Anthropic เปิดตัว Claude Haiku 5.5 เมื่อไม่นานมานี้ และเป็นการท้าชน OpenAI ตารางเบนช์มาร์กที่ Anthropic เผยแพร่จัดให้ Haiku 5.5 นำหน้า GPT-6 Luna ในทุกรายการที่มีทั้งสองโมเดล และ Anthropic ตั้งราคา Haiku 5.5 เท่ากับที่ OpenAI ตั้งราคา Luna: $0.10 ต่อโทเค็นขาเข้า 1 ล้านโทเค็น และ $0.50 ต่อโทเค็นขาออก 1 ล้านโทเค็น บนกระดาษ การเปรียบเทียบดูง่าย Haiku 5.5 ดีกว่า GPT-6 Luna และมีราคาเท่ากัน
นั่นคือข้อสรุปแบบรวบรัด แต่ “ราคาเท่ากันต่อโทเค็น” ไม่ได้แปลว่า “ราคาเท่ากันต่อภารกิจ” โมเดลอ่านและเขียนจำนวนโทเค็นต่างกันสำหรับงานเดียวกัน ก็เลยลองเช็กเล่นๆ ว่า ถ้าให้ทั้งสองโมเดลทำงานเดียวกันจริง ๆ ค่าใช้จ่ายจะเท่ากันไหม และถ้าไม่เท่า ความเห็นจะเปลี่ยนไหม
สรุปสั้น ๆ
Claude Haiku 5.5 เป็นเอเจนต์ที่มีศักยภาพมากกว่า นำห่างในการใช้งานคอมพิวเตอร์และงานเทอร์มินัลตามเบนช์มาร์กของ Anthropic
บนกระดาษ Haiku 5.5 ชนะ: เบนช์มาร์กดีกว่าที่ราคาเท่ากัน แต่ในการทดสอบต้นทุนของเรา (สปอยล์) Luna ให้คำตอบเดียวกันด้วยเงินประมาณครึ่งหนึ่ง
บทเรียน: ราคาเท่ากันต่อโทเค็นอาจซ่อนช่องว่างต้นทุนจริงจากโทเคไนเซอร์ ความยาวการให้เหตุผล และค่าบวกเพิ่มสำหรับพรอมป์ตยาว
Claude Haiku 5.5 คืออะไร?
Claude Haiku 5.5 เป็นโมเดลที่เล็กและเร็วที่สุดของ Anthropic เปิดตัวเมื่อวันที่ 7 ตุลาคม 2026 ในฐานะสมาชิกตัวสุดท้ายของตระกูล Claude 5.5
Anthropic วางให้ใช้กับงานปริมาณสูง ไวต่อเวลา เช่น การจัดประเภท การดึงข้อมูล การเราท์ติ้ง และทำงานเป็นซับเอเจนต์ใต้ Sonnet 5.5 หรือ Opus 5.5 และยกความสามารถด้านการคิดเชิงปรับตัวและการใช้คอมพิวเตอร์ลงมาที่ระดับราคาต่ำสุด
ของเรา คู่มือ Claude Haiku 5.5 ครอบคลุมทั้งการเปิดตัวและการทดสอบลงมือทำเทียบกับ Haiku 4.5
GPT-6 Luna คืออะไร?
GPT-6 Luna เป็นโมเดลที่มีประสิทธิภาพสูงสุดต่อราคา (ประสิทธิภาพการใช้ทรัพยากร) ของ OpenAI เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ในฐานะชั้นที่เล็กที่สุดของตระกูล GPT-6 ต่ำกว่า Astra และ Sol
OpenAI วางให้ใช้กับงานโฟกัสปริมาณสูง และกำลังทยอยให้เป็นโมเดลเบื้องหลัง ChatGPT สำหรับผู้ใช้ Free และ Go ตั้งแต่วันที่ 8 ตุลาคม
ของเรา คู่มือ GPT-6 Sol และ Luna ครอบคลุมรายละเอียดการเปิดตัว
Claude Haiku 5.5 เทียบกับ GPT-6 Luna: ดวลกันตรง ๆ
เบนช์มาร์กของ Anthropic จัดให้ Haiku 5.5 นำหน้า Luna ในทุกรายการที่มีทั้งสองโมเดล โดยช่องว่างกว้างที่สุดอยู่ที่งานเชิงเอเจนต์ ส่วนเรื่องต้นทุนและความเร็วสำหรับการตัดสินใจง่าย ๆ การทดสอบของเราชี้ไปอีกทาง
