Mỗi lần mô hình lớn mới ra mắt, mọi người thường hỏi cùng câu: nó có mạnh hơn mô hình trước không?
Nhưng trong công việc hằng ngày tại API Hop, chúng tôi quan tâm điều khác hơn: cùng một việc cần hoàn thành, mô hình mới có làm tốt hơn, nhanh hơn không? Phải chờ bao lâu? Tốn bao nhiêu? Có còn cần người can thiệp chỉnh sửa không?
Lần này, nội dung thử nghiệm chúng tôi tìm hiểu về GPT-6 Astra, Claude Fable 5.1 và Gemini 4 Carbon gồm đánh giá năng lực tổng hợp, dữ liệu agent lập trình, ca sửa dự án thật, cùng kiểm thử tác vụ dài, viết và làm web.
Kết luận trước: tác vụ khác nhau, cách đánh giá khác nhau
| Việc cần làm | Trọng tâm | Kết quả hiện có |
|---|---|---|
| Sửa lỗi, chỉnh mã hiện có | Tỷ lệ sửa, kiểm thử hồi quy, phạm vi sửa và chi phí hoàn thành | Fable hoàn thành nhiều hơn trong bộ 64 bài; Astra có phí thấp hơn |
| Chạy agent lập trình | Chỉ số agent cùng phiên bản, phí, thời gian chờ | Tổ hợp thử Carbon, Fable và Astra có đánh đổi riêng |
| Sắp xếp tư liệu, giao báo cáo hoặc trình bày | Đánh giá chuyên biệt công việc tri thức, độ đúng sự thật, lượng sửa thủ công | Fable cao nhất trong cấu hình AA-Briefcase chúng tôi đối chiếu |
| Nghiên cứu tự chủ lâu dài | Nghiệm thu thành quả cuối, phát hiện lỗi, giao đúng lúc | Ca tác vụ dài công khai cho thấy chạy rất lâu và giao đạt yêu cầu là hai chuyện |
| Viết bài, tạo trang đích | Cấu trúc, nhất quán thương hiệu, chức năng và thời gian sửa | Có ca thật Astra/Fable; quy trình tiếp thị tiếng Trung thường của Carbon còn cần thử |
Kết luận của chúng tôi: các mô hình khác nhau thể hiện khác nhau trong ngữ cảnh nghiệp vụ khác nhau.
Thông tin cơ bản của ba mô hình
Trước tiên xem thông tin cơ bản từ nguồn chính thức.
| Hạng mục | GPT-6 Astra | Claude Fable 5.1 | Gemini 4 Carbon |
|---|---|---|---|
| Tên mô hình chính thức | GPT-6 Astra | Claude Fable 5.1 | Gemini 4 Carbon |
| Độ dài ngữ cảnh | 1M token | 1M token | 1M token |
| Đầu ra tối đa | 128,000 token | 128,000 token | 1,048,576 token |
Có điểm dễ bỏ sót: bản thân mô hình và công cụ sử dụng nó không phải một thứ. Ví dụ cùng tác vụ lập trình, cho mô hình làm qua Codex, Claude Code hoặc Antigravity CLI thì đọc tệp, chạy lệnh, quản lý ngữ cảnh và hành vi thử lại có thể khác. Kết quả cuối thực chất là kết quả của mô hình + công cụ + cấu hình.
Nếu chỉ đưa đoạn bài để trau chuốt, khác biệt có thể không rõ; nếu để chạy nhiều giờ trong kho mã lớn, môi trường công cụ thường rất quan trọng.
Năng lực tổng hợp: Carbon cao nhất, không có nghĩa thắng chắc mọi tác vụ
Trước tiên xem đánh giá tổng hợp cùng phiên bản.
| Mô hình và cấu hình | Chỉ số tổng hợp (cao hơn tốt hơn) | Chi phí API có trọng số mỗi tác vụ (thấp hơn tốt hơn) |
|---|---|---|
| Gemini 4 Carbon (high) | 59 | $7.76 |
| GPT-6 Astra (max) | 57 | $6.24 |
| Claude Fable 5.1 (max, dự phòng mặc định) | 49 | $12.99 |
Artificial Analysis Intelligence Index v5.0 · Cao hơn tốt hơn · Thanh bắt đầu từ 0, toàn thang 60; không phải phần trăm.
