AI Engineer Roadmap: So Sánh Các Mô Hình AI Hàng Đầu: OpenAI, Claude, Gemini, và Hơn Thế Nữa

Không có “mô hình AI tốt nhất”. Chỉ có mô hình phù hợp nhất với một bài toán, một ngân sách và một hợp đồng dữ liệu cụ thể. Khi chọn model cho tính năng sắp lên production, ba câu hỏi thật sự là: eval nào chứng minh nó đủ tốt, độ trễ nào người dùng còn chấp nhận, và chi phí mỗi tác vụ là bao nhiêu khi lưu lượng tăng gấp mười.

Tháng 11/2026, cả ba nhà cung cấp lớn đều đưa cửa sổ ngữ cảnh lên quanh 1 triệu token, nên tiêu chí “context lớn” không còn phân biệt được gì. Thứ còn phân biệt là cách họ tính tiền khi bạn chạm vào vùng context đó, và những năng lực chỉ tồn tại trên một API.

Cập nhật 2026: những gì đã đổi so với bài cũ

  • Lineup dưới đây là lineup tháng 11/2026; GPT-3.5, GPT-4, Claude 3 và Gemini 1.5 đã rời danh sách hiện hành.
  • Assistants API đã bị gỡ: trang tài liệu trả 404. Không còn lý do viết code mới dựa trên Assistants; hướng thay thế là Responses API cộng Conversations.
  • OpenAI vẫn giữ ngưỡng phụ phí 272K token đầu vào; Anthropic và Google tính giá phẳng trên toàn dải 1M.
  • Giá Gemini 4 Argon và Gemini 3.8 Flash đang là giá khuyến mại có hạn, lần lượt hết hạn ngày 30/11 và 31/12/2026. Đừng dựng bảng chi phí năm sau trên hai con số đó.

Lineup hiện tại: sáu nhà cung cấp

Bảng dưới đây gồm model đang phục vụ qua API, giá chuẩn, USD cho 1 triệu token, đọc ngày 08/11/2026. Với OpenAI, context 1.05M nghĩa là tối đa 922K token vào và 128K token ra.

Model Context Giá input / output
OpenAI GPT-6 Astra 1.05M $10 / $50
OpenAI GPT-6.1 Sol 1.05M $2 / $10
OpenAI GPT-6.1 Terra 1.05M $1 / $5
OpenAI GPT-6 Luna 1.05M $0.10 / $0.50
Anthropic Claude Fable 5.1 1M $10 / $50
Anthropic Claude Opus 5.5 1M $4 / $20
Anthropic Claude Sonnet 5.5 1M $2 / $10
Anthropic Claude Haiku 5.5 1M $0.10 / $0.50 đến 100K; $0.50 / $2.50 trên 100K
Google Gemini 4 Argon 1.05M $2 / $10 đến 30/11; sau đó $4 / $20
Google Gemini 3.8 Flash 1.05M $0.75 / $3.75 đến 31/12; sau đó $1.50 / $7.50
xAI Grok 4.7 500K $2 / $6 dưới 200K; $4 / $12 từ 200K
DeepSeek V4.1 (deepseek-flash) 1M Chưa công bố công khai
Qwen3.8-27B / Qwen3.8-2.4T-A95B 262K, mở rộng 1M Giá host chưa xác thực

Ba điều cần đọc kỹ. Haiku 5.5 rẻ nhất nhưng giá nhảy gấp năm khi vượt 100K token đầu vào, nên không phải lựa chọn “context dài giá rẻ”. Grok 4.7 có ngưỡng 200K chứ không phải 272K, và ngưỡng áp lên toàn bộ request. Giá DeepSeek và Qwen host chưa có bảng công khai đáng tin; hãy lấy báo giá từ nhà cung cấp.

Một bất biến hữu ích: ở cả OpenAI và Anthropic, giá output đúng bằng năm lần giá input trên mọi tier. Mọi quyết định “gửi thêm bao nhiêu tài liệu” đều tính bằng token đầu vào, còn mọi quyết định “model dài dòng hay không” đắt gấp năm lần bạn nghĩ. Phép tính chi tiết nằm ở bài Tokens, Cửa Sổ Ngữ Cảnh và Chi Phí API.

