Claude Fable 5 ขึ้นแท่นผู้นำ แต่ Opus 4.8, GPT-5.5, และ Grok 4.3 ต่างก็มีช่วงเวลาที่เปล่งประกาย

ระดับ 2: จ้าวแห่งความเฉพาะทางและอสูรกายแห่งความเร็ว

Claude Opus 4.8 (Anthropic)

ก่อน Fable 5 จะมาถึง Opus 4.8 คือราชาที่ไม่มีใครโต้แย้ง เปิดตัวปลายเดือนพฤษภาคม 2026 ตอนนี้มันคือขุนพลหมายเลขสองที่ทรงพลังและยังเป็นโมเดลระดับท็อปด้วยตัวของมันเอง

• โดยรวมและเอเจนต์: เป็นโมเดลแรกที่เป็นผู้นำ Artificial Analysis Intelligence Index ด้วยคะแนน 61.4 และเป็นอันดับหนึ่งบนลีดเดอร์บอร์ด GDPval-AA ที่ 1890 Elo ก่อนที่จะถูก Fable 5 โค่นบัลลังก์
• การเขียนโค้ด: ทำคะแนนได้ 69.2% บน SWE-bench Pro และ 88.6% บน SWE-bench Verified
• คณิตศาสตร์: สร้างประวัติศาสตร์ด้วยการกระโดด 27 จุดบนมาตรวัดคณิตศาสตร์แข่งขัน USAMO 2026 จาก 69.3% เป็น 96.7% ใน 41 วัน
• ความซื่อตรง: โมเดลนี้มีอัตราการ "มั่ว" ข้อมูลข้อเท็จจริงต่ำที่สุดในหมู่เพื่อนร่วมรุ่น โดยหลักๆ แล้วเพราะมันเลือกที่จะไม่ตอบเมื่อไม่แน่ใจ มากกว่าการเดาคำตอบ

GPT-5.5 (OpenAI)

GPT-5.5 เปิดตัวเมื่อปลายเดือนเมษายน 2026 เป็นโมเดลแรกของ OpenAI ในเจเนอเรชันนี้ที่กลับมาทวงตำแหน่งผู้นำด้านประสิทธิภาพโดยรวม แต่มาพร้อมกับชุดทักษะที่เฉพาะทางกว่า

• การให้เหตุผลทางคณิตศาสตร์: เป็นโมเดลที่โดดเด่นที่สุดในเรื่องคณิตศาสตร์ โดยทำคะแนน 51.7% บน FrontierMath Tier 1-3 และ 35.4% บน Tier 4 ที่ยากอย่างเหลือเชื่อ ซึ่งเป็นการนำที่ขาดลอยจากคู่แข่ง
• งาน CLI อัตโนมัติ: ยังเป็นผู้นำบน Terminal-Bench 2.0 ด้วยคะแนน 82.7% สำหรับงาน command-line ที่ซับซ้อน เทียบกับ Claude Opus 4.7 ที่ได้ 69.4%
• บริบทยาว: GPT-5.5 กระโดดขึ้นถึง 37 จุดในการดึงข้อมูลบริบทยาว (MRCR v2) ได้คะแนน 74.0% ที่บริบท 1 ล้านโทเค็น ทิ้งรุ่นก่อนอย่าง GPT-5.4 ที่ได้ 36.6% ไว้เบื้องหลังอย่างสิ้นเชิง
• ข้อควรระวังเรื่องการเขียนโค้ด: แม้จะเป็นรอบด้านที่แข็งแกร่ง แต่คะแนน SWE-Bench Pro ที่ 58.6% ของมันตอนนี้ก็ตามหลังโมเดลของ Anthropic อย่างมีนัยสำคัญ

Gemini 3.5 Flash (Google)

เปิดตัวที่งาน Google I/O 2026 โมเดลนี้เป็นรุ่นในกลุ่ม 'Flash' ซึ่งหมายความว่ามันถูกออกแบบมาเพื่อความเร็วและความคุ้มค่าโดยไม่ลดทอนความสามารถในการต่อกรกับรุ่นใหญ่

