เจาะลึกยักษ์ใหญ่ของสหรัฐฯ: มานุษยวิทยา, OpenAI, Google

กำไร:

• จับคู่สาขาที่แข็งแกร่งและผู้ใช้ทั่วไปของตระกูล Claude, GPT และ Gemini
• ความสามารถในการอ่านตรรกะระดับ (ระดับ) และการตั้งชื่อโมเดลของผู้ให้บริการแต่ละราย
• สร้างนิสัยโดยการเปรียบเทียบข้อมูลการทดสอบของคุณเอง ไม่ใช่คำกล่าวอ้างทางการตลาด

เราจัดทำแผนที่ตลาดและเรียนรู้ความแตกต่างระหว่างน้ำหนักปิด/เปิด ตอนนี้เราจะมาทำความรู้จักกับผู้เล่นที่มองเห็นได้มากที่สุดสามรายในตลาด ได้แก่ ผู้ให้บริการรายใหญ่ในสหรัฐฯ: Anthropic (Claude), OpenAI (GPT) และ Google (Gemini) คุณลักษณะทั้งสามนี้มีส่วนในการตัดสินใจด้าน AI ขององค์กรส่วนใหญ่ในปัจจุบัน เป้าหมายของเราไม่ใช่การประกาศ "ผู้ชนะ"; จุดมุ่งหมายคือการทำความเข้าใจอย่างเป็นกลางว่าแต่ละอันโดดเด่นตรงไหน ตรรกะในการตั้งชื่อ และผู้ใช้ทั่วไป เมื่อหน่วยการเรียนรู้นี้เสร็จสิ้น คุณจะสามารถพูดคุยเกี่ยวกับสามตระกูลนี้โดยไม่ทำให้เกิดความสับสน และคุณจะเข้าใจได้ว่าคุณควรใช้การเปรียบเทียบจากการทดสอบของคุณเอง ไม่ใช่จากการโฆษณา

ตรรกะทั่วไป: ระบบระดับ

ผู้ให้บริการทั้งสามรายนี้ล้วนใช้ตรรกะที่คล้ายกัน: นำเสนอโมเดลที่อยู่ในตระกูลเดียวกัน โดยแบ่งระดับตามความสมดุลของความเร็ว/ต้นทุน/กำลัง โดยปกติจะมีสามชั้น:

• ระดับเบา: เร็วที่สุดและถูกที่สุด สำหรับงานง่ายๆ ที่มีปริมาณมาก (การจัดประเภท การบรรยายสรุป การติดฉลาก)
• เวทีที่สมดุล: พลังและราคาระดับกลาง ตัวเลือก "เริ่มต้น" สำหรับงานประจำวันส่วนใหญ่
• ระดับที่แข็งแกร่ง: มีความสามารถมากที่สุด แพงที่สุด และช้าที่สุด สำหรับการให้เหตุผลที่ซับซ้อน การวิเคราะห์ที่ยาวนาน รหัสที่ยาก

เมื่อคุณเข้าใจตรรกะระดับนี้แล้ว คุณจะไม่รู้สึกสูญเสียไม่ว่าคุณจะดูผู้ให้บริการรายใดก็ตาม “ระดับใดที่สอดคล้องกับโมเดลนี้ในตระกูลนี้” ก็เพียงพอที่จะถาม

เคล็ดลับ: เมื่อคุณได้ยินเกี่ยวกับโมเดลใหม่ ให้ถามก่อนว่า "ตระกูลไหนระดับไหน" ถาม. อย่าปล่อยให้ชื่อมากมายทำให้คุณกลัว ผู้ให้บริการแต่ละรายเสนอสามระดับที่เหมือนกันภายใต้ชื่อที่แตกต่างกัน

มานุษยวิทยา - ครอบครัวคลอดด์

ตระกูล Claude ของ Anthropic มีสามระดับที่เรียกว่า Opus (แข็งแกร่ง), Sonnet (สมดุล) และ Haiku (เบา) รวมถึงหมายเลขเวอร์ชันด้วย ตัวอย่างเช่น โมเดลที่ใช้โดยแพลตฟอร์มนี้คือ claude-opus-4-8 นั่นคือเวอร์ชัน 4.8 ของเวที Opus

มีความโดดเด่นในด้าน: การประมวลผลบริบทแบบยาว (ความสามารถในการอ่านเอกสารหลายร้อยหน้าทั้งหมด) การเขียนและการอ่านโค้ด และพฤติกรรมที่ปลอดภัยและคาดเดาได้ในการใช้งานระดับองค์กร คลอดด์เป็นที่รู้จักกันดีในเรื่องการปฏิบัติตามคำสั่งและทำเรื่องที่ละเอียดอ่อน ดังนั้นจึงเป็นที่นิยมในภาคส่วนที่มีการควบคุม เช่น กฎหมาย การเงิน และสุขภาพ

