ตลอดเดือนที่ผ่านมา OpenAI และ Anthropic ต่างก็เปิดตัวโมเดลระดับกลางตัวใหม่ที่แข็งแกร่ง
ทั้ง GPT-6.1 Terra และ Claude Sonnet 5.5 อยู่ต่ำกว่ารุ่นธงของแต่ละค่ายหนึ่งขั้น และต่างถูกวางตำแหน่งให้เป็นม้าทำงานประจำวัน: เร็วพอสำหรับการใช้งานแบบโต้ตอบ แต่ต้นทุนต่ำพอสำหรับการใช้งานในสเกลใหญ่
อย่างไรก็ดี ทั้งสองก็มีข้อแลกเปลี่ยน Terra มีราคาต่อโทเค็นประมาณครึ่งหนึ่งและใช้โทเค็นต่อภารกิจน้อยกว่ามาก ส่วน Sonnet 5.5 แข็งแกร่งกว่า โดยเฉพาะเมื่อใช้ระดับความพยายามสูงในงานเขียนโค้ดและการใช้คอมพิวเตอร์
ในบทความนี้ จะเปรียบเทียบ GPT-6.1 Terra และ Claude Sonnet 5.5 ในด้านสเปก ราคา เบนช์มาร์ก ความเร็ว และต้นทุนต่อภารกิจ เพื่อช่วยตัดสินใจว่าแบบใดเหมาะกับงานของคุณ
GPT-6.1 Terra คืออะไร?
ไลน์อัปของ OpenAI ตอนนี้มีสี่ระดับจากเล็กไปใหญ่: Luna, Terra, Sol และ Astra Terra เข้ามาแทน GPT-5.6 Terra ซึ่งไม่ถูกรวมอยู่ในอัปเดต GPT-6 เมื่อกันยายน และมีราคาถูกกว่ารุ่นก่อนหน้า 50%
6.1 Terra เน้น 3 ด้านหลัก:
การใช้คอมพิวเตอร์: เข้าใจสิ่งที่อยู่บนหน้าจอและดำเนินการข้ามแอปการให้เหตุผลด้วยภาพ: ตีความภาพ แผนภูมิ และแบบวิศวกรรมการเขียน: สื่อสารชัดเจนและเป็นธรรมชาติมากขึ้น
OpenAI ยังรายงานว่าข้อผิดพลาดด้านข้อเท็จจริงลดลงอย่างมาก บนชุดพรอมต์ยากภายในของบริษัท อัตราความผิดพลาดของ Terra ที่ระดับความพยายามสูงสุดอยู่ที่ 4.3% ลดลงจาก 22.3% ของ GPT-5.6 Terra และใกล้เคียงกับ GPT-6.1 Sol
Terra ใช้งานได้ใน ChatGPT (สำหรับผู้ใช้ Plus, Pro, Enterprise และ Edu) ใน Codex และผ่าน API ในชื่อ gpt-6.1-terra อีกทั้งกำลังทยอยเปิดให้ใช้ใน GitHub Copilot และบน Amazon Bedrock
Claude Sonnet 5.5 คืออะไร?
