OpenAI's GPT-5.2 ที่มีบริบท 400K, เอาต์พุต 128K, คณิตศาสตร์ AA 99.0, ราคาที่ $1.75/$14 ต่อ 1M โทเคน ผ่าน OrcaRouter
OpenAI's GPT-5.2-2025-12-11 เป็นโมเดลภาษาขนาดใหญ่จากซีรีส์ GPT-5 ที่เปิดตัวในเดือนธันวาคม ค.ศ. 2025 มันถูกออกแบบมาเพื่อรองรับความยาวบริบทที่ขยายและอินพุตหลายรูปแบบ รวมถึงข้อความ รูปภาพ และไฟล์…
ด้วยหน้าต่างบริบทที่มีขนาด 400,000 โทเค็น โมเดลสามารถประมวลผลหนังสือทั้งเล่ม รายงานวิจัยที่ยาวนาน ฐานโค้ดขนาดใหญ่ หรือประวัติการสนทนาที่ยาวนานได้ในคำขอเดียว ซึ่งทำให้สามารถทำงานต่างๆ เช่น การสรุปนิยายทั้งเรื่อง การวิเคราะห์สัญญาทางกฎหมายทั้งฉบับ หรือการรักษาบทสนทนาที่สอดคล้องกันในหลายร้อยรอบการสนทนา ขีดจำกัดเอาต์พุตสูงสุดที่ 128,000 โทเค็นช่วยให้โมเดลสามารถสร้างเนื้อหาที่มีปริมาณมาก เช่น การร่างรายงานยาวๆ หรือการสร้างโค้ดจำนวนมาก ความสามารถด้านบริบทที่ขยายนี้ช่วยลดความจำเป็นในการแบ่งส่วนหรือหน่วยความจำภายนอก ทำให้ขั้นตอนการพัฒนาสำหรับแอปพลิเคชันที่ต้องอาศัยการประมวลผลข้อมูลขนาดใหญ่มีความเรียบง่ายขึ้น
โมเดลยอมรับรูปแบบข้อมูลนำเข้าสามรูปแบบ: ไฟล์, รูปภาพ, และข้อความ ซึ่งหมายความว่าคุณสามารถให้ไฟล์ PDF, สเปรดชีต, หรือไฟล์ประเภทอื่นเป็นข้อมูลนำเข้า รวมถึงรูปภาพ เช่น แผนภาพ, ภาพหน้าจอ, หรือภาพถ่าย โมเดลประมวลผลสิ่งเหล่านี้ควบคู่ไปกับข้อความแจ้ง ทำให้สามารถทำงานต่างๆ เช่น อธิบายแผนภูมิ, ดึงข้อมูลจากรูปภาพ, หรือสรุปเอกสารที่สแกน แม้ว่าต้นทุนโทเค็นที่แน่นอนสำหรับรูปภาพและไฟล์จะขึ้นอยู่กับวิธีการที่ผู้ให้บริการเข้ารหัส แต่รูปแบบการกำหนดราคาจะนำไปใช้กับการใช้งานโทเค็นที่เกิดขึ้น ความสามารถหลายรูปแบบมีประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันที่ต้องการบูรณาการข้อมูลภาพเข้ากับการใช้เหตุผลทางภาษาธรรมชาติ
โมเดลนี้เป็นเลิศในงานที่ต้องใช้เหตุผลทางคณิตศาสตร์อย่างลึกซึ้ง ดังที่สะท้อนจากคะแนน AA Math ที่ 99.0 นอกจากนี้ยังเหมาะสำหรับการสร้างเนื้อหาแบบยาว การวิเคราะห์แบบหลายรูปแบบ และการแก้ปัญหาที่ซับซ้อน กรณีการใช้งานที่ดีที่สุดได้แก่: งานวิจัยเชิงวิชาการที่เอกสารมีสมการจำนวนมาก วิศวกรรมซอฟต์แวร์ที่ต้องเข้าใจหรือสร้างไลบรารีทั้งหมด การวิเคราะห์ทางกฎหมายที่เอกสารมีหลายร้อยหน้า และแชทบอทบริการลูกค้าที่ต้องจำประวัติการสนทนาทั้งหมด อย่างไรก็ตาม สำหรับงานที่ง่ายหรือสั้นกว่า โมเดลที่เล็กกว่าและถูกกว่าอาจคุ้มค่ากว่า จุดแข็งของโมเดลจะเห็นได้ชัดที่สุดเมื่อใช้ประโยชน์จากบริบทขนาดใหญ่และความสามารถในการใช้เหตุผลอย่างเต็มที่
