กลางปี 2026 รายชื่อโมเดลที่ใช้งานได้จริงยาวขึ้นเร็วจนแทบไม่มีใครลองได้ทัน ฝั่ง closed มี Anthropic · OpenAI · Google · xAI ออกรุ่นใหม่ทับรุ่นเดิม ส่วนฝั่ง open-weight โดยเฉพาะจากแล็บจีนก็มีของใหม่แทบทุกเดือน คำถามที่ได้ยินบ่อยจึงยังเป็น "ตอนนี้ตัวไหนเก่งสุด" แม้จะตอบได้ไม่ยาก แต่คำตอบแทบไม่ช่วยตัดสินใจว่างานที่ต้องส่งพรุ่งนี้ควรใช้โมเดลไหน

ในคลิปที่เผยแพร่วันที่ 10 สิงหาคม 2026 Tina Huang จัดกลุ่มโมเดลใหม่ตามงานที่จะนำไปใช้ แทนการไล่เทียบทีละรุ่น แผนที่นี้มี 3 ชั้นตามความยากและปริมาณงาน ได้แก่ flagship สำหรับงานยากที่สุด · ชั้นกลางสำหรับงานประจำวัน · ชั้นเบาสำหรับงานเร็วและงานปริมาณมาก นอกจากนี้ยังมีกลุ่มเฉพาะทางซึ่งแยกตามประเภทงานอีกชุดหนึ่ง เจ้าของคลิปประเมินจากการใช้งานของตัวเองว่า งานประจำวันราว 80% จบได้ในชั้นกลาง ถ้าสัดส่วนงานของทีมไหนใกล้เคียงกัน การตั้ง flagship เป็นค่าเริ่มต้นก็เท่ากับจ่ายเพิ่มให้ความสามารถที่งานส่วนใหญ่ไม่ได้ใช้

จับงานลงชั้นก่อน แล้วค่อยเลือกยี่ห้อ

กรอบนี้แบ่งการเลือกเป็นสองจังหวะ จังหวะแรก ประเมินว่างานยากแค่ไหนและต้องรันซ้ำมากเพียงใด เพื่อจับงานลงชั้นให้ถูก จังหวะที่สอง เลือกโมเดลในชั้นนั้นด้วย 3 ปัจจัย คือ ecosystem ที่ทีมใช้อยู่แล้ว · ราคาต่อการเรียกใช้เมื่อคูณด้วยปริมาณงานจริง · และจุดแข็งของแต่ละรุ่น เช่น งานโค้ด ความยาวของ context และ multimodality

ถ้าเริ่มเลือกจากยี่ห้อ คำตอบมักจบที่รุ่นท็อปของยี่ห้อที่คุ้นมือ เพราะยังไม่มีเกณฑ์บอกว่าความสามารถของรุ่นชั้นล่างเพียงพอกับงานแล้วหรือยัง

กลุ่มเฉพาะทางไม่ใช่ชั้นที่สี่ของบันไดเดียวกัน เพราะกลุ่มนี้แบ่งตามประเภทงาน ไม่ใช่ระดับความยาก จึงต้องใช้เกณฑ์ตัดสินอีกชุดหนึ่ง

ในชั้น flagship เจ้าของคลิปเลือก Claude Fable 5 เป็นตัวแทนสำหรับงานวางแผนหลายขั้นและงานซอฟต์แวร์ที่หนักที่สุด พร้อมเรียกว่าเป็นโมเดลที่ฉลาดที่สุดเท่าที่ซื้อได้ตอนนี้ แต่ก็กำกับทันทีว่าแพง ช้า และมีข้อจำกัดเยอะ ส่วน Claude Opus 5 ในตระกูลเดียวกันขยับลงจากตำแหน่ง flagship มาเป็นตัวสำรองที่ไว้ใจได้ และเจ้าของคลิปใช้รุ่นนี้เป็นหมุดเทียบราคาและความสามารถของโมเดลอื่นหลายครั้ง

เจ้าของคลิปจัดตัวเลือกอื่นไว้ในชั้น flagship ได้แก่ GPT 5.6 Soul ของ OpenAI ซึ่งทำงานได้รอบด้าน รวมถึงงานผ่าน terminal และงานที่ต้องเปิดเว็บ · Gemini 3.1 Pro ของ Google ซึ่งเป็นโมเดลระดับ frontier ตัวเดียวในรายชื่อชั้นนี้ที่ดูวิดีโอได้ แต่ด้านการเขียนโค้ดยังตามหลัง · และ Grok 4.5 ของ xAI ซึ่งเขียนโค้ดได้ใกล้เคียง Opus 5 ในราคาที่ถูกกว่ามาก อีกทั้งมีข้อมูลสดจาก X เชื่อมตรงเข้าโมเดล

