Anthropic เปิดตัว Claude Opus 5 เมื่อวันที่ 24 กรกฎาคม 2026 โมเดล AI รุ่นใหม่ที่บริษัทระบุว่าทำงานได้ "ใกล้เคียง" กับโมเดลเรือธงที่แรงที่สุดอย่าง Claude Fable 5 ในหลายงาน ทั้งการเขียนโค้ด งานความรู้ และงานวิจัยเชิงวิทยาศาสตร์ แต่คิดค่าใช้งานถูกลงราวครึ่งหนึ่ง และถูกดันขึ้นเป็นค่าเริ่มต้นของผู้ใช้แพ็กเกจ Claude Max พร้อมเป็นตัวเลือกที่แรงที่สุดบน Claude Pro
ด้านราคาบน API อยู่ที่ 5 ดอลลาร์ต่ออินพุต 1 ล้านโทเคน และ 25 ดอลลาร์ต่อเอาต์พุต 1 ล้านโทเคน ซึ่งเป็นระดับที่ทำให้โมเดล "เกือบท็อป" เข้าถึงได้ง่ายขึ้นสำหรับนักพัฒนาและธุรกิจที่ต้องเรียกใช้งานปริมาณมากทุกวัน
ฟีเจอร์ที่ต่างจากเดิมชัดที่สุดคือปุ่มปรับ "ระดับความพยายาม" (effort) ให้เลือกได้ 3 ระดับ — low / medium / high — เพื่อบอกโมเดลว่าจะ ทุ่มประมวลผลหนักแค่ไหนต่อหนึ่งคำถาม งานง่าย ๆ ตั้ง low เพื่อตอบเร็วและประหยัด ส่วนงานยากที่ต้องคิดเป็นขั้นตอนค่อยดันเป็น high เท่ากับยกการชั่งน้ำหนัก "คุ้มค่ากับต้นทุนแค่ไหน" มาไว้ในมือผู้ใช้เอง
Opus 5 ออกมาในจังหวะที่ค่ายใหญ่ทุกเจ้า — Microsoft, Google, OpenAI และ Anthropic — กำลังแข่งกันดันเครื่องมือ AI ที่ "ลงมือทำงานแทน" ผู้ใช้ได้จริง ไม่ใช่แค่ตอบคำถาม การที่ราคาต่อการเรียกใช้ลดลงเรื่อย ๆ จึงเป็นสัญญาณสำคัญพอ ๆ กับตัวเลขความเก่ง เพราะมันกำหนดว่าใครจะเอา AI ไปฝังในผลิตภัณฑ์จริงได้ในต้นทุนที่รับไหว
สำหรับทีมไทยที่ต่อ AI เข้ากับแชตบนแอปยอดฮิตอย่าง LINE หรือทำระบบ automation และแชตบอต ราคาต่อโทเคนที่ถูกลงบวกกับปุ่ม effort แปลว่าคุมงบประมาณต่อข้อความได้ละเอียดขึ้น เช่น ตั้ง low ไว้ตอบคำถามซ้ำ ๆ ของลูกค้า แล้วดัน high เฉพาะเคสที่ต้องวิเคราะห์หรือสรุปยาว ๆ
อีกมุมที่คนทำงานสาย AI จับตาคือเรื่อง เอเจนต์ (AI agents) — งานแบบเอเจนต์มักต้องเรียกโมเดลหลายสิบครั้งต่อการทำงานหนึ่งรอบ การมีโมเดลที่ถูกลงและปรับ effort เป็นราย ๆ ได้ ช่วยให้ต้นทุนของ "ให้ AI ทำงานยาว ๆ แทน" ลดลงอย่างมีนัยสำคัญ ซึ่งเป็นทิศทางที่แทบทุกค่ายกำลังผลักดันในปีนี้
แปลว่าอะไร
การที่โมเดล "เกือบท็อป" ราคาครึ่งเดียวกลายเป็นค่าเริ่มต้น สะท้อนว่าสนามแข่ง AI กำลังเลื่อนจากคำถาม “ใครเก่งที่สุด” มาเป็น “ใครคุ้มที่สุดต่อดอลลาร์” ซึ่งเป็นข่าวดีกับคนที่สร้างของบน AI มากกว่าห้องแล็บที่ไล่ทำโมเดลใหญ่ที่สุด อย่างไรก็ตาม คำว่า "ใกล้เคียงรุ่นท็อป" เป็นคำเคลมจากบริษัทเอง ตัวเลข benchmark กับงานจริงมักไม่ตรงกันเป๊ะ ทางที่ดีคือลองกับงานของตัวเองก่อนตัดสินใจย้าย