Gemini hay ChatGPT code tốt hơn: rẻ hơn 2,67 lần nhưng trả lời ngắn hơn 4,77 lần

Một lượt 2.000 token vào cộng 700 token ra tốn 4,95 đồng với Gemini 3.8 Flash và 13,20 đồng với GPT 6.1 SOL. Nhưng số liệu đo tại gateway của Wisa, 7 ngày kết thúc 27/10/2026, cho câu trả lời trung vị 427 token so với 2.036 token, chênh 4,77 lần, nên đừng so giá mà bỏ qua độ dài.

Gemini 3.8 Flash tốn 4,95 đồng một lượt, GPT 6.1 SOL tốn 13,20 đồng

Gemini 3.8 Flash có giá vào 900đ và giá ra 4.500đ trên một triệu token. Lượt chuẩn tốn (2.000 × 0,9 + 700 × 4,5) ÷ 1.000.000 = 0,00495 CUBE, tức 4,95 đồng. GPT 6.1 SOL có giá vào 2.400đ và giá ra 12.000đ, nên cùng lượt đó tốn (2.000 × 2,4 + 700 × 12) ÷ 1.000.000 = 0,0132 CUBE, tức 13,20 đồng.

Chia 13,20 cho 4,95 ra 2,67 lần. Đó là toàn bộ chênh lệch giá cho một lượt có cùng hình dạng. Nếu bài toán dừng ở đây, câu trả lời đã rõ: dùng Gemini 3.8 Flash.

Nhưng hai model không trả về cùng một lượng chữ, và đó là chỗ phép chia trên bắt đầu sai.

427 token trung vị so với 2.036 token: rẻ hơn nhưng ngắn hơn 4,77 lần

Model	n	p50	p95	Token ra trung vị	Tốc độ	Tỉ lệ lỗi
Gemini 3.8 Flash	6.051	10.181 ms	27.344 ms	427	42,57 token/giây	0,48%
GPT 6.1 SOL	214	26.226 ms	125.749 ms	2.036	35,54 token/giây	1,40%

Chia 2.036 cho 427 ra 4,77 lần. Câu trả lời trung vị của GPT 6.1 SOL dài gấp 4,77 lần, nên một lượt của nó không cùng khối lượng việc với một lượt của Gemini 3.8 Flash.

Cột p50 cũng phản ánh điều đó: 26.226 ms so với 10.181 ms, tức 2,58 lần. Một phần lớn khoảng cách thời gian là do phải sinh thêm token, không phải do model xử lý chậm hơn trên mỗi token.

Sinh cả file 800 dòng thì món rẻ hơn có phải gọi hai lần?

Với một file 800 dòng, hai lượt Gemini 3.8 Flash là mức thường gặp: lượt đầu sinh phần thân, lượt sau vá phần còn thiếu. Hai lượt tốn 2 × 4,95 = 9,90 đồng, vẫn rẻ hơn 13,20 đồng của một lượt GPT 6.1 SOL, và rẻ hơn 1,33 lần.

Nhưng nếu bạn cần đúng khối lượng 2.036 token, phép chia 2.036 ÷ 427 = 4,77 cho thấy phải gọi khoảng 4,77 lượt. Lúc đó chi phí là 4,77 × 4,95 = 23,61 đồng, tức 1,79 lần đắt hơn một lượt GPT 6.1 SOL. Đây là lúc kết luận đảo chiều.

Vì vậy câu hỏi đúng không phải "model nào rẻ hơn" mà là "một lượt của tôi cần bao nhiêu token ra". Nếu câu trả lời dưới 500 token, Gemini 3.8 Flash thắng. Nếu trên 2.000 token và bạn muốn một lượt duy nhất, GPT 6.1 SOL thắng.

Vì sao không được chia 2.036 token cho 35,54 token mỗi giây

Có một phép chia trông rất tự nhiên nhưng sai: lấy 2.036 token chia cho 35,54 token/giây để suy ra thời gian. Kết quả sẽ là một con số không phải độ trễ của bất kỳ yêu cầu nào.

Lý do là tốc độ token/giây được tính từ toàn bộ mẫu trong cửa sổ, còn độ trễ được đo trên từng yêu cầu. Tốc độ trung bình không chứa thời gian xếp hàng, thời gian xử lý phần token vào, hay thời gian mạng. Muốn biết thời gian chờ, đọc p50 26.226 ms và p95 125.749 ms của GPT 6.1 SOL.

Cách đúng là dùng p50 và p95 như hai mốc riêng: p50 cho một lượt điển hình, p95 cho lượt xấu nhất trong 20 lượt. Đừng trộn hai đại lượng với nhau.

Cách tính số lần gọi lại từ token ra trung vị

Công thức là số lượt cần = token mục tiêu ÷ token ra trung vị, làm tròn lên. Với mục tiêu 2.036 token và Gemini 3.8 Flash, 2.036 ÷ 427 = 4,77, làm tròn lên thành 5 lượt, tốn 5 × 4,95 = 24,75 đồng.

Bước thứ hai là so tổng đó với một lượt của model dài. 24,75 ÷ 13,20 = 1,88 lần. Con số này khác 1,79 lần ở trên vì đã làm tròn lên, và đó là con số bạn nên dùng khi lập kế hoạch, vì không thể gọi 0,77 lượt.

Bạn có thể đối chiếu giá từng model trong bài giá API Gemini bao nhiêu và giá API GPT của OpenAI trước khi thay số vào công thức.

Khi nào 4,95 đồng một lượt vẫn đắt hơn 13,20 đồng một lượt

Nếu X là "mỗi yêu cầu cần hơn 2.000 token ra trong một lần trả lời", thì Y là GPT 6.1 SOL, vì gọi lại nhiều lần sẽ đắt hơn và còn phải ghép kết quả. Nếu X là "phân loại, trích xuất, viết test ngắn", thì Y là Gemini 3.8 Flash, vì 427 token trung vị đã đủ và 4,95 đồng là mức giá thật.

Nếu X là "cần p95 thấp cho luồng tự động", hãy đọc kỹ: p95 của Gemini 3.8 Flash là 27.344 ms, còn của GPT 6.1 SOL là 125.749 ms. Chênh 4,60 lần ở đuôi, nên với luồng có người chờ, Gemini 3.8 Flash vẫn là lựa chọn an toàn hơn.

Giới hạn của bài này

Bài này so hai model ở hai tầng giá khác nhau, không phải hai model cùng tầng. Nếu bạn muốn so công bằng trong cùng tầng Balanced, đọc bài Claude hay ChatGPT code tốt hơn, nơi hai model có cùng 13,20 đồng một lượt.

Số liệu chỉ phủ 7 ngày kết thúc 27/10/2026 và chỉ có 6 trong 46 model của danh mục. Không có số đo nào cho 40 model còn lại, nên đừng suy rộng kết luận sang model khác. Nếu công việc của bạn là giải toán nhiều bước, hãy đọc bài Gemini hay ChatGPT giải toán tốt hơn thay vì dùng bảng trên. Nếu bạn muốn so từng cặp thay vì một bảng phân vị, bài so sánh benchmark các model AI đi theo hướng đó, và chuyên mục chọn và so sánh model gom toàn bộ các cặp trong cụm.