Artificial Analysis
AdoptNền tảng
Nguồn so sánh và benchmark về hiệu năng, giá của mô hình.
Vì sao ở đây
Xếp vào Adopt: 19 bài bằng chứng từ 5 nguồn, chủ yếu là phát hành mô hình, 5 bài trong 30 ngày qua. Độ tin cậy 90%.
Bằng chứng (16)
- 4Hacker News·24/9/2026framework_updateBiểu đồ LLM tối ưu theo ngân sách, cập nhật hằng ngày
Trang này theo dõi các mô hình ngôn ngữ lớn bằng cách so sánh hiệu năng với chi phí gộp trên mỗi 1 triệu token, qua đó nêu rõ lựa chọn tốt nhất theo từng mức ngân sách và mô hình xếp sau. Dữ liệu được cập nhật hằng ngày từ Artificial Analysis và thể hiện các thay đổi như mô hình mới, mô hình bị loại bỏ, hoặc mô hình được chấm điểm/điều chỉnh giá lại.
- 8The New Stack·23/9/2026model_releaseXiaomi mở MiMo-V2.6 với quá trình huấn luyện RL công khai
Xiaomi giới thiệu MiMo-V2.6, một mô hình open-weight quy mô lớn hỗ trợ đa phương thức, ngữ cảnh một triệu token và được quảng bá có hiệu năng tiệm cận nhóm đầu trên các tác vụ lập trình, tác tử, an ninh mạng và nghiên cứu. Công ty đồng thời công khai quá trình huấn luyện reinforcement learning, phát hành trọng số theo giấy phép MIT và chia sẻ thêm một mô hình nhỏ hơn dựa trên Qwen để phục vụ nghiên cứu RL tác tử.
- 6The New Stack·22/9/2026model_releaseClaude Opus 5.5 đứng đầu bảng xếp hạng Artificial Analysis
Artificial Analysis đã công bố đánh giá mô hình suy luận Claude Opus 5.5 của Anthropic và xếp mô hình này ở vị trí số 1 trên Intelligence Index trong số 212 mô hình. Báo cáo cho biết mô hình hỗ trợ đầu vào văn bản và hình ảnh, có ngữ cảnh 1 triệu token, và có chi phí tương đối cao với 4 USD cho mỗi 1 triệu token đầu vào và 20 USD cho mỗi 1 triệu token đầu ra.
- 7Hacker News·22/9/2026model_releasePhân tích MiMo-V2.6-Pro của Xiaomi
Artificial Analysis đã công bố bài đánh giá về điểm chuẩn, giá và hiệu năng của mô hình mã nguồn mở MiMo-V2.6-Pro do Xiaomi phát hành. Báo cáo cho biết mô hình xếp hạng cao về năng lực, hỗ trợ đầu vào văn bản, hình ảnh, giọng nói và video với ngữ cảnh 1 triệu token, nhưng tốc độ chậm hơn mức trung bình và hơi dài dòng.
- 7Ars Technica AI·15/9/2026researchMô hình AI mở gần bắt kịp mô hình tiên phong với chi phí thấp hơn nhiều
Một báo cáo của Mozilla cho biết khoảng cách hiệu năng giữa các mô hình AI tiên phong của các công ty Mỹ và các mô hình open-weights tốt nhất từ Trung Quốc đã thu hẹp còn 4,4 tháng. Báo cáo cũng kết luận rằng mô hình mở thường là lựa chọn mặc định tốt hơn cho các tác vụ thông thường, còn mô hình đóng chỉ thật sự xứng đáng ở các công việc chuyên môn cao, tác vụ ngữ cảnh dài và truy xuất dữ liệu cường độ lớn.
- 7Hacker News·5/9/2026framework_updateArtificial Analysis cập nhật Intelligence Index v4.2
Artificial Analysis đã phát hành Intelligence Index v4.2 với các bài đánh giá phức tạp hơn, tập kiểm tra ẩn và cải tiến chấm điểm nhằm hạn chế việc “lách” điểm số. Bản cập nhật bổ sung AA-Briefcase và GDP.pdf, đồng thời điều chỉnh trọng số của bảng xếp hạng và công bố kết quả mới do Anthropic và OpenAI dẫn đầu.
- 9InfoQ·3/9/2026model_releaseOpenAI công bố system card cho GPT-6 Astra
OpenAI đã công bố system card cho GPT-6 Astra, nêu các cân nhắc về an toàn, năng lực và triển khai của mô hình. Thảo luận trên Hacker News cũng nhắc đến các cải thiện được ghi nhận trên ARC-AGI-3 và Artificial Analysis Coding Agent Index, cho thấy mức độ quan tâm lớn đến hiệu năng và hồ sơ an toàn của mô hình.
- 6Hacker News·2/9/2026model_releaseMultiverse ra mắt mô hình suy luận Quasar 438B cho tác vụ agent
Multiverse Computing đã ra mắt Quasar 438B, một mô hình suy luận 438 tỷ tham số được nén để phục vụ lập trình và các agent doanh nghiệp. Công ty cho biết mô hình này có tốc độ và hiệu quả tốt, nhưng nhiều chi tiết quan trọng về kỹ thuật nén, yêu cầu phần cứng và hiệu năng thực tế vẫn chưa được công bố.