คุณสมบัติ Claude Haiku 5.5 GPT-6 Luna OSWorld 2.1 (การใช้คอมพิวเตอร์) 72.4% 48.9% Terminal-Bench 4.0 39.2% 16.4% GDPval-AA v2.1 (Elo) 1620 1437 AA-Briefcase v1.1 (Elo) 1578 1336 FrontierCode 1.1 (หลัก) 46.4% 42.4% Chartography (ไม่ใช้เครื่องมือ) 46.4% 29.1% DeepSWE v1.1 ไม่มีรายงาน 66.6% (ความพยายามสูงสุด) หน้าต่างบริบท / เอาต์พุตสูงสุด 1M / 128K 1.05M / 128K ขอบเขตความรู้ มิถุนายน 2026 พฤษภาคม 2026 ระดับความพยายาม ต่ำถึงสูงสุด (ค่าเริ่มต้นปานกลาง) ไม่มีถึงสูงสุด (ค่าเริ่มต้นปานกลาง)
ทุกรายการยกเว้น DeepSWE มาจากตารางเปิดตัวของ Anthropic จึงควรอ่านว่าเป็นข้อเสนอของ Anthropic; OpenAI ยังไม่ได้เผยแพร่การเปรียบเทียบกับ Haiku 5.5 ซึ่งปกติอยู่แล้วเพราะ Luna ออกมาก่อน
งานเชิงเอเจนต์และการใช้คอมพิวเตอร์
นี่คือตำแหน่งที่ Haiku 5.5 ดึงระยะห่างได้มากที่สุด บน OSWorld 2.1 ที่ทดสอบว่าโมเดลทำงานให้เสร็จได้ด้วยการใช้งานเดสก์ท็อปจริงหรือไม่ Haiku 5.5 ทำได้ 72.4% เทียบกับ 48.9% ของ Luna ช่องว่าง 23.5 คะแนนที่เปลี่ยนว่าระดับโมเดลเล็กทำอะไรได้บ้าง Terminal-Bench 4.0 ก็เล่าเรื่องเดียวกัน โดย Haiku ทำงานบรรทัดคำสั่งสำเร็จมากกว่าสองเท่า
Anthropic ยังปล่อยเครื่องมือใช้งานเบราว์เซอร์มาพร้อมกับ Haiku 5.5
สำหรับงานเอเจนต์ Haiku 5.5 คือตัวเลือกที่ชัดเจน
งานความรู้และเอกสาร
Haiku 5.5 ยังนำหน้าบนชุดประเมินงานระดับมืออาชีพ: นำประมาณ 180 คะแนน Elo บน GDPval-AA และประมาณ 240 บน AA-Briefcase การอ่านกราฟบน Chartography นำอยู่ 17 คะแนน
แต่สำหรับการตัดสินใจในเอกสารที่มีกฎชัดเจนและง่ายกว่า การทดสอบลงมือของเราไม่พบความต่างด้านความแม่นยำเลย ดังนั้นช่องว่างน่าจะโผล่มากกว่าบนงานปลายเปิด
การเขียนโค้ด
การโค้ดใกล้เคียงกันมากกว่า บน FrontierCode 1.1 ที่ให้คะแนนว่าการเปลี่ยนแปลงพร้อมเมิร์จหรือไม่ Haiku 5.5 นำ 4 คะแนน OpenAI รายงาน Luna ที่ 66.6% บน DeepSWE v1.1 ที่ความพยายามสูงสุด ใกล้เคียงกับ Claude Opus 5 ที่ความพยายามระดับปานกลาง โมเดลเล็กทั้งคู่ไม่ใช่ตัวเลือกแรกสำหรับเอเจนต์โค้ดจริงจัง งานนั้นเหมาะกับ Sonnet 5.5 และ GPT-6.1 Sol มากกว่า
การควบคุมความพยายามและข้อจำกัด API
ทั้งสองโมเดลตั้งค่าเริ่มต้นที่ความพยายามระดับปานกลาง แต่ Luna ลงต่ำกว่านั้นได้: ค่าตั้งค่า none ตัดการให้เหตุผลออกทั้งหมดเพื่อคำตอบที่ถูกที่สุดและเร็วที่สุด ส่วนระดับความพยายามต่ำสุดของ Haiku 5.5 คือ low แม้ยังสามารถปิดการคิดได้ที่ระดับ high หรือต่ำกว่า
ราคา: ที่จ่ายจริง
Haiku 5.5 และ Luna มีอัตรามาตรฐานเหมือนกัน ดังนั้นความต่างของต้นทุนจริงมาจากพรอมป์ตยาว โทเคไนเซอร์ และจำนวนที่แต่ละโมเดลเขียน
อัตราโทเค็นแบบเคียงข้าง
