So sánh thực tế khả năng lập trình ứng dụng: Grok 4.5, GPT-5.5, Claude Opus 4.8 và Fable 5

Grok 4.5 đã ra mắt trong tuần này và được xAI gọi là mô hình thông minh nhất của họ từ trước đến nay, được "huấn luyện cùng với Cursor" để phục vụ công việc lập trình và tác vụ đại lý (agentic work). Cách yêu thích của cộng đồng mạng để kiểm chứng khả năng của một mô hình lập trình mới là các cuộc thi "build-off": đưa cho nó một câu lệnh, xem nó tạo ra ứng dụng gì, rồi đăng clip lên. Vì vậy, chúng tôi đã thực hiện điều đó, nhưng theo cách bài bản.

Chúng tôi đã đưa cho Grok 4.5, GPT-5.5, Claude Opus 4.8 và Claude Fable 5 cùng ba câu lệnh giống hệt nhau: xây dựng một tệp HTML đơn lẻ, khép kín (không thư viện, không gọi mạng) cho một ứng dụng tương tác. Mỗi mô hình chỉ được thực hiện một lần, không có sự hỗ trợ hay tinh chỉnh câu lệnh. Sau đó, chúng tôi tải từng kết quả lên trình duyệt thực tế, kiểm tra và ghi lại những gì xảy ra. Mọi clip dưới đây đều là kết quả thô từ mô hình và bạn có thể nhấp vào "play it live" để tự mình chạy ứng dụng đã tạo.

Một quy tắc về lỗi: nếu ứng dụng hoàn toàn không hiển thị, chúng tôi cho phép thử lại đúng một lần và sẽ thông báo cho bạn khi chúng tôi sử dụng quyền này.

Vòng 1: Khối Rubik 3D có thể xáo trộn và tự giải

Xây dựng một khối Rubik 3D đầy màu sắc với các nút 'Scramble' (Xáo trộn) và 'Solve' (Giải). Khối Rubik phải hiển thị hoạt ảnh xoay các mặt.

Đây là thử thách khó. Nó đòi hỏi toán học 3D thực thụ, trạng thái cho từng mặt và hoạt ảnh, tất cả trong một tệp duy nhất.

Chạy thử trực tiếp: Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5

Các mô hình Claude đã giành chiến thắng ở vòng này. Cả Opus 4.8 và Fable 5 đều tạo ra một khối Rubik 3D chuẩn xác, đúng màu sắc, có thể xáo trộn và giải với các lượt xoay có hoạt ảnh ngay từ lần thử đầu tiên. Grok 4.5 đã vấp ngã ở đây: lần thử đầu tiên chỉ hiển thị tiêu đề và các nút bấm mà không có khối Rubik nào (một khoảng trống), vì vậy chúng tôi đã sử dụng quyền thử lại duy nhất, và lần thử thứ hai đã tạo ra một khối Rubik 3D sạch sẽ, đầy màu sắc. GPT-5.5 là trường hợp ngoại lệ khi chỉ hiển thị một mặt tối với rất ít màu sắc thay vì một khối hoàn chỉnh. Người chiến thắng: Opus và Fable, đồng hạng.

Vòng 2: Hộp cát mô phỏng trọng lực hạt

Một hộp cát tương tác mô phỏng trọng lực hạt trên canvas: hàng trăm hạt với các đường đuôi, nhấp chuột để thêm một vật hút khối lượng lớn. Hãy làm cho nó thật mê hoặc.

Chạy thử trực tiếp: Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5

Tất cả đều tạo ra một hộp cát hoạt động tốt, vì vậy kết quả phụ thuộc vào cảm nhận cá nhân. GPT-5.5 tạo ra phiên bản mê hoặc nhất: các vật hút neon rực rỡ với những đường đuôi màu sắc dày đặc, cuộn xoáy. Grok 4.5 đi theo phong cách gọn gàng và quỹ đạo, với các vòng hút ngăn nắp và các hạt chuyển động đầy màu sắc. Fable 5 thiên về các quả cầu phát sáng mềm mại, còn Opus 4.8 tạo ra trường hạt bận rộn nhất, giống như mạng nhện, vật lý tuyệt vời nhưng ít bắt mắt hơn một chút. Người chiến thắng: GPT-5.5, dựa trên cảm nhận (vibes).

Vòng 3: Trò chơi Breakout có thể chơi được

Một trò chơi Breakout/phá gạch có thể chơi được trên canvas: thanh đỡ di chuyển theo chuột, bóng phá vỡ các viên gạch màu sắc, có tính điểm và mạng sống.