ชั้นกลางเหมาะกับงานประจำวัน ในตระกูล Claude เจ้าของคลิปมองว่า Sonnet 5 คุ้มที่สุดสำหรับแชทและงานโค้ดทั่วไป ส่วน GPT 5.6 Terra คือ flagship ของปีที่แล้วซึ่งลดราคาลงมาเหลือครึ่งเดียว และปัจจุบัน ChatGPT ใช้รุ่นนี้เป็นโมเดลเริ่มต้น

ชั้นเบาเน้นความเร็วและราคาต่อการเรียกใช้ เจ้าของคลิปวาง Claude Haiku 4.5 ไว้เป็นแรงงานของ sub-agent ซึ่งทำงานใต้โมเดลที่ฉลาดกว่า และระบุว่า Haiku 4.5 เร็วกว่า Sonnet ราว 4 ถึง 5 เท่า

ตัวเลขที่ทำให้ค่าเริ่มต้นควรขยับลงมา

ในมุมของเจ้าของคลิป โมเดล open-weight คือแรงที่เปลี่ยนสมการราคาในรอบปีนี้ และโมเดล open-weight ที่ยกมาในคลิปเกือบทั้งหมดมาจากแล็บจีน จากประสบการณ์ที่เล่าไว้ ช่องว่างด้านความสามารถระหว่างโมเดลเหล่านี้กับ flagship ฝั่ง closed แคบลงมาก แต่ช่องว่างด้านราคายังกว้างเท่าเดิม ข้อสังเกตและตัวเลขทั้งหมดต่อจากนี้มาจากการใช้งานของเจ้าของคลิป ไม่ใช่ผลจาก benchmark กลาง ส่วน OpenRouter ที่กล่าวถึงในคลิปคือผู้ให้บริการโฮสต์โมเดล จึงเป็นทางลัดให้เรียกใช้โมเดล open-weight โดยไม่ต้องมีเครื่องสำหรับรันเอง

• Kimi K3 ของ Moonshot AI อยู่ในระดับ flagship และเปิดให้ดาวน์โหลด weight ไปใช้ได้ จากการใช้งานของเจ้าของคลิป อันดับความสามารถโดยรวมของ Kimi K3 เป็นรองเพียง Fable 5 และ GPT รุ่นชั้น flagship
• จากประสบการณ์ของเจ้าของคลิป GLM 5.2 จาก Z.AI เขียนโปรแกรมผ่าน terminal ได้ดีกว่า Sonnet 5 ส่วนรุ่น 5.3 กำลังตามมา
• เจ้าของคลิปยกจุดเด่นของ MiniMax M3 ว่าเป็นการรวมความสามารถด้านโค้ดที่ใกล้ระดับ flagship · context 1 ล้าน token · และ vision ในตัวไว้ในรุ่นเดียว โดยมองว่าราคายังถูก
• MiMo V2.5 Pro มาจาก Xiaomi บริษัทมือถือที่ทำ AI เป็นงานเสริม รุ่นนี้ให้คุณภาพเกือบระดับ flagship ในราคาราว 1/8 ของ Opus 5 และอันดับการใช้งานบน OpenRouter ก็ไต่ขึ้นอย่างรวดเร็ว
• เจ้าของคลิประบุว่า MiMo V2.5 รุ่นเล็กในตระกูลเดียวกันขึ้นเป็นโมเดลที่มีการใช้งานมากที่สุดบน OpenRouter ราคาของรุ่นนี้ต่ำมาก แต่คุณภาพยังอยู่ในชั้นกลาง
• เจ้าของคลิปจัด DeepSeek V4 Flash ไว้ในชั้นเบา โดยระบุว่ารุ่นนี้ถูกกว่า GPT 5.5 มากกว่า 55 เท่า และรองรับงาน classification ปริมาณมหาศาลได้ดี

ส่วนต่างราคาระดับนี้เปลี่ยนวิธีตั้งค่าเริ่มต้น แม้แต่ในชั้น flagship เจ้าของคลิปยังพบว่า GPT 5.6 Soul เขียนโค้ดได้ระดับเดียวกับ Fable 5 แต่มีราคาเพียงครึ่งหนึ่ง ยิ่งงานต้องรันซ้ำมากเท่าไร ส่วนต่างราคาก็ยิ่งมีน้ำหนักกว่าความต่างด้านความสามารถ

อย่างไรก็ตาม ราคาที่ถูกกว่ามาพร้อมเงื่อนไข คำว่า open-weight หมายถึงดาวน์โหลด weight ไปใช้ได้ ไม่ได้แปลว่าเครื่องที่มีอยู่จะรันไหว โมเดลขนาดใหญ่ในกลุ่มนี้ต้องใช้ RAM หรือ VRAM ตั้งแต่ 128GB ขึ้นไป ซึ่งเกินกำลังเครื่องของคนทั่วไป ทางลัดที่ใช้ได้จริงคือเรียกผ่านผู้ให้บริการโฮสต์อย่าง OpenRouter แล้วจ่ายตามการใช้งาน ส่วนขนาดที่ยังพอรันในเครื่องตัวเองไหวคือ Qwen 3.6 35B ซึ่งต้องใช้ VRAM ตั้งแต่ 32GB ขึ้นไป และเป็นโมเดลหลักที่เจ้าของคลิปรันในเครื่องของตัวเอง