Chọn bằng eval, không bằng bảng xếp hạng công khai

Benchmark công khai đo trên dữ liệu của người khác: hữu ích để loại ứng viên, không hữu ích để chốt người thắng. Cách làm đúng tốn khoảng một ngày: lấy 40 đến 60 case thật từ log hoặc ticket, gán nhãn đúng sai hoặc chấm rubric, rồi chạy cùng một prompt trên hai hoặc ba model.

Hai chỉ số cần đo cùng lúc là task success rate và cost per success. Model A đạt 88% với giá $0.04 mỗi lần chạy; model B đạt 91% với giá $0.30. Tính theo “mỗi câu trả lời đúng”, A rẻ hơn gần bảy lần. Nhìn phần trăm mà bỏ qua mẫu số là sai lầm phổ biến nhất khi so sánh model.

Độ trễ: p95 mới là con số người dùng cảm nhận

Nhà cung cấp thường khoe tokens per second, nhưng người dùng cảm nhận time-to-first-token và thời gian hoàn thành câu trả lời. Với chat, mục tiêu là TTFT dưới một giây và stream chữ ra ngay; với xử lý hàng loạt, chỉ p95 của toàn job mới đáng quan tâm.

Reasoning effort là núm vặn trực tiếp của độ trễ. Trên dòng GPT-6, `reasoning.effort` nhận `low`, `medium`, `high`, `xhigh`, `max`; Sol mặc định `medium`. Tăng một mức có thể khiến thời gian sinh token tăng gấp đôi dù prompt không đổi, nên hãy đo từng mức thay vì mặc định chọn mức cao nhất.

Batch hoặc Flex giảm 50% giá nhưng chạy bất đồng bộ; Fast tăng gấp đôi giá để ưu tiên độ trễ. Chỉ nên trả tiền cho Fast ở endpoint thật sự có người ngồi chờ. Cũng đừng quên độ trễ của agent: ba bước, mỗi bước một lần gọi model cộng một lần gọi tool, có thể biến 800ms thành 6 giây.

Kinh tế học context: ba kiểu tính giá

OpenAI áp phụ phí khi token đầu vào vượt 272K: toàn bộ request bị tính gấp đôi giá input và giá cached input, gấp 1.5 lần giá output. Anthropic tính phẳng trên toàn dải 1M. Google cũng phẳng, nhưng Gemini 4 Argon chỉ có implicit caching. xAI áp ngưỡng 200K với hệ số hai cho cả input và output.

Một ví dụ cụ thể. Request 300K token vào và 10K token ra trên GPT-6.1 Sol: dưới ngưỡng là $0.60 cộng $0.10, tức $0.70; vượt ngưỡng là $1.20 cộng $0.15, tức $1.35. Cùng payload, giá gần gấp đôi, chỉ vì 28K token vượt rào. Với Claude Sonnet 5.5, cùng lượng token là $0.70. Với Grok 4.7, 300K đã vượt 200K nên tính $4/$12.

Nếu prompt thường xuyên ở vùng 250K đến 350K, hãy cắt xuống dưới 272K hoặc chuyển sang nhà cung cấp tính phẳng. Với một tài liệu 900K token, GPT-6 Astra tính $20 cho mỗi 1M input thay vì $10, còn Claude Fable 5.1 vẫn $10. Hãy tính theo phân bố độ dài prompt thật, đừng chọn theo giá niêm yết.

Cache đọc cũng chênh nhau: OpenAI tính 10% giá input trên Astra và Luna, 5% trên Sol và Terra; Anthropic tính 2.5% trên Fable 5.1, 5% trên Opus và Sonnet 5.5, 10% trên Haiku 5.5. Với system prompt dài lặp lại mỗi request, khoản tiết kiệm khác nhau đáng kể.

Tool calling: nơi lineup khác nhau rõ nhất

Nếu sản phẩm có agent hoặc tính năng gọi tool, đây là tiêu chí loại trừ trước khi so giá. OpenAI khuyến nghị Responses API cho mọi dự án mới; hosted tools, trạng thái qua `previous_response_id` và encrypted reasoning chỉ tồn tại trên Responses. Từ GPT-5.4, Chat Completions không gọi được tool trừ khi `reasoning_effort` bằng `none`. Riêng Astra và Sol bắt buộc dùng Responses nếu muốn tool calling.

