Boom Field Lab

คุมค่า LLM ตอนรัน product: เลือกรุ่นให้ถูกงาน วาง router และปล่อยให้ cache ทำงาน

ค่า LLM ไม่ได้บานเพราะโมเดลแพง แต่บานเพราะส่งทุกงานเข้าโมเดลแพงสุด นี่คือวิธีที่ใช้จริงตอนสร้าง Boom Leverage Terminal: ราคาต่อรุ่นที่ตรวจวันนี้, router ที่ส่งงานตามความลับและขนาด, บันได fallback ที่เดินครั้งเดียว และตัวเลข cache 98% ที่เปลี่ยนต้นทุนทั้งสมการ

โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก · ตรวจทานล่าสุด

ตาชั่งทองเหลืองบนโต๊ะยามดึก พร้อมข้อความ คุมค่า LLM เลือกรุ่นให้ถูกงาน

ตอนเริ่มให้ AI agent ทำงานอัตโนมัติ สิ่งแรกที่คนมักเจอคือบิลค่า LLM ที่โตเร็วกว่าที่คิด สาเหตุแทบไม่เคยเป็น "โมเดลแพง" แต่เป็น การใช้โมเดลตัวเดียวกับทุกงาน — สรุปข้อความสั้นๆ ก็ใช้รุ่นใหญ่ จัดรูปแบบตารางก็ใช้รุ่นใหญ่ ทั้งที่งานเหล่านั้นรุ่นเล็กทำได้ดีพอกัน

ตอนสร้าง Boom Leverage Terminal ผมมองเรื่องนี้แบบคนทำ risk: ต้นทุนเป็นตัวแปรที่ออกแบบได้ ไม่ใช่สิ่งที่ต้องยอมรับ และการออกแบบนั้นอยู่ใน harness รอบโมเดล (อ่านต่อใน Harness คืออะไร)

รุ่นไหนราคาเท่าไหร่ในวันนี้?

กราฟแท่งราคา input ต่อล้าน token: Haiku 4.5 1 ดอลลาร์, Sonnet 5 2 ดอลลาร์, Opus 5.5 4 ดอลลาร์, Fable 5.1 10 ดอลลาร์
ราคา input ต่อ 1 ล้าน token ตามหน้า pricing ทางการของ Anthropic · ตรวจเมื่อ 27 ก.ย. 2026
รุ่นinput / ล้าน tokenoutput / ล้าน tokenอ่านจาก cache
Claude Haiku 4.5$1$5$0.10 (10%)
Claude Sonnet 5$2$10$0.20 (10%)
Claude Opus 5.5$4$20$0.20 (5%)
Claude Fable 5.1$10$50$0.25 (2.5%)

ที่มา: หน้า Pricing ของ Anthropic ตรวจเมื่อ 27 ก.ย. 2026 (Sonnet 5 ราคา $2/$10 กลายเป็นราคามาตรฐานถาวรแล้ว ตามหมายเหตุในหน้าเดียวกัน)

สองข้อที่คนมักเข้าใจผิด:

  • รุ่นแพงไม่ได้ดีกว่าเสมอสำหรับทุกงาน — งานจัดรูปแบบ แปลงข้อมูล หรือสรุปข้อความสั้น รุ่นเล็กให้ผลที่ใช้ได้เท่ากัน ส่วนต่างราคาคือเงินที่จ่ายทิ้ง
  • Fable คือรุ่นพรีเมียม ไม่ใช่ตัวประหยัด — แพงที่สุดในตาราง แต่ค่าอ่าน cache ถูกที่สุดในเชิงสัดส่วน (2.5%) จึงคุ้มกับงานยาวที่ใช้บริบทเดิมซ้ำๆ ไม่ใช่งานสั้นจำนวนมาก

หลักที่ Anthropic เองแนะนำในหน้าเดียวกันก็ตรงกัน: Haiku สำหรับงานง่าย, Sonnet สำหรับงาน production ส่วนใหญ่, Opus สำหรับงานที่ต้องคิดซับซ้อนที่สุด

Router ของระบบตัดสินใจส่งงานไปไหน?

