วันที่ 24 กรกฎาคม Anthropic ปล่อย Claude Opus 5 ออกมา ดูแค่เลขเวอร์ชันก็คือ Opus 4.8 ที่ขยับไปข้างหน้าอีกหนึ่งช่อง ไม่มีอะไรให้ตื่นเต้นนัก แต่ของจริงรอบนี้ไม่ได้อยู่ในช่องคะแนน มันอยู่ในช่องราคา ความสามารถระดับใกล้เทียร์บนสุด ถูกยัดลงมาไว้ในราคาเดิมของ Opus เทียบกับ 4.8 ที่ราคาเท่ากันคืออัปเกรดล้วน ๆ เทียบข้ามเทียร์กับ Fable 5 คือครึ่งราคาแต่พองานส่วนใหญ่ ราคาที่ต้องจ่ายคือหลุมค่าใช้จ่ายที่มองไม่ค่อยเห็น และคนที่เปลี่ยนแค่ model ID เกือบทุกคนจะเหยียบมัน

ที่มาของตัวเลข · อ่านก่อน

คะแนนทั้งหมดในบทความนี้มาจากประกาศทางการและการรวบรวมสาธารณะ ผมไม่ได้รันเบนช์มาร์กพวกนี้เอง ของอย่าง ARC-AGI หรือ GDPval ไม่ใช่สิ่งที่คนคนเดียวจะรันซ้ำบนโน้ตบุ๊กได้ และเบนช์มาร์กก็เปลี่ยนไปตามเวอร์ชัน ตัวเลขให้ยึดตามที่หน้าทางการแสดงในเวลานั้น ดูแนวโน้มก็พอ ไม่ต้องจำทศนิยม

สี่โมเดลในไม่ถึงสองเดือน · รอบนี้ควรหยุดดูสักหน่อย

ความถี่ในการปล่อยโมเดลของ Anthropic ช่วงนี้น่ากลัวอยู่เหมือนกัน Mythos 5, Fable 5, Sonnet 5 แล้วก็ Opus 5 วันที่ 24 กรกฎาคม รวมสี่ตัวในไม่ถึงสองเดือน ผลข้างเคียงของการปล่อยถี่ขนาดนี้คือคนเริ่มข้าม release note ไปเลย เดี๋ยวเดือนหน้าก็มีใหม่ ไว้นิ่งแล้วค่อยดู

แต่รอบนี้ควรให้เวลาสักสิบนาที ไม่ใช่เพราะมันแรงขึ้น แต่เพราะมันไปแรงอยู่ในช่องราคาไหน การวางตำแหน่งอย่างเป็นทางการของ Opus 5 คือ ปัญญาระดับ frontier ที่ใกล้ Fable 5 โดยยังคงราคาระดับ Opus พูดแบบภาษาคนก็คือ ความสามารถที่เมื่อก่อนต้องจ่ายราคาเทียร์บนถึงจะได้ ตอนนี้เทียร์กลางได้ไปเกือบหมด บน Claude Max มันกลายเป็นโมเดลเริ่มต้นตัวใหม่ และบน Pro มันคือโมเดลที่แรงที่สุดเท่าที่ใช้ได้

สเปกที่ควรจำไว้มีไม่กี่ข้อ ราคา 5 ดอลลาร์ต่อล้าน input token และ 25 ดอลลาร์ต่อล้าน output token คอนเท็กซ์วินโดว์ 1M token ความเข้มของการคิดสลับได้สามระดับคือ low, medium, high และยังมี xhigh อีกหนึ่งระดับ อีกข้อหนึ่งไม่ได้อยู่ตรงหัวตารางสเปก แต่มีผลกับบิลมากที่สุด thinking เปิดไว้เป็นค่าเริ่มต้น ข้อนี้ควรแยกไปพูดเป็นหัวข้อของมันเอง อยู่ในส่วนที่สี่

เทียบกับ Opus 4.8 · ราคาไม่ขยับสักบาท และไม่มีข้อไหนถอยหลัง

ให้ข้อสรุปก่อน นี่คืออัปเกรดที่ราคาเท่าเดิม และเป็นแบบที่ย้ายได้โดยไม่ต้องลังเลมาก

Opus 4.8 ออกวันที่ 28 พฤษภาคม 2026 ราคา 5 ดอลลาร์ / 25 ดอลลาร์ Opus 5 เหมือนกันเป๊ะ คู่นี้จึงเทียบง่ายที่สุด ไม่ต้องคำนวณความคุ้มค่า ดูแค่ส่วนต่างของความสามารถพอ