หากกรณีการใช้งานของคุณเกี่ยวข้องกับข้อความสั้น คำถามง่ายๆ หรืองานที่ไม่ต้องใช้การคิดเชิงคณิตศาสตร์เชิงลึก โมเดลที่ถูกกว่าอาจเหมาะสมกว่า ตัวอย่างเช่น สำหรับการจำแนกประเภทพื้นฐาน การสร้างข้อความสั้น หรือแชทที่หน่วงเวลาต่ำ โมเดลอย่าง GPT-4o-mini หรือทางเลือกโอเพนซอร์สขนาดเล็กกว่าอาจให้ผลลัพธ์ที่ยอมรับได้ในราคาที่ต่ำกว่ามาก ราคาเอาต์พุตที่สูงที่ $14.00 ต่อ 1 ล้านโทเค็นทำให้โมเดลนี้มีราคาแพงสำหรับแอปพลิเคชันที่สร้างข้อความจำนวนมากโดยไม่จำเป็นต้องใช้บริบทที่ขยายหรือความแข็งแกร่งทางคณิตศาสตร์ ประเมินว่างานของคุณได้รับประโยชน์จากบริบท 400K และประสิทธิภาพ AA Math 99.0 หรือไม่ก่อนตัดสินใจใช้โมเดลนี้
เกณฑ์มาตรฐานสำคัญสำหรับโมเดลนี้คือ 99.0 ในการประเมิน AA Math AA Math เป็นแบบทดสอบที่ออกแบบมาเพื่อประเมินความสามารถในการให้เหตุผลทางคณิตศาสตร์ในระดับสูง รวมถึงพีชคณิต เลขคณิต แคลคูลัส และการแก้ปัญหาเชิงตรรกะ คะแนน 99.0 บ่งชี้ว่าโมเดลสามารถแก้ปัญหาทางคณิตศาสตร์ที่นำเสนอได้เกือบทั้งหมดอย่างถูกต้อง ทำให้โมเดลนี้อยู่ในกลุ่มโมเดลที่มีประสิทธิภาพสูงสุดในเมตริกนี้ แม้ว่าเกณฑ์มาตรฐานนี้จะเป็นตัวบ่งชี้ที่ชัดเจนของความสามารถทางคณิตศาสตร์ แต่ก็ไม่ใช่การวัดความฉลาดโดยรวมหรือความเหมาะสมสำหรับทุกงาน ผู้ใช้ควรพิจารณาการประเมินเพิ่มเติมในโดเมนเฉพาะของตนหากประสิทธิภาพทางคณิตศาสตร์มีความสำคัญ
ความหน่วงและปริมาณงานขึ้นอยู่กับขนาดของอินพุต ความยาวเอาต์พุตที่ร้องขอ และปริมาณการจราจรปัจจุบันบน API ของ OrcaRouter เนื่องจากโมเดลมีขนาดใหญ่และรองรับโทเค็นเอาต์พุตสูงสุด 128,000 โทเค็น การสร้างข้อความที่ยาวมากอาจใช้เวลาจริง (wall-clock time) อย่างมาก สำหรับการตอบกลับสั้นๆ (ไม่กี่ร้อยโทเค็น) ความหน่วงโดยทั่วไปจะอยู่ในช่วงไม่กี่วินาที บริการนี้ไม่ได้เปิดเผยอัตราโทเค็นต่อวินาทีต่อโมเดลต่อสาธารณะ แต่ผู้ใช้ที่ต้องการปริมาณงานสูงอาจต้องการทดสอบกับปริมาณงานของตนเอง การตอบกลับแบบสตรีมมิ่ง (โดยใช้พารามิเตอร์ stream) สามารถลดความหน่วงที่รับรู้ได้สำหรับแอปพลิเคชันแบบโต้ตอบ โมเดลสามารถเข้าถึงได้ผ่านเอนด์พอยต์ที่เข้ากันได้กับ OpenAI เดียวกัน ดังนั้นลักษณะความหน่วงจึงคล้ายกับโมเดลอื่นๆ ที่ให้บริการผ่าน OrcaRouter
