วิเคราะห์และรีวิว: GPT-6 Sol และ Luna

OpenAI เปิดตัว GPT-6 Sol และ GPT-6 Luna อย่างเป็นทางการเมื่อวันที่ 22 กันยายน 2026 ห่างจากที่ Anthropic ประกาศ Claude Opus 5.5 เพียงราว 90 นาที ทั้งสองรุ่นต่อยอดจาก GPT-6 Astra ที่ยังเป็นรุ่นเรือธง เป้าหมายหลักคือดึงความสามารถระดับ Astra ลงมาในราคาที่ถูกลง ไม่ใช่การมาแทนที่ Astra

Astra, Sol และ Luna วางตำแหน่งกันอย่างไร

ตระกูล GPT-6 ตอนนี้มีสามระดับ Astra ยังเป็นรุ่นที่แรงที่สุด เหมาะกับงานซับซ้อนหลายมิติ โจทย์วิทยาศาสตร์และคณิตศาสตร์ยาก รวมถึงงาน computer use ที่ต้องควบคุมหน้าจอเอง Sol ถูกวางให้รับงานที่นักพัฒนาและคนทำงานความรู้ต้องทำซ้ำบ่อยๆ เช่น เขียนฟีเจอร์ รีวิวโค้ด ไล่บั๊ก และวิเคราะห์ข้อมูล ส่วน Luna เน้นงานปริมาณมากที่ไม่ซับซ้อน อย่างสรุปเอกสาร ดึงข้อมูล หรือตอบคำถามสั้นๆ ให้เร็วที่สุด

ทั้ง Sol และ Luna ฝึกด้วยวิธีคล้ายกับ Astra เพื่อยกระดับงานสายอาชีพ ความถูกต้องของข้อมูล การเขียนโค้ด และการควบคุมหน้าจอ พร้อมปรับสไตล์การตอบให้กระชับขึ้นตามแนวทางเดียวกับ Astra

ราคาต่อล้านโทเค็นที่ลดลงเกือบครึ่ง

จุดขายหลักของทั้งสองรุ่นคือราคา Sol อยู่ที่ 2 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 10 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต ลดลงราวครึ่งหนึ่งจาก GPT-5.6 Sol ส่วน Luna ถูกกว่านั้นอีก อยู่ที่ 0.10 ดอลลาร์อินพุตและ 0.50 ดอลลาร์เอาต์พุตต่อล้านโทเค็น ลดจากเดิม 0.20 และ 1.20 ดอลลาร์ OpenAI ยืนยันว่าเป็นราคาถาวร ไม่ใช่โปรโมชันชั่วคราว และเพิ่มส่วนลด 90% สำหรับโทเค็นอินพุตที่อ่านจาก cache ด้วย

ราคานี้ทำให้ Luna กลายเป็นโมเดลของ OpenAI ที่ถูกที่สุดเท่าที่เคยเปิดให้ใช้งาน เหมาะกับงานที่ต้องยิง request ปริมาณมากแบบที่ Luna ถูกออกแบบมารองรับ

ผลทดสอบ AutomationBench, DeepSWE และ OSWorld 2.0

OpenAI รายงานผลทดสอบภายในหลายชุด บน AutomationBench 1.0.6 Sol ที่ตั้ง effort สูงสุดทำได้ 33.2% ด้วยต้นทุนราว 0.27 ดอลลาร์ต่องาน สูงกว่า Claude Opus 5 ที่ตั้ง effort สูงสุดเช่นกัน (26.9% แต่ต้นทุนสูงกว่าถึง 11.1 เท่า) และสูงกว่า Astra เองตอนตั้ง effort ต่ำ (30.3% ต้นทุนสูงกว่า 3.9 เท่า)

