ศึกโมเดล AI กลางปี 2026: เก่งขึ้น ถูกลง และ open-weight ไล่จี้แนวหน้า

ช่วงปลายมิถุนายนถึงต้นกรกฎาคม 2026 วงการโมเดลภาษาขยับพร้อมกันหลายเจ้าในเวลาไล่เลี่ย: Anthropic ปล่อย Claude Sonnet 5 (30 มิ.ย.) ที่ชูจุดขาย “agentic เต็มตัวแต่ราคาถูกลง”, OpenAI ตามมาด้วยตระกูล GPT-5.6 สามรุ่น Sol / Terra / Luna (9 ก.ค.) พร้อมเอเจนต์ชื่อ ChatGPT Work และในเวลาเดียวกันฝั่ง open-weight ที่โหลดมารันเองได้อย่าง DeepSeek V4-Pro และ GLM-5.2 ก็ทำคะแนนไล่จี้โมเดลปิดจนเส้นแบ่งเริ่มเบลอ

ภาพรวมของครึ่งปีนี้จึงไม่ใช่ “ใครเปิดตัวโมเดลใหม่” แต่เป็นเทรนด์ที่ชัดขึ้นเรื่อย ๆ ว่า ความสามารถกำลังพุ่ง ราคากำลังดิ่ง และทางเลือกในมือคนใช้กำลังเยอะขึ้น — ซึ่งมีนัยกับนักพัฒนาและองค์กรไทยมากกว่าที่คิด

สรุปสั้น ๆ: กลางปี 2026 โมเดลใหม่ออกถี่ — Claude Sonnet 5 ให้ประสิทธิภาพใกล้ Opus 4.8 ที่ราคาเริ่มต้น $2/$10 ต่อล้าน token, GPT-5.6 มาเป็น 3 รุ่นไล่ราคาตั้งแต่ Luna ($1/$6) ถึง Sol ($5/$30), ส่วน open-weight DeepSeek V4-Pro (ใบอนุญาต MIT) ทำ 80.6% บน SWE-bench Verified ไล่จี้โมเดลปิด จุดที่เปลี่ยนไปคือ “ราคาต่อความสามารถ” ถูกลงชัดเจน และของฟรีที่โหลดมารันเองก็เก่งพอใช้งานจริงแล้ว

Claude Sonnet 5 — agentic ที่ถูกลง

Anthropic เปิดตัว Claude Sonnet 5 เมื่อ 30 มิถุนายน 2026 โดยวางตำแหน่งเป็น “Sonnet ที่ agentic ที่สุดเท่าที่เคยมี” — ออกแบบมาให้ วางแผนหลายขั้น เรียกใช้เครื่องมือ (browser, terminal) และทำงานเองแบบต่อเนื่อง ได้ดีขึ้นชัดเจนกว่ารุ่น Sonnet 4.6 ทั้งด้านการให้เหตุผล การใช้ tool การเขียนโค้ด และงานความรู้

จุดที่เป็นข่าวจริง ๆ คือ ประสิทธิภาพเข้าใกล้ Opus 4.8 (รุ่นเรือธง) แต่ราคาถูกกว่ามาก:

• ราคาเปิดตัว (ถึง 31 ส.ค. 2026): $2 ต่อล้าน token ขาเข้า และ $10 ต่อล้าน token ขาออก
• ราคามาตรฐาน หลังจากนั้น: $3 / $15 ต่อล้าน token
• Context window 1 ล้าน token เป็นค่าเริ่มต้น และตอบยาวได้สูงสุด 128,000 token ต่อครั้ง
• เป็นโมเดลเริ่มต้นของแพ็กเกจ Free และ Pro, ใช้ได้ใน Claude Code และผ่าน API ในชื่อ claude-sonnet-5

