① เปรียบเทียบโมเดลการสนทนา/การให้เหตุผล
| โมเดล | Context | ระดับความสามารถ | การให้เหตุผลทางวิทยาศาสตร์ (GPQA) | การเข้ารหัส／Agent | ตำแหน่งความเร็ว | อินพุตแบบมัลติโมดัล | ราคา (USD / M tokens) |
|---|---|---|---|---|---|---|---|
| lala-super | 200K | ระดับธงเรือชั้นนำนานาชาติ（frontier）：งานให้เหตุผล การเขียนโค้ด และ agent ที่ยากที่สุด | ระดับชั้นยอด（~93%+） | ระดับเรือธง (ชั้นนำในแรงกิ่ง SWE-bench Pro) | ประเภทการคิดอย่างลึกซึ้ง | ข้อความ + รูปภาพ + เสียง | $4.35 / $21.73 |
| lala-6-pro | 1M | ชั้นนำด้านโอเพนซอร์ส: เรือธงการสนทนาแบบมัลติโมดัลทั้งหมด ตัวเลือกแรกสำหรับเอกสารยาวเกินไป／codebase ขนาดใหญ่ | ทีมชั้นนำ | ความสามารถ agent ระดับชั้นนำ（การทดสอบจริงนำหน้าระดับเดียวกัน：สิ้นสุด／OS Automation） | สมดุล | ข้อความ + รูปภาพ + เสียง | $0.446 / $0.893 |
| lala-6 | 1M | ชั้นนำด้านโอเพนซอร์ส: ตัวเลือกที่คุ้มค่าสำหรับการสนทนาในชีวิตประจำวัน บริการลูกค้า การสร้างเนื้อหา | ทีมชั้นนำ | ความสามารถ agent ที่แข็งแกร่ง（นำหน้าระดับเดียวกันตามการทดสอบจริง） | เร็ว | ข้อความ + รูปภาพ + เสียง | $0.149 / $0.298 |
| lala-ultrafast | 1M | ระดับการให้เหตุผลความเร็วสูงสุด: สถานการณ์ปริมาณมากและความล่าช้าต่ำ (การจำแนก การสกัด คำถามง่ายๆ) | ทีมชั้นแรกระดับเดียวกัน（~88%） | แข็งแกร่ง（นำหน้าระดับเดียวกันตามการทดสอบจริง） | ความเร็วสูงสุด | ข้อความ | $0.149 / $0.595 |
| GPT-5.5 (OpenAI) | ~1M | ธงเรือนำระดับนานาชาติ | 93.6% | SWE-bench Verified 88.7%（อย่างเป็นทางการ） | ประเภทการคิดอย่างลึกซึ้ง | ข้อความ + รูปภาพ + เสียง | $5.00 / $30.00 |
| Claude Opus 5.5 (Anthropic) | 200K | ธงเรือนำระดับนานาชาติ | ~93%+ | SWE-bench Pro 89.9% | ประเภทการคิดอย่างลึกซึ้ง | ข้อความ + รูปภาพ | $5.00 / $25.00 |
| Gemini 3.1 Pro (Google) | 1M | ธงเรือนำระดับนานาชาติ | 94.3% | SWE-bench Verified 80.6% | สมดุล | ข้อความ + รูปภาพ + เสียง + วิดีโอ | $2.00 / $12.00 |
| DeepSeek V4 Flash | 1M | ชั้นนำด้านโอเพนซอร์ส | 88.1% | Terminal-Bench 2.1 90.6% | ความเร็วสูงสุด | ข้อความ | $0.14 / $0.28 |
| Llama 4 Maverick (Meta) | 1M | โอเพนซอร์สทั่วไป | 69.8% | LiveCodeBench 43.4% | เร็ว | ข้อความ + รูปภาพ | $0.15 / $0.60 |
ระดับความสามารถของชุด lala ตำแหน่งตามเกณฑ์มาตรฐานอย่างเป็นทางการที่เผยแพร่โดยโมเดลนานาชาติระดับเดียวกัน คะแนนที่แม่นยำขึ้นอยู่กับการตั้งค่าการทดสอบ เพื่อการอ้างอิงขนาดเท่านั้น ราคาคือค่าใช้งาน lala API จริง（ดูหน้าราคาโมเดล）
② ภาพรวมความสามารถครอบครัว lala ทั้งหมด
| โมเดล | ประเภท | ความสามารถหลัก | ข้อมูลจำเพาะหลัก | สถานการณ์ที่เหมาะสม |
|---|---|---|---|---|
| lala-6 | การสนทนา | การสนทนา การให้เหตุผล การเขียนโค้ดแบบหลายโหมด | 1M context | บริการลูกค้า、การสร้างเนื้อหา、ผู้ช่วยประจำวัน |