มิติ Opus 4.8 Opus 5
ราคา (ต่อล้าน token) input 5 ดอลลาร์ · output 25 ดอลลาร์ input 5 ดอลลาร์ · output 25 ดอลลาร์
SWE-bench Pro 69.2% 79.2%
ค่าเฉลี่ยเบนช์มาร์กสายให้เหตุผล 72.1 90.4
Frontier-Bench v0.1 ทางการระบุว่า Opus 5 ทำได้ราวสองเท่าของ 4.8 และมีค่าใช้จ่ายต่องานต่ำกว่า
จำนวนเบนช์มาร์กที่นำในการเทียบสาธารณะ 0 ข้อ 6 ข้อ

SWE-bench Pro จาก 69.2% ไป 79.2% คือสิบจุดเปอร์เซ็นต์เต็ม ๆ และช่องนี้เป็นช่องที่คนเขียนโค้ดรู้สึกได้เร็วที่สุด ค่าเฉลี่ยเบนช์มาร์กสายให้เหตุผล 90.4 ต่อ 72.1 ห่างกว่าอีก ส่วน Frontier-Bench v0.1 ทางการบอกว่า Opus 5 ทำได้ราวสองเท่าของ 4.8 และเสียเงินต่องานน้อยลงด้วย

แต่สิ่งที่ผมว่าให้ข้อมูลมากที่สุดไม่ใช่คะแนนตัวไหนตัวหนึ่ง มันคือ หกต่อศูนย์ ในการเทียบสาธารณะ Opus 5 ทำได้ดีกว่าในหกเบนช์มาร์ก คือ BrowseComp, DeepSWE 1.1, FrontierCode 1.1, GDPval-AA, HealthBench Professional และ Humanity’s Last Exam ส่วน Opus 4.8 ไม่ดีกว่าสักข้อ

ในหกข้อนี้ งานของคุณคงเกี่ยวสักหนึ่งหรือสองข้อเท่านั้น BrowseComp เป็นการค้นข้อมูลบนเว็บ DeepSWE กับ FrontierCode เอียงไปทางเขียนโค้ด GDPval-AA เอียงไปทางงานอาชีพจริง HealthBench Professional เป็นสายการแพทย์ และ Humanity’s Last Exam คือชุดโจทย์ยากแบบตั้งใจกวน ข้อมูลที่ใช้ได้จริงจึงไม่ใช่ ชนะหกข้อ แต่คือ ไม่แพ้สักข้อ

เรื่องน่ารำคาญที่สุดของการย้ายโมเดลไม่เคยเป็นว่าตัวใหม่ไม่แรงพอ แต่เป็นความสามารถบางอย่างที่คุณพึ่งอยู่มันถอยลงไปครึ่งขั้นแบบเงียบ ๆ prompt ของคุณถูกจูนมาตามนิสัยของโมเดลเดิม พอตัวใหม่ขึ้นสามคะแนนในตารางที่คุณไม่สนใจ แล้วลงสองคะแนนในจุดที่คุณใช้ทุกวัน กว่าจะรู้ก็ตอนของขึ้นระบบจริงแล้วพัง บรรทัดที่เขียนว่าไม่ถอยหลังสักข้อ จึงตัดสินใจแทนคะแนนตัวไหนก็ได้ว่าจะย้ายหรือไม่ย้าย

สำหรับคนที่ใช้ 4.8 อยู่แล้ว ฝั่งความสามารถความเสี่ยงในการย้ายต่ำมาก ฝั่งต้นทุนไม่ใช่แบบนั้น อ่านส่วนที่สี่ต่อ

เทียบกับ Fable 5 · ครึ่งราคา ช่องว่างแคบลงถึงไหนแล้ว

นี่คือของจริงของการปล่อยรอบนี้ Fable 5 เป็นเทียร์บน ราคา 10 ดอลลาร์ต่อล้าน input token และ 50 ดอลลาร์ต่อล้าน output token ส่วน Opus 5 อยู่ที่ 5 ดอลลาร์กับ 25 ดอลลาร์ คือครึ่งหนึ่งพอดี

มิติ Opus 5 Fable 5
ราคา (ต่อล้าน token) input 5 ดอลลาร์ · output 25 ดอลลาร์ input 10 ดอลลาร์ · output 50 ดอลลาร์
Frontier-Bench 43.3% 33.7%
GDPval-AA v2 1,861 1,747
ค่าเฉลี่ยงาน agentic 90.8 84.6
SWE-bench Pro ห่างกันไม่ถึงหนึ่งคะแนน แทบเสมอกัน
ARC-AGI 3 ตามข้อมูลที่เผยแพร่ Opus 5 อยู่ราวสามเท่าของโมเดลอันดับรอง เป็นช่องว่างรายข้อที่ใหญ่ที่สุดของรอบนี้

