Cập nhật lần cuối: ngày 5 tháng 11 năm 2026. Thị trường mô hình AI thay đổi vài tuần một lần, vì vậy hướng dẫn này được thiết kế để cập nhật thường xuyên. Bài viết phân biệt ba bảng xếp hạng, ghi lại giá niêm yết và đưa ra bảng quyết định mà bạn có thể chạy lại khi mô hình tiếp theo ra mắt.
Hiện tại, câu trả lời cho “mô hình AI mạnh nhất” có ba đáp án khác nhau và chúng không thể thay thế cho nhau.
Gemini 4 Carbon dẫn đầu Artificial Analysis Intelligence Index với 60 điểm, nhưng Google mới chỉ phát hành mô hình này cho một nhóm nhỏ chuyên gia phòng thủ mạng và đối tác trong chương trình Fairwind. Claude Opus 5.5 kém một điểm và dẫn đầu bảng xếp hạng Arena Agents; hiện nay, bất kỳ nhà phát triển nào cũng có thể gọi mô hình này. GPT-6.1 Sol kém Carbon năm điểm và kém Opus bốn điểm, nhưng chi phí mỗi tác vụ theo phép đo của Artificial Analysis chỉ là $1.27, khoảng một phần tám mức $10.04 của Opus.
Đó là diện mạo của thị trường hiện nay: trí tuệ, khả năng tiếp cận và chi phí mỗi tác vụ đã trở thành ba bảng xếp hạng riêng biệt. Bài viết này phân tích từng bảng, sau đó đưa ra bảng quyết định cho những mô hình đáng chú ý.
Ba bảng xếp hạng, ba quán quân khác nhau
Artificial Analysis Intelligence Index là điểm tổng hợp dựa trên các bài đánh giá về suy luận, lập trình, kiến thức và năng lực agent. Bảng hiện tại xếp Carbon ở mức 60 điểm, Opus 5.5 ở mức 59, GPT-6 Astra ở mức 57, và một nhóm đạt 55 điểm gồm Claude Sonnet 5.5 và GPT-6.1 Sol. Bài đăng ra mắt của Google nêu Carbon đạt 59 điểm theo ảnh chụp v5.0 trước đó; bảng xếp hạng hiện tại ghi nhận 60 điểm. Chênh lệch một điểm này là do thay đổi phiên bản, không phải do có mô hình mới.
Bảng xếp hạng Arena Agents đo lường một khía cạnh khác: tần suất người dùng thích đầu ra của một mô hình khi làm các tác vụ agent. Opus 5.5 đứng đầu với 20.14%, Carbon đứng thứ hai với 16.72%, Sonnet 5.5 đứng thứ ba với 15.42%, còn Astra đứng thứ tư với 14.70%.
Chi phí mỗi tác vụ là trục thứ ba. Artificial Analysis cho từng mô hình thực hiện cùng một bài đánh giá và ghi lại chi phí của lần chạy, bao gồm token suy luận và token đầu ra. Theo thước đo này, Terra có chi phí $0.96, Sol là $1.27, Astra là $6.24, Carbon là $7.76, Sonnet là $10.02 và Opus là $10.04.
Một mô hình có thể đứng đầu bảng này nhưng tụt hạng ở bảng khác. Carbon dẫn đầu về trí tuệ và đứng thứ hai trên Arena, nhưng hầu hết các nhóm không thể sử dụng mô hình này. Opus dẫn đầu Arena và đứng thứ hai về trí tuệ. Trong số các mô hình đạt từ 55 điểm trở lên, Sol có chi phí thấp nhất.
Nhìn nhanh nhóm dẫn đầu
| Mô hình | AA II | Arena Agents | Giá niêm yết (đầu vào / đầu ra) | Phù hợp nhất cho |
|---|---|---|---|---|
| Gemini 4 Carbon | 60 | #2 | $4 / $20 | Nghiên cứu bảo mật |
| Claude Opus 5.5 | 59 | #1 | $4 / $20 | Agent phức tạp |
| GPT-6 Astra | 57 | #4 | $10 / $50 | Sử dụng máy tính |
| Claude Sonnet 5.5 | 55 | #3 | $2 / $10 | Lập trình chính xác |
| GPT-6.1 Sol | 55 | #6 | $2 / $10 | Agent khối lượng lớn |
| GPT-6.1 Terra | 51 | #7 | $1 / $5 | Giá trị tốt và thị giác |
| Gemini 4 Argon | 50 | #8 | $4 / $20 | Nghiên cứu đa phương thức |
Giá tính trên mỗi triệu token. Carbon có giá $2/$10 trong thời gian ra mắt và $4/$20 theo giá tiêu chuẩn. Argon có giá $2/$10 đến hết ngày 30 tháng 11 năm 2026, sau đó là $4/$20. Carbon không có trong danh mục của AIHubMix; sáu mô hình còn lại trong bảng này đều có trên AIHubMix. Điểm AA sử dụng thiết lập đạt điểm cao nhất của từng mô hình: max đối với Opus, Astra, Sonnet, Sol và Terra; high đối với Carbon và Argon.