• ความเร็วและความคุ้มค่า: มีรายงานว่ามันเร็วกว่า Gemini 3.1 Pro ถึง 4 เท่าในงานเอเจนต์และการเขียนโค้ด ด้วยราคาที่แข่งขันได้
• เอเจนต์และการใช้เครื่องมือ: ทำคะแนนได้แข็งแกร่ง 83.6% บน MCP Atlas ซึ่งเป็นมาตรวัดการทำงานแบบหลายขั้นตอนโดยใช้เครื่องมือ
• การเขียนโค้ดและวิชั่น: บน SWE-Bench Pro คะแนน 55.1% ของมันสูงกว่ารุ่นพี่อย่าง Gemini 3.1 Pro เล็กน้อย และทำได้ 84.2% บนมาตรวัดการให้เหตุผลด้วยภาพ CharXiv
• ตรวจสอบความเป็นจริงเรื่องโค้ด: ข้อมูลอิสระจาก Artificial Analysis แนะนำว่าคะแนนการเขียนโค้ดของมันอ่อนกว่าที่ Google เปรียบเทียบไว้อย่างมีนัยสำคัญ ดังนั้นประสิทธิภาพในโลกจริงสำหรับนักพัฒนาจึงยังคงต้องรอการพิสูจน์

Grok 4.3 (xAI)

เปิดตัวอย่างเงียบๆ เมื่อปลายเดือนเมษายน 2026 Grok 4.3 มุ่งเน้นไปที่ความคุ้มค่าและความเร็ว และเป็นเลิศในด้านเฉพาะกลุ่ม

• สถานะโดยรวม: ได้คะแนน 53 บน Artificial Analysis Intelligence Index ซึ่งจัดให้มันอยู่เหนือโมเดลระดับกลางอย่าง Claude Sonnet 4.6 แต่ก็ยังต่ำกว่าระดับท็อปอย่าง GPT-5.5, Claude Opus 4.7 และ Gemini 3.1 Pro อยู่ดี
• ราชาแห่งการทำตามคำสั่ง: ครองอันดับ #1 บน IFBench ด้วยคะแนน 81% เหนือกว่า GPT-5.5, Gemini 3.1 Pro และ Claude Opus 4.7
• การก้าวกระโดดแบบ Agentic: Grok 4.3 แสดงการกระโดดของคะแนน Elo ถึง +321 จุดบนมาตรวัดงานเอเจนต์ GDPval-AA เมื่อเทียบกับรุ่นก่อน ขึ้นไปถึงคะแนน 1500 และยังทำคะแนนนำโด่ง 98% บนมาตรวัด τ²-Bench Telecom
• อสูรกายแห่งความเร็ว: รายงานในช่วงแรกระบุความเร็วไว้ที่ 159 โทเค็นต่อวินาที โดยมาตรวัดอื่นๆ แสดงความเร็วระหว่าง 78.4 ถึง 196 โทเค็น/วินาที
• ราคาและขีดจำกัด: ตั้งราคามาอย่างดุเดือดที่ประมาณ $1.25/$2.50 ต่อล้านโทเค็น (อินพุต/เอาต์พุต) เป็นตัวเลือกที่คุ้มค่ามากสำหรับงานเฉพาะทาง แต่ไม่ใช่คู่แข่งด้านความฉลาดทั่วไป

ผู้ท้าชิงจากโอเพนซอร์ส: DeepSeek V4 Pro (DeepSeek AI)

เปิดตัวในเดือนเมษายน 2026 DeepSeek V4 Pro คือผู้ท้าชิงจากฝั่งโอเพนซอร์สที่แข็งแกร่งที่สุด มอบคุณค่าด้านการเขียนโค้ดที่เหลือเชื่อ แต่มาพร้อมกับข้อแม้สำคัญจากการตรวจสอบอิสระ