ทุกบรรทัดพูดเรื่องเดียวกัน ในมาตรวัดเหล่านี้ Opus 5 ไล่ทันเทียร์บนแล้ว บางข้อแซงด้วย และราคาแค่ครึ่งเดียว Frontier-Bench 43.3% ต่อ 33.7% GDPval-AA v2 1,861 ต่อ 1,747 ค่าเฉลี่ยงาน agentic 90.8 ต่อ 84.6 ส่วน SWE-bench Pro ห่างกันไม่ถึงหนึ่งคะแนน

ข้อที่ต้องหยิบมาพูดแยกคือ ARC-AGI 3 ในข้อมูลที่เผยแพร่ Opus 5 อยู่ราวสามเท่าของโมเดลอันดับรอง และเป็นช่องว่างรายข้อที่ใหญ่ที่สุดของการปล่อยรอบนี้ ชุดโจทย์ ARC-AGI ไม่ได้วัดว่าเรียนมาเท่าไร มันวัดว่าเรื่องที่ไม่เคยเรียนคิดสดได้ไหม เอากติกาชุดหนึ่งที่มันไม่เคยเห็นมาวาง แล้วดูว่ามันหาแพตเทิร์นเองได้หรือเปล่า คะแนนสูงไม่ได้แปลว่ารู้มากกว่า แต่แปลว่าเจอโจทย์แปลกหน้าแล้วไม่ค่อยจนมุม

แต่อย่าอ่านสามเท่านี้เป็นสามเท่าในความรู้สึกตอนใช้งาน เบนช์มาร์กอยู่ห่างจากงานตรงหน้าคุณพอสมควร เอาแค่ว่ากับโจทย์แปลก ๆ โมเดลตัวนี้ดูจนมุมน้อยกว่าตัวก่อน ๆ ก็พอ เพราะสิ่งที่ทำให้คุณติดจริง ๆ ในแต่ละวันมักไม่ใช่โจทย์ที่มีเฉลย โจทย์แบบนั้นโมเดลรุ่นนี้ตอบได้ดีมานานแล้ว ที่ยากคืองานที่ไม่มีใครเขียนบทเรียนไว้ และคุณเองก็อธิบายไม่ค่อยถูกว่าต้องการอะไร

Fable 5 ยังไม่ตกรุ่น งานที่ต้องให้โมเดลรันเองต่อเนื่องนานที่สุด คือปล่อยให้วิ่งเป็นชั่วโมง วางแผนเอง แก้ทางเอง ไม่ต้องเข้าไปแทรกกลางทาง เทียร์นั้นทางการยังชี้ไปที่ Fable 5 อยู่ ถ้าวิธีใช้ของคุณคือโยนงานก้อนใหญ่ออกไปแล้วไปนอน ข้อนี้ชี้ขาดสำหรับคุณ อย่าย้ายมาเพราะราคาถูกลงครึ่งหนึ่ง

มีอีกข้อที่ไม่ค่อยขึ้นตาราง แต่ใช้ได้จริงมาก อัตราที่ตัวจำแนกด้านความปลอดภัยของ Opus 5 เตือนผิดพลาด มีการระบุว่าต่ำกว่า Fable 5 ราว 85% ตัวเลขนี้สำหรับคนทำวิจัยความปลอดภัย เขียนสคริปต์ทดสอบเจาะระบบ หรือทำงานกับข้อความสายการเงินและการแพทย์ อาจมีค่ามากกว่าคะแนนเบนช์มาร์กใด ๆ เพราะงานปกติที่ถูกปฏิเสธผิด ๆ หนึ่งครั้ง คุณต้องเสียเวลาเขียน prompt อ้อมใหม่ และการสึกหรอแบบนี้ไม่โผล่ในตารางประเมินไหนเลย

พูดเรื่องหลุมค่าใช้จ่ายก่อน · thinking เปิดไว้เป็นค่าเริ่มต้น

อ่านก่อนเปลี่ยน model ID

Opus 5 เปิด thinking ไว้เป็นค่าเริ่มต้น prompt เดียวกันจะสร้าง output token มากกว่าตอนปิดการคิด และราคา output แพงกว่า input ห้าเท่า (25 ดอลลาร์ ต่อ 5 ดอลลาร์) ผลคือ คุณเปลี่ยนแค่ model ID ตารางราคาไม่ขยับสักบาท แต่บิลสิ้นเดือนอาจแพงขึ้น

