เมื่อ Google เปลี่ยนการจำกัดการใช้ Gemini เป็นระบบคิดตามพลังประมวลผล

ผลคือ คำถามสั้น ๆ อาจใช้โควตาน้อยมาก แต่การสนทนายาว ๆ หรือการใช้เครื่องมือขั้นสูง เช่น งานเขียนโค้ดหรือสร้างสื่อ จะกินโควตาเร็วกว่าเดิมมาก Google ระบุว่าระบบนี้สะท้อนความจริงที่ว่า งาน AI แต่ละประเภทใช้ทรัพยากรคอมพิวเตอร์ไม่เท่ากัน

ผลกระทบต่อผู้ใช้ฟรีและผู้ใช้แบบสมัครสมาชิก

ระบบ compute‑based quotas ถูกใช้กับทุกแพ็กเกจของ Gemini แต่แต่ละระดับจะมีงบ compute ต่างกัน

ตามเอกสารช่วยเหลือของ Google:

• ผู้ใช้ฟรี: ได้โควตามาตรฐาน
• AI Plus: ได้โควตาประมาณ 2 เท่าของผู้ใช้ฟรี
• AI Pro: ได้โควตาประมาณ 4 เท่าของผู้ใช้ฟรี
• AI Ultra: ได้โควตาสูงกว่ามาก ขึ้นกับผลิตภัณฑ์และฟีเจอร์ที่ใช้

ในงาน Google I/O 2026 บริษัทเปิดตัวแพ็กเกจใหม่ AI Ultra ราคา 100 ดอลลาร์ต่อเดือน ซึ่งให้ขีดจำกัดการใช้งานสูงขึ้นมาก ตัวอย่างเช่น ในเครื่องมือเขียนโค้ด Antigravity แพ็กเกจนี้มีเพดานการใช้สูงกว่า AI Pro ถึง 5 เท่า

กล่าวอีกแบบคือ ความแตกต่างของแพ็กเกจไม่ได้อยู่แค่ฟีเจอร์ แต่รวมถึง งบพลังประมวลผลที่ผู้ใช้สามารถใช้ได้

ทำไมผู้ใช้ถึงใช้โควตาหมดเร็ว

ปัญหาหลักของระบบใหม่คือ ความคาดเดายาก

ในระบบเดิม ผู้ใช้สามารถประมาณได้คร่าว ๆ ว่าตัวเองเหลือกี่คำสั่งต่อวัน แต่ระบบ compute‑based ทำให้เรื่องนี้ไม่ชัดเจนอีกต่อไป

เพราะการใช้โควตาขึ้นอยู่กับความหนักของงาน เช่น

• การเขียนโค้ดต่อเนื่อง
• การใช้ AI แบบ agent workflow
• การสร้างสื่อหรือใช้ฟีเจอร์ reasoning ขั้นสูง

มีรายงานจากผู้ใช้และนักพัฒนาว่า บางครั้งการทำงานเพียงไม่กี่เซสชันก็สามารถใช้โควตา ครบทั้งรอบ 5 ชั่วโมงหรือแม้แต่เพดานรายสัปดาห์ ได้แล้ว

ผู้ใช้บางรายจึงมองว่าการเปลี่ยนแปลงนี้เหมือน "bait‑and‑switch" หรือการเปลี่ยนเงื่อนไขภายหลัง เพราะรู้สึกว่าคุณค่าของแพ็กเกจแบบเสียเงินลดลง แม้ Google จะไม่ได้ลดระดับแพ็กเกจอย่างเป็นทางการ

การแก้สถานการณ์ฉุกเฉินของ Google

เสียงวิจารณ์ที่เกิดขึ้นทำให้ Google ต้องตอบสนองอย่างรวดเร็ว โดยเฉพาะใน Antigravity เครื่องมือเขียนโค้ดที่ใช้ Gemini

ภายในไม่กี่วันหลังเปิดใช้ระบบใหม่:

• Google เพิ่ม rate limit ของ Gemini ใน Antigravity เป็น 3 เท่า
• รีเซ็ตโควตารายสัปดาห์ให้ผู้ใช้ เพื่อให้สามารถทำงานต่อได้ทันที

หลังจากนั้นไม่นาน บริษัทก็ เพิ่มเพดานอีก 3 เท่า สำหรับบางส่วนของระบบ

การปรับอย่างรวดเร็วนี้สะท้อนว่า Google อาจประเมินต่ำไปว่าการใช้งานจริง โดยเฉพาะงานเขียนโค้ดหรือเวิร์กโฟลว์แบบ agent จะใช้ compute มากเพียงใด

บทเรียนเกี่ยวกับเศรษฐศาสตร์ของ AI

เหตุการณ์นี้สะท้อนความท้าทายสำคัญของอุตสาหกรรม AI

ระบบ AI สมัยใหม่มีต้นทุนที่ไม่เท่ากันในแต่ละงาน ตัวอย่างเช่น:

• คำตอบข้อความสั้น ๆ ใช้ทรัพยากรน้อย
• การให้เหตุผลยาว ๆ การเขียนโค้ด หรือการสร้างวิดีโอ ใช้ทรัพยากรมากกว่าหลายเท่า

ด้วยเหตุนี้ การจำกัดแบบ "นับจำนวนข้อความ" จึงเริ่มไม่สอดคล้องกับต้นทุนจริงของผู้ให้บริการ

แต่การเปลี่ยนเป็นโควตาที่วัดจาก compute ก็สร้างปัญหาใหม่: ผู้ใช้มักไม่รู้ว่าการใช้งานของตัวเองกำลังใช้ทรัพยากรไปเท่าไร

กรณีของ Gemini จึงแสดงให้เห็นความสมดุลที่ยากของบริษัท AI ระหว่างสามปัจจัยสำคัญ

• ต้นทุนการประมวลผลที่เพิ่มขึ้นของโมเดลขั้นสูง
• การตั้งข้อจำกัดที่ผู้ใช้เข้าใจง่าย
• การทำให้แพ็กเกจแบบสมัครสมาชิกยังคงรู้สึก "คุ้มค่า"

เมื่อผู้ช่วย AI มีความสามารถมากขึ้น—and ใช้พลังประมวลผลมากขึ้น—การหาสมดุลนี้น่าจะกลายเป็นหนึ่งในความท้าทายด้านผลิตภัณฑ์ที่สำคัญที่สุดของอุตสาหกรรม AI ในช่วงต่อไป