เลือกโมเดลราคาถูกเพราะอยากประหยัด แต่ผ่านไป 20 นาทีก็ยังนั่งดูมันวนอยู่ที่เดิม นี่คือพลาดที่เจอบ่อยที่สุดเวลาใช้ AI ช่วยเขียนโค้ด ราคาต่อครั้งดูถูกก็จริง แต่ค่าใช้จ่ายกว่างานจะเสร็จจริง ๆ ไม่ได้ถูกเลย
ตอบสั้น ๆ ก่อน: งานที่ชัดเจนและทำซ้ำ ๆ ใช้ Luna งาน Codex ประจำวันใช้ Sol ส่วนปัญหาที่ยุ่งจนยังไม่รู้ด้วยซ้ำว่าเสียตรงไหนใช้ Astra ด้านล่างจะอธิบายว่าทำไมโมเดลที่แพงที่สุด ถ้านับเป็น “งานที่เสร็จหนึ่งชิ้น” อาจกลายเป็นตัวที่ถูกที่สุด
1. กันยายน 2026 มีอะไรเพิ่มเข้ามา
OpenAI เปิดให้ใช้ GPT-6 Sol และ GPT-6 Luna ผ่าน API เมื่อวันที่ 22 กันยายน 2026 และเพิ่มทั้งสองตัวเข้าไปใน ChatGPT Work กับ Codex ด้วย[1][2]
ตามที่ OpenAI บอก Sol เหมาะกับงานเขียนโค้ดที่ซับซ้อน และงานหลายขั้นตอนที่โมเดลต้องหยิบเครื่องมือมาใช้เอง ส่วน Luna ทำมาเพื่องานขอบเขตแคบที่มีจำนวนมาก ทั้งสองตัวอ่านข้อมูลได้สูงสุด 1.05M โทเคนในครั้งเดียว และเขียนคำตอบได้สูงสุด 128K โทเคนต่อครั้ง[3][4][5]
เหนือขึ้นไปคือ GPT-6 Astra ซึ่ง OpenAI วางไว้เป็นโมเดลสำหรับงานที่ยากที่สุดตั้งแต่ต้นจนจบ ทั้งเขียนโค้ด ใช้งานคอมพิวเตอร์ ค้นคว้า และเขียนเอกสาร[6]
ถ้าเทียบกับคนในออฟฟิศ:
- Luna: น้องใหม่ค่าตัวถูกที่เคลียร์งานประจำกองโต
- Sol: หัวหน้าทีมที่ไว้ใจฝากงานส่วนใหญ่ได้
- Astra: คนที่เดินเข้าห้องเซิร์ฟเวอร์ปุ๊บก็ถามเลยว่า “สายเส้นนี้เสียบกลับด้านหรือเปล่า”
2. “GPT-6 มาใน ChatGPT แล้ว” ไม่ได้แปลว่าอย่างที่คิด
บันทึกการอัปเดต ChatGPT วันที่ 22 กันยายน เขียนไว้ว่า Sol และ Luna ถูกเพิ่มเข้าไปใน ChatGPT Work และ Codex และ แยกจากโมเดลที่ใช้ในหน้าแชตปกติ[1]
แปลว่า “Sol อยู่ใน ChatGPT” กับ “เลือก Sol ได้ในหน้าแชตปกติ” เป็นคนละเรื่องกัน ถ้าไปไล่หาในเมนูเลือกโมเดลของแชตปกติ ก็เหมือนตามหาหีบสมบัติในแผนที่ที่ไม่มีหีบอยู่เลย
Astra ก็ต่างออกไปอีก ตอนประกาศเปิดตัวช่วงต้นกันยายนบอกว่าจะเปิดให้แพ็กเกจเสียเงินของ ChatGPT ใช้ด้วย[6] ชื่อ GPT-6 เหมือนกันหมด แต่ใช้ได้คนละที่
3. ดูแค่ป้ายราคา ต่างกันมหาศาล
ราคา Standard API ณ วันที่ 23 กันยายน 2026 ต่อ 1 ล้านโทเคน (ขาเข้า / ขาออก)[3][4][6][7][8][9]
| โมเดล | ขาเข้า | ขาออก |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
ถ้าใช้ปริมาณข้อความเท่ากัน Sol แพงกว่า Luna ราว 20 เท่า และ Astra แพงกว่า Sol 5 เท่า
ดูแค่ตารางนี้ “ใช้ Luna ทุกงานไปเลย” ฟังดูฉลาดมาก แต่ก็เหมือนจะประหยัดค่าจ้างขนของด้วยการแบกตู้เย็นเดินข้ามเมืองเอง
4. คิดเลขเร็ว ๆ: งานหนึ่งอ่าน 100K โทเคน เขียน 20K
