GPT‑5.6 ขยายขีดจำกัดของประสิทธิภาพต่อราคา

 (openai.com)
1 คะแนน โดย GN⁺ 3 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • OpenAI สะท้อนการปรับปรุงประสิทธิภาพของโมเดล ระบบอนุมาน และ agent harness ไปยังด้านราคาและความเร็วในการประมวลผล เพื่อเพิ่ม ประสิทธิภาพต่อดอลลาร์ ของ AI สำหรับองค์กร
  • ตั้งแต่วันที่ 30 กรกฎาคม ราคา Luna ลดลง 80% และ Terra ลดลง 20% โดยใน API ต่อ 1 ล้านโทเค็น Luna จะคิดราคาขาเข้า $0.20·ขาออก $1.20 และ Terra ขาเข้า $2·ขาออก $12
  • Luna มอบประสิทธิภาพใกล้เคียงโมเดลระดับล้ำหน้าสุดเมื่อ 1 ปีก่อน ด้วยต้นทุนต่อภารกิจเพียงประมาณ 6% และเร็วขึ้นเกือบ 9 เท่า ขณะที่ใน Agents’ Last Exam ทำผลงานได้สูงกว่า Fable 5 พร้อมต้นทุนต่อภารกิจโดยประมาณต่ำกว่าราว 99%
  • Fast mode ของ GPT‑5.6 Sol เข้ามาแทนที่ Priority Processing และให้ความเร็วสูงกว่า Standard ได้สูงสุด 2.5 เท่าที่ราคา 2 เท่า โดยยังคงระดับสติปัญญาเดิม
  • องค์กรสามารถปรับ สมดุลระหว่างสติปัญญา·ความเร็ว·ต้นทุน ผ่านการประเมินเป็นลำดับขั้น โดยใช้ Sol กับงานวางแผนและคลี่คลายความไม่แน่นอน และใช้ Luna กับการนำไปทำจริงและการทดสอบที่ชัดเจน

การลดราคา Luna·Terra และการเพิ่มความเร็วของ Sol

  • การปรับปรุงประสิทธิภาพการทำงานของ GPT‑5.6 นำไปสู่การลดราคาของ Luna·Terra และการปรับปรุงความเร็วในการประมวลผล API ของ Sol
  • Luna ซึ่งเป็นโมเดลที่เร็วและถูกที่สุด ลดลง 80% และ Terra ซึ่งเป็นโมเดลสมดุลสำหรับงานประจำวัน ลดลง 20%
    • ใน Codex และ ChatGPT Work แบบสมัครสมาชิกแบบชำระเงิน การใช้งานสองโมเดลนี้ก็จะถูกคิดเป็นเครดิตน้อยลงเช่นกัน
    • ราคาสมาชิกและงบโควตาที่จัดสรรไม่ได้เปลี่ยนแปลง
  • Luna สามารถใช้เครื่องมือเพื่อทำเวิร์กโฟลว์หลายขั้นตอนให้เสร็จสิ้นได้ จึงช่วยลดต้นทุนการดำเนินงานของงานปริมาณมากที่ต้องการคุณภาพสูง
  • ราคา Sol ไม่มีการเปลี่ยนแปลง

การเลือกโมเดลให้เหมาะกับผลลัพธ์ของงาน

  • การใช้งาน AI อย่างมีประสิทธิภาพต้องกำหนดสมดุลระหว่างสติปัญญา ความเร็ว ความน่าเชื่อถือ และต้นทุน ให้สอดคล้องกับ ความสำคัญ·ต้นทุนของความผิดพลาด·ความเร่งด่วน·ขนาดงาน
    • แม้จะเป็นเวิร์กโฟลว์เดียวกัน จุดที่เหมาะสมที่สุดอาจต่างกันไปในแต่ละขั้นตอน
  • Luna มอบประสิทธิภาพใกล้เคียงโมเดลที่เคยเป็นระดับล้ำหน้าสุดเมื่อ 1 ปีก่อน ด้วยต้นทุนต่อภารกิจเพียงประมาณ 6% และเร็วขึ้นเกือบ 9 เท่า
  • ใน Agents’ Last Exam ซึ่งวัดงานเฉพาะทาง Luna แสดงผลงานสูงกว่า Fable 5 พร้อมลดต้นทุนต่อภารกิจโดยประมาณได้ราว 99%
  • องค์กรสามารถกำหนดผลลัพธ์ที่ต้องการและเกณฑ์คุณภาพก่อน แล้วใช้การประเมินเพื่อแยกช่วงที่สติปัญญาเพิ่มเติมช่วยยกระดับผลลัพธ์อย่างมีนัยสำคัญ ออกจากช่วงที่การประมวลผลต้นทุนต่ำยังคงให้คุณภาพเท่าเดิม
    • ในเวิร์กโฟลว์การเขียนโค้ด Sol สามารถใช้เพื่อคลี่คลายความไม่แน่นอนและวางแผน
    • การนำการเปลี่ยนแปลงที่กำหนดไว้อย่างชัดเจนไปทำจริง การเขียนและรันทดสอบ รวมถึงการประเมินผลลัพธ์ สามารถให้ Luna รับผิดชอบได้
  • ตระกูล GPT‑5.6 ขยายทางเลือกในการใช้ระดับสติปัญญาที่เหมาะกับแต่ละขั้นตอน และจ่ายต้นทุนให้สอดคล้องกับมูลค่าที่สร้างขึ้น

