ราคาจริงในบิลของ OpenAI หรือ Anthropic คืออะไร ส่วนลดที่ทั้งสองบริษัทประกาศไว้แต่คุณเข้าถึงไม่ได้จากกล่องแชท และทำไมชั้นโครงสร้างที่เข้าถึงส่วนลดเหล่านั้นได้จึงกลายเป็นสิ่งที่คุณเป็นเจ้าของได้
ลองถามคนส่วนใหญ่ดูว่า AI มีค่าใช้จ่ายเท่าไหร่ พวกเขามักจะตอบเป็นค่าสมาชิกรายเดือน
แต่ถ้าถามว่าการสนทนาหนึ่งครั้งมีค่าใช้จ่ายเท่าไหร่ ห้องก็จะเงียบลง ซึ่งก็สมเหตุสมผล เพราะคำตอบที่แท้จริงนั้นซับซ้อนกว่ามาก ทั้ง OpenAI และ Anthropic คิดเงินในหน่วยที่คุณมองไม่เห็น ตั้งราคาบนสี่มิติที่แตกต่างกัน และประกาศส่วนลดไว้ในเอกสารของตนเองซึ่งแทบจะไม่สามารถเข้าถึงได้เลยหากคุณนั่งอยู่หน้ากล่องข้อความธรรมดา
ข้อมูลเหล่านี้ไม่ได้ถูกซ่อนไว้ ทุกอย่างอยู่บนหน้าเว็บราคาและเอกสารนักพัฒนาของพวกเขาในตอนนี้ เพียงแค่ต้องเข้าใจในระดับที่ลึกกว่าจุดที่คนทั่วไปยืนอยู่
ช่องว่างระหว่างราคาป้ายที่ประกาศไว้กับราคาที่คนทั่วไปจ่ายไม่ใช่เรื่องอื้อฉาว มันคือรูปแบบธุรกิจ และจนกระทั่งเมื่อไม่นานมานี้ คุณไม่มีทางที่จะอยู่ฝั่งตรงข้ามของช่องว่างนั้นได้เลย
บทความนี้จะอธิบายสิ่งที่อยู่ในบิลจริงๆ ทำไมกลไกการควบคุมต้นทุนที่แท้จริงถึงอยู่ที่นั่น และจะเกิดอะไรขึ้นเมื่อชั้นโครงสร้างที่ดึงกลไกเหล่านั้นออกมา กลายเป็นสิ่งที่คุณถือครองได้ ไม่ใช่แค่จ่ายเงินให้มัน หากคุณต้องการเนื้อหาแบบนี้เพิ่มเติมเกี่ยวกับ AI และการเป็นเจ้าของ ติดตาม @MossAI_Official
7 สิ่งที่อยู่ในบิลของคุณ ตรงมาจากเอกสารของพวกเขาเอง
ทุกอย่างด้านล่างนี้เผยแพร่โดย OpenAI หรือ Anthropic แทบไม่มีข้อมูลส่วนนี้เป็นความรู้ทั่วไปนอกทีมวิศวกรรม อัตราค่าบริการเปลี่ยนแปลงตลอดเวลา ดังนั้นให้ถือว่าตัวเลขเหล่านี้เป็นตัวอย่างของโครงสร้างมากกว่าใบเสนอราคาที่แน่นอน
- ต้นทุน Output สูงกว่า Input หลายเท่า บนทั้งสองแพลตฟอร์ม
โมเดลทุกตัวในตารางราคาทั้งสองแห่งคิดเงิน Input และ Output แยกกัน โดย Output มักจะมีราคาแพงกว่าเสมอ อัตราส่วนมักจะอยู่ที่ประมาณ 4 ถึง 6 เท่า
มุมมองเชิงปฏิบัติคือส่วนที่สำคัญ สิ่งที่พิมพ์เข้าไปเกือบจะฟรี แต่สิ่งที่โมเดลส่งกลับมาคือบิล การจำกัดความยาวของคำตอบช่วยลดต้นทุนได้มากกว่าการตัดทอนคำถาม ซึ่งขัดแย้งกับพฤติกรรมของคนส่วนใหญ่
2. คุณกำลังจ่ายสำหรับกระบวนการคิด (Reasoning) ที่คุณไม่ได้รับอนุญาตให้อ่าน
นี่คือข้อที่ทำให้ประหลาดใจได้อย่างแท้จริง
