การเปรียบเทียบราคาแบบง่ายๆ สำหรับไลน์ผลิตภัณฑ์ Claude ของ Anthropic ในปัจจุบันอาจทำให้เข้าใจผิดได้ บทวิเคราะห์นี้จะนำ Claude Opus 5.5, Claude Opus 5 และ Claude Fable 5.1 มาทดสอบกับคำสั่งเดียวกันทั้งห้าข้อ และรายงานผลการดำเนินการ เวลาที่ใช้ไปในแต่ละเครื่อง การใช้โทเคนที่รายงานจากเส้นทาง และขีดจำกัดของการสังเกตแต่ละครั้ง.
ความแตกต่างในทางปฏิบัติสามารถเห็นได้ชัดเจนจากบัตรงาน. Opus 5.5 เป็นโปรแกรมที่ทำงานเร็วที่สุดและประหยัดที่สุดในกลุ่มที่ได้รับการทดสอบ ส่วน Fable 5.1 สร้างโทเคนผลลัพธ์น้อยที่สุดและให้คำตอบในรูปแบบภาษาจีนที่ชัดเจนที่สุด ส่วน Opus 5 ใช้เวลานานที่สุด ในขณะที่ Opus 5.5 ใช้โทเคนผลลัพธ์มากที่สุด บัตรการเข้ารหัสได้เพิ่มเงื่อนไขสำคัญว่า: ผลลัพธ์ที่สั้นกว่าไม่ได้หมายความว่าเป็นผลลัพธ์ที่ดีกว่าโดยอัตโนมัติ.
เราได้คัดลอกคำสั่งทั้งห้าจากบทรีวิว Claude Opus 5.5 ก่อนหน้านี้ และรันคำสั่งแต่ละข้อหนึ่งครั้งสำหรับแต่ละโมเดล การตั้งค่าคำขอเป็นเหมือนกันทุกประการ: จำกัดจำนวนโทเคนสูงสุดที่ 8,192 โทเคน, ระดับความพยายามสูง, ข้อความจากผู้ใช้หนึ่งข้อความ และไม่ใช้เครื่องมือใดๆ เส้นทางดังกล่าวส่งคืน HTTP 200 และ จบเทิร์น สำหรับคำขอทั้ง 15 รายการ.
คำตอบสั้นๆ
- งานที่เร็วที่สุดในชุดงาน 5 งานนี้: Claude Opus 5.5 ใช้เวลา end-to-end ในระบบท้องถิ่น 47.725 วินาที สำหรับคำขอ 5 ครั้งที่ดำเนินการต่อเนื่องกัน Claude Fable 5.1 ใช้เวลา 53.290 วินาที และ Claude Opus 5 ใช้เวลา 61.470 วินาที.
- ราคาขายตามรายการที่คาดการณ์ต่ำที่สุด: Opus 5.5 มีค่าประมาณ $0.0818 สำหรับคำขอทั้งห้าตามอัตราโทเคนอย่างเป็นทางการ ตามมาด้วย Opus 5 ที่ $0.0962 และ Fable 5.1 ที่ $0.1415 นี่เป็นการประมาณการทางคณิตศาสตร์ ไม่ใช่ค่าธรรมเนียมของแพลตฟอร์ม.
- ผลลัพธ์ที่มีคุณภาพ: ทั้งสามระบบล้วนส่งคืนข้อมูลที่ผ่านการกรองแล้วในรูปแบบ JSON ที่สามารถวิเคราะห์ได้ พร้อมคำตอบทางคณิตศาสตร์ที่ถูกต้อง ผลลัพธ์การเขียนโค้ดแตกต่างกันในส่วนการจัดการกรณีขอบเขต (edge-case) ส่วน Fable 5.1 เป็นระบบที่ปฏิบัติตามคำแนะนำในรูปแบบภาษาจีนสองย่อหน้าได้อย่างชัดเจนที่สุด.
