Cách nhau mười ngày, hai mô hình agent rẻ nhất nhưng vẫn nghiêm túc của tháng 10 năm 2026 ra mắt theo hai hướng khác nhau. Anthropic phát hành Claude Haiku 5.5 vào ngày 7 tháng 10 với giá $0.10 cho input và $0.50 cho output mỗi 1M token, được giới thiệu như subagent nằm dưới Sonnet và Opus. DeepSeek đáp lại vào ngày 17 tháng 10 với V4.1 Flash 1017, một bản cập nhật nhắm thẳng vào công việc lập trình end-to-end.
Quyết định phụ thuộc vào một tác vụ: một phiên lập trình trên terminal trong Claude Code, nơi agent đọc file, chạy test và sửa code qua hàng chục lượt. Với tác vụ đó:
- Năng lực gần như ngang nhau, với lợi thế nhỏ cho 1017. Benchmark duy nhất mà cả hai hãng đều báo cáo là Terminal-Bench 4.0, trong đó 1017 đạt 42.3 còn Haiku 5.5 đạt 39.2.
- Chi phí phụ thuộc vào độ dài ngữ cảnh. Với dưới 100K token mỗi request, Haiku 5.5 có chi phí gần bằng 1017 ngoài giờ cao điểm và bằng một nửa 1017 vào giờ cao điểm. Khi vượt 100K, Haiku tính toàn bộ request theo mức giá gấp năm lần, và 1017 trở thành mô hình rẻ hơn với khoảng cách lớn.
- Haiku thắng ở những mặt khác: câu hỏi kiến thức, đầu vào PDF, computer use và khả năng chống prompt injection.
Vì sao chọn cặp này
Cả hai đều là tầng agent-capable rẻ nhất của nhà cung cấp tương ứng, cùng ra mắt trong vòng hai tuần và đều chạy được trong Claude Code. Anthropic định vị Haiku 5.5 là subagent lập trình và đặt nó làm mô hình haiku mặc định của Claude Code trên API của họ. DeepSeek cung cấp endpoint theo định dạng Anthropic và đo điểm Terminal-Bench 4.0 của 1017 bên trong harness của Claude Code. Mức quan tâm tìm kiếm cũng đi theo hướng này: các trang so sánh đúng cặp này đã xuất hiện trong vài ngày sau khi 1017 được phát hành.
Gemini 3.8 Flash là cái tên khác trong cuộc trò chuyện, và nó xuất hiện trong biểu đồ chi phí của chính DeepSeek. Mô hình này ra mắt vào đầu tháng 9 với giá $0.75 cho input và $3.75 cho output, cao gấp nhiều lần giá của hai mô hình ở đây, nên nó không nằm trong so sánh này.
Tác vụ: một phiên lập trình trên terminal trong Claude Code
Benchmark phù hợp với tác vụ này là Terminal-Bench 4.0: các phiên shell dài với công cụ thật, được chấm dựa trên việc agent có hoàn thành công việc hay không. Các con số dưới đây do nhà cung cấp báo cáo: của DeepSeek lấy từ model card của họ, của Anthropic lấy từ thông báo ra mắt Haiku 5.5. Hiện chưa ai chạy cả hai dưới cùng harness và cùng thiết lập.
| Mô hình | Terminal-Bench 4.0 | Được báo cáo bởi |
|---|---|---|
| Claude Sonnet 5.5 | 70.6 | Anthropic |
| DeepSeek V4.1 Flash 1017 | 42.3 | DeepSeek |
| Claude Haiku 5.5 | 39.2 | Anthropic |
| DeepSeek V4.1 Flash (Sept) | 31.2 | DeepSeek |
DeepSeek chạy Terminal-Bench 4.0 trong Claude Code; Anthropic không nêu mức effort của Haiku trong bảng tóm tắt chính.