- Carbon · high59
- Astra · max57
- Fable 5.1 · max / dự phòng mặc định49
Carbon dẫn đầu phiên bản chỉ số tổng hợp này. Mô hình mới của Google thực sự đáng chú ý, nhất là suy luận phức tạp, tri thức và tác vụ khoa học.
Chi phí API trung bình của Astra trên bộ tác vụ này thấp hơn hai cấu hình còn lại được liệt kê.
Điểm tổng hợp Fable thấp hơn không có nghĩa yếu trong mọi công việc. Kiểm thử chuyên biệt công việc tri thức bên dưới cho kết quả khác.
Chọn gì để viết mã? Chúng tôi chú ý chất lượng bản sửa và chi phí thực
Xem dữ liệu agent lập trình cùng phiên bản trước
Công việc phát triển thường dựa kho mã để triển khai yêu cầu, sửa lỗi và nộp kết quả, nên chúng tôi dùng đánh giá agent lập trình.
| Tổ hợp mô hình + công cụ | Chỉ số agent | Phí API trung bình mỗi tác vụ | Thời gian chạy trung bình mỗi tác vụ |
|---|---|---|---|
| Carbon high + Antigravity CLI | 59 | $7.74 | 29.8 phút |
| Fable 5.1 max/dự phòng mặc định + Claude Code | 58 | $11.53 | 35.3 phút |
| Astra max + Codex | 55 | $7.04 | 24.8 phút |
Đánh giá agent lập trình cùng phiên bản · Đơn vị: phút · Thấp hơn tốt hơn · Thang 0–40; điểm và phí ở bảng trên.
- Carbon high + Antigravity CLI29.8 phút
- Fable 5.1 max / dự phòng mặc định + Claude Code35.3 phút
- Astra max + Codex24.8 phút
Tổ hợp Carbon có điểm cao hơn; Astra + Codex nhanh hơn và phí API trung bình thấp hơn trong dữ liệu này; Fable + Claude Code ở giữa về điểm nhưng phí và thời gian cao hơn.
64 bài lập trình: Fable làm nhiều hơn nhưng hóa đơn cũng đắt hơn
So với chỉ nhìn điểm tổng hợp, chúng tôi thấy kiểm thử imec/aistack gần câu hỏi nhà phát triển quan tâm hơn: lỗi đã sửa chưa? Yêu cầu đã xong chưa? Tốn bao nhiêu?
| Chỉ số | Astra + Codex | Fable 5.1 + Claude Code |
|---|---|---|
| Tác vụ giải quyết | 34 / 64 | 51 / 64 |
| Tỷ lệ giải quyết (chúng tôi tính từ số lượng) | 53.1% | 79.7% |
| Tổng phí 64 bài | khoảng €53 | khoảng €121 |
| Chi phí trung bình mỗi tác vụ đã giải quyết | khoảng €1.56 | khoảng €2.37 |
imec/aistack · Cùng bộ 64 bài lập trình · Thanh biểu thị số hoàn thành, thang 0–64.
- Astra + Codex34 / 64 · 53.1%
- Fable 5.1 + Claude Code51 / 64 · 79.7%
Kết quả thú vị: Fable giải thêm 17 bài, tổng phí tăng khoảng €68. Nếu dự án rất coi trọng tỷ lệ hoàn thành bài khó, 17 bài này có thể quan trọng hơn tiền tiết kiệm; nếu mỗi ngày xử lý nhiều tác vụ đơn giản, chi phí và tốc độ lại quan trọng hơn.
Cùng lỗi Gradle: cả hai sửa được, vì sao nhà phát triển thích hợp nhất bản Fable hơn?
Còn một ca nhỏ hơn nhưng rất gần phát triển hằng ngày.
Chúng tôi thấy blog kỹ thuật Gradle cho hai agent sửa cùng vấn đề cấu hình tài liệu, dùng cùng kho mã và ràng buộc tác vụ. Kết quả: cả hai đều đạt.
| Chỉ số | Astra + Codex | Fable 5.1 + Claude Code |
|---|---|---|
| Kết quả sửa | PASS | PASS |
| Thời gian | 12 phút 03 giây | 14 phút 21 giây |
| Phí API | $3.54 | $4.34 |
| Có thêm kiểm thử hồi quy không | Không | Có |
Vì sao nhà phát triển cuối cùng thích hợp nhất thay đổi Fable hơn? Chúng tôi đối chiếu khác biệt: Fable sửa phạm vi cấu hình cụ thể hơn, cách viết gần phong cách kho mã và bổ sung kiểm thử hồi quy; Astra giải quyết vấn đề hiện tại nhưng phạm vi cấu hình rộng hơn, có thể gây ảnh hưởng bất ngờ khi thêm đối tượng cùng loại sau này.
