Tổng hợp model và API mới tháng 7/2026: khoảng 30 model và API media

Trong tháng này, AIHubMix đã bổ sung gần 30 model mới trong các lĩnh vực chat, lập trình, âm thanh, hình ảnh và 3D, đồng thời ra mắt nhiều tính năng nền tảng, bao gồm API tạo nội dung media, sửa chữa đầu ra có cấu trúc và API tạo 3D. Phạm vi các phương thức (modality) có thể dùng qua một API key tiếp tục mở rộng. Dưới đây là những điểm nổi bật.

API tạo nội dung media và tác vụ bất đồng bộ thống nhất

Các endpoint tạo nội dung media mới /ai/v1/images/generations và /ai/v1/images/edits hiện đã khả dụng, cùng với tác vụ bất đồng bộ thống nhất, truy vấn kết quả, tải xuống tệp sản phẩm và webhook callback. Quy trình hình ảnh và video có thể tích hợp qua cùng một vòng đời tác vụ, giúp dễ dàng theo dõi kết quả tạo nội dung chạy lâu. Các tệp sản phẩm được tạo hỗ trợ tải xuống trực tiếp và truy xuất hàng loạt. Xem Async Tasks.

Sửa chữa đầu ra có cấu trúc

Tính năng sửa chữa đầu ra có cấu trúc ở cấp key mới đã có sẵn, mặc định ở trạng thái tắt. Sau khi bật, với các yêu cầu không streaming khai báo đầu ra JSON có cấu trúc, khi model trả về JSON bị lỗi định dạng như bị cắt cụt, dấu phẩy thừa hoặc bị bọc trong khối code, nền tảng sẽ tự động sửa thành JSON hợp lệ có thể parse trước khi trả về. Giá trị giữ nguyên và không cần thay đổi phía client. Tính năng hỗ trợ các giao thức Chat Completions, Responses, Claude và Gemini, và các phản hồi đã được sửa sẽ có header X-JSON-Repaired: true. Xem Structured Output Repair.

API tạo 3D

API tạo 3D bất đồng bộ mới /v1/3d/generations ra mắt với Tencent Hunyuan 3D (hy-3d-3.1) là model được hỗ trợ đầu tiên. API bao gồm text-to-3D, image-to-3D và đầu vào đa góc nhìn, với tệp sản phẩm ở các định dạng obj, glb, stl, usdz và fbx cùng vật liệu PBR, phù hợp cho game, hiển thị thương mại điện tử, in 3D và thiết kế sản phẩm. Xem 3D Generation API.

MCP Server chính thức của AIHubMix

Điểm truy cập lưu trữ chính thức cho các MCP client hiện đã hoạt động: mcp.aihubmix.com/mcp (dự phòng: mcp.inferera.com/mcp). Kết nối trong Claude Code, Codex, Cursor và các công cụ khác để truy vấn model và giá, tìm kiếm tài liệu, kiểm tra số dư và gọi các công cụ chat, tạo ảnh và tạo video. Thông tin xác thực do client truyền theo từng yêu cầu và máy chủ không lưu API key.

Tìm kiếm và đọc web với Jina

Các khả năng Jina Search và Reader mới cho phép bạn lấy kết quả tìm kiếm và nội dung trang web bằng API key AIHubMix, phù hợp cho việc truy xuất thông tin bên ngoài, đọc tài liệu và gọi công cụ cho agent. Cả hai đều hỗ trợ yêu cầu POST, và Reader còn nhận tải lên multipart các tệp cục bộ như PDF, Word, Excel, PPT, HTML và hình ảnh. Xem Jina AI.

