ราคา AI ไม่ใช่คำตอบเดียว: เจาะลึกความคุ้มค่าเลือกโมเดล

เมื่อต้องตัดสินใจเลือกใช้งานปัญญาประดิษฐ์หรือ AI ระหว่างรุ่นที่มีราคาถูกกว่าถึงแปดเท่ากับรุ่นที่ได้คะแนนความสามารถต่ำกว่าเพียงสองคะแนน คนส่วนใหญ่มักตอบทันทีว่าจะเลือกตัวที่ถูกกว่า แต่เมื่อถึงเวลาใช้งานจริงและมีเงินเดิมพันเข้ามาเกี่ยวข้อง กลับพบว่าหลายคนเลือกโมเดลอีกตัวแทน ช่องว่างระหว่างตัวเลขบนกระดาษกับต้นทุนที่จ่ายจริงคือประเด็นสำคัญที่สะท้อนว่าราคาต่อโทเค็นเป็นตัวเลขที่แย่ที่สุดในการตัดสินใจ

ข้อมูลจาก Artificial Analysis รายงานผลการทดสอบโมเดล GLM-5.3-Flash มีคะแนนอยู่ที่ 42 ด้วยต้นทุน 0.25 ดอลลาร์สหรัฐต่อหนึ่งงาน ขณะที่ Kimi K3 มีคะแนน 44 ที่ต้นทุน 2.00 ดอลลาร์สหรัฐต่อหนึ่งงาน ซึ่งแตกต่างกันสองคะแนนแต่มีต้นทุนต่างกันถึงแปดเท่า หากมองจากมุมมองการทำงานทั่วไป ตัวเลขนี้ควรจะตัดสินใจได้ทันที แต่ในทางปฏิบัติเหตุผลที่คนเลือกแบบอื่นมีความสมเหตุสมผลมากกว่าที่ตาเห็น

เหตุผลแรกคือต้นทุนของความล้มเหลวไม่ได้วัดกันที่โทเค็น เมื่อภารกิจล้มเหลวและต้องทำซ้ำ ต้นทุนไม่ได้มีแค่ค่า API แต่รวมถึงเวลาของมนุษย์ที่ต้องใช้ตรวจสอบและแก้ไข หากงานมีความสำคัญเพียงพอ โมเดลที่มีราคาสูงกว่าสามเท่าแต่ล้มเหลวตํ่ากว่าก็ยังคงเป็นการลงทุนที่คุ้มค่ากว่า เหตุผลที่สองคือคะแนนรวมหรือคอมโพสิตไม่ตรงกับความต้องการของงานจริง เช่น ข้อมูลชุดเดียวกันระบุว่า Kimi K3 ได้ 47 คะแนนในบททดสอบ Humanity's Last Exam และได้ 23 คะแนนใน CritPt เหนือกว่าคู่แข่งอย่างชัดเจน ขณะที่ GLM-5.3-Flash ได้ 40 และ 15 คะแนนตามลำดับ แต่ในงานภาคสนามอย่าง Terminal-Bench กลับพบว่า GLM-5.3-Flash ทำคะแนนได้ 33 เปอร์เซ็นต์ ส่วน Kimi K3 ได้เพียง 13 เปอร์เซ็นต์

"I pay for models from my own pocket, every cent of it, and the clearest lesson is that per-token price is the worst number in the entire set for making decisions."

ผู้เขียนบทความบน Dev.to

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

เหตุผลที่สามคือราคาที่ประกาศกับราคาจริงไม่ตรงกัน โดยแบ่งออกเป็นสามประการ ได้แก่ ราคาโปรโมชันที่มีกำหนดหมดอายุ ค่าแคชที่แตกต่างจากราคามาตรฐานหลายเท่าตัว และโหมดการคิดวิเคราะห์ที่ไม่สามารถปิดการใช้งานได้ ตัวอย่างเช่น Kimi K3 และ GLM-5.3 เปิดระบบคิดวิเคราะห์ตลอดเวลาปรับได้เพียงระดับตํ่า กลาง และสูงสุด โดย Kimi K3 ใช้โทเค็นเอาต์พุต 48,000 โทเค็นต่อหนึ่งงาน ซึ่งเป็นโทเค็นคิดวิเคราะห์ถึง 32,000 โทเค็น หรือคิดเป็นสองในสามของค่าใช้จ่ายทั้งหมดสำหรับกระบวนการคิดที่ผู้ใช้มองไม่เห็น นอกจากนี้เรื่องความเร็วก็มีต้นทุนเช่นกัน โดย Kimi K3 ใช้เวลาเฉลี่ย 1,093 วินาทีต่อหนึ่งงาน ขณะที่ GLM-5.3-Flash ใช้เวลา 572 วินาที

แนวทางปฏิบัติที่ใช้งานได้จริงจึงไม่ใช่การเลือกโมเดลใดโมเดลหนึ่ง แต่เป็นการแบ่งแยกประเภทงานตามความทนทานต่อความล้มเหลว เช่น งานที่มีความอดทนต่อความล้มเหลวสูง งานที่ใช้บริบทเดิมซ้ำอย่างหนาแน่น งานที่ความล้มเหลวมีราคาแพง หรือต้องการความรู้รอบตัวที่กว้างขวาง โดยควรตรวจสอบเวอร์ชันดัชนีการทดสอบ วันหมดอายุของราคาโปรโมชัน และอัตราแคชของแต่ละผู้ให้บริการก่อนตัดสินใจจัดสรรงบประมาณทุกครั้ง

ที่มา: Dev.to