เอกสารช่วยเหลือของ OpenAI ระบุว่า Reasoning Tokens ไม่ปรากฏเป็นข้อความคำตอบ แต่นับรวมในการใช้งาน Output และถูกคิดเงินในฐานะ Output Token ดังนั้นคำตอบสั้นๆ ที่มองเห็นได้อาจใช้ Token มากกว่าที่แสดงบนหน้าจอ คู่มือ Reasoning ของพวกเขา ยืนยันว่า Raw Reasoning Tokens ไม่ได้ถูกเปิดเผย มีเพียงสรุปแบบเลือกใช้ได้เท่านั้น
คุณกำลังจ่ายอัตราค่า Output สำหรับข้อความที่คุณถูกห้ามไม่ให้เห็นโดยโครงสร้างระบบ
3. เพดาน Output ของคุณไม่ได้จำกัดส่วนที่ซ่อนอยู่
ยิ่งชัดเจนขึ้นไปอีก เอกสารสำหรับการรันโมเดลเหล่านี้ระบุว่า พารามิเตอร์ Maximum Output Tokens จำกัดเฉพาะ Output ที่มองเห็นได้ ในขณะที่ Hidden Reasoning Tokens ไม่ถูกจำกัดด้วยเพดานนั้น
ผลลัพธ์ที่ตามมาตามที่ระบุไว้ในเอกสารคือ คำขออาจหมดโควตาไปภายในขั้นตอน Reasoning และคืนค่ากลับมาเป็นศูนย์ โดยที่ Token ถูกใช้ไปแล้ว คู่มือ Reasoning ของ OpenAI รับทราบผลลัพธ์นี้โดยตรง โดยระบุว่าคุณสามารถ incurred costs สำหรับ Input และ Reasoning Tokens โดยไม่ได้รับการตอบสนองที่มองเห็นได้
มิเตอร์เดินต่อเนื่อง หน้าจอว่างเปล่า และนี่คือพฤติกรรมที่ระบุไว้ในเอกสาร ไม่ใช่บั๊ก
4. บริบทที่ซ้ำกันมีส่วนลด 90% และทั้งสองบริษัทบอกคุณเช่นนั้น
Prompt Caching เป็นกลไกเดียวที่ใหญ่ที่สุดใน Stack และคนส่วนใหญ่ไม่เคยได้ยินเรื่องนี้มาก่อน
เอกสาร Caching ของ Anthropic กำหนดให้ Cache Reads มีราคา 0.1 เท่าของราคา Input พื้นฐาน, Cache Write แบบ 5 นาที ราคา 1.25 เท่า และแบบ 1 ชั่วโมงราคา 2 เท่า OpenAI ใช้รูปแบบเดียวกันในตระกูล GPT-5 ปัจจุบัน โดยกำหนดราคา Cached Input ประมาณ 10% ของอัตรา Input มาตรฐาน พร้อม Premium สำหรับการเขียน Cache
คณิตศาสตร์คือจุดที่มีประโยชน์ ด้วย Read ที่ 0.1 เท่าและ Write ที่ 1.25 เท่า Cache Miss จะมีค่าใช้จ่ายประมาณ 12.5 เท่าของ Cache Hit สำหรับ Prefix เดียวกัน และจุดคุ้มทุนอยู่ที่ประมาณ 2 Reads สำหรับงานใดๆ ที่ส่ง System Prompt, Tool Schema หรือเอกสารอ้างอิงเดิมซ้ำในทุก Call นั่นคือความแตกต่างทั้งหมดระหว่างบิลขนาดเล็กและขนาดใหญ่
มันยังมีความเปราะบางในแบบที่ควรรู้ ผู้ให้บริการทั้งสองรายทำ Caching ด้วยการจับคู่ Prefix แบบ Exact Match ดังนั้นหากมีการเปลี่ยนแม้แต่ไบต์เดียวในส่วนต้นของ Prompt จะทำให้ทุกอย่างด้านล่าง Invalid และราคาจะกลับไปที่อัตราเต็มโดยอัตโนมัติ
5. ทั้งสองรายจะลดบิลลงครึ่งหนึ่งสำหรับงานที่ไม่เร่งด่วน