- ข้อควรระวังเกี่ยวกับ API: Opus 5.5 ไม่ใช่การเปลี่ยนชื่อแบบทันทีที่สามารถนำไปใช้กับการผสานรวม Opus 5 ทุกประเภทได้ คู่มือการย้ายระบบระบุว่า ไม่สามารถปิดการใช้งานระบบคิดได้ และเครื่องมือหรือรูปแบบการคิดบางแบบที่เก่ากว่าจำเป็นต้องมีการปรับเปลี่ยน.
- อย่าให้ความสำคัญกับอันดับมากเกินไป: นี่คือการทดสอบที่ตรงกันหนึ่งครั้งต่อแต่ละงานบนเส้นทางเดียว ซึ่งวัดพฤติกรรมจริง เวลาที่ใช้ไป และข้อมูลการใช้งานที่รายงาน ไม่ใช่คะแนนแบบจำลองทั่วไป.
ราคาและคุณสมบัติของทั้งสามรุ่น
ในเอกสารรุ่นปัจจุบันของ Anthropic API ทั้งสามนี้ใช้หน้าต่างบริบทร่วมกันขนาด 1M โทเคน และมีความสามารถในการส่งออกสูงสุด 128K หน่วยการคิดค่าบริการและสถานะของทั้งสาม API นี้แตกต่างกัน: Opus 5.5 เป็นเวอร์ชันล่าสุดของ Opus, Opus 5 ถูกจัดเป็นเวอร์ชันเก่า (legacy), และ Fable 5.1 มีอัตราการรับ/ส่งข้อมูลมาตรฐานสูงสุด.
| แบบจำลอง | สถานะทางการ | รหัสโมเดล API | ข้อมูลเข้า / ข้อมูลออก | บริบท / กำลังสูงสุด | ความพยายามตามค่าเริ่มต้น | การอ่านแคช |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | ล่าสุด | claude-opus-5-5 | $4 / $20 ต่อ MTok | 1M / 128K | ระดับกลาง | $0.20 / MTok |
| Claude Opus 5 | ใช้งานอยู่, เวอร์ชันเก่า | claude-opus-5 | $5 / $25 ต่อ MTok | 1M / 128K | สูง | $0.50 / MTok |
| Claude Fable 5.1 | ล่าสุด | claude-fable-5-1 | $10 / $50 ต่อ MTok | 1M / 128K | สูง | $0.25 / MTok |
สำหรับตัวอย่างง่ายๆ ที่ไม่ใช้แคช โทเคนอินพุต 100,000 โทเคน บวกกับ โทเคนเอาต์พุต 20,000 โทเคน มีค่าใช้จ่าย $0.80 บน Opus 5.5, $1.00 บน Opus 5 และ $2.00 บน Fable 5.1 ตามอัตราที่ระบุไว้ Fable 5.1 มีอัตราอ่านแคชต่ำกว่า Opus 5 ดังนั้น งานของเอเจนต์ที่ใช้แคชมากจึงต้องคำนวณแยกต่างหาก.
ข้อมูลที่แสดงในตารางเกณฑ์มาตรฐานอย่างเป็นทางการ
Anthropic’s ประกาศ Claude Opus 5.5 จัดวางทั้งสามรุ่นไว้ในตารางเปรียบเทียบผู้ให้บริการเดียวกัน Opus 5.5 อยู่ในอันดับต้นๆ ของแถวที่แสดง แต่ผลลัพธ์เหล่านี้เป็นข้อมูลที่ผู้ให้บริการรายงานเอง โดยใช้ชุดทดสอบและตั้งค่าความพยายามที่เฉพาะสำหรับเกณฑ์มาตรฐานนั้นๆ ในประกาศเองได้เตือนว่า ความแตกต่างของเกณฑ์มาตรฐานที่แคบนั้น เป็นตัวชี้วัดที่ไม่น่าเชื่อถือมากนักในการสะท้อนความแตกต่างในโลกจริงที่ระดับความสามารถนี้.
