# Gemini hay ChatGPT chấm trắc nghiệm tốt hơn: 3,456 đồng so với 27,00 đồng mỗi bài đúng

> 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.

- URL: https://wisa.vn/blog/gemini-hay-chatgpt-cham-trac-nghiem-tot-hon
- Markdown: https://wisa.vn/blog/gemini-hay-chatgpt-cham-trac-nghiem-tot-hon.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-30T11:45:56.021Z
- Cập nhật: 2026-10-31T06:51:33Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~5 phút
- Từ khoá: gemini hay chatgpt chấm trắc nghiệm tốt hơn, chi phí chấm bài trắc nghiệm, tỉ lệ lỗi model, chi phí mỗi bài chấm đúng
- cluster: chon-va-so-sanh-model
- targetQuery: gemini hay chatgpt chấm trắc nghiệm tốt hơn
- citations: OpenAI — bảng giá API (https://developers.openai.com/api/docs/pricing); Anthropic — bảng giá API (https://platform.claude.com/docs/en/about-claude/pricing); Google — bảng giá Gemini API (https://ai.google.dev/gemini-api/docs/pricing); Wisa — temperature là gì (https://wisa.vn/tu-dien/temperature)

---

Chấm trắc nghiệm là việc mà tỉ lệ lỗi quan trọng hơn giá mỗi lượt, vì mỗi bài chấm sai phải chấm lại. Số liệu đo tại gateway của Wisa, cửa sổ 7 ngày kết thúc 27/10/2026, cho thấy chi phí mỗi bài chấm đúng chênh 7,81 lần giữa một model Economy và một model Premium.

## Chấm trắc nghiệm là việc mà tỉ lệ lỗi quan trọng hơn giá mỗi lượt

Một lượt chấm chỉ cần đọc đề, đọc bốn lựa chọn và trả về một chữ cái kèm lý do ngắn. Đó là việc ngắn, nên giá mỗi lượt thấp ở hầu hết model. Nhưng nếu 1.000 bài có 22 bài bị chấm sai, bạn không chỉ trả thêm 22 lượt mà còn phải tìm ra 22 bài đó.

Vì vậy con số cần so không phải giá mỗi lượt mà là chi phí mỗi bài chấm đúng. Công thức là giá mỗi lượt chia cho (1 − tỉ lệ lỗi).

## 3,456 đồng so với 26,40 đồng một lượt chấm

| Model | Giá vào | Giá ra | p50 | p95 | n | Tỉ lệ lỗi | Lượt chấm | Chi phí mỗi bài đúng |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| DeepSeek V4.1 Flash | 720đ | 2.880đ | 11.581 ms | 74.224 ms | 213 | 0,00% | 3,456 đồng | 3,456 đồng |
| Gemini 3.8 Flash | 900đ | 4.500đ | 10.181 ms | 27.344 ms | 6.051 | 0,48% | 4,95 đồng | 4,97 đồng |
| Claude Opus 5.5 | 4.800đ | 24.000đ | 15.168 ms | 103.013 ms | 271 | 2,21% | 26,40 đồng | 27,00 đồng |

Phép tính cho DeepSeek V4.1 Flash: (2.000 × 0,72 + 700 × 2,88) ÷ 1.000.000 = 0,003456 CUBE, tức 3,456 đồng. Cho Claude Opus 5.5: (2.000 × 4,8 + 700 × 24) ÷ 1.000.000 = 0,0264 CUBE, tức 26,40 đồng. Chia 26,40 cho 3,456 ra 7,64 lần trước khi tính tỉ lệ lỗi.

Độ trễ đọc theo cột p50 và p95: DeepSeek V4.1 Flash có p50 11.581 ms và p95 74.224 ms, Gemini 3.8 Flash có p50 10.181 ms và p95 27.344 ms, Claude Opus 5.5 có p50 15.168 ms và p95 103.013 ms. Chia 103.013 cho 15.168 ra 6,79 lần, nên model đắt nhất cũng là model có đuôi dài nhất.

## Tỉ lệ lỗi 0% trên 213 mẫu và 2,21% trên 271 mẫu

Cột n cho biết mỗi con số dựa trên bao nhiêu lượt. DeepSeek V4.1 Flash có 213 mẫu, Gemini 3.8 Flash có 6.051 mẫu, Claude Opus 5.5 có 271 mẫu.

Tỉ lệ lỗi 0,00% của DeepSeek V4.1 Flash là kết quả trên 213 lượt. Nếu tỉ lệ lỗi thật là 1%, xác suất không thấy lỗi nào trong 213 lượt vẫn còn khoảng 12%. Nghĩa là con số 0% là dấu hiệu tốt nhưng chưa đủ để kết luận.

Tỉ lệ lỗi 2,21% của Claude Opus 5.5 cao hơn 4,6 lần so với 0,48% của Gemini 3.8 Flash. Đây là điểm đáng chú ý: model đắt nhất trong bảng không phải model có tỉ lệ lỗi thấp nhất.

## Chi phí mỗi bài chấm đúng: 3,456 đồng so với 27,00 đồng

Áp công thức: 26,40 ÷ (1 − 0,0221) = 26,40 ÷ 0,9779 = 27,00 đồng. Với DeepSeek V4.1 Flash: 3,456 ÷ 1 = 3,456 đồng. Chia 27,00 cho 3,456 ra 7,81 lần.

Với Gemini 3.8 Flash: 4,95 ÷ (1 − 0,0048) = 4,95 ÷ 0,9952 = 4,97 đồng. Con số này nằm giữa hai model kia và chỉ cao hơn giá mỗi lượt 0,02 đồng, vì tỉ lệ lỗi dưới 0,5%.

