# AI viết tiếng Việt: không có benchmark công khai nào đo văn phong, nên đo bằng dữ liệu của bạn

> Không có benchmark công khai nào đo văn phong tiếng Việt. Cách duy nhất còn kiểm chứng được là tỉ lệ lỗi trên gateway và chi phí một kết quả dùng được.

- URL: https://wisa.vn/blog/ai-viet-tieng-viet-tot-nhat
- Markdown: https://wisa.vn/blog/ai-viet-tieng-viet-tot-nhat.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-30T20:01:00.000Z
- Cập nhật: 2026-10-31T06:51:29Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~6 phút
- Từ khoá: ai viết tiếng việt tốt nhất, vmlu, tỉ lệ lỗi gateway, chi phí một kết quả dùng được
- cluster: chon-va-so-sanh-model
- targetQuery: ai viết tiếng việt tốt nhất
- citations: ACL Anthology — bài báo VMLU (https://aclanthology.org/2025.acl-long.563/); arXiv — ViLLM (https://arxiv.org/abs/2404.11086); arXiv — VMMU (https://arxiv.org/abs/2508.13680); Wisa — chuyên mục Chọn và so sánh model (https://wisa.vn/blog/chu-de/chon-va-so-sanh-model)

---

Không có bảng xếp hạng công khai nào chấm văn phong tiếng Việt. Trong cửa sổ 7 ngày kết thúc 27/10/2026, số liệu đo tại gateway của Wisa cho DeepSeek V4.1 Flash tỉ lệ lỗi 0 phần trăm trên 213 mẫu, Claude Opus 5.5 là 2,21 phần trăm trên 271 mẫu, nên bạn phải tự đo.

## VMLU, ViLLM-Eval và VMMU chấm đề thi chứ không chấm văn phong

Ba bộ dữ liệu tiếng Việt được trích dẫn nhiều nhất đều đo khả năng trả lời đúng, không đo giọng văn. VMLU là bộ câu hỏi trắc nghiệm phủ nhiều môn học, chấm theo đáp án đúng sai. ViLLM-Eval đi cùng hướng với các tác vụ có đáp án xác định. VMMU mở rộng sang câu hỏi đa phương thức, vẫn là đúng hay sai.

Một câu trả lời đúng chưa nói gì về việc câu đó có đọc tự nhiên không, có lặp từ không, có dùng sai đại từ xưng hô không. Đó là lý do bạn có thể thấy một model đứng đầu một bảng tiếng Việt mà vẫn viết ra những câu người bản ngữ phải sửa lại từng dòng.

Nếu bạn đang tìm một con số để chốt việc chọn model, đọc [chuyên mục chọn và so sánh model](/blog/chu-de/chon-va-so-sanh-model) để thấy Wisa xếp loại bằng chứng nào đáng tin và bằng chứng nào chỉ là chỉ báo phụ.

## Tín hiệu tiếng Việt duy nhất Wisa đo được là tỉ lệ lỗi trên 213 và 271 mẫu

Bộ dữ liệu gateway của Wisa ghi ba thứ cho mỗi model: số mẫu, độ trễ hoàn tất và tỉ lệ lỗi. Không có cột nào chấm điểm văn phong, vì muốn chấm văn phong thì phải có người đọc tiếng Việt ngồi chấm lại, và chi phí đó không nằm gọn trong một cửa sổ 7 ngày.

Tỉ lệ lỗi ở đây là phần yêu cầu không trả về kết quả dùng được: bị cắt giữa dòng, trả về rỗng, sai định dạng, hoặc lặp vô hạn. Nó là tín hiệu gián tiếp về tiếng Việt, nhưng nó là tín hiệu duy nhất đếm được mà không cần thuê người chấm.

Hai hàng có đủ mẫu để nói chuyện là DeepSeek V4.1 Flash với 213 mẫu và Claude Opus 5.5 với 271 mẫu. Cỡ mẫu đó đủ để so hai model ở mức tổng, không đủ để kết luận cho một thể loại hẹp như email bán hàng hay bài SEO dài.