สมมติงานหนึ่งอ่าน 100,000 โทเคน และเขียน 20,000 โทเคน ไม่นับส่วนลดจากแคช ค่าเครื่องมือ ค่าบวกเพิ่มสำหรับข้อความยาวมาก และการลองใหม่
| โมเดล | ค่า API โดยประมาณต่อครั้ง |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
ดูแค่ราคา Luna ชนะขาดลอย
แต่ตัวเลขที่ควรดูจริง ๆ คืออันนี้
ค่าใช้จ่ายจนงานเสร็จ ≈ ค่าต่อครั้ง × จำนวนครั้งที่ต้องลอง + เวลาที่คนต้องเข้าไปช่วย + ข้อมูลเดิมที่หายไปตอนล้มเหลว
ถ้าใช้โทเคนเท่ากัน Astra หนึ่งครั้งเท่ากับ Sol ห้าครั้ง งานยากที่ Sol ต้องลองห้ารอบ แต่ Astra จบในรอบเดียว ค่า API ก็เท่ากันแล้ว
บวกเวลาที่คุณต้องนั่งอ่านบันทึกซ้ำ แล้วพิมพ์ว่า “ไม่ใช่ตรงนั้น เมื่อกี้ดูไปแล้ว” เข้าไปด้วย Astra ก็คุ้มกว่าเร็วขึ้นอีก
5. โมเดลแพงอาจถูกกว่าจริง ๆ
ตัวเลขของ OpenAI เองก็ยืนยันเรื่องนี้ ใน Terminal-Bench 4.0 นั้น GPT-6 Astra ได้ 57.9% ส่วน GPT-5.6 Sol ได้ 37.3% และ OpenAI รายงานว่า ค่า API โดยประมาณต่องานของ Astra ต่ำกว่าราว 9% ในการตั้งค่าที่นำมาเทียบ[6]
ใน AutomationBench ได้ 41.4% ต่อ 18.1% และในงานภายในของ OpenAI ที่ย้ายฐานข้อมูลไปเป็นโครงสร้างใหม่ ได้ 63.9% ต่อ 42.7%[6]
ราคาต่อโทเคนแพงกว่า กับค่าใช้จ่ายจนงานเสร็จแพงกว่า จึงเป็นคนละเรื่องกัน
Astra ยังเพิ่มวิธีใหม่ให้ Codex เก็บสิ่งที่ทำไปแล้วไว้ และค้นกลับมาใช้ได้ระหว่างทำงานนาน ๆ[6] เวลาไล่หาบั๊กที่ใช้เวลานาน หรือจัดระเบียบโค้ดชุดใหญ่ ก็จะเจอเหตุการณ์ “ลืมว่ารอบที่แล้วพังเพราะอะไร แล้วเดินตกหลุมเดิมซ้ำ” น้อยลง
แท็กซี่แพงก็จริง แต่ยังถูกกว่าเดินอ้อมภูเขาสามรอบแล้วค่อยเรียกแท็กซี่
6. แยกประเภทงานก่อน อย่าเริ่มจากตัวถูกสุดทุกครั้ง
การโยนทุกงานให้ Luna แล้วต่อด้วย Sol แล้วค่อย Astra จนกว่าจะมีตัวไหนทำได้ เป็นนิสัยที่ไม่ดี ให้ดูลักษณะงานก่อน ส่งให้โมเดลที่เหมาะตั้งแต่แรก และขยับขึ้นหนึ่งขั้นเมื่อพลาดอย่างจริงจังหนึ่งครั้ง
GPT-6 Luna
เหมาะกับ:
- ค้นหาในโค้ด ทำรายการ จัดกลุ่ม และแปลงรูปแบบ
- แก้เล็ก ๆ ที่มีโจทย์ชัดเจน
- งานจำนวนมากที่ไม่เกี่ยวกัน
- รันการทดสอบและสรุปผล
- งานที่ให้โปรแกรมตัดสินได้ว่าผ่านหรือไม่ผ่าน
GPT-6 Sol
เหมาะกับ:
- งานพัฒนาทั่วไปที่แก้หลายไฟล์
- แก้บั๊กเมื่อพอรู้ว่าปัญหาอยู่แถวไหน
- งานที่ต้องใช้เครื่องมือหลายตัวต่อกัน
- วงจรปกติ: ตรวจ → แก้ → ทดสอบ
- ตัวเลือกหลักประจำวันใน Codex
GPT-6 Astra
เหมาะกับ:
- ปัญหาที่ยังไม่รู้ด้วยซ้ำว่าอะไรพัง
- ปัญหาที่พันกันหลายบริการ สิทธิ์การเข้าถึง เครือข่าย หรือข้อมูลที่เก็บไว้