| เกณฑ์เปรียบเทียบผู้ให้บริการ | Opus 5.5 | Fable 5.1 | Opus 5 | สิ่งที่มันวัด |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | การเขียนโค้ดแบบเอเจนติกในบรรทัดคำสั่ง |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | การเปลี่ยนแปลงรหัสของเอเจนต์จะถูกรวมเข้าหรือไม่ |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | งานการเข้ารหัสหลายไฟล์ที่มีความคลุมเครือ |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | งานด้านความรู้ระดับมืออาชีพใน 44 อาชีพ |
| AutomationBench | 40.0% | 31.4% | 26.9% | กระบวนการทำงานทางธุรกิจแบบครบวงจร |
| การสอบครั้งสุดท้ายของมนุษยชาติ | 67.7% ด้วยเครื่องมือ | 65.6% พร้อมเครื่องมือ | 63.6% พร้อมเครื่องมือ | การคิดวิเคราะห์แบบสหสาขาวิชา |
| OSWorld 2.0 | 81.8% บางส่วน | 80.7% ส่วนหนึ่ง | 74.0% ส่วนหนึ่ง | งานที่เกี่ยวข้องกับการใช้คอมพิวเตอร์ |
ตารางนี้มีประโยชน์ในการระบุขอบเขตประสิทธิภาพที่ผู้ให้บริการอ้างไว้ แต่ไม่ได้ใช้แทนการ์ดที่จับคู่กันด้านล่าง: การทดสอบของเราใช้คำสั่งสั้นๆ ที่ให้ทำเพียงรอบเดียว ต้องการความพยายามสูง ไม่ใช้เครื่องมือใดๆ และใช้เส้นทางที่ควบคุมโดยฝ่ายที่สาม.
คำสั่งเดียวกัน, การตั้งค่าคำขอเดียวกัน
เราได้คัดลอกคำสั่งทั้งห้าข้อจากชุดทดสอบ Opus 5.5 ที่ใช้ก่อนหน้านี้ และส่งแต่ละคำสั่งไปให้แต่ละโมเดลครั้งละหนึ่งครั้ง ลูกค้าได้สลับลำดับโมเดลตามแต่ละงาน ใช้ไฟล์ JSON ในรูปแบบ UTF-8 และวัดเวลาตั้งแต่เริ่มส่งคำขอจนกระทั่งอ่านเนื้อหาการตอบกลับทั้งหมดเสร็จสิ้น คำขอทั้ง 15 ครั้งล้วนได้รับรหัสสถานะ HTTP 200 และ จบเทิร์น. สำหรับเหตุผลที่กว้างขึ้นและขั้นตอนการทำงานที่สามารถทำซ้ำได้ โปรดดู วิธีที่ GlobalGPT ใช้เพื่อทดสอบแบบจำลอง AI.
การเปรียบเทียบเวลาและโทเคน
| เส้นทาง | ผ่านไปแล้ว 5 รอบ | ค่าเฉลี่ย / งาน | โทเค็นอินพุต | โทเค็นผลลัพธ์ | การคิดตามเส้นทาง | ราคาประมาณการตามราคาขาย* |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 47.725 วินาที | 9.545 วินาที | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61.470 วินาที | 12.294 วินาที | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53.290 วินาที | 10.658 วินาที | 700 | 2,690 | 1,122 | $0.1415 |
*การประมาณการจากโทเค็นอินพุต/เอาต์พุตที่รายงานตามเส้นทาง และอัตรา API มาตรฐานที่ระบุโดย Anthropic ไม่รวมค่าแคช เครดิตแพลตฟอร์ม ภาษี และค่าเพิ่ม เวลาที่ผ่านไปคือเวลาจริงแบบ end-to-end ตามเวลาท้องถิ่น นับตั้งแต่ส่งคำขอ ไม่ใช่ความล่าช้าของผู้ให้บริการหรือจำนวนโทเค็นต่อวินาที “Thinking” เป็นสนามข้อมูลการใช้งานที่รายงานจากเส้นทาง ไม่ใช่การวิเคราะห์ที่ซ่อนอยู่ซึ่งวัดอย่างอิสระ.
