Grok 4.5 และ GPT-5.6 เปิดตัวห่างกันเพียงหนึ่งวัน แบ่งขั้วนักรีวิวออกเป็นสองฝั่ง ระหว่างคะแนนโค้ดดิ้งเชิงเอเจนต์ 91.9% ของ OpenAI กับข้อเสนอท้าชนราคาแนวหน้าของ SpaceXAI ที่คิดเพียง $2 ต่อหนึ่งล้านโทเคน
ประเด็นสำคัญ
- GPT-5.6 Sol นำหน้าส่วนใหญ่ในศึกเบนช์มาร์กแบบดวลตรง ขณะที่ Grok 4.5 ชนะขาดด้านราคา ความเร็ว และการใช้โทเคน
- ผู้ทดสอบอิสระจัดอันดับ Grok 4.5 อยู่อันดับ 4 ด้านความฉลาด พร้อมตั้งธงอัตรา “เพ้อ” (hallucination) พุ่งเท่าตัวแตะ 54%
- นักรีวิวมองว่า GPT-5.6 เด่นด้านงานเขียนและงานโค้ดต่อเนื่องยาว ส่วน Grok 4.5 เหมาะกับงานปริมาณมากที่ต้องคุมงบ
เบนช์มาร์ก Grok 4.5 ปะทะ GPT-5.6
SpaceXAI ปล่อย Grok 4.5 เมื่อ 8 ก.ค. ก่อนที่ OpenAI จะตอบด้วย GPT-5.6 ในวันถัดมา โดยวางตระกูลโมเดลให้รุ่นธง Sol จับคู่กับรุ่นประหยัด Terra และ Luna บริษัทเบนช์มาร์ก Artificial Analysis จัดอันดับ Grok รุ่นใหม่ไว้ที่อันดับ 4 บน Intelligence Index ทำได้ 54 แต้ม ตามหลัง Claude Fable 5, GPT-5.5 และ Opus 4.8
เมื่อดวลกันตรง ๆ ผลยังเทมาทาง OpenAI สกอร์การเปรียบเทียบเบื้องต้นหนึ่งชุด ระบุ GPT-5.6 Sol ทำได้ 86 คะแนน ขณะที่ Grok 4.5 อยู่ที่ 82 คะแนน ช่องว่างหลักมาจากงานเอเจนต์บนเทอร์มินัลที่ Sol ทำได้ 91.9% เทียบกับ 83.3% ส่วนค่าเฉลี่ยโค้ดดิ้งแทบเสมอกันที่ 64.7 ต่อ 64.6
OpenAI อ้าง ว่าเมื่อปรับ Sol ไปที่โหมด reasoning สูงสุด โมเดลทำสถิติใหม่ 80 คะแนนบน Coding Agent Index ซึ่งเป็นมาตรฐานอิสระ ขณะที่ Grok 4.5 ทำได้ 76 คะแนนเมื่อรันในเฟรมเวิร์ก Grok Build ด้านเศรษฐศาสตร์กลับตาลปัตร Grok คิด $2 ต่อหนึ่งล้านโทเคนฝั่งอินพุต เทียบกับ Sol ที่ $5 และงานโค้ดดิ้งหนึ่งงานจบ Grok อยู่ที่ราว $2.49 ขณะที่ Fable 5 แตะ $11.80
อ่านเพิ่มเติม: เม็ดเงินเดิมพัน Dodgers ทะลุ $68M เมื่อ Polymarket และ Kalshi เกาะกระแสเพลย์ออฟเบสบอล
โค้ดดิ้ง งานเขียน และงานใช้งานประจำวัน
รายงานจากการลองใช้จริงสะท้อนภาพคล้ายกัน เฟรมเวิร์กระยะยาวชุดหนึ่ง พบว่า Sol ปิดงานจริงบนรีโพซิทอรีมากกว่า 100 งานได้สำเร็จ 63.7% โดยไม่ต้องย้อนดีบักรอบแรก แถมยังรักษาทิศทางงานที่เป็นเช็กลิสต์ยาว ซับซ้อน และหลายขั้นตอนได้ดี การทดสอบโค้ดดิ้งอิสระอีกชุด ให้คะแนน Sol ที่ 92 จาก 100 และ Grok 4.5 ที่ 87 แต้ม ใกล้เคียงโมเดล open-weights ชั้นนำ