## Model nào viết tiếng Việt ít lỗi hơn trên dữ liệu gateway?

DeepSeek V4.1 Flash có 0 phần trăm lỗi trên 213 mẫu, Claude Opus 5.5 có 2,21 phần trăm trên 271 mẫu. Độ trễ hoàn tất p50 lần lượt là 11.581 ms và 15.168 ms, chép nguyên từ cùng một lần đo, không làm tròn.

Bảng sau là toàn bộ những gì Wisa đo được về tiếng Việt cho hai model này. Cột cuối là phép chia đã thay số: tiền một lượt chuẩn chia cho (1 − tỉ lệ lỗi).

| Model | Số mẫu | p50 | Tỉ lệ lỗi | Một lượt chuẩn | Một kết quả dùng được |
| --- | --- | --- | --- | --- | --- |
| DeepSeek V4.1 Flash | 213 | 11.581 ms | 0 phần trăm | 3,456 đồng | 3,456 đồng |
| Claude Opus 5.5 | 271 | 15.168 ms | 2,21 phần trăm | 26,4 đồng | 27,00 đồng |

Một lượt chuẩn là 2.000 token vào và 700 token ra, tính theo giá vào 720đ và giá ra 2.880đ của DeepSeek V4.1 Flash, giá vào 4.800đ và giá ra 24.000đ của Claude Opus 5.5.

Đọc bảng này cho đúng: 0 phần trăm không có nghĩa là model viết tiếng Việt hay hơn. Nó chỉ có nghĩa là trong 213 lần thử, không lần nào bị cắt hay trả về rỗng. Một câu sai ngữ pháp vẫn được tính là thành công nếu nó có nội dung đọc được.

## Vì sao 27,00 đồng một kết quả dùng được không phải giá của chất lượng văn?

Phép chia ở cột cuối bảng trên là 26,4 ÷ (1 − 0,0221) = 26,4 ÷ 0,9779 = 27,00 đồng. Với DeepSeek V4.1 Flash, 3,456 ÷ 1 = 3,456 đồng. Chênh lệch giữa hai model là 27,00 ÷ 3,456 = 7,81 lần.

Con số 7,81 lần là chênh lệch chi phí, không phải chênh lệch chất lượng. Nếu bạn dùng Claude Opus 5.5 để viết [email khách hàng bằng AI](/giai-phap/viet-email-khach-hang), bạn trả thêm gần tám lần cho mỗi kết quả dùng được, và bạn vẫn phải tự trả lời xem phần văn có dùng được ngay hay còn phải sửa.

Có một cái bẫy: tỉ lệ lỗi thấp thường đi kèm câu trả lời ngắn hơn hoặc an toàn hơn, chứ không đi kèm văn hay hơn. Một model trả lời đúng khuôn, ít tham vọng, sẽ ít bị cắt và ít bị đánh lỗi, dù câu chữ nhạt. Nếu bạn đang đọc tỉ lệ lỗi như một chỉ số chất lượng văn, bạn đang đọc sai cột.

## Cách tự kiểm tra: dựng bộ 20 prompt tiếng Việt thay vì tin một bảng xếp hạng

Cách tự kiểm tra rẻ nhất là dựng 20 prompt đúng loại việc bạn làm, chạy trên hai model, rồi chấm theo ba mức: dùng được ngay, sửa nhẹ, viết lại. Đếm số lần phải viết lại, vì đó là chi phí thật của bạn.

Bài toán chi phí khi đó có dạng: (số prompt × tiền một lượt) ÷ số prompt dùng được ngay. Với 20 prompt ở DeepSeek V4.1 Flash, mỗi lượt 3,456 đồng, nếu 16 prompt dùng được ngay thì 20 × 3,456 ÷ 16 = 4,32 đồng một bản. Với Claude Opus 5.5, cùng 20 prompt, nếu 19 prompt dùng được ngay thì 20 × 26,4 ÷ 19 = 27,79 đồng một bản.

Hai con số 4,32 đồng và 27,79 đồng chỉ đúng nếu bạn chấm cùng một thang cho cả hai model. Nếu bạn đếm "dùng được ngay" ở model rẻ mà lại đếm "sửa nhẹ" ở model đắt, bảng của bạn sẽ nói dối bạn. Cách chặn: xoá tên model khỏi đầu ra trước khi đọc, và nhờ một người khác chấm 10 mẫu đầu để hiệu chỉnh thang.