การปรับปรุงประสิทธิภาพตั้งแต่โมเดลไปจนถึงเอเจนต์

  • การเพิ่มประสิทธิภาพเกิดขึ้นร่วมกันทั้งที่ ตัวโมเดล ระบบอนุมานที่รันโมเดล และ agent harness ที่เชื่อมต่อเครื่องมือกับบริบท
    • โมเดล GPT‑5.6 จัดการงานผ่านเส้นทางที่ตรงกว่าเดิม
    • การ routing ที่ดีขึ้นช่วยเพิ่มการใช้ประโยชน์จากฮาร์ดแวร์
    • ซอฟต์แวร์โปรดักชันที่ปรับแต่งแล้วสร้างโทเค็นได้อย่างมีประสิทธิภาพมากขึ้น
    • การจัดการบริบทที่ดีขึ้นช่วยให้เอเจนต์ไม่ทำงานที่เสร็จแล้วซ้ำอีก
  • ทำให้งานที่มีประโยชน์เสร็จได้มากขึ้นด้วยทรัพยากรคอมพิวต์เท่าเดิม จึงลดเวลา โทเค็น และต้นทุนต่อผลลัพธ์

การเพิ่มประสิทธิภาพเพิ่มเติมที่ Sol สนับสนุน

  • ในกระบวนการที่มนุษย์เป็นผู้กำกับ GPT‑5.6 Sol ได้เขียนและปรับแต่ง production kernel ใหม่โดยอัตโนมัติ
  • Sol ออกแบบและรันการทดลองหลายร้อยรายการเพื่อปรับปรุงการสร้างโทเค็น และเฝ้าติดตามการเรียนรู้พร้อมเข้าแทรกแซงเมื่อเกิดปัญหา
  • งานด้าน kernel ช่วยลดต้นทุนแบบ end-to-end ของการให้บริการโมเดลลง 20% และจากการทดลองยังเพิ่มประสิทธิภาพการสร้างโทเค็นได้ มากกว่า 15%
  • เมื่อประสิทธิภาพและความเป็นอัตโนมัติของโมเดลสูงขึ้น ก็เกิดวงจรป้อนกลับที่ช่วยเร่งความเร็วในการค้นหาการปรับปรุงประสิทธิภาพรอบถัดไป
  • ดูกระบวนการวิศวกรรมที่เกี่ยวข้องได้ที่ บทนำสู่การปรับปรุงประสิทธิภาพของ GPT‑5.6

