So sánh các model AI hiện nay: chỉ so trong cùng một tầng mới có nghĩa

Một bảng xếp hạng trộn cả ba tầng model đang xếp hạng ngân sách của bạn chứ không xếp hạng năng lực. Wisa bán 46 model chia thành 13 Premium, 21 Balanced và 12 Economy; ngay trong tầng Premium, một lượt 2.000 token vào cộng 700 token ra đã trải từ 19,80 đến 132 đồng, tức 6,67 lần.

Ba tầng model và số lượng thành viên mỗi tầng

Wisa gắn mỗi model vào một tầng theo giá bán, không theo điểm benchmark. Tầng vì thế là một nhãn về chi phí, và đó chính là lý do nó hữu ích khi bạn phải chọn công cụ cho một việc cụ thể. Mọi mức giá trong bài tính bằng CUBE trên một triệu token, với 1 CUBE = 1.000đ.

Tầng	Tổng số model	Model chat	Lượt rẻ nhất	Lượt đắt nhất	Độ trải
Premium	13	13	19,80 đồng	132 đồng	6,67 lần
Balanced	21	18	3,72 đồng	14,88 đồng	4,00 lần
Economy	12	12	0,27 đồng	3,456 đồng	12,80 lần

Tầng Balanced có 21 thành viên nhưng chỉ 18 model chat. Ba model còn lại là model tạo ảnh, thu phí theo lần gọi, nên chúng không nằm trong cột chi phí một lượt. Tầng Economy cũng có 12 model chat, nhưng hai trong số đó là GPT Image 2.5 Flare và Sunburst: chúng ghi 0đ ở cả hai cột token và thu 0,36 CUBE mỗi lần gọi, nên lượt rẻ nhất và độ trải 12,80 lần của hàng Economy chỉ tính trên 10 model Economy có giá token. Bảng đầy đủ sáu cột giá nằm ở bảng so sánh các model AI, còn giá niêm yết từng model ở bảng giá model của Wisa.

Trong tầng Premium, một lượt đã chênh 6,67 lần

Hai đầu của tầng Premium là Claude Sonnet 4.5 và Claude Fable 5.1. Cùng một lượt chuẩn, một bên tốn 19,80 đồng và một bên tốn 132 đồng.

Phép tính lấy (2.000 × giá vào + 700 × giá ra) ÷ 1.000, với giá tính bằng CUBE trên một triệu token. Với Claude Sonnet 4.5: (2.000 × 3,6 + 700 × 18) ÷ 1.000 = 19,80 đồng. Với Claude Fable 5.1: (2.000 × 24 + 700 × 120) ÷ 1.000 = 132 đồng. Chia hai kết quả: 132 ÷ 19,80 = 6,67.

Con số 19,80 đồng không phải của riêng một model. Claude Sonnet 4.6, Claude Sonnet 5 và Kimi K3 đều có cùng mức 3,6 cho token vào và 18 cho token ra, nên cả bốn model này trùng nhau ở đúng một điểm giá.

Vì sao bảng xếp hạng trộn ba tầng chỉ xếp hạng ngân sách?

Nếu bạn xếp 41 model chat có giá vào lớn hơn 0 theo chi phí một lượt rồi đọc từ trên xuống, thứ tự bạn nhận được trùng khớp gần như hoàn toàn với thứ tự tầng. Model Economy luôn nằm trên, model Premium luôn nằm dưới. Một bảng như vậy không nói gì về khả năng xử lý việc khó, vì dữ liệu giá không chứa thông tin đó.

Hai model có thể cùng một mức giá mà khác hẳn nhau về cách dùng. Kimi K3 ở 19,80 đồng và GPT 5.6 TERRA ở 14,88 đồng nằm ở hai tầng khác nhau, nhưng chênh nhau chỉ 1,33 lần. Trong khi đó Claude Fable 5.1 ở 132 đồng gấp 6,67 lần chính mức sàn của tầng nó đứng.