So với ai xong nhanh hơn hai phút, bài học của ca này là: hoàn thành chỉ là năng lực cơ bản nhất. Còn phải xem sửa có quá rộng không, có kiểm thử hồi quy không và người sau có duy trì được không.
Khi rà soát mã, suy luận nhiều hơn chưa chắc tốt hơn
Chúng tôi đã nhiều lần nêu quan điểm này khi giới thiệu mô hình khác, và trong phát triển của mình cũng cảm nhận rõ rằng suy luận nhiều hơn không nhất thiết cho kết quả tốt hơn.
| Cấu hình rà soát Fable 5.1 | Tỷ lệ tìm lại vấn đề đã biết | Độ chính xác bình luận | Thời gian trung bình mỗi mục |
|---|---|---|---|
| Low | 61.0% | 37.3% | 18 phút 38 giây |
| High | 57.1% | 36.4% | 21 phút 36 giây |
Trong quy trình rà soát mã này, High chậm hơn và chỉ số tổng thể không tốt hơn. Vì vậy đừng thấy tham số High, Max rồi mặc định đáng trả thêm thời gian, phí. Hiệu quả thực vẫn phải thử trong bối cảnh nghiệp vụ.
Nghiên cứu và tư liệu: chạy được, trả kết quả chưa có nghĩa đầu ra hữu ích
Ở kiểm thử công việc tri thức, vị trí Fable đảo chiều
Đổi loại tác vụ để xem kết quả có thay đổi không.
| Mô hình và cấu hình | Điểm AA-Briefcase |
|---|---|
| Fable 5.1 max/dự phòng mặc định | 1669 Elo |
| Carbon high | 1609 Elo |
| Astra max | 1568 Elo |
Đây là lý do không nên chỉ nhìn một bảng tổng hợp: cùng nhóm mô hình, đổi sang tác vụ tri thức thì thứ tự tương đối thay đổi.
Nếu cần sắp xếp khảo sát khách hàng, viết báo cáo hoặc làm tư liệu công việc, có thể đưa Fable vào danh sách ưu tiên thử.
Tác vụ nghiên cứu ngân sách $10,000 vẫn có thể bị từ chối bài
CRUX có đánh giá tác vụ dài rất đáng xem: giao vấn đề nghiên cứu từ bài chưa công bố cho Astra và Fable 5.1, cung cấp ngân sách nghiên cứu $10,000, cuối cùng để tác giả nghiên cứu gốc duyệt bài tạo ra.
Chúng tôi thấy hai mô hình tiến bộ ở thiết kế thí nghiệm và dùng tài nguyên, nhưng cả hai bài cuối đều bị chuyên gia từ chối rõ ràng. Nhóm nghiên cứu chỉ ra vấn đề về phán đoán nghiên cứu, đổi mới, giao tiếp và điều chỉnh hướng khi thất bại. Lưu ý hai mô hình xử lý vấn đề khác nhau, nên không thể lấy điểm cuối làm cuộc so sánh hai bên công bằng. Báo cáo nghiên cứu CRUX
Chúng tôi thấy điều này rất có giá trị tham khảo khi thực sự dùng AI nghiên cứu.
Ví dụ, nếu cho mô hình nghiên cứu đối thủ SaaS, thứ thật sự cần không chỉ là 20 trang chữ mà còn giá trích có thật không, tính năng có mới nhất không, nguồn lưu lượng gồm kênh nào, tính năng mới ra có đáng học hỏi không.
Làm lâu có thể tăng lượng đầu ra, nhưng không tự bảo đảm đúng hướng; cuối cùng có thể là một đống nội dung vô ích. Nên viết yêu cầu trước, rồi yêu cầu mô hình điền nội dung theo khung đã chỉ định để tổng thể dễ kiểm soát hơn.