ผลลัพธ์รวมจะแตกต่างกันไปตามตัวชี้วัด Opus 5.5 ให้ผลลัพธ์รวมเร็วที่สุดและค่าใช้จ่ายที่คาดการณ์ต่ำที่สุด ส่วน Fable 5.1 ให้จำนวนโทเคนผลลัพธ์น้อยที่สุด และ Opus 5 มีผลลัพธ์รวมช้าที่สุดในชุดนี้ คำตอบที่สั้นกว่าไม่ได้หมายความว่าเป็นคำตอบที่ดีกว่าโดยอัตโนมัติ: การ์ดโค้ดแสดงให้เห็นว่าทำไมเนื้อหาผลลัพธ์และการจัดการกรณีขอบยังคงจำเป็นต้องอ่าน.
บัตรงาน 5 ใบที่ตรงกัน
โมเดลเหล่านี้สามารถแก้ไขฟังก์ชันการลบข้อมูลซ้ำแบบผสมได้หรือไม่?
การตั้งค่างาน: คำสั่งนี้กำหนดให้ฟังก์ชันที่ได้รับการแก้ไข พร้อมด้วยชุดทดสอบสองชุดที่กระชับ การเปรียบเทียบสตริงที่ไม่คำนึงถึงตัวพิมพ์ใหญ่-เล็ก การรักษาการสะกดคำแรกไว้ และไม่เกิดข้อผิดพลาดเมื่อรับค่าที่ไม่ใช่สตริง.
| แบบจำลอง | เวลา / การใช้งาน | ผลการสังเกต |
|---|---|---|
| Claude Opus 5.5 | 15.844 วินาที (ท้องถิ่น) · 145 เข้า / 1478 ออก · 700 คิด · end_turn | ใช้ casefold พร้อมตัวเลือกสำรองแบบรายการ (list fallback); docstring ของมันระบุว่าใช้หลักการเทียบเท่า (identity) แต่โค้ดกลับใช้หลักการเทียบเท่า (equality). |
| Claude Opus 5 | 16.845 วินาที (ท้องถิ่น) · 143 เข้า / 1109 ออก · 312 กำลังคิด · end_turn | เพิ่มคีย์ที่มีแท็กประเภทและกลไกสำรองสำหรับการเปรียบเทียบความเท่ากัน พร้อมทั้งชี้ให้เห็นถึงไวยากรณ์ Python แบบบรรทัดเดียวที่ไม่ถูกต้อง. |
| Claude Fable 5.1 | 12.778 วินาที (ท้องถิ่น) · 145 เข้า / 783 ออก · 0 คิด · end_turn | ใช้ repr(item) สำหรับค่าที่ไม่สามารถแปลงเป็นแฮชได้; วิธีนี้ผ่านตัวอย่างที่แสดงไว้ได้ แต่อาจเกิดการชนกันระหว่างประเภทข้อมูลต่าง ๆ. |
ผลการเปรียบเทียบ: กรณีพิเศษนี้เป็นการสังเกตในระดับงาน ไม่ใช่ข้ออ้างเกี่ยวกับงานเขียนโค้ดทั้งหมด.
แบบจำลองเหล่านี้สามารถรักษาข้อมูลทั้งห้าข้อที่ให้ไว้ได้หรือไม่ โดยไม่เพิ่มข้ออ้างใดๆ?
