GPT-5.1-Codex เป็นเวอร์ชันเฉพาะของ GPT-5.1 ที่ถูกปรับให้เหมาะสมสำหรับงานวิศวกรรมซอฟต์แวร์และขั้นตอนการเขียนโค้ด โดยออกแบบมาเพื่อใช้ทั้งในเซสชันการพัฒนาแบบโต้ตอบและการดำเนินงานด้านวิศวกรรมที่ซับซ้อนอย่างอิสระในระยะยาว....
OpenAI GPT-5.1-Codex เป็นโมเดลภาษาขนาดใหญ่ที่พัฒนาโดย OpenAI ซึ่งถูกปรับให้เหมาะสมสำหรับการสร้างโค้ด การใช้เหตุผลทางคณิตศาสตร์ และการแก้ปัญหาในรูปแบบข้อความ รองรับอินพุตทั้งข้อความและรูปภาพ…
GPT-5.1-Codex โดดเด่นในการสร้างโค้ด การให้เหตุผลทางคณิตศาสตร์ และการจัดการเอกสารขนาดยาว คะแนนมาตรฐาน 95.7 AA Math บ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในโจทย์เลขคณิตและพีชคณิตขั้นสูง โมเดลนี้สามารถสร้างโค้ดที่ซับซ้อนในภาษาการเขียนโปรแกรมหลายภาษา แก้ไขข้อผิดพลาดในโค้ดที่มีอยู่ อธิบายอัลกอริทึม และแปลระหว่างภาษา มันมีประสิทธิภาพเป็นพิเศษในงานที่ต้องใช้ความเข้าใจบริบทเชิงลึก เช่น การปรับปรุงโมดูลขนาดใหญ่หรือการเขียน unit tests สำหรับทั้งคลาส หน้าต่างบริบทขนาดใหญ่ช่วยให้มันสามารถคงสถานะข้ามการสนทนาหรือเอกสารที่ยาวมากได้ จุดแข็งเหล่านี้ทำให้มันเหมาะสมสำหรับการพัฒนาซอฟต์แวร์มืออาชีพ งานวิจัยทางวิชาการ และขั้นตอนการวิเคราะห์ข้อมูลที่ต้องการความแม่นยำและความลึก
GPT-5.1-Codex สามารถจัดการงานโค้ดต่างๆ ได้หลากหลาย: การเขียนฟังก์ชัน คลาส หรือแอปพลิเคชันทั้งหมดใหม่; การปรับแต่งโค้ดที่มีอยู่เพื่อประสิทธิภาพหรือความอ่านง่าย; การสร้างเอกสารและความคิดเห็นในโค้ด; การแปลงโค้ดระหว่างภาษาโปรแกรม; และการสร้างชุดทดสอบ ขีดจำกัดผลลัพธ์ที่ใหญ่ (128K โทเคน) ช่วยให้สามารถสร้างไฟล์ที่ยาวมากในการเรียกใช้ครั้งเดียว เช่น บริการแบ็กเอนด์ที่สมบูรณ์ หรือสคริปต์จำลองทางวิทยาศาสตร์ โมเดลนี้ยังรองรับอินพุตแบบหลายรูปแบบ จึงสามารถแยกวิเคราะห์ภาพของโค้ดสั้นๆ (เช่น ภาพหน้าจอ) หรือไดอะแกรมสถาปัตยกรรม เนื่องจากเป็นโค้ดรูปแบบเฉพาะ จึงมักสร้างโค้ดที่ถูกต้องตามไวยากรณ์และเป็นธรรมชาติมากกว่าโมเดลทั่วไป แม้ว่าผลลัพธ์จะขึ้นอยู่กับความชัดเจนและความซับซ้อนของพรอมต์ก็ตาม
GPT-5.1-Codex เป็นโมเดลระดับพรีเมียมที่มีต้นทุนต่อโทเคนสูง สำหรับงานง่ายๆ เช่น การเติมข้อความสั้น การตอบคำถามพื้นฐาน หรือการสร้างโค้ดสองสามบรรทัด โมเดลที่ถูกกว่า (เช่น GPT-4o mini หรือ Claude Haiku) มักจะเพียงพอและคุ้มค่ากว่า ในทำนองเดียวกัน สำหรับงานที่ไม่ต้องใช้หน้าต่างบริบทขนาดใหญ่ — เช่น ฟังก์ชันเดียวที่มี 500 โทเคน — ความจุที่เพิ่มขึ้นนั้นไม่จำเป็น OrcaRouter มีตัวเลือกโมเดลมากมายที่มีราคาที่แตกต่างกัน ใช้ GPT-5.1-Codex เมื่องานได้รับประโยชน์อย่างแท้จริงจากบริบทขนาดใหญ่ ผลลัพธ์สูง และความแข็งแกร่งทางคณิตศาสตร์ สำหรับงานที่ตรงไปตรงมาหรือมีความเสี่ยงต่ำ การลดขนาดไปใช้โมเดลที่ถูกลงจะช่วยลดค่าใช้จ่ายโดยไม่ลดทอนคุณภาพ
