Danh sách mô hình AI

Bảng Tổng Hợp Mô Hình AI

Lọc theo hãng:

Tên Model	Hãng phát triển	Ngày ra mắt	Parameters	Cửa sổ ngữ cảnh	Max Output	Giá Input ($/1M)	Giá Output ($/1M)	Giá Cache ($/1M)	Training data cutoff	Cơ chế Thinking / Reasoning	Điểm Benchmark uy tín	Điểm mạnh (Pros)	Điểm yếu (Cons)	Use-case đề xuất	Thông tin gốc
Gemini 4 Argon	Google DeepMind	30/09/2026	~1.8T – 2.2T MoE (~128B active, ước tính)	2,000,000+ tokens (~2M+)	1,000,000 tokens	$5.00 (dự kiến)	$20.00 (dự kiến)	$0.50 (Context Cache)	Tháng 07/2026	Autonomous Deep Reasoning + Multi-agent Architecture	DeepSWE v1.1: 76.5% (dự kiến) Coding Arena: Đang test nội bộ FrontierMath Tier 4: Vượt trội	Kỷ lục output 1 triệu token Siêu năng lực cyber defense & frontier reasoning Hỗ trợ agent đa tầng tự sửa lỗi	Hiện đang giới hạn thử nghiệm (Fairwind Program) Chi phí cao hơn nhiều so với dòng Flash	Kiến trúc Enterprise, Audit an toàn mã nguồn, sinh toàn bộ hệ thống	Xem bài gốc ↗
Gemini 3.8 Flash Cyber	Google DeepMind	15/09/2026	~35B Dense (Cyber-Specialized)	1,048,576 tokens (~1M)	65,536 tokens	$1.00	$5.00	$0.25 (Cache)	Tháng 06/2026	Targeted Cyber Reasoning & Vulnerability Scanning	CyberSec-Bench: Top 1 DeepSWE v1.1: 72.8% WebDev Arena: 1590	Chuyên biệt hóa về kiểm thử bảo mật & phát hiện zero-day Sửa bug bảo mật không gây regression	Viết code UI/UX thông thường không tối ưu bằng bản Flash tiêu chuẩn	DevSecOps pipeline, quét mã tự động trước merge PR	Xem bài gốc ↗
Gemini 3.8 Flash	Google DeepMind	08/09/2026	~35B Dense (Gen 3 Flash)	1,048,576 tokens (~1M)	65,536 tokens	$0.75 (khuyến mãi) / $1.50	$3.75 (khuyến mãi) / $7.50	$0.075 (khuyến mãi) / $0.15 (Cache)	Tháng 06/2026	Dynamic Thinking (Effort Control: Low / Med / High)	DeepSWE v1.1: 73.7% WebDev Arena Elo: 1600+ Artificial Analysis Index: 88.5	Tỷ lệ cost-performance dẫn đầu thị trường DeepSWE 73.7% vượt cả nhiều flagship Tốc độ sinh code cực nhanh, context 1M Tùy chọn giảm 50% qua Batch/Flex API	Cần prompt rõ ràng cho bash shell đa tầng	Daily Driver: fix bug, pair programming, agent refactor	Xem bài gốc ↗
Gemini 3.7 Flash	Google DeepMind	12/08/2026	~28B Dense	1,048,576 tokens (~1M)	65,536 tokens	$0.75 (khuyến mãi) / $1.50	$3.75 (khuyến mãi) / $7.50	$0.075 (khuyến mãi) / $0.15 (Cache)	Tháng 05/2026	Dynamic Thinking (Cấu hình thinking budget)	DeepSWE v1.1: 65.3% FrontierCode 1.1: 43.6% WebDev Arena Elo: 1588 AutomationBench: 30.4%	First-pass accuracy cao Cực kỳ ổn định trong production Chi phí vận hành thấp	Điểm DeepSWE (65.3%) thấp hơn bản 3.8	Viết test tự động hàng loạt, sinh code API backend	Xem bài gốc ↗
Gemini 3.5 Flash	Google DeepMind	19/05/2026	~28B Dense	1,048,576 tokens (~1M)	32,768 tokens	$0.50	$2.50	$0.15 (Cache)	Tháng 02/2026	Fast Stream Reasoning	WebDev Arena Elo: 1545 SWE-bench Lite: 48.2% HumanEval+: 92.4%	Tốc độ phản hồi cực nhanh (TTFT < 300ms) Multimodal (ảnh UI, mockup) siêu mượt	Không giải quyết bug thuật toán quá phức tạp	Chuyển Figma/mockup sang HTML/Tailwind, auto-complete IDE	Xem bài gốc ↗
Gemini 3.5 Flash-Lite	Google DeepMind	19/05/2026	~10B Dense (Ultra-Lightweight)	1,048,576 tokens (~1M)	16,384 tokens	$0.25	$1.00	$0.05	Tháng 02/2026	Standard Direct Output	HumanEval: 88.0% MBPP+: 85.2%	Chi phí rẻ kỷ lục ($0.25/1M in, $1/1M out) Hàng chục triệu token mỗi ngày	Reasoning phức tạp hạn chế, dễ sai khi code nhiều file	Phân loại log lỗi, sinh docstring, viết regex/SQL	Xem bài gốc ↗
Gemini 3.1 Pro	Google DeepMind	19/02/2026	~540B MoE (~64B active, ước tính)	2,097,152 tokens (~2.1M)	65,536 tokens	$2.50	$10.00	$0.625 (Cache)	Tháng 11/2025	Multi-Tier Thinking (Low / Med / High)	SWE-bench Verified: 58.7% Arena Elo: 1572 Math-500: 94.8%	Context 2M tokens, needle-in-a-haystack hoàn hảo Suy luận đa tầng vững	Tốc độ chậm hơn Flash; chi phí cao gấp 3-4 lần	Phân tích kiến trúc microservices, tra cứu tài liệu hàng triệu trang	Xem bài gốc ↗
Gemini 2.5 Pro	Google DeepMind	17/06/2025	~540B MoE (~64B active, ước tính)	2,097,152 tokens (~2.1M)	65,536 tokens	$2.50	$10.00	$0.625	Tháng 01/2025	Chain of Thought ngầm	SWE-bench Verified: 49.5% Arena Elo: 1530	Phân tích mã nguồn đa phương thức Suy luận ngữ cảnh dài bền bỉ	Hạn chế tài khoản mới từ 09/2026; chi phí cao hơn dòng Flash	Duy trì pipeline enterprise cũ từ giữa 2025	Xem bài gốc ↗
Gemini 2.5 Flash	Google DeepMind	17/06/2025	~25B Dense	1,048,576 tokens (~1M)	65,536 tokens	$0.35	$1.05	$0.0875	Tháng 01/2025	High-Speed Direct Inference	HumanEval: 89.2% Arena Elo: 1485	Kinh tế tại thời điểm 2025	Khả năng reasoning phức tạp hạn chế hơn bản Pro	Tra cứu, sinh snippet ngắn	Xem bài gốc ↗
Gemini 2.0 Flash Thinking	Google DeepMind	19/12/2024	~25B Dense + Dynamic Reasoning	1,048,576 tokens (~1M)	65,536 tokens	$0.00 (Experimental) / Tiêu chuẩn	$0.00 / Tiêu chuẩn	N/A	Tháng 08/2024	Explicit CoT Reasoning (Thinking)	AIME 2024: 73.3% Arena Elo: 1520	Nền móng cơ chế Thinking Process của Google Logic vượt trội so với 2.0 Flash thường	Experimental, đôi khi lặp suy luận vô tận	Giải thuật toán LeetCode / competitive programming	Xem bài gốc ↗
GPT-6.1 Sol	OpenAI	29/09/2026	~1.5T – 2T MoE (~64B active, ước tính)	1,050,000 tokens (~1.05M)	32,768 tokens	$2.00	$10.00	$0.10 (Cached Input siêu rẻ)	Tháng 06/2026	Adaptive Reasoning (Tự điều tiết nỗ lực suy luận)	DeepSWE v1.1: ~74% WebDev Arena Elo: ~1605 Aider Polyglot: Top Tier	Hiệu năng agentic ngang flagship Astra nhưng rẻ hơn 5 lần Tuân thủ chỉ dẫn và format code cực kỳ chính xác Giá cached input chỉ $0.10/1M	Output token đắt hơn Gemini Flash Rate-limit chặt ở tier thấp	Agentic Coding: viết feature trọn vẹn, vòng lặp sửa bug tự động	Xem bài gốc ↗