Có hai điểm đáng chú ý. Chênh lệch giá trong nhóm dẫn đầu rất lớn: giá token của Terra chỉ bằng một phần mười Astra, còn chi phí mỗi tác vụ chỉ khoảng 15% của Astra. Thứ hạng cũng không cố định giữa các bảng: Sonnet đứng thứ ba trên Arena và thứ tư trên chỉ số trí tuệ; Astra đứng thứ ba trên chỉ số và thứ tư trên Arena.
Cách hiểu thực tế là hãy chọn trục phù hợp với giới hạn của bạn. Nếu cần năng lực tối đa và có quyền truy cập, hãy chọn Carbon. Nếu cần một mô hình có thể đưa vào sử dụng ngay hôm nay, hãy chọn Opus. Nếu cần xử lý khối lượng lớn, hãy chọn Sol hoặc Terra.
Mỗi mô hình hàng đầu thực sự phù hợp với việc gì
Claude Opus 5.5: lựa chọn mặc định cho môi trường thực tế
Claude Opus 5.5 là mô hình đáng để vượt qua trong các công việc cần phán đoán qua nhiều bước. Ở thiết lập max effort, mô hình đạt 59 điểm trên chỉ số trí tuệ, dẫn đầu Arena Agents với 20.14%, và theo báo cáo của Anthropic, đạt 66.4% trên Terminal-Bench 4.0 ở mức xhigh effort, 1846 Elo trên GDPval-AA v2.1 và 67.7% trên Humanity's Last Exam khi dùng công cụ.
Hiệu quả kinh tế cũng được cải thiện. Giá niêm yết của Opus là $4/$20 cho mỗi triệu token, và Anthropic cho biết các khối lượng công việc thường gặp có chi phí thấp hơn khoảng 40% so với khi dùng Opus 5. Mô hình hỗ trợ cửa sổ ngữ cảnh 1M token và 128K token đầu ra. Artificial Analysis đo được chi phí $10.04 mỗi tác vụ và thời gian 26.2 phút mỗi tác vụ.
Con số cuối cùng đó rất quan trọng. Opus không dành cho phân loại khối lượng lớn hay tạo bản nháp. Mô hình phù hợp với các phiên lập trình kéo dài, nghiên cứu cần xử lý nhiều tài liệu cùng lúc và agent phải quyết định bước tiếp theo. Nếu đầu ra đủ giá trị để một câu trả lời sai gây thiệt hại hơn mười đô la, Opus là lựa chọn mặc định an toàn hơn.
Gemini 4 Carbon: mô hình dẫn đầu mà có lẽ bạn không dùng được
Gemini 4 Carbon dẫn đầu về trí tuệ. Bài đăng ra mắt của Google nêu 59 điểm theo AA v5.0; bảng xếp hạng hiện tại ghi nhận 60 điểm. Mô hình đứng thứ hai trên Arena Agents với 16.72%, và theo Google, đạt 88.2% trên SEC-bench Pro, 71.0% trên CWE-bench và 54.8% trên ExploitGym. Giá ra mắt là $2/$10, giá tiêu chuẩn là $4/$20.
Trở ngại nằm ở quyền truy cập. Carbon hiện được cung cấp trước tiên cho một nhóm nhỏ chuyên gia phòng thủ mạng, sau đó đến các đối tác đáng tin cậy khác thông qua chương trình Fairwind. Google cho biết đang lên kế hoạch mở rộng quyền truy cập, nhưng hiện mô hình chưa được cung cấp rộng rãi. Mô hình này cũng không có trong danh mục AIHubMix. Bài đăng ra mắt của Google không nêu cửa sổ ngữ cảnh của Carbon.