กลยุทธ์คอมพิวต์ที่รองรับการขยายตัว

  • การตอบสนองต่อความต้องการสติปัญญาปริมาณมาก ไม่ได้ต้องการเพียงทรัพยากรคอมพิวต์ที่มากขึ้น แต่ยังต้องการ คอมพิวต์ที่มีผลิตภาพสูง ด้วย
  • OpenAI กำลังสร้างพอร์ตโฟลิโอโครงสร้างพื้นฐานที่มีความยืดหยุ่น และวางแต่ละเวิร์กโหลดไว้บนระบบที่เหมาะสมที่สุดต่อการรัน
    • การลดราคา Luna และ Terra ทำให้การดำเนินงานปริมาณมากในสเกลใหญ่มีความคุ้มค่ามากขึ้น
    • Fast mode มอบการเข้าถึง API ที่เร็วขึ้นสำหรับงาน Sol ที่เวลาในการตอบสนองมีความสำคัญ
  • ทำให้การดำเนินงานอย่างกว้างขวางในด้านการวิเคราะห์เอกสารขนาดใหญ่ การจัดหมวดหมู่ปฏิสัมพันธ์กับลูกค้า และงานนำไปทำจริงแบบทำซ้ำ มีความคุ้มค่ามากขึ้น
  • เวิร์กโหลด Sol ที่ซับซ้อนสามารถประมวลผลได้เร็วขึ้นเมื่อความเร็วมีความสำคัญมากพอที่จะคุ้มกับต้นทุนเพิ่มเติม
  • โมเดลที่ทรงพลังกว่ายังช่วยสนับสนุนการปรับปรุงต่อเนื่องของทีมเทคนิค ทำให้ระยะเวลาที่ใช้เพื่อเพิ่มประสิทธิภาพและลดต้นทุนสั้นลง

การทำงานและความเข้ากันได้ของ Fast mode

  • Fast mode ของ API เข้ามาแทนที่ Priority Processing และสอดคล้องกับ /fast ของ Codex
  • ใน GPT‑5.6 Sol จะให้ความเร็วสูงกว่า Standard ได้สูงสุด 2.5 เท่า ที่ราคา 2 เท่า โดยไม่เปลี่ยนระดับสติปัญญา
  • ยังคงความเข้ากันได้ย้อนหลัง ทำให้คำขอ API เดิมที่กำหนดแท็ก priority ยังใช้งานต่อได้

ขอบเขตการให้บริการและค่าบริการ API

  • GPT‑5.6 Terra และ Luna ยังคงให้บริการใน ChatGPT Work, Codex, OpenAI API
    • ผู้ใช้ Free·Go ของ ChatGPT Work และ Codex สามารถเข้าถึง Terra ได้
    • ผู้ใช้ Plus·Pro·Business·Enterprise สามารถเลือกใช้ Terra และ Luna ได้
  • ตั้งแต่วันที่ 30 กรกฎาคม ราคาต่อ 1 ล้านโทเค็นของ API เป็นดังนี้
    • Terra: ขาเข้า $2, ขาออก $12
    • Luna: ขาเข้า $0.20, ขาออก $1.20
  • ราคาสมาชิกและงบโควตาของ ChatGPT และ Codex ยังคงเดิม แต่เครดิตที่ใช้เมื่อใช้ Terra และ Luna จะลดลง
  • บน AWS การเปลี่ยนแปลงราคาจะทยอยมีผลตั้งแต่ช่วงปลายวันที่ 30 กรกฎาคม
  • ดูค่าบริการทั้งหมดได้ที่ ข้อมูลราคา API

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 3 시간 전
ความคิดเห็นจาก Hacker News

  • คำพูดของ John Wanamaker ที่ว่า “ครึ่งหนึ่งของงบโฆษณาถูกใช้ไปอย่างสูญเปล่า แต่ไม่รู้ว่าครึ่งไหน” ดูจะเข้ากับเรื่อง การเลือกโมเดล มากกว่า เรารู้อยู่ว่างานส่วนใหญ่ไม่จำเป็นต้องใช้โมเดลทรงพลัง แต่การแยกให้ออกว่างานไหนง่ายงานไหนยากนั้นเองก็เป็นปัญหาที่แก้ยาก และอาจตัดสินไม่ได้ด้วยซ้ำ

    • ไม่ยากขนาดนั้น แค่หาไลบรารีที่ช่วยแก้ ปัญหาการหยุดทำงาน ได้พอประมาณก่อน ก็เริ่มได้เลย
    • เรายังไปไม่ถึงขั้น รันเอเจนต์ 1,000 ตัวพร้อมกัน ตอนนี้เรายังใส่ใจจัดการงานสำคัญที่เอเจนต์ทำด้วยตัวเองอยู่ จึงไม่มีเหตุผลมากพอที่จะเลือกโมเดลที่ด้อยกว่าตัวล้ำสมัย เรื่องนี้อาจต่างออกไปสำหรับงานนอกเหนือจากการเขียนโค้ด
    • ถ้ามีทั้งเอเจนต์และผู้ใช้ ก็สามารถ รันการประเมินเพื่อดูขีดจำกัดของโมเดล ได้ Luna อาจไม่ได้เด่นที่สุดเรื่องการเรียกใช้เครื่องมือ แต่ถ้ากำหนดปัญหาและเครื่องมือให้ชัด ก็ให้ผลใกล้เคียง Gemini 4 Flash ได้ในต้นทุนที่ถูกกว่ามาก
    • มุมมองใน https://news.ycombinator.com/item?id=49113236 เข้าทีมาก
      HN จะรันแบบ BBS ด้วยฮาร์ดแวร์ยุค 1970 ก็ยังได้ แต่ในความเป็นจริงเรากลับใช้ CPU ที่มีทรานซิสเตอร์ราว 10,000 ล้านตัว ทำงานแทบจะเหมือนกัน แทนที่จะใช้แค่ราว 10,000 ตัว และก็ไม่ได้คิดมากกับเรื่องนี้