ผู้ใช้ทั่วไป: ทีมกฎหมายวิเคราะห์เอกสารขนาดยาว ทีมซอฟต์แวร์ตรวจสอบรหัส บริการลูกค้าองค์กรที่ต้องการผลลัพธ์ที่ปลอดภัย

โมเดล Anthropic ปัจจุบันและราคาโดยประมาณ (ต่อล้านโทเค็น อินพุต/เอาท์พุต):

รุ่น

เวที

บริบท

ป้อน $/1M

เอาท์พุต $/1M

คลอดด์บทประพันธ์ 4.8

แข็งแรง

โทเค็น 1M

~5

~25

คล็อด ซอนเน็ต 5

สมดุล

โทเค็น 1M

~3

~15

คล็อด ไฮกุ 4.5

น้ำหนักเบา

โทเค็น 200,000

~1

~5

ข้อควรสนใจ: ราคาเหล่านี้เป็นราคาโดยประมาณสำหรับช่วงเวลาที่โมดูลนี้จัดทำและเปลี่ยนแปลงบ่อยครั้ง อย่าลืมยืนยันหน้าราคาปัจจุบันของผู้ให้บริการก่อนตัดสินใจ เราจะพูดถึงตรรกะราคาโดยละเอียดในหน่วยที่ 6

OpenAI — ตระกูล GPT

กลุ่มผลิตภัณฑ์ GPT ของ OpenAI เป็นแบรนด์ที่ได้รับการยอมรับมากที่สุดในตลาดและมีระบบนิเวศของบุคคลที่สามที่ใหญ่ที่สุด นั่นคือเครื่องมือซอฟต์แวร์ ปลั๊กอิน และการรวมระบบจำนวนมากได้รับการเผยแพร่สำหรับ GPT ก่อน ตระกูล GPT ก็มีการแบ่งระดับเช่นกัน: มีรุ่นที่เร็วและราคาถูก (เช่น รุ่นน้ำหนักเบา เช่น GPT-4o mini), รุ่นอเนกประสงค์ที่สมดุล (GPT-4o) และรุ่นที่ต้องใช้ความคิดหนักๆ เช่น "o-series" ที่เน้นไปที่การใช้เหตุผลโดยเฉพาะ

พื้นที่ที่โดดเด่น: ความคล่องตัวและความแพร่หลาย ความสามารถที่หลากหลายสำหรับข้อความ โค้ด รูปภาพ และเสียง ระบบนิเวศของยานพาหนะที่เติบโตเต็มที่ และการสนับสนุนจากชุมชนในวงกว้าง “งาน AI จะทำได้ไหม?” GPT มักจะเป็นจุดเริ่มต้นที่พร้อม

ผู้ใช้ทั่วไป: สตาร์ทอัพที่สร้างต้นแบบอย่างรวดเร็ว ทีมผลิตภัณฑ์ที่ต้องการบูรณาการในวงกว้าง SMB ที่ต้องการจัดการงานที่หลากหลายด้วยผู้ให้บริการรายเดียว

Google — ครอบครัวราศีเมถุน

กลุ่มผลิตภัณฑ์ Gemini ของ Google มาพร้อมการ์ดอันทรงพลัง 2 ใบ ได้แก่ การทำงานหลายรูปแบบ (ความสามารถในการจัดการข้อความ รูปภาพ เสียง และวิดีโอร่วมกัน) และการผสานรวม Google Workspace (งานที่ฝังอยู่ในเครื่องมือ เช่น Gmail, เอกสาร, ชีต) ราศีเมถุนก็มีการแบ่งชั้นเช่นกัน: มีรุ่น "Flash" ที่รวดเร็วและรุ่น "Pro" ที่ทรงพลังกว่า

จุดเด่น: ความเข้าใจด้านภาพและวิดีโอ บริบทจำนวนมาก และการผสานรวมที่ราบรื่นสำหรับองค์กรที่ใช้เครื่องมือของ Google อย่างหนักอยู่แล้ว หากองค์กรจัดการงานในสำนักงานทั้งหมดบน Google Workspace ก็จะพบว่า Gemini เป็นส่วนขยายตามธรรมชาติ