OpenAI และ Anthropic ต่างมี Asynchronous Batch Tier ที่ลดราคา Input และ Output ลง 50% เอกสารราคาของ Anthropic ระบุอย่างชัดเจนว่า Multipliers ของ Caching สามารถซ้อนทับกับส่วนลด Batch ได้
เมื่อนำมาซ้อนกัน Cached Input Token ภายใน Batch จะมีราคาถูกกว่ามาตรฐานเพียงเศษเสี้ยว มันใช้ไม่ได้กับงาน Interactive ซึ่งนั่นคือเหตุผลที่ผลิตภัณฑ์สำหรับผู้บริโภคไม่เปิดให้คุณเข้าถึงฟังก์ชันนี้
6. ส่วนลดขึ้นอยู่กับ Model ID ที่คุณ Pin ไว้ ไม่ใช่โมเดลที่คุณคิดว่าคุณใช้อยู่
นี่คือจุดที่แทบไม่มีใครตรวจสอบ
ส่วนลด Caching ไม่ได้สม่ำเสมอตลอด Catalogue ของผู้ให้บริการ ใน OpenAI ตระกูล GPT-5 ปัจจุบันได้รับส่วนลด Cached Input ประมาณ 90% ในขณะที่โมเดลรุ่นเก่ามีส่วนลดน้อยกว่ามาก ใน Anthropic ตัวคูณ Standard Cache Read คือ 0.1 เท่าของ Base Input โดยบางโมเดลใหม่อาจให้ส่วนลดมากกว่านั้น
ผู้ให้บริการเดียวกัน ชื่อฟีเจอร์เดียวกัน แต่เศรษฐศาสตร์ต่างกันอย่างมากขึ้นอยู่กับ String ใน Config ของคุณ Legacy Model IDs แย่กว่าที่คิด โมเดล Anthropic ที่เลิกใช้แล้วแต่ยังเข้าถึงได้ผ่าน Cloud Partners ยังคงคิดอัตราเดิม ซึ่งอาจสูงกว่าราคาปัจจุบันหลายเท่าสำหรับโมเดลที่มีความสามารถน้อยกว่า
ใครบางคนตั้ง String นั้นไว้ครั้งเดียวและไม่มีใครกลับมาตรวจสอบอีกเลย นี่คือจุดที่ค่าใช้จ่ายเกินจำเป็นจำนวนมากซ่อนอยู่
7. การข้ามเกณฑ์ Context อาจทำให้ทั้ง Request ถูกราคาใหม่
ข้อที่ละเอียดอ่อนที่สุด และมีรูปแบบที่น่ากลัวที่สุด
OpenAI ประกาศอัตรา Long Context แยกต่างหากสำหรับบางโมเดล และกลไกของมันไม่ใช่อย่างที่คนทั่วไปคาดคิด เมื่อเกินเกณฑ์ ทั้ง Request จะถูกราคาใหม่ ไม่ใช่แค่ Token ที่เกินเส้นแบ่ง แค่ Token เดียวที่เกิน ทำให้ทั้ง Call มีค่าใช้จ่ายเพิ่มขึ้นประมาณสองเท่า
Anthropic มีจุดยืนที่แตกต่างในเรื่องนี้ ในโมเดล Claude รุ่นล่าสุด Context Window ทั้งหมดจะถูกคิดเงินที่อัตราต่อ Token มาตรฐาน โดยส่วนลด Caching และ Batch ใช้ได้ตลอดทั้ง Window
นั่นคือความแตกต่างเชิงโครงสร้างที่แท้จริงระหว่างสองแพลตฟอร์ม และมันมองไม่เห็นจาก Interface ผู้บริโภคใดๆ หาก Workload ของคุณใช้ Long Contexts มันอาจครอบงำปัจจัยด้านราคาอื่นๆ ทั้งหมด
กลไกต่างๆ เป็นสาธารณะ แต่คุณยังคงเข้าไม่ถึง
นี่คือประเด็นเชิงโครงสร้าง
กลไกทั้งหมดข้างต้นอยู่ที่ API Layer การเข้าถึงมันต้องอาศัยการควบคุมโครงสร้าง Prompt เพื่อให้ Cache ทำงานจริง, การ Routing โมเดลเพื่อให้ Job ที่ถูกต้องไปยัง Price Tier ที่เหมาะสม, การ Batching สำหรับงานที่ยอมรับ Latency ได้, การควบคุม Effort ของ Reasoning และความตระหนักว่า Request ตกอยู่ใน Context Tier ใด
