ความแม่นยำชนะนิดเดียว แต่เรทมั่วพุ่ง 89%: ChatGPT กับ Claude แยกทางกันไม่ใช่แค่เรื่องคะแนน

มาดูตัวเลขที่ดูขัดแย้งกันชุดหนึ่งก่อน โมเดลเรือธงล่าสุดของ ChatGPT คือ GPT 5.6 Sol (Max) มีอัตราการพูดมั่ว (Hallucination Rate) ในเบนช์มาร์ก AA-Omniscience อยู่ที่ 89% ซึ่งสูงกว่ารุ่นก่อนหน้า GPT-4o ที่อยู่ที่ 38% อย่างมาก แต่ในเบนช์มาร์กเดียวกันนี้ ความแม่นยำด้านความรู้ของ GPT 5.6 Sol กลับดีขึ้นกว่ารุ่นก่อน นั่นหมายความว่าโมเดลตัวนี้ “รู้มากขึ้น” แต่เมื่อเจอคำถามที่ไม่รู้คำตอบ โอกาสที่มันจะเลือกแต่งคำตอบขึ้นมาเองแทนการยอมรับว่าไม่รู้ก็สูงขึ้นตามไปด้วย

ฝั่งตรงข้ามคือ Claude Fable 5 (Max) ของ Anthropic ที่มีอัตราการพูดมั่วอยู่ที่ 55% ความแม่นยำ 61% ซึ่งดีกว่า GPT 5.6 Sol ที่อยู่ที่ 59% ทั้งสองด้าน ความแตกต่างยิ่งชัดเจนขึ้นในกลุ่มโมเดลระดับกลาง โดย Claude Sonnet 5 มีความแม่นยำ 38% อัตราพูดมั่ว 37% ในขณะที่ ChatGPT 5.6 Terra แม้ความแม่นยำจะนำอยู่ที่ 46% แต่อัตราพูดมั่วพุ่งสูงถึง 85% พูดง่ายๆ คือทั้งสองบริษัทตอบถูก “มากขึ้น” ในระดับพอๆ กัน แต่พอเจอคำถามที่ไม่รู้ โมเดลตระกูล ChatGPT มีแนวโน้มจะมั่วคำตอบมากกว่าเห็นได้ชัด

ด้านฟีเจอร์ก็แบ่งบทบาทกันชัดเจน Cowork ที่ Claude เปิดตัวเมื่อเดือนมกราคมที่ผ่านมา ทำหน้าที่จัดการงานที่ต้องใช้ความรู้แทนผู้ใช้ เช่น จัดระเบียบไฟล์ ผู้ใช้สามารถสร้างชุดคำสั่งที่เรียกว่า skills แล้วเรียกใช้ในบทสนทนาได้ทันทีด้วยการพิมพ์ “/” โดย skills นี้ใช้ข้ามได้ทั้งใน Claude แชท, Cowork และ Claude Code ส่วน Claude Artifacts สามารถเรนเดอร์โค้ด, เว็บไซต์ HTML หน้าเดียว, คอมโพเนนต์ React และกราฟได้แบบทันที ผลงานที่ทำออกมาสามารถเผยแพร่แชร์ได้เลย และยังดึงข้อมูลแบบเรียลไทม์ผ่านตัวเชื่อมต่อ Model Context Protocol ได้ด้วย ในขณะที่ ChatGPT ก็มี skills เหมือนกัน แต่จำกัดให้ใช้ได้เฉพาะใน Codex และบัญชีส่วนตัวใน API เท่านั้น ใช้ในหน้าต่างแชททั่วไปไม่ได้ ส่วนฟีเจอร์ที่เทียบเท่า Artifacts เรียกว่า Sites ซึ่งเน้นการใช้งานภายในองค์กร และเปิดให้ใช้ได้เฉพาะใน Codex เช่นกัน แถมยังดึงข้อมูลเรียลไทม์ไม่ได้ด้วย

ในทางกลับกัน ChatGPT มีประสบการณ์ด้านเสียงที่พัฒนาไปไกลกว่าอย่างชัดเจน เสียงพูดฟังเป็นธรรมชาติ สามารถแทรกพูดคั่นกลางได้โดยที่มันไม่หลุดลืมบทสนทนาก่อนหน้า ควบคู่กับฟีเจอร์ภาพเรียลไทม์ใน Advanced Voice Mode ที่หันกล้องไปถามเรื่องตรงหน้าได้ทันที ด้านการสร้างภาพก็เป็นจุดแข็งของ ChatGPT เช่นกัน สามารถสร้างภาพที่ใกล้เคียงภาพถ่ายจริงได้ ในขณะที่ Claude ทำได้แค่วาดกราฟและไอคอนผ่าน HTML กับ SVG เท่านั้น