Claude Sonnet 5.5 เป็นโมเดลตัวที่สองในตระกูล Claude 5.5 ของ Anthropic วางตำแหน่งเป็นตัวเลือกที่เร็วกว่าและถูกกว่าเพื่อเสริม Claude Opus 5.5 ถือเป็นก้าวกระโดดจาก Sonnet 5 : Anthropic ระบุว่าเร็วขึ้นกว่า 30% และมีต้นทุนต่อภารกิจต่ำลงสูงสุด 30% ส่วนหนึ่งเพราะรวมการเรียกใช้เครื่องมือเป็นชุด
ในหลายเบนช์มาร์ก Sonnet 5.5 ทำคะแนนใกล้เคียง Opus 5.5 ตัวอย่างเช่น ทำได้ 1844 บน GDPval-AA (งานความรู้) ต่ำกว่า Opus เพียง 2 คะแนน แม้ว่าเราจะทราบว่า Opus 5.5 โดยรวมยังแข็งแกร่งกว่าสำหรับงานซับซ้อนเปิดกว้าง
Anthropic ชูจุดเด่นของ Sonnet 5.5 ในการเขียนโค้ดและแก้บั๊ก งานเอเจนติกในเทอร์มินัล งานออกแบบ สไลด์ และสเปรดชีต
Sonnet 5.5 ใช้งานได้ในแอป Claude, Claude Code และผ่าน Claude API ในชื่อ claude-sonnet-5-5 รวมถึงบน Amazon Bedrock, Google Cloud และ Microsoft Azure
สเปกและราคา: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
GPT-6.1 Terra Claude Sonnet 5.5 วันเปิดตัว 26 ตุลาคม 2026 28 กันยายน 2026 ราคาอินพุต (ต่อ 1M โทเค็น) $1.00 ($2.00 เหนือ 272K) $2.00 ราคาเอาต์พุต (ต่อ 1M โทเค็น) $5.00 ($7.50 เหนือ 272K) $10.00 อินพุตแคช (ต่อ 1M โทเค็น) $0.05 $0.10 หน้าต่างบริบท 1.05M โทเค็น 1M โทเค็น เอาต์พุตสูงสุด 128K โทเค็น 128K โทเค็น ระดับความพยายาม none, low, medium, high, xhigh, max low, medium, high, xhigh, max อินพุต ข้อความ, รูปภาพ ข้อความ, รูปภาพ
ตามราคาปกติ Terra มีค่าต่อโทเค็นเป็นครึ่งหนึ่งสำหรับพรอมต์ทั่วไป สำหรับพรอมต์ยาวมาก (เกิน 272K โทเค็น) อัตราของ Terra จะสูงขึ้นและช่องว่างก็หายไป
ราคาต่อโทเค็นเป็นเพียงครึ่งเรื่อง อย่างที่เห็นด้านล่าง โมเดลทั้งสองใช้จำนวนโทเค็นต่างกันมากในการทำภารกิจเดียวกันให้สำเร็จ
เบนช์มาร์ก: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ผลที่ผู้ขายรายงาน
ชาร์ตเปิดตัวของ OpenAI เปรียบเทียบ Terra กับ Sonnet 5.5 โดยตรงบนเบนช์มาร์กเชิงเอเจนติกสองชุดในแต่ละระดับความพยายาม ซึ่งเป็นหนึ่งในแรงบันดาลใจของบทความนี้
เบนช์มาร์ก ความพยายาม GPT-6.1 Terra Claude Sonnet 5.5 OSWorld 2.1 (การใช้คอมพิวเตอร์) Medium 66.7% 65.9% High 68.7% 73.3% Max 74.2% 83.9% Terminal-Bench 4.0 (การโค้ดเชิงเอเจนติก) Medium 35.8% 28.8% High 41.8% 43.0% Max 50.3% 70.6%