แม้ว่า GPT-5.1-Codex จะแข็งแกร่งในด้านโค้ดและคณิตศาสตร์ แต่การฝึกฝนของมันอาจให้ความสำคัญกับโดเมนเหล่านั้น ด้วยเหตุนี้ มันอาจไม่เทียบเท่าประสิทธิภาพของโมเดลการเขียนเชิงสร้างสรรค์เฉพาะทางเมื่อสร้างนิยาย ข้อความการตลาด หรือบทสนทนา จุดตัดความรู้และความแม่นยำตามข้อเท็จจริงของโมเดลขึ้นอยู่กับการฝึกฝนโมเดลพื้นฐานของ OpenAI; มันอาจเกิดภาพหลอนหรือให้ข้อมูลที่ล้าสมัย โดยเฉพาะในหัวข้อที่เปลี่ยนแปลงเร็ว เช่น เหตุการณ์ปัจจุบันหรือเวอร์ชันไลบรารีซอฟต์แวร์ นอกจากนี้ โหมดการป้อนข้อมูลรูปภาพจะประมวลผลรูปภาพเพื่อบริบท แต่โมเดลไม่สามารถสร้างรูปภาพหรือไดอะแกรมเป็นผลลัพธ์ได้ สำหรับงานเฉพาะโดเมนที่อยู่นอกเหนือโค้ดและคณิตศาสตร์ — เช่น คำแนะนำทางการแพทย์ การตีความทางกฎหมาย หรือการกลั่นกรองที่ละเอียดอ่อน — โมเดลที่ปรับแต่งเฉพาะสำหรับโดเมนนั้นจะเหมาะสมกว่า
คะแนนมาตรฐานที่ให้ไว้ที่ 95.7 บน AA Math (ซึ่งน่าจะเป็นชุดข้อมูลเลขคณิตหรือพีชคณิตที่ท้าทาย) แสดงให้เห็นว่า GPT-5.1-Codex มีความสามารถทางคณิตศาสตร์ที่แข็งแกร่งมาก ซึ่งบ่งชี้ว่าสามารถจัดการกับเลขคณิตหลายขั้นตอนที่ซับซ้อน การแก้สมการ และการให้เหตุผลเชิงสัญลักษณ์ได้อย่างแม่นยำสูง คะแนนในช่วงนี้มักเป็นหนึ่งในคะแนนที่ดีที่สุดสำหรับโมเดลภาษาที่ล้ำสมัยในเมตริกที่คล้ายกัน สำหรับผู้ใช้ที่ต้องการการคำนวณที่แม่นยำ การสร้างหลักฐาน หรือการคำนวณทางวิทยาศาสตร์ โมเดลนี้เป็นตัวเลือกที่เชื่อถือได้ อย่างไรก็ตาม คะแนนมาตรฐานไม่ได้บ่งชี้ถึงประสิทธิภาพในทุกงานในโลกจริง แต่สะท้อนถึงชุดการประเมินเฉพาะ ผู้ใช้ควรประเมินโมเดลบนข้อมูลที่เป็นตัวแทนของตนเองเพื่อตรวจสอบประสิทธิผลของมัน
ไม่มีคะแนนการวัดประสิทธิภาพเพิ่มเติมสำหรับ GPT-5.1-Codex นอกเหนือจากผลลัพธ์ AA Math ที่ 95.7 อย่างไรก็ตาม จากการตั้งชื่อและการวางตำแหน่งของโมเดลในฐานะตัวแปรที่เน้นด้านโค้ด จึงสมเหตุสมผลที่จะคาดหวังประสิทธิภาพที่แข็งแกร่งในงานที่ต้องใช้เหตุผลซึ่งได้รับประโยชน์จากการคิดที่มีโครงสร้างและเป็นตรรกะ เช่น การสร้างโค้ด การออกแบบอัลกอริทึม และการแก้ปริศนา ในการวัดประสิทธิภาพด้านการให้เหตุผลทั่วไป (เช่น MMLU, GSM8K, HumanEval) โมเดลน่าจะมีประสิทธิภาพที่แข่งขันได้กับโมเดล OpenAI ขนาดใหญ่อื่น ๆ แม้ว่าตัวเลขที่แน่ชัดจะไม่เปิดเผยต่อสาธารณะ ผู้ใช้ที่ต้องการภาพรวมที่สมบูรณ์ยิ่งขึ้นควรทดสอบโมเดลกับงานของตนเอง OrcaRouter ช่วยให้ทดลองใช้งาน API ได้อย่างง่ายดาย คุณสามารถรันตัวอย่าง prompt สองสามตัวอย่างเพื่อประเมินคุณภาพการให้เหตุผลของโมเดลในโดเมนของคุณ
