ผู้ทดสอบส่งโจทย์เดียวกันทุกคำให้สองโมเดล โดยเปิดโมเดลละหนึ่งหน้าจอ ฝั่งหนึ่งคือ GPT-5.6 Sol โมเดลตัวใหม่ของ OpenAI ผู้สร้าง ChatGPT อีกฝั่งคือ Fable 5 โมเดลตัวใหม่ของ Anthropic บริษัทเจ้าของผู้ช่วย AI อย่าง Claude โจทย์คือการสร้างเกมขี่จักรยานโลกเปิดที่ต้องเล่นสนุกจริงในเบราว์เซอร์ ยี่สิบนาทีต่อมา Fable 5 ส่งผลงานเป็นเมืองยามพลบค่ำที่ปั่นสำรวจได้ทั้งเมือง กว้างจนให้อารมณ์เหมือนเกมโลกเปิดอย่าง GTA ที่ตระเวนไปได้ทั่วเมือง ส่วน Sol ได้เกมมุมมองจากด้านบนที่บังคับยากกว่าและแคบกว่าอย่างเห็นได้ชัด

แต่ค่าใช้จ่ายต่างกันมาก Fable 5 อยู่ที่ $14.22 ส่วน Sol อยู่ที่ $4.50 ผลจากรอบเดียวก็สะท้อนภาพรวมของการทดสอบได้แล้ว เพราะตัวที่ทำผลงานได้น่าประทับใจกว่าก็มีค่าใช้จ่ายสูงกว่าถึงสามเท่า คำถามที่ตามมาจึงไม่ใช่ว่าโมเดลไหนเก่งกว่ากัน แต่คืองานตรงหน้าคุ้มกับส่วนต่างนั้นหรือเปล่า ส่วนบทเรียนจากการใช้ทั้งสองตัวทำงานจริงตลอดทั้งวัน (จากคลิปทดสอบของ Nate Herk ผู้ทำคอนเทนต์สายวางระบบอัตโนมัติด้วย AI) ก็ตอบคำถามนั้นได้ตรงกว่าตัวเลขบนกระดาษมาก

เบนช์มาร์กบอกอย่าง งานทั้งวันบอกอีกอย่าง

ผลเบนช์มาร์ก (ตารางคะแนนสอบมาตรฐานของโมเดล) ก่อนเริ่มทดสอบดูดีมากสำหรับ Sol เพราะโมเดลนี้ชนะทั้ง Opus 4.8 โมเดลตัวเก่งรุ่นก่อนหน้าของ Anthropic และ Fable 5 แบบขาดลอย แถมยังถูกกว่าเยอะ ถ้าจบแค่ตรงนั้น ข้อสรุปคงมีเพียงประโยคเดียวว่าย้ายไปใช้ Sol ให้หมด แต่ตารางคะแนนไม่เคยบอกว่าโมเดลทำงานออกมาเป็นอย่างไรตอนใช้จริง ผู้ทดสอบจึงเปลี่ยนมาลองใช้งานจริงตลอดทั้งวันแทน

รูปแบบการทดสอบตรงไปตรงมา หน้าจอซ้ายเปิด Claude Code ซึ่งเป็นโปรแกรมที่ให้โมเดลลงมือแก้ไฟล์จริงในเครื่องเราได้ ไม่ใช่แค่ห้องแชท โดยใช้ Fable 5 เป็นโมเดลเบื้องหลัง ส่วนหน้าจอขวาเปิด Codex โปรแกรมของฝั่ง OpenAI ที่ทำหน้าที่เดียวกัน โดยใช้ GPT-5.6 Sol เป็นโมเดลเบื้องหลัง โปรแกรมสองตัวนี้เรียกรวม ๆ ว่า harness (ความต่างของทั้งคู่เคยเล่าไว้ในเรื่อง ย้ายจาก Claude Code ไป Codex ต้องเจออะไรบ้าง) จากนั้นผู้ทดสอบก็ส่ง prompt หรือคำสั่งชุดเดียวกันเข้าไปทั้งสองฝั่ง ดูผลงานโดยยังไม่บอกว่าชิ้นไหนเป็นของใคร แล้วค่อยเฉลยทีหลัง