  • พอเห็นว่า “ตั้งแต่วันนี้จะลดต้นทุนของ GPT‑5.6 Luna ซึ่งเป็นโมเดลที่เร็วและถูกที่สุด ลง 80%” ก็พูดไม่ออก เดิมคิดว่าเราเข้าสู่ช่วงชะงักที่ดีขึ้นแค่ 5~10% ในช่วงหลายเดือนแล้ว แต่พอมีการเปลี่ยนแปลงแบบก้าวกระโดดนี้ ก็อดสงสัยไม่ได้ว่า จุดต่ำสุดของราคา อยู่ตรงไหน

    • เมื่อความฉลาดของโมเดลสามารถจัดการ 90~95% ของงานความรู้ในปัจจุบันได้อย่างเสถียร เราน่าจะฝังน้ำหนักโมเดลลงในซิลิคอนและทำให้ความคุ้มค่าต่อราคาดีขึ้นอีก 10 เท่า
      คลัสเตอร์ GPU แบบไดนามิกจะถูกใช้กับอีก 5% ที่เหลือและการขยายขอบเขตแนวหน้าล้ำสมัย ส่วนงานที่ตอนนี้ยากเกินไปสำหรับคนทำงานความรู้ส่วนใหญ่ก็จะเริ่มทำได้เช่นกัน
    • ตอนนี้ยังไม่รู้ว่าราคาปัจจุบันมีต้นทุนจริงอยู่เท่าไร และมีส่วนไหนเป็น กลยุทธ์ยึดตลาดด้วยเงินอุดหนุนจากนักลงทุน ถ้า OpenAI มั่นใจเรื่องเงินทุน ก็อาจเป็นความพยายามกดดัน Anthropic ที่มีสินค้าหลักอยู่ในตลาด
    • เป็นตัวเลขที่น่าทึ่งจนแทบไม่น่าเชื่อ แม้ประสิทธิภาพจะด้อยกว่าคู่แข่งไม่กี่เปอร์เซ็นต์ แต่ถ้า ถูกกว่ามากกว่า 80% และให้บริการโดยบริษัทอเมริกันบนไฮเปอร์สเกลคลาวด์ของสหรัฐ บริษัทส่วนใหญ่ก็คงหาเหตุผลยากที่จะเลือกอย่างอื่น
    • ความหมายคือค่าใช้จ่ายลดลง 80% ไม่ได้แปลว่าประสิทธิภาพดีขึ้น 80% Luna อาจแพงมาตั้งแต่แรกก็ได้ และข้อมูลเกี่ยวกับตัวโมเดลเองก็ยังมีน้อย
      ถ้าเป็นการเพิ่มประสิทธิภาพจริง ก็น่าจะมีต้นทุนแลกเปลี่ยนอย่าง quantization เชิงรุกหรือการบีบอัด KV cache ที่ทำให้คุณภาพลดลง
    • แค่ดีขึ้น 5~10% ทุกไม่กี่เดือนก็น่าทึ่งมากแล้ว อยากรู้ว่า Kimi 3 กำลังกดดัน Anthropic, OpenAI และ Google ภายในมากแค่ไหน
      ยิ่งโทเคนเร็วขึ้นและถูกลงทุกปี โรงงาน AI ที่เลียนแบบทีมผู้เชี่ยวชาญและการทำงานแบบขนานในระดับสูงกว่ามากก็จะกลายเป็นจริง