การตั้งค่างาน: ข้อมูลต้นทางเป็นบันทึกสั้นๆ เกี่ยวกับการทดสอบผู้ช่วยการเขียนสามตัวเป็นระยะเวลาสองสัปดาห์ นี่เป็นงานสกัดข้อมูลสั้นๆ ไม่ใช่การทดสอบประสิทธิภาพในบริบทที่กว้าง.
| แบบจำลอง | เวลา / การใช้งาน | ผลการสังเกต |
|---|---|---|
| Claude Opus 5.5 | 4.374 วินาที (ท้องถิ่น) · 210 เข้า / 312 ออก · 101 กำลังคิด · end_turn | ได้ส่งคืนลูกกระสุนที่มีหมายเลข 5 ลูก และยังคงอยู่ในขอบเขตของข้อมูลที่ให้ไว้; แต่ชื่อและลำดับมีความแตกต่างเล็กน้อย. |
| Claude Opus 5 | 4.661 วินาที (ท้องถิ่น) · 208 เข้า / 265 ออก · 27 กำลังคิด · end_turn | ได้ส่งคืนลูกกระสุนที่มีหมายเลข 5 ลูก และยังคงอยู่ในขอบเขตของข้อมูลที่ให้ไว้; แต่ชื่อและลำดับมีความแตกต่างเล็กน้อย. |
| Claude Fable 5.1 | 6.305 วินาที (เวลาท้องถิ่น) · 210 เข้า / 223 ออก · 0 คิด · end_turn | ได้ส่งคืนลูกกระสุนที่มีหมายเลข 5 ลูก และยังคงอยู่ในขอบเขตของข้อมูลที่ให้ไว้; แต่ชื่อและลำดับมีความแตกต่างเล็กน้อย. |
ผลการเปรียบเทียบ: ข้อความต้นฉบับมีความยาวสั้น; การตรวจสอบนี้มุ่งเน้นไปที่การสกัดข้อมูลและการจัดรูปแบบที่ถูกต้องตามบริบท ไม่ใช่การจัดการบริบทที่มีโทเคนนับล้าน.
โมเดลสามารถคืนโครงสร้างที่ตรงกับที่ขอมาได้หรือไม่?
การตั้งค่างาน: คำสั่งนี้กำหนดให้ใช้ JSON ที่ถูกต้องเท่านั้น ซึ่งประกอบด้วย 5 คีย์ที่ตรงกันเป๊ะ 2 ข้อดี 2 ข้อเสีย และข้อความสั้นๆ เนื้อหาบทวิจารณ์ที่สร้างขึ้นนี้ไม่ใช่หลักฐานเกี่ยวกับโมเดลใดทั้งสิ้น.
| แบบจำลอง | เวลา / การใช้งาน | ผลการสังเกต |
|---|---|---|
| Claude Opus 5.5 | 8.276 วินาที (ท้องถิ่น) · 128 เข้า / 622 ออก · 390 กำลังคิด · end_turn | ส่งคืน JSON ที่สามารถวิเคราะห์ได้ พร้อมด้วยคีย์ที่ร้องขอ และข้อดีสองข้อ/ข้อเสียสองข้อ; ข้อความรีวิวที่สร้างขึ้นเป็นข้อความทดสอบ ไม่ใช่ข้อมูลจริงของผลิตภัณฑ์. |
| Claude Opus 5 | 6.344 วินาที (ท้องถิ่น) · 126 เข้า / 238 ออก · 0 คิด · end_turn | ส่งคืน JSON ที่สามารถวิเคราะห์ได้ พร้อมด้วยคีย์ที่ร้องขอ และข้อดีสองข้อ/ข้อเสียสองข้อ; ข้อความรีวิวที่สร้างขึ้นเป็นข้อความทดสอบ ไม่ใช่ข้อมูลจริงของผลิตภัณฑ์. |
| Claude Fable 5.1 | 6.626 วินาที (ท้องถิ่น) · 128 เข้า / 203 ออก · 0 คิด · end_turn | ส่งคืน JSON ที่สามารถวิเคราะห์ได้ พร้อมด้วยคีย์ที่ร้องขอ และข้อดีสองข้อ/ข้อเสียสองข้อ; ข้อความรีวิวที่สร้างขึ้นเป็นข้อความทดสอบ ไม่ใช่ข้อมูลจริงของผลิตภัณฑ์. |
ผลการเปรียบเทียบ: ข้อความ JSON ดังกล่าวอธิบายถึงการจัดตั้งการรีวิวที่สมมติขึ้น และห้ามเผยแพร่เป็นข้อมูลจริงของผลิตภัณฑ์.