อัตรา ต่อ 1M โทเค็น Claude Haiku 5.5 GPT-6 Luna ขาเข้า $0.10 (พรอมป์ตไม่เกิน 100K) $0.10 (พรอมป์ตไม่เกิน 272K) ขาออก $0.50 (พรอมป์ตไม่เกิน 100K) $0.50 (พรอมป์ตไม่เกิน 272K) อ่านจากแคช $0.01 $0.01 เขียนแคช $0.125 (5 นาที) $0.125 ราคาพรอมป์ตยาว เกิน 100K โทเค็น: ขาเข้า $0.50 ขาออก $2.50 เกิน 272K โทเค็น: ขาเข้าและแคช x2 ขาออก x1.5 ส่วนลดแบบแบตช์ 50% 50%
ต่ำกว่า 100K โทเค็น การ์ดอัตราเหมือนกันบรรทัดต่อบรรทัด เหนือกว่านั้น ราคาของ Haiku กระโดดห้าเท่า ขณะที่ของ Luna คงที่จนถึง 272K โทเค็น แล้วค่อยขึ้นน้อยกว่ามาก ทั้งสองคิดค่าการให้เหตุผลเป็นขาออก
ตามราคาปกติ ทั้งสองต่างกันก็ต่อเมื่อพรอมป์ตยาว ส่วนโทเคไนเซอร์ด้านล่างจะอธิบายว่าทำไมมันไม่ใช่เรื่องทั้งหมด
ภาระงานจริงมีค่าใช้จ่ายเท่าไร
ภาระงาน Claude Haiku 5.5 GPT-6 Luna ความต่าง ผู้ช่วยสมดุล: 1M ขาเข้า / 250K ขาออก $0.23 $0.23 ไม่มี ดึงข้อมูล คำขอแต่ละครั้งต่ำกว่า 100K: 10M ขาเข้า / 1M ขาออก $1.50 $1.50 ไม่มี ดึงข้อมูล คำขอแต่ละครั้งเกิน 272K: 10M ขาเข้า / 1M ขาออก $7.50 $2.75 $4.75 (Luna ถูกกว่า 63%)
ยอดรวมแต่ละรายการคือ (ปริมาณ ÷ 1M) × อัตรา บวกขาเข้าและขาออกที่อัตรามาตรฐาน
ผู้ช่วยสมดุลและดึงข้อมูลสั้น: เสมอกันตามการ์ดอัตรา
ดึงข้อมูลยาว: Luna มีค่าใช้จ่ายประมาณหนึ่งในสาม ช่องว่างยิ่งกว้างระหว่าง 100K ถึง 272K โทเค็น ที่ Haiku จ่ายอัตราที่สูงขึ้นแล้ว ส่วน Luna ยังไม่ขึ้น: ปริมาณ 10M ขาเข้า / 1M ขาออกเท่ากันมีค่า $7.50 บน Haiku เทียบกับ $1.50 บน Luna
ทำไมงานเดียวกันถึงมีค่าใช้จ่ายต่างกัน
สองโมเดลใช้โทเคไนเซอร์ต่างกัน และเราได้วัดความต่างโดยตรง: ใบแจ้งหนี้ 24 ฉบับเดียวกันในการทดสอบของเราถูกนับเป็นโทเค็นขาเข้า 51,961 บน Haiku 5.5 และ 30,098 บน Luna ประมาณ 1.7 เท่าบน Haiku เมื่อนำไปใช้กับแถวดึงข้อมูลสั้น ต้นทุนขาเข้าของ Haiku จึงขยับจาก $1.00 เป็นราว $1.73 ทำให้แถว “ราคาเท่ากัน” ข้างต้นเอียงเข้าข้าง Luna ในทางปฏิบัติ
ขาออกก็เพิ่มความต่าง ในการทดสอบเดียวกัน Haiku 5.5 เขียนโทเค็นขาออกมากกว่า Luna ประมาณสองเท่า ส่วนใหญ่เป็นการให้เหตุผล จึงทำให้ค่ารันสูงเกือบสองเท่าแม้อัตราจะเท่ากัน นั่นคืองานเดียวที่ระดับความพยายามเดียว แต่ทิศทางสอดคล้องกันทั้งสองตัวชี้วัด
ผลการทำงานของ Claude Haiku 5.5 และ GPT-6 Luna
เบนช์มาร์กข้างต้นบอกว่า Haiku 5.5 เป็นโมเดลที่ดีกว่า และแผ่นราคา (price sheet) บอกว่าสองตัวมีราคาเท่ากัน
ไม่อยากเชื่อส่วนที่สองแบบลอย ๆ จึงออกแบบการทดสอบด้วยคำถามเดียว: ถ้าทั้งสองทำงานเดียวกันได้ดีเท่ากัน แต่ละตัวมีค่าใช้จ่ายจริงเท่าไร
เลือกงานที่ทั้งสองควรทำได้แม่นยำ ดังนั้นความต่างจะไปโผล่ที่บิล ไม่ใช่คำตอบ