Với hầu hết các nhóm, Carbon là dấu hiệu cho thấy Gemini 4 đang hướng tới đâu, chứ không phải mô hình để lập kế hoạch sử dụng. Mô hình Gemini 4 có thể dùng được là Argon.
GPT-6 Astra: chuyên gia đắt đỏ
GPT-6 Astra là mô hình mạnh nhất của OpenAI dành cho các công việc mơ hồ, trải rộng nhiều ứng dụng. Ở thiết lập max effort, mô hình đạt 57 điểm trên chỉ số trí tuệ, đứng thứ tư trên Arena Agents với 14.70% và có giá niêm yết $10/$50 cho mỗi triệu token, với cửa sổ ngữ cảnh 1.05M token và 128K token đầu ra. Khi đầu vào vượt quá 272K token, mức giá cao hơn sẽ áp dụng cho toàn bộ yêu cầu: $20 cho đầu vào và $75 cho đầu ra. Artificial Analysis đo được chi phí $6.24 mỗi tác vụ và thời gian 18.8 phút mỗi tác vụ.
Giá token của Astra cao gấp năm lần Sol, và chi phí mỗi tác vụ được đo cũng cao gấp khoảng năm lần: $6.24 so với $1.27. So với Opus thì bức tranh khác đi. Giá token của Astra cao gấp 2.5× Opus, nhưng chi phí mỗi tác vụ lại thấp hơn vì Astra dùng ít token hơn cho mỗi tác vụ. Trong bài viết của OpenAI về bảo trì phần mềm, các cấu hình Ultra effort cũng cho thấy điều tương tự: Astra tốn $109.06 để đưa ra 142 phát hiện ($0.77 mỗi phát hiện), còn Sol tốn $15.12 để đưa ra 131 phát hiện ($0.12 mỗi phát hiện). Sol tạo ra 92% số phát hiện với 14% chi phí API.
Astra phù hợp khi tác vụ thực sự không có giới hạn rõ ràng: dọn dẹp một kho mã lớn, thao tác trên trình duyệt và một số ứng dụng máy tính, hoặc lần theo vấn đề qua nhiều công cụ. Mô hình không phù hợp để tạo nội dung hàng loạt, vì Terra hoặc Sol có thể làm cùng việc với chi phí chỉ bằng một phần nhỏ.
Claude Sonnet 5.5 và GPT-6.1 Sol: cùng giá, chi phí mỗi tác vụ khác nhau
Sonnet 5.5 và Sol có cùng giá niêm yết $2/$10. Nhưng chi phí mỗi tác vụ thì khác nhau. Artificial Analysis đo được mức $10.02 cho Sonnet và $1.27 cho Sol, chênh lệch 7.9×; thời gian mỗi tác vụ lần lượt là 30.6 phút và 20.9 phút.
Chênh lệch này bắt nguồn từ lượng nội dung mỗi mô hình tạo ra và mức độ suy nghĩ của chúng. Anthropic định vị Sonnet là lựa chọn bổ trợ nhanh hơn, ít tốn kém hơn Opus cho các tác vụ thường nhật có phạm vi rõ ràng, sửa lỗi và tài liệu được trau chuốt; đồng thời cho biết Opus vẫn vượt trội rõ rệt trong công việc phức tạp, không có giới hạn rõ ràng và đòi hỏi phán đoán liên tục. Điểm Terminal-Bench 4.0 do nhà cung cấp công bố của Sonnet là 70.6%, cao hơn mức 66.4% của Opus, nhưng Anthropic không công bố thiết lập effort của Sonnet, trong khi con số của Opus được đo ở mức xhigh. Bài đánh giá đo lường một tác vụ, chứ không đo khả năng phán đoán. Hiệu quả kinh tế theo token vẫn lý giải vì sao chi phí mỗi tác vụ của Sonnet có thể ngang Opus, dù giá token chỉ bằng một nửa.
Sol là mô hình dành cho khối lượng lớn. Ở thiết lập max effort, mô hình đạt 55 điểm trên chỉ số trí tuệ, đứng thứ sáu trên Arena Agents với 12.51% và hỗ trợ cùng cửa sổ ngữ cảnh 1.05M token. Với các vòng lặp agent chạy hàng nghìn lần mỗi ngày, bảo trì mã, phân tích hàng loạt và rà soát bước đầu, con số quan trọng là $1.27 mỗi tác vụ của Sol.