จุดแข็งหลักของโมเดลนี้คือการให้เหตุผลทางคณิตศาสตร์ ตามที่ได้รับการยืนยันจากคะแนน AA Math ที่ 99.0 นอกจากนี้ยังแสดงความสามารถที่แข็งแกร่งในการประมวลผลบริบทที่ยาวมาก (สูงสุด 400K tokens) และสร้างผลลัพธ์ขนาดใหญ่ (สูงสุด 128K tokens) การรองรับอินพุตแบบ multimodal ช่วยให้สามารถให้เหตุผลเกี่ยวกับรูปภาพและไฟล์ ทำให้มีความหลากหลายสำหรับการวิเคราะห์ข้อมูลและการทำความเข้าใจเอกสาร สำหรับงานที่ต้องการสังเคราะห์ข้อมูลจากเอกสารยาวๆ หรือการให้เหตุผลเชิงวิเคราะห์ที่ซับซ้อน โมเดลนี้มีแนวโน้มที่จะทำงานได้ดีกว่าตัวเลือกที่เล็กกว่า นอกจากนี้ การกำหนดราคาแบบ zero-markup ผ่าน OrcaRouter หมายความว่าคุณจ่ายตามอัตราของผู้ให้บริการโดยไม่มีค่าธรรมเนียมเพิ่มเติม
แม้จะมีจุดแข็ง แต่โมเดลนี้ก็มีข้อจำกัด ค่าใช้จ่ายต่อโทเค็นเอาต์พุตที่สูง ($14.00 ต่อ 1M โทเค็น) สามารถสะสมอย่างรวดเร็วสำหรับแอปพลิเคชันที่สร้างข้อความจำนวนมาก ประสิทธิภาพในงานที่ไม่เกี่ยวกับการใช้เหตุผลทางคณิตศาสตร์อาจไม่ได้ดีกว่าตัวเลือกที่ถูกกว่าอย่างเป็นสัดส่วน โมเดลอาจแสดงจุดอ่อนทั่วไปของ LLM เช่น การสร้างภาพหลอน โดยเฉพาะกับข้อมูลที่คลุมเครือหรือข้อมูลล่าสุด การประมวลผลอินพุตแบบหลายรูปแบบอาจทำให้มีการใช้โทเค็นสูงกว่าที่คาดไว้ ขึ้นอยู่กับวิธีการแปลงรูปภาพและไฟล์เป็นโทเค็น ท้ายที่สุด หน้าต่างบริบทขนาด 400K โทเค็นคือจำนวนอินพุตทั้งหมด โมเดลอาจยังมีปัญหาในการจัดการกับความสัมพันธ์ที่ยาวมากภายในหน้าต่างนั้น แม้ว่าจะทำงานได้ดีโดยรวม
ราคาขึ้นอยู่กับการใช้งานโทเค็น: $1.75 ต่อ 1 ล้านโทเค็นอินพุต และ $14.00 ต่อ 1 ล้านโทเค็นเอาต์พุต นี่คืออัตราของผู้ให้บริการที่ส่งผ่านโดย OrcaRouter โดยไม่มีส่วนเพิ่ม (zero markup) โทเค็นอินพุตประกอบด้วยข้อความ รูปภาพ และไฟล์ตามที่ผู้ให้บริการเข้ารหัส โทเค็นเอาต์พุตถูกสร้างโดยโมเดล ค่าใช้จ่ายคำนวณต่อคำขอ และยอดรวมคือผลรวมของค่าใช้จ่ายโทเค็นอินพุตและเอาต์พุต ตัวอย่างเช่น คำขอที่มี 10,000 โทเค็นอินพุตและ 2,000 โทเค็นเอาต์พุตจะมีค่าใช้จ่ายประมาณ $0.0000175 (อินพุต) + $0.000028 (เอาต์พุต) = $0.0000455 ผู้ใช้สามารถติดตามการใช้งานผ่านแดชบอร์ดบันทึกและเรียกเก็บเงินของ OrcaRouter
ราคาเอาต์พุต ($14.00 ต่อ 1M tokens) มีค่าเป็นแปดเท่าของราคาอินพุต ($1.75 ต่อ 1M tokens) สอดคล้องกับโครงสร้างราคาของผู้ให้บริการสำหรับโมเดลขนาดใหญ่ ซึ่งสะท้อนถึงต้นทุนการคำนวณของการสร้างแบบ autoregressive การสร้าง tokens แบบต่อเนื่องต้องใช้หน่วยความจำ GPU และการคำนวณจำนวนมาก โดยเฉพาะสำหรับโมเดลที่มีหน้าต่างบริบท 400K สำหรับแอปพลิเคชันที่ต้องการเอาต์พุตยาว ต้นทุนเอาต์พุตจะครอบงำ ผู้ใช้ควรออกแบบ prompts เพื่อลดความยาวเอาต์พุตให้มากที่สุด หรือพิจารณาการแคชคำตอบที่ซ้ำกัน OrcaRouter ไม่ได้เพิ่มมาร์กอัปใดๆ ในอัตราเหล่านี้ ดังนั้นราคาที่คุณเห็นคือราคาของผู้ให้บริการ