จะเห็นรูปแบบชัดเจน ที่ระดับ medium Terra ทำได้พอๆ กันหรือดีกว่า Sonnet 5.5 เมื่อเพิ่มความพยายาม Sonnet จะทิ้งห่าง และที่ระดับ max จะนำอยู่ราว 10–20 คะแนน
ผลอิสระ
Artificial Analysis ทดสอบทั้งสองโมเดลด้วยชุดทดสอบเดียวกัน ที่ความพยายามสูงสุด:
เบนช์มาร์ก GPT-6.1 Terra Claude Sonnet 5.5 Artificial Analysis Intelligence Index 48 56 GDPval-AA (งานความรู้, Elo) 1476 1838 Terminal-Bench 4.0 56% 64% Humanity's Last Exam 46% 55% SciCode 55% 61% AA-LCR (การให้เหตุผลบริบทยาว) 83% 83%
Sonnet 5.5 ชนะส่วนใหญ่ โดยนำมากที่สุดบน GDPval-AA ซึ่งวัดงานมืออาชีพในโลกจริง ทั้งสองเสมอกันในด้านการให้เหตุผลบริบทยาว
ระดับความพยายามก็สำคัญ ที่ Intelligence Index ทั้งสองทำได้ 36 ที่ low และ 41 ที่ medium Sonnet จะเริ่มทิ้งห่างที่ high ขึ้นไป
ต้นทุนต่อภารกิจและประสิทธิภาพโทเค็น: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ตรงนี้ Terra ดูเด่น Sonnet 5.5 ที่ความพยายามสูงสุดใช้เวลาไตร่ตรองมาก: Artificial Analysis วัดได้ราว 197,000 โทเค็นต่อภารกิจสำหรับ Sonnet เทียบกับราว 35,000 สำหรับ Terra
เมื่อรวมกับราคาต่อโทเค็นที่ต่ำกว่าของ Terra ช่องว่างต้นทุนต่อภารกิจก็ยิ่งใหญ่ขึ้นมาก:
ความพยายาม คะแนนดัชนีของ Terra (ต้นทุนต่อภารกิจ) คะแนนดัชนีของ Sonnet 5.5 (ต้นทุนต่อภารกิจ) Low 36 ($0.05) 36 ($0.35) Medium 41 ($0.10) 41 ($0.48) High 44 ($0.13) 47 ($0.88) Max 48 ($0.40) 56 ($5.46)
ที่ระดับ medium Terra ได้คะแนนดัชนีเท่ากันในต้นทุนราวหนึ่งในห้า ที่ระดับ max Sonnet ได้สูงกว่ามากขึ้น 8 คะแนน แต่ต้นทุนต่อภารกิจสูงกว่ามากกว่า 13 เท่า
ชาร์ตของ OpenAI เองก็แสดงเรื่องเดียวกัน ที่ความพยายามสูงสุด งาน OSWorld มีต้นทุน $1.19 กับ Terra เทียบกับ $5.74 กับ Sonnet และงาน Terminal-Bench มีต้นทุน $1.84 เทียบกับ $10.44
ความเร็ว: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ความเร็วเป็นประเด็นที่น่าสนใจเพราะขึ้นอยู่กับสิ่งที่วัด:
ความเร็วการสร้างเอาต์พุต: Sonnet 5.5 สร้างโทเค็นเร็วกว่า ราว 141 โทเค็นต่อวินาที เทียบกับ 91 สำหรับ Terraเวลาเฉลี่ยต่อภารกิจ: Terra จบภารกิจเร็วกว่าเพราะเขียนโทเค็นน้อยกว่ามาก งานเฉลี่ยใช้เวลา 384 วินาทีกับ Terra เทียบกับ 878 วินาทีกับ Sonnet ตาม Artificial Analysis Index
ดังนั้น หากสตรีมคำตอบยาวให้ผู้ใช้ Sonnet จะรู้สึกเร็วกว่า หากรันภารกิจเอเจนติกครบลูป Terra คาดว่าจะจบก่อน
ทดสอบ GPT-6.1 Terra และ Claude Sonnet 5.5
ได้ให้ทั้งสองเขียนแผนออกกำลังกาย 4 สัปดาห์เดียวกัน ด้วยพรอมต์เดียวกัน ระดับเหตุผลสูง และลองเพียงครั้งเดียว
แผนนี้สำหรับผู้ยกน้ำหนักมีประสบการณ์ที่บาดเจ็บหัวไหล่ และต้องเป็นไปตามเงื่อนไขเหล่านี้:
ท่าที่ห้าม: ห้ามกดเหนือศีรษะ ดิป ท่าหลังคอ หรือบาร์เบลเบนช์เพรสคำขอที่ขัดแย้ง: ยังต้องการฝึกท่ากดอก เพราะอกเป็นจุดอ่อนที่สุดสองสถานที่: ฟูลยิมวันจันทร์และพฤหัสบดี วันที่บ้านวันอังคารและเสาร์ มีดัมเบลสูงสุด 30 กก. ม้านั่งราบ บาร์โหน และยางยืดการฝึกที่สมดุล: หกแพตเทิร์น อย่างน้อยสัปดาห์ละสองครั้ง: ฮิปฮินจ์ สควอตหรือแลนจ์ ดันแนวนอน ดันแนวตั้ง ดึงแนวนอน และดึงแนวตั้งรูปแบบ: สี่สัปดาห์ ประมาณ 60 นาทีต่อครั้ง ไม่เกิน 1,000 คำโหลดก้าวหน้า: ต้องเพิ่มปริมาณ เช่น เซ็ต ครั้ง น้ำหนัก หรือความซับซ้อน
ส่วนหนึ่งของโจทย์ยากคือ ดันแนวตั้งมักหมายถึงกดเหนือศีรษะซึ่งถูกห้าม
เปรียบเทียบสองแผนได้ดังนี้:
GPT-6.1 Terra Claude Sonnet 5.5 ท่าที่ห้าม ไม่มีใช้ ไม่มีใช้ ท่ากดอก ดัมเบล เครื่อง และฟลอร์เพรส เหมือนกัน ประมาณ 20 เซ็ตอกต่อสัปดาห์ ดันแนวตั้ง ตัดออกและอธิบายเหตุผล; เพิ่มท้อต้นแขนแทน คงไว้ด้วยท่ากดมุมเอียงที่หยุดต่ำกว่าระดับศีรษะ อุปกรณ์วันอยู่บ้าน ใช้อุปกรณ์ที่บ้านเท่านั้น ใช้อุปกรณ์ที่บ้านเท่านั้น ความก้าวหน้ารายสัปดาห์ ย่านครั้งเดียว พร้อมกติกาเมื่อไรเพิ่มน้ำหนัก ระบุเซ็ตและครั้งของแต่ละสัปดาห์ ความยาวต่อครั้ง 5–6 ท่า พอดี 60 นาที 7 ท่า แน่นสำหรับ 60 นาที ต้นทุนการรันครั้งนี้ $0.024 $0.16 คะแนนรวม (เต็ม 5) 4.8 4.8
คอร์สอยู่บ้านของ 6.1 Terra แสดงความต่าง: มีท่าท้อต้นแขนแทนดันแนวตั้งเป็นตัวหนา:
ท่า แพตเทิร์น เซ็ต × ครั้ง (สัปดาห์ 1–3) ดัมเบลโรมาเนียนเดดลิฟต์ ฮิปฮินจ์ 3 × 8–12 ดัมเบลสพลิตสควอต เด่นเข่า 2 × 8–12 ต่อขา นิวทรัลกริปดัมเบลฟลอร์เพรส ดันแนวนอน 3 × 8–12 พูลอัป ใช้ยางช่วยหากจำเป็น ดึงแนวตั้ง 3 × 6–10 วันอาร์มดัมเบลโรว์ พิงม้านั่ง ดึงแนวนอน 2 × 10–15 ต่อข้าง แถบยืดกดท้อต้นแขน ยึดสูงกับบาร์โหน ดันลง; ทดแทนดันแนวตั้ง 2 × 10–15
ของ Sonnet 5.5 เขียนท่าดันแนวตั้งต่ำกว่าศีรษะเป็นตัวหนา:
ท่า แพตเทิร์น W1 W2 W3 W4 ซิงเกิลเลกดัมเบล RDL ฮิปฮินจ์ 3×10 3×12 4×12 2×10 รี어ฟุตอีเลเวเต็ดสพลิตสควอต เด่นเข่า 3×10 3×12 4×12 2×10 นิวทรัลกริปดัมเบลฟลอร์เพรส ดันแนวนอน 3×12 3×14 4×14 2×12 วันอาร์มดัมเบลโรว์ (พิงม้านั่ง) ดึงแนวนอน 3×12 3×14 3×14 2×12 ฮาล์ฟนีลลิงแบนด์เพรส ยึดต่ำ มุม 45° ดันแนวตั้ง 3×12 3×14 3×14 2×12 ชินอัป ดึงแนวตั้ง 3×6 3×8 4×8 2×6 แถบยืดไฟลายอก ล่างขึ้นบน เสริม (อก) 2×15 2×15 3×15 1×15
ทั้งสองแผนปลอดภัยและใช้งานได้ Sonnet 5.5 แสดงวิจารณญาณดีกว่าโดยหาวิธีคงดันแนวตั้งแบบปลอดภัย ขณะที่ Terra ตัดออก
แผนของ Terra กระชับกว่าและมีต้นทุนประมาณหนึ่งในหก อย่างไรก็ตาม Terra โดยรวมละเลยข้อกำหนดสุดท้ายเรื่องการเพิ่มปริมาณ/โหลดด้วยการเพิ่มเซ็ต ครั้ง น้ำหนัก หรือความซับซ้อน แผนของ Sonnet 5.5 แสดงความก้าวหน้าชัดเจนกว่า: 3x10 เป็น 3x12 แล้วเป็น 4x12 เป็นต้น
GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5: ควรเลือกตัวไหน?
เลือก GPT-6.1 Terra หาก:
รันงาน ปริมาณมาก ที่ต้นทุนต่อภารกิจสำคัญที่สุด
งานเป็น งานความรู้ประจำวัน : อีเมล สรุป เอกสาร และถามตอบสั้น
ส่วนใหญ่ใช้ ความพยายามต่ำหรือกลาง ซึ่ง Terra ทำได้เท่า Sonnet แต่ถูกกว่ามาก
ต้องการ การให้เหตุผลด้วยภาพ หรือ การใช้คอมพิวเตอร์ ที่เร็วและถูกในความยากระดับปานกลาง
ใช้อยู่ใน ระบบนิเวศ OpenAI (ChatGPT, Codex, Copilot)
เลือก Claude Sonnet 5.5 หาก:
ทำ การโค้ดเชิงเอเจนติกยาว หรือดีบักยากๆ
ต้องการผลลัพธ์ดีที่สุดใน การใช้คอมพิวเตอร์หลายขั้นตอนที่ซับซ้อน
งานเกี่ยวข้องกับ ชิ้นงานมืออาชีพ เช่น บทวิเคราะห์ สไลด์ และสเปรดชีต ซึ่ง Sonnet นำบน GDPval-AA
ยอมจ่ายมากขึ้นสำหรับ การตั้งค่าความพยายามสูง เพื่อผลลัพธ์ที่ดีกว่า
ใช้อยู่ใน ระบบนิเวศ Anthropic (Claude Code, แอป Claude)
ข้อสรุป