จาก Chat Interface ผู้บริโภค คุณมีแค่กล่องข้อความและค่าธรรมเนียมรายเดือน คุณไม่สามารถ Route, ไม่สามารถ Batch, ไม่สามารถจัดโครงสร้าง Cache Prefix และไม่สามารถเห็นว่า Setting Reasoning Effort ของคุณมีค่าใช้จ่ายเท่าไหร่
ดังนั้นจึงเกิด Spread ขึ้น ด้านหนึ่งคือสิ่งที่ Operator ที่มีความสามารถทำได้โดยการผสมผสานสิ่งเหล่านี้ อีกด้านหนึ่งคือสิ่งที่ผู้ใช้ทั่วไปจ่าย ไม่มีใครถูกโกง ส่วนลดเหล่านี้คือพื้นผิวทางวิศวกรรม ไม่ใช่ฟีเจอร์สำหรับผู้บริโภค และผลิตภัณฑ์ผู้บริโภคไม่ได้สร้างมาเพื่อเปิดเผยมัน
ธุรกิจที่ดำรงชีวิตอยู่ใน Spread เหล่านี้คือ Relays, Gateways และ Aggregators พวกเขาอยู่ระหว่างผู้ใช้และผู้ให้บริการ, Route ไปยังโมเดลที่ถูกที่สุดที่เพียงพอ, รักษา Cache ให้ Warm เพื่อไม่ให้บริบทที่ซ้ำกันถูกซื้อใหม่ในราคาเต็ม, Batch งานที่สามารถ Batch ได้ และส่งมอบสิ่งที่เรียบง่ายกว่า Raw API ให้แก่ผู้ใช้
รายได้ของพวกเขาคือ Spread ซึ่งตรงนี้แหละที่น่าสนใจ
Relay คือธุรกิจ Throughput และนั่นหายากในตลาดนี้
สิ่งส่วนใหญ่ในตลาดนี้คือการพนัน คุณมีความเห็น คุณถูกหรือผิด ผลลัพธ์แกว่งไปมา
Relay คือด่านเก็บภาษี ปริมาณไหลผ่าน กำไรสะสมต่อหน่วย และเศรษฐศาสตร์ขยายตัวตามการใช้งาน ไม่ใช่ตามความถูกต้องของใครสักคน
คุณสมบัติสามประการตามมา และทั้งสามประการหายาก
รายได้เป็นต่อหน่วยและต่อเนื่อง ไม่กระตุก ไม่ขับเคลื่อนด้วยเหตุการณ์ ไม่ขึ้นอยู่กับว่า Call จะออกมารูปแบบไหน Token ไหลเข้ามา กำไรสะสมชั่วโมงแล้วชั่วโมงเล่า
ความต้องการไม่สัมพันธ์กับ Crypto คนที่เขียนโค้ด สร้างวิดีโอ และรัน Assistants ไม่ได้เช็คตลาดก่อน ปัจจัยขับเคลื่อนการบริโภคคือการยอมรับ AI ซึ่งเป็นหนึ่งในไม่กี่สิ่งในอุตสาหกรรมนี้ที่ไม่เคลื่อนไหวตามกระแสอื่น
กิจกรรมคือตัวเลข ไม่ใช่การตีความ Throughput วัดได้โดยไม่ต้องถกเถียงเรื่องการ Attribution ไม่ต้องสงสัยว่าเดือนที่ดีเกิดจากทักษะหรือโชค Requests ผ่านหรือไม่ผ่านเท่านั้น
ข้อสุดท้ายสำคัญกว่าที่ฟังดูเหมือน trivial ส่วนที่ยากที่สุดของการทำให้สิ่งใดสิ่งหนึ่ง "เป็นเจ้าของได้" คือการพิสูจน์ว่ามันทำอะไร ธุรกิจ Throughput มีระยะห่างที่สั้นผิดปกติระหว่างสิ่งที่เกิดขึ้นและสิ่งที่แสดงได้
Model Max และการเป็นเจ้าของด่านเก็บภาษี แทนที่จะเป็นแค่คนที่จ่าย