Anthropic ระบุด้วยว่าการประเมินความปลอดภัยพบว่า Sonnet 5 มีอัตราพฤติกรรมไม่พึงประสงค์ ต่ำกว่า Sonnet 4.6 และปลอดภัยขึ้นเมื่อใช้ในบริบท agent (ซึ่งสำคัญมากเมื่อปล่อยให้โมเดลลงมือทำงานเองหลายขั้น) เนื้อหาส่วนนี้เชื่อมโดยตรงกับหลักการที่เราเคยเขียนไว้ใน AI Agent ทำงานยังไง — ยิ่งโมเดลถูกลงและ agentic ขึ้น การประกอบเป็นระบบที่ทำงานเองยิ่งคุ้มค่าและเข้าถึงง่ายขึ้น

GPT-5.6: หนึ่งตระกูล สามรุ่น Sol / Terra / Luna

ถัดมาไม่ถึงสองสัปดาห์ OpenAI เปิดตัวตระกูล GPT-5.6 เมื่อ 9 กรกฎาคม 2026 (หลังเปิดพรีวิวจำกัดให้องค์กรที่ได้รับอนุมัติราว 20 รายตั้งแต่ปลายมิถุนายน) จุดต่างคือคราวนี้มาเป็น สามรุ่นไล่ระดับ ให้เลือกตามงานและงบ:

• Sol — รุ่นเรือธง เน้นการให้เหตุผลซับซ้อนและงาน agent ราคา $5 ขาเข้า / $30 ขาออก ต่อล้าน token
• Terra — รุ่นสมดุล ประสิทธิภาพใกล้ GPT-5.5 แต่ถูกลงราวครึ่ง ราคา $2.50 / $15
• Luna — รุ่นเร็วและถูกสุดในตระกูล ราคา $1 / $6

ทั้งสามรุ่นใช้ context window 1 ล้าน token, ตอบยาวสูงสุด 128,000 token และมี knowledge cutoff ที่ 16 กุมภาพันธ์ 2026 OpenAI เคลมว่า Sol ทำผลลัพธ์ระดับ state-of-the-art ในงานเขียนโค้ด งานความรู้ ความปลอดภัยไซเบอร์ และวิทยาศาสตร์ โดยใช้ token น้อยลงและต้นทุนประเมินต่ำลงเมื่อเทียบกับรุ่นก่อน พร้อมกันนั้นยังเปิดตัวเอเจนต์ชื่อ ChatGPT Work ที่ออกแบบให้ “ทำงานทั้งชิ้น” แทนที่จะแค่ตอบคำถาม และรุ่นใหม่นี้เข้าไปอยู่ใน GitHub Copilot ตั้งแต่วันเปิดตัว

โครงสร้างสามรุ่นนี้สะท้อนสิ่งเดียวกับที่ Anthropic ทำ: แยกรุ่นตาม “ราคาต่อความสามารถ” ให้คนเลือกจ่ายเท่าที่งานต้องการจริง ๆ ไม่ใช่จ่ายแพงสุดทุกงาน

ฝั่ง open-weight ไล่จี้: DeepSeek V4-Pro และ GLM-5.2

ที่น่าสนใจไม่แพ้กันคือ ระหว่างที่เจ้าใหญ่ปล่อยรุ่นใหม่ โมเดล open-weight (เปิดน้ำหนักให้โหลดมารันเองได้) ก็ไม่ได้ตามหลังไกลอย่างเคย

DeepSeek V4-Pro เป็นโมเดล Mixture-of-Experts ขนาด 1.6 ล้านล้านพารามิเตอร์ (เปิดใช้จริงราว 49 พันล้านต่อ token) ใต้ใบอนุญาต MIT ที่หลวมมาก — ทำคะแนน 80.6% บน SWE-bench Verified (โหมด Think Max) ซึ่งเป็น benchmark งานแก้บั๊กจริงจาก GitHub และได้ 90.1% บน GPQA Diamond ตัวเลขนี้ ห่างจากโมเดลปิดระดับท็อปเพียงเศษเสี้ยว ขณะที่โหลด weight จาก Hugging Face มารันเองได้ฟรี รองรับ context 1 ล้าน token และมีรายละเอียดน่าสนใจว่าเป็นโมเดลระดับแนวหน้าตัวแรก ๆ ที่ฝึกเสร็จบนชิป Huawei แทน Nvidia