ใช่ เนื่องจากโทเค็นเอาต์พุตของโมเดลมีราคาแพง จึงควรประเมินว่างานนั้นจำเป็นต้องใช้ความแม่นยำทางคณิตศาสตร์สูงหรือบริบทที่ยาวนานจริงหรือไม่ สำหรับผลลัพธ์ที่สั้นหรือเรียบง่ายกว่า โมเดลที่ถูกกว่าอาจเพียงพอ นอกจากนี้ การใช้อินพุตแบบหลายรูปแบบ (multimodal) สามารถเพิ่มต้นทุนโทเค็นอินพุตได้หากรูปภาพถูกเข้ารหัสเป็นโทเค็นจำนวนมาก คุณสามารถลดต้นทุนได้โดยการบีบอัดรูปภาพหรือใช้ข้อความเพียงอย่างเดียวเมื่อเป็นไปได้ OrcaRouter มีแคชสำหรับพรอมต์ที่ซ้ำกัน (หากเปิดใช้งาน) ซึ่งสามารถลดต้นทุนโทเค็นอินพุตสำหรับคำขอที่เหมือนกันหรือคล้ายกัน อย่างไรก็ตาม ราคาของโมเดลเป็นแบบจ่ายตามการใช้งาน ไม่มีส่วนลดสำหรับการใช้งานจำนวนมาก เว้นแต่ผู้ให้บริการจะแนะนำส่วนลดดังกล่าว
OrcaRouter มีฟีเจอร์การแคชที่ช่วยลดต้นทุนสำหรับการประมวลผล token ที่ซ้ำกัน เมื่อเปิดใช้งานการแคช ข้อความนำเข้าที่มีส่วนต้นเหมือนกันอาจถูกจัดเก็บและนำกลับมาใช้ใหม่ในคำขอต่างๆ ดังนั้นคุณจะไม่ถูกเรียกเก็บเงินสำหรับการประมวลผล token เดิมซ้ำอีก ซึ่งเป็นประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันที่ส่ง system prompts, few-shot examples หรือส่วน context ขนาดใหญ่บ่อยครั้ง ระบบแคชโดยทั่วไปจะคงอยู่เป็นเวลาจำกัด (เช่น นาทีถึงชั่วโมง) ผู้ใช้สามารถกำหนดค่าพารามิเตอร์การแคชผ่าน API ได้ ประหยัดได้จริงขึ้นอยู่กับอัตราการทำซ้ำของอินพุตของคุณ โปรดทราบว่า output token จะไม่ถูกแคช เนื่องจากถูกสร้างขึ้นสำหรับแต่ละคำขอเท่านั้น
คุณเรียกใช้โมเดลผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter ที่ base URL https://api.orcarouter.ai/v1 ใช้ endpoint chat completions มาตรฐานของ OpenAI โดยตั้งค่าพารามิเตอร์ model เป็น "openai/gpt-5.2-2025-12-11" คีย์ API ของคุณ (ที่ได้จาก OrcaRouter) จะถูกส่งใน header Authorization ในรูปแบบ Bearer token ตัวอย่างการใช้ Python และไลบรารี OpenAI: ```python import openai openai.api_base = "https://api.orcarouter.ai/v1" openai.api_key = "your-key" response = openai.ChatCompletion.create( model="openai/gpt-5.2-2025-12-11", messages=[{"role":"user","content":"Solve 2+2"}] ) ``` รูปแบบการตอบสนองจะตรงกับโครงสร้าง ChatCompletion ของ OpenAI การสตรีมข้อมูลรองรับโดยการตั้งค่า stream=True