ไม่มีตัวเลขความหน่วงหรือปริมาณงานที่เฉพาะเจาะจงสำหรับ GPT-5.1-Codex โดยทั่วไปแล้วโมเดลที่มีหน้าต่างบริบทขนาดใหญ่มาก (400K โทเค็น) และขีดจำกัดเอาต์พุตสูง (128K โทเค็น) อาจมีความหน่วงต่อคำขอสูงกว่าเมื่อเทียบกับโมเดลขนาดเล็ก โดยเฉพาะอย่างยิ่งเมื่อประมวลผลอินพุตยาวหรือสร้างเอาต์พุตยาว เวลาตอบสนองจริงขึ้นอยู่กับปัจจัยต่างๆ เช่น ขนาดคำขอ สภาวะเครือข่าย และโหลดแบ็กเอนด์บนโครงสร้างพื้นฐานของ OrcaRouter สำหรับแอปพลิเคชันแบบเรียลไทม์ที่ต้องการการตอบสนองระดับต่ำกว่าวินาที โมเดลนี้อาจช้าเกินไป แนะนำให้ใช้งานแบบแบตช์หรืออะซิงโครนัส OrcaRouter รองรับการตอบสนองแบบสตรีมผ่านพารามิเตอร์สตรีมของ chat completions มาตรฐาน ซึ่งสามารถช่วยลดความหน่วงที่รับรู้ได้โดยการแสดงผลลัพธ์บางส่วน ผู้ใช้ควรทดสอบวัดประสิทธิภาพภาระงานทั่วไปของตนเพื่อทำความเข้าใจประสิทธิภาพ
แม้ว่าคะแนน AA Math จะสูง แต่ก็แสดงถึงประสิทธิภาพในชุดปัญหาที่เฉพาะเจาะจงและกำหนดไว้อย่างชัดเจน งานในโลกจริงมักเกี่ยวข้องกับความคลุมเครือ บริบทที่ไม่สมบูรณ์ หรือศัพท์เฉพาะทางที่เกณฑ์มาตรฐานไม่สามารถจับต้องได้ นอกจากนี้ โมเดลอาจแสดงอคติหรือข้อผิดพลาดในกรณีขอบ — ตัวอย่างเช่น เมื่อต้องจัดการกับบริบทที่ยาวมาก โมเดลอาจสูญเสียการจดจ่อกับเนื้อหาตอนต้น (ปรากฏการณ์ "lost in the middle") ผลลัพธ์ของโมเดลควรได้รับการตรวจสอบโดยมนุษย์เมื่อความถูกต้องเป็นสิ่งสำคัญ โดยเฉพาะในโดเมนที่ละเอียดอ่อนต่อความปลอดภัย ยิ่งไปกว่านั้น ไม่มีเกณฑ์มาตรฐานใดสะท้อนความสามารถของโมเดลในการคงความทันสมัย GPT-5.1-Codex มีจุดตัดความรู้ที่ผูกกับข้อมูลฝึก ดังนั้นจึงอาจไม่รับรู้ถึงเหตุการณ์ล่าสุดหรือการปล่อยไลบรารีใหม่ พิจารณาเสริมด้วยการสร้างที่เสริมด้วยการดึงข้อมูลหากความทันเวลาเป็นสิ่งสำคัญ
บน OrcaRouter, GPT-5.1-Codex จะถูกเรียกเก็บในอัตราของผู้ให้บริการ โดยไม่มีส่วนเพิ่ม (zero markup) ราคาคือ $1.25 ต่อ 1 ล้าน input tokens และ $10 ต่อ 1 ล้าน output tokens input tokens รวมถึง prompt, system message, และรูปภาพใดๆ (รูปภาพจะถูกแปลงเป็น token ตามต้นทุนด้านวิสัยทัศน์ของโมเดล) output tokens คือการตอบสนองของโมเดล ไม่มีค่าธรรมเนียมแพลตฟอร์มเพิ่มเติม การกำหนดราคาที่โปร่งใสนี้ทำให้ประเมินต้นทุนได้ง่าย เช่น คำขอที่มี input tokens 10,000 tokens และ output tokens 2,000 tokens จะมีราคาประมาณ $0.0125 (input) + $0.02 (output) = $0.0325 การเรียกเก็บเงินขึ้นอยู่กับการใช้งาน token จริงตามที่รายงานโดย API ผู้ใช้สามารถตรวจสอบการใช้งานผ่าน dashboard ของ OrcaRouter