งาน : ทำหน้าที่ฝ่ายเจ้าหนี้การค้า แต่ละโมเดลได้รับใบแจ้งหนี้จากผู้ขาย 24 ฉบับ แต่ละฉบับมีใบสั่งซื้อและใบส่งของ และต้องตัดสินใจจ่าย ถือไว้ หรือส่งคืนตามนโยบายที่กำหนด หากรายการไม่อยู่ในใบสั่งซื้อหรือเลขที่ใบสั่งซื้อผิด ให้ส่งคืน; หากปริมาณ ราคาเกินค่าคลาดเคลื่อน 5% หรือการส่งล่าช้าเกินสามวัน ให้ถือไว้; นอกนั้นให้จ่าย
ใบแจ้งหนี้ส่วนใหญ่ซ่อนกับดักที่นโยบายไม่ได้ชี้ตรง ๆ:
ราคาที่อยู่ในหรืออยู่นอกค่าคลาดเคลื่อน 5% แบบเฉียดฉิว
หนึ่งรายการถูกแบ่งในสองบรรทัดส่งของ
การส่งล่าช้า บางใบใช้รูปแบบวันที่ปะปน
เลขที่ใบสั่งซื้อสลับตัวเลขสองหลัก
หมายเหตุจากผู้ขายที่พยายามโน้มน้าวให้จ่าย
ใบแจ้งหนี้ที่ผิดสองข้อพร้อมกัน
ข้อค้นพบหลัก:
ความแม่นยำไม่แยกทั้งคู่ ทั้งสองตอบถูกครบทั้ง 24 กรณี รวมถึงกับดักทุกแบบ
ไม่มีใครมั่นใจผิด Luna มั่นใจ 100% ในทุกคำตอบ; Haiku 5.5 ยังเว้นช่องความไม่แน่ใจไว้เล็กน้อย
Luna ถูกและเร็วกว่า ใช้โทเค็นน้อยกว่ามาก ทั้งตอนอ่านใบแจ้งหนี้และตอนตอบ
การรันเต็มมีค่า $0.0095 บน Haiku 5.5 และ $0.0051 บน Luna ตามที่ OpenRouter คิดบิล ด้วยอัตราเท่ากัน ช่องว่างทั้งหมดมาจากจำนวนโทเค็น
ดังนั้นแผ่นราคาถือจริงไหม ยังไม่เต็มที่ ทั้งสองตัดสินใจถูกครบ 24 ฉบับ แต่ Luna ทำได้ในราคา $0.0051 ขณะที่ Haiku 5.5 คือ $0.0095 เกือบสองเท่า ไม่มีอะไรในอัตราราคาอธิบายได้ ประเด็นอยู่ที่โทเค็น: โทเคไนเซอร์ของ Haiku เปลี่ยนใบแจ้งหนี้ชุดเดียวกันเป็นโทเค็นมากขึ้นราว 73% และ Haiku ใช้โทเค็นไปกับการคิดก่อนตอบประมาณสามเท่า
แล้วความเห็นเปลี่ยนไหม เปลี่ยนบางส่วน ยังมองว่า Haiku 5.5 เป็นโมเดลที่มีศักยภาพมากกว่า และสำหรับเอเจนต์ที่ต้องใช้งานซอฟต์แวร์ ก็ยังเลือกมันอยู่ แต่ “ราคาเท่ากัน” กลายเป็นคำที่ชี้นำผิด
ควรเลือก Claude Haiku 5.5 หรือ GPT-6 Luna เมื่อใด
สำหรับเอเจนต์ที่ต้องใช้งานซอฟต์แวร์ ช่องว่าง 23 คะแนนของ Haiku 5.5 ในการใช้คอมพิวเตอร์สำคัญกว่าต้นทุน สำหรับการตัดสินใจที่กำหนดกฎชัดเจนและทำปริมาณมาก Luna ให้คำตอบเดียวกันในราคาประมาณครึ่งหนึ่งในการทดสอบของเรา
เลือก Claude Haiku 5.5 ถ้า...
กำลังสร้างเอเจนต์ที่ใช้คอมพิวเตอร์หรือเบราว์เซอร์ นำหน้า Luna อย่างมากในการใช้คอมพิวเตอร์และงานเทอร์มินัลในเบนช์มาร์กของ Anthropic และมาพร้อมเครื่องมือใช้งานเบราว์เซอร์
ต้องการซับเอเจนต์ราคาประหยัดใต้ Sonnet 5.5 หรือ Opus 5.5 ออกแบบมาให้อยู่ในสแต็กที่อิง Claude เพื่อจัดการอ่าน บีบอัด และงานย่อยเฉพาะทาง
งานเป็นงานมืออาชีพแบบปลายเปิด นำหน้าใน GDPval-AA และ AA-Briefcase ที่คำตอบไม่ใช่แค่เช็กกฎง่าย ๆ
เลือก GPT-6 Luna ถ้า...
