Grok 4.5 เปิดให้ใช้สาธารณะ: มัสก์เคลมระดับ Opus ที่ราคา $2/$6 — แต่ตัวเลขที่น่ากังวลคืออัตราหลอนพุ่งจาก 25% เป็น 54%

8 กรกฎาคม 2026 — SpaceXAI ปล่อย Grok 4.5 โดยเปิดให้ใช้งานสาธารณะในวันถัดมา อีลอน มัสก์ อธิบายว่าเป็น “โมเดลระดับ Opus แต่เร็วกว่า ประหยัดโทเคนกว่า และถูกกว่า” และเสริมว่า “การประเมินภายในของเราคือ Grok 4.5 เทียบเท่า Opus 4.7 คร่าว ๆ แต่เร็วกว่ามาก”

คำเคลมแบบนี้จากมัสก์ไม่ใช่ของใหม่ แต่รอบนี้ตัวเลขที่น่าสนใจที่สุดไม่ใช่คะแนนเบนช์มาร์ก — มันคือ ราคาและประสิทธิภาพการใช้โทเคน ซึ่งเป็นสองสิ่งที่นักพัฒนารู้สึกได้จริงในบิลรายเดือน

ราคาคือหมัดเด็ด ไม่ใช่คะแนน

Grok 4.5 ตั้งราคาที่ 2 ดอลลาร์ต่อล้านโทเคนขาเข้า / 6 ดอลลาร์ต่อล้านโทเคนขาออก เทียบกับคู่แข่ง:

โมเดล	ขาเข้า	ขาออก
Grok 4.5	$2	$6
Opus 4.8	$5	$25
GPT-5.5 / 5.6	$5	$30
Fable 5	$10	$50

ที่สำคัญกว่าราคาต่อโทเคนคือ จำนวนโทเคนที่ใช้จริงต่องาน The Decoder รายงานว่า Grok 4.5 ใช้เฉลี่ย 1.9 ล้านโทเคนต่องาน ขณะที่ GPT-5.5 ใช้ 6.2 ล้าน และ Fable 5 ใช้ 7.2 ล้าน — บนชุด SWE-Bench นั้น Grok ใช้โทเคนน้อยกว่า Opus 4.8 ถึง 4.2 เท่า

ผลลัพธ์คือต้นทุนต่องานของเอเจนต์เขียนโค้ดที่ต่างกันชัดเจน: Grok Build อยู่ที่ 2.49 ดอลลาร์ ขณะที่ Codex อยู่ที่ 5.07 และ Claude Code อยู่ที่ 11.80 ดอลลาร์ ส่วนความเร็วอยู่ที่ราว 80 โทเคนต่อวินาที

คะแนนเบนช์มาร์ก: ใกล้ แต่ยังไม่ถึง

ตัวเลขที่ SpaceXAI และสื่อรายงาน สรุปได้ว่า Grok 4.5 “เกาะกลุ่มบน” แต่ไม่ได้เป็นที่หนึ่ง:

• Terminal-Bench 2.1: 83.3% — เฉียด GPT-5.5 (83.4%) และตาม Fable 5 (84.3%) แบบหายใจรดต้นคอ
• DeepSWE 1.1: 53% — ตามหลังชัดเจน (GPT-5.5 ที่ 67%, Fable 5 ที่ 70%)
• SWE-Bench Pro: 64.7% — ต่ำกว่า Opus 4.8 (69.2% ที่ค่า max) และห่างจาก Fable 5 (80.4%) พอสมควร
• Coding Agent Index (ผ่าน Grok Build): 76 คะแนน — เสมอ GPT-5.5 ใน Codex และตาม Fable 5 ใน Claude Code เพียงแต้มเดียว

Artificial Analysis จัดให้อยู่ อันดับ 4 บน Intelligence Index (ตามหลัง Fable 5, GPT-5.5 และ Opus 4.8) โดยมีต้นทุนเพียง 0.31 ดอลลาร์ต่องาน

ตัวเลขที่ควรกังวลมากกว่าคะแนน

รายงานของ Artificial Analysis ชี้จุดที่ควรอ่านช้า ๆ: อัตราการหลอน (hallucination rate) ของ Grok 4.5 เพิ่มขึ้นจาก 25% เป็น 54% แม้ความแม่นยำโดยรวมจะดีขึ้น — พูดอีกอย่างคือ โมเดล “มั่นใจมากขึ้นตอนที่มันผิด”