พารามิเตอร์มาตรฐานทั้งหมดของ OpenAI Chat Completion ได้รับการรองรับ ได้แก่: model (จำเป็น), messages (อาร์เรย์ของวัตถุข้อความ), max_tokens (สูงสุด 128,000), temperature, top_p, frequency_penalty, presence_penalty, stop และ stream สำหรับอินพุตแบบมัลติโมดัล คุณสามารถรวม URL ของรูปภาพหรือไฟล์ในเนื้อหาข้อความ โดยใช้โครงสร้างส่วนเนื้อหามาตรฐานของ OpenAI (เช่น content: [{"type":"image_url","image_url":{"url":"..."}}]) โมเดลยังรองรับพารามิเตอร์ max_completion_tokens หากคุณต้องการจำกัดผลลัพธ์ โปรดทราบว่าหน้าต่างบริบทประกอบด้วยทั้งโทเค็นอินพุตและเอาต์พุต ดังนั้นให้แน่ใจว่าโทเค็นทั้งหมด (อินพุต + เอาต์พุต) ไม่เกิน 400,000 โทเค็น API จะส่งคืนข้อผิดพลาดหากเกินขีดจำกัด
หากคุณใช้งาน OpenAI's API โดยตรงในปัจจุบัน การย้ายไปใช้ OrcaRouter จำเป็นต้องเปลี่ยนเฉพาะ base URL และ API key เท่านั้น ให้เปลี่ยน openai.api_base จาก "https://api.openai.com/v1" เป็น "https://api.orcarouter.ai/v1" และใช้ API key ของ OrcaRouter ของคุณ คงโค้ดอื่นๆ ทั้งหมดไว้เหมือนเดิม รวมถึงชื่อโมเดล (เช่น "openai/gpt-5.2-2025-12-11") และรูปแบบคำขอ โครงสร้างการตอบสนองจะเหมือนกัน ทดสอบด้วยคำขอเดียวเพื่อตรวจสอบการเชื่อมต่อ OrcaRouter ไม่เพิ่มความหน่วงใดๆ นอกเหนือจากที่ผู้ให้บริการส่งมอบ และการกำหนดราคาโปร่งใส (ไม่มีส่วนเพิ่ม) สำหรับผู้ใช้ที่ต้องการเปลี่ยนโมเดล ปลายทางเดียวกันนี้ใช้ได้กับโมเดลทั้งหมดที่มีใน OrcaRouter
การตรวจสอบสิทธิ์ทำผ่านคีย์ API ที่ส่งในส่วนหัวการอนุญาต: "Bearer <your-api-key>" คุณสามารถรับคีย์ API ได้โดยการสร้างบัญชีบน OrcaRouter และสร้างคีย์จากแดชบอร์ด ไม่มี client ID หรือ secret แยกต่างหาก; แค่คีย์ API ก็เพียงพอ คีย์ควรถูกเก็บอย่างปลอดภัยและไม่เปิดเผยในโค้ดฝั่งไคลเอ็นต์ สำหรับแอปพลิเคชันฝั่งเซิร์ฟเวอร์ ให้เก็บไว้ในตัวแปรสภาพแวดล้อม หากคุณต้องการหลายคีย์สำหรับทีมหรือโปรเจกต์ต่างๆ คุณสามารถสร้างหลายคีย์ในแดชบอร์ด คำขอทั้งหมดจะถูกเรียกเก็บเงินไปยังบัญชีที่เชื่อมโยงกับคีย์ ข้อจำกัดอัตราและโควต้าการใช้งานจะถูกใช้ต่อคีย์; ดูเอกสารของ OrcaRouter สำหรับรายละเอียดเพิ่มเติม
เมื่อเทียบกับโมเดล GPT-4.0 รุ่นก่อนหน้า GPT-5.2-2025-12-11 มีหน้าต่างบริบทที่ใหญ่กว่าอย่างมีนัยสำคัญ (400K เทียบกับ 32K หรือ 128K สำหรับ GPT-4 Turbo) ขีดจำกัดเอาต์พุตที่สูงกว่า (128K เทียบกับ 8K-32K) และการรองรับอินพุตแบบ multimodal (GPT-4 Turbo รองรับรูปภาพด้วย แต่ GPT-5.2 เพิ่มการป้อนไฟล์) คะแนน AA Math ที่ 99.0 น่าจะสูงกว่าผลการทำงานทั่วไปของ GPT-4.0 ในเกณฑ์มาตรฐานทางคณิตศาสตร์ ซึ่งอยู่ที่ประมาณ 70-80 ในการทดสอบที่คล้ายกัน ราคาแตกต่างกัน: GPT-4 Turbo อยู่ที่ $10/$30 ต่อ 1M tokens ในขณะที่โมเดลนี้ถูกกว่าสำหรับอินพุต ($1.75) แต่แพงกว่าสำหรับเอาต์พุต ($14) สำหรับงานที่ต้องการเอาต์พุตน้อย GPT-5.2 อาจคุ้มค่าโดยรวมมากกว่า
