Anthropic เปิดตัว Opus 5 ทำไมข่าวนี้เป็นเรื่องราคา ไม่ใช่แค่ความเก่ง
ในสัปดาห์ที่ผ่านมามีการเปิดตัวโมเดล AI ใหม่หลายตัว แต่ตัวที่คนในวงการพูดถึงมากที่สุดคือ Opus 5 ของ Anthropic บริษัทเจ้าของ Claude และสิ่งที่ทำให้ข่าวนี้น่าสนใจ ไม่ใช่เพราะมันฉลาดขึ้นแบบพลิกโลก แต่เพราะมันบอกทิศทางที่ทั้งวงการกำลังเดินไป จากการแข่งกันสร้างโมเดลที่ใหญ่ขึ้นเรื่อย ๆ มาเป็นการทำให้โมเดลที่เก่งพออยู่แล้ว ราคาถูกลงและกินทรัพยากรน้อยลง
วันที่ 24 กรกฎาคม 2026 Anthropic ประกาศเปิดตัว Opus 5 โมเดลรุ่นใหญ่ตัวใหม่ในตระกูล Claude ออกมาหลังจาก Opus 4.8 ราวสองเดือน TechCrunch รายงานว่า Opus 5 มีขนาดเล็กกว่าโมเดลตัวท็อปของ Anthropic เอง แต่กลับทำคะแนนในหลาย benchmark ได้เหนือกว่า ขณะที่ The Verge พาดหัวว่าความสามารถของมัน ใกล้เคียง กับรุ่นท็อป
ทำไมนี่เป็นเรื่องประสิทธิภาพ ไม่ใช่การกระโดดของความเก่ง
ปกติเวลาโมเดลใหม่ออก เรามักคาดหวังว่ามันจะฉลาดกว่าเดิมชัด ๆ ตอบยากขึ้นได้ ทำสิ่งที่รุ่นก่อนทำไม่ได้ แต่รอบนี้ Ars Technica สรุปไว้ตรงมากว่าข่าว Opus 5 เป็นเรื่องของการใช้ token อย่างคุ้มค่า ไม่ใช่การกระโดดของความสามารถ
แปลเป็นภาษาคนคือแบบนี้ ทุกครั้งที่คุณใช้ AI ระบบจะนับปริมาณข้อความที่มันต้องอ่านและเขียนออกมาเป็นหน่วยที่เรียกว่า token และ token คือหน่วยที่กลายเป็นต้นทุนจริง ทั้งเวลา โควตา และเงิน โมเดลที่ทำงานระดับเดิมได้ โดยใช้ token น้อยลงและมีขนาดเล็กลง ก็แปลว่ามันถูกลงและเร็วขึ้นสำหรับงานเดียวกัน
นี่คือเหตุผลที่ TechCrunch ระบุว่า Opus 5 ถูกกว่าโมเดลตัวท็อปของ Anthropic เอง คุณจึงได้ผลลัพธ์คุณภาพใกล้เคียงของแพง ในราคาที่ย่อมเยากว่า สำหรับคนที่ใช้ AI ทำงานจริงทุกวัน หรือธุรกิจที่ต่อ AI เข้ากับระบบผ่าน API เรื่องราคาต่อ token นี่แหละคือสิ่งที่กระทบบิลปลายเดือนตรง ๆ มากกว่าคะแนน benchmark สวย ๆ
แล้วมันเก่งขึ้นตรงไหนจริง
จุดที่ Anthropic บอกว่า Opus 5 ทำได้ดีขึ้นชัดคือการตรวจงานของตัวเอง มันเก่งขึ้นเรื่องการไล่เช็กสิ่งที่ตัวเองทำ แล้วแก้วนไปเรื่อย ๆ จนกว่าจะสำเร็จ TechCrunch ยกตัวอย่างว่ามันเขียนระบบประมวลผลภาพขึ้นมาได้เองจากโจทย์ที่ให้มาไม่ครบ