GPT-6 Sol	OpenAI	22/09/2026	~1.5T MoE (~64B active, ước tính)	1,050,000 tokens (~1.05M)	32,768 tokens	$2.50	$12.50	$0.25 (Cache)	Tháng 05/2026	Integrated Agentic Reasoning	DeepSWE v1.1: 71.2% Coding Arena Elo: 1595	Giảm 50% chi phí so với GPT-5.6 Sol Tool Calling rất đáng tin cậy	Nhanh chóng bị GPT-6.1 Sol thay thế sau 1 tuần	Automation agent triển khai cuối tháng 9/2026	Xem bài gốc ↗
GPT-6 Luna	OpenAI	22/09/2026	~250B MoE / Dense (ước tính)	500,000 tokens (~500K)	16,384 tokens	$0.50	$2.00	$0.05 (Cache)	Tháng 05/2026	Fast Lightweight Reasoning	WebDev Arena Elo: 1555 HumanEval+: 93.8%	Chi phí rẻ nhất hệ GPT-6 Phản hồi tức thì	Context 500K; không giải issue kiến trúc phức tạp	Autocomplete, giải thích code, unit test ngắn	Xem bài gốc ↗
GPT-6 Astra (Flagship)	OpenAI	03/09/2026	~3T – 5T MoE (~128B active, ước tính)	1,050,000 tokens (~1.05M)	65,536 tokens	$10.00	$50.00	$1.25 (Cache)	Tháng 05/2026	Frontier Deep Reasoning + Autonomous Computer Use	Terminal-Bench 4.0: Phá kỷ lục FrontierMath Tier 4: 98% Coding Arena Elo: 1625	Thông minh nhất của OpenAI Kỷ lục Terminal-Bench 4.0 và Computer Use FrontierMath 98%	Chi phí rất đắt ($50/1M output), độ trễ cao	Kiến trúc hệ thống phân tán, bug kernel/compiler, nghiên cứu khoa học	Xem bài gốc ↗
GPT-5.6 Sol	OpenAI	09/07/2026	~1.8T MoE (~64B active, ước tính)	1,050,000 tokens (~1.05M)	128,000 tokens	$4.00	$20.00	$0.50 (Cache)	Tháng 03/2026	Max Reasoning / Ultra Mode	DeepSWE v1.1: 53.8% AA Coding Agent Index v1: 80.0 WebDev Arena: 1562	Từng là tiêu chuẩn vàng giữa 2026 Hệ sinh thái SDK toàn diện	Bị GPT-6.1 Sol vượt mặt hoàn toàn	Duy trì enterprise chưa kịp nâng cấp GPT-6	Xem bài gốc ↗
GPT-5.6 Terra	OpenAI	09/07/2026	~500B MoE (ước tính)	500,000 tokens (~500K)	16,384 tokens	$2.00	$8.00	$0.25 (Cache)	Tháng 03/2026	Balanced Professional Reasoning	Coding Arena Elo: 1540 SWE-bench Lite: 52.0%	Cân bằng tốc độ và thông minh	Agentic repo lớn hạn chế so với Sol	Code review, tài liệu, tích hợp API thông thường	Xem bài gốc ↗
GPT-5.6 Luna	OpenAI	09/07/2026	~150B MoE / Dense (ước tính)	256,000 tokens (~256K)	16,384 tokens	$0.60	$2.40	$0.06 (Cache)	Tháng 03/2026	Direct High-Throughput	HumanEval: 91.5% Arena Elo: 1515	Tối ưu chi phí giữa 2026 cho GPT-5.6	Context 256K nhỏ so với chuẩn 1M hiện tại	Trích xuất từ commit git, sinh release notes	Xem bài gốc ↗
GPT-5.5	OpenAI	15/05/2026	~1.8T MoE (ước tính)	500,000 tokens (~500K)	16,384 tokens	$3.00	$12.00	$0.30	Tháng 12/2025	Unified Reasoning	SWE-bench Verified: 62.1% Arena Elo: 1548	Từng là nâng cấp mạnh cho ChatGPT và Codex	Sắp ngừng hoạt động (Retiring 14/10/2026)	Lộ trình migrate bắt buộc sang GPT-6	Xem bài gốc ↗
GPT-5	OpenAI	07/08/2025	~1.8T – 3T MoE (ước tính)	400,000 tokens (~400K)	128,000 tokens	$5.00	$15.00	$1.25	Tháng 03/2025	Foundational Hybrid Reasoning	SWE-bench Verified: 56.4% Arena Elo: 1535	Cột mốc lịch sử đưa 'Vibe Coding' phổ biến toàn cầu	Giá cao ($15/1M output); đã có các bản GPT-5.6 / GPT-6 tối ưu hơn	Mô hình lịch sử, đã được thay thế	Xem bài gốc ↗
o3-mini	OpenAI	31/01/2025	~200B Dense (Reasoning-Specialized)	200,000 tokens (~200K)	100,000 tokens	$1.10	$4.40	$0.55	Tháng 10/2023	Deliberate Reasoning (Low / Med / High)	AIME 2024: 87.3% Codeforces: 2100+ SWE-bench Verified: 49.3%	Max output 100K Giải toán/thuật toán cực đỉnh	Không multimodal, tốc độ tương đối chậm	Giải LeetCode Hard, tối ưu thuật toán nặng	Xem bài gốc ↗
Claude Sonnet 5.5	Anthropic	28/09/2026	~1T MoE (~64B active, ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$2.00	$10.00	$0.20 (Cached Input)	Tháng 06/2026	Adaptive Extended Thinking	DeepSWE v1.1: 73.8% Coding Arena Elo: 1618 Aider Polyglot: Hạng 1	Tiêu chuẩn vàng mới: tốc độ nhanh, chuẩn convention Max output 128K, ngữ cảnh 1M Ít ảo giác nhất hiện nay	Terminal-Bench vẫn xếp sau GPT-6 Astra đôi chút	Coding hàng ngày hoàn hảo: Pair-programming, Refactor, PR Review	Xem bài gốc ↗
Claude Opus 5.5	Anthropic	22/09/2026	~2T – 3T MoE (~128B active, ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$4.00	$20.00	$0.20 (Cached Input)	Tháng 06/2026	Deep Architectural Extended Thinking + Fast Mode	DeepSWE v1.1: 75.2% SWE-bench Verified: Sát 100% Coding Arena Elo: 1622	Giảm giá 40% so với Opus 5 cũ Tư duy ngữ cảnh & kiến trúc phần mềm tinh tế nhất Có chế độ Fast Mode	Giá output gấp đôi Sonnet 5.5	Senior Code Architect, thiết kế hệ thống phần mềm nhạy cảm	Xem bài gốc ↗
Claude Fable 5.1	Anthropic	01/09/2026	~3T – 5T MoE (Mythos-Class, ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$10.00	$50.00	$0.50 (Cache)	Tháng 05/2026	Frontier Autonomous Agentic Reasoning	Agentic-SWE Index: Dẫn đầu Arena Elo: 1612	Dòng chuyên dụng cho agentic dài hạn (long-horizon) Tự lên kế hoạch và kiên trì bám đuổi mục tiêu phức tạp Mythos-class: tier cao nhất	Chi phí đắt; không phù hợp prompt đơn giản	Agent tự động end-to-end: tự đọc bug report, build, test, deploy	Xem bài gốc ↗
Claude Opus 5	Anthropic	24/07/2026	~2T MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$5.00	$25.00	$0.50 (Cache)	Tháng 03/2026	Adaptive Thinking mặc định	DeepSWE v1.1: 74.0% Coding Arena Elo: 1615	Đỉnh cao chất lượng code mùa hè 2026 Văn phong code chuẩn mực, tài liệu rõ ràng	Chi phí output ($25/1M) cao hơn dòng Sonnet Đã có phiên bản Opus 5.5 tối ưu hơn ($20/1M)	Legacy enterprise deployments	Xem bài gốc ↗
Claude Opus 4.8	Anthropic	28/05/2026	~1.8T MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$5.00	$25.00	$0.50 (Cache)	Tháng 02/2026	Deep-Work Reasoning + Dynamic Workflows	SWE-bench Verified: ~90% Coding Arena Elo: 1598	'Honesty upgrade': ít bỏ qua lỗi code hơn 4x Dynamic Workflows phối hợp nhiều sub-agent Fast Mode mới rẻ hơn 3x	Nhanh chóng bị thế hệ 5.x vượt qua	Kiểm tra chất lượng code tự động, deep-work refactoring	Xem bài gốc ↗