Quy tắc đơn giản: chọn Sonnet khi đầu ra cần chính xác và sẽ do người đọc; chọn Sol khi đầu ra cần được một mô hình khác hoặc bộ kiểm thử kiểm tra.
Gemini 4 Argon: Gemini 4 có thể sử dụng
Gemini 4 Argon là mô hình Gemini 4 mà hầu hết các nhóm có thể sử dụng trên thực tế. Ở mức high effort, mô hình đạt 50 điểm trên chỉ số trí tuệ và đứng thứ tám trên Arena Agents với 10.53%. Mô hình nhận văn bản, hình ảnh, âm thanh, video và PDF, hỗ trợ cửa sổ ngữ cảnh 1M token, có giá niêm yết $2/$10 đến hết ngày 30 tháng 11 năm 2026, sau đó là $4/$20. Artificial Analysis đo được chi phí $9.95 mỗi tác vụ và thời gian 25.8 phút mỗi tác vụ.
Các kết quả Google công bố nổi bật nhất ở lĩnh vực đa phương thức và khoa học: đứng đầu bảng tổng thể Vals Index, đạt 87% trên ERQA, 57% trên RareBench và 52.2% trên LabBench. Đây là mô hình phù hợp cho video dài, tài liệu nhiều biểu đồ, suy luận 3D và không gian, cũng như nghiên cứu kết hợp nhiều định dạng. Mô hình không phù hợp cho trò chuyện cần độ trễ thấp; AA đo được 25.8 phút mỗi tác vụ, tương đương Opus, vì vậy hãy dự trù dùng theo kiểu bất đồng bộ hoặc xử lý hàng loạt.
Kimi K3.1 Pro: đối thủ lập trình có trọng số mở
Kimi K3.1 Pro là mô hình có trọng số mở tiến gần nhất đến nhóm mô hình hàng đầu đóng trong lĩnh vực lập trình. Moonshot công bố kết quả 65.7% trên Terminal-Bench 4.0, kém Opus 5.5 0.7 điểm; ngoài ra, mô hình đạt 61.2% trên Kimi Code Bench 3.0 Long-horizon, 92.7% trên BenchCAD khi dùng công cụ và 64.4 trên OfficeQA Pro v2. Mô hình hỗ trợ cửa sổ ngữ cảnh 1,048,576 token và được phát hành vào ngày 24 tháng 10 năm 2026; trọng số được đăng trên Hugging Face vào ngày 2 tháng 11 theo Kimi K3.1 Pro License.
Điểm cần lưu ý là chỉ số trí tuệ. AA chấm Kimi 46 điểm, kém Opus 13 điểm. Thứ hạng của mô hình trên Arena Agents nằm ngoài top 10. Những kết quả này cho thấy mô hình rất giỏi ở các tác vụ mà nhà cung cấp chọn để đo lường, nhưng chưa phải lựa chọn thay thế tổng quát cho mô hình hàng đầu. Hãy dùng mô hình cho lập trình trên terminal, công việc CAD và 3D, cũng như tài liệu tài chính khi cần giấy phép mở hoặc tự lưu trữ.
Trang giá của Moonshot không hiển thị giá niêm yết bằng USD trong phiên bản chúng tôi kiểm tra; AIHubMix niêm yết Kimi K3.1 Pro ở mức $2/$10.5 cho mỗi triệu token. Artificial Analysis đo được chi phí $3.68 mỗi tác vụ.
Claude Haiku 5.5: lựa chọn cho tác vụ tần suất cao
Haiku 5.5 là mô hình dành cho các tác vụ nhỏ. Mô hình đạt 36 điểm trên chỉ số trí tuệ, có giá niêm yết $0.10/$0.50 cho mỗi triệu token với prompt tối đa 100K token ($0.50/$2.50 nếu vượt mức đó) và hỗ trợ cửa sổ ngữ cảnh 1M token. Artificial Analysis đo chi phí $0.41 cho mỗi tác vụ.
Đây là công cụ phù hợp cho phân loại, trích xuất, định tuyến, tóm tắt và các agent phụ cần đưa ra quyết định nhanh trong một quy trình lớn hơn. Mô hình không dành cho suy luận khó; khoảng cách với Opus là 23 điểm chỉ số. Cách làm thiết thực là để agent Opus hoặc Sonnet lập kế hoạch, còn Haiku thực hiện các bước được xác định rõ với chi phí thấp.