การทดสอบมีสามแบบ คือ งานสร้างชิ้นงานแบบ agentic ที่ปล่อยให้โมเดลทำงานเองหลายขั้นตอนจนจบ 3 โจทย์ · งานถามผ่าน API ซึ่งเป็นช่องทางเรียกใช้โมเดลตรง ๆ ด้วยโค้ด แบบถามครั้งเดียวจบราว 27 คำถาม · และการนำมาใช้ทำงานทั่วไปตลอดทั้งวัน เมื่อจบแต่ละโจทย์ ผู้ทดสอบจะนำเวลา ต้นทุน และจำนวน token ซึ่งเป็นหน่วยข้อความที่ใช้คิดค่าใช้จ่ายมาเทียบกันตรง ๆ

สามโจทย์จริงที่ Fable 5 กับ Sol สร้างผลงานออกมาคนละแบบ

โจทย์แรกจบเร็วและจบชัด เกมของ Fable 5 ไม่ได้แค่เล่นได้ แต่ให้ความรู้สึกว่าเมืองทั้งเมืองเปิดรอให้ปั่นเข้าไปสำรวจ ขณะที่เกมของ Sol เล่นได้เหมือนกัน แต่มุมกล้องจากด้านบนทำให้บังคับยากและโลกดูแคบลง รอบนี้การจ่ายแพงกว่าสามเท่าจึงแลกกับผลงานที่ประณีตกว่าได้จริง

โจทย์ที่สองให้อิสระเต็มที่ โดยให้สร้างเว็บไซต์ที่น่าประทับใจจนคนที่กำลังเลื่อนหน้าจอต้องหยุดดู Fable 5 ส่งเว็บเล่าเรื่องกำเนิดจักรวาลชื่อ Ten Billion Years เป็นฉาก 3 มิติที่โต้ตอบตามการขยับเมาส์ได้ พร้อมเสียงประกอบ ส่วน Sol ส่งเว็บธีมใกล้เคียงกันชื่อ Vesper Archive ซึ่งผู้ทดสอบบอกว่าไม่แย่เลย เพียงแต่ยังไม่ถึงขั้นทำให้อึ้ง ค่าใช้จ่ายต่างกันเกือบยี่สิบเท่า และรอบนี้ Fable 5 ก็ยังทำได้น่าทึ่งกว่าอยู่ดี

โจทย์ที่สามกลับให้ผลตรงกันข้าม เมื่อสั่งกว้าง ๆ ว่าขอผลงาน 5 ชิ้นที่ต่างกันโดยสิ้นเชิง ทั้งงานภาพและงานที่คลิกโต้ตอบได้ในเบราว์เซอร์ Fable 5 ใช้เวลา 15 นาทีและเงิน $15 แต่ผลงานทั้งห้าชิ้นไม่มีชิ้นไหนน่าทึ่งเป็นพิเศษ แถมเมนูของชิ้นหนึ่งยังค้าง ขณะที่ Sol ใช้เวลา 7 นาทีและเงินราวหนึ่งดอลลาร์ สร้างผลงานหลายแบบ ทั้งเกมพิมพ์ดีด แผ่นสไลด์ที่ออกแบบดีจนน่าแปลกใจ และงานจำลองระบบนิเวศที่กินทรัพยากรจนเครื่องหน่วง ความหลากหลายของไอเดียในชุดนี้เองที่ทำให้ Sol ชนะ แม้หลายชิ้นยังมีบั๊กและมีบางจุดที่กดแล้วทำงานผิดพลาดอยู่

ถึงตรงนี้เริ่มเห็นทิศทางที่ชัดขึ้น ถ้าเป็นงานที่ต้องการผลงานเพียงชิ้นเดียวแต่ต้องเก็บรายละเอียดอย่างประณีต Fable 5 ใช้ทั้งเวลาและเงินมากกว่า แต่ได้ผลงานที่ดีกว่า ส่วนงานที่ต้องการปริมาณและความเร็ว Sol ทำเสร็จก่อนเสมอ และมีค่าใช้จ่ายต่ำกว่าหลายเท่า

27 คำถามที่ Sol ชนะ 24 ครั้ง แต่อย่าเพิ่งตีความตามตัวเลข

ชุดคำถามผ่าน API ราว 27 ข้อ เป็นการถามสั้น ๆ ให้ตอบทีเดียวจบ ไม่ใช่การปล่อยให้ทำงานเป็นสิบขั้นตอน ผลรวมออกมาห่างกันจนดูน่าตกใจ คือ Sol ชนะ 24 ครั้ง ส่วน Fable 5 ชนะแค่ 3 ครั้ง