อีกตัวคือ GLM-5.2 จาก Z.ai (จีน) ที่เราเขียนถึงไปก่อนหน้านี้ — ขึ้นอันดับ 4 โดยรวม บน Artificial Analysis Intelligence Index (นำหน้าโมเดลปิดหลายตัวที่โหลดไม่ได้) ที่คะแนน 51 รายละเอียดสเปก ข้อควรระวังเรื่อง benchmark ที่ยังไม่ verify และประเด็น API โฮสต์ในจีน อ่านต่อได้ที่ GLM-5.2: โมเดลโค้ด open-weight ที่แซงโมเดลเสียเงิน

ครั้งแรกที่ “โมเดลที่ดาวน์โหลดได้ดีที่สุดในโลก” ไม่ได้กำลังไล่ตามแนวหน้า — แต่ยืนอยู่ในแนวหน้าเสียเอง

เทรนด์นี้คือหัวใจ: open-weight ไม่ใช่ของเล่นราคาถูกอีกต่อไป แต่เป็นทางเลือกจริงจังที่ทำให้คนไม่ต้องผูกกับ API เจ้าใหญ่ — ประเด็นเรื่องเครื่องมือรันเอง (Ollama / LM Studio / llama.cpp) เราลงรายละเอียดไว้ที่ รัน LLM ในเครื่องตัวเอง เลือกตัวไหนดี

ภาพรวม: ราคากำลังดิ่ง ความสามารถกำลังพุ่ง

ถ้ามองสามข่าวรวมกัน จะเห็นเส้นเรื่องเดียว — “ราคาต่อความสามารถ” กำลังตกเร็ว:

• โมเดล agentic ระดับใกล้เรือธง (Sonnet 5) เริ่มต้นที่ $2/$10 ต่อล้าน token — ต่ำกว่าราคาโมเดลระดับเดียวกันเมื่อครึ่งปีก่อนอย่างชัดเจน
• OpenAI แยกรุ่นราคาให้เลือกตั้งแต่ Luna ($1/$6) ที่ถูกมากไปจนถึง Sol
• ฝั่ง open-weight ให้ประสิทธิภาพระดับใกล้เคียง โดยไม่มีค่า token ต่อครั้งเลย ถ้ารันเอง (แลกกับต้นทุนฮาร์ดแวร์)

แต่มีข้อควรระวังสองข้อที่ต้องอ่านอย่างมีสติ: หนึ่ง — benchmark ในห้องแล็บกับงานจริงเป็นคนละเรื่อง โมเดลที่ “คิดเยอะ” กิน token มหาศาลต่อโจทย์ ทำให้ราคาต่อ token ที่ดูถูกอาจบานปลายเมื่อใช้งานจริงปริมาณมาก และสอง — ตัวเลขบางส่วน (โดยเฉพาะฝั่งผู้ผลิตรายงานเอง) ยังต้องรอการตรวจสอบอิสระ

วิเคราะห์: กระทบเรายังไง ต้องเตรียมอะไร

สำหรับนักพัฒนาและผู้ใช้ทั่วไป

ข่าวดีคือ ต้นทุนการสร้างผลิตภัณฑ์ AI กำลังต่ำลงเร็ว สิ่งที่เมื่อปีก่อนต้องจ่ายแพงเพื่อให้ได้โมเดลเขียนโค้ด/agent ระดับท็อป ตอนนี้ทำได้ในงบที่ต่ำกว่ามาก และมีทั้งรุ่นเสียเงินราคาถูกลงกับรุ่น open-weight ให้ผสมกันตามงาน