Model Max คือ Token API Relay และมันมีชีวิตอยู่แล้วในฐานะ Redemption Agent บน Moss Agent Marketplace
ฝั่งผลิตภัณฑ์นั้นตรงไปตรงมา เข้าถึงโมเดลผ่านเส้นทางเดียว โดยการจัดการ Routing, Caching และ Batching ที่ Layer ที่การตัดสินใจเหล่านั้นเป็นไปได้จริง ไม่ใช่ที่ Layer ที่คุณติดอยู่กับกล่องข้อความ
อีกครึ่งหนึ่งคือส่วนที่น่าจับตามอง ในฐานะ Agent บน Marketplace Relay ไม่ใช่แค่สิ่งที่คุณใช้ แต่มันคือสิ่งที่คุณสามารถถือครอง Position ได้
รูปแบบนี้แตกต่างจากส่วนใหญ่ในหมวดนี้ กิจกรรมของ Relay ใกล้กับ Input ในอุดมคติสำหรับ Claim ที่ตรวจสอบได้ เพราะ Throughput เป็นข้อเท็จจริง ไม่ใช่เรื่องราว ไม่มี Track Record ให้ตีความ ไม่มี Performance Story ที่ต้องเชื่อใจ การใช้งานเกิดขึ้นหรือไม่ และนั่นอ่านออกได้
มันยังเป็น Redemption Agent ตัวที่สองที่เราปล่อยออกมา ซึ่งสิ่งที่ถูกใช้และสิ่งที่ถูกเป็นเจ้าของคือวัตถุเดียวกัน คุณสามารถเป็นลูกค้าของ Relay และเป็นเจ้าของมันได้ในเวลาเดียวกัน และความสัมพันธ์ที่สองไม่ใช่ Loyalty Tier มันคือ Position
เราเริ่มต้นด้วย Trading Agents เพราะ Trading คือสนามทดสอบที่โหดร้ายที่สุด ตัวเลขคือจริงหรือเป็นเรื่องแต่ง และ Blockchain ไม่ยอมให้คุณโกหกได้ว่าอันไหนคือความจริง Redemption Agents นำมาตรฐานเดียวกันนี้ไปสู่มนุษย์ที่จะไม่มีวันเปิด Perp สิ่งที่มาหลังจากนี้จะผลักดันไปไกลกว่านั้น สู่ระบบที่ไม่ได้แค่รันบน Chain แต่ ออกและดำเนินการบน Chain เอง
รายละเอียดเพิ่มเติมจะมาพร้อมกับการเปิดตัว ไม่ใช่ก่อนหน้านั้น
4 สิ่งที่ต้องทำสัปดาห์นี้ ไม่ว่าคุณจะใช้อะไร
ไม่มีข้อใดต้องใช้ Moss
หยุด Optimise ความยาว Prompt และเริ่มจำกัด Output คุณกำลังจ่ายสำหรับคำตอบ ไม่ใช่คำถาม การขอ 50 คำแทน 500 คำ ช่วยลดบิลได้ประมาณ 10 เท่า มากกว่าการแก้ Prompt ให้สั้นลง
ตรวจสอบว่า Reasoning Effort Setting ของคุณซื้ออะไรให้คุณ ในงานที่ไม่ต้องการการไตร่ตรอง High Effort คือเงินที่เสียไปกับ Hidden Tokens ที่ไม่ปรับปรุงอะไรที่คุณได้รับจริง นี่เป็นวิธีที่พบบ่อยที่สุดที่ผู้คน Overpay โดยไม่รู้ตัว
เปิด Config ของคุณและอ่าน Model ID ไม่ใช่ชื่อโมเดลที่คุณคิดว่าคุณใช้อยู่ แต่เป็น String จริง จากนั้นตรวจสอบกับตารางราคาล่าสุด IDs เก่ามักนำเศรษฐศาสตร์เก่ามาด้วยเงียบๆ และบางครั้งมีส่วนลด Caching ที่แย่กว่ามาก สำหรับโมเดลที่ความสามารถน้อยกว่า
