Claude hay ChatGPT tốt hơn: hoà giá ở tầng Balanced, khác nhau ở đuôi p95

Nếu câu hỏi của bạn là chọn một model cho luồng có người ngồi chờ, cú hoà 13,20 đồng không giúp được gì. Hai model Balanced này chỉ tách nhau ở đuôi độ trễ: p95 là 45.156 ms so với 125.749 ms, tức 2,79 lần, đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc 27/10/2026.

Hai model Balanced, cùng 13,20 đồng một lượt

Claude Sonnet 5.5 và GPT 6.1 SOL có cùng ba mức giá: 2.400đ một triệu token vào, 12.000đ một triệu token ra và 3.000đ một triệu token ghi cache. Thay vào công thức (2.000 × giá vào + 700 × giá ra) ÷ 1.000, cả hai đều ra 13,20 đồng.

Cột đọc cache cũng gần nhau: 240đ ở Claude Sonnet 5.5 và 120đ ở GPT 6.1 SOL. Chênh lệch 2 lần ở cột này chỉ có ý nghĩa khi bạn đọc lại tài liệu thường xuyên, và nó không đủ để bù cho khoảng cách ở đuôi độ trễ.

Model	n	p50	p95	p99	Tỉ lệ lỗi	Lượt chuẩn
Claude Sonnet 5.5	48	10.029 ms	45.156 ms	142.126 ms	2,08%	13,20 đồng
GPT 6.1 SOL	214	26.226 ms	125.749 ms	244.824 ms	1,40%	13,20 đồng

Số liệu đo tại gateway của Wisa, cửa sổ 7 ngày kết thúc 27/10/2026. Cột n là số mẫu trong cửa sổ đó, và nó quan trọng: 48 mẫu đủ để đọc một xu hướng nhưng không đủ để coi p99 là con số chắc chắn.

Cú hoà giá bị phá ở đuôi p95: 45.156 ms so với 125.749 ms

Ở p95, Claude Sonnet 5.5 là 45.156 ms và GPT 6.1 SOL là 125.749 ms. Chia hai số: 125.749 ÷ 45.156 = 2,79. Nghĩa là một trong hai mươi lượt chậm nhất của GPT 6.1 SOL mất gần gấp ba lần một trong hai mươi lượt chậm nhất của Claude Sonnet 5.5; p95 lấy mẫu thứ 19 khi xếp hai mươi lượt tăng dần, nên nó bỏ ra đúng một lượt chậm nhất.

Khoảng cách đó không xuất hiện ở p50. Ở đó hai model là 10.029 ms và 26.226 ms, tức 26.226 ÷ 10.029 = 2,61 lần. Con số 2,61 gần với 2,79, nên có thể nói đuôi độ trễ của hai model rộng ra với tốc độ tương tự nhau; khác biệt chủ yếu nằm ở vị trí của cả phân phối, không ở hình dạng.

Nhưng một chi tiết đáng chú ý hơn: p99 là 142.126 ms và 244.824 ms, tức 244.824 ÷ 142.126 = 1,72 lần. Ở đuôi xa nhất, khoảng cách lại hẹp hơn ở p95. Điều này thường xảy ra khi một model có ít mẫu hơn: vài lượt chậm bất thường kéo p99 lên và làm phẳng tỉ lệ.

Vì sao p50 10.029 ms chưa phải con số quyết định?

Vì p50 là trung vị, và trung vị che mất đúng những lượt làm người dùng bỏ đi. Một model có p50 đẹp vẫn có thể làm hỏng trải nghiệm nếu hai mươi lượt có một lượt chờ quá lâu.

Trong một luồng chat, người dùng gõ một câu rồi chờ. Nếu mười chín lượt đầu trả lời trong mười giây và lượt thứ hai mươi mất hai phút, ấn tượng của họ về sản phẩm được tạo bởi lượt thứ hai mươi. Trong một luồng chạy hàng loạt, không ai ngồi chờ, nên p95 chỉ ảnh hưởng tới thời gian hoàn tất cả lô.

Vì vậy câu hỏi đúng không phải "model nào nhanh hơn" mà "luồng của bạn có người chờ không". Cùng hai con số, hai câu trả lời khác nhau.

Chi phí mỗi kết quả dùng được sau khi trừ tỉ lệ lỗi

Một lượt lỗi vẫn bị tính tiền, nên chi phí thật của một kết quả dùng được là chi phí lượt chia cho tỉ lệ thành công.