ผลที่จับต้องได้: การทดลองไอเดียถูกลง, การทำ agent ที่วนทำงานหลายขั้น (ซึ่งเปลือง token) เริ่มคุ้มค่าจริง, และคุณมี อำนาจต่อรอง มากขึ้นเพราะไม่ถูกล็อกกับผู้ขายรายเดียว แต่ “ถูกลง” ไม่ได้แปลว่า “ฟรี” — โมเดล agentic ที่รันเองต้องใช้ GPU แรงและคนดูแล งานเล็กจ่าย API รุ่นถูก (Luna / Sonnet 5 ราคาเปิดตัว) มักคุ้มกว่า self-host

สำหรับคนไทยและองค์กรไทยโดยเฉพาะ

ประเด็นที่ต้องคิดละเอียดคือ ข้อมูลไปอยู่ที่ไหน ภายใต้ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล (PDPA) ถ้าธุรกิจเอาข้อมูลลูกค้าหรือเอกสารภายในไปป้อนโมเดล ต้องตอบให้ได้ว่าข้อมูลวิ่งไปเซิร์ฟเวอร์ประเทศไหน ใครเข้าถึงได้ และถูกนำไปเทรนต่อหรือไม่ — โดยเฉพาะโมเดลที่ API โฮสต์นอกไทย

ทางเลือกจึงชัดเป็นสองทาง: ใช้ API สำเร็จรูป (เร็ว ถูก ไม่ต้องดูแลระบบ แต่ต้องเช็ก region และนโยบายข้อมูล) หรือ โหลดโมเดล open-weight มารันเอง บนคลาวด์ที่เลือก region ได้ (ข้อมูลไม่ออกนอกการควบคุม เหมาะกับงานอ่อนไหว แต่ลงทุนฮาร์ดแวร์/คน) ข้อดีที่คนไทยได้แน่ ๆ จากศึกราคานี้คือ SME และสตาร์ทอัพเข้าถึง AI ระดับสูงได้ในงบที่ต่ำลงเรื่อย ๆ และงานภาษาไทยก็ดีขึ้นตามขนาดโมเดล พื้นฐานเรื่องการรัน AI ในองค์กรเองอ่านต่อได้ที่ Local AI คืออะไร

ควรเตรียมหรือปรับตัวอะไร

• ทดสอบกับงานจริงก่อนย้าย — อย่าเชื่อเลข benchmark ดิบ เขียนชุดทดสอบเล็ก ๆ จากเคสที่ใช้บ่อยแล้ววัดเอง โมเดลใหม่ถูกลงจริง แต่ต้องพิสูจน์ว่าเก่งพอกับงานของคุณ
• คิดต้นทุนรวม ไม่ใช่แค่ราคาต่อ token — ประเมินจากปริมาณ token จริงต่องาน โดยเฉพาะ agent ที่คิดหลายขั้น
• แยกข้อมูลตามความอ่อนไหว — งานทั่วไปใช้ API รุ่นถูกได้ ข้อมูลลูกค้า/ความลับธุรกิจควร self-host หรือใช้ผู้ให้บริการที่ระบุ region ชัด
• มองเป็นทางเลือกเชิงกลยุทธ์ — มีทั้งโมเดลปิดราคาถูกและ open-weight ที่ดีไว้ในมือ ช่วยให้เปลี่ยนได้เมื่อราคา/ประสิทธิภาพขยับ ไม่ถูกล็อกกับเจ้าเดียว

โดยรวม ศึกโมเดลกลางปี 2026 ไม่ได้เปลี่ยนแค่ “ใครเก่งสุด” แต่เปลี่ยน “ราคาที่คุณต้องจ่ายเพื่อความเก่งระดับนั้น” ให้ต่ำลง และเพิ่มทางเลือกให้เยอะขึ้น — ความได้เปรียบจะตกอยู่กับคนที่เลือกใช้เป็น รู้ว่างานไหนคุ้มที่จะจ่าย API งานไหนควรรันเอง และข้อมูลไหนห้ามหลุดออกนอกประเทศ ใครอยากปูพื้นให้แน่นเพื่อไล่ตามความเปลี่ยนแปลงนี้ เริ่มได้ที่ โรดแมปเป็น AI Engineer จากศูนย์