รันการจัดประเภท การดึงข้อมูล หรือการเราท์ที่ปริมาณมาก ในการทดสอบของเราให้ความแม่นยำเท่า Haiku ในราคาประมาณครึ่งหนึ่งและเร็วกว่าชัดเจน
พรอมป์ตมักเกิน 100K โทเค็น ราคาสำหรับพรอมป์ตยาวอ่อนโยนกว่ามากเมื่อเทียบกับการกระโดดห้าเท่าของ Haiku
ต้องการปิดการให้เหตุผลทั้งหมด การตั้งค่า none เป็นตัวเลือกที่ถูกและเร็วที่สุดในทั้งสองไลน์อัป
ใช้งานอยู่บนสแต็กของ OpenAI อยู่แล้ว มีใน ChatGPT, Codex, GitHub Copilot และ Azure
เริ่มต้นใช้งาน Claude Haiku 5.5 และ GPT-6 Luna อย่างไร
ช่องทาง Claude Haiku 5.5 GPT-6 Luna แอปสำหรับผู้ใช้ทั่วไป Claude.ai (เว็บ, iOS, Android) ครอบคลุมทุกแพลน รวมถึงแบบฟรี ChatGPT (Free และ Go ตั้งแต่ 8 ตุลาคม), ChatGPT Work และ Codex API จากผู้พัฒนาโดยตรง Claude API OpenAI API (เครื่องมือผ่าน Responses API) แพลตฟอร์มคลาวด์ Amazon Bedrock, Google Cloud, Microsoft Foundry Azure AI Foundry เอเจนต์สำหรับโค้ด Claude Code, Cursor Codex, GitHub Copilot รูตเตอร์ของบุคคลที่สาม OpenRouter (anthropic/claude-haiku-5.5) OpenRouter (openai/gpt-6-luna) รหัสโมเดลใน API claude-haiku-5-5gpt-6-luna
Haiku 5.5 มีการรองรับบนคลาวด์กว้างกว่า ขณะที่ Luna มีฐานผู้ใช้ทั่วไปใหญ่กว่าผ่าน ChatGPT รหัสโมเดลใน API คือ claude-haiku-5-5 และ gpt-6-luna
เรียก API ครั้งแรก
ทั้งสองใช้ SDK ต่างกัน การสลับจึงต้องเปลี่ยนทั้งไคลเอนต์และสตริงโมเดล:
from anthropic import Anthropic
client = Anthropic( )
response = client. messages. create(
model= "claude-haiku-5-5" ,
max_tokens= 1024 ,
output_config= { "effort" : "low" } ,
messages= [ { "role" : "user" , "content" : "Classify this ticket as billing, bug, or feature request: ..." } ] ,
)
print ( next ( b. text for b in response. content if b. type == "text" ) ) ขับเคลื่อนโดย
from openai import OpenAI
client = OpenAI( )
response = client. responses. create(
model= "gpt-6-luna" ,
reasoning= { "effort" : "low" } ,
input = "Classify this ticket as billing, bug, or feature request: ..." ,
)
print ( response. output_text) ขับเคลื่อนโดย
สำหรับคำอธิบายเต็มเกี่ยวกับคีย์และค่าใช้จ่าย ดูที่ คู่มือ Claude API แบบครบถ้วน ของเรา
ข้อคิดส่งท้าย
เริ่มต้นมองว่านี่เป็นคำตอบง่าย ๆ: Haiku 5.5 ชนะเบนช์มาร์กที่ราคาเท่ากัน ก็เลือก Haiku หลังทดสอบ ขอสรุปใหม่ ใช้ Haiku 5.5 เมื่อ งานยากพอที่ศักยภาพส่วนเพิ่มของมันจะมีค่า เช่น เอเจนต์ อัตโนมัติเบราว์เซอร์ หรือ งานปลายเปิด ใช้ GPT-6 Luna เมื่อ งานเรียบง่ายและทำซ้ำ เพราะคำตอบเดียวกันมีต้นทุนน้อยกว่า ยอมรับว่าตัวอย่างนี้เล็ก และผลจริงอาจต่างกัน
บทเรียนที่ได้คือเรื่องแผ่นราคา ไม่ใช่ตัวโมเดลสองตัวนี้ ราคาเท่ากันต่อโทเค็นบอกอะไรได้น้อยมากเกี่ยวกับสิ่งที่จะต้องจ่ายจริง หากต้นทุนสำคัญ ลองรันงานของตัวเองผ่านทั้งสองตัวและเช็กบิล
ถ้าอยากเริ่มสร้างด้วยตัวใดตัวหนึ่ง แนะนำคอร์ส Introduction to Claude Models หรือเส้นทางทักษะ OpenAI Fundamentals
Anthropic เปิดตัว Claude Haiku 5.5 เมื่อไม่นานมานี้ และเป็นการท้าชน OpenAI ตารางเบนช์มาร์กที่ Anthropic เผยแพร่จัดให้ Haiku 5.5 นำหน้า GPT-6 Luna ในทุกรายการที่มีทั้งสองโมเดล และ Anthropic ตั้งราคา Haiku 5.5 เท่ากับที่ OpenAI ตั้งราคา Luna: $0.10 ต่อโทเค็นขาเข้า 1 ล้านโทเค็น และ $0.50 ต่อโทเค็นขาออก 1 ล้านโทเค็น บนกระดาษ การเปรียบเทียบดูง่าย Haiku 5.5 ดีกว่า GPT-6 Luna และมีราคาเท่ากัน
นั่นคือข้อสรุปแบบรวบรัด แต่ “ราคาเท่ากันต่อโทเค็น” ไม่ได้แปลว่า “ราคาเท่ากันต่อภารกิจ” โมเดลอ่านและเขียนจำนวนโทเค็นต่างกันสำหรับงานเดียวกัน ก็เลยลองเช็กเล่นๆ ว่า ถ้าให้ทั้งสองโมเดลทำงานเดียวกันจริง ๆ ค่าใช้จ่ายจะเท่ากันไหม และถ้าไม่เท่า ความเห็นจะเปลี่ยนไหม
สรุปสั้น ๆ
Claude Haiku 5.5 คืออะไร?