แบบจำลองเหล่านี้สามารถนำลำดับชุดข้อมูลที่กลมกลืนไปจนถึงคำตอบสุดท้ายได้หรือไม่?
การตั้งค่างาน: ลำดับคือ 12 แล้วเพิ่มอีก 25% โดยปัดเศษลงเป็นจำนวนเต็ม ในสี่ชุดการผลิต.
| แบบจำลอง | เวลา / การใช้งาน | ผลการสังเกต |
|---|---|---|
| Claude Opus 5.5 | 3.830 วินาที (เวลาท้องถิ่น) · เข้า 89 / ออก 257 · คิด 74 · end_turn | คำนวณได้ 12, 15, 18, 22 และรวมทั้งหมด 67; ทั้งสามผลลัพธ์ล้วนจบด้วยตัวเลข 67 ที่ขอไว้. |
| Claude Opus 5 | 5.079 วินาที (ท้องถิ่น) · 87 เข้า / 277 ออก · 90 กำลังคิด · end_turn | คำนวณได้ 12, 15, 18, 22 และรวมทั้งหมด 67; ทั้งสามผลลัพธ์ล้วนจบด้วยตัวเลข 67 ที่ขอไว้. |
| Claude Fable 5.1 | 5.347 วินาที (เวลาท้องถิ่น) · 89 เข้า / 127 ออก · 0 คิด · end_turn | คำนวณได้ 12, 15, 18, 22 และรวมทั้งหมด 67; ทั้งสามผลลัพธ์ล้วนจบด้วยตัวเลข 67 ที่ขอไว้. |
ผลการเปรียบเทียบ: ทั้งสามข้อล้วนผ่านการทดสอบโจทย์คณิตศาสตร์นี้; ข้อทดสอบเพียงข้อเดียวไม่สามารถประเมินความน่าเชื่อถือในการใช้เหตุผลทั่วไปได้.
เส้นทางนี้สามารถรักษาโครงสร้างสองย่อหน้าที่กำหนดไว้ได้หรือไม่?
การตั้งค่างาน: คำสั่งให้เขียนสองย่อหน้าภาษาจีน โดยแต่ละย่อหน้ามี 80–120 ตัวอักษรจีน: ส่วนแรกเป็นคำตอบเกี่ยวกับคุณค่า ตามด้วยแผนการทดสอบ.
| แบบจำลอง | เวลา / การใช้งาน | ผลการสังเกต |
|---|---|---|
| Claude Opus 5.5 | 15.401 วินาที (เวลาท้องถิ่น) · 128 เข้า / 1283 ออก · 949 กำลังคิด · end_turn | ได้ส่งกลับสองย่อหน้าที่ถูกขอมา แล้วเพิ่มกรอบ Markdown และหมายเหตุภาษาอังกฤษ. |
| Claude Opus 5 | 28.541 วินาที (ท้องถิ่น) · 126 เข้า / 1820 ออก · 1430 กำลังคิด · end_turn | ได้ส่งคืนสองย่อหน้าที่ถูกขอมา แล้วเพิ่มหมายเหตุภาษาอังกฤษไว้หลังเครื่องหมายแบ่งย่อหน้า. |
| Claude Fable 5.1 | 22.234 วินาที (เวลาท้องถิ่น) · 128 เข้า / 1354 ออก · 1122 กำลังคิด · end_turn | ส่งคืนสองย่อหน้าภาษาจีนที่สะอาด ไม่มีหมายเหตุเพิ่มเติมหรือกรอบ Markdown. |
ผลการเปรียบเทียบ: เอกสารนี้บันทึกขั้นตอนการดำเนินการตามเส้นทางที่ได้รับการทดสอบแล้ว; ไม่ใช่มาตรฐานคุณภาพสำหรับภาษาจีน.
