอาต์พุต — $0.50 เทียบกับ $5.00 ต่อล้าน 10 เท่า และนี่คือบรรทัดที่ความแตกต่างตกจริง ๆ เพราะงานเอกสารสร้างเอาต์พุตเป็นจำนวนมหาศาล
• บริบท — 131,072 โทเคนในคอนฟิกูเรชันการเทรนที่รายงานทางเทคนิคระบุ เทียบกับ 200,000 บนเรตการ์ดของ Haiku โดย Anthropic มีมากกว่าอยู่ราว 1.5 เท่า
• เอาต์พุตสูงสุด — ไม่ได้เผยแพร่โดย Paper Instruments เทียบกับ 64,000 โทเค็นสำหรับ Claude Haiku 4.5 มีเซลล์ว่างหนึ่งเซลล์ในรายการ
• อินพุต — Claude Haiku 4.5 รองรับการอัปโหลดข้อความ รูปภาพ และไฟล์ Ultramarine 1 Flash ถูกสร้างขึ้นโดยเน้นงานด้านข้อความและเอกสาร; โมเดลฐานของมันคือ GLM-5.3 Flash ซึ่งเป็นมัลติโมดัลโดยกำเนิด แต่ Paper Instruments ไม่ได้เผยแพร่รายการมอดาลิตี้สำหรับเวอร์ชันอนุพันธ์
• ต้นทุนที่วัดได้ต่องานที่ทำเสร็จหนึ่งงาน — $0.13 บน PI Knowledge Work สำหรับ Ultramarine 1 Flash เทียบกับ $0.28 บน Intelligence Index สำหรับ Claude Haiku 4.5 (แบบใช้เหตุผล) ตัวเลขที่ผู้คนจะยกมาอ้างใส่กัน ส่วนถัดไปคือเหตุผลว่าทำไมมันจึงไม่ใช่หน่วยเดียวกัน
แต่ละคะแนนครอบคลุมอะไรจริง ๆ
บันทึกที่เผยแพร่ของ Claude Haiku 4.5 มีสองการกำหนดค่า และควรแยกออกจากกัน เพราะผลการค้นหามักจะแสดงอันที่ผิดให้คุณเห็น Artificial Analysis ระบุการกำหนดค่าแบบไม่ใช้การให้เหตุผลว่าอยู่ที่ Intelligence Index 15 โดยมีอัตรา 87.3 โทเค็นเอาต์พุตต่อวินาที การกำหนดค่าแบบใช้การให้เหตุผล — อันที่มีตัวเลขค่าใช้จ่ายต่องานกำกับอยู่ และเป็นอันที่บทความนี้ใช้ตลอด — วัดได้ที่ Intelligence Index 17 โดยมีอัตรา 90.0 โทเค็นเอาต์พุตต่อวินาที, อินพุต $1.00 และเอาต์พุต $5.00 ต่อล้าน, ส่วนลดแคช 90%, $0.28 ต่องาน Index ที่เสร็จสมบูรณ์ และความเยิ่นเย้อ 78 ล้านโทเค็นเอาต์พุต หน้าต่างบริบทของมันคือ 200,000 โทเค็น โดยมีจุดตัดความรู้เดือนกรกฎาคม 2025 และรองรับข้อความและรูปภาพ
Intelligence Index ประกอบขึ้นจากการประเมินด้านคณิตศาสตร์ การเขียนโค้ด การใช้เหตุผล และแบบเอเจนต์ ไม่มีแบบทดสอบองค์ประกอบใดเลยที่ขอให้โมเดลสร้างชุดสไลด์นำเสนอคณะกรรมการ บันทึกช่วยจำการตรวจสอบสถานะ หรือแบบจำลอง Excel ที่มีการพยากรณ์แบบเรียลไทม์อยู่ภายใน เพราะชิ้นงานเหล่านี้ไม่มีคำตอบที่ถูกต้องเพียงหนึ่งเดียว และเบนช์มาร์กที่ให้คะแนนชิ้นงานเหล่านี้จะต้องมีรูบริกเฉพาะสำหรับแต่ละงาน