• ผู้นำด้านคุณค่าการเขียนโค้ด: ทำคะแนนได้น่าประทับใจ 80.6% บน SWE-bench Verified และ 93.5% บน LiveCodeBench ซึ่งใส่ๆ กับ Claude Opus 4.6 ในราคาเพียงเศษเสี้ยว (ประมาณ ~$3.48 ต่อล้านโทเค็นเอาต์พุต)
• คำตัดสินจาก CAISI: การประเมินอิสระโดย CAISI ซึ่งเป็นหน่วยงานของรัฐบาลสหรัฐฯ พบว่า ความสามารถของ DeepSeek V4 ตามหลังกลุ่มแนวหน้าอยู่ประมาณ 8 เดือน ในขณะที่ข้อมูลของ DeepSeek เองเปรียบเทียบมันกับ GPT-5.4 นั้น CAISI ได้ตรึงประสิทธิภาพของมันไว้ใกล้เคียงกับ GPT-5 เมื่อเดือนสิงหาคม 2025 มากกว่า
• อันดับโดยรวม: มันตามหลังยักษ์ใหญ่ที่เป็น closed-source ในด้านความรู้ทั่วไปและการใช้เหตุผลที่ซับซ้อน โดยอยู่ในอันดับ #39 จาก 123 โมเดลบนหนึ่งในลีดเดอร์บอร์ดที่กว้างกว่า

ความปลอดภัยและการประเมินอิสระ

การทดสอบความปลอดภัยที่เป็นมาตรฐานและเป็นอิสระยังคงหายากและมักไม่ถูกเผยแพร่

• DeepSeek V4 Pro (CAISI/NIST): การประเมินของรัฐบาลสหรัฐฯ ยังคงเป็นสัญญาณด้านความปลอดภัยที่โดดเด่นที่สุด โดยสรุปว่าความสามารถของมันตามหลังกลุ่มแนวหน้าอยู่ประมาณ 8 เดือน
• GPT-5.5 (AI Security Institute): สถาบันความปลอดภัย AI ของสหราชอาณาจักรรายงานว่า GPT-5.5 มีอัตราการผ่าน 71.4% สำหรับงานไซเบอร์ระดับผู้เชี่ยวชาญ โดยระบุว่า "อาจเป็นโมเดลที่แข็งแกร่งที่สุดที่เราเคยทดสอบ" ในมาตรวัดนั้น

วิธีมองผลลัพธ์เหล่านี้

มันน่าดึงดูดใจที่อยากจะประกาศหาผู้ชนะเพียงรายเดียว แต่ข้อมูลได้วาดภาพที่เป็นประโยชน์และนำไปใช้ได้จริงกว่านั้น:

• สำหรับความสามารถในการเขียนโค้ดและการทำงานแบบเอเจนต์ล้วนๆ Claude Fable 5 อยู่ในระดับที่แตกต่างอย่างสิ้นเชิง
• สำหรับการให้เหตุผลทางคณิตศาสตร์ขั้นสูงและงาน command-line อัตโนมัติ GPT-5.5 คือเครื่องมือที่ถูกเลือกใช้
• สำหรับโมเดลที่สมดุล คุ้มค่า รวดเร็วและเชื่อถือได้ Gemini 3.5 Flash เป็นตัวเลือกที่น่าสนใจ แม้ว่าคุณควรตรวจสอบประสิทธิภาพด้านโค้ดของมันกับงานของคุณอีกครั้ง
• หากคุณต้องการผู้เชี่ยวชาญสำหรับการให้เหตุผลทางกฎหมาย การเงิน หรือการทำตามคำสั่ง ในราคาต่ำ Grok 4.3 เป็นตัวเลือกที่ทรงพลังอย่างน่าประหลาดใจ
• หากคุณกำลังสร้างโปรเจกต์ด้วยงบประมาณจำกัดและต้องการการเขียนโค้ดระดับแนวหน้าด้วยลิขสิทธิ์โอเพนซอร์ส DeepSeek V4 Pro มีคุณค่าที่ไม่มีใครเทียบ แต่ความซับซ้อนในโลกแห่งความเป็นจริงของมันอาจไม่เทียบเท่ากับกลุ่มที่ดีที่สุด

โปรดจำไว้เสมอว่าเงื่อนไขของการทดสอบมาตรฐานนั้นมีความหลากหลาย (เช่น การ prompting, การใช้เครื่องมือ, ความพยายามในการให้เหตุผล) และไม่ใช่ตัวทำนายที่สมบูรณ์แบบสำหรับแอปพลิเคชันเฉพาะของคุณ