Claude Haiku 5.5 เป็นโมเดลที่เล็กและเร็วที่สุดของ Anthropic เปิดตัวเมื่อวันที่ 7 ตุลาคม 2026 ในฐานะสมาชิกตัวสุดท้ายของตระกูล Claude 5.5
Anthropic วางให้ใช้กับงานปริมาณสูง ไวต่อเวลา เช่น การจัดประเภท การดึงข้อมูล การเราท์ติ้ง และทำงานเป็นซับเอเจนต์ใต้ Sonnet 5.5 หรือ Opus 5.5 และยกความสามารถด้านการคิดเชิงปรับตัวและการใช้คอมพิวเตอร์ลงมาที่ระดับราคาต่ำสุด
ของเรา คู่มือ Claude Haiku 5.5 ครอบคลุมทั้งการเปิดตัวและการทดสอบลงมือทำเทียบกับ Haiku 4.5
GPT-6 Luna คืออะไร?
GPT-6 Luna เป็นโมเดลที่มีประสิทธิภาพสูงสุดต่อราคา (ประสิทธิภาพการใช้ทรัพยากร) ของ OpenAI เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ในฐานะชั้นที่เล็กที่สุดของตระกูล GPT-6 ต่ำกว่า Astra และ Sol
OpenAI วางให้ใช้กับงานโฟกัสปริมาณสูง และกำลังทยอยให้เป็นโมเดลเบื้องหลัง ChatGPT สำหรับผู้ใช้ Free และ Go ตั้งแต่วันที่ 8 ตุลาคม
ของเรา คู่มือ GPT-6 Sol และ Luna ครอบคลุมรายละเอียดการเปิดตัว
Claude Haiku 5.5 เทียบกับ GPT-6 Luna: ดวลกันตรง ๆ
เบนช์มาร์กของ Anthropic จัดให้ Haiku 5.5 นำหน้า Luna ในทุกรายการที่มีทั้งสองโมเดล โดยช่องว่างกว้างที่สุดอยู่ที่งานเชิงเอเจนต์ ส่วนเรื่องต้นทุนและความเร็วสำหรับการตัดสินใจง่าย ๆ การทดสอบของเราชี้ไปอีกทาง
ทุกรายการยกเว้น DeepSWE มาจากตารางเปิดตัวของ Anthropic จึงควรอ่านว่าเป็นข้อเสนอของ Anthropic; OpenAI ยังไม่ได้เผยแพร่การเปรียบเทียบกับ Haiku 5.5 ซึ่งปกติอยู่แล้วเพราะ Luna ออกมาก่อน
งานเชิงเอเจนต์และการใช้คอมพิวเตอร์
นี่คือตำแหน่งที่ Haiku 5.5 ดึงระยะห่างได้มากที่สุด บน OSWorld 2.1 ที่ทดสอบว่าโมเดลทำงานให้เสร็จได้ด้วยการใช้งานเดสก์ท็อปจริงหรือไม่ Haiku 5.5 ทำได้ 72.4% เทียบกับ 48.9% ของ Luna ช่องว่าง 23.5 คะแนนที่เปลี่ยนว่าระดับโมเดลเล็กทำอะไรได้บ้าง Terminal-Bench 4.0 ก็เล่าเรื่องเดียวกัน โดย Haiku ทำงานบรรทัดคำสั่งสำเร็จมากกว่าสองเท่า
Anthropic ยังปล่อยเครื่องมือใช้งานเบราว์เซอร์มาพร้อมกับ Haiku 5.5
สำหรับงานเอเจนต์ Haiku 5.5 คือตัวเลือกที่ชัดเจน
งานความรู้และเอกสาร
Haiku 5.5 ยังนำหน้าบนชุดประเมินงานระดับมืออาชีพ: นำประมาณ 180 คะแนน Elo บน GDPval-AA และประมาณ 240 บน AA-Briefcase การอ่านกราฟบน Chartography นำอยู่ 17 คะแนน
แต่สำหรับการตัดสินใจในเอกสารที่มีกฎชัดเจนและง่ายกว่า การทดสอบลงมือของเราไม่พบความต่างด้านความแม่นยำเลย ดังนั้นช่องว่างน่าจะโผล่มากกว่าบนงานปลายเปิด
การเขียนโค้ด