  • การทำให้ Luna ที่เดิมก็ทั้งถูกและแรงอยู่แล้ว ถูกลงอีก 5 เท่า เป็นเรื่องน่าทึ่ง ที่ทำงานใช้ Sol ที่บ้านใช้ Luna ความต่างชัดเจนแต่ไม่ถึงกับทิ้งห่าง รู้สึกว่าหลังจากราคาขึ้นต่อเนื่องมา 1 ปี ตอนนี้เริ่มกลับลงอีกครั้งเพราะ Luna, Kimi K3 และ GLM 5.2

    • มองว่านี่เป็นกระแสเดียวกับ Kimi หรือ GLM ได้ยาก GLM 5.2 ขึ้นราคาแรงตามมาตรฐานโมเดลจีน และ Kimi K3 ก็ขึ้นต่อจากนั้นจนเข้าใกล้ราคา OpenAI
      ขณะที่ OpenAI กับ Anthropic ก็ขึ้นราคามาหลายเดือน ก่อนที่แล็บอเมริกันจะ ลดราคาลงอย่างมาก จึงดูเป็นกระแสตรงข้ามมากกว่า
    • บริษัทต่าง ๆ กำลังแข่งกันยึดตลาดแบบไม่หลับไม่นอน ดังนั้นสุดท้ายก็เป็นแค่ เรื่องของเวลา
    • ยังสงสัยว่า Kimi ถูกจริงหรือไม่ เพราะจริง ๆ แล้วเป็นโมเดลที่ค่อนข้างแพง
    • งานอย่างการแก้บั๊กที่ตรวจสอบผลลัพธ์ได้ ถ้าเขียน กระบวนการตรวจสอบที่เหมาะสม ไว้ ก็ใช้โมเดลไหนก็ได้

  • มีการบอกว่า “งานระดับเคอร์เนลช่วยลดต้นทุนปลายทางของการให้บริการโมเดลลง 20% และจากการทดลองทำให้ประสิทธิภาพการสร้างโทเคนดีขึ้นมากกว่า 15%” ถ้าต้นทุนการให้บริการ GPT-5.6 ลดลง 20% นี่หมายถึงประหยัดเงินได้หลายพันล้านดอลลาร์ต่อเดือนหรือเปล่า
    ตามเอกสาร IPO ของ SpaceX, Anthropic ใช้เงิน 1.25 พันล้านดอลลาร์เพื่อเช่ากำลังประมวลผล inference ของดาต้าเซ็นเตอร์ Colossus สองแห่ง แต่เมื่อรวมความจุเดิมจาก AWS และที่อื่น ๆ ก็ยังไม่รู้ว่านี่คิดเป็นสัดส่วนเท่าไรของทั้งหมด ต้นทุน inference รายเดือนของ OpenAI ก็น่าจะอยู่ระดับหลายพันล้านดอลลาร์ ดังนั้นการ ลดลง 20% ถือว่าใหญ่มาก

    • ราว 2 ปีก่อน Gemini 2.5 ยังช่วยปรับปรุงเคอร์เนลของตัวเองเพื่อให้ได้ ประสิทธิภาพเพิ่มขึ้น 1% อย่างยากลำบาก แต่ตอนนี้ขึ้นมาถึง 20% แล้ว
    • ลองนึกภาพว่าเขียนในเรซูเม่ว่า “ลดต้นทุน inference ลง 20% ทำให้บริษัท ประหยัดเงินได้หลายพันล้านดอลลาร์ต่อเดือน”

  • การเปลี่ยนแปลงครั้งนี้ให้ความรู้สึกเหมือน ช่วงเปลี่ยนผ่านจากอินเทอร์เน็ตหมุนโทรศัพท์ไปสู่บรอดแบนด์ ก่อนหน้านี้ก็แนะนำ Luna สำหรับงานวิจัยเชิงลึกอยู่แล้ว แต่พอรันได้มากขึ้น 5 เท่าด้วยต้นทุนเท่าเดิม นี่ใหญ่มาก
    ตอนนี้ก็รันเอเจนต์ 10 ตัวแบบขนานเพื่อสร้างสมมติฐานอยู่แล้ว แต่ 50 ตัวนี่จินตนาการยาก ถ้ารันพรอมป์ต์และโมเดลเดียวกันซ้ำหลายสิบครั้งโดยแทบไม่ต้องกังวลเรื่องค่าใช้จ่าย สถิติก็จะน่าสนใจและทรงพลังขึ้นมาก