Claude Opus 4.7	Anthropic	16/04/2026	~1.8T MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$5.00	$25.00	$0.50 (Cache)	Tháng 12/2025	xHigh Effort Extended Thinking + Self-Verification	SWE-bench Pro: Cao nhưng tranh cãi Coding Arena Elo: 1592	Cấp độ effort 'xhigh' cho suy luận sâu vượt trội Vision cải tiến: đọc hiểu biểu đồ, ảnh chụp code	Bị phát hiện một số trường hợp tham chiếu git history trên SWE-bench Pro	Phân tích biểu đồ kiến trúc, duyệt screenshot code	Xem bài gốc ↗
Claude Opus 4.6	Anthropic	17/02/2026	~1.5T MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$5.00	$25.00	$0.50 (Cache)	Tháng 10/2025	Adaptive Thinking + Expanded Computer Use	SWE-bench Verified: ~82% Arena Elo: 1578 (Opus 4.6)	CỘT MỐC: Lần đầu tiên Claude đạt context 1M Khả năng suy luận ngữ cảnh sâu và lập kế hoạch đa bước Mở rộng Computer Use cho tương tác GUI thực tế	Chi phí cao hơn dòng Sonnet Nay là legacy, được thay thế bởi Opus 4.7, 4.8 và 5.x	Cột mốc chuyển đổi: Phân tích kiến trúc phức tạp trong ngữ cảnh 1M token	Xem bài gốc ↗
Claude Sonnet 4.6	Anthropic	17/02/2026	~700B MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$3.00	$15.00	$0.30 (Cache)	Tháng 10/2025	Adaptive Thinking + Agentic Tool Calling	SWE-bench Verified: ~80.5% Coding Arena Elo: 1572	CỘT MỐC: Lần đầu tiên Sonnet đạt context 1M Hiệu năng coding vượt cả Opus 4.5 tiền nhiệm Tốc độ nhanh và tỷ lệ cost/performance tối ưu	Đã có Sonnet 4.7 và Sonnet 5.5 thay thế với hiệu năng vượt trội hơn	Lập trình hàng ngày, refactoring dự án lớn trong ngữ cảnh 1M token	Xem bài gốc ↗
Claude Opus 4.5	Anthropic	15/11/2025	~1.5T MoE (ước tính)	200,000 tokens (~200K)	32,000 tokens	$15.00	$75.00	$1.50	Tháng 07/2025	Extended Thinking v2	SWE-bench Verified: 75.5% Arena Elo: 1560	Tối ưu hóa token-efficiency cho các tác vụ dài hạn Ổn định cao trong enterprise workflow	Context 200K đã lỗi thời so với chuẩn 1M Giá quá đắt	Legacy enterprise (Đã bị vượt qua bởi Opus 4.6+)	Xem bài gốc ↗
Claude Sonnet 4.5	Anthropic	25/09/2025	~700B MoE (ước tính)	200,000 tokens (~200K)	32,000 tokens	$3.00	$15.00	$0.30	Tháng 05/2025	Agent-Optimized Reasoning	SWE-bench Verified: 77.2% Arena Elo: 1555	Chạy agent liên tục 30+ giờ không ngắt SWE-bench Verified 77.2% vượt Opus 4 Beta context 200K → 1M	Context 200K chính thức (1M chỉ beta)	Agent chạy dài hạn cần ổn định cao, legacy workflows	Xem bài gốc ↗
Claude Opus 4.1	Anthropic	15/08/2025	~1.5T MoE (ước tính)	200,000 tokens (~200K)	32,000 tokens	$15.00	$75.00	$1.50	Tháng 03/2025	Precision Deep Reasoning	SWE-bench Verified: 74.5% Arena Elo: 1548	Refactoring multi-file độ chính xác cao Agentic search rất hiệu quả	Đã retired chính thức tháng 8/2026 Chi phí cao, context 200K lỗi thời	Mô hình di sản (Retired 08/2026)	Xem bài gốc ↗
Grok 4.7 (Flagship)	xAI	21/09/2026	~1.5T – 2T MoE (~80B active, ước tính)	500,000 tokens (~500K)	65,536 tokens	$2.20 ($4.40 nếu >200K)	$6.60 ($13.20 nếu >200K)	$0.55 ($1.10 nếu >200K)	Tháng 06/2026	Configurable Reasoning (Low / Med / High / xHigh) + Self-Verification	SWE-bench Verified: 96.2% Terminal-Bench: Hàng đầu Arena Elo: 1618	Flagship mạnh nhất xAI về coding & agentic Self-Verification giảm bug ngầm Siêu máy tính Colossus → tốc độ cực nhanh	Giá nhân đôi khi context >200K Ít plugin IDE tích hợp sẵn hơn Claude/OpenAI	Agent sửa lỗi & refactor module lớn, giải thuật phức tạp	Xem bài gốc ↗
Grok 4.6	xAI	12/08/2026	~1.5T MoE (ước tính)	500,000 tokens (~500K)	65,536 tokens	$2.50	$7.50	$0.60 (Cache)	Tháng 05/2026	Agentic Reasoning Engine	SWE-bench Verified: 95.6% Terminal-Bench 2.1: 88.4% Arena Elo: 1602	Kỷ lục 95.6% SWE-bench Verified (08/2026) Tool-calling và tương tác terminal nhạy bén	Đã được Grok 4.7 kế thừa và nâng cấp	Coding agent giải issue GitHub, build test suites	Xem bài gốc ↗
Grok 4.5	xAI	16/07/2026	~1.5T MoE (ước tính)	500,000 tokens (~500K)	32,768 tokens	$3.00	$9.00	$0.75 (Cache)	Tháng 04/2026	Integrated Frontier Reasoning	SWE-bench Verified: 86.6% Coding Arena Elo: 1585	Chuyển dịch mạnh của xAI sang SW engineering Hoàn thành tác vụ dài hạn ổn định	Chi phí output cao so với thế hệ 4.7	Backend, API RESTful/GraphQL, migration database	Xem bài gốc ↗
Grok 4.3	xAI	15/04/2026	~1.2T MoE (ước tính)	1,000,000 tokens (~1M)	32,768 tokens	$3.50	$10.50	$0.85 (Cache)	Tháng 01/2026	Long-Context CoT Reasoning	SWE-bench Verified: 78.4% Needle-In-A-Haystack: 99.8%	Context 1M tokens hiếm hoi của Grok Đọc trọn repository cỡ vừa	Latency cao khi context vượt 500K	Duyệt, phân tích cấu trúc codebase lớn	Xem bài gốc ↗
Grok 4.20 (Agentic Special)	xAI	20/04/2026	~1.5T MoE (ước tính)	2,000,000 tokens (~2M)	65,536 tokens	$4.00	$12.00	$1.00 (Cache)	Tháng 01/2026	Multi-Agent Coordinated Reasoning	Terminal-Bench: 82.5% Arena Elo: 1590	Context 2M hỗ trợ nhiều sub-agent song song Coding ngầm nhiều giờ	Chi phí vận hành đắt; quản lý bộ nhớ phức tạp	Autonomous Multi-Agent, legacy migration	Xem bài gốc ↗
Grok 4.1 Fast	xAI	10/03/2026	~150B MoE (ước tính)	2,000,000 tokens (~2M)	16,384 tokens	$0.50	$1.50	$0.125 (Cache)	Tháng 11/2025	High-Speed Streamlined Inference	HumanEval: 92.0% MBPP+: 88.5% Arena Elo: 1535	Tốc độ cực nhanh giá thành tiết kiệm Context tới 2M cho duyệt log nhanh	Reasoning sâu hạn chế, dễ sai logic thuật toán khó	Auto-complete, sinh boilerplate, phân tích log server khổng lồ	Xem bài gốc ↗
Grok 4.0	xAI	15/07/2025	~600B MoE (ước tính)	256,000 tokens (~256K)	16,384 tokens	$5.00	$15.00	$1.25	Tháng 04/2025	Early Agentic Thinking	SWE-bench Verified: 54.2% Arena Elo: 1540	Mở màn thế hệ Grok 4, cạnh tranh GPT-5 năm 2025	Đã retired trong đợt dọn dẹp hệ thống xAI	Mô hình lịch sử (Retired)	Xem bài gốc ↗