- การไล่หาบั๊กที่ยืดเยื้อ
- การย้ายฐานข้อมูลและการจัดระเบียบโค้ดครั้งใหญ่
- งานที่ไปถึง 80% แล้วพังตรงจุดเดิมทุกครั้ง
- งานที่ Sol ตรวจอย่างจริงจังไปแล้วหนึ่งรอบแต่ยังปิดไม่ได้
กลุ่มสุดท้ายนี้แหละที่โมเดลราคาถูกมักทำ “โอทีแบบ AI” ค้นมากขึ้น ใช้โทเคนมากขึ้น บันทึกยาวขึ้น แต่ไม่ได้เข้าใกล้ต้นเหตุจริงเลย
7. แล้ว GPT-5.6 Terra อยู่ตรงไหน
ถ้าดูแค่ราคา Terra อยู่ในจุดที่ค่อนข้างอึดอัด
- GPT-5.6 Terra: ขาเข้า $2 / ขาออก $12
- GPT-6 Sol: ขาเข้า $2 / ขาออก $10
ขาเข้าราคาเท่ากัน แต่ขาออกของ Sol ถูกกว่า[3][8] แถม Sol ยังเป็นรุ่นใหม่กว่าที่ออกแบบมาสำหรับงานโค้ดซับซ้อนและงานหลายขั้นตอนที่ใช้เครื่องมือ[3]
ดังนั้นถ้าเริ่มโปรเจกต์ใหม่ แทบไม่มีเหตุผลด้านเงินที่จะใช้ Terra เป็นตัวหลัก แต่ถ้ามีคำสั่งที่ทดสอบกับ Terra ไว้แล้วและต้องการผลลัพธ์ที่คาดเดาได้ ใช้ต่อก็ยังสมเหตุสมผล โมเดลเปลี่ยนเร็วมาก จึงไม่ควรเปลี่ยนทั้งหมดในวันที่รุ่นใหม่ออก
สำหรับโปรเจกต์ใหม่ แบ่งสามระดับก็ครอบคลุมเกือบหมด
Luna = งานเยอะ กฎชัด / Sol = ตัวหลัก / Astra = งานยาก
8. ลองวัดกับงานจริงของตัวเองสัก 20 งาน
ผลทดสอบเปรียบเทียบเป็นแค่แผนที่ ไม่ใช่แผนผังสายไฟของโค้ดคุณเอง
แบ่งงานจริงออกเป็น 3–5 ประเภท แล้วจดไว้ประเภทละราว 20 งาน ดูเรื่องเหล่านี้:
- เสร็จได้โดยไม่ต้องสั่งเพิ่มบ่อยแค่ไหน
- ใช้เวลานานเท่าไรจนการทดสอบผ่าน
- ต้องลองใหม่กี่ครั้ง
- ใช้โทเคนหรือเครดิตไปเท่าไร
- คนต้องอ่านบันทึกมากแค่ไหน
- มีบั๊กใหม่โผล่หลังแก้หรือไม่
- สุดท้ายต้องเปลี่ยนโมเดลอยู่ดีบ่อยแค่ไหน
แล้วตัดสินจาก
ค่าใช้จ่ายรวมต่องานที่เสร็จหนึ่งชิ้น
และ
งานที่เสร็จต่อความสนใจของคุณหนึ่งนาที
เลือกโมเดลจากราคาต่อโทเคน ก็เหมือนสั่งข้าวจานเล็กราคาถูกสี่จานแล้วยังไม่อิ่ม สุดท้ายก็ต้องสั่งชุดใหญ่ราคาแพงอยู่ดี ที่เพิ่มขึ้นมามีแค่จำนวนครั้งที่สั่ง
สรุป: งานประจำวันใช้ Sol งานซ้ำ ๆ ใช้ Luna ปัญหาเขาวงกตใช้ Astra
GPT-6 Luna: งานจำนวนมากที่ชัดเจนและไม่เกี่ยวกัน
GPT-6 Sol: งาน Codex ทั่วไป
GPT-6 Astra: ปัญหาคลุมเครือ ยืดเยื้อ และข้ามหลายระบบ
สิ่งที่แพงจริงมักไม่ใช่การเลือก Astra แต่เป็นการเอางานยากไปรันกับ Luna หรือ Sol หลายรอบเพราะกลัว Astra แพง แล้วสุดท้ายก็ส่งให้ Astra อยู่ดี
สิ่งที่ได้จากโมเดลระดับบนไม่ใช่ราคาต่อคำที่ถูกลง แต่เป็นโอกาสที่จะทำงานให้เสร็จโดยไม่หลงทาง และเวลาที่คุณนั่งอ่านบันทึกเดิมเป็นรอบที่สี่ ก็นับเป็นต้นทุนเหมือนกัน
เอกสารอ้างอิง (9 รายการ)
- OpenAI ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com