โมเดล Claude จาก Anthropic ยังมีหน้าต่างบริบทขนาดใหญ่ (เช่น Claude 3.5 Sonnet มี 200K) Claude 3.5 Opus มีความสามารถทางคณิตศาสตร์ที่เทียบเคียงได้ แต่ไม่มีคะแนน AA Math ที่รายงานต่อสาธารณะ หน้าต่างบริบท 400K ของ GPT-5.2 เป็นสองเท่าของโมเดล Claude ส่วนใหญ่ และเอาต์พุต 128K ก็ใหญ่กว่าเอาต์พุตทั่วไปของ Claude ที่ 4K-8K ความแตกต่างด้านราคา: Claude 3.5 Sonnet อยู่ที่ $3/$15 ต่อ 1M tokens ในขณะที่ GPT-5.2 อยู่ที่ $1.75/$14 ดังนั้น GPT-5.2 ถูกกว่าในด้านอินพุตแต่ใกล้เคียงกันในด้านเอาต์พุต โมเดล Claude มีการปรับแนวทางด้านความปลอดภัยที่แข็งแกร่งและมักเป็นที่นิยมสำหรับการสนทนา ตัวเลือกขึ้นอยู่กับข้อกำหนดเฉพาะของงาน โดยเฉพาะหากคุณต้องการความจุเอาต์พุตที่สูงขึ้นหรือประสิทธิภาพทางคณิตศาสตร์
โมเดลโอเพนซอร์สอย่าง Llama 3.1 405B หรือ Mixtral 8x22B มีหน้าต่างบริบทที่เล็กกว่า (ปกติ 128K หรือน้อยกว่า) และมีคะแนนเกณฑ์มาตรฐานทางคณิตศาสตร์ที่ต่ำกว่า ตัวอย่างเช่น Llama 3.1 405B ได้คะแนนประมาณ 85-90 ในการทดสอบคณิตศาสตร์ที่คล้ายกัน พวกมันไม่สามารถเทียบกับ 99.0 AA Math ของ GPT-5.2 หรือการป้อนไฟล์แบบมัลติโมดัลได้ อย่างไรก็ตาม โมเดลโอเพนซอร์สสามารถโฮสต์เองได้ ทำให้มีต้นทุนต่อโทเคนที่ต่ำกว่าในระดับใหญ่หากคุณมีฮาร์ดแวร์ GPT-5.2 ผ่าน OrcaRouter มอบความสะดวกในการใช้งาน ไม่ต้องมีโครงสร้างพื้นฐาน และราคาที่ไม่มีค่าธรรมเนียมเพิ่ม สำหรับผู้ใช้ที่ต้องการความแม่นยำทางคณิตศาสตร์สูงสุด โมเดลแบบปิดนั้นเหนือกว่า ส่วนผู้ที่ให้ความสำคัญกับการควบคุมต้นทุนและความเป็นส่วนตัวของข้อมูลผ่านการโฮสต์เอง โมเดลโอเพนซอร์สอาจเป็นทางเลือกที่ดีกว่า
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.2-2025-12-11",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| อินพุต / 1M โทเค็น | $1.75 |
| เอาต์พุต / 1M โทเค็น | $14.00 |
| อ่านแคช / 1M | $0.175 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/openai/gpt-5.2-2025-12-11เปิด @misc{orcarouter_gpt_5_2_2025_12_11,
title = {openai/gpt-5.2-2025-12-11 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.2-2025-12-11}
}openai. (n.d.). openai/gpt-5.2-2025-12-11 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.2-2025-12-11