ทักษะนี้ฟังดูเทคนิค แต่มันสำคัญกับงานจริงมาก งานส่วนใหญ่ที่เราอยากให้ AI ช่วย ไม่ใช่คำถามเดียวจบ แต่เป็นงานหลายขั้นต่อเนื่อง เช่นค้นข้อมูล สรุป เขียนร่าง แล้วแก้ตามที่สั่ง โมเดลที่รู้จักย้อนกลับมาดูงานตัวเองว่ายังมีจุดพลาดไหม แล้วแก้เองก่อนส่ง ย่อมพึ่งพาได้กว่าโมเดลที่ตอบรวดเดียวแล้วจบ ไม่ว่าจะถูกหรือผิด
เรื่องนี้สำคัญกับคุณอย่างไร
ถ้าคุณเป็นคนใช้ AI ทั่วไปหรือเจ้าของธุรกิจ เก็บสองข้อนี้กลับไป
ข้อแรก ต้นทุนของ AI ที่เก่งพอใช้งานจริงกำลังถูกลงเรื่อย ๆ อย่างรวดเร็ว สิ่งที่เมื่อเดือนก่อนต้องใช้โมเดลที่แพงที่สุดถึงจะทำได้ดี เดือนนี้โมเดลที่เล็กกว่าและถูกกว่าก็เริ่มทำได้ในระดับใกล้เคียง แปลว่าถ้าตอนนี้คุณรู้สึกว่าค่าใช้ AI แพงไป รอดูอีกไม่กี่เดือนราคาต่อคุณภาพมักดีขึ้นเสมอ การไม่รีบผูกตัวเองกับสัญญายาว ๆ จึงมักได้เปรียบ
ข้อสอง คุณไม่จำเป็นต้องใช้โมเดลที่แพงที่สุดกับทุกงาน งานส่วนใหญ่ในชีวิตประจำวัน เช่นร่างอีเมล สรุปเอกสาร ตอบลูกค้าเบื้องต้น โมเดลรุ่นกลางที่ถูกกว่าก็ทำได้ดีพอ เก็บโมเดลรุ่นท็อปไว้ใช้กับงานที่ยากจริง ๆ เช่นงานที่ต้องคิดหลายชั้นหรือเขียนโค้ดซับซ้อน การเลือกขนาดโมเดลให้พอดีกับงาน คือวิธีประหยัดที่ได้ผลที่สุดวิธีหนึ่ง และข่าว Opus 5 ก็ตอกย้ำว่าตัวเลือกที่ถูกลงแต่ยังเก่งมีมากขึ้นทุกที
ข้อควรระวังในการอ่านข่าวแบบนี้
สองเรื่องที่ควรตั้งสติ หนึ่ง คะแนน benchmark ที่บริษัทเจ้าของโมเดลประกาศเองเป็นการวัดในสนามที่บริษัทเลือก ควรฟังหูไว้หูและรอผลการใช้งานจริงจากคนภายนอกประกอบ สอง คำว่า ใกล้เคียงรุ่นท็อป ไม่ได้แปลว่าเท่ากัน ในงานที่ยากที่สุดโมเดลตัวใหญ่กว่ายังมักได้เปรียบอยู่ วิธีที่ดีที่สุดคือลองเอางานจริงของคุณไปทดสอบเทียบเอง แล้วดูว่าตัวไหนให้ผลคุ้มราคาที่สุดสำหรับงานของคุณ ไม่ใช่เชื่อพาดหัวข่าวอย่างเดียว
แต่ถ้าจะเก็บกลับไปแค่ประโยคเดียว ให้เก็บอันนี้ การแข่งขันรอบใหม่ของวงการ AI ไม่ได้อยู่ที่ใครฉลาดกว่าอย่างเดียวแล้ว แต่อยู่ที่ใครให้ความเก่งระดับเดิมได้ในราคาถูกกว่า และคนที่ได้ประโยชน์ที่สุดจากการแข่งแบบนี้คือคนใช้อย่างเราทุกคน