นี่ไม่ใช่ข้อบกพร่อง มันคือค่าเริ่มต้นที่เปลี่ยนไป และการเปลี่ยนของค่าเริ่มต้นไม่โผล่ในตารางราคา มันโผล่ในบิลอย่างเดียว เลยถูกมองข้ามง่ายเป็นพิเศษ

คนที่โดนง่ายที่สุดคือแบบนี้ เดิมรันงานถูก ๆ เป็นแบตช์บน Opus 4.8 โดยปิด thinking ไว้ งานจำแนก งานเราต์ งานย่อข้อความยาว งานแปลงฟอร์แมต งานพวกนี้ไม่ต้องให้โมเดลคิดมาก ปิดการคิดแล้วทั้งเร็วทั้งประหยัด พอเห็นว่า Opus 5 ราคาเท่ากันแต่แรงกว่า ก็แก้ model ID บรรทัดเดียว ไม่ได้แตะอะไรอีกเลย ความสามารถขึ้นจริง ปริมาณเอาต์พุตก็ขึ้นด้วย และขึ้นในช่องที่ราคาคูณห้า

วิธีกันสี่ข้อ เรียงตามความคุ้ม

  1. ก่อนย้าย เอาตัวอย่างชุดเล็กมาเทียบปริมาณเอาต์พุตก่อน หยิบคำขอจริงของคุณสักยี่สามสิบรายการ รันทั้งโมเดลเก่าและใหม่อย่างละรอบ แล้วจดยอด output token รวม ขั้นตอนนี้ใช้เวลาไม่ถึงสิบนาที แต่เป็นทางเดียวที่จะเห็นความเปลี่ยนแปลงของบิลล่วงหน้า
  2. แบ่งระดับ effort ตามงาน อย่าใช้ระดับเดียวเหมารวม low, medium, high สามระดับนี้มีไว้ให้คุณใช้ และยังมี xhigh อีกหนึ่ง งานง่ายที่รันเป็นแบตช์ใช้ระดับต่ำ พองานต้องให้เหตุผลข้ามหลายไฟล์หรือไล่ bug ยาก ๆ ค่อยขยับขึ้น เกณฑ์ไม่ใช่ว่างานนั้นสำคัญแค่ไหน แต่คือมันต้องให้โมเดลคิดเพิ่มอีกกี่ขั้น งานที่ไม่ต้องคิดเพิ่ม ให้งบคิดไปเท่าไรก็แค่จ่ายแพงขึ้น
  3. จับตาที่ปริมาณเอาต์พุต ไม่ใช่ที่ราคาต่อหน่วย ค่าใช้จ่ายของหนึ่งคำขอคือ ปริมาณ input × ราคา input + ปริมาณ output × ราคา output รอบนี้สิ่งที่เปลี่ยนคือปริมาณ output ส่วนช่องราคาอยู่นิ่งสนิท ดูแต่ตารางราคาจึงไม่มีทางเห็นปัญหา
  4. งานที่รันปริมาณมากจริง ๆ ให้คิดถึงโมเดลเทียร์ล่างกว่า กด Opus 5 ลงระดับต่ำสุดเพื่อไปย่อข้อความ ปกติสู้การเปลี่ยนไปใช้โมเดลถูกกว่าตรง ๆ ไม่ได้ คุณค่าของเรือธงอยู่ที่โจทย์ยาก ไม่ได้อยู่ที่ throughput

แถมเรื่องคอนเท็กซ์วินโดว์ 1M อีกประโยค วินโดว์คือเพดาน ไม่ใช่เป้าหมาย โยนทั้งรีโปหรือบันทึกทั้งปีเข้าไปรวดเดียว ปริมาณ input เป็นเงินที่ต้องจ่ายจริง และโมเดลก็ไม่จำเป็นต้องแม่นขึ้นด้วย

งานสามแบบ เลือกสามแบบ

บีบทุกอย่างข้างบนให้เป็นคำตัดสินที่เอาไปใช้ได้เลย

เขียนโค้ดประจำวัน ทำวิเคราะห์ งานความรู้ทั่วไป → Opus 5 เทียร์นี้ตอนนี้ได้เปรียบทั้งสองทาง ทางล่างราคาเท่ากันแต่แรงกว่า 4.8 และไม่มีข้อไหนถอยหลัง ทางบนครึ่งราคาแต่ใกล้ Fable 5 คนที่ใช้ 4.8 อยู่แล้วย้ายได้เลย ขอแค่เทียบปริมาณเอาต์พุตตามส่วนที่แล้วก่อน