ผู้ใช้ทั่วไป: บริษัทที่จัดตั้งขึ้นในระบบนิเวศของ Google, ทีมรูปภาพ/วิดีโอที่มีเนื้อหาจำนวนมาก, ผู้ที่ต้องการประมวลผลชุดข้อมูลขนาดใหญ่มากในคราวเดียว

สามครอบครัวเคียงข้างกัน

ขนาด

มานุษยวิทยา (Claude)

OpenAI (GPT)

Google (ราศีเมถุน)

ด้านที่แข็งแกร่งที่สุด

บริบทที่ยาว รหัส พฤติกรรมที่ปลอดภัย

ความคล่องตัวและระบบนิเวศที่กว้างขวาง

หลากหลายรูปแบบ, พื้นที่ทำงาน

ขั้นตอน

บทประพันธ์/โคลง/ไฮกุ

เข้มแข็ง/สมดุล/เบา+มีเหตุผล

โปร/แฟลช

ผู้ใช้ทั่วไป

ภาคส่วนที่มีการควบคุม

ทีมงานองค์กรและผลิตภัณฑ์

สถาบันที่มุ่งเน้นของ Google

ประเภทน้ำหนัก

ปิดแล้ว

ปิดแล้ว

ปิดแล้ว

เมื่อดูตารางนี้อย่าถามว่า "ใครจะชนะ"; ถามว่า “งานของฉันตรงกับแถวไหน?” หากคุณกำลังอ่านสัญญา 200 หน้า บรรทัดบริบทแบบยาวถือเป็นส่วนสำคัญสำหรับคุณ และหากคุณกำลังอ่านใบแจ้งหนี้จากภาพ บรรทัดบริบทแบบหลายรูปแบบถือเป็นส่วนสำคัญสำหรับคุณ

พร้อมท์อ่อนแอ / พร้อมท์ชัดเจน: เมื่อขอตัวเลือกครอบครัว

พรอมต์ที่อ่อนแอ:

อันไหนดีกว่า: Claude, GPT หรือราศีเมถุน

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ที่ปรึกษา AI ที่เป็นกลาง งานของฉัน: ฉันต้องการสร้างแบบร่างเพื่อตอบอีเมลลูกค้าในบริษัทอีคอมเมิร์ซ + แยกจำนวน/วันที่จากรูปภาพใบแจ้งหนี้ที่เข้ามา มีงานที่แตกต่างกันสองงาน: (1) การสร้างข้อความ (2) การแยกข้อมูลจากรูปภาพ งาน: เปรียบเทียบตระกูล Claude, GPT และ Gemini สำหรับทั้งสองงาน จดบันทึกว่าตระกูลใดโดดเด่นตามงาน ระดับใดที่ฉันควรใช้และเพราะเหตุใด อย่าให้ราคาที่แน่นอน ให้ระบุช่วง เมื่อมีข้อสงสัย ให้พูดว่า "ทดสอบ"

เนื่องจากพรอมต์ที่สองแบ่งงานออกเป็นสองงานที่ชัดเจน โมเดลจึงสามารถแนะนำกลุ่มที่เหมาะสมสำหรับแต่ละงานแยกกัน นี่เป็นพื้นฐานสำหรับแนวคิด "โมเดลพอร์ตโฟลิโอ" ที่เราจะเรียนรู้ในภายหลัง

เทมเพลตที่คัดลอกได้

การจับคู่ระดับ 1:

ฉันกำหนดงานต่อไปนี้: [TASK] เมื่อพิจารณาถึงระดับความยากและปริมาตร คุณจะแนะนำตระกูล Claude, GPT และ Gemini ระดับใด (เบา/สมดุล/แข็งแกร่ง) เขียนเหตุผลหนึ่งบรรทัดสำหรับแต่ละครอบครัว

2. ความเข้ากันได้ของระบบนิเวศ:

เครื่องมือที่เราใช้อยู่ในปัจจุบัน: [รายการเครื่องมือ เช่น Google Workspace / Microsoft 365]กลุ่ม AI ใดที่เหมาะกับกลุ่มเครื่องมือนี้อย่างราบรื่นที่สุด และเพราะเหตุใด ประเมินความง่ายในการบูรณาการ เส้นโค้งการเรียนรู้ และความเสี่ยงที่อาจเกิดขึ้นจากการล็อคอิน (การพึ่งพา)

3. การตรวจสอบจุดแข็ง:

ฉันต้องการทดสอบการอ้างสิทธิ์ "[MODEL NAME] ดีที่สุดในเรื่องนี้" สำหรับงาน [TASK] ของฉัน ฉันควรทำการทดสอบตัวอย่าง 3 รายการใดด้วยประสิทธิภาพของตัวเองเพื่อยืนยันการอ้างสิทธิ์นี้ อธิบายเกณฑ์ความสำเร็จของการทดสอบแต่ละครั้งในหนึ่งประโยค

