GPT-6 Sol และ Luna: OpenAI ส่งสายราคาถูกออกรบ ลด 50% พร้อมคะแนนระดับแนวหน้า

โดย Nokka (นก-กา) | 23 กันยายน 2569

บทความนี้เขียนโดย AI (โมเดล glm-5.3 ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka

GPT-6 Sol และ Luna: สองรุ่นใหม่ที่ทำให้คำว่า "โมเดลแพง" ดูเก่าไป

วันเดียวกับที่ Anthropic เปิดตัว Opus 5.5 ราคาถูกลง ฝั่ง OpenAI ก็ออกการ์ดตอบทันที: เปิดตัวโมเดลสองตัวในตระกูล GPT-6

ชื่อ Sol และ Luna พร้อมข้อความหลักที่ชัดเจนคือลดราคา API ทั้งคู่ลงราวครึ่งหนึ่งจากราคาโปรโมชันของ GPT-5.6 โดยหน้าประกาศใช้คำว่า 50 เปอร์เซ็นต์ [1]

สองโมเดลนี้ถูกฝึกด้วยวิธีเดียวกับ GPT-6 Astra รุ่นเรือธง จึงได้ความก้าวหน้าของ Astra ทั้งเรื่องงานวิชาชีพ ความแม่นของข้อเท็จจริง

งานโค้ด การใช้คอมพิวเตอร์ และความสอดคล้อง แต่แพ็กมาในรูปแบบที่เร็วกว่าและถูกกว่า [1]

ราคาและการเข้าถึง

• ราคาพื้นฐานต่อล้านโทเคน: Sol อยู่ที่ 2 ดอลลาร์สำหรับโทเคนเข้าและ 10 ดอลลาร์สำหรับโทเคนออก ส่วน Luna เหลือเพียง 0.10 กับ 0.50 ดอลลาร์ตามลำดับ โดยหน้าประกาศระบุว่าลดจากราคาโปรโมชัน GPT-5.6 ราวครึ่งหนึ่ง [1][2]
• แคชดีขึ้นตามมา: OpenAI ปรับระบบแคชให้เข้าเป้าสูงขึ้นโดยอัตโนมัติ พร้อมส่วนลดอ่านแคช 90 เปอร์เซ็นต์ และมีหน้ากระดานวัดการใช้แคชให้นักพัฒนาไล่ปรับได้จริง [1]
• ใครใช้ได้: ทั้งคู่เปิดใน ChatGPT Work และ Codex สำหรับผู้ใช้ Plus, Pro, Business, Enterprise และ Edu ตั้งแต่วันเปิดตัว ส่วนผู้ใช้ฟรีและ Go ใช้ Luna ได้บนแอปเดสก์ท็อป ยังไม่มีในหน้าแชททั่วไป และใน API เรียกชื่อ gpt-6-sol และ gpt-6-luna [1]

ความเห็นส่วนตัว: จุดที่ผมสนใจที่สุดคือการที่แคชถูกทำให้ "เข้าเป้าสูงขึ้นโดยค่าเริ่มต้น" มากกว่าแค่ราคาที่ถูกลง เพราะในงานเอเจนต์ยาวคนสร้างระบบมักลืมปรับแคชเอง การที่ค่าเริ่มต้นฉลาดขึ้นช่วยคนทั่วไปได้จริงกว่าส่วนลดที่ต้องไปเปิดเอง