Claude Fable 5.1: mẫu flagship Anthropic còn lại
Fable 5.1 dễ bị bỏ qua vì đây không phải mô hình mà hầu hết các nhóm sẽ tìm đến đầu tiên. Giá niêm yết là $10/$50 cho mỗi triệu token, hỗ trợ ngữ cảnh 1M token và đầu ra 128K, đồng thời đã được cung cấp rộng rãi. Anthropic gọi Fable 5.1 và Mythos 5.1 là những mô hình tiên tiến nhất của hãng dành cho lập trình và công việc tri thức, dù trang này không so sánh trực tiếp Fable với Opus 5.5. AA chấm mô hình 49 ở mức nỗ lực tối đa và 50 ở mức xhigh; Arena xếp hạng mô hình ở vị trí thứ năm với 13.86%.
Mẫu cùng dòng bị hạn chế hơn, Mythos 5.1, sử dụng cùng mô hình nền tảng nhưng có các biện pháp bảo vệ ít nghiêm ngặt hơn dành cho những tổ chức đã được thẩm định tại Mỹ hoạt động trong lĩnh vực an ninh mạng và khoa học đời sống; chỉ có thể sử dụng thông qua các chương trình cấp quyền truy cập đáng tin cậy của Anthropic. Giá token của Fable cao gấp 2.5× Opus, nhưng mức giá cao hơn không đem lại điểm chỉ số cao hơn: ở mức xhigh, Fable đạt 50 điểm so với 57 của Opus; ở mức tối đa, lần lượt là 49 và 59. AA đo chi phí mỗi tác vụ của Fable ở mức xhigh là $10.85, so với $10.04 của Opus ở mức tối đa, cao hơn khoảng 8%. Hãy thử nghiệm trước khi cho rằng mức giá cao hơn là xứng đáng.
Trọng số mở: gần ngang về lập trình, nhưng chưa ngang về trí tuệ tổng quát
| Mô hình | Quy mô và giấy phép | Ngữ cảnh | Giá niêm yết (đầu vào / đầu ra) | Điểm đáng chú ý |
|---|---|---|---|---|
| Kimi K3.1 Pro | 2.8T / 104B; giấy phép Kimi | 1M | Chưa công bố | Terminal-Bench 4.0 65.7% |
| GLM 5.3 | 753B MoE; giấy phép glm-5.3 | 1M | $1.40 / $4.40 | Terminal-Bench 4.0 41.9% (Max) |
| DeepSeek V4.1 Flash 1017 | 763B; MIT | 1M | từ $0.15 / $0.60 | Thị giác cộng với ngữ cảnh 1M |
| MiniMax M3.1 Flash | 428B / 23B tham số hoạt động; cộng đồng | 1M | ¥1 / ¥4 | OSWorld 2.0 61.7% |
Các số liệu benchmark trong bảng mô hình trọng số mở do nhà cung cấp báo cáo; điểm Terminal-Bench 4.0 của GLM là ở cấu hình Max trên bộ công cụ mini-swe-agent.
Kimi là cái tên nổi bật. Điểm Terminal-Bench 65.7%, chỉ thấp hơn Opus 0.7 điểm, là một thành tựu thực sự; ngữ cảnh 1M cũng giúp mô hình xử lý công việc ở quy mô toàn bộ kho mã. Nhưng khoảng cách về chỉ số trí tuệ mới là nửa còn lại của câu chuyện: 46 so với 59. Một mô hình có thể gần ngang trên một benchmark lập trình nhưng vẫn thua xa ở tổng hợp các tác vụ suy luận, kiến thức và tác vụ agentic mà chỉ số này đo lường.
GLM 5.3 là lựa chọn chú trọng chi phí trong nhóm này. AA chấm mô hình 32 ở mức nỗ lực tối đa, thấp hơn nhiều so với 46 của Kimi, nhưng đây là mô hình 753B MoE theo giấy phép glm-5.3, có điểm Terminal-Bench 4.0 do nhà cung cấp báo cáo là 41.9% (Max, mini-swe-agent), 1769 Elo trên GDPval-AA v2 và 62.5% trên Humanity's Last Exam (HLE) khi dùng công cụ. Giá chính thức là $1.40/$4.40; hiện AIHubMix niêm yết thấp hơn giá chính thức, ở mức $1.13/$3.94 cho mỗi triệu token.