ระบบที่ใช้สร้าง Terminal ไม่ได้ให้ Claude ทำทุกอย่างเอง งานที่มีโครงชัด (ดึงข้อมูล จัดตาราง ร่างสรุป) ถูกส่งต่อให้ "โมเดลลูกน้อง" ที่ถูกกว่าหรือฟรี โดย Claude ทำหน้าที่วางแผน ตรวจผล และตัดสินใจสุดท้าย

แผนภาพ router 4 ขั้น: จัดประเภทงาน งานลับไปโมเดลในเครื่องเท่านั้น งานทั่วไปไป API ฟรีตามขนาด งานตัดสินใจสุดท้ายไป Claude
ลำดับการตัดสินใจของ router ที่ใช้จริง · กฎความลับมาก่อนเรื่องเงินเสมอ
ลำดับคำถามถ้าใช่ ส่งไป
1งานมีข้อมูลลับ / ข้อมูลส่วนบุคคลไหม?โมเดลในเครื่องเท่านั้น (ไม่ออกนอกเครื่อง)
2เป็นงานสำคัญ (แก้กฎ ตรวจโค้ดรอบสุดท้าย) ไหม?Claude ทำเอง
3งานทั่วไป ขนาดเท่าไหร่?โมเดลเปิด Gemma 4 ผ่าน API ฟรี หรือโมเดลในเครื่อง ตามช่วงขนาดข้อมูล
4ผลลูกน้องถูกเกิน 80% ไหม?Claude แก้ส่วนที่เหลือเอง ไม่สั่งรันใหม่ (ประหยัด token)

ข้อ 1 คือหัวใจ: ความลับตัดสินก่อนเงิน งานที่แตะข้อมูลอ่อนไหวจะไม่ถูกส่งออก cloud ไม่ว่าจะถูกกว่าแค่ไหน และถ้าไม่แน่ใจว่าลับหรือไม่ ระบบถือว่าลับไว้ก่อน

ถ้าโมเดลตัวหลักล่ม ระบบทำยังไง?

มีบันได fallback 5 ขั้น (ผู้ให้บริการสำรองคนละเจ้า → โมเดลที่ quota คนละก้อน → โมเดลในเครื่อง → Claude เป็นทางสุดท้าย) แต่มีกฎสองข้อที่สำคัญกว่าตัวบันได:

การ์ดข้อความจริงจากไฟล์กฎหลัก: สำหรับงานลับ backend ล่มเป็นเหตุให้รอ ไม่ใช่เหตุให้ส่งข้อมูลออกนอกเครื่อง
ข้อความจริงจากไฟล์กฎหลักของ lab (หมวด Dispatch Protocol) · ภาษาต้นฉบับ

เมื่อ payload เป็น sensitive — backend ล่มเป็นเหตุให้ รอ ไม่ใช่เหตุให้ส่งข้อมูลออกนอกเครื่อง

และ บันไดเดินครั้งเดียว จบแล้วจบเลย ห้าม retry วน เพราะผู้ให้บริการสองขั้นแรกบางครั้งเป็นบริษัทเดียวกัน ถ้าล่มทั้งบ้าน การวนใหม่จะค้างเงียบและเผาเวลา ลงครบทุกขั้นแล้วยังไม่ได้ = รายงานคน ทุกครั้งที่ตกลงบันไดยังต้อง log ไว้ด้วย เพราะ fallback ที่เงียบ = เราจะไม่มีวันรู้ว่าตัวหลักเสีย

ใช้งานจริงไปเท่าไหร่ และเสียเงินเท่าไหร่?

กราฟแท่งจำนวนงานที่ส่งให้โมเดลลูกน้อง: Gemma 4 31B ผ่าน API ฟรี 1,263 ครั้ง, Gemma 4 12B ในเครื่อง 819 ครั้ง, fallback ตัวแรก 12 ครั้ง, fallback คนละเจ้า 1 ครั้ง
จำนวน request ในวันที่มีการบันทึก snapshot · 30 พ.ค. – 20 ก.ย. 2026 · จาก lab/cost_tracker.jsonl
backendrequesttoken รวมช่วงที่บันทึก
Gemma 4 31B ผ่าน API ฟรี1,2633,938,13232 วัน (30 พ.ค. – 20 ก.ย.)
Gemma 4 12B ในเครื่อง8196,109,35216 วัน (30 พ.ค. – 2 ส.ค.)
fallback ตัวแรก (ผู้ให้บริการสำรอง)1237,6785 วัน
fallback คนละเจ้า110,9781 วัน

รวมกว่า 10 ล้าน token ที่ไม่ได้วิ่งผ่านโมเดลแพง ต้นทุนที่ระบบบันทึกไว้ทั้งช่วงรวมกัน $0.72 เพราะเกือบทั้งหมดอยู่ในโควตาฟรีหรือรันในเครื่อง (ตัวเลขนี้นับเฉพาะวันที่มี snapshot จึงเป็นค่าต่ำกว่าจริง ไม่ใช่ยอดครบ)

ทำไม cache ถึงสำคัญกว่าการเลือกรุ่น?