| lala-6-pro | การสนทนา | การสนทนาแบบมัลติโมดัลระดับเรือธง การให้เหตุผลที่ซับซ้อน | 1M context | การวิเคราะห์เอกสารยาว codebase ขนาดใหญ่ งานระดับความยากสูง |
| lala-ultrafast | การสนทนา | การให้เหตุผลความเร็วสูงสุด | 1M context、ค่าใช้งานแบบแบ่งเวลา | การจำแนกประเภท การสกัด การตอบคำถามแบบเรียลไทม์จำนวนมาก |
| lala-super | การสนทนา | การให้เหตุผลระดับธงเรือชั้นนำนานาชาติ | การคิดอย่างลึกซึ้ง การเขียนโค้ดที่แข็งแกร่งมาก | งานการให้เหตุผล agent และการเขียนโค้ดที่ยากที่สุด |
| lala-rag | เวกเตอร์ | การแปลงข้อความเป็นเวกเตอร์ | รูปแบบ embeddings มาตรฐาน OpenAI | RAG การค้นหา ค้นหาความหมาย ฐานความรู้ |
| lala-decision | การวิเคราะห์และวิจัย | การตัดสินใจแบบมีโครงสร้าง (ไม่สร้างข้อความ)：Choice / Score / Noul คำตอบสามประเภทพร้อมความน่าจะเป็นในการปรับเทียบ สนับสนุนการตัดสินใจจากรูปภาพ (สูงสุด 4 รูป) | 1–5 วินาที；รูปภาพ ≤4 รูป | การจัดสรรใบสั่งงาน、การระบุความตั้งใจ、การควบคุมเนื้อหา、การตรวจสอบเอกสาร |
| lala-image | รูปภาพ | การสร้างรูปภาพ（ลำดับความสำคัญคุณภาพ） | คิดค่าต่อภาพ | รูปภาพสินค้า โปสเตอร์ สื่อโซเชียลมีเดีย |
| lala-video | วิดีโอ | การสร้างวิดีโอ (เสียงพูด／เสียงเอฟเฟกต์／เพลงพื้นหลังอัตโนมัติ) | 4–30 วินาที；480p/720p/1080p | โฆษณา、การสาธิตผลิตภัณฑ์、วิดีโอสั้นโซเชียลมีเดีย |
| lala-speech | เสียง | การสังเคราะห์เสียงคุณภาพสูง | 80+ เสียง、9 อารมณ์ | IVR、เนื้อหาเสียง、บริการลูกค้าผ่านเสียง |
| lala-music | เพลง | การสร้างเพลง | คิดค่าต่อเพลง | jingle แบรนด์、เพลงพื้นหลัง |
| lala-lyric | เนื้อเพลง | การสร้างเนื้อเพลง (เพลงสมบูรณ์ / แก้ไขและเขียนต่อ) | คิดค่าต่อครั้ง | การสร้างเพลง การเขียน marketing copy ที่มีการสัมผัส |
③ เปรียบเทียบคะแนน Benchmark โดยละเอียด
| Benchmark（ทดสอบสิ่งใด） | lala-super | lala-6-pro | lala-6 | lala-ultrafast | GPT-5.5 | Claude Opus 5.5 | Gemini 3.1 Pro | DeepSeek V4 Flash | Llama 4 Maverick |
|---|---|---|---|---|---|---|---|---|---|
| GPQA Diamond（การให้เหตุผลทางวิทยาศาสตร์ระดับปริญญาเอก） | ~91–94% | — | — | ~88–91% | 93.6% | 90.6% | 94.3% | 88.1–90.9% | 69.8% |
| SWE-bench Pro（การเขียนโค้ด repo จริง） | ~85–90% | — | — | — | 58.6% | 89.9% | — | — | — |
| SWE-bench Verified（agentic การเขียนโค้ด） | ระดับเรือธง | — | — | — | 88.7%（อย่างเป็นทางการ） | — | 80.6% | — | — |
| DeepSWE（การเขียนโค้ดเชิงลึก） | ~70–74% | ~70–72% | ~68% | — | — | 74.2% | — | — | — |
| Terminal-Bench 2.1（AI Agent ระบบปฏิบัติการ） | ~87–88% | ~88–90% | ~87–88% | ~90% | — | 87.6% | — | 90.6% | — |
| OSWorld（AI Agent ปฏิบัติการคอมพิวเตอร์） | ~82% | ~80–82% | ~80–81% | — | 78.7% | 81.8% | — | — | — |
| คณิตศาสตร์ (AIME / FrontierMath ระดับ) | ~90%+ | แข็งแกร่ง | แข็งแกร่ง | แข็งแกร่ง | — | FrontierMath T1-3 91.2% | AIME 96.7%（3 Pro） | AIME 93%+ | — |