Grok 3 (Think / Big Brain)	xAI	17/02/2025	~1T MoE (Colossus-Trained, ước tính)	131,072 tokens (~128K)	32,768 tokens	$3.00	$12.00	$0.75	Tháng 11/2024	Explicit CoT Reasoning ('Think Mode')	AIME 2025: 83.5% SWE-bench Verified: 48.0% Arena Elo: 1555	Cột mốc lịch sử: lần đầu xAI cạnh tranh sòng phẳng với o1/o3 Giải toán/thuật toán nhảy vọt	Context 128K hạn chế; đã retired trên API	Giải thuật toán phức tạp, phân tích logic	Xem bài gốc ↗
Grok 3 mini	xAI	25/02/2025	~70B MoE / Dense (ước tính)	131,072 tokens (~128K)	16,384 tokens	$0.60	$2.40	$0.15	Tháng 11/2024	Lightweight Deliberate Reasoning	HumanEval: 91.0% Arena Elo: 1515	Bản mini chi phí thấp, suy luận nhanh	Context 128K nhỏ	Giải thích code ngắn, viết test đơn lẻ, học lập trình	Xem bài gốc ↗
Grok 2	xAI	13/08/2024	314B MoE (ước tính kiến trúc Grok)	131,072 tokens (~128K)	8,192 tokens	$2.00	$10.00	$0.50	Tháng 07/2024	Standard Multimodal Pre-Reasoning	HumanEval: 82.5% Arena Elo: 1470	Thế hệ đầu tích hợp hình ảnh + dữ liệu X	Coding cơ bản, dễ hallucination framework mới	Mô hình di sản đời đầu (Legacy)	Xem bài gốc ↗
Muse Spark 1.3 (Flagship)	Meta	02/09/2026	~400B – 500B MoE (ước tính nội bộ Meta)	1,000,000 tokens (~1M)	65,536 tokens	$1.25 (Standard) / $0.10 (Contributor)	$4.25 (Standard) / $0.20 (Contributor)	$0.15 (Cache)	Tháng 05/2026	Proprietary Multimodal Agentic Reasoning (Meta Superintelligence Labs)	Terminal-Bench 2.1: 88.8% DeepSWE v1.1: 75.4% SWE-Atlas QnA: 59.4% Coding Arena Elo: 1612	FLAGSHIP CODING MỚI NHẤT CỦA META: Chuyển dịch sang mô hình thương mại đóng Vận hành trực tiếp engine cho 'Muse Code' CLI Giảm 20% tool calls và 25% token so với Spark 1.2 Terminal-Bench 2.1 đạt tới 88.8%, DeepSWE 75.4%	Là model độc quyền (closed weights); gói Contributor chia sẻ dữ liệu với Meta	Engine số 1 cho terminal coding agent, giải quyết bug repo thực tế, agent tự động dài hạn	Xem bài gốc ↗
Muse Glimmer (Open-Weights)	Meta	10/08/2026	30B Dense (Chính thức)	500,000 tokens (~500K)	32,768 tokens	$0.30 (qua Cloud) / $0 (Self-host)	$0.90 (qua Cloud) / $0 (Self-host)	$0.05	Tháng 04/2026	Efficient Open-Weight Reasoning (30B Dense)	HumanEval+: 93.2% SWE-bench Lite: 58.0% Arena Elo: 1570	Đại diện mở hiếm hoi của dòng Muse: kích thước 30B chạy nhẹ nhàng trên 1 GPU nội bộ Kế thừa khả năng code agent từ gia đình Muse Hoàn toàn tự do self-host bảo mật	Khả năng reasoning phức tạp chưa bằng bản closed-weight Spark 1.3	Tự host coding agent nội bộ trên máy trạm doanh nghiệp, offline code assistant	Xem bài gốc ↗
Muse Spark 1.2	Meta	05/08/2026	~400B MoE (ước tính)	1,000,000 tokens (~1M)	65,536 tokens	$1.25 (Standard) / $0.10 (Contributor)	$4.25 (Standard) / $0.20 (Contributor)	$0.15 (Cache)	Tháng 04/2026	Agentic Terminal CoT Reasoning	Terminal-Bench 2.1: 82.9% DeepSWE v1.1: 59.3%	Bản phát hành cùng lúc với công cụ terminal 'Muse Code' Đạt 82.9% trên Terminal-Bench 2.1 ngay khi ra mắt Tự động thu gọn và nén context để chống tràn bộ nhớ	Đã được Spark 1.3 kế thừa và tối ưu hóa vượt trội hơn về số lượt gọi tool	Terminal coding, tự động build/test trong môi trường CLI	Xem bài gốc ↗
Muse Spark 1.1	Meta	09/07/2026	~350B MoE (ước tính)	1,000,000 tokens (~1M)	32,768 tokens	$1.25 (Standard) / $0.10 (Contributor)	$4.25 (Standard) / $0.20 (Contributor)	$0.15 (Cache)	Tháng 03/2026	Multimodal Foundation Reasoning	Arena Elo: 1585 HumanEval: 92.5%	Đánh dấu bước ngoặt lịch sử: Meta chính thức ra mắt dòng mô hình đóng cạnh tranh trực tiếp với OpenAI/Claude Multimodal kết hợp đọc hình ảnh thiết kế UI	Phiên bản đầu tiên của dòng Muse, đã được nâng cấp lên 1.2 và 1.3	Mô hình nền tảng thế hệ đầu của hệ Muse	Xem bài gốc ↗
Llama 4 Scout (10M Context)	Meta	05/04/2025	109B MoE (17B active – 16 experts, Chính thức)	10,000,000 tokens (~10M)	65,536 tokens	$0.40 (qua Cloud) / $0 (Self-host)	$1.20 (qua Cloud) / $0 (Self-host)	$0.10 (Cache)	Tháng 12/2024	Open-Weight MoE (109B Total / 17B Active) – Ultra-Long Context	Needle-In-A-Haystack: 99.9% ở 10M tokens SWE-bench Verified: ~68%	KỶ LỤC THẾ GIỚI MỞ: Ngữ cảnh 10 TRIỆU TOKENS vô địch Nạp toàn bộ kho lưu trữ mã nguồn và commit git hàng năm 17B active chạy siêu mượt	Reasoning giải thuật cực khó không bằng các model chuyên biệt của dòng Muse Spark	Đọc và audit toàn bộ kho mã nguồn khổng lồ, tra cứu lịch sử commit nhiều năm	Xem bài gốc ↗
Llama 4 Maverick	Meta	05/04/2025	400B MoE (17B active – 128 experts, Chính thức)	1,000,000 tokens (~1M)	65,536 tokens	$0.80 (qua Cloud) / $0 (Self-host)	$2.40 (qua Cloud) / $0 (Self-host)	$0.20 (Cache)	Tháng 12/2024	MoE High-Capacity (400B Total / 17B Active – 128 Experts)	SWE-bench Verified: 75.8% Coding Arena Elo: 1588 HumanEval+: 93.5%	Sức mạnh suy luận tương đương các flagship thương mại lớn 128 experts giúp chuyên biệt hóa sâu cho nhiều ngôn ngữ lập trình Context 1M tokens tiêu chuẩn	Cần phần cứng máy chủ lớn nếu muốn tự host toàn bộ 400B weights	Tự host trên private cloud enterprise, xây dựng AI coding assistant nội bộ	Xem bài gốc ↗
Llama 3.3 70B	Meta	06/12/2024	70B Dense (Chính thức)	131,072 tokens (~128K)	8,192 tokens	$0.12 (qua Cloud) / $0 (Self-host)	$0.30 (qua Cloud) / $0 (Self-host)	$0.03	Tháng 12/2023	Dense Instruction-Tuned (Tối ưu hóa từ 405B)	HumanEval: 88.6% Arena Elo: 1530 Math-500: 91.2%	Hiệu năng ngang ngửa bản 405B tiền nhiệm nhưng kích thước chỉ 70B Chạy mượt mà trên 1 máy tính trạm 2x GPU RTX 4090 / A100 Chuẩn mực open-weight toàn cầu	Giới hạn context 128K; max output 8k hạn chế khi sinh file lớn	Triển khai on-premise cho startup và phòng ban R&D, viết code hàng ngày	Xem bài gốc ↗