Khoảng cách ba điểm giữa hai con số do nhà cung cấp báo cáo với thiết lập khác nhau không phải là chiến thắng rõ ràng. Các lần chạy Terminal-Bench 4.0 độc lập của Haiku 5.5 cho kết quả thấp hơn con số của Anthropic và không khớp với nhau, còn kết quả độc lập cho 1017 thì chưa được công bố. Hãy đọc đây là "gần như ngang nhau, 1017 hơi nhỉnh hơn" thay vì một bảng xếp hạng. Chính hướng dẫn của Anthropic cũng cho thấy điều tương tự: "Sonnet 5.5 và Opus 5.5 vẫn là lựa chọn tốt hơn cho các tác vụ lập trình agent phức tạp như những tác vụ được đo bằng Terminal-Bench 4.0." Cả hai mô hình rẻ này đều không phải lựa chọn phù hợp nhất cho các phiên shell khó nhất.
Ngoài benchmark đó, hai hãng gần như không công bố con số chung nào. DeepSeek báo cáo DeepSWE v1.1 (77.0) và ProgramBench (29.1); Anthropic báo cáo FrontierCode 1.1 (46.4) và OSWorld 2.1 (72.4). Không có mục nào trong số đó có điểm được công bố cho mô hình còn lại.
Mỗi mô hình thắng ở đâu
| Lĩnh vực | V4.1 Flash 1017 | Claude Haiku 5.5 |
|---|---|---|
| Terminal-Bench 4.0 | 42.3 | 39.2 |
| HLE, không dùng công cụ | 42.6 | 45.9 |
| Cửa sổ ngữ cảnh | 1M | 1M |
| Đầu ra tối đa | 384K | 128K |
| Loại đầu vào | Văn bản, hình ảnh | Văn bản, hình ảnh, PDF |
| Giá khi prompt trên 100K | Không đổi | 5x |
| Mức effort | 3 | 5 |
| Trọng số mở | Có, MIT | Không |
Số liệu benchmark do nhà cung cấp báo cáo. Mức effort của DeepSeek là low, high và max; của Haiku là low, medium (mặc định), high, xhigh và max.
1017 mạnh hơn ở các phiên dài (không có phụ phí ngữ cảnh dài, giới hạn đầu ra gấp ba lần), công việc terminal và xây dựng chương trình, cũng như các đội muốn có trọng số mở làm phương án dự phòng.
Haiku 5.5 mạnh hơn ở các bước cần nhiều kiến thức, công việc với PDF và tài liệu, computer use (72.4 trên OSWorld 2.1, điểm mà DeepSeek không báo cáo), và các agent đọc nội dung không đáng tin cậy: ComputingForGeeks dẫn các kịch bản lập trình của Gray Swan, trong đó tỷ lệ prompt injection thành công giảm từ 58.4% trên Haiku 4.5 xuống còn 0.08%. Mô hình này cũng chạy trên giao thức gốc của Anthropic trong Claude Code, không cần lớp chuyển đổi cho các khối thinking.
Chi phí một phiên trên từng mô hình
Không có bài kiểm tra công bố nào đưa ra số token theo từng tác vụ cho cả hai mô hình, nên ví dụ này dùng các giả định đã nêu. Phiên có 40 lượt gọi mô hình. Prompt bắt đầu ở 20K token và tăng thêm 4K mỗi lượt gọi (đầu ra công cụ cộng với câu trả lời trước đó), kết thúc ở 176K. Mỗi lượt gọi đọc phần prompt trước đó từ cache và thêm 4K token mới, đồng thời tạo ra 1.5K token đầu ra bao gồm cả thinking. Cả hai mô hình nhận cùng số token, dù bộ tokenizer của chúng khác nhau.
Các quy tắc giá được áp dụng, theo giá niêm yết của AIHubMix:
- 1017: token mới tính theo mức cache-miss, phần prefix đã cache tính theo mức cache-hit, vào giờ cao điểm hoặc ngoài giờ cao điểm.
- Haiku 5.5: token mới được ghi vào cache 5 phút, phần prefix đã cache được đọc từ cache đó. Mọi lượt gọi có prompt vượt 100K đều bị tính toàn bộ theo mức cao hơn ($0.50 input, $2.50 output, $0.05 cache read, $0.625 cache write).
| Phiên | 1017 giờ cao điểm | 1017 ngoài giờ cao điểm | Haiku 5.5 |
|---|---|---|---|
| 21 lượt gọi đầu, prompt tối đa 100K | $0.077 | $0.039 | $0.040 |
| Đủ 40 lượt gọi, prompt tối đa 176K | $0.152 | $0.076 | $0.288 |
Với Haiku 5.5, 19 lượt gọi trên 100K tốn $0.248 trong tổng $0.288. Phép tính cho 1017 vào giờ cao điểm, cả phiên đầy đủ: 176K token mới × $0.3098 + 3.744M token cached × $0.0062 + 60K đầu ra × $1.2392 = $0.152.