Cách đọc đúng là chốt tầng trước, rồi mới so trong tầng. Tầng nào phụ thuộc vào việc bạn đang làm và mức sai sót bạn chấp nhận được. Khái niệm nền tảng nằm ở LLM là gì nếu bạn cần phân biệt mô hình ngôn ngữ với các loại model khác trong danh mục.

Tầng Balanced chênh 4 lần, tầng Economy chênh 12,80 lần

Tầng Balanced là tầng đông nhất với 18 model chat, và độ trải của nó hẹp hơn Premium: từ 3,72 đồng đến 14,88 đồng, tức 14,88 ÷ 3,72 = 4,00 lần. Sàn là Gemini 3 Flash với (2.000 × 0,6 + 700 × 3,6) ÷ 1.000 = 3,72 đồng. Trần là GPT 5.6 TERRA với (2.000 × 2,4 + 700 × 14,4) ÷ 1.000 = 14,88 đồng.

Trong 10 model Economy có giá token, lượt chuẩn trải rộng nhất tính theo tỉ lệ: 3,456 ÷ 0,27 = 12,80 lần. Sàn là GPT OSS 20B với (2.000 × 0,06 + 700 × 0,216) ÷ 1.000.000 = 0,0002712 CUBE, tức 0,27 đồng. Trần là DeepSeek V4.1 Flash với (2.000 × 0,72 + 700 × 2,88) ÷ 1.000.000 = 0,003456 CUBE, tức 3,456 đồng.

Điểm đáng chú ý nằm ở chỗ tầng rẻ nhất lại có độ trải tỉ lệ lớn nhất. Một model Economy có thể đắt gấp 12,80 lần một model Economy khác, trong khi hai model Premium chỉ chênh nhau 6,67 lần. Vì vậy câu "model Economy thì rẻ" không đủ để chọn.

Cách tự kiểm tra một model có cùng tầng với model bạn đang dùng

Bạn không cần nhớ bảng trên. Ba bước dưới đây tái tạo được toàn bộ kết luận từ giá niêm yết.

1. Lấy giá vào và giá ra của hai model, đơn vị CUBE trên một triệu token.
2. Tính lượt cho cả hai bằng (2.000 × giá vào + 700 × giá ra) ÷ 1.000.
3. Chia kết quả lớn cho kết quả nhỏ để biết độ trải, rồi so độ trải đó với độ trải của tầng.

Nếu hai model bạn đang cân nhắc có độ trải nhỏ hơn độ trải tầng của chúng, chúng thực sự cạnh tranh nhau. Nếu độ trải lớn hơn, gần như chắc chắn bạn đang so một model của tầng này với một model của tầng khác, và câu trả lời sẽ phụ thuộc ngân sách nhiều hơn phụ thuộc chất lượng.

Một phép kiểm tra phụ: nếu hai model có cùng giá vào và cùng giá ra, chúng cùng tầng trong thực tế sử dụng, bất kể nhãn hiển thị. Bốn model Premium ở mức 19,80 đồng là ví dụ rõ nhất.

Giới hạn của bài này

Bài này so chi phí, không so chất lượng đầu ra. Dữ liệu của Wisa không có điểm đánh giá chất lượng, nên mọi kết luận về việc model nào làm việc nào tốt hơn phải đến từ bộ thử của bạn.

Con số 700 token ra là một lượt chuẩn để so sánh, không phải lưu lượng thật của bạn. Nếu bạn tạo nội dung dài, phần token ra sẽ chiếm tỉ trọng lớn hơn và mọi tỉ lệ trong bài sẽ dịch chuyển theo hướng bất lợi cho model có giá ra cao. Hãy thay 700 bằng số token ra trung bình của chính bạn rồi tính lại. Bài benchmark model AI coding trình bày cách ghép chi phí với số đo độ trễ để có một so sánh đầy đủ hơn. Toàn bộ các bài trong cụm nằm ở chuyên mục chọn và so sánh model.