4. การจำแนกชื่อ:

แยกชื่อโมเดลต่อไปนี้เป็นตระกูล สเตจ และเวอร์ชัน และสร้างตาราง: [MODEL NAMES] ติดป้ายกำกับการใช้งานทั่วไปสำหรับแต่ละรายการด้วยคำเดียว

ข้อผิดพลาดทั่วไป

• การตัดสินใจโดยอิงจากการโฆษณา: การประกาศ "โมเดลนี้มาก่อนในการทดสอบนั้น" อาจไม่พูดอะไรเกี่ยวกับภารกิจของคุณ ทดสอบด้วยข้อมูลของคุณเอง
• การเลือกครอบครัวโดยไม่เลือกระดับ: การพูดว่า "เราจะใช้ GPT" นั้นไม่เพียงพอ ระดับใดที่มีการเปลี่ยนแปลงต้นทุนและคุณภาพอย่างรุนแรง
• การเพิกเฉยต่อการล็อคของระบบนิเวศ: ความมุ่งมั่นอย่างลึกซึ้งต่อครอบครัวทำให้การรวมกลุ่มทำได้ง่าย แต่ทำให้ยากต่อการเปลี่ยนไปใช้ผู้ให้บริการรายอื่นในอนาคต
• ขาดหายไปในหัวข้อ: ตลาดนี้เปลี่ยนแปลงอย่างรวดเร็ว; การเปรียบเทียบจากหกเดือนที่แล้วอาจไม่ถูกต้องในวันนี้ ตัดสินใจโดยใช้ข้อมูลที่เป็นปัจจุบัน
• การบังคับให้ครอบครัวหนึ่งทำทุกอย่าง: แม้ว่าครอบครัวหนึ่งจะโดดเด่นในข้อความ แต่อีกครอบครัวหนึ่งก็อาจจะนำหน้าในภาพนี้ คิดทีละงาน

โดยสรุป

• Anthropic, OpenAI และ Google ล้วนมีตรรกะระดับเดียวกัน (เบา/สมดุล/แข็งแกร่ง) ภายใต้ชื่อที่ต่างกัน
• Claude ในบริบทที่ยาว รหัสและพฤติกรรมขององค์กรที่ปลอดภัย GPT มีความสามารถรอบด้านและมีระบบนิเวศที่กว้างขวาง Gemini เป็นเลิศในด้านการผสมผสานหลากหลายรูปแบบและการบูรณาการพื้นที่ทำงาน
• “ดีที่สุด” แตกต่างกันไปตามงาน เปรียบเทียบโดยใช้ข้อมูลการทดสอบของคุณเอง ไม่ใช่จากการโฆษณา
• การแยกชื่อโมเดลเป็นตระกูล + เทียร์ + เวอร์ชันจะช่วยให้คุณพบหนทางในตลาดที่มีผู้คนหนาแน่น

งานสมัคร

ระบุงานที่แตกต่างกันสองงานในงานของคุณ (หนึ่งงานข้อความหนัก หนึ่งภาพหรือเอกสารยาวหนึ่งงานหนัก) การใช้เทมเพลต 1 (การจับคู่ระดับ) ในหน่วยนี้ ให้โมเดล AI ถามอันดับที่เหมาะสมของสามตระกูลสำหรับแต่ละงาน จากนั้น ด้วยเทมเพลต 3 (การตรวจสอบจุดแข็ง) ให้ออกแบบการทดสอบที่เป็นรูปธรรมสามรายการเพื่อทดสอบแบบจำลองที่เสนอด้วยข้อมูลของคุณเอง เราจะใช้การทดสอบเหล่านี้ในการศึกษาประเมินผลในหน่วยที่ 10

รายการตรวจสอบ

• [ ] ฉันสามารถรับรู้ตรรกะระดับ (เบา/สมดุล/แรง) ในทั้งสามตระกูลได้
• [ ] คลอดด์ ฉันสามารถจับคู่พื้นที่ที่ GPT และราศีเมถุนมีความโดดเด่นได้
• [ ] ฉันสามารถเลือกครอบครัวที่เหมาะสมและจัดอันดับงานโดยมีเหตุผล
• [ ] ฉันรู้วิธีทดสอบการกล่าวอ้างแบบจำลองด้วยข้อมูลของตัวเอง
• [ ] ฉันสามารถแยกวิเคราะห์ชื่อโมเดลเป็น family + stage + version ได้