คะแนนที่ OpenAI รายงานเอง

งานธุรกิจและงานโค้ด

• AutomationBench (งานขั้นตอนธุรกิจข้ามแอป): Sol โหมด xhigh ชนะ Claude Opus 5 โหมด max โดยจ่ายเพียง 9 เปอร์เซ็นต์ของต้นทุนต่องาน [1]
• Agents' Last Exam (งานวิชาชีพซับซ้อน): Sol โหมด max ได้ 56.4 เปอร์เซ็นต์ เหนือคะแนนสูงสุดของ Claude Opus 5 ในชุดเดียวกัน ที่ต้นทุนต่องานต่ำกว่า 60 เปอร์เซ็นต์ [1]
• FrontierCode (งานโค้ดพร้อมรวมเข้าโค้ดเบสจริง): Sol ดีขึ้นชัดจาก GPT-5.6 Sol และเสมอ Fable 5.1 โหมด xhigh ที่ราคาต่ำกว่ามาก [1]
• DeepSWE v1.1 (งานวิศวกรรมซอฟต์แวร์ในโค้ดเบสจริง): Sol โหมด max ได้ 68.8 เปอร์เซ็นต์ ห่างจากคะแนนสูงสุดของ Fable 5 แค่ 1.1 จุด ที่ต้นทุนต่ำกว่าราว 80 เปอร์เซ็นต์ [1]

Luna: ราคาถูกระดับอีกชั้น

Luna โหมด max ทำ DeepSWE ได้ 66.6 เปอร์เซ็นต์ เทียบเคียง Opus 5 และ Fable 5 ระดับโหมด medium โดยจ่ายต่องานถูกกว่า Opus 5 ถึง 93 เปอร์เซ็นต์ และถูกกว่า Fable 5 ถึง 96 เปอร์เซ็นต์ [1]

การใช้คอมพิวเตอร์

บนชุดทดสอบ OSWorld 2.0 แบบออฟไลน์ Sol โหมด xhigh ทำได้ 60.5 เปอร์เซ็นต์ เทียบเคียง Opus 5 โหมด medium ที่ 60.3

โดยต้นทุนต่ำกว่าราว 80 เปอร์เซ็นต์ ส่วน Luna โหมด max ชนะ GPT-5.6 Sol โหมด medium ที่ราคาเพียงหนึ่งในสิบ [1]

ความแม่นของข้อเท็จจริง

ในชุดประเมินภายในที่สร้างจากบทสนทนาจริงที่ผู้ใช้แจ้งว่าโมเดลตอบผิด Sol ทำผิดน้อยลงราวครึ่งหนึ่งจากรุ่นก่อน เข้าใกล้ระดับความน่าเชื่อถือของ

Astra ที่ราคาต่ำกว่ามาก ส่วน Luna ปรับดีขึ้นมาก โดยโหมดสูงเทียบเคียง GPT-5.6 Sol ได้ที่ราคาราวหนึ่งในร้อย [1]

ข้อควรระวังในการอ่านตัวเลข

ตัวเลขทั้งหมดนี้เป็นการวัดของ OpenAI เอง เทียบกับคู่แข่งจากค่ายอื่นด้วยสภาพที่ไม่เหมือนกันเสียที อ่านเป็นภาพประกอบทิศทางได้ แต่อย่าเทียบตรง ๆ เป็นสรุปว่าใครชนะ

สัญญาณใหญ่ที่ซ่อนอยู่ในตัวเลขการใช้งาน

ประโยคหนึ่งในหน้าประกาศน่าสนใจกว่าตารางคะแนน: การใช้งานภายในของ OpenAI เติบโตแบบก้าวกระโดด นักวิจัยคนกลางใช้โทเคนมูลค่าเกิน

600 ดอลลาร์ต่อวัน และกลุ่ม 90th percentile แตะ 7,000 ดอลลาร์ต่อวัน เมื่อวัดด้วยราคา API [1]

ตัวเลขนี้อธิบายว่าทำไมสองค่ายใหญ่พร้อมใจผลักราคาลงพร้อมกันในสัปดาห์เดียวกัน: เมื่องานเอเจนต์ยาวกลายเป็นเรื่องปกติ ต้นทุนรายวันของทีมเดียวอาจแตะหลักแสนบาทโดยประมาณการของผู้เขียน

การลดราคาครึ่งหนึ่งไม่ใช่การแสดงน้ำใจ แต่คือเงื่อนไขที่ทำให้ผลิตภัณฑ์นี้ยังขายได้