จุดที่ต่างกันจริงคือต้นทุนของชุดนี้ Sol ใช้เงินรวม $16 ส่วน Fable 5 ใช้ไป $63 ความต่างมาจากปริมาณ token ที่ใช้ โดย Sol ใช้ token ฝั่งขาเข้าราวครึ่งเดียวของ Fable 5 ส่วนฝั่งขาออกก็มากกว่าครึ่งของ Fable 5 เล็กน้อย พูดง่าย ๆ คือประหยัดกว่าทั้งสองทาง ทำให้ค่าใช้จ่ายต่อการใช้งานของ Sol ใกล้กับ Opus 4.8 ที่หลายคนใช้เป็นตัวหลักอยู่แล้ว

ส่วนความเร็วซับซ้อนกว่าที่คิด ค่ากลางของเวลารอคำตอบฝั่ง Sol สั้นกว่า แต่เมื่อดูค่าเฉลี่ยกลับเป็น Fable 5 ที่เร็วกว่า เพราะเวลาของ Sol แกว่งมาก บางรอบตอบพรวดเดียว บางรอบลากยาวจนน่ารำคาญ ขณะที่ Fable 5 ใช้เวลาราว 20 วินาทีสม่ำเสมอแทบทุกครั้ง ความสม่ำเสมอนี้สำคัญมากเมื่อนำไปใช้ในระบบอัตโนมัติ แต่ถ้าเป็นงานสร้างชิ้นงานที่มีหลายขั้นตอน Fable 5 กลับช้ากว่า Sol แทบทุกครั้ง

ผู้จัดการที่ชอบเถียง กับ คนลงมือที่คิดเยอะ

ทั้งคู่คือโมเดลภาษา ไม่ใช่คนในทีม แต่สไตล์การทำงานที่แสดงออกมาตลอดวันต่างกันชัดจนผู้ทดสอบสรุปเป็นบทบาทสองแบบ

Fable 5 ทำตัวเหมือนผู้จัดการ คิดสร้างสรรค์กว่า เขียนหนังสือได้ดีกว่า ระดมความคิดและให้คำแนะนำเก่งกว่า ไม่ค่อยทำเกินโจทย์ และที่สนุกคือมันชอบเถียงกลับ ไม่ได้พยักหน้ารับทุกอย่างที่สั่ง เหมือนมีที่ปรึกษาที่กล้าเถียงนั่งอยู่ข้าง ๆ นิสัยแบบนี้มีประโยชน์มากตอนยังไม่แน่ใจว่าจะเลือกทางไหนดี

Sol ทำตัวเหมือนคนลงมือที่เก่งมาก ทั้งถูกกว่า เร็วกว่า และเก่งกว่าอย่างเห็นได้ชัดในงาน computer use หรือการให้โมเดลคุมเมาส์และคีย์บอร์ดเพื่อใช้งานหน้าจอแทนเรา มันยังเล่นบทคนค้านได้ดี เวลาเราสั่งให้หาจุดพัง มันจะหาบั๊กและมุมที่มองข้ามได้เยอะกว่า จุดอ่อนคือคิดเยอะเกินจำเป็น ไล่ทดสอบงานตัวเองซ้ำไปซ้ำมาจนชวนเหนื่อย โดยเฉพาะโหมด ultra ที่ปล่อยให้คิดและรันยาวเป็นพิเศษ

งานที่ต้องคิดและตัดสินใจ ให้ Fable 5 ส่วนงานที่ต้องลงมือและส่งให้เสร็จ ให้ Sol

ถ้าเรียงตามระดับความเก่ง ผู้ทดสอบมองว่า GPT-5.5 รุ่นก่อนหน้า กับ Opus 4.8 อยู่ระดับใกล้กัน ส่วน Sol นำหน้าทั้งสองตัวชัดเจน แต่ระหว่าง Sol กับ Fable 5 ยังมีช่องว่างเหลืออยู่พอสมควร Fable 5 ยังอยู่อีกระดับหนึ่ง

งานแบบไหนควรใช้ Fable 5 งานแบบไหนควรใช้ Sol

เกณฑ์ตัดสินใจง่าย ๆ มีอยู่สองข้อ งานที่ต้องใช้เหตุผล ต้องตัดสินใจ ต้องกลั่นความรู้ออกมาเป็นคำแนะนำ เช่น วางโครงเนื้อหา ตรวจสัญญา เลือกทางเลือกทางธุรกิจ ให้ Fable 5 เพราะการจ่ายแพงกว่าเพื่อคำตอบที่วิเคราะห์ได้ลึกกว่านั้นคุ้มค่า ส่วนงานที่รู้อยู่แล้วว่าต้องทำอะไร เหลือแค่ทำให้เสร็จและส่ง เช่น แก้บั๊กที่ระบุแล้ว ทำหน้าเว็บตามแบบ ไล่ทำงานซ้ำ ๆ ให้ Sol เพราะเร็วกว่าและถูกกว่ามากในงานประเภทนี้