ข้อควรระวังเกี่ยวกับ API และการย้ายระบบ
Opus 5.5 ไม่ใช่การเปลี่ยนชื่อแบบตรงไปตรงมาสำหรับทุกการบูรณาการ Opus 5 ของ Anthropic’s คู่มือการย้ายถิ่นฐาน ระบุว่าไม่สามารถปิดฟังก์ชันการคิดใน Opus 5.5 ได้; การพยายามปิดหรือเปิดโหมดการคิดแบบเก่าด้วยมือจะส่งผลให้เกิดข้อผิดพลาด 400 การย้ายระบบยังปรับเปลี่ยนการใช้เครื่องมือแบบบังคับ, เชื่อมโยงบล็อกการคิดกับโมเดลและการสนทนา, และแทนที่เครื่องมือการใช้คอมพิวเตอร์แบบเก่าบน API Claude และเส้นทาง Google Cloud.
การทดสอบที่ใช้ร่วมกัน output_config.effort: สูง สำหรับทั้งสามรุ่น เพื่อให้ผลการทดสอบสามารถเปรียบเทียบได้ง่ายขึ้น นั่นหมายความว่า การทดสอบเหล่านี้ไม่ได้จำลองการตั้งค่าความพยายามเริ่มต้นของแต่ละโมเดล Fable 5.1 มีเอกสารระบุว่าการคิดแบบปรับตัวเปิดอยู่เสมอและตั้งค่าความพยายามเริ่มต้นเป็นระดับสูง; Opus 5.5 มีเอกสารระบุว่าการคิดแบบปรับตัวเปิดอยู่เสมอและตั้งค่าความพยายามเริ่มต้นเป็นระดับกลาง; ส่วน Opus 5 ใช้การคิดแบบปรับตัวพร้อมตั้งค่าความพยายามเริ่มต้นเป็นระดับสูง.
สิ่งที่การทดสอบนี้สนับสนุนจริง ๆ คืออะไร
คำตัดสินระดับงาน
Opus 5.5: มีราคาขายตามรายการที่คาดการณ์ไว้ต่ำที่สุดและเร็วที่สุดในชุดงาน 5 งานนี้ พร้อมทั้งสร้างโทเคนผลลัพธ์ได้มากที่สุด. Fable 5.1: ผลลัพธ์โดยรวมสั้นที่สุดและสอดคล้องกับข้อจำกัดสองย่อหน้าของจีนได้อย่างสมบูรณ์ที่สุด แต่ราคาต่อโทเคนที่สูงขึ้นทำให้ค่าประมาณการจากการรัน 5 ครั้งสูงที่สุด และวิธีการสำรองในการเขียนโค้ดมีกรณีขอบเขตแบบข้ามประเภทที่ชัดเจน. Opus 5: ทำถูกต้องในส่วนการสกัดข้อมูล JSON และงานคณิตศาสตร์ แต่เป็นวิธีที่ช้าที่สุดในตัวอย่างเส้นทางนี้ และถูกระบุว่าเป็นวิธีเก่าในเอกสารอย่างเป็นทางการ.
สิ่งนี้เพียงพอที่จะเป็นเหตุผลให้เลือกรัน Opus 5.5 บนเส้นทางที่วัดผลนี้ แต่ยังไม่เพียงพอที่จะกล่าวว่ามันจะชนะในทุกภาระงาน ควรทำการทดสอบซ้ำด้วยเครื่องมือต่าง ๆ ข้อมูลเข้าที่ยาวขึ้น และรันหลายครั้ง ก่อนที่จะนำผลลัพธ์ไปใช้เป็นเกณฑ์มาตรฐานสำหรับการผลิตจริง.
หากคุณต้องการทำซ้ำการเปรียบเทียบนี้โดยไม่ต้องเปิดบัญชีสามบัญชีแยกกัน, ลองใช้ขั้นตอนการทำงานสำหรับการเปรียบเทียบแบบจำลองใน GlobalGPT. สำหรับการตัดสินใจในการนำไปใช้จริง ควรตรวจสอบเส้นทางแบบโมเดลโดยตรงและการแมปผู้ให้บริการต้นทางอย่างแยกกัน.