การโค้ดใกล้เคียงกันมากกว่า บน FrontierCode 1.1 ที่ให้คะแนนว่าการเปลี่ยนแปลงพร้อมเมิร์จหรือไม่ Haiku 5.5 นำ 4 คะแนน OpenAI รายงาน Luna ที่ 66.6% บน DeepSWE v1.1 ที่ความพยายามสูงสุด ใกล้เคียงกับ Claude Opus 5 ที่ความพยายามระดับปานกลาง โมเดลเล็กทั้งคู่ไม่ใช่ตัวเลือกแรกสำหรับเอเจนต์โค้ดจริงจัง งานนั้นเหมาะกับ Sonnet 5.5 และ GPT-6.1 Sol มากกว่า
การควบคุมความพยายามและข้อจำกัด API
ทั้งสองโมเดลตั้งค่าเริ่มต้นที่ความพยายามระดับปานกลาง แต่ Luna ลงต่ำกว่านั้นได้: ค่าตั้งค่า
noneตัดการให้เหตุผลออกทั้งหมดเพื่อคำตอบที่ถูกที่สุดและเร็วที่สุด ส่วนระดับความพยายามต่ำสุดของ Haiku 5.5 คือlowแม้ยังสามารถปิดการคิดได้ที่ระดับhighหรือต่ำกว่าราคา: ที่จ่ายจริง
Haiku 5.5 และ Luna มีอัตรามาตรฐานเหมือนกัน ดังนั้นความต่างของต้นทุนจริงมาจากพรอมป์ตยาว โทเคไนเซอร์ และจำนวนที่แต่ละโมเดลเขียน
อัตราโทเค็นแบบเคียงข้าง
ต่ำกว่า 100K โทเค็น การ์ดอัตราเหมือนกันบรรทัดต่อบรรทัด เหนือกว่านั้น ราคาของ Haiku กระโดดห้าเท่า ขณะที่ของ Luna คงที่จนถึง 272K โทเค็น แล้วค่อยขึ้นน้อยกว่ามาก ทั้งสองคิดค่าการให้เหตุผลเป็นขาออก
ตามราคาปกติ ทั้งสองต่างกันก็ต่อเมื่อพรอมป์ตยาว ส่วนโทเคไนเซอร์ด้านล่างจะอธิบายว่าทำไมมันไม่ใช่เรื่องทั้งหมด
ภาระงานจริงมีค่าใช้จ่ายเท่าไร
ยอดรวมแต่ละรายการคือ (ปริมาณ ÷ 1M) × อัตรา บวกขาเข้าและขาออกที่อัตรามาตรฐาน
ทำไมงานเดียวกันถึงมีค่าใช้จ่ายต่างกัน
สองโมเดลใช้โทเคไนเซอร์ต่างกัน และเราได้วัดความต่างโดยตรง: ใบแจ้งหนี้ 24 ฉบับเดียวกันในการทดสอบของเราถูกนับเป็นโทเค็นขาเข้า 51,961 บน Haiku 5.5 และ 30,098 บน Luna ประมาณ 1.7 เท่าบน Haiku เมื่อนำไปใช้กับแถวดึงข้อมูลสั้น ต้นทุนขาเข้าของ Haiku จึงขยับจาก $1.00 เป็นราว $1.73 ทำให้แถว “ราคาเท่ากัน” ข้างต้นเอียงเข้าข้าง Luna ในทางปฏิบัติ
ขาออกก็เพิ่มความต่าง ในการทดสอบเดียวกัน Haiku 5.5 เขียนโทเค็นขาออกมากกว่า Luna ประมาณสองเท่า ส่วนใหญ่เป็นการให้เหตุผล จึงทำให้ค่ารันสูงเกือบสองเท่าแม้อัตราจะเท่ากัน นั่นคืองานเดียวที่ระดับความพยายามเดียว แต่ทิศทางสอดคล้องกันทั้งสองตัวชี้วัด
ผลการทำงานของ Claude Haiku 5.5 และ GPT-6 Luna
เบนช์มาร์กข้างต้นบอกว่า Haiku 5.5 เป็นโมเดลที่ดีกว่า และแผ่นราคา (price sheet) บอกว่าสองตัวมีราคาเท่ากัน
ไม่อยากเชื่อส่วนที่สองแบบลอย ๆ จึงออกแบบการทดสอบด้วยคำถามเดียว: ถ้าทั้งสองทำงานเดียวกันได้ดีเท่ากัน แต่ละตัวมีค่าใช้จ่ายจริงเท่าไร
เลือกงานที่ทั้งสองควรทำได้แม่นยำ ดังนั้นความต่างจะไปโผล่ที่บิล ไม่ใช่คำตอบ
งาน: ทำหน้าที่ฝ่ายเจ้าหนี้การค้า แต่ละโมเดลได้รับใบแจ้งหนี้จากผู้ขาย 24 ฉบับ แต่ละฉบับมีใบสั่งซื้อและใบส่งของ และต้องตัดสินใจจ่าย ถือไว้ หรือส่งคืนตามนโยบายที่กำหนด หากรายการไม่อยู่ในใบสั่งซื้อหรือเลขที่ใบสั่งซื้อผิด ให้ส่งคืน; หากปริมาณ ราคาเกินค่าคลาดเคลื่อน 5% หรือการส่งล่าช้าเกินสามวัน ให้ถือไว้; นอกนั้นให้จ่าย