มองรวมกับคู่แข่งที่ออกมาวันเดียวกัน

เมื่อเทียบกับ Claude Opus 5.5 ที่ออกวันเดียวกัน ภาพที่ได้คือตลาดแบ่งเป็นชั้นราคาชัดเจน [2][3]

• Opus 5.5 เป็นสายแนวหน้าเต็มตัวราคา 4 และ 20 ดอลลาร์ พร้อมบริบทหนึ่งล้านโทเคน
• Sol เทียบชั้นเดียวกันแต่ราคาครึ่งหนึ่งที่ 2 และ 10 ดอลลาร์
• Luna เปิดชั้นใหม่ที่ 0.10 กับ 0.50 ดอลลาร์ สำหรับงานปริมาณมากที่ไม่ต้องพึ่งสมองระดับสุด

รูปแบบการใช้งานที่กำลังเป็นจริงคือการจัดส่งงานตามชั้นราคา: งานยากส่งโมเดลแพง งานซ้ำ ๆ ส่งชั้นกลาง งานเล็กปล่อยให้ชั้นถูกกินราคาไม่กี่สตางค์

ทีมที่ออกแบบระบบแบบนี้จะเห็นต้นทุนรวมลดลงจริงโดยไม่ต้องแลกความสามารถทิ้งทั้งหมด ตัวอย่างการจัดส่งงานจริง: ให้โมเดลชั้นแพงออกแบบสถาปัตยกรรมระบบครั้งเดียว จากนั้นให้ชั้นกลางเขียนโค้ดตามแบบ แล้วให้ชั้นถูกตรวจไล่บั๊กเบา ๆ ทุกวัน ใครอยากเห็นภาพจุดบอดของการให้ AI ตรวจโค้ด AI เราเคยเขียนไว้ในบท AI เขียนโค้ด AI ตรวจโค้ดด้วย อ่านคู่กันได้

สรุป

GPT-6 Sol และ Luna คือคำตอบของ OpenAI ต่อสงครามต้นทุนที่ Anthropic เปิดหน้าไว้ก่อน ตัวเลขที่ทั้งสองค่ายเลือกเล่าตรงกันเป็นสัญญาณใหญ่ที่สุด:

สนามแข่งปีนี้ไม่ใช่คะแนนสูงสุดอย่างเดียว แต่คือปริมาณงานที่เสร็จจริงต่อดอลลาร์

สำหรับทีมไทยที่กำลังจะวางระบบเอเจนต์ ช่วงนี้คือโอกาสที่ดีที่สุดในรอบหลายปีในการออกแบบสถาปัตยกรรมแบบหลายชั้นราคา

ลองวัดงานจริงของตัวเองว่างานไหนคุ้มค่าพอจะใช้โมเดลแพง แล้วส่งที่เหลือลงชั้นราคาที่ถูกลงเรื่อย ๆ ตามแต่ละแบบ

---

เขียนโดย Nokka (นก-กา) นักเขียนอิสระแกะรอยเทคโนโลยี สนใจเรื่องการทำคอนเทนต์ให้คนหาเจอมาตลอด ถ้าชอบบทความแนว AI แบบอิงหลักฐานจริงทั้งสองฝั่ง ติดตามได้ที่ dev.to/sarantoon

อ้างอิง:

[1] OpenAI. "Introducing GPT-6 Sol and Luna." openai.com, 22 กันยายน 2026. https://openai.com/index/introducing-gpt-6-sol-and-luna

[2] VentureBeat. "Anthropic releases Claude Opus 5.5, beating Fable 5.1 on key agentic benchmarks at 60% cheaper API price." venturebeat.com, 22 กันยายน 2026. https://venturebeat.com/technology/anthropic-releases-claude-opus-5-5-beating-fable-5-1-on-key-agentic-benchmarks-at-60-cheaper-api-price

[3] Anthropic. "Introducing Claude Opus 5.5." anthropic.com, 22 กันยายน 2026. https://www.anthropic.com/claude-opus-5-5