EP5 เลือกโมเดลให้เหมาะงาน ประหยัดได้หลายสิบเท่า โดยงานไม่แย่ลง

EP4 เรามีทีม AI ที่ทำงานเป็นสายพานแล้ว พอใช้จริงทุกวัน คำถามที่ตามมาเสมอคือค่าใช้จ่าย ข่าวดีคือส่วนใหญ่ประหยัดได้มากโดยงานไม่แย่ลง แค่เลิกใช้ตัวเก่งที่สุดกับทุกงาน

ปัญหา: จ้างผู้เชี่ยวชาญมาถ่ายเอกสาร

ถ้าทุกงานในบริษัทให้วิศวกรอาวุโสทำ งานจะออกมาดี แต่แพงเกินจำเป็น งานค้นแฟ้ม งานสรุปรายงาน ไม่ต้องใช้คนระดับนั้น การใช้โมเดลใหญ่ที่สุดกับทุกงานก็เหมือนกัน

หลักการ: ใช้ตัวเก่งกับงานที่ต้อง คิด ใช้ตัวเล็กกับงานที่ต้อง อ่านเยอะ แต่ตัดสินใจน้อย

รู้จักสามระดับ

ราคา API ของ Anthropic ณ ตุลาคม 2026 (ดอลลาร์ต่อ 1 ล้าน token)

รุ่น	ขาเข้า	ขาออก	เหมาะกับ
Claude Opus 5.5	$4	$20	วางแผน ออกแบบระบบ แก้บั๊กยาก รีวิวงานสำคัญ
Claude Sonnet 5.5	$2	$10	เขียนโค้ดประจำวัน งาน agent ทั่วไป
Claude Haiku 5.5	$0.10	$0.50	ค้นไฟล์ สรุป log จัดหมวด งานซ้ำปริมาณมาก

ราคา Haiku นี้ใช้กับคำสั่งที่ยาวไม่เกิน 100K token ยังมีรุ่นที่เก่งกว่า Opus คือ Claude Fable 5.1 ($10 / $50) สำหรับงานยากและยาวที่สุด

สังเกตสองอย่าง ข้อแรก ขาออกแพงกว่าขาเข้า 5 เท่า ทุกรุ่น ข้อสอง Haiku ถูกกว่า Opus 40 เท่า

ตัวอย่างคำนวณ: ให้ผู้ช่วยไปค้นโค้ด

สมมติให้ subagent (EP3) ไปหาว่าฟังก์ชันหนึ่งถูกเรียกจากไหนบ้าง มันอ่านโค้ดรวม 80,000 token แล้วเขียนสรุปกลับมา 2,000 token

รุ่น	ขาเข้า	ขาออก	รวม
Opus 5.5	0.08 × $4 = $0.32	0.002 × $20 = $0.04	$0.36
Sonnet 5.5	0.08 × $2 = $0.16	0.002 × $10 = $0.02	$0.18
Haiku 5.5	0.08 × $0.10 = $0.008	0.002 × $0.50 = $0.001	$0.009

งานค้นแบบนี้ไม่ต้องคิดลึก Haiku ทำได้ดีพอ ทำวันละ 50 ครั้ง ต่างกันประมาณ $18 กับไม่ถึง $0.50

ตั้งค่าใน Claude Code

ตัวหลัก เปลี่ยนรุ่นได้ด้วยคำสั่ง /model ใช้ตัวเก่งตอนวางแผนหรือแก้เรื่องยาก แล้วสลับลงตอนงานเป็นแบบแผน

subagent แต่ละตัว กำหนดรุ่นในไฟล์ agent ได้เลย

---
name: finder
description: ค้นหาว่าโค้ดส่วนไหนอยู่ที่ไหน ถูกเรียกจากไหน ใช้เมื่อต้องค้นหลายไฟล์
tools: Read, Grep, Glob
model: haiku
---

