ใช้ model ตัวไหนดี? โพสนี้มีคำตอบ

มัดรวม LLM model ยอดฮิต ว่ามีเจ้าไหนบ้าง?

แต่ละเจ้ามี model ตัวไหน เหมาะกับงานไหนบ้าง

.

โดยเรานำ model card หรือ system card ของ model แต่ละตัว มาให้ NotebookLM ช่วยทำข้อมูลสรุปมาให้ เดี๋ยวแจกพิกัดใต้เม้นน้า

และในที่นี้จะเป็น model ที่เป็น text นะ หลัก ๆ เน้นการ coding แต่ในชีวิตจริงก็ใช้ model เหล่านี้ได้ด้วยเช่นกัน

-

🏠 แล้ว AI model แต่ละเจ้ามีอะไรบ้าง?

- OpenAI: บ้านของ ChatGPT ก็จะมี model GPT ใด ๆ เช่น GPT-5.2, GPT-5 mini, GPT-5.3-Codex, GPT-5.3 Codex Low, GPT-5.3 Codex High, GPT-5.3 Codex Extra High, GPT-5.3 Codex Fast, GPT-5.3 Codex Low Fast, GPT-5.3 Codex High Fast, GPT-5.3 Codex Extra High Fast ซึ่งเจ้านี้ก็มี model ยิบย่อยจริง

- Anthropic: บ้านของ Claude ไม่ว่าจะเป็น Claude Haiku, Claude Opus, Claude Sonnet

- Google: บ้านนี้ก็จะเป็น Gemini Flash กับ Gemini Pro

- xAI: อันนี้มาจากบ้าน X ของ Elon Mask ก็จะเป็น Grok Code Fast 1, Grok 4.20

หลัก ๆ เราใช้งานกันหลัก ๆ สามเจ้าแรกเนอะ และแน่นอนถ้านึกไม่ออก กดเลือกแบบ auto ได้นะ

ส่วนอันนี้อยู่ในตัว IDE

- Github Copilot: ก็เป็นของ Microsoft อ่ะเนอะ มี Raptor mini เป็นตัวที่ทาง Microsoft เอา GPT-5 mini มา fine-tuned และ Goldeneye เอา GPT-5.1-Codex มา fine-tuned ทั้งสองใช้ใน vs code กับ Github Copilot โดยเฉพาะ และที่เดียว

- Cursor: เองเขามี model เฉพาะของตัวเองเช่นกัน เป็นชื่อ Composer เช้น Composer 2

-

🤖 model แต่ละตัวเหมาะกับงานเดฟแบบไหนบ้าง?

เราโยนพวก model card หรือ system card ของ model แต่ละตัวที่ใช้ใน github copilot ให้ NotebookLM ช่วยวิเคราะห์ให้ เพราะว่าใน document ของ Github Copilot ไม่ได้อัพเดต model ตัวใหม่ เลยเอา 4 หัวข้อในนั้นมาให้มันวิเคราะห์

.

⭐ Fast help with simple or repetitive tasks

เน้นงานง่าย ทำซํ้า ๆ ได้เร็ว ๆ เน้นปริมาณ เช่น การจัดหมวดหมู่ข้อความ การแปลภาษาเบื้องต้น การดึงข้อมูลสั้นๆ หรือการแชทถามตอบทั่วไป จะเป็นพวก model ตัวเล็ก อย่าง Gemini 3.1 Flash-Lite / 3 Flash, GPT-5 nano / GPT-5 mini, Claude Haiku 4.5

.

⭐ General-purpose coding and writing

เน้นการใช้งานทั่วไป แนะนำ Gemini 3 Pro, GPT-5.2, Claude Sonnet 4.6 ที่เป็นตัว model flagship ที่เหมาะกับการใช้งานในชีวิตประจำวัน มีความเข้าใจ context ที่ดีมาก สามารถเขียนภาษาคนและภาษาคอมพิวเตอร์ได้อย่างลื่นไหลและมีข้อผิดพลาดน้อย

.

⭐ Deep reasoning and debugging

เน้นใช้งานแบบซับซ้อน และแก้บัคด้วย แนะนำ frontier model ที่มีกระบวนการคิดอย่างเข้มข้น มีการคิดก่อนตอบ อย่าง Gemini 3.1 Pro (พร้อมโหมด Deep Think), GPT-5.4 pro / GPT-5.1-Codex-Max, Claude Opus 4.6

.