ด้านงานเขียน เสียงส่วนใหญ่ก็เอนเข้าข้าง Sol เช่นกัน ผู้ทดสอบระยะต้น บรรยาย ว่า Sol กลายเป็น “เครื่องมือหลัก” ที่ครอบคลุมงานความรู้ประจำวันได้ราว 80% และตามคู่มือสไตล์ขององค์กรได้เนียนกว่าคู่แข่ง
Grok 4.5 โต้กลับด้วยความเร็วและวินัย นักรีวิวที่ลองให้ทำงานจริง รายงาน ว่าได้ผลลัพธ์โครงสร้างชัดเจน เวิร์กโฟลว์สร้างโปรเจกต์รอบแรกสะอาด และตอบสนองในเวลาไม่ถึง 5 วินาที ด้วยสปีดเฉลี่ยราว 80 โทเคนต่อวินาที จุดติดคือ “ความแม่น” เพราะอัตราเพ้อที่วัดได้กระโดดจาก 25% เป็น 54% แม้ความถูกต้องเชิงข้อเท็จจริงจะขยับดีขึ้นเป็น 52%
คำตัดสินผู้เชี่ยวชาญ และคำถามเรื่องความน่าเชื่อถือ
อีลอน มัสก์ โปรโมต Grok 4.5 ว่าเป็น “โมเดลระดับ Opus แต่เร็วกว่ามาก กินโทเคนน้อยกว่า และต้นทุนต่ำกว่า” นักวิเคราะห์บางราย มองว่า ช่องว่างด้านราคารุนแรงกว่าช่องว่างด้านคะแนน เพราะ Grok ใช้โทเคนเฉลี่ย 1.9 ล้านต่อหนึ่งงาน เทียบกับ Fable 5 ที่เผาไป 7.2 ล้าน
ฝั่งสงสัยก็มีเหตุผลให้ต้องระวัง นักรีวิว ชี้ ว่าคะแนนวันเปิดตัวหลายชุดเป็นตัวเลขที่ผู้ขายรายงานเอง โมเดลไม่มีการปล่อย model card และ Cursor ต้องถอนเบนช์มาร์กภายในชุดหนึ่ง หลังพบว่า Grok ไปเทรนทับบนโค้ดเบสของบริษัทโดยไม่ได้ตั้งใจ ด้าน GPT-5.6 ก็มีเงื่อนไขของตัวเอง เมื่อ system card ของ OpenAI ยอมรับ ว่าโมเดลรุ่นใหม่มีแนวโน้ม “แหกคำสั่ง” บ่อยกว่ารุ่นก่อน
ศึกครั้งนี้ยังปิดฉากช่วงเวลาโกลาหลในอุตสาหกรรม SpaceX ควบรวม xAI เมื่อเดือนกุมภาพันธ์ จากนั้นปิดดีลซื้อ Cursor มูลค่า $60,000 ล้านในเดือนมิถุนายน และรีแบรนด์ห้องแล็บเป็น SpaceXAI เพียงสองวันก่อนเปิดตัว Grok 4.5 ฝั่ง OpenAI ใช้ช่วงปลายมิถุนายนไปกับการรอให้ Sol ผ่านการทบทวนจากหน่วยงานรัฐ ขณะที่ Fable 5 ของ Anthropic ซึ่งยังครองแชมป์เบนช์มาร์กที่เผยแพร่ต่อสาธารณะ 刷 ต้องพักให้บริการไป 19 วัน ก่อนกลับมาเมื่อ 1 ก.ค.
อ่านต่อ: อีเธอเรียมไล่บิตคอยน์ ทดสอบสมมติฐานกระทิงปี 2026 ของ Tom Lee