บน DeepSWE 1.1 ซึ่งวัดงานเขียนโค้ด Sol ทำได้ 68.8% และ Luna ทำได้ 66.6% ส่วนงาน computer use บน OSWorld 2.0 Sol ทำได้ 60.5% ขณะที่ Astra ยังนำอยู่ที่ 72.6% แสดงว่า Astra ยังจำเป็นสำหรับงานที่ต้องควบคุมหน้าจอซับซ้อน ด้านความถูกต้องของคำตอบ OpenAI ระบุว่า Sol ตอบผิดน้อยลงราวครึ่งหนึ่งเมื่อเทียบกับ GPT-5.6 Sol จนใกล้เคียงความน่าเชื่อถือของ Astra

ตัวเลขทั้งหมดนี้มาจากการทดสอบของ OpenAI เอง ยังไม่มีผลทดสอบอิสระจากภายนอกมายืนยันซ้ำ จึงควรมองเป็นข้อมูลอ้างอิงเบื้องต้น ไม่ใช่ข้อสรุปสุดท้าย

ใช้งานได้จากช่องทางไหนบ้างตอนนี้

Sol และ Luna เริ่มทยอยเปิดให้ใช้ผ่าน ChatGPT Work, Codex และ API ภายใต้ชื่อโมเดล gpt-6-sol กับ gpt-6-luna สำหรับบัญชี Plus, Pro, Business, Enterprise และ Edu ส่วน Luna ยังเปิดให้ผู้ใช้แผน Free และ Go ใช้งานผ่านแอปเดสก์ท็อปได้ด้วย ทั้งคู่ยังไม่มาถึงโหมด Chat ปกติในวันเปิดตัว เพราะการเปิดให้ใช้เป็นแบบทยอยปล่อย ไม่ใช่เปิดพร้อมกันทุกบัญชี

เทียบกับคู่แข่งที่เปิดตัววันเดียวกัน

ความบังเอิญที่น่าสนใจคือ Anthropic ปล่อย Claude Opus 5.5 ออกมาก่อน Sol และ Luna เพียง 90 นาที สื่อหลายเจ้ารายงานว่า Opus 5.5 ทำคะแนนนำ Astra ในบางโจทย์ด้านโค้ดและงานความรู้ ขณะที่ Sol คิดราคาต่อโทเค็นถูกกว่า Opus 5.5 ราวครึ่งหนึ่ง แม้ Opus 5.5 จะใช้โทเค็นต่องานน้อยกว่าในหลายกรณี ทำให้ต้นทุนจริงต่องานไม่ได้ต่างกันมากเท่าตัวเลขราคาต่อโทเค็นตรงๆ OpenAI เองยังอ้างว่า Sol ทำคะแนนเทียบเท่าหรือดีกว่า Claude Fable 5.1 ในบางเบนช์มาร์ก ซึ่งเป็นคำกล่าวอ้างฝั่งเดียวที่ยังต้องรอการทดสอบอิสระมายืนยัน

ข้อดีที่ชัดเจน และเงื่อนไขที่ต้องระวัง

ใครควรใช้ Sol ใครควรใช้ Luna

สรุป: เลือกโมเดลไหนดีสำหรับงานแบบไหน

ภาพรวมของ Sol และ Luna ไม่ใช่การมาแทน Astra แต่เป็นการดึงความสามารถระดับ Astra ลงมาในราคาที่เข้าถึงง่ายขึ้น ถ้างานหลักเป็นโค้ดหรือการวิเคราะห์ที่ต้องทำซ้ำ Sol คุ้มกว่าเพราะราคาลดลงเกือบครึ่งแต่ยังคงเหตุผลไว้ในระดับดี ถ้างานเป็นการประมวลผลปริมาณมากแบบไม่ซับซ้อน Luna ตอบโจทย์เรื่องต้นทุนได้ชัดที่สุด ส่วนงานที่ต้องการความแม่นยำสูงสุดหรือควบคุมหน้าจอเอง Astra ยังจำเป็นอยู่ ก่อนย้ายงานจริงมาใช้ ควรทดสอบกับ prompt ของทีมตัวเองก่อน เพราะตัวเลขทั้งหมดตอนนี้ยังมาจากฝั่ง OpenAI เท่านั้นครับ