Đó là lý do nhiều nhóm vẫn “thấy model trả lời ổn” nhưng tool không bao giờ được gọi: họ gửi `tools` qua Chat Completions với effort mặc định. Không có lỗi rõ ràng, chỉ có một câu trả lời bằng text. Nếu đang bảo trì code cũ, hãy kiểm tra đường dẫn này trước khi kết luận model yếu.

Với Anthropic, tool use nằm trong Messages API và đi kèm cơ chế thinking mới. `budget_tokens` thủ công là legacy và bị trả 400 bởi các model 4.7 trở lên; cách đúng là `thinking` kiểu `adaptive` cộng `output_config.effort`. Với Google, function calling đi qua SDK `google-genai` 3.0.0 cho cả Developer API lẫn Vertex AI. Với xAI, Grok 4.7 trên Responses luôn trả `reasoning.encrypted_content`, nên parsing phải chấp nhận field này.

Tiêu chí đo không phải “model có gọi tool không” mà là tool-call accuracy: đúng tool, đúng tham số, đúng thứ tự. Gọi đúng tool với tham số sai còn tệ hơn không gọi, vì lỗi đi thẳng vào hệ thống phía sau.

Vision, audio và hình ảnh: “đa phương thức” không giống nhau

Cả năm model OpenAI đều nhận text và image, xuất ra text. Audio nằm ở endpoint riêng: `gpt-realtime-2.1` trên `v1/realtime` với 128K context, giá audio $32 vào / $64 ra cho 1M token audio, hoặc Live API `gpt-live-1` tính $0.05 mỗi phút. Image generation là dòng `gpt-image-2.6-sunburst` và `-flare`.

Gemini 4 Argon nhận text, image, video, audio và PDF trong cùng cửa sổ 1,048,576 token chia sẻ cho cả vào lẫn ra. Đầu ra mặc định 65,536 token, mở rộng tới 1M ở chế độ long decode. Đổi lại, nó không có explicit caching và không có Live API. Gemini 3.8 Flash giữ 65,536 đầu ra, có caching, nhưng mức thinking `minimal` bị lỗi — đừng đặt nó trong cấu hình mặc định.

Với Claude, đầu ra bị chặn ở 128K (300K ở chế độ batch beta trên Opus 5.5 và Sonnet 5.5). Nếu tính năng của bạn là “xuất báo cáo dài từ tài liệu dài”, giới hạn output là ràng buộc thật, không phải context. Qwen3.8-27B là vision-language, Apache 2.0, phù hợp khi muốn tự host phần đọc ảnh thay vì gửi dữ liệu ra ngoài.

Data residency và hợp đồng

Đây là tiêu chí kỹ sư thường để cho pháp lý rồi bị chặn ở phút cuối. OpenAI có endpoint khu vực với phụ phí 10%. Anthropic có mặt first-class trên Bedrock, Google Cloud và Foundry, nên có thể giữ dữ liệu trong VPC của bạn. Gemini qua Vertex AI thêm IAM và VPC-SC. DeepSeek mặc định host tại Trung Quốc; Qwen3.8-27B là Apache 2.0, còn 2.4T-A95B dùng license riêng.

Với sản phẩm châu Âu, mốc cần nhớ: phần lớn nghĩa vụ của EU AI Act, gồm cả Điều 50 về minh bạch, đã áp dụng từ 02/08/2026; high-risk theo Annex III từ 02/12/2027. Đây là tóm tắt để đưa vào checklist, không phải tư vấn pháp lý.