| HLE（การสอบสุดท้ายของมนุษย์、การสอบรวมที่ยากมาก） | ~61–68% | — | ~35% | — | — | 67.7%（พร้อมเครื่องมือ） | 51.4% | — | — |
| LiveCodeBench Pro（Elo การแข่งขันการเขียนโค้ด） | — | — | — | — | — | — | 2887 Elo（อันดับ 1） | — | 43.4% |
| มัลติโมดัล（ความเข้าใจภาพ MMMU-Pro） | ~89%（ประเภทแผนภูมิ） | — | ~73% | — | — | 89.0%（Chartography） | 80.5% | — | — |
| ข้อความยาว (MRCR v2 / การค้นหา long context) | 200K หน้าต่างเต็มที่เชื่อถือได้ | 1M หน้าต่างเต็ม | 1M หน้าต่างเต็ม | 1M หน้าต่างเต็ม | — | — | 77%（ค่าเฉลี่ย 128k） | 393K เอาต์พุต | 1M หน้าต่าง |
| AA Intelligence Index（ดัชนีสติปัญญารวม、การประเมินอิสระ） | ~58（ระดับสูงสุด） | ~46 | ~38 | — | 60 | 58 | #1 ชั้น | — | — |
| MMLU / GMMLU（ความรู้ทั่วไป） | ~94%（หลายภาษา） | — | — | — | 92.4% | GMMLU 94.3% | MMMLU 92.6% | — | 85.5% |
| SciCode（การเขียนโค้ดวิจัยวิทยาศาสตร์） | ~66–67% | — | ~51% | — | — | 66.9% | — | — | — |
| ProgramBench（การสังเคราะห์โปรแกรม） | ~90% | ~26% | ~26% | — | — | 91.2% | — | — | — |
| CyberGym（การป้องกันและการโจมตีความปลอดภัยไซเบอร์） | — | ~94% | ~95% | ~88% | — | — | — | 88.1% | — |
| Toolathlon（AI Agent เครื่องมือจริง） | — | ~77% | ~74% | — | — | — | — | — | — |
| AutomationBench（การทำให้เป็นอัตโนมัติของกระบวนการองค์กร） | ~40% | — | — | — | — | 40.0% | — | — | — |
| GDPval（Elo งานความรู้ของบริษัท） | ~1800+ | ~1650–1700 | — | — | — | 1846 Elo（อันดับ 1） | — | — | — |
| การให้เหตุผลข้อความยาว (AA-LCR การให้เหตุผล long context) | — | ~75 | ~74 | — | — | — | — | — | — |
「—」= โมเดลนี้ไม่มีตัวเลขที่เปรียบเทียบได้สาธารณะ 「~」ช่วง = ชุด lala ตำแหน่งตามการประเมินอิสระระดับเดียวกัน（BenchLM, Artificial Analysis, Vals AI, llm-stats เป็นต้น）คะแนนที่แม่นยำอย่างเป็นทางการขึ้นอยู่กับการตั้งค่าการทดสอบ（ระดับความพยายาม scaffold จำนวนครั้งที่ทำซ้ำ）อาจมีความแตกต่าง 5–10 คะแนน การเปรียบเทียบข้ามแหล่งที่มาเพื่อการอ้างอิงเท่านั้น
④ ภาพรวมด่วน: ประสิทธิภาพและราคา
การให้เหตุผลทางวิทยาศาสตร์ GPQA Diamond（%）
ชุด lala แสดงตามค่ามัธยฐานของช่วง
ดัชนีสติปัญญารวม (Artificial Analysis)
การประเมินโดยบุคคลที่สามอิสระ 0–70
ราคาอินพุต (USD / M tokens อัตราส่วนลอการิทึม)
ราคา lala ต่ำกว่าโมเดลนานาชาติระดับเดียวกันมาก
ราคาต่อประสิทธิภาพ：ดัชนีอัจฉริยะ ÷ ราคาอินพุต
คะแนนความฉลาดที่ซื้อได้ต่อ $1 (M tokens)
ชุด lalaโมเดลระดับนานาชาติ
ข้อมูลแผนภูมิตามตารางที่ 3：「~」แสดงตำแหน่งระดับ lala ที่ค่ามัธยฐาน；กราฟราคาต่อประสิทธิภาพคำนวณจากดัชนี AA Intelligence Index ของแต่ละโมเดลหารด้วยราคาอินพุต，ดัชนี DeepSeek ใช้ค่าการประเมินอิสระระดับเดียวกัน
จะเริ่มต้นอย่างไร？
วิธีการเรียกใช้เดียวกับตัวอย่างโค้ดดูที่เอกสารสำหรับนักพัฒนา；ดูรายละเอียดค่าใช้งานทั้งหมดราคาโมเดล。