Cập nhật tính năng khác

• Tạo âm thanh TTS với Qwen: qwen-audio-3.0-tts-plus và qwen-audio-3.0-tts-flash có thể được gọi qua /v1/audio/speech. Yêu cầu không streaming trả về liên kết kết quả âm thanh, yêu cầu streaming trả về các sự kiện SSE tạo âm thanh, hỗ trợ thẻ cảm xúc và chỉ dẫn giọng nói bằng ngôn ngữ tự nhiên. Xem TTS.
• Tài liệu prompt caching của GPT: bắt đầu từ dòng GPT-5.6, việc ghi cache được tính phí bằng 1,25 lần giá đầu vào, đọc cache bằng 0,1 lần, và cache được giữ tối thiểu 30 phút. Bao gồm chi tiết tham số prompt_cache_key và cách xử lý sự cố cache hit. Xem GPT Prompt Caching.
• Veo 3.1 image-to-video hỗ trợ khung hình đầu/cuối và ảnh tham chiếu: kiểm soát chính xác hơn các cảnh mở đầu và kết thúc, tham chiếu nhân vật và tham chiếu phong cách. Xem Video Generation.
• Tự động chuyển tiếp Responses cho tool call của gpt-5.5 trở lên: các yêu cầu gửi qua /v1/chat/completions có tools và reasoning_effort sẽ tự động sử dụng khả năng của Responses, giúp các client hiện có gọi công cụ đáng tin cậy hơn mà không cần thay đổi gì. Xem Responses API.
• Hoàn thiện các endpoint Gemini gốc: SDK @google/genai hiện hỗ trợ Embeddings, Interactions và Context Caching gốc khi được gọi qua AIHubMix. Xem Gemini Native SDK.
• Mở rộng kết nối streaming lên 2 giờ: thời gian kết nối streaming tối đa đã được tăng từ 1 giờ lên 2 giờ, nhờ đó các tác vụ suy luận và sinh nội dung dài ít bị ngắt sớm hơn.
• Truyền tham số ảnh của Gemini: khi gọi các model tạo ảnh của Gemini qua API tương thích OpenAI, có thể truyền aspectRatio và imageSize trong extra_body.generationConfig.imageConfig.
• Đầu ra có cấu trúc trên nhiều giao thức: response_format tương thích OpenAI và output_config.format gốc của Claude hiện đã chuyển đổi hai chiều trên các đường dẫn liên quan. Xem Structured Output.

Ổn định và sửa lỗi

• Cải thiện khả năng tương thích đa giao thức: các trường phản hồi Messages, tham số thinking, tham số stop và cấu trúc phản hồi tool call tiếp tục được căn chỉnh với hệ sinh thái của từng giao thức.
• Cải thiện độ tin cậy của streaming: đã sửa lỗi đầu ra streaming bị cắt cụt và phản hồi bị phân loại nhầm là rỗng ở một số model, đồng thời bản ghi usage đầy đủ hơn khi client ngắt kết nối.
• Cải thiện độ chính xác của đo lường và tính phí cache, giúp chi tiết thanh toán phản ánh đúng hơn mức sử dụng thực tế.
• Thông báo lỗi rõ ràng hơn: lỗi kiểm tra tham số được trả về sớm hơn, và lỗi với model không tồn tại hoặc key đã hết hạn mức được nêu cụ thể hơn.

Model mới trong tháng này (khoảng 30)

Chat / tổng quát

• claude-opus-5: model chủ lực của Anthropic với cửa sổ ngữ cảnh 1M và đầu ra tối đa 128K, được xây dựng cho suy luận phức tạp, lập trình và các tác vụ agent dài hơi.
• claude-sonnet-5: dành cho các kịch bản chat, suy luận và agent.
• gpt-5.6-sol / gpt-5.6-terra / gpt-5.6-luna: ba cấp của dòng OpenAI GPT-5.6, mỗi cấp có cửa sổ ngữ cảnh 1.050.000, đầu ra tối đa 128K và đầu vào gồm văn bản cùng hình ảnh. Sol là cấp chủ lực, Terra có hiệu năng tương đương GPT-5.5 với mức giá bằng một nửa, còn Luna nhắm tới các khối lượng công việc nhạy cảm về chi phí.
• qwen3.8-max-preview: model nền tảng Qwen thế hệ mới nhất với 2,4T tham số, hiện được giảm giá 90% trong thời gian có hạn.
• kimi-k3: model mở ngữ cảnh dài của Moonshot AI với 2,8T tham số, cửa sổ ngữ cảnh 1M và khả năng nhận đầu vào hình ảnh gốc. Xem hướng dẫn thực hành Kimi K3.
• grok-4.5: suy luận có thể cấu hình, gọi công cụ và ngữ cảnh 500K, phù hợp cho sửa lỗi mã nguồn và quy trình agent.
• tencent-hy3: bản GA của Tencent Hunyuan Hy3. Kiến trúc MoE với 295B tham số tổng / 21B tham số hoạt động, cửa sổ ngữ cảnh 256K, mã nguồn mở theo giấy phép Apache 2.0.
• gemini-3.6-flash, gemini-3.5-flash-lite, gemini-2.5-flash-lite: các cấp mới trong dòng Flash của Google.
• glm-5.2-fast-preview, Qwen3-235B-A22B-Instruct-2507, command-a-plus-05-2026, gemma-4-31b, longcat-2.0.