Bảng quyết định

Nhu cầu Lựa chọn hợp lý Vì sao
Reasoning khó nhất, tài liệu dài GPT-6 Astra hoặc Claude Fable 5.1 Cùng giá $10/$50; Fable không có phụ phí 272K
Agent coding, chi phí trung GPT-6.1 Sol $2/$10, nhưng tool calling bắt buộc Responses
Phân loại lưu lượng lớn GPT-6 Luna hoặc Claude Haiku 5.5 Rẻ nhất; Haiku nhảy giá trên 100K
Xuất văn bản rất dài Gemini 4 Argon 65K mặc định, tới 1M với long decode
Agent/SWE giá thấp Gemini 3.8 Flash Giá khuyến mại hết 31/12, sau đó gấp đôi
Code và tool, context 500K Grok 4.7 Rẻ dưới 200K, gấp đôi từ 200K
Batch long-context DeepSeek V4.1 1M context, MIT, nhưng giá chưa xác thực
Tự host, kiểm soát dữ liệu Qwen3.8-27B Apache 2.0, 262K, vision-language

Một cấu hình định tuyến tối thiểu: model rẻ làm mặc định, model mạnh chỉ gọi khi schema sai, độ tin cậy thấp hoặc agent lặp tool quá số bước cho phép. `escalate_on` phải dựa trên tín hiệu bạn đo được.

{
  "tier": {
    "default": "gpt-6.1-sol",
    "reasoning": "gpt-6-astra",
    "volume": "gpt-6-luna"
  },
  "escalate_on": ["schema_invalid", "low_confidence", "tool_loop"],
  "max_steps": 6,
  "max_output_tokens": 8000
}

Cạm bẫy khi so sánh model

  • So giá input mà quên reasoning token. Reasoning token tính như output, tức gấp năm lần input ở cả OpenAI và Anthropic. Model “rẻ” chạy effort cao có thể đắt hơn model đắt chạy effort thấp.
  • Bỏ qua ngưỡng phụ phí. 272K của OpenAI và 200K của xAI áp lên toàn bộ request. Đây là cú nhảy bậc, không phải độ dốc.
  • Dựng dự toán trên giá khuyến mại. Gemini 4 Argon tăng gấp đôi sau 30/11; 3.8 Flash tăng gấp đôi sau 31/12.
  • Chốt model trước khi kiểm tra đường tool. Với OpenAI, sai API là tool im lặng không chạy; với Claude, `budget_tokens` cũ bị trả 400.
  • Khoá vào một nhà cung cấp mà không có đường lui. Giữ interface trung lập và test ít nhất một fallback, vì schema tool và cách tính chi phí đổi khi đổi nhà cung cấp.

Nhìn tới 2027

Ba xu hướng đáng theo dõi. Các ngưỡng phụ phí long-context sẽ bị ép xuống khi mọi nhà cung cấp đều có 1M context; cạnh tranh chuyển sang giá cache và giá output. Model open-weight ngày càng đủ tốt cho tác vụ hẹp, nên kiến trúc “model lớn cho reasoning, model nhỏ tự host cho phân loại” sẽ phổ biến hơn. Và lớp API đang dịch từ Chat Completions sang Responses; code viết hôm nay nên giả định trạng thái phiên là chuyện của server.

Meta hiện không ra thêm model Llama mới; dòng hiện hành là Muse, gồm Glimmer 30B và Spark Open. Đừng lên kế hoạch dựa trên một “Llama 5” chưa tồn tại.

Checklist trước khi chốt model

  • Chạy bộ eval 40 đến 60 case thật, đo task success và cost per success.
  • Tính chi phí theo phân bố độ dài prompt thật, có xét ngưỡng 272K hoặc 200K.
  • Kiểm tra đường tool calling trên đúng API sẽ dùng, gồm parsing reasoning và tool result.
  • Xác nhận modality đầu vào, đầu ra, đặc biệt nếu có audio, video hoặc PDF.
  • Ghi ngày hết hạn của giá khuyến mại vào tài liệu dự toán.

Bài kế tiếp đi sâu vào con số 1.05M của OpenAI: Nắm Vững Khả Năng và Độ Dài Ngữ Cảnh Của Các Mô Hình OpenAI. Nếu đang cân nhắc giữa model đóng và open-weight, xem thêm AI Mã Nguồn Mở so với Đóng. Và nếu bạn mới bắt đầu, hãy đọc Tại Sao Nên Bắt Đầu Với Các Mô Hình AI Được Huấn Luyện Trước trước khi chọn nhà cung cấp.