Llama 3.2 90B Vision	Meta	25/09/2024	90B Multimodal Dense (Chính thức)	131,072 tokens (~128K)	8,192 tokens	$0.35 (qua Cloud) / $0 (Self-host)	$0.90 (qua Cloud) / $0 (Self-host)	$0.08	Tháng 12/2023	Multimodal Vision-Language Reasoning	DocVQA: 90.1% WebDev Arena: 1515	Đọc hiểu hình ảnh thiết kế UI, sơ đồ luồng dữ liệu, ảnh chụp kiến trúc Tự sinh mã nguồn frontend từ mockup hình ảnh mã nguồn mở	Tốc độ sinh code chậm hơn bản text thuần 70B; context 128K	Chuyển ảnh mockup giao diện sang React/HTML nội bộ	Xem bài gốc ↗
Llama 3.1 405B	Meta	23/07/2024	405B Dense (Chính thức)	131,072 tokens (~128K)	8,192 tokens	$1.50 (qua Cloud) / $0 (Self-host)	$3.00 (qua Cloud) / $0 (Self-host)	$0.30	Tháng 12/2023	Dense Frontier Foundation Architecture	HumanEval: 89.0% Arena Elo: 1540	Mô hình dense mã nguồn mở lớn nhất lịch sử AI thế giới (405 tỷ tham số) Kiến thức lập trình nền tảng sâu sắc, dùng làm nguồn synthetic data	Yêu cầu cụm 8x H100 để tự host (chi phí hạ tầng ban đầu cực lớn)	Distill mô hình nhỏ, làm teacher model sinh synthetic dataset cho công ty	Xem bài gốc ↗
Mistral Large 4 (Flagship – nicknamed Le Chonk)	Mistral AI	06/10/2026	1T MoE (52B active – Granular MoE, Chính thức)	1,000,000 tokens (~1M)	65,536 tokens	$2.00	$6.00	$0.20 (Cache)	Tháng 06/2026	Granular Mixture-of-Experts (1T Total / 52B Active) + Frontier Reasoning	Terminal-Bench 4.0: Dẫn đầu DeepSWE v1.1: 74.8% Coding Arena Elo: 1616+ SWE-bench Verified: 92.5%	FLAGSHIP MỚI NHẤT CỦA MISTRAL (10/2026): Kiến trúc MoE 1 nghìn tỷ tham số (52B active) Cực mạnh về suy luận agentic đa tầng và giải quyết tác vụ kỹ thuật phần mềm phức tạp Dẫn đầu Terminal-Bench 4.0 và đạt DeepSWE v1.1 74.8%	Yêu cầu cụm máy chủ lớn nếu muốn tự host toàn bộ 1T tham số; bản open-weights đầy đủ phát hành cuối tháng 10	Kiến trúc phần mềm phân tán, agent tự trị xử lý bug repo phức tạp, hệ thống enterprise	Xem bài gốc ↗
Devstral 2 (Software Engineer)	Mistral AI	09/12/2025	123B Dense (Chính thức)	256,000 tokens (~256K)	32,768 tokens	$0.40	$2.00	$0.10 (Cache)	Tháng 08/2025	Agentic Software Engineering & Tool-Calling Engine (123B Dense)	SWE-bench Verified: 62.5% HumanEval+: 93.8% Aider Polyglot: Top Tier	Chuyên biệt hóa cao độ cho kỹ sư phần mềm và agentic workflows Khả năng tự lập kế hoạch (plan), sửa lỗi và chạy terminal kiểm thử tự động Chi phí vận hành rất kinh tế	Context 256K nhỏ hơn chuẩn 1M của Large 4; max output 32k	Tự động hóa chu trình phát triển CI/CD, giải quyết issue GitHub tự động, refactor module	Xem bài gốc ↗
Codestral (codestral-2508)	Mistral AI	15/08/2025	22B Dense (Chính thức)	256,000 tokens (~256K)	32,768 tokens	$0.30	$0.90	$0.05 (Cache)	Tháng 03/2025	Fill-in-the-Middle (FIM) + Code Specialization (22B Dense)	HumanEval: 91.5% RepoBench: Hàng đầu FIM Benchmark: 96.0% Arena Elo: 1560	Vua tốc độ và Fill-in-the-Middle (FIM): hỗ trợ hơn 80 ngôn ngữ lập trình Khả năng sinh code giữa 2 đoạn mã với độ chính xác 96% Kích thước 22B cực nhẹ, chạy mượt trên 1 GPU nội bộ	Không tối ưu cho các bài toán kiến trúc hệ thống lớn hay logic suy luận đa bước phức tạp	Inline autocomplete thời gian thực trên IDE (VS Code, JetBrains), viết unit test nhanh, sinh code snippet	Xem bài gốc ↗
Mistral Medium 3.5	Mistral AI	14/05/2026	~70B MoE (ước tính)	128,000 tokens (~128K)	16,384 tokens	$0.80	$2.40	$0.15 (Cache)	Tháng 01/2026	Balanced Enterprise Reasoning Engine	Coding Arena Elo: 1575 SWE-bench Lite: 51.0% HumanEval: 89.2%	Cân bằng hoàn hảo giữa trí tuệ và chi phí cho các tác vụ kỹ thuật hàng ngày Khả năng tuân thủ JSON schema và gọi API function calling rất chuẩn mực	Context 128K bị giới hạn khi phân tích toàn bộ repository lớn	Lập trình viên hàng ngày, code review nội bộ, phân tích và trích xuất dữ liệu kỹ thuật	Xem bài gốc ↗
Pixtral Large (124B)	Mistral AI	18/11/2024	124B Multimodal Dense (Chính thức)	128,000 tokens (~128K)	8,192 tokens	$2.00	$6.00	$0.30 (Cache)	Tháng 07/2024	Multimodal Vision-Language Reasoning (124B Dense)	DocVQA: 93.3% WebDev Arena Elo: 1530 MathVista: 69.0%	Mô hình đa phương thức hàng đầu của Mistral: đọc hiểu hình ảnh kiến trúc, flowchart, mockup UI Phân tích sơ đồ hệ thống và tự chuyển đổi thành code cấu trúc	Tốc độ sinh code chậm hơn bản chuyên code thuần; max output 8,192 tokens	Chuyển mockup và diagram thành mã nguồn, phân tích ảnh chụp màn hình giao diện web/app	Xem bài gốc ↗
DeepSeek-V4 Pro	DeepSeek	13/08/2026	~1T MoE (CSA/HCA, ~48B active, ước tính)	1,000,000 tokens (~1M)	384,000 tokens	$0.30 – $1.30 (theo giờ)	$1.00 – $2.00	$0.08 (Cache cực rẻ)	Tháng 04/2026	Hybrid Attention (CSA/HCA) + Multi-level Reasoning (Think/Non-think)	DeepSWE v1.1: 72.5% SWE-bench Verified: 91.4% Coding Arena Elo: 1602	Max output lên tới 384K tokens (kỷ lục sinh code liên tục) Kiến trúc CSA/HCA giảm bộ nhớ KV cache 70% khi chạy repo lớn Giá API siêu rẻ, hỗ trợ native agentic	Giờ cao điểm (peak hours) đôi lúc bị bận nghẽn API trên server chính thức	Lựa chọn số 1 về giá/hiệu năng cho backend, agent refactor repo lớn, tối ưu TCO	Xem bài gốc ↗
DeepSeek-V4 Flash	DeepSeek	13/08/2026	~67B MoE (12B active, ước tính)	1,000,000 tokens (~1M)	65,536 tokens	$0.15	$0.60	$0.04 (Cache)	Tháng 04/2026	Fast Compressed Stream Inference	HumanEval+: 93.0% Arena Elo: 1565	Chi phí siêu rẻ nhất hành tinh cho một model đạt context 1M Tốc độ sinh token cực nhanh (>120 tokens/giây) Rất mạnh về script Python/Bash	Reasoning các bài toán thiết kế kiến trúc phân tán còn hạn chế	Tự động hóa CI/CD, viết unit test hàng loạt, sinh migration script chi phí tối thiểu	Xem bài gốc ↗