Bức tranh rộng hơn về cách model xử lý tiếng Việt nằm ở [AI viết tiếng Việt](/blog/ai-viet-tieng-viet) và [model AI tiếng Việt](/blog/model-ai-tieng-viet). Đọc hai bài đó trước khi chốt bộ prompt sẽ giúp bạn chọn đúng thể loại để thử.

Một giới hạn cần nói rõ: toàn bộ cách làm trên chỉ đúng cho thể loại văn bạn đưa vào bộ 20 prompt. Nếu bạn chuyển từ email bán hàng sang bài SEO dài, thứ tự có thể đảo, vì lỗi ở văn dài khác lỗi ở văn ngắn. Nó hết đúng khi yêu cầu của bạn cần kiến thức chuyên ngành hẹp, lúc đó [hallucination là gì](/tu-dien/hallucination) trở thành rủi ro lớn hơn văn phong. Cửa sổ 7 ngày kết thúc 27/10/2026 là một ảnh chụp, không phải hằng số: model cập nhật thì tỉ lệ lỗi đổi, và một bảng cũ ba tháng đã không còn đủ để chốt việc.

## Câu hỏi thường gặp
### Có benchmark nào chấm văn phong tiếng Việt của model AI không?

Không có bộ nào công khai chấm văn phong tiếng Việt. VMLU, ViLLM-Eval và VMMU đều chấm đáp án đúng sai, nên chúng đo kiến thức chứ không đo câu chữ. Muốn chấm văn phong thì phải có người đọc tiếng Việt ngồi chấm lại, và chưa ai công bố một bộ như vậy.

### VMLU và ViLLM-Eval khác gì một bài kiểm tra văn phong?

Chúng khác ở chỗ có đáp án đúng để đối chiếu. Một bài kiểm tra văn phong phải chấm độ tự nhiên, độ mạch lạc và cách xưng hô, những thứ không có đáp án duy nhất, nên kết quả phụ thuộc người chấm và khó lặp lại giữa hai lần chạy.

### Vì sao Wisa không công bố điểm chất lượng tiếng Việt cho từng model?

Vì chưa có cách chấm tự động nào đáng tin, và một điểm số do máy chấm sẽ tạo cảm giác chắc chắn giả. Wisa chỉ công bố thứ đếm được trên lưu lượng thật của gateway: số mẫu, độ trễ hoàn tất và tỉ lệ lỗi.

### Tỉ lệ lỗi 0 phần trăm của DeepSeek V4.1 Flash có nghĩa là viết hay hơn Claude Opus 5.5?

Không. 0 phần trăm trên 213 mẫu chỉ nói không lượt nào bị cắt hay trả về rỗng. Một câu đúng ngữ pháp nhưng nhạt vẫn được tính là thành công, nên tỉ lệ lỗi không xếp hạng được văn phong; nó chỉ nói model đó ổn định hơn khi trả về.

### Muốn biết model nào viết tiếng Việt hợp giọng mình thì thử thế nào?

Dựng 20 prompt đúng loại việc bạn làm, chạy trên hai model, xoá tên model khỏi đầu ra trước khi đọc, rồi chấm ba mức: dùng được ngay, sửa nhẹ, viết lại. Lấy (số prompt × tiền một lượt) ÷ số prompt dùng được ngay để ra chi phí thật của bạn.

---

## Đường dẫn cho agent
- Bản HTML: https://wisa.vn/blog/ai-viet-tieng-viet-tot-nhat
- Mục lục Blog: https://wisa.vn/blog (markdown: https://wisa.vn/blog.md)
- Bản đồ site cho LLM: https://wisa.vn/llms.txt
- Toàn văn nội dung: https://wisa.vn/llms-full.txt
- Dữ liệu sản phẩm và bảng giá: https://wisa.vn/facts.json
- Sitemap: https://wisa.vn/sitemap.xml
- Quy tắc crawl: https://wisa.vn/robots.txt