Sonnet 5.5 เป็นโมเดลที่ทรงกว่าด้วยช่องว่างใหญ่ในงานโค้ดและการใช้คอมพิวเตอร์ที่ยากเมื่อใช้ความพยายามสูง Terra มีประสิทธิภาพกว่า ทำได้ทัดเทียม Sonnet ที่ระดับกลางด้วยต้นทุนเพียงเศษเสี้ยว
จากการทดสอบแบบลงมือจริงที่ระดับความพยายามสูง ทั้งสองสร้างแผนฝึกที่ปลอดภัยรอบอาการบาดเจ็บหัวไหล่ที่ซับซ้อนได้ แต่ Sonnet 5.5 แสดงวิจารณญาณดีกว่าและออกแบบโปรแกรมได้ดีกว่าในความเห็นนี้ อย่างไรก็ดี ทั้งสองแผนถือว่าดี และของ Terra มีต้นทุนเพียงเศษหนึ่ง ส่วนวิธีเลือกที่ดีที่สุดคือรันทั้งสองกับตัวอย่างงานของตนเอง ในระดับความพยายามที่ตั้งใจใช้จริง แล้วเปรียบเทียบคุณภาพกับต้นทุนต่อภารกิจแบบเดียวกับที่ทำที่นี่
ตลอดเดือนที่ผ่านมา OpenAI และ Anthropic ต่างก็เปิดตัวโมเดลระดับกลางตัวใหม่ที่แข็งแกร่ง
ทั้ง GPT-6.1 Terra และ Claude Sonnet 5.5 อยู่ต่ำกว่ารุ่นธงของแต่ละค่ายหนึ่งขั้น และต่างถูกวางตำแหน่งให้เป็นม้าทำงานประจำวัน: เร็วพอสำหรับการใช้งานแบบโต้ตอบ แต่ต้นทุนต่ำพอสำหรับการใช้งานในสเกลใหญ่
อย่างไรก็ดี ทั้งสองก็มีข้อแลกเปลี่ยน Terra มีราคาต่อโทเค็นประมาณครึ่งหนึ่งและใช้โทเค็นต่อภารกิจน้อยกว่ามาก ส่วน Sonnet 5.5 แข็งแกร่งกว่า โดยเฉพาะเมื่อใช้ระดับความพยายามสูงในงานเขียนโค้ดและการใช้คอมพิวเตอร์
ในบทความนี้ จะเปรียบเทียบ GPT-6.1 Terra และ Claude Sonnet 5.5 ในด้านสเปก ราคา เบนช์มาร์ก ความเร็ว และต้นทุนต่อภารกิจ เพื่อช่วยตัดสินใจว่าแบบใดเหมาะกับงานของคุณ
GPT-6.1 Terra คืออะไร?
ไลน์อัปของ OpenAI ตอนนี้มีสี่ระดับจากเล็กไปใหญ่: Luna, Terra, Sol และ Astra Terra เข้ามาแทน GPT-5.6 Terra ซึ่งไม่ถูกรวมอยู่ในอัปเดต GPT-6 เมื่อกันยายน และมีราคาถูกกว่ารุ่นก่อนหน้า 50%
6.1 Terra เน้น 3 ด้านหลัก:
OpenAI ยังรายงานว่าข้อผิดพลาดด้านข้อเท็จจริงลดลงอย่างมาก บนชุดพรอมต์ยากภายในของบริษัท อัตราความผิดพลาดของ Terra ที่ระดับความพยายามสูงสุดอยู่ที่ 4.3% ลดลงจาก 22.3% ของ GPT-5.6 Terra และใกล้เคียงกับ GPT-6.1 Sol
Terra ใช้งานได้ใน ChatGPT (สำหรับผู้ใช้ Plus, Pro, Enterprise และ Edu) ใน Codex และผ่าน API ในชื่อ
gpt-6.1-terraอีกทั้งกำลังทยอยเปิดให้ใช้ใน GitHub Copilot และบน Amazon BedrockClaude Sonnet 5.5 คืออะไร?