โทเค็นผลลัพธ์มีราคาแพงกว่าโทเค็นอินพุตถึงแปดเท่า ($10 เทียบกับ $1.25 ต่อล้าน) ความไม่สมมาตรนี้หมายความว่าสำหรับงานที่ต้องการผลลัพธ์ยาวมาก ต้นทุนจะถูกครอบงำโดยการสร้างผลลัพธ์ ตัวอย่างเช่น การสร้างผลลัพธ์ 100,000 โทเค็นจะมีค่าใช้จ่าย $1.00 สำหรับผลลัพธ์เพียงอย่างเดียว ซึ่งสูงกว่าต้นทุนอินพุตทั่วไปมาก ในทางกลับกัน งานที่มีพรอมต์ยาวมากแต่คำตอบสั้น เช่น การวิเคราะห์โค้ดเบสขนาดใหญ่และให้สรุปสั้น ๆ จะมีต้นทุนด้านผลลัพธ์ค่อนข้างถูก ผู้ใช้ควรจัดโครงสร้างพรอมต์เพื่อลดความยาวในการสร้างที่ไม่จำเป็นเมื่อเป็นไปได้ หน้าต่างบริบทขนาดใหญ่สนับสนุนให้รวมบริบทจำนวนมาก แต่บริบทนั้นมีค่าใช้จ่าย การใช้แคช (หากรองรับ) หรือลดจำนวนโทเค็นสามารถช่วยจัดการค่าใช้จ่ายได้ ควรสร้างสมดุลระหว่างขนาดบริบทและความยาวผลลัพธ์กับงบประมาณเสมอ
ข้อเท็จจริงที่ให้มาไม่ได้กล่าวถึงโปรแกรมแคชหรือส่วนลดใดๆ สำหรับ GPT-5.1-Codex บน OrcaRouter โดยทั่วไปแล้ว การกำหนดราคา API เป็นแบบจ่ายตามการใช้งานต่อโทเค็น โดยไม่มีการกล่าวถึงส่วนลดตามปริมาณหรือแผนการซื้อล่วงหน้า OrcaRouter อาจมีระดับสำหรับนักพัฒนาหรือข้อตกลงสำหรับองค์กร แต่ไม่ได้อธิบายไว้ที่นี่ เพื่อลดค่าใช้จ่าย ให้พิจารณากลยุทธ์ต่อไปนี้: รักษาบริบทให้สั้นที่สุดเท่าที่จำเป็น, นำคำตอบก่อนหน้ามาใช้ซ้ำเมื่อเหมาะสม, และจัดกลุ่มคำขอระหว่างการพัฒนา สำหรับการใช้งานจริง ให้ตรวจสอบปริมาณการใช้โทเค็นและกำหนดขีดจำกัดการใช้จ่าย หากคุณต้องการปริมาณที่สูงมาก ติดต่อฝ่ายสนับสนุนของ OrcaRouter เพื่อสอบถามเกี่ยวกับราคาที่กำหนดเองที่อาจมี — แต่ไม่มีข้อมูลดังกล่าวให้ในขณะนี้
GPT-5.1-Codex สามารถเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter ใช้ base URL https://api.orcarouter.ai/v1 ในไลบรารี OpenAI client ของคุณ ตั้งค่าพารามิเตอร์ model เป็น ID ที่แน่นอนคือ “openai/gpt-5.1-codex” API รองรับ chat completions ด้วย messages array มาตรฐาน ซึ่งรวมถึงบทบาท system, user และ assistant สำหรับการป้อนข้อมูลรูปภาพ ให้รวมบล็อกเนื้อหา image_url ในข้อความ user ตัวอย่าง body คำขอ: { "model": "openai/gpt-5.1-codex", "messages": [ {"role": "user", "content": "Write a Python function to calculate Fibonacci numbers."} ], "max_tokens": 500, "temperature": 0.2 } การรับรองความถูกต้องทำผ่าน API key (จาก OrcaRouter หรือคีย์ที่เข้ากันได้กับ OpenAI ขึ้นอยู่กับการตั้งค่าของคุณ) อ้างอิงเอกสารของ OrcaRouter สำหรับรายละเอียด