ใบแจ้งหนี้ส่วนใหญ่ซ่อนกับดักที่นโยบายไม่ได้ชี้ตรง ๆ:
ข้อค้นพบหลัก:
การรันเต็มมีค่า $0.0095 บน Haiku 5.5 และ $0.0051 บน Luna ตามที่ OpenRouter คิดบิล ด้วยอัตราเท่ากัน ช่องว่างทั้งหมดมาจากจำนวนโทเค็น
ดังนั้นแผ่นราคาถือจริงไหม ยังไม่เต็มที่ ทั้งสองตัดสินใจถูกครบ 24 ฉบับ แต่ Luna ทำได้ในราคา $0.0051 ขณะที่ Haiku 5.5 คือ $0.0095 เกือบสองเท่า ไม่มีอะไรในอัตราราคาอธิบายได้ ประเด็นอยู่ที่โทเค็น: โทเคไนเซอร์ของ Haiku เปลี่ยนใบแจ้งหนี้ชุดเดียวกันเป็นโทเค็นมากขึ้นราว 73% และ Haiku ใช้โทเค็นไปกับการคิดก่อนตอบประมาณสามเท่า
แล้วความเห็นเปลี่ยนไหม เปลี่ยนบางส่วน ยังมองว่า Haiku 5.5 เป็นโมเดลที่มีศักยภาพมากกว่า และสำหรับเอเจนต์ที่ต้องใช้งานซอฟต์แวร์ ก็ยังเลือกมันอยู่ แต่ “ราคาเท่ากัน” กลายเป็นคำที่ชี้นำผิด
ควรเลือก Claude Haiku 5.5 หรือ GPT-6 Luna เมื่อใด
สำหรับเอเจนต์ที่ต้องใช้งานซอฟต์แวร์ ช่องว่าง 23 คะแนนของ Haiku 5.5 ในการใช้คอมพิวเตอร์สำคัญกว่าต้นทุน สำหรับการตัดสินใจที่กำหนดกฎชัดเจนและทำปริมาณมาก Luna ให้คำตอบเดียวกันในราคาประมาณครึ่งหนึ่งในการทดสอบของเรา
เลือก Claude Haiku 5.5 ถ้า...
เลือก GPT-6 Luna ถ้า...
noneเป็นตัวเลือกที่ถูกและเร็วที่สุดในทั้งสองไลน์อัปเริ่มต้นใช้งาน Claude Haiku 5.5 และ GPT-6 Luna อย่างไร
anthropic/claude-haiku-5.5)openai/gpt-6-luna)claude-haiku-5-5gpt-6-lunaHaiku 5.5 มีการรองรับบนคลาวด์กว้างกว่า ขณะที่ Luna มีฐานผู้ใช้ทั่วไปใหญ่กว่าผ่าน ChatGPT รหัสโมเดลใน API คือ
claude-haiku-5-5และgpt-6-lunaเรียก API ครั้งแรก
ทั้งสองใช้ SDK ต่างกัน การสลับจึงต้องเปลี่ยนทั้งไคลเอนต์และสตริงโมเดล:
สำหรับคำอธิบายเต็มเกี่ยวกับคีย์และค่าใช้จ่าย ดูที่ คู่มือ Claude API แบบครบถ้วน ของเรา
ข้อคิดส่งท้าย
เริ่มต้นมองว่านี่เป็นคำตอบง่าย ๆ: Haiku 5.5 ชนะเบนช์มาร์กที่ราคาเท่ากัน ก็เลือก Haiku หลังทดสอบ ขอสรุปใหม่ ใช้ Haiku 5.5 เมื่อ งานยากพอที่ศักยภาพส่วนเพิ่มของมันจะมีค่า เช่น เอเจนต์ อัตโนมัติเบราว์เซอร์ หรือ งานปลายเปิด ใช้ GPT-6 Luna เมื่อ งานเรียบง่ายและทำซ้ำ เพราะคำตอบเดียวกันมีต้นทุนน้อยกว่า ยอมรับว่าตัวอย่างนี้เล็ก และผลจริงอาจต่างกัน
บทเรียนที่ได้คือเรื่องแผ่นราคา ไม่ใช่ตัวโมเดลสองตัวนี้ ราคาเท่ากันต่อโทเค็นบอกอะไรได้น้อยมากเกี่ยวกับสิ่งที่จะต้องจ่ายจริง หากต้นทุนสำคัญ ลองรันงานของตัวเองผ่านทั้งสองตัวและเช็กบิล
ถ้าอยากเริ่มสร้างด้วยตัวใดตัวหนึ่ง แนะนำคอร์ส Introduction to Claude Models หรือเส้นทางทักษะ OpenAI Fundamentals