งานที่บันไดสามชั้นตัดสินไม่ได้

เมื่องานต้องพึ่งความสามารถเฉพาะทาง การแบ่งชั้นตามความยากอย่างเดียวไม่พอ ต้องเลือกประเภทของโมเดลให้ตรงกับงานก่อน แล้วจึงใช้เกณฑ์เฉพาะของงานนั้นตัดสิน

ในกลุ่มวิดีโอ เจ้าของคลิปยกให้ Veo ของ Google DeepMind เป็นตัวนำในตอนนี้ หากเป็นงานลิปซิงก์ Kling Omni จาก Kuaishou รองรับ 5 ภาษา

สำหรับเสียงและเพลง ต้องเพิ่มเรื่องสิทธิ์ในการนำผลงานไปใช้เข้ามาเป็นเกณฑ์ด้วย Suno เด่นด้านการทำเพลงทั้งเพลงพร้อมเสียงร้อง ส่วน Udio วางตำแหน่งตัวเองว่าสะอาดกว่า Suno ในแง่ลิขสิทธิ์ เพราะเคลียร์สิทธิ์กับแคตตาล็อกของ UMG และ Warner มาครบแล้ว ด้าน ElevenLabs โคลนเสียงได้ 70 ภาษา เมื่อต้องนำผลงานไปหารายได้ต่อ ElevenLabs ยังมี ElevenLabs Music สำหรับทำเพลงที่เคลียร์ลิขสิทธิ์แล้ว

งานโค้ดก็มีโมเดลเฉพาะทาง เช่น Qwen3 Coder Next ซึ่งเป็น open-weight และติดตั้งในเครื่องตัวเองได้ ส่วนงานค้นข้อมูลระดับองค์กรมีโมเดลที่สร้างมาเพื่อ retrieval โดยเฉพาะ ดังนั้นเกณฑ์ตัดสินของกลุ่มเฉพาะทางจึงย้ายจากความฉลาดกับราคาต่อ token ไปอยู่ที่สิทธิ์ใช้งานเชิงพาณิชย์ · ความสามารถเฉพาะที่ตรงกับงาน · และเครื่องที่มีอยู่รันได้หรือไม่

แผนที่อยู่ทนกว่าเลขรุ่น

ข้อจำกัดของข้อมูลชุดนี้ต้องติดไว้กับทุกตัวเลข เพราะทั้งหมดมาจากประสบการณ์ของคนคนเดียวที่เล่าหน้ากล้อง ในคลิปไม่มี benchmark กลางหรือตารางราคาอย่างเป็นทางการประกอบ และไม่ได้ระบุวันเปิดตัวของแต่ละรุ่น ตัวเลขอย่าง "ถูกกว่า 55 เท่า" หรือ "ราว 1/8 ของราคา Opus 5" จึงใช้ดูทิศทางของส่วนต่างราคาได้ แต่แต่ละทีมยังต้องทดสอบกับงานจริงและตรวจบิลจริงก่อนตัดสินใจ

บทความอาจตามเลขรุ่นไม่ทัน เพราะชื่อรุ่นเปลี่ยนเร็วมาก เจ้าของคลิประบุว่า Grok 4.5 อาจกลายเป็น 4.6 แล้วเมื่อคลิปไปถึงคนดู ส่วน GLM 5.3 ถูกบอกว่ากำลังมา ขณะที่ Gemini 3.5 Pro ซึ่ง Google เกริ่นไว้หลายเดือนก่อนก็ยังไม่ออกในเวลาที่ถ่ายทำ

สิ่งที่ยังใช้ได้แม้ชื่อรุ่นเปลี่ยน คือลำดับคำถามสองจังหวะ จังหวะแรก งานยากแค่ไหนและต้องรันกี่ครั้ง จังหวะที่สอง ดูว่าในชั้นที่ตรงกับงาน มีโมเดลใดที่ราคา จุดแข็ง และ ecosystem ลงตัวกับสิ่งที่ทีมใช้อยู่แล้ว เมื่อมีรุ่นใหม่ออกมา ให้ประเมินก่อนว่ารุ่นนั้นเหมาะกับงานในชั้นไหน จากนั้นจึงเทียบราคา จุดแข็ง และ ecosystem กับโมเดลอื่นในชั้นเดียวกัน แทนที่จะเริ่มไล่เทียบทั้งตลาดใหม่ทุกครั้ง

---

ที่มา: คลิป Every AI Model Explained (Mid-2026) จากช่อง Tina Huang