DeepSeek V4.1 Flash 1017 là lựa chọn chú trọng chi phí và quyền sở hữu. Đây là mô hình 763B theo giấy phép MIT, có cửa sổ ngữ cảnh 1M token, đầu ra tối đa 384K và hỗ trợ đầu vào hình ảnh. Giá chính thức là $0.15/$0.60 ngoài giờ cao điểm và $0.30/$1.20 vào giờ cao điểm; giờ cao điểm là 01:00–04:00 và 06:00–10:00 UTC, từ thứ Hai đến thứ Sáu, không tính các ngày nghỉ lễ tại Trung Quốc. Đầu vào trúng bộ nhớ đệm có giá $0.003 ngoài giờ cao điểm và $0.006 vào giờ cao điểm cho mỗi triệu token. Đây không phải mô hình đa năng hàng đầu, nhưng là cách rất rẻ để sở hữu một mô hình đa phương thức có ngữ cảnh dài.
MiniMax M3.1 Flash là lựa chọn agent đa phương thức: tổng cộng 428B tham số, 23B tham số hoạt động trên mỗi token, cửa sổ ngữ cảnh 1M token, đầu vào văn bản/hình ảnh/video và điểm OSWorld 2.0 là 61.7. MiniMax định giá mô hình bằng CNY, ở mức ¥1/¥4 cho mỗi triệu token. Đây là một lựa chọn tự lưu trữ đáng tin cậy cho các quy trình tương tác với máy tính, dù tốc độ không có gì nổi bật.
Giá trị của trọng số mở không nằm ở chỗ khoảng cách đã được san bằng ở mọi mặt. Giá trị nằm ở khả năng sở hữu mô hình khi dữ liệu không thể rời khỏi mạng của bạn, khi cần cố định chi phí hoặc khi cần tinh chỉnh mô hình. Với những ràng buộc đó, chênh lệch vài điểm chỉ số kém quan trọng hơn quyền tự do triển khai.
Ngoài danh sách rút gọn, Muse Wonder của Meta là agent đa phương thức còn lại trong top mười của Arena, xếp thứ chín với 9.42%; cấu hình Full đạt 50 điểm trên AA, trong khi cấu hình tiêu chuẩn đạt 44. Grok 4.7 của xAI có ngữ cảnh 500K, giá niêm yết $2/$6 cho prompt dưới 200K token ($4/$12 nếu từ 200K token trở lên) và đạt 35 điểm trên AA. Qwen3.8 Max của Alibaba đạt 34 với chi phí $10.02 cho mỗi tác vụ. Không mô hình nào trong số này làm thay đổi bức tranh về nhóm dẫn đầu.
Giá token không đồng nghĩa với chi phí mỗi tác vụ
| Mô hình | AA II | Chi phí mỗi tác vụ theo AA | Hóa đơn theo giá niêm yết |
|---|---|---|---|
| Gemini 4 Carbon | 60 | $7.76 | $80 |
| Claude Opus 5.5 | 59 | $10.04 | $80 |
| GPT-6 Astra | 57 | $6.24 | $200 |
| Claude Sonnet 5.5 | 55 | $10.02 | $40 |
| GPT-6.1 Sol | 55 | $1.27 | $40 |
| GPT-6.1 Terra | 51 | $0.96 | $20 |
| Gemini 4 Argon | 50 | $9.95 | $80 |
| Claude Haiku 5.5 | 36 | $0.41 | $2 |
Cột hóa đơn là ví dụ minh họa, không phải số liệu của AA: 10M token đầu vào cộng 2M token đầu ra theo giá niêm yết tiêu chuẩn, giả định mỗi yêu cầu nằm dưới ngưỡng ngữ cảnh dài của nhà cung cấp, không dùng bộ nhớ đệm và không có chiết khấu theo lô. Carbon và Argon được tính theo giá tiêu chuẩn; giá ra mắt và giá ưu đãi ban đầu giúp giảm hóa đơn của mỗi mô hình xuống còn $40.
Có thể rút ra ba kết luận.
Thứ nhất, cùng một mức giá token có thể tạo ra chênh lệch chi phí mỗi tác vụ khoảng 8×. Sonnet và Sol đều niêm yết ở mức $2/$10. Chi phí mỗi tác vụ đo được của Sonnet là $10.02; của Sol là $1.27. Khác biệt nằm ở độ dài đầu ra và thời gian suy nghĩ, chứ không phải bảng giá.