เมื่อใช้ API ของ OrcaRouter กับ GPT-5.1-Codex คุณสามารถตั้งค่าพารามิเตอร์มาตรฐานของ OpenAI ทั้งหมดได้แก่: model (จำเป็น), messages (จำเป็น), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop sequences, stream (บูลีน), และ response_format (เช่น json_object) พารามิเตอร์เฉพาะของ OrcaRouter อาจมีเพิ่มเติมแต่ไม่ได้บันทึกไว้ที่นี่ พารามิเตอร์ max_tokens ควบคุมความยาวสูงสุดของคำตอบที่สร้างขึ้น สูงสุดถึงขีดจำกัด 128K token ของโมเดล พารามิเตอร์ temperature (ช่วง 0–2) ควบคุมความสุ่ม; ค่าที่ต่ำกว่าจะให้ผลลัพธ์ที่กำหนดได้มากขึ้น เหมาะสำหรับการสร้างโค้ด พารามิเตอร์ stream เปิดใช้งานการสตรีม token บางส่วน โปรดทราบว่าหน้าต่างบริบท 400K token รวมทั้งข้อความและคำตอบ; ตรวจสอบให้แน่ใจว่าจำนวน token ทั้งหมด (system + user + assistant) บวกกับ max_tokens ไม่เกิน 400K
การย้ายไปยัง GPT-5.1-Codex เป็นเรื่องง่ายเพราะ API ของ OrcaRouter เข้ากันได้กับ OpenAI หากคุณใช้ไลบรารี OpenAI Python (หรือ SDK ใดๆ ที่รองรับอินเทอร์เฟซของ OpenAI) อยู่แล้ว เพียงเปลี่ยน base URL เป็น https://api.orcarouter.ai/v1 และชื่อโมเดลเป็น “openai/gpt-5.1-codex” โครงสร้างข้อความ พารามิเตอร์ และวิธีการรับรองความถูกต้อง (API key) ที่มีอยู่ของคุณยังคงเหมือนเดิมเป็นส่วนใหญ่ อย่างไรก็ตาม โปรดทราบว่าโมเดลมีข้อจำกัดด้านบริบทและเอาต์พุต: ปรับ max_tokens เพื่อใช้ความจุเอาต์พุต 128K อย่างเต็มที่หากจำเป็น และตรวจสอบให้แน่ใจว่า prompt บวก response อยู่ในจำนวนโทเคนรวม 400K ทบทวน prompts ของคุณเพื่อใช้ประโยชน์จากจุดแข็งด้านโค้ดและคณิตศาสตร์ของโมเดล ทดสอบกับชุดย่อยของภาระงานของคุณก่อนย้ายข้อมูลทั้งหมด
การตรวจสอบสิทธิ์สำหรับ API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter ใช้ API key ที่ส่งในส่วนหัว Authorization เป็น "Bearer <your_api_key>" คุณสามารถรับ API key ได้จากแดชบอร์ดของ OrcaRouter ซึ่ง key นี้ใช้ในรูปแบบเดียวกับ key ของ OpenAI ทุกคำขอต้องรวมส่วนหัวนี้ มิฉะนั้นจะได้รับข้อผิดพลาด 401 OrcaRouter ไม่รองรับวิธีการตรวจสอบสิทธิ์อื่นๆ (เช่น OAuth) ผ่านปลายทางนี้ เพื่อความปลอดภัย ให้เก็บ API key ของคุณเป็นความลับและเปลี่ยนเป็นระยะ หากคุณใช้ไลบรารี OpenAI Python อยู่แล้ว คุณสามารถตั้งค่าพารามิเตอร์ api_key หรือตัวแปรสภาพแวดล้อม OPENAI_API_KEY ได้ URL พื้นฐานยังคงเป็น https://api.orcarouter.ai/v1 ไม่จำเป็นต้องมีฟิลด์การตรวจสอบสิทธิ์เพิ่มเติม