ซึ่งเป็นสิ่งที่ Paper Instruments สร้างขึ้นมาพอดี และเป็นเหตุผลว่าทำไมการเปรียบเทียบนี้จึงไม่ใช่การนำมาลบกัน PI Knowledge Work คือชุดผลงานส่งมอบที่พร้อมสำหรับลูกค้าในด้านการเงิน กฎหมาย ที่ปรึกษา และปฏิบัติการ โดยให้คะแนนทีละงานเทียบกับรูบริกที่จัดทำขึ้นโดยโมเดลให้คะแนนตามรูบริก Ultramarine 1 Flash ทำคะแนนได้ 59.3 ในส่วนนั้นที่ราคา $0.13 ต่องาน คะแนน 59.3 จากรูบริกผลงานส่งมอบเอกสารกับคะแนน 17 จากดัชนีคณิตศาสตร์และการเขียนโค้ดไม่ใช่ปริมาณที่เปรียบเทียบกันได้ ตัวเลขต้นทุนก็เช่นกัน เพราะงานในชุดหนึ่งอาจยาวกว่างานในอีกชุดหนึ่งได้ถึงสิบเท่า
สิ่งที่การจับคู่นี้สนับสนุนจริง ๆ นั้นมีขอบเขตแคบกว่าและยังมีประโยชน์อยู่ Claude Haiku 4.5 ถูกประเมินโดยคนที่ไม่มีส่วนได้ส่วนเสียกับมัน ด้วยแบบทดสอบที่ไม่มีใครที่ Anthropic เป็นผู้ทำ Ultramarine 1 Flash ยังไม่ได้รับการประเมินเช่นนั้น นั่นไม่ใช่การวิจารณ์ตัวเลขของ Paper Instruments — บริษัทเปิดเผยวิธีการของตนอย่างละเอียดผิดปกติ — แต่เป็นความแตกต่างในประเภทของหลักฐานที่มีให้ และคนที่ต้องนำตัวเลือกนี้ไปเสนอต่อคณะกรรมการความเสี่ยงจะเจอความต่างนี้ทันที
จุดที่ {{1}}Claude Haiku 4.5{{/1}} {{2}}ชนะอย่างไม่มีข้อโต้แย้ง{{/2}}
สามจุด และไม่มีสักจุดที่เกี่ยวกับการฉลาดขึ้นเลย
อินพุตแบบมัลติโมดัลชัดเจนที่สุด สัญญาที่สแกนแล้ว ภาพหน้าจอของสเปรดชีตที่พัง รูปถ่ายไวท์บอร์ด — ทั้งหมดนั้นป้อนเข้าสู่ Claude Haiku 4.5 ผ่านอินเทอร์เฟซที่รองรับมันมาเป็นปีโดยไม่เปลี่ยนแปลง Ultramarine 1 Flash ตั้งอยู่บนโมเดลพื้นฐานที่อ่านรูปภาพและวิดีโอ แต่ผู้ขายไม่ได้เผยแพร่รายการมัลติโมดัลสำหรับอนุพันธ์ของมัน และไม่มีตัวอย่างในรายงานทางเทคนิคที่ต้องพึ่งรูปภาพที่โมเดลต้องดู หากเอกสารของคุณมาในรูปแบบสแกน สิ่งนี้ตัดสินคำถามได้ด้วยตัวมันเอง
วุฒิภาวะด้านการปฏิบัติงานเป็นข้อที่สอง โมเดลที่ผ่านทราฟฟิกโปรดักชันมาหนึ่งปี ย่อมมีรูปแบบความล้มเหลวที่ถูกค้นพบและบันทึกไว้โดยคนที่ไม่ได้ถูกจ้างให้มาค้นหามัน โมเดลที่เผยแพร่เมื่อวันที่ 14 ตุลาคม 2026 ยังไม่เป็นเช่นนั้น และสัปดาห์แรกของเอนด์พอยต์ใหม่ใด ๆ คือช่วงที่คุณจะได้เรียนรู้ว่ามันทำงานอย่างไรภายใต้โหลด