Thứ hai, mô hình đắt tiền không phải lúc nào cũng là lựa chọn tốn kém hơn. Giá token của Astra cao gấp 2.5× Opus, nhưng chi phí mỗi tác vụ là $6.24 so với $10.04 của Opus, vì Astra dùng ít token hơn cho mỗi tác vụ. Bảng giá cao và hóa đơn cao là hai chuyện khác nhau.
Thứ ba, ngữ cảnh không miễn phí. Gói ngữ cảnh dài của OpenAI áp dụng mức giá cao hơn cho toàn bộ yêu cầu khi vượt quá 272K token: $20 đầu vào và $75 đầu ra đối với Astra, $4 và $15 đối với Sol. Cửa sổ 1M token rất hữu ích; sử dụng hết dung lượng đó cho mọi yêu cầu là một quyết định về ngân sách.
Cách lựa chọn
| Nếu bạn cần... | Hãy bắt đầu với | Sau đó cân nhắc |
|---|---|---|
| Một mô hình flagship cho mọi việc | Claude Opus 5.5 | Carbon nếu bạn có quyền truy cập |
| Lập trình và tài liệu hằng ngày | Claude Sonnet 5.5 | Sol cho khối lượng lớn |
| Agent quy mô lớn, nhạy cảm về chi phí | GPT-6.1 Sol | Terra hoặc DeepSeek |
| Đa phương thức và video dài | Gemini 4 Argon | Muse Wonder |
| Trọng số mở hoặc tự lưu trữ | Kimi K3.1 Pro để ưu tiên năng lực | GLM 5.3 hoặc DeepSeek để tiết kiệm chi phí |
| Tác vụ nhỏ với tần suất cao | Claude Haiku 5.5 | Terra |
Ba nguyên tắc giúp bạn sử dụng bảng này hiệu quả.
Chạy thử 20 tác vụ thực tế trước khi cam kết. Dùng prompt, định dạng đầu ra và tiêu chí đánh giá lỗi của chính bạn, thay vì benchmark công khai. Hai mươi tác vụ là đủ để phát hiện mô hình không thể tuân theo schema của bạn hoặc hoạt động kém khi xử lý ngữ cảnh dài.
Tách khâu ra quyết định khỏi khâu thực thi. Để Opus hoặc Sonnet lập kế hoạch, rà soát và xử lý các trường hợp khó; để Haiku, Sol hoặc DeepSeek thực hiện các bước được xác định rõ. Trong hệ thống agent, mô hình đắt nhất không cần thực hiện mọi bước.
Duy trì một lớp có thể thay thế. Mô hình thay đổi vài tháng một lần. Một API duy nhất, một hóa đơn duy nhất và một nhật ký duy nhất quan trọng hơn việc chọn ra mô hình chiến thắng trong một tháng bất kỳ.
Sử dụng các mô hình này thông qua AIHubMix
AIHubMix không phải là một mô hình khác; đây là cách để bạn có thể thay thế mô hình. Một khóa dùng được với endpoint tương thích OpenAI, endpoint tương thích Claude (beta) và endpoint gốc Gemini, với hơn 900 mô hình trên cùng một hóa đơn. Gemini 4 Carbon là mô hình duy nhất trong các bảng mà dịch vụ này không cung cấp. Hướng dẫn bắt đầu nhanh trình bày cấu trúc yêu cầu.
Với hầu hết các nhóm, endpoint tương thích OpenAI là đủ:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
)
prompt = "Explain in three sentences why cost per task beats cost per token."
response = client.chat.completions.create(
model="claude-opus-5-5",
messages=[{"role": "user", "content": prompt}],
)
print(response.choices[0].message.content)
ID mô hình tuân theo tên của nhà cung cấp (Carbon không có ID ở đây): claude-opus-5-5, claude-sonnet-5-5, claude-haiku-5-5, claude-fable-5-1, gpt-6-astra, gpt-6.1-sol, gpt-6.1-terra, gemini-4-argon, kimi-k3.1-pro, glm-5.3, deepseek-v4.1-flash-1017, minimax-m3.1-flash và muse-wonder.
