ไอเดียคืองานหลายอย่างไม่ได้ต้องการให้เอไอเขียนยาว แค่อยากได้คำตอบ เช่น ตั๋วนี้ควรส่งทีมไหน CDM จะอ่านข้อมูลรอบเดียวแล้วชี้คำตอบออกมาเลย ตอนนี้ลองผ่าน OpenRouter ได้แล้ว
มีอะไรใหม่
- Classify-1 ตัวแยกหมวด จัดข้อความหรือเอกสารตามป้ายที่เราตั้งเอง แล้วบอกความน่าจะเป็นของแต่ละป้าย เหมาะกับงานคัดตั๋วซัพพอร์ต กรองสแปม หรือดูว่าลูกค้าอยากทำอะไร
- ตัวแยกหมวดรับคำขอแบบเดียวกับ Jev ของ TypeSafe เอกสารบอกว่าใครเขียนโค้ดไว้กับ Jev แล้ว เปลี่ยนแค่ที่อยู่ปลายทางก็ย้ายมาใช้ได้
- Extract ดึงข้อมูลที่ต้องการออกจากข้อความ แค่บอกเป็นภาษาธรรมดาว่าอยากได้อะไร เช่น ชื่อคู่สัญญา หรือวันเริ่มสัญญา ผลที่ได้มีคะแนนความมั่นใจ ตำแหน่งในเอกสาร และข้อความรอบ ๆ ไว้ตรวจซ้ำ
- Extract อ่านรูปถ่าย ไฟล์สแกน และ PDF ได้ด้วย ใบเสร็จหรือแบบฟอร์มที่สแกนมาไม่ต้องแปลงเป็นข้อความก่อน
- Summarize สรุปความด้วยคำของมันเอง ไม่ได้หยิบประโยคเดิมมาต่อกัน และตั้งค่าการสุ่มไว้ตายตัว ผลแต่ละรอบเลยนิ่งกว่า
- ทั้ง 3 ตัวรับข้อมูลเข้าได้ราว 1 ล้านโทเคน ทั้งข้อความ รูป และไฟล์
ราคาและการเข้าถึง
- ทั้ง 3 ตัวขึ้น OpenRouter วันเดียวกับที่เปิดตัว ช่วงนี้ลด 20% เหลือ 0.04 ดอลลาร์ต่อล้านโทเคนขาเข้า จากราคาปกติ 0.05 ดอลลาร์ ส่วนขาออกไม่คิดเงิน
- Classify-1 ต้องเรียกผ่านช่องทางตอบคำถามแบบมีตัวเลือกของ OpenRouter ไม่ใช่แบบแชตที่คุ้นกัน ส่วนอีก 2 ตัวเรียกแบบแชตได้ตามปกติ
- ถ้าอยากได้คีย์ API ตรงจาก ScaleDown ตอนนี้ยังต้องนัดคุยกับทีมขายก่อน
ตัวเลขที่บริษัทเคลม
- ScaleDown บอกว่าเร็วกว่าราว 200 เท่า และถูกกว่าราว 467 เท่า เมื่อเทียบกับการเรียก API โมเดลใหญ่
- เทียบกับค่าเฉลี่ยโมเดล 3 รุ่นของ OpenAI นำโดย GPT-5.5 บนชุดทดสอบที่บริษัทเลือกเอง แม่นกว่า 8.72% ถูกกว่า 89 เท่า และเร็วกว่า 2.4 เท่า เฉพาะงานแยกหมวดถูกกว่าถึง 1,810 เท่า
- เทียบกับค่าเฉลี่ยโมเดล 4 รุ่นของ Anthropic ที่มีทั้ง Fable 5 และ Opus 4.8 แม่นกว่า 8.0% ถูกกว่า 161 เท่า และเร็วกว่า 3.8 เท่า
- ตัวเลขทั้งหมดนี้บริษัทวัดเอง ยังไม่มีผลทดสอบจากคนนอก
สรุป
ใครใช้โมเดลใหญ่แค่เพื่อแยกหมวดหรือดึงข้อมูลวันละเป็นแสนครั้ง ค่าใช้จ่ายส่วนนี้น่าจะลดลงได้เยอะ แต่ควรเอางานจริงมาลองเทียบก่อน โดยเฉพาะงานภาษาไทย เพราะตัวเลขที่บริษัทโชว์ยังไม่ได้แยกผลภาษาไทยไว้
แหล่ง: ScaleDown Docs / OpenRouter / Neal Patel บน X · 13 ต.ค. 2026