การตรวจสอบอย่างอิสระคือข้อที่สาม และเป็นข้อที่ให้ผลทบต้น ทุกเดือนที่เพิ่มเข้ามาในชีวิตของ Haiku 4.5 คืออีกหนึ่งเดือนที่ใครสักคนนำมันไปใช้กับงานของตนเองและบันทึกว่าเกิดอะไรขึ้น
จุดที่ช่องว่างปิดลงจนแทบไม่มีอะไรเหลือ — และทำไมการคำนวณจึงทำให้เข้าใจผิด
พาดหัวข่าวว่า 10 เท่าด้านเอาต์พุตนั้นเป็นเรื่องจริง และสำหรับงานเอกสารยาวๆ มันให้บิลตรงตามที่คุณคาดเดาไว้พอดี สิ่งที่พาดหัวข่าวซ่อนไว้คือ เศรษฐศาสตร์ต่องานของทั้งสองโมเดลสามารถบรรจบกันได้ เพราะงานหนึ่งงานบน PI Knowledge Work ไม่ใช่ปริมาณงานเท่ากับงานหนึ่งงานบน Intelligence Index — และเพราะโมเดล Anthropic เป็นโมเดลที่ถูกแคชอย่างหนักในทางปฏิบัติ
มีตัวเลขที่สวนทางสัญชาตญาณอยู่ฝั่ง Paper Instruments ที่ควรอ่านให้ดี ในหก benchmark ของมัน Ultramarine 1 Flash สร้างโทเคนเอาต์พุตน้อยลง 6.5% เมื่อเทียบกับโมเดล GLM-5.3 Flash ที่มันถูก post-train มาจาก — 30.5 ล้าน เทียบกับ 32.7 ล้าน รวม reasoning เข้าไปด้วย — แต่กลับทำคะแนนได้ดีกว่าในทั้งหกด้าน ประสิทธิภาพโทเคนที่ดีขึ้นไม่ใช่ทิศทางปกติของการรัน post-training และเมื่อดูจากเรตการ์ดต่อล้านโทเคน มันคือส่วนลดที่สองที่ซ้อนทับอยู่บนส่วนลดแรก นั่นคือการเปรียบเทียบเพียงรายการเดียวบนหน้า Paper Instruments ที่ทั้งสองฝั่งถูกวัดด้วยวิธีเดียวกันบนชุดทดสอบเดียวกัน ซึ่งทำให้มันเป็นตัวเลขที่น่าเชื่อถือที่สุดในการเปิดตัวครั้งนี้
เมื่อเทียบกับสิ่งนั้น Claude Haiku 4.5 เป็นโมเดลที่ถูกกว่าในการเปรียบเทียบหนึ่งที่ไม่มีใครโฆษณา: ที่ $0.28 ต่องานที่เสร็จสมบูรณ์ มันถูกตั้งราคาไว้สำหรับชุดงานที่มีงานสั้นกว่าและมีความเป็นเอเจนต์น้อยกว่าบันทึกการตรวจสอบสถานะ เมื่อนำผลงานทางกฎหมายหรือการเงินจริงมาวางตรงหน้าแต่ละตัว ตัวเลข $0.13 ก็ไม่เคยวัดหน่วยงานเดียวกันกับตัวเลข $0.28
ทั้งสองโมเดลอยู่บน คีย์เดียวผ่าน OrcaRouter หากคุณอยากตัดสินเรื่องนี้ด้วยข้อมูลเชิงประจักษ์แทนการอ่าน Claude Haiku 4.5 ให้บริการในราคา $1.00 และ $5.00 ต่อล้านโทเค็น โดยไม่มีการบวกเพิ่มต่อโทเค็น — ราคาตามรายการของผู้ให้บริการส่งผ่านมาตรง ๆ ดังนั้นหากผู้ขายเปลี่ยนราคา ฝั่งเราก็มีผลทันทีในวันเดียวกัน ซึ่งสำหรับโมเดลที่ราคาเคยขยับมาก่อน นี่ไม่ใช่คุณสมบัติเล็กน้อยเลย การรันเอกสารชุดเดิมยี่สิบชุดผ่านทั้งสองโมเดลแล้วอ่านใบแจ้งหนี้ มีต้นทุนต่ำกว่าการประชุมเพื่อเลือกว่าจะใช้อันไหน และให้ผลออกมาเป็นตัวเลขแทนการโต้เถียง