หากคุณสร้างอะไรก็ตาม วัด Cache Hit Rate ก่อน Optimise อย่างอื่น Fields การใช้งานใน Response ให้ Split ระหว่าง Fresh Input, Cache Writes และ Cache Reads Zero Reads ในการเรียกซ้ำหมายความว่าบางอย่างในส่วนต้นของ Prompt กำลังเปลี่ยนและทำให้ทุกอย่างด้านล่าง Invalid นั่นคือความแตกต่างของต้นทุน 12 เท่าที่ซ่อนอยู่หลัง Byte เดียว
นิสัยที่อยู่เบื้องหลังทั้งสี่ข้อคือ Takeaway จริง Treat AI Spend เป็นบิลที่มีโครงสร้าง ไม่ใช่ Subscription ที่มีตัวเลข เมื่อโครงสร้างมองเห็นได้ คำถามว่าใครอยู่ในตำแหน่งใดภายในโครงสร้างนั้นก็จะมองเห็นได้เช่นกัน
สิ่งที่ต้องทำตอนนี้
ไปที่ moss.site และดูที่ Model Max ใช้มันเป็น Relay ถ้าคุณต้องการ ดูว่าการถือ Position ในมันหมายถึงอะไร ถ้าสิ่งนั้นน่าสนใจสำหรับคุณ ทั้งสองอย่าง Live แล้ว และ它们是วัตถุเดียวกัน ซึ่งเป็นส่วนที่เราคิดว่าใหม่
เศรษฐกิจทุกรูปแบบจะตัดสินในที่สุดว่าใครเป็นเจ้าของ Infrastructure เศรษฐกิจ AI อยู่ในเฟสที่ทุกคนจ่ายที่ด่านเก็บภาษี และไม่มีใครคิดถึงคำถามว่าใครเป็นเจ้าของมัน
คำถามนั้นจะเปิดค้างไว้อีกสักพัก
แหล่งที่มา
- OpenAI Help Center, Understanding and counting tokens, เกี่ยวกับ Reasoning Tokens ที่ถูกคิดเงินเป็น Output ขณะที่มองไม่เห็นเป็นข้อความคำตอบ: https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them
- OpenAI reasoning models guide, เกี่ยวกับ Raw Reasoning Tokens ที่ไม่ถูกเปิดเผย และเกี่ยวกับการ incurred cost โดยไม่มีการตอบสนองที่มองเห็นได้: https://developers.openai.com/api/docs/guides/reasoning
- OpenAI API pricing page, สำหรับอัตรา Input, Cached Input และ Output ต่อโมเดลปัจจุบัน, Batch และ Flex Tiers และอัตรา Long Context: https://openai.com/api/pricing/
- Microsoft Learn Q&A on Azure OpenAI billing, เกี่ยวกับ Hidden Reasoning Tokens ที่รวมอยู่ใน Billing และ Parameter Maximum Output Tokens ที่ไม่ได้จำกัดพวกมัน: https://learn.microsoft.com/en-us/answers/questions/5542366/why-did-azure-report-more-completion-tokens-than-m
- Anthropic prompt caching documentation, เกี่ยวกับ Cache Reads ที่ 0.1 เท่าของ Base Input, Write Multipliers และการซ้อนทับกับส่วนลด Batch API: https://platform.claude.com/docs/en/build-with-claude/prompt-caching
- Anthropic pricing page, สำหรับอัตราต่อโมเดลปัจจุบันและส่วนลด Batch API: https://claude.com/pricing
