Chọn và so sánh model

Premium chỉ đáng mua khi một lần sai tốn hơn 38,19 lần giá một lượt rẻ, vì 132 ÷ 3,456 = 38,19 lần trên 13 model Premium giá 19,80 đồng đến 132 đồng một lượt.

Một lượt hỏng vẫn bị tính token, nên chi phí một kết quả dùng được là 27,00 đồng ở Claude Opus 5.5 so với 3,456 đồng ở DeepSeek V4.1 Flash, tức 7,81 lần.

21 trong 43 model chat tính phí ghi cache, 22 model tính 0đ. Ghi 20.000 token tốn 60 đồng ở Claude Sonnet 5.5 và 0 đồng ở Gemini 3.8 Flash.

Tỉ lệ lỗi 2,21 phần trăm trên 271 mẫu là 22 câu trả lời mất mỗi 1.000 yêu cầu. Cách đổi không tăng chi phí: đổi ngang giá sang model cùng 13,20 đồng một lượt.

p50 của sáu model chạy 7.998 đến 26.226 ms, còn p95 chạy 27.344 đến 125.749 ms: đổi model khi đuôi phá cam kết 60 giây, không phải khi trung vị xấu.

Nâng effort trước khi đổi model: một lượt GPT-6 Sol từ 13,20 đồng lên 21,60 đồng khi token ra gấp đôi, vẫn dưới 132 đồng của trần 13 model Premium.

Ba mức sàn giá rẻ là 60đ, 216đ và 0,27 đồng, cùng thuộc GPT OSS 20B. 14 trong 41 model chat dưới 5 đồng một lượt, nhưng thứ tự ba cột không giống nhau.

Xếp theo cột giá vào là xếp sai: MiniMax M3.1 Flash có 360đ so với 60đ của GPT OSS 20B, nhưng một lượt tốn 1,73 đồng so với 0,27 đồng, tức 6,41 lần.

Một lượt chuẩn chạy từ 0,27 đồng đến 132 đồng trên 41 model chat có giá vào lớn hơn 0, tức 488,89 lần. Ba cách đo cho ba bội số: 400, 555,56 và 488,89.

Mười model Economy có giá token trải từ 0,27 đồng đến 3,456 đồng một lượt, tức 12,80 lần trong cùng một tầng. GPT OSS 20B đọc cache 0đ nên còn rẻ hơn.

14 trong 41 model chat có giá vào lớn hơn 0 nằm dưới 5 đồng một lượt, nhưng chỉ 3 model có số đo. Cùng 3,456 đồng, bản 1017 phát 71,23 so với 35,03 token/giây.

Chi phí một kết quả dùng được bằng chi phí một lượt chia cho (1 trừ tỉ lệ lỗi). Sáu hàng tính sẵn chạy từ 3,456 đồng đến 27,00 đồng, cách nhau 7,81 lần.

Wisa giữ giá cho 46 model, độ trễ và tỉ lệ lỗi cho 6 model, và không có cột chất lượng nào. Bài này đưa bộ 20 prompt để bạn tự đo thay vì tin một bảng xếp hạng.

Tiếng Việt không có bảng giá riêng: 43 model chat dùng chung một bảng giá token cho mọi ngôn ngữ, nên quyết định riêng cho tiếng Việt chỉ còn là độ dài đầu ra.

Một bài 1.500 từ tiếng Việt cần khoảng 2.500 token ra, gấp 3,57 lần một lượt chuẩn. Tiền ra riêng phần đó chạy từ 0,54 đồng đến 300 đồng.

Phép thử 20 prompt: 40 lượt tốn 198 đồng hoặc 1.056 đồng, rồi chia cho tỉ lệ lỗi để ra chi phí một kết quả dùng được.

Cùng một đoạn văn 700 token: Gemini 3.8 Flash tốn 4,95 đồng, GPT 6.1 SOL tốn 13,2 đồng, nhưng đuôi p95 chênh 4,60 lần. Chọn theo thời gian bạn chờ được.

Văn dài cần dư địa token ra: sáu model đo được chia nhau từ 288 đến 2.036 token trung vị, và hàng dài nhất chờ 26.226 ms ở p50.

Viết tiếng Việt bằng AI tốn tiền chủ yếu ở phần trả lời: giá ra đắt gấp 2,7 đến 8,33 lần giá vào, nên một bản nháp 700 token chênh tới 38,19 lần giữa hai model.

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.

Tốc độ đọc của AI là token mỗi giây: 71,23 token/giây xuống 35,03 token/giây. Hai bản DeepSeek cùng 3,456 đồng một lượt mà chênh 2,03 lần, giá không đổi.

Độ trễ ở đây tính đến lúc hoàn tất cả yêu cầu: p50 chạy 7.998 đến 26.226 ms, đuôi p99 dài 5,89 đến 16,80 lần p50, và một lượt timeout vẫn bị tính tiền.

Benchmark trong AI là phép đo cần quần thể, phân vị và số mẫu. Dải p50 rộng 3,28 lần, dải p95 rộng 4,60 lần, dải p99 rộng 4,09 lần trên cùng sáu model.

Ba thứ khác nhau cùng gọi là AI model benchmarks: tỉ lệ đúng công khai, phân vị độ trễ, và chi phí mỗi kết quả dùng được. Claude Opus 5.5 tốn 27,00 đồng.

SWE benchmark đo tỉ lệ giải đúng, không đo lần chạy tệ nhất: p99 dài 5,89 đến 16,80 lần p50 và ca xấu nhất là 244,8 giây ở 1% số lần.

Xếp sáu model theo p50 và theo token mỗi giây ra hai thứ tự khác nhau: Gemini 3.8 Flash thứ ba về p50 nhưng thứ tư về thông lượng, sau Claude Opus 5.5.