Từ đó có hai cách tối ưu thực tế:
- Với Haiku 5.5, giữ mỗi request dưới 100K. Lệnh
/compactcủa Claude Code và các subagent có vòng đời ngắn sẽ làm được điều đó. Nếu 40 lượt gọi này đều được tính theo mức giá prompt ngắn, chi phí sẽ là $0.089. - Với 1017, chuyển các lần chạy agent theo lô và chạy qua đêm sang ngoài khung 01:00–04:00 và 06:00–10:00 UTC vào các ngày trong tuần, điều này giúp giảm một nửa hóa đơn. AIHubMix cũng đang có chương trình giảm giá 30% có thời hạn cho 1017, không được tính trong các con số trên.
Trước khi chuyển đổi, theo bất kỳ hướng nào
- Chuyển sang Haiku 5.5: API từ chối các giá trị
temperaturekhác 1, mọitop_k, thinkingbudget_tokensthủ công và assistant prefill, tất cả đều trả về lỗi 400. Đánh giá của ComputingForGeeks cũng lưu ý rằng mô hình này từ chối quá mức nhiều hơn bất kỳ mô hình nào khác trong một bài kiểm tra hành vi tự động, và các bộ phân loại an ninh mạng nghiêm ngặt hơn sẽ chặn một số công việc bảo mật. - Chuyển sang 1017: trên API của DeepSeek, chế độ thinking có công cụ yêu cầu mọi
reasoning_contenttrước đó phải được gửi lại API, nếu không request sẽ thất bại với lỗi 400, nên client nào bỏ qua trường này sẽ bị lỗi sau lần gọi công cụ đầu tiên. Trong một lần chạy thử qua AIHubMix vào ngày 19 tháng 10, cùng request đó trả về 200. Bài hướng dẫn chuyển đổi trong loạt bài này đề cập đến vấn đề này và các quy tắc tính giá giờ cao điểm.
Nên chọn mô hình nào
- Chọn 1017 cho các agent lập trình vòng lặp chính với ngữ cảnh dài, các lần chạy agent qua đêm hoặc theo lô mà bạn có thể lên lịch ngoài giờ cao điểm, và các tác vụ xây dựng chương trình từ đặc tả.
- Chọn Haiku 5.5 cho các lượt gọi subagent ngắn, có phạm vi rõ ràng dưới 100K token, các bước nặng tài liệu, computer use, và các pipeline đọc nội dung web hoặc repo không đáng tin cậy.
- Dùng cả hai trong cùng một thiết lập Claude Code: một mô hình mạnh hơn lên kế hoạch, 1017 thực thi các tác vụ dài, còn Haiku 5.5 xử lý tra cứu nhanh và tóm tắt.
Chạy cả hai với một khóa
Cả hai mô hình đều có trên AIHubMix: deepseek-v4.1-flash-1017 và claude-haiku-5-5. Để thử chúng trong Claude Code, hãy trỏ Claude Code tới AIHubMix như đã mô tả trong hướng dẫn Claude Code:
export ANTHROPIC_BASE_URL="https://aihubmix.com"
export ANTHROPIC_AUTH_TOKEN="$AIHUBMIX_API_KEY"
export ANTHROPIC_MODEL="deepseek-v4.1-flash-1017"
claude
Trong lần thử nghiệm của AIHubMix vào ngày 19 tháng 10, 1017 đã hoàn thành một lượt gọi công cụ hai bước qua giao thức Anthropic Messages mà Claude Code sử dụng. Một request không có cài đặt effort sẽ trả về mà không có thinking, vì vậy hãy luôn đặt mức effort (ví dụ CLAUDE_CODE_EFFORT_LEVEL=high). Trong phiên làm việc, /model claude-haiku-5-5 sẽ chuyển sang Haiku với cùng khóa, nhờ đó bạn có thể chạy cùng một bài test đang lỗi qua cả hai mô hình rồi so sánh các diff và nhật ký request. Để xem thông số và giá cạnh nhau, hãy truy cập trang so sánh của AIHubMix.
