Gemini hay ChatGPT tạo ảnh tốt hơn: 337,20 đồng so với 651,60 đồng cho một ảnh

Tạo ảnh là việc duy nhất trong danh mục có phí mỗi lần gọi, nên so sánh hai model ảnh không giống so sánh hai model chat. 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.

Tạo ảnh là việc duy nhất trong danh mục có phí mỗi lần gọi

Với model chat, bạn trả theo token vào và token ra. Với model ảnh, bạn trả thêm một khoản cố định cho mỗi lần gọi, vì mỗi ảnh là một lần sinh hoàn chỉnh.

Trong 46 model của danh mục, 41 model chat có phí mỗi lần gọi bằng 0đ. Năm model tạo ảnh thu phí: ba model ảnh có phí 0,3 CUBE, 0,36 CUBE và 0,6 CUBE, tức 300đ, 360đ và 600đ, và GPT Image 2.5 Flare cùng GPT Image 2.5 Sunburst thu 0,36 CUBE, tức 360đ. Khoản này chiếm phần lớn hoá đơn và không giảm khi bạn viết prompt ngắn hơn.

337,20 đồng, 360 đồng và 651,60 đồng cho một ảnh

Model	Phí mỗi lần gọi	Giá vào	Giá ra	Lượt chuẩn	Một ảnh
GPT Image 2	300đ	6.000đ	36.000đ	37,20 đồng	337,20 đồng
GPT Image 2.5	360đ	0đ	0đ	0,00 đồng	360,00 đồng
Gemini 3.1 Flash Image	600đ	600đ	72.000đ	51,60 đồng	651,60 đồng

Phép tính cho GPT Image 2: phí 300đ cộng lượt chuẩn (2.000 × 6 + 700 × 36) ÷ 1.000.000 = 0,0372 CUBE, tức 37,20 đồng. Tổng 337,20 đồng. Với Gemini 3.1 Flash Image: 600đ cộng (2.000 × 0,6 + 700 × 72) ÷ 1.000.000 = 0,0516 CUBE, tức 51,60 đồng. Tổng 651,60 đồng.

Chia 651,60 cho 337,20 ra 1,93 lần. Chia 360 cho 337,20 ra 1,07 lần. Nếu bạn tạo 100 ảnh mỗi ngày, khoản chênh giữa model rẻ nhất và đắt nhất là (651,60 − 337,20) × 100 = 31.440 đồng mỗi ngày.

Vì sao giá token bằng 0 vẫn không miễn phí

GPT Image 2.5 có giá vào 0đ và giá ra 0đ, nhưng phí mỗi lần gọi là 360đ. Đây là cách tính hoàn toàn hợp lý: nhà cung cấp tính theo lần sinh ảnh, không theo token, nên bảng giá token để 0.

Nếu bạn chỉ đọc cột token, model này trông như miễn phí. Nó không miễn phí. Một ảnh vẫn tốn 360 đồng, và đó là mức đắt thứ hai trong ba model.

Bài học chung: khi so model ảnh, hãy cộng cả hai cột. Đọc riêng cột token sẽ cho bạn kết luận sai theo cả hai chiều, vừa bỏ sót khoản đắt vừa tưởng có khoản miễn phí.

41 model chat có phí mỗi lần gọi bằng 0đ

Năm model tạo ảnh là ngoại lệ duy nhất. 41 model chat còn lại có phí mỗi lần gọi bằng 0đ, nên toàn bộ chi phí của chúng nằm ở token.

Điều này có nghĩa là bạn không thể so một model ảnh với một model chat bằng cùng một bảng. Một model chat đọc ảnh đầu vào vẫn tính theo token, còn model ảnh tính theo lần gọi. Hai đơn vị khác nhau.

Nếu việc của bạn là "đọc ảnh chụp hoá đơn rồi trích số", model chat là lựa chọn phù hợp. Nếu việc của bạn là "sinh ra một ảnh mới", bạn cần model ảnh. Sự khác biệt này được giải thích ở vision model là gì.

Không có số đo độ trễ nào cho model ảnh

Số liệu của Wisa có 6 model chat với p50 và p95, và không có model ảnh nào. Vì vậy không thể nói model ảnh nào nhanh hơn, và bất kỳ ai khẳng định điều đó mà không có số đo đều đang đoán.

Nếu tốc độ quan trọng với bạn, cách duy nhất là tự đo: chạy 20 ảnh trên mỗi model với cùng một prompt, ghi thời gian hoàn tất, rồi lấy mẫu thứ 19 làm p95. Cách đọc p95 được trình bày trong benchmark model AI coding.

Cách chọn giữa ba model ảnh

Nếu X là "cần nhiều ảnh nháp để chọn ý tưởng", thì Y là GPT Image 2 ở 337,20 đồng, vì tổng chi phí thấp nhất và bạn sẽ bỏ phần lớn ảnh nháp. Nếu X là "cần ảnh có chữ trong hình", hãy thử cả ba trên cùng một prompt trước, vì giá không dự đoán được khả năng này.

Nếu X là "cần ảnh đúng một lần, không sửa lại", thì Y là model có giá phù hợp với ngân sách chứ không phải model rẻ nhất, vì chênh lệch 314,40 đồng cho một ảnh là không đáng so với thời gian bạn bỏ ra để sửa một ảnh hỏng.

Nếu X là "ảnh đầu vào nặng hơn 10 MB", bạn phải nén trước, vì giới hạn tải lên là 10 MB mỗi tệp ảnh và 25 MB mỗi tệp PDF, DOCX hay TXT.

Giới hạn của bài này

Bài này so chi phí, không so chất lượng ảnh. Không có dữ liệu nào trong danh mục đo độ đẹp, độ trung thực với prompt hay khả năng viết chữ trong ảnh, nên mọi khẳng định về chất lượng phải đến từ việc bạn tự xem ảnh.

Bài này cũng không nói model nào phù hợp hơn cho một phong cách cụ thể. Nếu bạn cần phân biệt model sinh ảnh với model đọc ảnh, bài các loại model AI xếp cả 46 model theo nhóm. Trang tạo ảnh bằng AI là nơi bạn thử ba model này trên cùng một prompt. Khái niệm đọc ảnh và sinh ảnh được giải thích ở multimodal là gì, còn chuyên mục chọn và so sánh model gom các bài cùng cụm.