ตัวหลักใช้ Opus คิดและตัดสินใจ ส่วนงานค้นส่งให้ finder ที่ใช้ Haiku ได้ผลแบบเดียวกับตัวอย่างข้างบนอัตโนมัติ ปลั๊กอินตรวจความปลอดภัยในตลาดปลั๊กอินทางการของ Claude Code ก็ใช้วิธีนี้ ตัวค้นโค้ดของมันถูกตั้งให้ใช้ Sonnet แทนตัวใหญ่สุด

ปรับ effort ก่อนเปลี่ยนรุ่น

โมเดลรุ่นใหม่มีปุ่ม effort (low, medium, high, xhigh, max) บอกว่าจะให้คิดลึกแค่ไหนก่อนตอบ effort ต่ำ คิดสั้น ใช้ token น้อย ตอบเร็ว

ลำดับที่แนะนำคือ ถ้างานง่ายแต่รู้สึกว่าแพง ให้ ลด effort ก่อน ค่อยพิจารณาเปลี่ยนรุ่น เพราะโมเดลเก่ง ๆ ที่ effort ต่ำ มักยังทำงานได้ดีกว่ารุ่นเล็กที่ effort สูง และไม่ต้องเปลี่ยนหลายอย่างพร้อมกัน

ต้นทุนแฝงที่มักมองข้าม

• คำตอบยาวเกินจำเป็น ขาออกแพงกว่าขาเข้า 5 เท่า คำเกริ่น คำสรุปซ้ำ ตารางตกแต่ง ล้วนเป็นเงิน เครื่องที่ใช้เขียนบทความนี้มีกติกาส่วนตัวใน CLAUDE.md (EP1) ให้ตอบสั้น ตัดคำสุภาพและคำเกริ่น แต่ห้ามตัดเรื่องที่ทำให้งานถูก
• คู่มือที่ไม่นิ่ง ส่วนที่ส่งซ้ำทุกครั้ง เช่น CLAUDE.md จะถูก cache ไว้ อ่านซ้ำคิดราคาราว 1 ใน 10 ของปกติ แต่ถ้าแก้ไฟล์บ่อย cache ก็ต้องเริ่มใหม่
• ตัวถูกที่ต้องทำซ้ำ ถ้าตัวเล็กทำพลาด ต้องแก้สามรอบ แถมคนต้องมาตรวจเพิ่ม สุดท้ายแพงกว่าใช้ตัวเก่งรอบเดียว วัดต้นทุนต่องานที่เสร็จ ไม่ใช่ต่อครั้งที่เรียก

ลองเองใน 10 นาที

1. สร้าง subagent finder ตามตัวอย่างข้างบน ตั้ง model: haiku
2. ถามคำถามค้นโค้ดเดิมสองครั้ง ครั้งแรกให้ตัวหลักค้นเอง ครั้งที่สองให้ finder ค้น
3. เทียบคำตอบ ถ้าได้ข้อมูลครบเท่ากัน งานค้นต่อจากนี้ส่งให้ finder ได้เลย

ตรงไหนที่คนต้องทำ

คนเป็นคนตัดสินว่า งานไหนพลาดไม่ได้ งานนั้นให้ตัวเก่งทำ และคนเป็นคน วัด ว่าการย้ายไปตัวเล็กยังได้ผลเท่าเดิมจริง ไม่ใช่เดาจากราคา ความประหยัดที่ทำให้งานพังแล้วต้องแก้ทีหลัง ไม่ใช่ความประหยัด

ตอนหน้า

จนถึงตอนนี้ AI ของเราทำงานกับไฟล์และคำสั่งในเครื่อง EP6 จะให้มัน มีมือ เข้าถึงระบบอื่น เช่น ฐานข้อมูล เว็บ หรือเครื่องมือของบริษัท ผ่านมาตรฐานเดียวชื่อ MCP ซึ่งเป็นประตูแรกสู่การทำงานร่วมกับระบบและ AI ตัวอื่น