งานที่ต้องให้โมเดลวิ่งเองนาน ๆ → เทียร์นั้นยังเป็นของ Fable 5 สายยาว วิ่งหลายชั่วโมงไม่ขาด แก้ทางเองกลางทาง ยังเป็นสนามของมัน วิธีใช้แบบนี้คนไม่ได้เยอะอยู่แล้ว แต่ถ้าคุณอยู่ในกลุ่มนั้นพอดี อย่าดูแค่ราคาต่อหน่วย

งานง่ายจำนวนมาก → ลงล่าง ไม่ใช่ขึ้นบน งานจำแนก ติดป้าย เราต์ ย่อความตามเทมเพลต สิ่งที่แข่งกันคือต้นทุนต่อหน่วยกับ throughput ไม่ใช่ไอคิว งานพวกนี้ใช้เรือธงคือเปลืองล้วน ๆ ต่อให้กดลงระดับคิดต่ำสุดแล้วก็ตาม

มีอีกข้อที่ใช้ได้กับทุกกรณี คิดที่ค่าใช้จ่ายรวม ไม่ใช่ราคาต่อหน่วย โมเดลสองตัวราคาเท่ากัน ตัวหนึ่งพูดมากตัวหนึ่งพูดน้อย สิ้นเดือนบิลห่างกันได้พอสมควร กลับกัน โมเดลที่ราคาแพงกว่าเท่าตัว ถ้าทำถูกตั้งแต่รอบแรกและตัดงานแก้ซ้ำออกไปสามรอบ อาจถูกกว่าด้วยซ้ำ สิ่งที่ควรจ้องคือ งานนี้ทำจนจบใช้ไปเท่าไรรวม ไม่ใช่ตัวเลขบนตารางราคา

พูดกับคนวงคริปโตที่เอา AI มาทำงาน โค้ดที่ตรวจการส่งออเดอร์และคำนวณขนาดสถานะ การเช็กสิทธิ์ API กับการจัดการ error งานที่ผิดครั้งเดียวแล้วเป็นเงินจริง คุ้มที่จะใช้ Opus 5 ส่วนการย่อประกาศกับทวีตทั้งวันให้เป็นสรุป ส่งไปเทียร์ที่ถูกกว่า และการปล่อย agent เฝ้าข้อมูลทั้งคืนคือสนามของ Fable 5 แต่ขอบเขตไม่ได้เปลี่ยนเลย ทั้งหมดนี้คือการจัดการข้อมูล ไม่ใช่การตัดสินใจแทนคุณ โมเดลนั่งทวนวิธีอ่านกราฟแท่งเทียนกับคุณได้ ช่วยจิ้มรูโหว่ของเหตุผลได้ แต่มันไม่รู้ว่าพรุ่งนี้ขึ้นหรือลง ข่าวที่มันรวบรวมมาก็แต่งขึ้นได้ โดยเฉพาะอันที่อ่านแล้วลื่นเป็นพิเศษ กลโกงเก่าใส่เปลือก AI แล้วกลับมาใหม่ ผมเขียนไว้ใน8 รูปแบบการโดนหลอกในคริปโต

ข้อสุดท้าย อาจสำคัญกว่าการเลือกโมเดลด้วยซ้ำ อย่าเชื่อมเวิร์กโฟลว์ตายตัวไว้กับ model ID ตัวใดตัวหนึ่ง สี่โมเดลในไม่ถึงสองเดือน ตัวที่คุณเลือกวันนี้ อีกสองเดือนน่าจะไม่ใช่ทั้งตัวที่แรงที่สุดและตัวที่ถูกที่สุด ทำ model ID ระดับ effort และเพดานค่าใช้จ่ายให้เป็นคอนฟิก เวลาเปลี่ยนจะได้แก้บรรทัดเดียว แล้วเก็บงานจริงของคุณชุดเล็ก ๆ ไว้เป็น regression test โมเดลใหม่ออกก็รันทีหนึ่ง สิบกว่านาทีก็รู้แล้วว่าคุ้มย้ายไหม ครั้งก่อนผมเขียนเรื่องการเลือกโมเดลไว้ที่สามเทียร์ของ GPT-5.6 ข้อสรุปของบทความนั้นถึงวันนี้ก็ยังใช้ได้แทบทั้งหมด ไม่ใช่เพราะคะแนนไม่เปลี่ยน แต่เพราะวิธีคิดแบบ แบ่งชั้นตามงาน แล้วใช้เทียร์ที่พอดีกับงาน มันไม่ค่อยตกยุค