สำหรับงานแชตทั่วไป นี่คือความรำคาญ แต่สำหรับ เอเจนต์ที่รันโค้ดจริง แก้ไฟล์จริง หรือเรียก API จริง ความมั่นใจผิด ๆ คือสิ่งที่แพงที่สุด เพราะเอเจนต์จะไม่หยุดถาม มันจะลงมือทำ

มุมมอง AI Curator

มีเรื่องตลกร้ายซ่อนอยู่ในข่าวนี้ ถ้าอ่านคู่กับอีกข่าวของวันเดียวกัน: SWE-Bench Pro — เบนช์มาร์กที่ Grok 4.5 ใช้เคลมว่าสูสี Opus — คือเบนช์มาร์กที่ OpenAI เพิ่งตรวจสอบแล้วถอนคำแนะนำ เพราะพบว่าโจทย์สาธารณะราว 30% พัง (เทสต์เข้มเกินไป โจทย์กำกวม คำสั่งขัดแย้งกันเอง) เมื่อเครื่องมือวัดมีสัญญาณรบกวนระดับนั้น การเถียงกันว่า 64.7% กับ 69.2% ใครชนะ ก็แทบไม่มีความหมาย

และนี่คือแบบแผนที่เกิดซ้ำ ๆ: ทุกแล็บเลือกเบนช์มาร์กที่ตัวเองดูดี SpaceXAI เลือกเผยแพร่ผลจากชุดที่ตัวเองคัดมา ซึ่งเป็นสิทธิ์ของทุกบริษัท แต่ก็เป็นเหตุผลว่าทำไมตัวเลขจากบุคคลที่สามอย่าง Artificial Analysis ถึงมีค่ากว่า — และตัวเลขจากบุคคลที่สามนั่นเองที่เผยเรื่องอัตราการหลอน 54% ซึ่งไม่ปรากฏในสไลด์ของใครเลย

สิ่งที่ผมคิดว่าเป็นข่าวจริงของวันนี้จึงไม่ใช่ “Grok ไล่ทัน Opus” แต่คือ ราคาระดับ frontier กำลังพังลงเร็วกว่าที่คุณภาพจะไล่ทัน เมื่อโมเดลอันดับ 4 คิดราคาถูกกว่าอันดับ 1 ถึง 5–8 เท่า และใช้โทเคนน้อยกว่า 3–4 เท่า คำถามเชิงวิศวกรรมจะเปลี่ยนจาก “โมเดลไหนเก่งสุด” เป็น “งานชิ้นนี้ต้องการความเก่งระดับไหน” — งานส่วนใหญ่ในระบบจริงไม่ได้ต้องการโมเดลที่ดีที่สุดในโลก

สำหรับทีมไทยและอาเซียนที่ต้นทุน API คือข้อจำกัดจริง (ไม่ใช่แค่บรรทัดในสไลด์นักลงทุน) บทเรียนเชิงปฏิบัติคือ สถาปัตยกรรมแบบหลายโมเดล (model routing) — ส่งงานง่าย ๆ ที่ปริมาณมหาศาลไปยังโมเดลถูก เก็บโมเดลแพงไว้กับงานที่ต้องการการใช้เหตุผลลึกจริง ๆ ส่วนต่างของราคา 5 เท่าคูณด้วยปริมาณงานจริงคือความแตกต่างระหว่างผลิตภัณฑ์ที่มีกำไรกับผลิตภัณฑ์ที่เผาเงิน

แต่ก่อนจะย้ายมาเพราะราคา ให้ทดสอบเรื่องการหลอนบนโดเมนของคุณเองก่อน — ตัวเลข 54% นั้นแพงกว่าส่วนลด 60% มาก ถ้าเอเจนต์ของคุณมีสิทธิ์เขียนลงฐานข้อมูลจริง

แหล่งข่าว

• SpaceXAI releases Grok 4.5, which Elon describes as an ‘Opus-class model’ — TechCrunch
• Grok 4.5 is so cheap compared to Fable 5 and GPT 5.5 that benchmark gaps may not matter much — The Decoder
• Introducing Grok 4.5 — SpaceXAI