Câu hỏi thường gặp
DeepSeek V4.1 Flash 1017 có tốt hơn Claude Haiku 5.5 khi lập trình không?
Trên Terminal-Bench 4.0, benchmark lập trình chung duy nhất, 1017 đạt 42.3 còn Haiku 5.5 đạt 39.2. Cả hai đều là số do nhà cung cấp báo cáo với thiết lập khác nhau, nên hãy coi chúng là gần như ngang nhau, với lợi thế nhỏ cho 1017.
Mô hình nào rẻ hơn?
Với dưới 100K token mỗi request, Haiku 5.5 có chi phí gần bằng 1017 ngoài giờ cao điểm và khoảng một nửa chi phí của 1017 vào giờ cao điểm. Trên 100K, Haiku tính toàn bộ request theo mức gấp năm lần, và 1017 trở thành lựa chọn rẻ hơn.
Haiku 5.5 có tính phí cao hơn cho prompt dài không?
Có. Khi prompt vượt 100K token, giá input, output và cache của toàn bộ request đó tăng lên gấp năm lần mức giá prompt ngắn.
Tôi có thể dùng DeepSeek V4.1 Flash 1017 trong Claude Code không?
Có. DeepSeek đã đo điểm Terminal-Bench 4.0 của mình trong Claude Code, và bạn có thể chạy qua một endpoint tương thích Anthropic, chẳng hạn của AIHubMix, bằng cách thiết lập base URL, khóa và tên mô hình.
Mô hình nào tốt hơn cho subagent?
Với các lượt gọi subagent ngắn, có phạm vi rõ ràng dưới 100K token, Haiku 5.5 là lựa chọn phù hợp tự nhiên và là mô hình haiku mặc định của Claude Code trên API của Anthropic. Với các agent thực thi chạy lâu, 1017 tránh được phụ phí cho prompt dài.
Haiku 5.5 thắng rõ ràng ở đâu?
Các câu hỏi kiến thức (HLE 45.9 so với 42.6), đầu vào PDF, computer use và khả năng chống prompt injection, theo số liệu Anthropic báo cáo.
Có mô hình nào trong hai mô hình này đủ tốt để thay thế Sonnet 5.5 không?
Không đối với lập trình agent phức tạp. Sonnet 5.5 báo cáo 70.6 trên Terminal-Bench 4.0, cao hơn hẳn cả hai, và chính Anthropic khuyến nghị Sonnet hoặc Opus cho những tác vụ đó.
Đọc tiếp: loạt bài về DeepSeek V4.1 Flash 1017
- Muốn có bức tranh đầy đủ về những thay đổi của 1017 trước khi chọn nó thay cho Haiku? Bài nâng cấp đề cập đến các cải thiện benchmark và mức giảm chi phí theo tác vụ: DeepSeek V4.1 Flash 1017: Cùng giá, đầu ra ngắn hơn. Có nên chuyển không?
- Chọn 1017 cho Claude Code nghĩa là phải xử lý các quy tắc chế độ suy luận của nó; hướng dẫn di chuyển cho thấy lỗi 400 và cách khắc phục: Di chuyển sang DeepSeek V4.1 Flash 1017: Lỗi 400 của reasoning_content, việc đổi alias âm thầm và tính phí giờ cao điểm
- Nếu 1017 đã vượt Haiku trong các tác vụ của bạn, nó cũng có thể thay thế phiên bản đắt hơn của chính DeepSeek: DeepSeek V4.1 Flash 1017 so với V4 Pro: Liệu Flash đã đủ mạnh chưa?
Nguồn tham khảo
- Thẻ mô hình DeepSeek-V4.1-Flash-1017 (Hugging Face)
- Giới thiệu Claude Haiku 5.5 (Anthropic)
- DeepSeek V4.1 Flash 1017 so với Claude Haiku 5.5 (AIHubMix)
- Claude Haiku 5.5: Giá, Benchmark, Đã thử nghiệm (ComputingForGeeks)
- DeepSeek V4.1 Flash 1017 đã thử nghiệm: Thông số, Benchmark & Giá (Kingy.ai)