Claude Sonnet 5.5 เป็นโมเดลตัวที่สองในตระกูล Claude 5.5 ของ Anthropic วางตำแหน่งเป็นตัวเลือกที่เร็วกว่าและถูกกว่าเพื่อเสริม Claude Opus 5.5 ถือเป็นก้าวกระโดดจาก Sonnet 5: Anthropic ระบุว่าเร็วขึ้นกว่า 30% และมีต้นทุนต่อภารกิจต่ำลงสูงสุด 30% ส่วนหนึ่งเพราะรวมการเรียกใช้เครื่องมือเป็นชุด
ในหลายเบนช์มาร์ก Sonnet 5.5 ทำคะแนนใกล้เคียง Opus 5.5 ตัวอย่างเช่น ทำได้ 1844 บน GDPval-AA (งานความรู้) ต่ำกว่า Opus เพียง 2 คะแนน แม้ว่าเราจะทราบว่า Opus 5.5 โดยรวมยังแข็งแกร่งกว่าสำหรับงานซับซ้อนเปิดกว้าง
Anthropic ชูจุดเด่นของ Sonnet 5.5 ในการเขียนโค้ดและแก้บั๊ก งานเอเจนติกในเทอร์มินัล งานออกแบบ สไลด์ และสเปรดชีต
Sonnet 5.5 ใช้งานได้ในแอป Claude, Claude Code และผ่าน Claude API ในชื่อ
claude-sonnet-5-5รวมถึงบน Amazon Bedrock, Google Cloud และ Microsoft Azureสเปกและราคา: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ตามราคาปกติ Terra มีค่าต่อโทเค็นเป็นครึ่งหนึ่งสำหรับพรอมต์ทั่วไป สำหรับพรอมต์ยาวมาก (เกิน 272K โทเค็น) อัตราของ Terra จะสูงขึ้นและช่องว่างก็หายไป
ราคาต่อโทเค็นเป็นเพียงครึ่งเรื่อง อย่างที่เห็นด้านล่าง โมเดลทั้งสองใช้จำนวนโทเค็นต่างกันมากในการทำภารกิจเดียวกันให้สำเร็จ
เบนช์มาร์ก: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ผลที่ผู้ขายรายงาน
ชาร์ตเปิดตัวของ OpenAI เปรียบเทียบ Terra กับ Sonnet 5.5 โดยตรงบนเบนช์มาร์กเชิงเอเจนติกสองชุดในแต่ละระดับความพยายาม ซึ่งเป็นหนึ่งในแรงบันดาลใจของบทความนี้
จะเห็นรูปแบบชัดเจน ที่ระดับ medium Terra ทำได้พอๆ กันหรือดีกว่า Sonnet 5.5 เมื่อเพิ่มความพยายาม Sonnet จะทิ้งห่าง และที่ระดับ max จะนำอยู่ราว 10–20 คะแนน
ผลอิสระ
Artificial Analysis ทดสอบทั้งสองโมเดลด้วยชุดทดสอบเดียวกัน ที่ความพยายามสูงสุด:
Sonnet 5.5 ชนะส่วนใหญ่ โดยนำมากที่สุดบน GDPval-AA ซึ่งวัดงานมืออาชีพในโลกจริง ทั้งสองเสมอกันในด้านการให้เหตุผลบริบทยาว
ระดับความพยายามก็สำคัญ ที่ Intelligence Index ทั้งสองทำได้ 36 ที่ low และ 41 ที่ medium Sonnet จะเริ่มทิ้งห่างที่ high ขึ้นไป
ต้นทุนต่อภารกิจและประสิทธิภาพโทเค็น: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ตรงนี้ Terra ดูเด่น Sonnet 5.5 ที่ความพยายามสูงสุดใช้เวลาไตร่ตรองมาก: Artificial Analysis วัดได้ราว 197,000 โทเค็นต่อภารกิจสำหรับ Sonnet เทียบกับราว 35,000 สำหรับ Terra
เมื่อรวมกับราคาต่อโทเค็นที่ต่ำกว่าของ Terra ช่องว่างต้นทุนต่อภารกิจก็ยิ่งใหญ่ขึ้นมาก:
ที่ระดับ medium Terra ได้คะแนนดัชนีเท่ากันในต้นทุนราวหนึ่งในห้า ที่ระดับ max Sonnet ได้สูงกว่ามากขึ้น 8 คะแนน แต่ต้นทุนต่อภารกิจสูงกว่ามากกว่า 13 เท่า
ชาร์ตของ OpenAI เองก็แสดงเรื่องเดียวกัน ที่ความพยายามสูงสุด งาน OSWorld มีต้นทุน $1.19 กับ Terra เทียบกับ $5.74 กับ Sonnet และงาน Terminal-Bench มีต้นทุน $1.84 เทียบกับ $10.44
ความเร็ว: GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5
ความเร็วเป็นประเด็นที่น่าสนใจเพราะขึ้นอยู่กับสิ่งที่วัด:
ดังนั้น หากสตรีมคำตอบยาวให้ผู้ใช้ Sonnet จะรู้สึกเร็วกว่า หากรันภารกิจเอเจนติกครบลูป Terra คาดว่าจะจบก่อน
ทดสอบ GPT-6.1 Terra และ Claude Sonnet 5.5
ได้ให้ทั้งสองเขียนแผนออกกำลังกาย 4 สัปดาห์เดียวกัน ด้วยพรอมต์เดียวกัน ระดับเหตุผลสูง และลองเพียงครั้งเดียว
แผนนี้สำหรับผู้ยกน้ำหนักมีประสบการณ์ที่บาดเจ็บหัวไหล่ และต้องเป็นไปตามเงื่อนไขเหล่านี้:
ส่วนหนึ่งของโจทย์ยากคือ ดันแนวตั้งมักหมายถึงกดเหนือศีรษะซึ่งถูกห้าม
เปรียบเทียบสองแผนได้ดังนี้:
คอร์สอยู่บ้านของ 6.1 Terra แสดงความต่าง: มีท่าท้อต้นแขนแทนดันแนวตั้งเป็นตัวหนา:
ของ Sonnet 5.5 เขียนท่าดันแนวตั้งต่ำกว่าศีรษะเป็นตัวหนา:
ทั้งสองแผนปลอดภัยและใช้งานได้ Sonnet 5.5 แสดงวิจารณญาณดีกว่าโดยหาวิธีคงดันแนวตั้งแบบปลอดภัย ขณะที่ Terra ตัดออก
แผนของ Terra กระชับกว่าและมีต้นทุนประมาณหนึ่งในหก อย่างไรก็ตาม Terra โดยรวมละเลยข้อกำหนดสุดท้ายเรื่องการเพิ่มปริมาณ/โหลดด้วยการเพิ่มเซ็ต ครั้ง น้ำหนัก หรือความซับซ้อน แผนของ Sonnet 5.5 แสดงความก้าวหน้าชัดเจนกว่า: 3x10 เป็น 3x12 แล้วเป็น 4x12 เป็นต้น
GPT-6.1 Terra เทียบกับ Claude Sonnet 5.5: ควรเลือกตัวไหน?
เลือก GPT-6.1 Terra หาก:
เลือก Claude Sonnet 5.5 หาก:
ข้อสรุป
Sonnet 5.5 เป็นโมเดลที่ทรงกว่าด้วยช่องว่างใหญ่ในงานโค้ดและการใช้คอมพิวเตอร์ที่ยากเมื่อใช้ความพยายามสูง Terra มีประสิทธิภาพกว่า ทำได้ทัดเทียม Sonnet ที่ระดับกลางด้วยต้นทุนเพียงเศษเสี้ยว
จากการทดสอบแบบลงมือจริงที่ระดับความพยายามสูง ทั้งสองสร้างแผนฝึกที่ปลอดภัยรอบอาการบาดเจ็บหัวไหล่ที่ซับซ้อนได้ แต่ Sonnet 5.5 แสดงวิจารณญาณดีกว่าและออกแบบโปรแกรมได้ดีกว่าในความเห็นนี้ อย่างไรก็ดี ทั้งสองแผนถือว่าดี และของ Terra มีต้นทุนเพียงเศษหนึ่ง ส่วนวิธีเลือกที่ดีที่สุดคือรันทั้งสองกับตัวอย่างงานของตนเอง ในระดับความพยายามที่ตั้งใจใช้จริง แล้วเปรียบเทียบคุณภาพกับต้นทุนต่อภารกิจแบบเดียวกับที่ทำที่นี่