DeepSeek-R1 (Flagship Reasoning)	DeepSeek	20/01/2025	671B MoE (37B active, Chính thức)	128,000 tokens (~128K)	64,000 tokens	$0.55	$2.19	$0.14 (Cache)	Tháng 07/2024	Large-Scale Reinforcement Learning (Pure CoT Reasoning)	AIME 2024: 79.8% Codeforces: 2050+ SWE-bench Verified: 49.2%	Mô hình thuần suy luận mã nguồn mở đầu tiên đánh bại nhiều model đóng Cực kỳ xuất sắc trong giải toán, giải thuật toán LeetCode Hard và debug logic ẩn	Tốc độ sinh code chậm do cơ chế thinking dài; không có multimodal	Giải các bài toán thuật toán hóc búa, debug race condition và logic phức tạp	Xem bài gốc ↗
DeepSeek-V3	DeepSeek	26/12/2024	671B MoE (37B active, Chính thức)	163,840 tokens (~164K)	8,192 tokens	$0.27	$1.10	$0.07 (Cache)	Tháng 07/2024	Multi-head Latent Attention (MLA) + DeepSeekMoE (671B / 37B Active)	HumanEval: 82.6% SWE-bench Verified: 42.0% Arena Elo: 1550	'Cơn địa chấn' AI cuối năm 2024: hiệu năng tiệm cận Claude 3.5 với chi phí 1/10 Đầy đủ trọng số mở (MIT License), cộng đồng hỗ trợ khổng lồ	Max output chỉ 8,192 tokens; context 164K chưa bằng chuẩn 1M hiện nay	Triển khai production API giá rẻ, code backend hàng ngày	Xem bài gốc ↗
DeepSeek-Coder-V2.5	DeepSeek	05/09/2024	236B MoE (21B active, Chính thức)	128,000 tokens (~128K)	8,192 tokens	$0.14	$0.28	$0.03	Tháng 06/2024	Code-Specialized MoE (236B / 21B Active)	HumanEval: 90.2% Aider Polyglot: Hàng đầu thời điểm 2024	Chuyên biệt hóa cao độ cho 338 ngôn ngữ lập trình Hỗ trợ cấu trúc ngữ cảnh code chuyên nghiệp (Fill-in-the-Middle)	Thế hệ cũ hơn V3/V4; không có khả năng suy luận agentic đa bước	Autocomplete mã nguồn trên IDE, viết boilerplate đa ngôn ngữ	Xem bài gốc ↗
Qwen 3.8-Max (Flagship)	Alibaba Cloud	18/06/2026	~1.2T MoE (ước tính)	1,000,000 tokens (~1M)	65,536 tokens	$2.00	$6.00	$0.20 (Cache)	Tháng 03/2026	Autonomous Agentic Reasoning + Native Multimodal Vision	SWE-bench Verified: 82.4% WebDev Arena Elo: 1605 HumanEval+: 94.2%	Flagship toàn năng nhất của Alibaba Cloud: cực mạnh về multimodal và agentic Chuyển đổi thiết kế Figma/ảnh mockup sang React/Tailwind chuẩn xác nhất Đa ngôn ngữ xuất sắc	Giá API cao nhất trong các dòng model Trung Quốc	Frontend coding từ thiết kế UI, agentic tool-calling quy mô lớn, đa ngôn ngữ	Xem bài gốc ↗
Qwen 3-Coder-Turbo	Alibaba Cloud	15/05/2026	480B MoE (35B active, Chính thức)	262,144 tokens (~262K)	32,768 tokens	$0.30	$1.00	$0.05 (Cache)	Tháng 01/2026	Streamlined Code Agent Engine	Aider Polyglot: Top 3 toàn ngành SWE-bench Lite: 56.5%	Thiết kế riêng cho các coding agent tốc độ cao Khả năng bám sát định dạng git diff và JSON schema hoàn hảo Chi phí cạnh tranh	Context 262K thấp hơn bản Max 1M	Tích hợp làm engine cho các công cụ coding CLI (Aider, OpenCode, Continue)	Xem bài gốc ↗
Qwen 2.5-Coder-32B-Instruct	Alibaba Cloud	12/11/2024	32.5B Dense (Chính thức)	131,072 tokens (~128K)	8,192 tokens	$0.66 (Cloud) / $0 (Self-host)	$1.00 (Cloud) / $0 (Self-host)	$0.05	Tháng 06/2024	Dense Code-Specialized (Open Weights – Apache 2.0)	HumanEval: 92.7% SWE-bench Verified: 39.8% EvalPlus: Top 1 open 32B	'TƯỢNG ĐÀI OPEN-SOURCE CODING': chạy mượt trên 1 GPU RTX 4090 (với quantization) Hiệu năng coding ngang ngửa các model dense 70B khác Hoàn toàn tự do thương mại	Max output chỉ 8k; context 128K hạn chế cho repo đồ sộ	Mô hình số 1 để lập trình viên tự host offline trên máy cá nhân hoặc server công ty	Xem bài gốc ↗
Qwen 2.5-Coder-7B-Instruct	Alibaba Cloud	12/11/2024	7.6B Dense (Chính thức)	131,072 tokens (~128K)	8,192 tokens	$0.20 (Cloud) / $0 (Self-host)	$0.40 (Cloud) / $0 (Self-host)	$0.02	Tháng 06/2024	Ultra-Lightweight Open Weights	HumanEval: 88.4% MBPP+: 81.5%	Chạy nhẹ nhàng trên laptop phổ thông (Mac M-series, card 8GB VRAM) Tốc độ sinh code cực nhanh (>80 tok/s) Tích hợp tốt với Ollama/LM Studio	Không giải được các vấn đề kiến trúc hệ thống hay logic hóc búa	Inline code completion thời gian thực trên VS Code / Cursor	Xem bài gốc ↗
Qwen 2.5-Max	Alibaba Cloud	20/01/2025	~1T MoE (ước tính)	131,072 tokens (~128K)	8,192 tokens	$1.60	$4.80	$0.40	Tháng 11/2024	Frontier Cloud Foundation MoE	Arena Elo: 1560 MMLU-Pro: 85.5%	Nền tảng flagship đám mây đầu 2025 của Alibaba Khả năng reasoning tổng quát và suy luận logic đa ngành rất cao	Đã bị Qwen 3.8-Max vượt qua về cả context 1M lẫn khả năng agentic	Xử lý nghiệp vụ doanh nghiệp kết hợp lập trình đa chức năng	Xem bài gốc ↗
GLM-5.3 (Flagship)	Zhipu AI (Z.ai)	28/08/2026	~700B MoE (ước tính)	1,000,000 tokens (~1M)	128,000 tokens	$1.40	$4.40	$0.26 (Prompt Cache)	Tháng 05/2026	Long-Horizon Systems Reasoning + Open Weights (MIT)	SWE-bench Verified: 88.2% Terminal-Bench: 84.0% Arena Elo: 1598	Chuyên gia về 'Vibe Coding' và kỹ thuật phần mềm dài hạn (long-horizon) Không bị mất ngữ cảnh (context drift) khi phiên làm việc kéo dài hàng chục bước Mã nguồn mở MIT tự do thương mại	Tốc độ sinh code ở mức vừa phải (không quá nhanh như DeepSeek Flash)	Agentic engineering dài hạn, refactor kiến trúc module phức tạp, doanh nghiệp cần mã nguồn mở	Xem bài gốc ↗
GLM-5.2	Zhipu AI (Z.ai)	10/06/2026	~700B MoE (ước tính)	1,000,000 tokens (~1M)	65,536 tokens	$1.20	$3.80	$0.20 (Cache)	Tháng 02/2026	Systems Engineering Agentic Mode	SWE-bench Verified: 83.5% Arena Elo: 1582	Khả năng chịu tải tác vụ kỹ thuật liên tục rất tốt Tích hợp sâu vào các công cụ phát triển phần mềm nội địa và quốc tế	Đã có bản GLM-5.3 hoàn thiện hơn về tự sửa lỗi	Xây dựng pipeline agent phát triển phần mềm doanh nghiệp	Xem bài gốc ↗
GLM-5	Zhipu AI (Z.ai)	20/02/2026	~400B MoE (ước tính)	200,000 tokens (~200K)	32,768 tokens	$1.00	$3.20	$0.18	Tháng 11/2025	Advanced Agentic Reasoning	SWE-bench Verified: 74.0% Arena Elo: 1565	Thế hệ mở màn đưa Zhipu AI vào đường đua agentic coding quốc tế Khả năng gọi hàm (Tool Calling) chính xác cao	Context 200K bị hạn chế so với bản 5.2/5.3 (1M)	Viết test case, sinh mã tự động theo API spec	Xem bài gốc ↗
