Báo cáo chỉ số AI: Claude Fable 5 dẫn đầu hiệu năng nhưng chi phí đắt gấp 100 lần DeepSeek V4 Pro

Theo tin từ IT ngày 9 tháng 7, trang tin công nghệ The Decoder đã đăng tải bài viết vào ngày hôm qua (8 tháng 7), cho biết Artificial Analysis vừa bổ sung 6 chỉ số kiểm thử ngành, trong đó mô hình Claude Fable 5 của Anthropic đã càn quét bảng xếp hạng khi giành vị trí số 1 ở tất cả các hạng mục.

Vào ngày 7 tháng 7, Artificial Analysis đã đăng tải thông tin trên nền tảng X, giới thiệu bộ chỉ số năng lực hoàn toàn mới (gồm 8 chỉ số) dựa trên hệ thống phân loại nghề nghiệp O*NET của Mỹ. Bộ chỉ số này tập trung vào 6 lĩnh vực ngành nghề bao gồm: Tài chính & Kế toán, Luật, Y tế & Y học, Chiến lược & Vận hành, Kỹ thuật và Kinh tế, với trọng số được phân bổ theo tần suất xuất hiện của các kỹ năng trong nhiệm vụ chuyên môn.

Trong cả 8 chỉ số, Claude Fable 5 (sử dụng Opus 4.8 làm mô hình dự phòng) đều đứng vị trí thứ 1; Claude Opus 4.8 (max) giành vị trí thứ hai ở 6 hạng mục, 2 vị trí thứ hai còn lại thuộc về GPT-5.5 (xhigh) của OpenAI.

Đối với các mô hình mở (open-weight), GLM-5.2 (max) dẫn đầu ở 5 trong số 6 chỉ số ngành. GLM-5.2 (max) đạt 53 điểm và xếp thứ năm trong chỉ số chuẩn mực kỹ thuật, chỉ kém 2 điểm so với Claude Sonnet 5 (max) và GPT-5.5 (xhigh).

Về khía cạnh chi phí, Claude Fable 5 có chi phí cho mỗi nhiệm vụ trong chỉ số Chiến lược & Vận hành là 3,48 USD, cao hơn gấp 100 lần so với DeepSeek V4 Pro max (0,03 USD), trong khi mức cải thiện hiệu suất giữa hai mô hình chỉ là 12 điểm.

DeepSeek V4 Flash (max) có chi phí hoàn thành nhiệm vụ trên cả 6 chỉ số đều dưới 0,04 USD, đồng thời đạt mức điểm ở tầm trung. IT đính kèm dữ liệu liên quan như sau:

Thông báo quảng cáo: Các liên kết chuyển hướng bên ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian sàng lọc, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết của IT đều bao gồm thông báo này.