    • อยากรู้ว่า ‘งานวิจัยเชิงลึก’ ทำกันอย่างไรแบบเจาะจง
    • อยากรู้เพิ่มเกี่ยวกับการสร้างสมมติฐานและกระบวนการวิจัย มองว่าความคิดที่ดีต้องการพลังการให้เหตุผลมากกว่าเลยใช้ Sol แต่หลังจากจุดหนึ่งไปแล้ว ก็ดูเหมือนว่า ปริมาณอาจดีกว่าคุณภาพ
    • อยากรู้ว่างานแบบไหนได้ประโยชน์จาก การเพิ่มจำนวนเอเจนต์ และงานแบบไหนไม่ค่อยได้

  • ราคาใหม่ของ Luna เกินความคาดหมาย และดูเหมือนไม่มีอะไรในตลาดจะสู้ ความคุ้มค่าต่อราคา นี้ได้
    สำหรับแอปโปรดักชัน ตอนนี้ OpenAI เป็นผู้ให้บริการที่ดีที่สุดอย่างชัดเจน API เสถียร มีฟีเจอร์ครบ และความคุ้มค่าต่อราคาก็ดีตลอดทั้งตระกูลโมเดล เคยใช้โมเดล open weight อย่าง Kimi K2.5 บน Fireworks มานาน แต่มีปัญหาเป็นระยะ ๆ และ Anthropic กับ Google ก็คล้ายกัน OpenAI เร็วและให้ความคุ้มค่าต่อราคาดีกว่าในแทบทุกระดับความฉลาด

    • OpenAI API เสถียรมาก จนจำไม่ได้แล้วว่าครั้งล่าสุดที่มี เหตุขัดข้องหรือระบบล่ม คือเมื่อไร

  • ปกติจะดู กราฟความคุ้มค่าต่อราคาของ OpenRouter แล้วเปิด "Show Pareto" ทางขวา สำหรับโปรเจกต์ส่วนตัวยังใช้ GLM-5.2 อยู่ แต่ตอนนี้ Luna กลายเป็นตัวเลือกง่าย ๆ แล้ว

    • สงสัยว่า OpenRouter ไม่ได้ลดราคา Luna กับ Terra 50% มาตั้งแต่เปิดตัวหรือ หลังการลดครั้งนี้แล้วส่วนลดนั้นจะเป็นอย่างไรก็ไม่รู้
    • ตามเอกสารทางการ Luna ดูใกล้กับตระกูลโมเดล Nano รุ่นก่อนหน้า เลยสงสัยว่า ประสิทธิภาพด้านการเขียนโค้ด ดีจริงหรือไม่

  • การ ลดราคา 80% ของ Luna ถือว่าดุดันมาก สำหรับงานส่วนใหญ่ที่ไม่ต้องการความฉลาดระดับแนวหน้า มันเป็นตัวเลือกที่ดีกว่าแบบขาดลอย และบางครั้ง Luna ก็สู้กับ Opus 5 ได้

    • Luna เป็นโมเดลที่ทำมาเพื่อแข่งกับ Haiku เลยสงสัยว่างานแบบไหนที่มัน เทียบชั้น Opus ได้
    • มีความต่างที่สังเกตได้ระหว่าง xhigh ของ Sol กับ max ของ Luna โดย Sol เข้าใจพรอมป์ต์ได้ดีกว่า และกับ Luna ต้องสั่งให้เฉพาะเจาะจงและชัดเจนกว่า

  • ผมเติมโทเคน DeepSeek v4 flash ไว้ล่วงหน้าเยอะมาก พอใช้หมดแล้วก็อยากลองซื้อ โทเคน Luna มาลองสักพัก ชอบโมเดลที่ถูกและเร็ว และเพราะเกษียณแล้ว ถ้าบางครั้งต้องเสียเวลาเปลี่ยนไปใช้โมเดลที่แรงกว่าด้วยตัวเองก็ไม่เป็นไร

  • การที่ Luna ถูกลง 80% เป็นเรื่องน่าทึ่ง ต้นทุนคอมพิวต์ยังคงลดลงต่อเนื่อง ดังนั้นปีหน้า ค่าใช้ API ของโมเดลแรง ๆ อาจถูกกว่าค่าสมาชิก ก็ได้

    • ค่าสมาชิกมีคุณค่ามากต่อบริษัทเพราะช่วย ผูกผู้ใช้ให้อยู่ต่อ ดังนั้น API คงไม่ถูกกว่าค่าสมาชิกหรอก