คำถามที่คุณน่าจะกำลังจะถาม

Claude Opus 5 แรงกว่า Opus 4.8 แค่ไหน

ตามข้อมูลที่ประกาศอย่างเป็นทางการและการรวบรวมสาธารณะ SWE-bench Pro ขยับจาก 69.2% เป็น 79.2% ค่าเฉลี่ยเบนช์มาร์กสายให้เหตุผลอยู่ที่ 90.4 ต่อ 72.1 และบน Frontier-Bench v0.1 ทางผู้พัฒนาระบุว่า Opus 5 ทำได้ราวสองเท่าของ 4.8 โดยมีค่าใช้จ่ายต่องานต่ำกว่า ในการเทียบสาธารณะ Opus 5 นำหกข้อ ส่วน Opus 4.8 ไม่นำสักข้อ ราคาทั้งคู่เท่ากันคือ 5 ดอลลาร์ต่อล้าน input token และ 25 ดอลลาร์ต่อล้าน output token ตัวเลขพวกนี้ผมไม่ได้รันเอง และเบนช์มาร์กเปลี่ยนไปตามเวอร์ชัน ให้ยึดตามที่หน้าทางการแสดงในเวลานั้น

Opus 5 ใช้แทน Fable 5 ได้ไหม

งานส่วนใหญ่ได้ และถูกกว่าครึ่งหนึ่ง Fable 5 คิด 10 ดอลลาร์ต่อล้าน input token และ 50 ดอลลาร์ต่อล้าน output token ส่วน Opus 5 อยู่ที่ 5 ดอลลาร์กับ 25 ดอลลาร์ ในข้อมูลสาธารณะ Opus 5 ทำ Frontier-Bench ได้ 43.3% ต่อ 33.7% GDPval-AA v2 อยู่ที่ 1,861 ต่อ 1,747 SWE-bench Pro ห่างกันไม่ถึงหนึ่งคะแนน และค่าเฉลี่ยงาน agentic 90.8 ต่อ 84.6 แต่ถ้าเป็นงานที่ต้องให้โมเดลรันเองต่อเนื่องนานที่สุด เทียร์ที่ยังถูกชี้ไปหาคือ Fable 5

ทำไมย้ายมา Opus 5 แล้วบิลกลับแพงขึ้น

ส่วนใหญ่มาจาก thinking ที่เปิดไว้เป็นค่าเริ่มต้น Opus 5 เปิด thinking ไว้ตั้งแต่ต้น prompt เดิมจึงสร้าง output token มากขึ้น และราคา output แพงกว่า input ห้าเท่า ถ้าก่อนหน้านี้คุณรันงานแบบแบตช์บน Opus 4.8 โดยปิด thinking ไว้ แล้วเปลี่ยนแค่ model ID อย่างเดียว ราคาต่อหน่วยไม่ขยับแต่ปริมาณเอาต์พุตเปลี่ยน บิลจึงแพงขึ้นแทนที่จะถูกลง ก่อนย้ายให้ลองนับ output token จากตัวอย่างชุดเล็กก่อน แล้วค่อยตัดสินใจว่าจะใช้ effort ระดับไหน

เขียนโค้ดประจำวันควรใช้ effort ระดับไหน

Opus 5 มีระดับความเข้มของการคิดสามระดับคือ low, medium, high และยังมี xhigh อีกหนึ่งระดับ งานแก้โค้ดประจำวันหรือเขียนสคริปต์เล็ก ๆ ระดับต่ำมักพอ ส่วนงานที่ต้องให้เหตุผลข้ามหลายไฟล์ ออกแบบอินเทอร์เฟซ หรือไล่ bug ยาก ๆ ค่อยขยับขึ้น เกณฑ์ไม่ใช่ว่างานนั้นสำคัญแค่ไหน แต่คือมันต้องให้โมเดลคิดเพิ่มอีกกี่ขั้น งานที่ไม่ต้องคิดเพิ่ม ให้งบคิดไปมากก็แค่จ่ายแพงขึ้นเปล่า ๆ

อ่านต่อ: สามเทียร์ของ GPT-5.6 กับชื่อเหรียญ · 8 รูปแบบการโดนหลอกในคริปโต · Bitcoin คืออะไร