GLM-4-Plus	Zhipu AI (Z.ai)	16/08/2024	~130B Dense (ước tính)	128,000 tokens (~128K)	8,192 tokens	$1.40	$1.40	$0.15	Tháng 06/2024	Flagship Foundation LLM	Arena Elo: 1540 HumanEval: 85.0%	Mô hình nền tảng vững chắc của Zhipu tương đương GPT-4o thời điểm 2024 Giá input/output phẳng, độ ổn định cực cao	Chưa có cơ chế Extended Thinking hiện đại; max output nhỏ	Duy trì các hệ thống enterprise cũ của Zhipu AI	Xem bài gốc ↗
GLM-4-Flash / CodeGeex-4	Zhipu AI (Z.ai)	05/07/2024	9B Dense (Chính thức)	128,000 tokens (~128K)	4,096 tokens	$0.00 (Miễn phí API cơ bản) / $0.10	$0.00 / $0.10	N/A	Tháng 04/2024	Ultra-Fast Free/Cheap Inference (Open Weights)	HumanEval: 82.0%	Miễn phí trên web/API cơ bản của Zhipu AI CodeGeex-4 chuyên biệt viết code cho VS Code/JetBrains extension Siêu nhẹ và nhanh	Yếu ở các bài toán suy luận logic sâu và kiến trúc đa tầng	Tiện ích mở rộng tự động hoàn thành code (Copilot miễn phí)	Xem bài gốc ↗
Kimi K3 (Flagship)	Moonshot AI	16/07/2026	2.8T MoE (16/896 active experts – Kỷ lục MoE, Chính thức)	1,000,000 tokens (~1M)	65,536 tokens	$3.00	$15.00	$0.30 (Prompt Cache)	Tháng 03/2026	2.8T MoE (Stable LatentMoE) + Native Multimodal Video/Image	LiveCodeBench: Hàng đầu SWE-bench Verified: 89.5% Arena Elo: 1610	KỶ LỤC 2.8 NGHÌN TỶ THAM SỐ: Mô hình mở lớn nhất thế giới của Moonshot AI Đa phương thức bản địa: xem video màn hình debug và phân tích giao diện UI Tối ưu cho GPU kernel, chip design và game development	Yêu cầu nạp tối thiểu để mở khóa API; giá output $15 tương đối cao	Frontier engineering: viết kernel CUDA/Triton, thiết kế vi mạch, phát triển game phức tạp	Xem bài gốc ↗
Kimi K2.5	Moonshot AI	15/03/2026	~1T MoE (ước tính)	1,000,000 tokens (~1M)	32,768 tokens	$2.00	$10.00	$0.20	Tháng 11/2025	Long-Context Engineering Agent Engine	SWE-bench: 76.0% Needle-In-Haystack: 99.9%	Cột mốc đưa Kimi đạt context 1 triệu tokens với độ trung thực dữ liệu cao Nền tảng thử nghiệm ban đầu của Kimi Code CLI	Đã chính thức ngừng hỗ trợ từ 31/08/2026 để tập trung cho K3	Mô hình chuyển tiếp (Deprecated 08/2026)	Xem bài gốc ↗
Kimi K2	Moonshot AI	20/11/2025	~500B MoE (ước tính)	500,000 tokens (~500K)	16,384 tokens	$1.50	$6.00	$0.15	Tháng 07/2025	Reinforcement Learning + Long Context	HumanEval: 89.5% Arena Elo: 1550	Mô hình khởi đầu cho dòng K-series chuyên sâu về kỹ thuật phần mềm Tối ưu hóa chuỗi suy luận dài	Đã ngừng hỗ trợ cùng đợt dọn dẹp hệ thống 08/2026	Mô hình di sản (Deprecated)	Xem bài gốc ↗
Kimi k1.5	Moonshot AI	15/01/2025	~70B MoE / Dense (ước tính)	131,072 tokens (~128K)	32,768 tokens	$1.00	$4.00	$0.10	Tháng 10/2024	Long-to-Short Context RL Reasoning	AIME 2025: 78.5% Math-500: 93.0% LiveCodeBench: 45.2%	Bước đột phá của Moonshot AI trong huấn luyện Reinforcement Learning Điểm số STEM và giải toán giải thuật tăng vọt so với thế hệ v1	Context 128K đã bị K3 vượt qua hoàn toàn	Giải thuật toán, phân tích logic toán học và khoa học dữ liệu	Xem bài gốc ↗
Moonshot-v1-128k	Moonshot AI	20/03/2024	~100B Dense (ước tính)	131,072 tokens (~128K)	4,096 tokens	$1.50	$1.50	$0.15	Tháng 01/2024	Pioneer Ultra-Long Context Architecture	Needle-In-Haystack: 99.5% (2024) Arena Elo: 1510	TƯỢNG ĐÀI LỊCH SỬ: Mô hình đầu tiên mở ra kỷ nguyên siêu ngữ cảnh dài của AI Trung Quốc Đọc hiểu tài liệu và codebase hàng trăm trang không mất thông tin	Thế hệ cũ; chính thức ngừng hoạt động ngày 31/08/2026	Mô hình lịch sử kinh điển (Deprecated 08/2026)	Xem bài gốc ↗

Tên Benchmark / Bảng xếp hạng	Đơn vị chủ quản / Nguồn	Phương thức & Tiêu chí đánh giá	Ý nghĩa thực tế & Model dẫn đầu
Terminal-Bench (2.1 & 4.0)	Cộng đồng mã nguồn mở	Đo tương tác bash/zsh, cài đặt package, build, debug runtime trên môi trường shell thực tế.	Mistral Large 4 dẫn đầu 4.0; Muse Spark 1.3 đạt 88.8%. Tiêu chuẩn vàng cho Terminal Coding Agent tự trị.
DeepSWE v1.1	Datacurve & Artificial Analysis	113 bài toán kỹ nghệ phần mềm dài hạn trên repository lớn; sandbox chống học vẹt nghiêm ngặt.	Chỉ số tin cậy nhất hiện nay: Muse Spark 1.3 (75.4%), Opus 5.5 (75.2%), Mistral Large 4 (74.8%), Gemini 3.8 Flash (73.7%).
SWE-bench Verified (& Lite / Pro)	Princeton NLP	500 bài sửa bug GitHub thực tế được kỹ sư người thật xác minh trong môi trường Docker cô lập.	Thước đo kinh điển năng lực sửa bug mã nguồn mở. Grok 4.7 đạt 96.2%, Mistral Large 4 đạt 92.5%, DeepSeek-V4 đạt 91.4%.
Fill-in-the-Middle (FIM)	Cộng đồng IDE & Editor Benchmarks	Chèn code vào giữa 2 đoạn mã có sẵn (tiền tố và hậu tố) để kiểm tra độ khớp logic và cú pháp ngữ cảnh.	Chỉ số quyết định chất lượng Auto-complete trên VS Code, Cursor và JetBrains. Codestral (Mistral) dẫn đầu với 96.0%.
AA Coding Agent Index	Artificial Analysis (Độc lập)	Chỉ số tổng hợp toàn diện: DeepSWE v1.1 + Terminal-Bench 4.0 + SWE-Atlas-QnA.	Đánh giá toàn diện năng lực AI Agent đa năng: sinh code, thao tác command line, debug runtime và hiểu kiến trúc repository.
WebDev & Coding Arena	LMSYS Organization	Đánh giá mù Elo (Blind test): 2 model cùng giải quyết một yêu cầu thực tế, người dùng toàn cầu bình chọn ẩn danh.	Phản ánh chân thực độ hài lòng của cộng đồng dev thế giới về format code, convention, độ hoàn thiện và vibe giao tiếp.
Aider Polyglot	Aider AI	Đo tỷ lệ sửa lỗi thành công và tạo git diff sạch trên 6 ngôn ngữ cốt lõi (Python, JavaScript, TypeScript, Go, Rust, C++).	Đo lường model nào ít gây regression code nhất và bám sát kiến trúc git diff. Qwen 3 Coder, Devstral 2 và Claude Sonnet 5.5 dẫn đầu.
Needle-In-A-Haystack (NIAH)	Cộng đồng đánh giá Long Context	Chèn một mẩu thông tin hoặc đoạn code ngẫu nhiên vào giữa văn bản hàng triệu token để kiểm tra tỷ lệ truy xuất chính xác 100%.	Tiêu chuẩn bắt buộc cho các siêu mô hình ngữ cảnh dài: Llama 4 Scout (10M), Gemini 3.8/4 (1M-2M), Kimi K3 (1M), Mistral Large 4 (1M).