สุดท้ายต้องทดสอบกับงานของตัวเอง เพราะค่าใช้จ่ายในการใช้โมเดลของแต่ละคนไม่เท่ากัน วันนี้ลองทำตามนี้ได้เลย

1. เปิดสองหน้าจอ ฝั่งหนึ่งเป็น Claude Code ที่ต่อกับ Fable 5 อีกฝั่งเป็น Codex ที่ต่อกับ GPT-5.6 Sol
2. หยิบงานจริงที่ค้างอยู่มาหนึ่งชิ้น ไม่ใช่โจทย์เล่น ๆ แล้วพิมพ์คำสั่งเดียวกันให้ทั้งสองฝั่งแบบคำต่อคำ เช่น "อ่านโค้ดในโฟลเดอร์นี้ แล้วทำหน้ารายงานยอดขายรายเดือนให้ใช้งานได้จริง พร้อมสรุปตอนท้ายว่าแก้ไฟล์ไหนไปบ้าง"
3. ตอนจบจดสามอย่างไว้เทียบกัน คือ เวลาที่ใช้ · เงินที่จ่าย · และจำนวนรอบที่ต้องสั่งแก้เพิ่มจนกว่างานจะใช้ได้จริง

ตัวเลขข้อสามนี่แหละที่มักพลิกคำตอบ เพราะโมเดลที่ถูกกว่าแต่ต้องสั่งแก้อีกห้ารอบ สุดท้ายอาจแพงกว่าโมเดลที่จบในรอบเดียว

คู่นี้อาจจะเทียบกันไม่แฟร์ตั้งแต่แรก

ข้อสังเกตที่ตรงไปตรงมาที่สุดจากการทดสอบครั้งนี้คือคู่ชกอาจจะไม่สมน้ำสมเนื้อกัน คู่ที่ยุติธรรมกว่าน่าจะเป็น Sol 5.6 ปะทะ Opus 4.8 ซึ่งอยู่ระดับใกล้กันมากกว่า และถ้า Sol เก่งขึ้นชนิดคนละชั้นจริง ทำไม OpenAI ถึงไม่เรียกมันว่า Sol 6 ไปเลย ข้อสงสัยนี้ทำให้เกิดการคาดเดาที่น่าสนใจว่า OpenAI อาจกำลังเก็บ GPT-6 ตัวเต็มไว้ขึ้นสังเวียนกับ Fable 5 ในรอบหน้า

อีกเรื่องที่ต้องยอมรับกันตามตรง ตัวเลขเวลา ต้นทุน และ token ทั้งหมดในบทความนี้มาจากการรันจริงของผู้ทดสอบเพียงคนเดียวในหนึ่งวัน ไม่ได้มาจากการทดสอบซ้ำหลายรอบเพื่อยืนยันผล ผลลัพธ์ของแต่ละคนจึงต่างกันไปตามลักษณะงาน วิธีเขียนคำสั่ง และเครื่องมือที่ใช้งานร่วมกับโมเดล เช่นเดียวกับการทดสอบเครื่องมือคู่แข่งอย่าง Grok Build ลงสนามชนกับ Claude Code และ Codex ซึ่งคำตอบก็เปลี่ยนไปตามโจทย์ที่หยิบมาวัดเช่นกัน ผลชุดนี้ใช้เป็นแนวทางได้ แต่อย่าเพิ่งถือเป็นข้อสรุปตายตัว

หลังทดสอบครบทั้งวัน ทั้งสองหน้าจอยังคงเปิดค้างอยู่เหมือนเดิม สิ่งที่เปลี่ยนไปจริง ๆ คือคำถามก่อนพิมพ์คำสั่งครั้งต่อไป จากเดิมที่ถามว่าตัวไหนเก่งกว่ากัน กลายเป็นถามว่างานตรงหน้านี้อยากได้หัวคิดที่กล้าเถียงกลับ หรืออยากได้มือที่ทำเสร็จก่อนพักเที่ยง

---

ที่มา: คลิป I Tested GPT 5.6 Sol vs Fable 5. What You Need To Know. จากช่อง Nate Herk