- 7The New Stack·1/9/2026model_releaseMeta ra mắt Muse Voice Transcribe cho nhận dạng giọng nói thời gian thực
Meta đã phát hành Muse Voice Transcribe, một mô hình nhận dạng giọng nói thời gian thực mà công ty cho biết vượt trội hơn các hệ thống tương đương trên nhiều chuẩn đo lường, gồm cả phiên âm tiếng Anh trực tuyến và nhận diện người nói. Mô hình hỗ trợ hơn 70 ngôn ngữ, các cuộc hội thoại dài và đã có mặt qua API cùng các ứng dụng của Meta, nhưng Meta sẽ không công bố trọng số mở.
- 7Hacker News·21/8/2026researchChi phí cho mức thông minh của LLM đã giảm 100 lần
Bài viết cho rằng tiến bộ của mô hình ngôn ngữ lớn không chỉ nằm ở việc nâng trần năng lực, mà còn ở việc giảm mạnh chi phí để đạt được cùng một mức năng lực. Dựa trên dữ liệu đánh giá, bài viết nêu rằng một mức năng lực từng tốn 1,22 USD mỗi tác vụ vào tháng 2 nay chỉ còn 0,022 USD, qua đó mở ra các quy trình AI khối lượng lớn vốn trước đây chưa khả thi.
- 7The New Stack·20/8/2026model_releaseUpstage ra mắt Solar Pro 4 cho các quy trình tác tử AI ổn định
Upstage AI đã ra mắt Solar Pro 4, một mô hình LLM thương mại đóng được định vị cho độ tin cậy của tác tử, suy luận ngữ cảnh dài, hiểu tài liệu và sử dụng công cụ trong các quy trình vận hành thực tế. Công ty cho biết mô hình này nhằm giảm số lần thử lại, lỗi đầu ra và lãng phí token, đồng thời ghi nhận mức sử dụng ban đầu cao cùng kết quả benchmark tích cực và các tích hợp với OpenRouter và Hermes Agent.
- 5Hacker News·18/8/2026researchGLM-5.3 đạt kết quả cao trên bộ benchmark của Artificial Analysis
Artificial Analysis đã công bố kết quả benchmark cho GLM-5.3 (max), một mô hình suy luận độc quyền với cửa sổ ngữ cảnh 1 triệu token. Mô hình này xếp hạng cao về năng lực, tốc độ cao hơn mức trung bình và có mức giá trung bình so với các mô hình cùng phân khúc, dù đầu ra khá dài.
- 6Simon Willison·17/8/2026breakthroughQwen 3.8 27B đạt 52 điểm trên chỉ số Artificial Analysis
Simon Willison cho biết Qwen 3.8 27B đạt 52 điểm trên Artificial Analysis Intelligence Index. Ông lưu ý điểm này ngang với GPT-5.6 Luna (max) và chỉ kém GLM-5.2 (max) cùng DeepSeek V4 Pro 0813 (max) một điểm, dù Qwen chỉ có 27 tỷ tham số.
- 8Hacker News·12/8/2026model_releaseGrok 4.6 đạt nhóm dẫn đầu chỉ số AI với chi phí thấp hơn
Grok 4.6 đạt 61 điểm trên Artificial Analysis Intelligence Index, ngang với GPT-5.6 Sol bản tối đa và tiến sát nhóm mô hình dẫn đầu. Mô hình này cũng cho thấy hiệu năng tác tử mạnh trên các bài đo về tri thức, ngân hàng và terminal, trong khi giá vẫn giữ ở mức 2/6 USD cho mỗi triệu token đầu vào/đầu ra.
- 6Hacker News·6/8/2026researchQwen3.8 Max đứng đầu bảng xếp hạng agentic của Artificial Analysis
Artificial Analysis đã cập nhật Intelligence Index lên v4.1.1 và công bố đánh giá mới cho Qwen3.8 Max. Mô hình này hiện được xếp hạng là tốt nhất trên agentic index theo bộ benchmark độc lập của trang. Bản cập nhật cũng đi kèm thay đổi phương pháp và điểm số mới cho một số mô hình khác, nhưng điểm đáng chú ý nhất là Qwen3.8 Max vươn lên vị trí dẫn đầu.
- 5Hacker News·31/7/2026model_releaseDeepSeek V4 Flash 0731 đạt thứ hạng cao trong phân tích mô hình
Artificial Analysis cho biết DeepSeek V4 Flash 0731 (Reasoning, Max Effort) đạt điểm cao trên Intelligence Index, nằm trong nhóm mô hình open-weight dẫn đầu ở cùng phân khúc kích thước. Mô hình có ngữ cảnh 1 triệu token, 13 tỷ tham số hoạt động trên tổng 284 tỷ tham số, và mức giá đầu vào/đầu ra khá cạnh tranh so với các đối thủ cùng loại.