ตัวเลขที่เปลี่ยนมุมมองผมมากที่สุดคือ ใน 30 วันล่าสุด (ถึง 26 ก.ย. 2026) 98.2% ของ token ฝั่ง input ที่ Claude Code ใช้ เป็นการ อ่านจาก cache — บริบทเดิม (กฎ CLAUDE.md ไฟล์ที่เปิดไว้ ประวัติบทสนทนา) ที่ถูกส่งซ้ำทุกเทิร์น

ลองคิดด้วยราคาทางการของ Opus 5 ($5 ต่อล้าน token, อ่าน cache คิด 0.1 เท่า = $0.50):

คำนวณราคา input เฉลี่ย / ล้าน token
ถ้าไม่มี cache เลย100% × $5$5.00
cache 98.2% (ตัวเลขจริง)1.8% × $5 + 98.2% × $0.50≈ $0.58

ถูกลงราว 8.6 เท่า ในฝั่ง input (ยังไม่นับค่าเขียน cache ครั้งแรกซึ่งแพงกว่าปกติ 1.25 เท่า) นี่หมายความว่าการออกแบบให้ บริบทนิ่งและถูกใช้ซ้ำ — กฎที่อยู่ไฟล์เดียว ไม่แก้ไปมาทุก session — มีผลต่อต้นทุนมากกว่าการสลับรุ่นไปมาเสียอีก

อีกข้อที่ได้คือ อย่าเชื่อรายงานต้นทุนที่นับ cache ผิด เครื่องมือวัดตัวแรกๆ ของผมคิดค่าอ่าน cache เท่าราคา input เต็ม ผลคือตัวเลขสูงเกินจริงหลายเท่า — ถ้าตัดสินใจตามตัวเลขนั้น จะไปตัดสิ่งที่ไม่ได้แพงจริง

สรุป

คุมค่า LLM ไม่ได้แปลว่าใช้โมเดลถูกที่สุด แต่แปลว่า จ่ายให้ตรงกับความยากของงาน: เลือกรุ่นตามงาน, ให้ router ส่งงานโดยเอาความลับเป็นกฎข้อแรก, เดินบันได fallback ครั้งเดียวแล้วรายงาน และออกแบบบริบทให้ cache ทำงาน ทั้งหมดนี้อยู่ใน harness ไม่ใช่ในตัวโมเดล (ดูเหตุผลเต็มใน ทำไมผมสร้าง Terminal ด้วย Claude Code)

คำถามที่พบบ่อย

ทำไมค่า LLM ตอนรัน product ถึงบานเร็ว
สาเหตุแทบไม่เคยเป็นเพราะโมเดลแพง แต่เป็นการใช้โมเดลตัวเดียวกับทุกงาน ทั้งที่งานจัดรูปแบบ แปลงข้อมูล หรือสรุปข้อความสั้น รุ่นเล็กให้ผลที่ใช้ได้เท่ากัน ตามราคาที่ตรวจเมื่อ 27 ก.ย. 2026 ราคา input ของ Claude รุ่นถูกสุดกับแพงสุดต่างกัน 10 เท่า
ควรเลือกรุ่น Claude Haiku Sonnet Opus ให้เหมาะกับงานอย่างไร
หลักที่ Anthropic แนะนำและบทความใช้คือ Haiku สำหรับงานง่าย Sonnet สำหรับงาน production ส่วนใหญ่ และ Opus สำหรับงานที่ต้องคิดซับซ้อนที่สุด ส่วน Fable เป็นรุ่นพรีเมียมที่ค่าอ่าน cache ถูกที่สุดในเชิงสัดส่วน จึงเหมาะกับงานยาวที่ใช้บริบทเดิมซ้ำ ไม่ใช่งานสั้นจำนวนมาก
LLM router ควรตัดสินใจส่งงานไปโมเดลไหนอย่างไร
router ของระบบถามเรื่องความลับก่อนเสมอ งานที่มีข้อมูลลับหรือข้อมูลส่วนบุคคลไปโมเดลในเครื่องเท่านั้น งานสำคัญอย่างแก้กฎหรือตรวจโค้ดรอบสุดท้าย Claude ทำเอง งานทั่วไปส่งให้ Gemma 4 ผ่าน API ฟรีหรือโมเดลในเครื่องตามขนาดงาน และถ้าไม่แน่ใจว่าลับหรือไม่ให้ถือว่าลับไว้ก่อน
ถ้าโมเดลหลักล่ม ระบบ fallback ควรทำงานอย่างไร
ระบบไล่บันได fallback 5 ขั้นครั้งเดียวแล้วจบ ห้าม retry วน ถ้าลงครบทุกขั้นแล้วยังไม่ได้ให้รายงานคน และต้อง log ทุกครั้งที่ตกบันได สำหรับงานลับ backend ล่มเป็นเหตุให้รอ ไม่ใช่เหตุให้ส่งข้อมูลออกนอกเครื่อง
prompt cache ช่วยลดต้นทุน Claude Code ได้แค่ไหน
ใน 30 วันถึง 26 ก.ย. 2026 ราว 98.2% ของ token ฝั่ง input ที่ Claude Code ใช้มาจากการอ่าน cache ซึ่งคิดราคาเพียงส่วนเล็กของราคาปกติ เมื่อคิดด้วยราคา Opus 5 ราคา input เฉลี่ยถูกลงราว 8.6 เท่า (ยังไม่นับค่าเขียน cache ครั้งแรก) การออกแบบให้บริบทนิ่งและถูกใช้ซ้ำจึงมีผลต่อต้นทุนมากกว่าการสลับรุ่นไปมา