Benchmark AI model comparison theo từng phân vị: GPT 6.1 SOL chậm hơn Gemini 3.8 Flash 2,58 lần ở p50 nhưng 4,60 lần ở p95, kèm số mẫu.

Benchmark AI model 2026 trên sáu model: dải p50 rộng 3,28 lần nhưng dải p95 rộng 4,60 lần và dải p99 rộng 4,09 lần, kèm số mẫu từng hàng.

Benchmark model AI chỉ đọc được khi biết số mẫu: 6.051 mẫu cho Gemini 3.8 Flash, 48 mẫu cho Claude Sonnet 5.5, và p95 45.156 ms nghiêng theo đúng 48 mẫu đó.

Ba dòng DeepSeek trong danh mục Wisa chia hai tầng giá: hai bản Economy cùng 3,456 đồng một lượt mà chênh 2,03 lần tốc độ, bản 0731 đắt 1,25 lần.

Dưới 800.000đ có sáu mốc giá khác nhau, từ 0đ đến 799.000đ. Bậc vào cửa là 300.000đ cho 300 CUBE, đúng 1.000đ một CUBE, và mỗi bậc sau rẻ hơn trên mỗi CUBE.

Cùng gói Developer, 799.000đ cho 940 CUBE ở phạm vi full và 399.500đ cho 470 CUBE ở phạm vi wisa, cả hai đều 850đ một CUBE. Quyết định chỉ còn là mua bao nhiêu.

Gói Free của Wisa là 10 CUBE một tháng, tức 10.000 đồng, với trần 2 CUBE mỗi 5 giờ. Ở 4,95 đồng một lượt của Gemini 3.8 Flash, số đó đổi được 2.020 lượt.

Gói Pro của Wisa là 1.499.000đ cho 2.000 CUBE, tức 749,5đ một CUBE. Trần 100 CUBE mỗi 5 giờ gấp 2,13 lần gói Developer, trong khi giá chỉ gấp 1,88 lần.

Ba họ model thu phí ghi cache theo ba cách: Claude 1,25 đến 2 lần giá vào, GPT đúng 1,25 lần, Gemini 0đ. Cùng một tài liệu đọc 20 lần, chênh tới 2,61 lần.

Gemini 3.8 Flash tốn 4,95 đồng một lượt, GPT 6 SOL tốn 13,20 đồng, chênh 2,67 lần. Cả hai cột giá cùng chênh 2,67: 2.400 ÷ 900 và 12.000 ÷ 4.500.

Claude Sonnet 5.5 và GPT 6.1 SOL đều tốn 13,20 đồng một lượt, nên giá không tách được hai model. Đuôi p95 mới tách: 45.156 ms so với 125.749 ms, tức 2,79 lần.

Mười hai model Claude trải 1.200đ đến 24.000đ giá vào, nhưng cột ghi cache chia nhóm rõ hơn: Sonnet 4.5 ghi 4.500đ, Sonnet 5 ghi 7.200đ, chênh 1,6 lần.

Sáu cột giá cho 46 model: giá vào, ra, đọc cache, ghi cache, phí yêu cầu và lượt chuẩn. Xếp theo giá vào đặt GPT IMAGE 2.5 lên đầu dù mỗi lần gọi thu 360đ.

Wisa có 13 model Premium, 21 Balanced và 12 Economy. Riêng tầng Premium đã trải 19,80 đến 132 đồng một lượt, tức 6,67 lần: so khác tầng là so ngân sách.

Benchmark coding đo tỉ lệ giải đúng, không đo đuôi độ trễ: p95 của 6 model đã đo dài 2,69 đến 6,79 lần p50. Cách ghép điểm số với số đo gateway.

46 model từ 9 nhà cung cấp gồm 43 model chat và 3 model ảnh, ba tầng Economy, Balanced, Premium. Một lượt chuẩn tốn 0,27 đến 132 đồng, chênh 488,89 lần.

43 model chat chia ba tầng, và một lượt 2.000 token vào cộng 700 token ra tốn từ 0,27 đến 132 đồng. Cách chọn tầng trước rồi mới chọn model.

Claude Sonnet 5.5 và GPT 6.1 SOL cùng tốn 13,20 đồng một lượt, nhưng p50 là 10.029 ms so với 26.226 ms trên 48 và 214 mẫu. Cách so cùng tầng giá.

Một lượt chấm tốn 3,456 đồng với DeepSeek V4.1 Flash và 26,40 đồng với Claude Opus 5.5, nhưng tỉ lệ lỗi 2,21% đổi chi phí mỗi bài đúng thành 7,81 lần.

Gemini 3.8 Flash tốn 4,95 đồng một lượt, GPT 6.1 SOL tốn 13,20 đồng, nhưng token ra trung vị là 427 so với 2.036. Khi nào món rẻ hơn phải gọi hai lần.

Một tài liệu 3.000 token dịch sang 3.500 token tốn 18,45 đồng với Gemini 3.8 Flash và 49,20 đồng với Claude Sonnet 5.5. Cách dùng caching để cắt phần lặp.

13 model Premium tốn 19,80 đến 132 đồng một lượt, 28 model còn lại tốn 0,27 đến 14,88 đồng. Khi nào nên nâng Reasoning Effort trước khi trả giá Premium.

Một ảnh tốn 337,20 đồng với GPT Image 2, 360 đồng với GPT Image 2.5 và 651,60 đồng với Gemini 3.1 Flash Image. Vì sao giá mỗi lần gọi quan trọng hơn giá token.

Không có model tốt nhất chung, chỉ có model tốt nhất cho một điều kiện: 6 trong 46 model có số đo, 28 trong 41 model chat có giá token dưới 15 đồng một lượt.