ค่า Token ลด 80 เปอร์เซ็นต์ไม่ได้แปลว่าใบแจ้งหนี้จะลด 80 เปอร์เซ็นต์เสมอไป ถ้าโมเดลถูกเรียกบ่อยขึ้น ใช้ Context ยาวขึ้น หรือแก้งานหลายรอบ เงินที่ประหยัดต่อครั้งอาจถูกใช้กลับไปโดยไม่รู้ตัว
OpenAI ประกาศราคาใหม่เมื่อวันที่ 30 กรกฎาคม 2026 โดย GPT-5.6 Luna ลดลง 80 เปอร์เซ็นต์ ส่วน Terra ลดลง 20 เปอร์เซ็นต์ พร้อมเปิด Fast mode สำหรับ Sol ที่เร็วขึ้นสูงสุด 2.5 เท่าในราคา 2 เท่าของ Standard
ราคา API ใหม่อ่านอย่างไร
Luna อยู่ที่ 0.20 ดอลลาร์ต่อหนึ่งล้าน Input Token และ 1.20 ดอลลาร์ต่อหนึ่งล้าน Output Token ส่วน Terra อยู่ที่ 2 ดอลลาร์และ 12 ดอลลาร์ตามลำดับ ราคา Sol ไม่เปลี่ยน และราคาสมาชิก ChatGPT กับ Codex ไม่เปลี่ยน เพียงการใช้งาน Terra และ Luna กินโควตาน้อยลง
ความต่างระหว่าง Input กับ Output สำคัญ งานที่ส่งเอกสารยาวแต่ขอคำตอบสั้นมีโครงสร้างต้นทุนต่างจากงานสร้างบทความยาวหรือ Agent ที่คิดและเรียกเครื่องมือหลายรอบ
เลือกโมเดลตามความยากของผลลัพธ์
- Luna เหมาะกับงานปริมาณมาก การจัดหมวด ดึงข้อมูล ร่างข้อความ และ Automation พื้นหลังที่มีเกณฑ์ชัด
- Terra เหมาะกับงานประจำวันซึ่งต้องใช้เหตุผลหลายขั้นและเรียกเครื่องมือ แต่ยังต้องคุมต้นทุน
- Sol เหมาะกับงานซับซ้อน ความผิดพลาดราคาแพง หรือกรณีที่คุณภาพเพิ่มขึ้นทำให้ลด Retry และเวลาคนได้มาก
อย่าใช้ชื่อรุ่นเป็นกฎตายตัว งานเดียวอาจเริ่มด้วย Luna เพื่อคัดกรอง ส่งเคสยากให้ Terra และใช้ Sol เฉพาะจุดที่ต้องตัดสินใจซับซ้อน วิธีนี้เรียกว่า Model Routing
สูตรต้นทุนที่ควรใช้ในห้องประชุม
ต้นทุนต่องานสำเร็จควรรวมค่าโมเดล ค่าเครื่องมือ ค่าโครงสร้างพื้นฐาน จำนวน Retry เวลาตรวจของพนักงาน และความเสียหายจากข้อผิดพลาด โมเดลราคาถูกที่ทำสำเร็จ 70 จาก 100 งานอาจแพงกว่าโมเดลราคาสูงซึ่งทำสำเร็จ 95 งานตั้งแต่ครั้งแรก
เชื่อมตัวเลขเหล่านี้กับ ระบบ Business Growth ที่วัดผลได้จริง และทำ รายงานที่ผู้บริหารเห็นผลลัพธ์กับความเสี่ยง จะช่วยให้การลดค่า AI ไม่กลายเป็นการย้ายค่าใช้จ่ายไปซ่อนในเวลาพนักงาน
ทดลองลดค่าใช้จ่ายภายในสองสัปดาห์
- ดึง Log งานที่มีปริมาณสูงสุด 3 ประเภท
- สร้างชุดทดสอบพร้อมคำตอบหรือเกณฑ์ยอมรับ
- รัน Luna, Terra และโมเดลเดิมด้วย Prompt เดียวกัน
- วัด Success Rate, Latency, Token, Retry และเวลาตรวจ
- ย้ายเฉพาะงานที่ผ่านเกณฑ์ แล้วติดตามค่าใช้จ่ายจริงอีกหนึ่งรอบบิล
สำหรับงานคอนเทนต์ ให้ใช้ Luna ทำโครงหรือแปลงรูปแบบ แล้วเก็บบรรณาธิการไว้ตรวจข้อเท็จจริงและน้ำเสียงตาม AI Content Workflow จะปลอดภัยกว่าการลดต้นทุนด้วยการตัดคนตรวจออกทั้งหมด
กับดักสามข้อหลังราคาลด
เรียกโมเดลทุกอย่างเพราะราคาถูก
บางงานใช้กฎธรรมดา SQL หรือ Search แบบเดิมถูกและแน่นอนกว่า AI อย่าใส่โมเดลลงในขั้นตอนที่ไม่ต้องใช้ความยืดหยุ่น
ปล่อย Context โตไม่หยุด
Agent ที่แนบประวัติทั้งหมดทุกครั้งทำให้ Input Token โตเร็ว ควรสรุป Memory แยกข้อมูลที่จำเป็น และใช้ Cache เมื่อเหมาะสม
ไม่ตั้งงบต่อ Workflow
ควรกำหนดเพดาน Token จำนวนรอบ และเงื่อนไขหยุด เมื่อเกินให้ส่งต่อคนหรือโมเดลอื่นแทนการวนจนจบงบ
ราคาถูกสร้างโอกาส แต่การออกแบบสร้างกำไร
ราคา Luna ใหม่ทำให้งานปริมาณมากหลายแบบเริ่มคุ้ม แต่ธุรกิจที่ได้ประโยชน์ที่สุดไม่ใช่ทีมที่เรียกโมเดลมากที่สุด เป็นทีมที่รู้ว่างานไหนต้องใช้ความฉลาดระดับใด วัดต้นทุนต่อผลลัพธ์ และมีเส้นทางส่งต่อเมื่อโมเดลราคาต่ำไม่พอครับ