Lập trình

• qwen3-coder-480b-a35b-instruct: model mã nguồn chủ lực của Qwen3-Coder, dùng cho sinh mã, agent kỹ thuật phần mềm và quy trình gọi công cụ.

Âm thanh

• gpt-audio-1.5: model âm thanh GA đầu tiên của OpenAI, hỗ trợ đầu vào và đầu ra âm thanh.
• gpt-4o-transcribe-diarize: chuyển giọng nói thành văn bản (ASR) kèm phân tách người nói, chỉ khả dụng qua Transcription API.
• qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash: các model tổng hợp giọng nói của Qwen. Cấp plus cho phép kiểm soát chi tiết cảm xúc và nhân vật, còn cấp flash đạt độ trễ gói đầu tiên dưới 200 ms.

Hình ảnh

• mai-image-2.5-pro: model tạo và chỉnh sửa hình ảnh chủ lực của Microsoft, với độ chân thực cao và khả năng hiển thị chữ trong ảnh. mai-image-2.5 và mai-image-2.5-flash thuộc cùng dòng này cũng đã có sẵn.
• gemini-3.1-flash-lite-image: model khả năng tạo hình ảnh của Google.

3D

• hy-3d-3.1: phiên bản chuyên nghiệp của Tencent Hunyuan 3D, hỗ trợ text-to-3D, image-to-3D và đầu vào tám góc nhìn.

Truy xuất / xếp hạng lại

• jina-reranker-v3.5: bộ xếp hạng lại tài liệu đa ngôn ngữ theo kiểu listwise của Jina AI, dùng cho RAG, tìm kiếm và xếp hạng dữ liệu có cấu trúc.

Giá và thông báo

• Ưu đãi có thời hạn GLM-5.2 theo khung giờ trong ngày: glm-5.2 được giảm giá theo khung thời gian trong ngày, tính theo UTC: giảm 50% từ 14:00 đến 24:00 và giảm 30% từ 00:00 đến 14:00 mỗi ngày. Ưu đãi có thời hạn.
• Qwen3.8-Max-Preview giảm 90%: các lần gọi được tính phí bằng 10% giá niêm yết, tức là với cùng mức chi tiêu bạn có thể sử dụng nhiều gấp 10 lần. Ưu đãi có thời hạn, áp dụng theo thứ tự đăng ký trước được ưu tiên trước.
• Tính phí DeepSeek V4 theo khung giờ: các model DeepSeek V4 hỗ trợ tính phí theo giờ cao điểm và thấp điểm. Mức phí áp dụng theo khung thời gian tại thời điểm gửi yêu cầu, và các yêu cầu streaming vượt qua mốc chuyển khung giờ cũng được tính giá theo thời điểm gửi.

Câu hỏi thường gặp

Tháng này đã bổ sung những model nào?
Khoảng 30 model, bao gồm chat (claude-opus-5, claude-sonnet-5, dòng GPT-5.6, qwen3.8-max-preview, kimi-k3, grok-4.5, tencent-hy3 và nhiều model khác), lập trình (qwen3-coder-480b-a35b-instruct), âm thanh (gpt-audio-1.5 và dòng qwen-audio-3.0-tts), hình ảnh (dòng mai-image-2.5), 3D (hy-3d-3.1) và xếp hạng lại (jina-reranker-v3.5).

Làm thế nào để kết nối với MCP Server của AIHubMix?
Thêm điểm truy cập https://mcp.aihubmix.com/mcp vào bất kỳ client nào hỗ trợ MCP (Claude Code, Codex, Cursor và các công cụ khác). Thông tin xác thực được client truyền theo từng yêu cầu. Sau đó bạn có thể truy vấn model và giá, tìm kiếm tài liệu, kiểm tra số dư và gọi các công cụ chat, tạo ảnh và tạo video.

Các API tạo nội dung media hỗ trợ những gì?
Gửi yêu cầu tạo và chỉnh sửa hình ảnh qua /ai/v1/images/generations và /ai/v1/images/edits, sau đó dùng API tác vụ bất đồng bộ thống nhất để truy vấn trạng thái, tải xuống tệp sản phẩm và nhận webhook callback. Xem Async Tasks.

Ưu đãi có thời hạn cho Qwen3.8-Max-Preview là gì?
Các lượt gọi được tính phí bằng 10% giá niêm yết, tương đương mức sử dụng gấp 10 lần với cùng một khoản chi. Ưu đãi có thời hạn, áp dụng theo thứ tự đăng ký trước được ưu tiên.

Xem tất cả các mô hình trong thư viện mô hình và tìm thông tin tích hợp trong tài liệu.

Cập nhật: 2026-07-31