อ่านต่อ

ห้องเก็บเอกสารมืดที่มีชั้นวางแฟ้มเรียงยาว แสงไฟส่องเฉพาะจุด พร้อมข้อความ Context คืองบ ไม่ใช่พื้นที่ว่าง

Context Budget: ทำให้ Claude Code ไม่ลืมงานกลางทาง — ตัวเลขจริงจากการเขียนบทความชุดนี้ด้วย agent 4 ตัวพร้อมกัน

context window คืองบประมาณ ไม่ใช่พื้นที่ว่าง ทุกไฟล์ที่อ่าน ทุก output ที่พิมพ์ออกมา กินงบก้อนเดียวกัน นี่คือ 6 วิธีที่ใช้จริงตอนสร้าง Terminal พร้อมตัวเลขจริง: subagent 4 ตัวใช้รวมกว่า 1.3 ล้าน token แต่ session หลักรับกลับแค่รายงานสั้นๆ

ห้องโถงมืดขนาดใหญ่ มีโต๊ะทำงานเรืองแสงเรียงเป็นตาราง พร้อมข้อความ agent หลายตัว คุ้มเมื่อไหร่

ใช้ AI agent หลายตัวพร้อมกันเมื่อไหร่ถึงคุ้ม — บันทึกจริงจากการให้ 4 agent เขียนบทความขนานกัน

agent หลายตัวไม่ได้แปลว่าฉลาดขึ้น แต่ถ้างานแตกเป็นชิ้นอิสระได้จริง มันเร็วขึ้นมาก ตัวเลขจริงจากเว็บนี้: 4 agent เขียน 4 บทความขนานกันจบใน 259 วินาที แทนที่จะเป็น 876 วินาทีถ้าทำทีละชิ้น — แลกกับ token รวมราว 1.32 ล้าน และกติกาเดียวที่กันไม่ให้มันชนกัน

ออฟฟิศมืดยามดึก มีคอมพิวเตอร์เครื่องเดียวเปิดจออยู่ พร้อมข้อความ Runner 24/7 ให้ AI ทำงานตอนเราหลับ

Runner 24/7: ให้ Claude Code ทำงานเองตอนตีสาม — คิวงาน ด่านเสร็จ และสิ่งที่เจอจาก 91 รอบจริง

โครง runner ที่หยิบงานจากคิวมาให้ Claude Code ทำทีละชิ้นโดยไม่มีคนเฝ้า ตั้งแต่ single-instance สองชั้น ไฟล์ด่าน 'เสร็จจริง' ต่อชิ้นงาน ไปจนถึงตัวเลขจริงจาก log: 91 รอบ เสร็จ 51 ติด 40 — และเหตุผลที่สุดท้ายเราปิดโรงงานคอนเทนต์ของมันเอง

BOOM FIELD LAB

อยากเห็นว่าเครื่องมือพวกนี้ประกอบร่างเป็น Terminal จริงได้ยังไง?

Workshop สั้นจากเคสจริง — ดูการทำงานจริงบนหน้าจอ พร้อม Field Kit ให้ลงมือตาม ไม่ใช่สไลด์ทฤษฎี