GPT-6 Sol และ Luna ลดค่า API สูงสุด 50% — คนทำ AI Agent จ่ายน้อยลง

คนทำธุรกิจออนไลน์ที่ใช้ AI ผ่าน API อาจมีต้นทุนลดลงอย่างชัดเจน หลัง OpenAI เปิดตัว GPT-6 Sol และ GPT-6 Luna รุ่นใหม่ที่เน้นความเร็ว ความคุ้มค่า และการนำไปใช้กับงานประจำ โดยลดราคา API จากราคาโปรโมชันของ GPT-5.6 สูงสุด 50% พร้อมเพิ่มส่วนลด Prompt caching เป็น 90%

ทั้งสองรุ่นต่อยอดจากความสามารถของ GPT-6 Astra แต่ไม่ได้วางตำแหน่งให้เป็นรุ่นที่เก่งที่สุดในทุกด้าน จุดขายหลักคือการทำงานระดับมืออาชีพ การเขียนโค้ด การใช้คอมพิวเตอร์ และการสร้างระบบ AI ที่รองรับคำขอจำนวนมาก โดยควบคุมค่าใช้จ่ายได้ง่ายขึ้น

รุ่นไหนเหมาะกับงานแบบใด

GPT-6 Sol เป็นรุ่นที่มีกำลังประมวลผลสูงกว่า Luna เหมาะกับงานที่ต้องใช้เหตุผลหลายขั้นตอน เช่น สร้าง AI Agent วิเคราะห์ข้อมูล เขียนโค้ด หรือจัดการงานบนคอมพิวเตอร์ ส่วน GPT-6 Luna เน้นงานทั่วไปที่ต้องการความเร็วและต้นทุนต่ำ

• GPT-6 Sol: ค่า Input 2 ดอลลาร์ และ Output 10 ดอลลาร์ต่อ 1 ล้านโทเคน
• GPT-6 Luna: ค่า Input 0.10 ดอลลาร์ และ Output 0.50 ดอลลาร์ต่อ 1 ล้านโทเคน
• GPT-6 Astra: ยังคงเป็นรุ่นที่มีประสิทธิภาพสูงสุดสำหรับงานที่ต้องการผลลัพธ์ระดับบนสุด

ราคาดังกล่าวลดลงจากราคาโปรโมชันของ GPT-5.6 โดย Sol ลดจาก 4 ดอลลาร์เหลือ 2 ดอลลาร์สำหรับ Input และจาก 20 ดอลลาร์เหลือ 10 ดอลลาร์สำหรับ Output ส่วน Luna ลดจาก 0.20 ดอลลาร์เหลือ 0.10 ดอลลาร์ และจาก 1.20 ดอลลาร์เหลือ 0.50 ดอลลาร์ตามลำดับ

ผลทดสอบชี้ว่ารุ่นประหยัดอาจคุ้มกว่ารุ่นใหญ่

ในการประเมินงานมืออาชีพ GPT-6 Sol ที่ตั้งค่า effort ระดับ “xhigh” ได้คะแนน 33.2% บน AutomationBench โดยมีต้นทุน 0.27 ดอลลาร์ต่อภารกิจ ขณะที่ GPT-6 Astra ใช้ต้นทุนสูงกว่าประมาณ 3.9 เท่า แม้ได้คะแนน 30.3% ในการตั้งค่า effort ระดับต่ำ

ด้านการเขียนโค้ด GPT-6 Sol ทำคะแนนได้ 68.8% บน DeepSWE v1.1 ใกล้กับ Claude Fable 5 ที่ 69.9% แต่มีต้นทุนต่อภารกิจต่ำกว่าประมาณ 80% ส่วน GPT-6 Luna ทำได้ 66.6% และมีต้นทุนต่ำกว่ารุ่นคู่เทียบอย่างมากตามข้อมูลของ OpenAI

OpenAI ยังรายงานว่า Sol ทำข้อผิดพลาดด้านข้อเท็จจริงประมาณครึ่งหนึ่งของ GPT-5.6 Sol ในการทดสอบภายใน และ Luna ที่ใช้ effort สูงสามารถให้ผลใกล้เคียง GPT-5.6 Sol ด้วยต้นทุนประมาณหนึ่งในร้อย การประเมินนี้ใช้บทสนทนาที่ตัดข้อมูลระบุตัวตนออกและผู้ใช้เคยแจ้งว่ามีข้อผิดพลาด

Prompt caching ช่วยลดต้นทุนระบบที่เรียกใช้ซ้ำ

การเปลี่ยนแปลงสำคัญอีกอย่างอยู่ที่ Prompt caching ซึ่งลดค่าอ่าน Input ที่ถูกแคชไว้ได้ 90% นักพัฒนาสามารถตรวจสอบการใช้แคช หาสาเหตุที่แคชไม่ทำงาน และกำหนดจุดแบ่งแคชเองได้ โดยยังเปลี่ยน reasoning effort หรือเครื่องมือที่เปิดให้โมเดลใช้ได้

OpenAI ระบุว่า GitHub ลดสัดส่วนโทเคนที่ต้องประมวลผลใหม่ได้มากกว่า 50% จากคำขอหลายพันล้านรายการ ตัวเลขนี้สะท้อนว่า caching อาจมีผลมากเป็นพิเศษกับระบบที่ใช้ Prompt เดิมซ้ำ เช่น Customer Support, ระบบสร้างรายงาน และ AI Agent สำหรับ E-commerce

เรื่องนี้เกี่ยวกับคุณยังไง

ถ้าคุณกำลังสร้างเครื่องมือ AI หรือใช้ API ทำงานหลังบ้าน การมีรุ่นที่ต้นทุนต่ำลงอาจทำให้การทดลองระบบและการขยายจำนวนผู้ใช้ทำได้ง่ายขึ้น แต่ผลทดสอบทั้งหมดเป็นข้อมูลที่ OpenAI รายงานเอง จึงควรทดสอบกับงานจริงของคุณก่อนเปลี่ยนโมเดลหลัก

• แยกงานที่ต้องใช้เหตุผลซับซ้อนให้ Sol และงานปริมาณมากที่ไม่ซับซ้อนให้ Luna
• ตรวจสอบว่าคำขอของระบบมีส่วนที่ซ้ำกันหรือไม่ เพื่อใช้ Prompt caching ให้คุ้มค่า
• วัดทั้งคุณภาพ ความเร็ว อัตราข้อผิดพลาด และต้นทุนต่อภารกิจ ไม่ดูแค่ราคาโทเคน
• ทดสอบกับข้อมูลจริงแบบจำกัดก่อนย้ายระบบ E-commerce หรือ AI Agent ทั้งหมด

GPT-6 Sol และ Luna เปิดให้ใช้ใน ChatGPT Work และ Codex สำหรับผู้ใช้ Plus, Pro, Business, Enterprise และ Edu ส่วนผู้ใช้ Free และ Go เข้าถึง GPT-6 Luna ได้ในแอป Desktop โดยชื่อโมเดลใน API คือ gpt-6-sol และ gpt-6-luna แต่ในช่วงเปิดตัว โมเดลยังไม่พร้อมใช้งานใน Chat