GPT-5.1-Codex เป็นโค้ดรูปแบบพิเศษที่มีหน้าต่างบริบท 400K และเอาต์พุตสูงสุด 128K ในขณะที่ GPT-4o (โมเดลเอนกประสงค์) โดยทั่วไปจะมีหน้าต่างบริบทเล็กกว่า (เช่น 128K) และข้อจำกัดเอาต์พุตที่ต่ำกว่า รูปแบบ Codex น่าจะถูกปรับให้เหมาะสมสำหรับการเขียนโปรแกรมและการให้เหตุผลทางคณิตศาสตร์ ในขณะที่ GPT-4o ถูกสร้างขึ้นสำหรับงานสนทนาและงานหลายรูปแบบที่กว้างขวาง คะแนนมาตรฐานสำหรับการให้เหตุผลทางคณิตศาสตร์ (ที่ให้มาคือ 95.7 AA Math) ไม่สามารถใช้ได้โดยตรงกับ GPT-4o บน OrcaRouter ราคาสำหรับ GPT-5.1-Codex อยู่ที่ $1.25/$10 ต่อ M tokens (อินพุต/เอาต์พุต) ซึ่งสูงกว่าอัตราทั่วไปของ GPT-4o สำหรับงานที่ใช้โค้ดหนักซึ่งต้องการบริบทเชิงลึก GPT-5.1-Codex อาจให้ความแม่นยำที่เหนือกว่า แต่สำหรับการสนทนาทั่วไป GPT-4o ยังคงเป็นตัวเลือกที่คุ้มค่ากว่า
โมเดลเฉพาะด้านโค้ดอื่นๆ ได้แก่ Codex รุ่นก่อนหน้าของ OpenAI, GPT-4o mini และโมเดลเฉพาะทางอย่าง DeepSeek Coder GPT-5.1-Codex โดดเด่นด้วยหน้าต่างบริบทที่ใหญ่กว่า (400K) และขีดจำกัดเอาต์พุตที่สูงมาก (128K) คะแนนมาตรฐาน AA Math (95.7) ที่ให้ไว้บ่งบอกถึงความสามารถในการใช้เหตุผลทางคณิตศาสตร์ที่เหนือกว่า ซึ่งอาจสำคัญสำหรับการคำนวณทางวิทยาศาสตร์ โดยทั่วไปแล้วโมเดล Codex รุ่นก่อนหน้ามีบริบทที่เล็กกว่า (เช่น 16K) และคะแนนที่ต่ำกว่า โมเดล DeepSeek Coder ให้ประสิทธิภาพการเขียนโค้ดที่แข่งขันได้แต่มักมีหน้าต่างบริบทที่เล็กกว่า (เช่น 32K–128K) และราคาที่ต่ำกว่า บน OrcaRouter ราคาของ GPT-5.1-Codex ค่อนข้างสูง ดังนั้นจึงควรใช้เมื่อจำเป็นต้องมีบริบทขนาดใหญ่และเอาต์พุตสูง สำหรับการเติมโค้ดทั่วไปหรือการเขียนโค้ดแบบตอบสั้น ผู้เชี่ยวชาญด้านโค้ดที่ถูกกว่าจะประหยัดกว่า
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.1-codex",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| อินพุต / 1M โทเค็น | $1.25 |
| เอาต์พุต / 1M โทเค็น | $10.00 |
| อ่านแคช / 1M | $0.125 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/openai/gpt-5.1-codexเปิด @misc{orcarouter_gpt_5_1_codex,
title = {GPT-5.1-Codex API},
author = {OpenAI},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.1-codex}
}OpenAI. (2025). GPT-5.1-Codex API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.1-codex