คำถามที่พบบ่อย
รุ่นใดเป็นรุ่นที่เร็วที่สุดในการทดสอบเปรียบเทียบ?
Claude Opus 5.5 มีเวลารวมที่ผ่านไปแล้วในระบบท้องถิ่นต่ำที่สุด: 47.725 วินาที สำหรับคำขอ 5 ครั้งที่ดำเนินการต่อเนื่องกัน นี่เป็นข้อมูลการสังเกตเส้นทาง ไม่ใช่ความล่าช้าด้านผู้ให้บริการ.
โมเดลใดใช้โทเคนเอาต์พุตน้อยที่สุด?
Claude Fable 5.1 ใช้โทเคนผลลัพธ์ที่รายงานจากเส้นทางจำนวน 2,690 โทเคน ในทั้งห้าภารกิจ เมื่อเทียบกับ 3,709 โทเคนของ Opus 5 และ 3,952 โทเคนของ Opus 5.5.
รุ่นไหนมีราคาถูกที่สุดในการทดสอบ?
โดยใช้ค่าอัตรา API มาตรฐานอย่างเป็นทางการและจำนวนโทเค็นเข้า/ออกที่ได้รับกลับมา Opus 5.5 ได้ให้ค่าประมาณการต่ำที่สุดสำหรับ 5 ครั้งการรัน คือ $0.0818 ซึ่งไม่รวมค่าแคช เครดิต ภาษี และค่าเพิ่มของแพลตฟอร์ม.
ทั้งสามรุ่นได้ผ่านภารกิจเดียวกันหรือไม่?
ทั้งสามระบบล้วนส่งคืนข้อมูล JSON ที่สามารถวิเคราะห์ได้ ซึ่งประกอบด้วยข้อมูลการดึงข้อมูล 5 รายการ พร้อมด้วยคีย์ที่ร้องขอ และผลรวมที่ถูกต้องคือ 67 การเขียนโค้ดและการจัดรูปแบบตามมาตรฐานจีนแสดงให้เห็นถึงความแตกต่างในผลลัพธ์ที่มีความหมาย.
นี่เป็นการทดสอบประสิทธิภาพในบริบทที่กว้างหรือไม่?
ไม่ครับ ข้อความที่นำกลับมาใช้ใหม่ในขั้นตอนการสกัดข้อมูลมีเนื้อหาสั้นๆ ซึ่งใช้เพื่อทดสอบการเชื่อมโยงกับบริบทและการจัดรูปแบบที่ถูกต้อง ดังนั้นจึงไม่ควรนำมาใช้เป็นหลักฐานแสดงประสิทธิภาพในการประมวลผลบริบทที่มีจำนวนโทเคนถึงล้านโทเคน.
Claude Opus 5 ยังใช้อยู่หรือไม่?
เอกสารรุ่นของ Anthropic ระบุว่า Opus 5 เป็นเวอร์ชันที่ยังใช้งานได้แต่เป็นเวอร์ชันเก่า และแนะนำให้พิจารณาใช้ Opus 5.5 เพื่อเพิ่มประสิทธิภาพการทำงาน การผสานรวม API ที่มีอยู่ควรตรวจสอบคู่มือการย้ายระบบก่อนที่จะเปลี่ยนไปใช้เวอร์ชันใหม่.
ข้อมูลจำเพาะอย่างเป็นทางการ: เอกสาร Opus 5.5, เอกสาร Opus 5, และ เอกสาร Fable 5.1. ค่ามาตรฐานของผู้ให้บริการถูกกำหนดตามมาตรฐาน Anthropic; ส่วนค่าจากการทดลองจริงได้มาจากชุดทดสอบที่ตรงกันตามที่อธิบายไว้ข้างต้น.