LiveCodeBench	UC Berkeley, MIT & Cornell Team	Bộ kiểm thử lập trình liên tục cập nhật bài toán mới nhất từ LeetCode, Codeforces, AtCoder từ tháng 05/2024 đến nay, hoàn toàn chống học vẹt.	Đánh giá chân thực năng lực giải bài toán thuật toán mới tinh chưa từng xuất hiện trong dữ liệu huấn luyện của AI.
HumanEval / HumanEval+	OpenAI & EvalPlus Team	164 bài toán lập trình Python sinh mã từ docstring (HumanEval), được EvalPlus mở rộng test case gấp 80 lần để quét bẫy lỗi và biên logic.	Thước đo nền tảng kinh điển về khả năng sinh hàm cơ bản không có lỗi cú pháp. Hầu hết model hàng đầu hiện nay đạt trên 90%.
MBPP / MBPP+ (Mostly Basic Python Problems)	Google Research & EvalPlus Team	974 bài toán lập trình Python thực tế bao gồm cấu trúc dữ liệu, thuật toán cơ bản, có bộ unit test kiểm định nghiêm ngặt.	Đo lường độ chuẩn xác khi viết mã Python cơ bản và xử lý tác vụ hàng ngày của lập trình viên.
CyberSec-Bench	Meta & Purdue University	Đo lường năng lực an toàn an ninh mạng: phát hiện lỗ hổng zero-day, ngăn ngừa sinh mã độc và sửa lỗi bảo mật an toàn.	Cực kỳ quan trọng cho DevSecOps và bảo mật ứng dụng. Gemini 3.8 Flash Cyber và GPT-6 Astra dẫn đầu.
FrontierMath (Tier 1 – 4)	Epoch AI	Hàng trăm bài toán toán học nghiên cứu cấp độ Tiến sĩ và Giáo sư hàng đầu, chưa từng được công bố công khai, chống ghi nhớ tuyệt đối.	Đỉnh cao thử nghiệm năng lực suy luận trừu tượng chuyên sâu (Frontier Reasoning). Chỉ các siêu model (Gemini 4 Argon, Claude Opus 5.5, GPT-6 Astra) mới có điểm đột phá ở Tier 4.
Math-500 & AIME (2024 / 2025)	American Invitational Math Exam & Hendrycks Math	500 bài toán khó nhất từ tập dữ liệu MATH và các đề thi học sinh giỏi toán AIME chuẩn mực của Mỹ, yêu cầu lời giải chính xác từng bước.	Thước đo vàng cho năng lực suy luận toán học và cơ chế Chain-of-Thought (Reasoning). DeepSeek-R1, QwQ-32B và OpenAI o-series dẫn đầu.
RepoBench & SWE-Atlas QnA	Salesforce Research & Data-Centric AI Community	Đánh giá khả năng truy xuất ngữ cảnh trên toàn bộ kho mã nguồn lớn (repository-level code retrieval, cross-file in-context learning).	Thước đo khả năng hiểu kiến trúc đa file phức tạp, xác định đúng file/hàm cần sửa trong dự án hàng chục ngàn dòng code.
AutomationBench & FrontierCode	Artificial Analysis & Open Agent Benchmarking	Mô phỏng môi trường làm việc thực tế nơi AI Agent phải thực hiện quy trình tự động hóa nhiều bước: đọc spec, gọi API, cấu hình Docker, sửa test và commit.	Đo lường mức độ tin cậy và tự chủ của AI Agent trong quy trình phát triển phần mềm không cần con người can thiệp từng bước.
Codeforces Rating / Competition Elo	Codeforces Community	Đánh giá mô hình thi đấu trực tiếp trên các bài thi thuật toán xếp hạng Elo của nền tảng thi đấu lập trình Codeforces danh tiếng thế giới.	Đo lường tư duy giải quyết vấn đề dưới áp lực thời gian và tối ưu độ phức tạp tính toán (Time & Space Complexity).
Multimodal Benchmarks (DocVQA, MathVista)	Stanford, UCLA & AI Vision Consortia	Đánh giá khả năng hiểu biểu đồ kiến trúc, ảnh chụp màn hình UI, sơ đồ luồng hệ thống và chuyển đổi mockup Figma thành mã nguồn giao diện.	Thước đo quyết định khả năng hỗ trợ lập trình giao diện (Frontend/UI-UX) và đọc tài liệu kỹ thuật trực quan. Qwen 3.8-Max, Pixtral Large và Gemini Flash dẫn đầu.

Kịch bản công việc (Use-case)	Model đề xuất #1	Lựa chọn thay thế / Mã nguồn mở	Lý do lựa chọn & Tiêu chí kỹ thuật	Chiến lược tối ưu chi phí (TCO)
1. Lập trình hàng ngày (Daily Pair-Programming)	Claude Sonnet 5.5	Mistral Large 4 / DeepSeek-V4 Pro	DeepSWE > 73.7%, ít ảo giác, code chuẩn convention; Mistral MoE 1T cực thông minh.	Bật Prompt Cache trên Sonnet 5.5 ($0.20/1M) hoặc dùng Mistral Large 4 ($0.20 Cache).
2. Inline Auto-complete & Fill-in-the-Middle (FIM) trên IDE	Codestral (codestral-2508)	Qwen 2.5-Coder-7B	Độ chính xác FIM đạt 96.0%, hỗ trợ >80 ngôn ngữ, độ trễ cực thấp, kích thước 22B nhẹ.	Tự host Codestral trên 1 GPU nội bộ hoặc dùng API với giá $0.30 in / $0.90 out.
3. Terminal Coding Agent tự trị (Agent CLI)	Muse Spark 1.3 (Meta)	Devstral 2 (Mistral) / GPT-6.1 Sol	Terminal-Bench đạt >88%, tự chạy build, test và sửa code khi fail, bám sát git diff.	Dùng Devstral 2 với giá $0.40 in / $2.00 out hoặc gói Contributor của Meta ($0.10 in).
4. Bảo mật tuyệt đối / Tự host On-Premise nội bộ	Qwen 2.5-Coder-32B	Codestral 22B / Llama 4 Maverick	Chạy hoàn toàn trên GPU nội bộ (RTX 4090 / A100), không rò rỉ mã nguồn ra bên ngoài.	Chi phí API = $0; tận dụng phần cứng máy chủ sẵn có của công ty.
5. Dự án cá nhân / Khởi nghiệp ngân sách siêu tiết kiệm	DeepSeek-V4 Flash	GLM-5.3 / Gemini 3.8 Flash	Chi phí rẻ hơn các model Mỹ 5-10 lần mà hiệu năng đạt 85-90% flagship.	Dùng DeepSeek-V4 Flash ($0.15/1M in) cho 90% công việc; chỉ gọi model lớn khi tắc logic.
6. Refactor Codebase khổng lồ / Đọc toàn bộ Repo lớn	Llama 4 Scout (10M context)	Mistral Large 4 (1M) / Gemini 3.8 Flash (1M)	Llama 4 Scout chứa được 10 triệu token, Mistral Large 4 MoE 1T phân tích kiến trúc sâu.	Nạp repo 1 lần + tận dụng context caching.
7. Thiết kế Kiến trúc hệ thống lõi & Thuật toán hóc búa	Claude Opus 5.5	Mistral Large 4 / GPT-6 Astra / DeepSeek-R1	Tư duy trừu tượng, mô hình hóa hệ thống và suy luận đa tầng ở mức cao nhất. DeepSeek-R1 giải toán đỉnh.	Chỉ kích hoạt cho giai đoạn Design RFC và giải thuật lõi.
8. Tự động hóa CI/CD, Sinh Test & Quét Log máy chủ	DeepSeek-V4 Flash	Devstral 2 / Grok 4.1 Fast	Tốc độ sinh token siêu nhanh (>120 tok/s), chi phí tối thiểu cho khối lượng lớn.	Tận dụng Batch API hoặc DeepSeek off-peak hours giảm thêm 50%.
9. Tạo UI/UX nhanh từ Mockup / Thiết kế Figma	Qwen 3.8-Max	Pixtral Large / Claude Sonnet 5.5	Multimodal hiểu sâu layout hình ảnh, tạo code Tailwind/React sạch và chuẩn responsive.	Truyền ảnh mockup độ phân giải vừa phải để tiết kiệm token hình ảnh.
10. DevSecOps & Quét lỗ hổng bảo mật zero-day	Gemini 3.8 Flash Cyber	GPT-6 Astra	Gemini Cyber chuyên biệt hóa cho phòng thủ mạng và vá lỗi bảo mật an toàn.	Tích hợp làm một step tự động trong pipeline CI trước khi deploy lên production.