Nếu không muốn chọn mô hình cho từng yêu cầu, bộ định tuyến auto hỗ trợ bốn chiến lược: cost_optimized (mặc định), balanced, quality_first và latency_critical. Hãy dùng bộ định tuyến này để thử nghiệm; với các tác vụ quan trọng, hãy cố định một mô hình và chuẩn bị phương án dự phòng.
Câu hỏi thường gặp
Mô hình AI mạnh nhất hiện nay là gì?
Tính đến ngày 5 tháng 11 năm 2026, Gemini 4 Carbon đạt 60 điểm trên Chỉ số Trí tuệ Artificial Analysis hiện hành. Với một mô hình mà hầu hết các nhóm có thể thực sự đưa vào sử dụng, đó là Claude Opus 5.5 với 59 điểm.
Tôi có thể sử dụng Gemini 4 Carbon thông qua AIHubMix không?
Không. Carbon chỉ dành cho một nhóm nhỏ chuyên gia phòng thủ mạng và đối tác Fairwind, đồng thời không có trong danh mục. Gemini 4 Argon là phiên bản Gemini 4 được cung cấp rộng rãi.
Mô hình nào phù hợp nhất cho lập trình?
Opus 5.5 cho công việc khó và có yêu cầu mở; Sonnet 5.5 cho lập trình và tài liệu hằng ngày; Sol cho các vòng lặp agent khối lượng lớn; Kimi K3.1 Pro nếu bạn cần trọng số mở.
Tại sao chi phí mỗi tác vụ của Sonnet 5.5 lại cao như vậy dù giá mỗi token bằng Sol?
Artificial Analysis đo chi phí mỗi tác vụ của Sonnet là $10.02 và của Sol là $1.27. Sonnet dùng nhiều token hơn hẳn cho mỗi tác vụ. Giá token như nhau, nhưng hóa đơn thì không.
Mô hình rẻ nhất trong nhóm dẫn đầu là gì?
GPT-6.1 Terra, với chi phí $0.96 cho mỗi tác vụ theo AA. Trong số các mô hình đạt từ 55 điểm trở lên, GPT-6.1 Sol rẻ nhất, ở mức $1.27. DeepSeek V4.1 Flash có giá mỗi token thấp hơn, nhưng điểm số thấp hơn nhiều so với nhóm dẫn đầu.
Các mô hình trọng số mở có ngang tầm với những mô hình tiên tiến nhất không?
Trên một số benchmark lập trình cụ thể, Kimi khá gần: 65.7% so với 66.4% trên Terminal-Bench 4.0, trong khi Opus được đo ở mức nỗ lực xhigh. Về trí tuệ tổng quát, AA chấm Kimi 46 điểm so với 59 của Opus. Hãy chọn trọng số mở vì khả năng kiểm soát, chi phí và tinh chỉnh, chứ không phải vì khoảng cách đã được san bằng ở mọi mặt.
Tôi có thể gọi tất cả các mô hình này bằng một khóa API không?
Carbon không có trong danh mục của AIHubMix; tất cả mô hình khác trong các bảng đều có. Một khóa dùng được với các endpoint tương thích OpenAI, tương thích Claude và gốc Gemini.
Nguồn
- Bảng xếp hạng Chỉ số Trí tuệ Artificial Analysis, truy cập ngày 5 tháng 11 năm 2026.
- Bảng xếp hạng Arena Agents, truy cập ngày 5 tháng 11 năm 2026.
- Tài liệu từ các nhà cung cấp mô hình tiên tiến: Claude Opus 5.5, Claude Sonnet 5.5, Claude Haiku 5.5, Claude Fable 5.1 and Mythos 5.1, Tổng quan về các mô hình Claude, Gemini 4 Carbon, Gemini 4 Argon, Các mô hình Gemini API, Danh mục mô hình OpenAI, Bài đăng bảo trì dòng GPT-6, Kimi K3.1 Pro, Giá Kimi.
- Tài liệu từ các nhà cung cấp mô hình trọng số mở: Giá GLM 5.3, Thẻ mô hình GLM 5.3, Giá DeepSeek, Thẻ mô hình DeepSeek V4.1 Flash 1017, Giá MiniMax, Thẻ mô hình MiniMax M3.1 Flash, Các mô hình Grok 4.7.
- AIHubMix: danh mục mô hình và hướng dẫn bắt đầu nhanh với API, truy cập ngày 5 tháng 11, 2026.