ผู้ใช้สองกลุ่ม สองรูปแบบการใช้งาน

รายงาน Economic Index ของ Anthropic ที่เผยแพร่เมื่อเดือนมีนาคมที่ผ่านมาระบุว่า บทสนทนาบน Claude 42% เป็นการใช้งานส่วนตัว 45% เกี่ยวข้องกับงาน ส่วนที่เหลือคือการใช้งานด้านการเรียน ในขณะที่รายงานของ OpenAI เองระบุว่า การใช้งาน ChatGPT ถึง 70% ไม่เกี่ยวกับงานเลย ตัวเลขชุดนี้อธิบายความแตกต่างในการออกแบบผลิตภัณฑ์ของทั้งสองฝ่ายได้ในระดับหนึ่ง ฝั่งหนึ่งเน้นไปที่การทำงานร่วมกันในองค์กรและเครื่องมือสำหรับโปรแกรมเมอร์ ส่วนอีกฝั่งยังคงเสริมความแข็งแรงให้ฟีเจอร์ที่ใช้ในชีวิตประจำวันอย่างเสียงและภาพต่อไป

เหตุการณ์ที่เกิดขึ้นเมื่อเดือนกุมภาพันธ์ที่ผ่านมา เร่งให้ผู้ใช้บางส่วนเปลี่ยนฝั่งเร็วขึ้น นั่นคือการเจรจาสัญญาระหว่าง Anthropic กับกระทรวงกลาโหมสหรัฐฯ (Department of War) ล้มเหลว เพราะบริษัทปฏิเสธไม่ให้นำโมเดลไปใช้ในการเฝ้าระวังประชาชนภายในประเทศแบบขนานใหญ่ และระบบอาวุธอัตโนมัติเต็มรูปแบบ จนถูกขึ้นบัญชีเป็นความเสี่ยงในซัพพลายเชน เพียงไม่กี่ชั่วโมงต่อมา OpenAI ก็ประกาศเซ็นสัญญาลักษณะคล้ายกันกับรัฐบาลสหรัฐฯ พร้อมเงื่อนไขจำกัดบางส่วน เหตุการณ์นี้ทำให้หลายคนเปลี่ยนมามองว่า Anthropic เป็นฝ่ายที่ “ยึดหลักการ” มากกว่า และยอดดาวน์โหลด Claude ก็เติบโตขึ้นอย่างเห็นได้ชัดหลังจากนั้น

ประสบการณ์ในระดับฟรียังแยกทางกันไปคนละแบบ OpenAI เริ่มใส่โฆษณาในเวอร์ชันฟรีและแผน ChatGPT Go ส่วน Anthropic เพิ่มฟีเจอร์ให้ Claude เวอร์ชันฟรีมากขึ้น โดยไม่มีโฆษณา

โครงสร้างราคาโดยรวมค่อนข้างใกล้เคียงกัน Claude เวอร์ชันฟรีใช้ได้แค่ Sonnet 5 รุ่นกลาง ส่วนแผนเสียเงินเรียงลำดับตั้งแต่ Pro เดือนละ 20 ดอลลาร์ (จ่ายรายปีเหลือ 17 ดอลลาร์), Max 5x ที่ 100 ดอลลาร์ (โควตาการใช้งานห้าเท่าของ Pro) และ Max 20x ที่ 200 ดอลลาร์ (โควตายี่สิบเท่า) ผู้ใช้ Pro ที่ใช้ Fable 5 จะถูกคิดเงินตามจำนวนโทเค็น ส่วนแผน Max สามารถแบ่งโควตาการใช้งานรายสัปดาห์ครึ่งหนึ่งไปให้ Fable 5 ได้ และหากโควตาหมดก็ซื้อเพิ่มได้ ฝั่ง ChatGPT ก็มีสามระดับราคาเช่นกันคือ 20, 100 และ 200 ดอลลาร์ แถมยังมีแผนเสริมราคา 8 ดอลลาร์ที่เพิ่มโควตาการใช้งานแต่ยังคงมีโฆษณาอยู่ ส่วน Codex แม้เปิดให้ใช้ฟรี แต่โควตาการใช้งานต่ำมากจนเกือบจะใช้งานจริงไม่ได้