Chạy thử trực tiếp: Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5

Kết quả ngang bằng. Cả bốn mô hình đều tạo ra một trò chơi phá gạch bóng bẩy, thực sự có thể chơi được với điểm số, mạng sống và thanh đỡ phát sáng ngay từ lần thử đầu tiên. Grok 4.5 và GPT-5.5 thiên về phong cách arcade neon nhất (GPT thậm chí còn tự ghi điểm trong khi tập lệnh của chúng tôi điều khiển bóng). Nếu phải xét nét, cả bốn đều đạt chất lượng để phát hành. Người chiến thắng: tất cả.

Các số liệu: tốc độ và chi phí

Bản demo đẹp là một chuyện; chi phí vận hành mỗi mô hình là bao nhiêu? Chúng tôi tự đo lường bằng hệ thống riêng (ba câu lệnh cố định bao gồm lập trình, suy luận và tóm tắt, mỗi câu lệnh thực hiện ba lần, giới hạn 400 token đầu ra) thông qua cùng một nhà cung cấp mà ứng dụng sử dụng. Thông lượng (throughput) là số token đầu ra chia cho tổng độ trễ thực tế, được đo đồng nhất cho mọi nhà cung cấp.

Đây là nơi Grok 4.5 thể hiện sức mạnh. Nó đạt token đầu tiên trong chưa đầy nửa giây, truyền tải ở mức ~110 token/giây (gấp đôi mọi mô hình khác ở đây) và là phản hồi rẻ nhất trong nhóm, đúng với thông điệp "trí thông minh trên mỗi đơn vị thời gian và chi phí" mà xAI đã đưa ra. Độ trễ trung bình của nó chỉ ở mức trung bình vì nó khá dài dòng (nó viết nhiều token nhất cho mỗi câu trả lời) và có độ trễ đuôi cao (p95 khoảng 9 giây). GPT-5.5 phản hồi nhanh nhất với các câu trả lời ngắn, Opus 4.8 cân bằng ở giữa, còn Fable 5 chậm nhất và đắt nhất, cái giá phải trả cho vị trí dẫn đầu bảng xếp hạng trí thông minh.

Vòng thưởng: vẽ thứ gì đó kỳ lạ

Lập trình là một khía cạnh; trí tưởng tượng không gian là một khía cạnh khác. Chúng tôi yêu cầu mỗi mô hình tạo một tệp SVG viết tay duy nhất (không raster, không thư viện) về một cảnh tượng cố tình ngớ ngẩn: một con ngựa cưỡi trên lưng một phi hành gia đang đi bộ trên mặt trăng. Đảo ngược vai trò, hai nhân vật, một tệp.

Các tệp SVG thô: Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5

Fable 5 đã chiếm trọn sự chú ý: một con ngựa đội mũ cao bồi hét lên "Giddy-up, human!" (Đi nào, con người!) trong khi một phi hành gia khom lưng thở hổn hển "hff... hff...". Đó không chỉ là vẽ, đó là hài kịch. GPT-5.5 đứng thứ hai với một con ngựa vui vẻ hét lên "WHEE!". Grok 4.5 hoàn thành yêu cầu một cách gọn gàng với một cảnh tượng đầy màu sắc, dễ đọc. Opus 4.8 cũng vẽ một con ngựa trên lưng phi hành gia đầy cá tính, nhưng tệp SVG thô của nó bị lỗi trùng lặp thuộc tính khiến các trình phân tích SVG nghiêm ngặt gặp khó khăn (chúng tôi đã hiển thị nó một cách linh hoạt cho hình ảnh trên), một điểm trừ nhỏ nhưng có thật về độ chính xác.

Kết luận

Tiêu đề trung thực: trong ngày ra mắt, Grok 4.5 đã đối đầu trực diện với những mô hình tốt nhất hiện nay và giành chiến thắng tuyệt đối về tốc độ và chi phí. Bạn muốn tự mình kiểm chứng bằng câu lệnh riêng? Mọi mô hình ở đây đều chạy trên một tài khoản TryAI, trả phí theo mức sử dụng. Hãy duyệt qua các mô hình và bắt đầu cuộc thi build-off của riêng bạn.

Tự mình trải nghiệm

Mọi mô hình được đề cập ở đây đều có sẵn trên TryAI với một tài khoản duy nhất, trả phí theo mức sử dụng, không cần đăng ký thuê bao.