การตัดสินใจ ซึ่งแสดงไว้เป็นทางแยก
หากสิ่งที่ป้อนเข้ามาเป็นเอกสารที่ใครบางคนสแกนหรือภาพหน้าจอ คำตอบคือ Claude Haiku 4.5 และไม่มีอะไรต้องพูดคุยกันอีกต่อไป
หากอินพุตเป็นข้อความและเอาต์พุตเป็นชิ้นงานที่เสร็จสมบูรณ์ — ไม่ว่าจะเป็นโมเดล สไลด์นำเสนอ หรือบันทึกข้อความ — และปริมาณงานสูงพอที่ราคา $0.15 เทียบกับ $1.00 ต่ออินพุตจะเปลี่ยนรูปร่างของโครงการได้ Ultramarine 1 Flash ก็คุ้มค่าที่จะลองนำร่องกับงานของคุณเอง มันเพิ่งเปิดตัวได้เพียงหนึ่งวัน ตัวเลข $0.13 เป็นข้อมูลที่ผู้ขายรายงานจากการทดสอบที่ผู้ขายสร้างขึ้นเอง และยังไม่มีการประเมินจากอิสระใด ๆ แต่ตารางราคานั้นเป็นของจริง การเปรียบเทียบประสิทธิภาพด้านโทเคนก็วัดด้วยวิธีเดียวที่สามารถวัดได้อย่างซื่อสัตย์ และการปรับปรุงเหนือโมเดลฐานของตัวเองบนเบนช์มาร์กทั้งสี่รายการที่มันเป็นผู้นำนั้นสอดคล้องกัน ไม่ใช่การเลือกหยิบเฉพาะจุดที่ได้ผลดี
ถ้าภาระงานของคุณมีทั้งสองแบบ สิ่งที่มีประโยชน์ที่จะทำไม่ใช่การเลือกอย่างใดอย่างหนึ่ง กฎการจัดเส้นทางสามารถตรึงเส้นทางเอกสารที่สแกนไว้กับโมเดล Anthropic และส่งเส้นทางจากข้อความไปสู่ชิ้นงานที่พร้อมส่งมอบไปยังตัวใดก็ได้ในสองตัวที่ผ่านเกณฑ์คุณภาพของคุณเมื่อทดสอบกับตัวอย่าง และถ้าตัวที่ใหม่กว่าล่ม คำขอก็จะถูกส่งไปยังตัวที่เก่ากว่าโดยไม่ต้องแก้โค้ดและไม่ต้องเซ็นสัญญาฉบับที่สอง
สิ่งที่ไขคำถามที่ยังเปิดอยู่ได้คือการประเมินอิสระเพียงครั้งเดียวของ Ultramarine 1 Flash บนชุดทดสอบที่ผู้สร้างไม่ได้เขียนขึ้นเอง จนกว่าสิ่งนั้นจะมีอยู่ จุดยืนที่ซื่อตรงคือ Claude Haiku 4.5 เป็นโมเดลที่คุณคาดเดาพฤติกรรมได้ และ Ultramarine 1 Flash เป็นโมเดลที่คุณอยากจะสามารถใช้ราคาของมันได้ ไม่มีอะไรที่เผยแพร่ในวันนี้บอกว่าคุณทำไม่ได้ ไม่มีอะไรที่เผยแพร่ในวันนี้ ยกเว้นหน้าของผู้ขายเอง ที่บอกว่าคุณทำได้
การเปรียบเทียบแบบนี้ก็เป็นจุดที่โหมดความล้มเหลวปรากฏให้เห็นเช่นกัน: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่มีการบันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในระดับนี้ได้รับการรวบรวมไว้ในthe OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะถูกโต้แย้งเป็นของตนเอง