⭐ Multi-model (screenshot, diagram)

งานที่เกี่ยวกับพวกรูปภาพ แผนภาพ แผนภูมิ หรือ multi-model ใด ๆ จาก screenshot หรือไฟล์ภาพต่าง ๆ เอามาวิเคราะห์

แนะนำ model ที่รองรับ multi-model อย่าง Gemini 3 Pro / Flash, Claude Opus / Sonnet, GPT-5 ที่เขาเข้าใจความสัมพันธ์ระหว่างข้อความ และภาพ ได้ดีมาก

.

✨ ฟีเจอร์ที่โดดเด่นของ Gemini: ระบบของ Gemini รองรับการอัปโหลดไฟล์ขนาดใหญ่ได้สูงสุดถึง 2 GB ไม่ว่าจะเป็นวิดีโอ ไฟล์เสียง รูปภาพ หรือเอกสาร PDF หนาๆ คุณสามารถโยนเข้ามารวมกันเพื่อให้ AI วิเคราะห์เจาะลึกแบบข้ามสื่อ (Cross-modal) ได้โดยตรงในหน้าแชท

-

🌐 สำหรับงาน Web Developer

สามารถไปดูได้ที่เว็บ Arena AI (หรือ LMArena เดิม) ที่ Leaderboard ในหมวด Code ได้เลย

โดยผลอัพเดตล่าสุด คือ วันที่ 14 เมษายน จาก 1 ล้านกว่าโหวต! และ 334 model

1. claude-opus-4-6-thinking

2. claude-opus-4-6

3. glm-5.1: ตัวนี้เป็น open source ของ z.ai

4. claude-sonnet-4-6

5. claude-opus-4-5-20251101-thinking-32k

แล้วเขาให้คะแนน หรือ vote กันยังไง? เขาจะมี feature battle เราให้ AI ทำอะไรสักอย่าง เช่น ทำ cart checkout เขามี 2 option ให้เราเลือกว่าชอบอันไหน ซึ่งเราจะไม่รู้ว่าแต่ละ option มาจาก model ไหน จนกว่าเราจะเลือกว่าเราชอบอันไหน ตัวโค้ดเป็น html หน้าเดียว ที่ยัดทุกอย่างมาให้แล้ว

-

📱 สำหรับงาน Android Developer

ทางทีม Android ได้ออกตัว Android Bench ว่า model ตัวไหน ที่เหมาะสมกับงานเขียนแอพแอนดรอยด์ของเรามากที่สุด

โดยผลอัพเดตล่าสุด คือ วันที่ 7 เมษายน เพิ่ม model ตัวท้อปรุ่นใหม่ของบ้าน OpenAI อย่าง GPT-5.4 และ GPT-5.3-Codex ด้วยนะ

1. GPT-5.4: score 72.4%

2. Gemini 3.1 Pro Preview: score 72.4% - คะแนนเท่ากันกับ GPT-5.4 แต่ค่า CI range กว้างกว่าเล็กน้อย

3. GPT-5.3-Codex: score 67.7%

4. Claude Opus 4.6: score 66.6%

5. GPT-5.2-Codex: score 62.5%

6. Claude Opus 4.5: score 61.9%

ค่า score คำนวณจากค่าเฉลี่ยการทดสอบ 10 รอบต่อ 100 Test Cases

ส่วน Confidence Interval (CI) คือ คะแนนความเชื่อมั่น เป็น expected performance range ของ model นั้น ๆ โดยอ้างอิงที่ระดับนัยสำคัญทางสถิติ p-value < 0.0

เนื่องจากผล score อาจจะมีความผันผวนบ้าง ค่า CI นี้ช่วยให้เรารู้ว่า score นี้จริง ๆ ของ model จะเกาะกลุ่มอยู่ช่วงไหน

แล้วเขาคิดคะแนนยังไง?

โจทย์มาจาก Pull Requests จริงบน Github กว่า 38,000 อัน แต่คัดมา 100 ข้อ ที่เกี่ยวกับ technical ของ Android โดยเฉพาะ เช่น Jetpack Compose, Coroutine กับ Flows, Room, Hilt โดยเขียนไฟล์แก้ที่เรียกว่า patch file ขึ้นมา

นอกจากจะรันผ่าน โค้ดสวยแล้ว ต้องรัน Unit Test หรือ Instrumentation Test ผ่าน ถึงจะได้คะแนนนะ

ทั้งหมดจะประมาณนี้นะ ส่วนลิ้งแปะใต้เม้น

#รวมเรื่องไอที #แชร์ทริคไอที #lemon8ฮาวทู #programmer #developer