Với GPT 6.1 SOL: 13,20 ÷ (1 − 0,014) = 13,20 ÷ 0,986 = 13,39 đồng. Đây là cột ChatGPT của phép so, và nó đắt 13,39 ÷ 4,97 = 2,69 lần cột Gemini 3.8 Flash dù cả hai cùng tầng Balanced.

Khoản điều chỉnh vì lỗi nhỏ khi tỉ lệ lỗi dưới 1%, nhưng lớn dần khi tỉ lệ lỗi tăng. Ở mức 5%, một lượt 10,00 đồng thành 10,53 đồng mỗi bài đúng, tức tăng 5,3%.

## 1.000 bài thì sao: 22 bài phải chấm lại

Nhân tỉ lệ lỗi với số bài: 1.000 × 2,21% ≈ 22 bài phải chấm lại với Claude Opus 5.5. Với Gemini 3.8 Flash là 1.000 × 0,48% ≈ 5 bài.

Nếu mỗi bài chấm lại tốn thêm một lượt, tổng chi phí cho 1.000 bài là 1.000 × 27,00 = 27.000 đồng với Claude Opus 5.5 và 1.000 × 3,456 = 3.456 đồng với DeepSeek V4.1 Flash. Khoảng cách 23.544 đồng đó là số tiền bạn trả để có một model ở tầng Premium.

Quyết định nằm ở chỗ: nếu bài bị chấm sai không gây hậu quả gì, model rẻ là lựa chọn đúng. Nếu bài bị chấm sai phải sửa học bạ hoặc gây khiếu nại, hãy tính cả chi phí đó vào.

## Cách dựng một lượt chấm ổn định

Đặt nhiệt độ thấp để cùng một bài cho cùng một đáp án. Giữ nguyên thứ tự lựa chọn A, B, C, D thay vì xáo trộn giữa các lần, vì đổi thứ tự làm model đổi đáp án ở một số bài.

Yêu cầu model trả về đúng một chữ cái và một câu lý do, không trả về đoạn văn. Đầu ra ngắn giữ token ra quanh mức 700 và giữ phép tính trên đúng.

Cuối cùng, chấm thử 50 bài có đáp án đã biết trên hai model, so số bài đúng, rồi chọn. Khái niệm nhiệt độ được giải thích ở [temperature là gì](/tu-dien/temperature).

## Giới hạn của bài này

Bài này so chi phí và tỉ lệ lỗi, không so độ chính xác của đáp án. Dữ liệu của Wisa ghi nhận lỗi ở tầng gateway, không chấm nội dung đáp án, nên một lượt chấm sai đáp án vẫn có thể được ghi là thành công.

Số liệu phủ 6 model trong 7 ngày kết thúc 27/10/2026, và mẫu của DeepSeek V4.1 Flash chỉ 213 lượt. Nếu bạn cần cách đọc cột n kỹ hơn, xem [benchmark model AI coding](/blog/benchmark-model-ai-coding). Nếu việc của bạn là dịch đề bài trước khi chấm, bài [Gemini hay ChatGPT dịch tốt hơn](/blog/gemini-hay-chatgpt-dich-tot-hon) dùng cùng phương pháp tính. Giá niêm yết của từng model trong bảng nằm ở [giá API Gemini bao nhiêu](/blog/gia-api-gemini-bao-nhieu), cách chia chi phí cho số kết quả dùng được ở [chi phí trên mỗi kết quả](/blog/chi-phi-tren-moi-ket-qua), và [chuyên mục chọn và so sánh model](/blog/chu-de/chon-va-so-sanh-model) gom các bài cùng nhóm.

## Câu hỏi thường gặp
### Chấm 1.000 bài trắc nghiệm tốn bao nhiêu?

Với DeepSeek V4.1 Flash, 1.000 lượt tốn 3.456 đồng vì mỗi lượt 3,456 đồng. Với Claude Opus 5.5, 1.000 lượt tốn 26.400 đồng. Chênh lệch đó chỉ đáng nếu tỉ lệ lỗi thật sự khác nhau trên bài của bạn.

### Tỉ lệ lỗi ảnh hưởng thế nào tới chi phí mỗi bài chấm đúng?

Bạn phải chấm lại bài bị lỗi. Với Claude Opus 5.5 ở tỉ lệ lỗi 2,21%, chi phí mỗi bài đúng là 26,40 ÷ (1 − 0,0221) = 27,00 đồng, còn DeepSeek V4.1 Flash là 3,456 ÷ 1 = 3,456 đồng.

### Tỉ lệ lỗi 0% của DeepSeek V4.1 Flash có nghĩa là không bao giờ sai?

Không. Con số 0% được tính trên 213 mẫu trong 7 ngày; nó chỉ nói rằng trong 213 lượt đó không có lượt nào bị đánh dấu lỗi. Mẫu nhỏ không chứng minh được tỉ lệ lỗi bằng 0 trên mọi bài.

### Có nên dùng model đắt để chấm bài tự luận không?

Với bài tự luận, tiêu chí chấm thường mơ hồ hơn và một lần chấm sai khó phát hiện, nên tầng đắt có lý do. Với trắc nghiệm có đáp án cố định, model rẻ thường đủ và bạn kiểm tra được bằng cách so đáp án.

### Nhiệt độ có ảnh hưởng tới việc chấm trắc nghiệm không?

Có. Đặt nhiệt độ thấp giúp cùng một bài cho cùng một đáp án ở các lần chạy, điều cần thiết khi bạn chấm 1.000 bài và muốn kết quả ổn định. Nhiệt độ cao làm kết quả đổi giữa các lần chạy.

---

## Đường dẫn cho agent
- Bản HTML: https://wisa.vn/blog/gemini-hay-chatgpt-cham-trac-nghiem-tot-hon
- 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