Claude Sonnet 5.5 có tỉ lệ lỗi 2,08%, tức tỉ lệ thành công 0,9792. Chi phí mỗi kết quả dùng được: 13,20 ÷ 0,9792 = 13,48 đồng. GPT 6.1 SOL có tỉ lệ lỗi 1,40%, tức 0,986, cho ra 13,20 ÷ 0,986 = 13,39 đồng.

Chênh lệch 13,48 so với 13,39 là 0,09 đồng, tức 0,67 phần trăm. Con số đó quá nhỏ để đổi quyết định, nên trong cặp này tỉ lệ lỗi không phải yếu tố phân biệt. Đuôi độ trễ mới là.

Khi nào nên chọn Claude Sonnet 5.5 và khi nào nên chọn GPT 6.1 SOL

Ba điều kiện dưới đây nghiêng về Claude Sonnet 5.5. Một là luồng có người ngồi chờ và bạn cần đuôi ngắn, vì p95 45.156 ms so với 125.749 ms là lợi thế rõ rệt. Hai là bạn chấp nhận trả thêm ở cột đọc cache: 240đ so với 120đ, tức 240 ÷ 120 = 2 lần, đổi lấy đuôi ngắn hơn. Ba là bạn chỉ cần một xu hướng chứ không cần một cam kết, nên 48 mẫu là đủ.

Hai điều kiện còn lại nghiêng về GPT 6.1 SOL. Nếu bạn đọc lại cùng một tài liệu nhiều lần, cột đọc cache 120đ rẻ bằng một nửa so với 240đ và khoản đó cộng dồn theo số lần đọc. Nếu bạn chạy lô qua đêm, không ai ngồi chờ nên đuôi dài không ảnh hưởng tới trải nghiệm, còn 214 mẫu cho một ước lượng p95 ổn định hơn.

Vì vậy một câu trả lời không kèm điều kiện sẽ sai. Câu đúng là: nếu có người chờ thì Claude Sonnet 5.5, nếu đọc lại tài liệu hoặc chạy lô thì GPT 6.1 SOL.

Nếu việc của bạn là viết code, hãy đọc bài Claude hay ChatGPT viết code tốt hơn trước, vì ở đó tiêu chí không phải độ trễ. Nếu bạn cần so giá niêm yết của từng model, bảng giá token liệt kê đủ 46 model. Bài Gemini hay ChatGPT tốt hơn làm cùng phép so này với một cặp khác, nơi giá không hoà.

Cách tự đo đuôi độ trễ của riêng bạn

Ghi lại thời gian hoàn tất của hai mươi lượt gần nhất cho mỗi model, sắp tăng dần, rồi lấy mẫu thứ mười chín. Đó là p95 của bạn, và nó đáng tin hơn mọi bảng công bố vì nó đo đúng hình dạng câu hỏi bạn gửi.

Sau đó chia p95 của model đắt thời gian cho p95 của model còn lại để biết tỉ lệ. Nếu tỉ lệ dưới 1,5 lần, đừng chọn theo độ trễ; hãy chọn theo giá hoặc theo chất lượng đầu ra. Nếu tỉ lệ trên 2 lần, độ trễ là tiêu chí đủ mạnh để tự nó quyết định.

Bước cuối là nhân chi phí mỗi lượt với số lượt bạn cần rồi chia cho tỉ lệ thành công đo được. Đó là con số so sánh được, và nó là con số duy nhất trong bài này bạn nên dùng để lập ngân sách.

Giới hạn của bài này

Bài này so hai model cụ thể, không so hai hãng. Kết luận không mở rộng cho Claude Opus 5.5 hay GPT 6 SOL ở các tầng khác, và cũng không nói gì về chất lượng câu trả lời.

Cửa sổ 7 ngày kết thúc 27/10/2026 là một ảnh chụp, không phải một lời hứa. Đuôi độ trễ thay đổi nhanh hơn phần thân khi lưu lượng đổi hình dạng, nên nếu bạn đọc bài này sau vài tuần, hãy lấy lại số đo thay vì dùng bảng trên. Bài so sánh các model AI Claude trình bày toàn bộ mười hai model trong họ, còn Wisa so với Claude đặt họ này cạnh phần còn lại của danh mục. Chuyên mục chọn và so sánh model gom các cặp so sánh còn lại trong cụm.