Tác vụ dài năm giờ của Carbon cũng gặp vấn đề giao kết quả
Đánh giá FrontierCS cho mô hình chạy tối đa năm giờ mỗi tác vụ, yêu cầu bổ sung phương pháp đã bỏ khỏi triển khai bài nghiên cứu hoặc nộp phương pháp tốt hơn.
| Chỉ số | Gemini 4 Carbon | Gemini 4 Argon |
|---|---|---|
| Tác vụ đạt | 24 / 48 | 26 / 48 |
| Phí trung bình mỗi lần chạy | $36.90 | $19.52 |
| Trung vị thời gian chạy | 3.2 giờ | 2.4 giờ |
Trong kiểm thử bên thứ ba này, vài lần chạy kết thúc sớm trước khi nộp kết quả do cách agent xử lý tác vụ nền.
Trên tác vụ cả hai cùng nộp kết quả, Carbon có điểm trung bình cao hơn; ở đây chỉ nhắc rằng agent chạy được nhiều giờ có thể đánh giá sai mục tiêu hoặc không hoàn thành giao kết quả cuối.
Viết bài, làm web: ca công khai cho biết gì?
Cùng tư liệu: Fable có cấu trúc tốt hơn, Astra có quy trình nhanh hơn
Trong nghiên cứu, chúng tôi từng giao cùng PDF tư liệu 20 trang cho Fable 5.1 và Astra, yêu cầu tổ chức thành bài dài.
Phần mở và cấu trúc bài Fable hợp sở thích chúng tôi hơn, mạch lạc, chặt chẽ, nhưng Astra hoàn thành toàn quy trình nhanh hơn.
Khi dùng mô hình viết bài, nên chuẩn bị tư liệu đã sắp xếp hoặc ít nhất xác định dàn ý và cấu trúc sơ bộ, mới đánh giá được đầu ra có đạt yêu cầu không.
Làm web: điểm không thể coi trực tiếp là lưu lượng và chuyển đổi
Ảnh chụp trang WebDev Arena ngày 27 tháng 10 năm 2026 cho điểm sau:
| Cấu hình mô hình | Điểm WebDev Arena |
|---|---|
| Astra Max | 1773 ± 10 |
| Carbon High | 1768 ± 15 (sơ bộ) |
| Fable 5.1 Max | 1746 ± 9 |
Nguồn: Bảng gốc WebDev Arena.
Làm web thực chất là tác vụ pha trộn phát triển, viết bài và thích ứng quy tắc tìm kiếm. Dù trình bày điểm WebDev Arena, với kinh nghiệm làm web phong phú của API Hop, cách chúng tôi khuyên là Fable lập kế hoạch bài + Astra phát triển.
So giá: cùng đơn giá token, hóa đơn cuối khác nhau
Chúng tôi thường gặp cách so trực tiếp đơn giá mỗi triệu token rồi chọn thấp nhất. Con số đó quan trọng, nhưng với tác vụ phức tạp có nhiều vòng suy luận, gọi công cụ và thử lại, chỉ nhìn đơn giá mỗi triệu token để quyết định rẻ hơn thực sự không hợp lý.
Xem giá API thông thường chính thức trước
Đơn vị bảng dưới là USD / triệu token; không phải giá bán nền tảng API Hop.
| Hạng mục tính phí | Astra | Fable 5.1 | Carbon giai đoạn ra mắt | Carbon giá tiêu chuẩn sau đó |
|---|---|---|---|---|
| Đầu vào không lưu đệm | $10 | $10 | $2 | $4 |
| Đầu ra | $50 | $50 | $10 | $20 |
| Đọc bộ đệm | $1 | $0.25 | $0.10 | $0.20 |
Còn hai chi tiết dễ ảnh hưởng hóa đơn:
- Astra: Khi đầu vào một yêu cầu vượt 272K token, giá đầu vào và bộ đệm của toàn yêu cầu nhân 2, đầu ra nhân 1.5, không chỉ tăng giá phần vượt ngưỡng.
- Fable 5.1: Nguồn chính thức nói ngữ cảnh 1M dùng giá đầu vào, đầu ra tiêu chuẩn; ghi bộ đệm có phí riêng và khác biệt thời gian giữ.
Nếu lâu dài nhét kho mã lớn, tư liệu rất dài hoặc nhiều lịch sử hội thoại vào ngữ cảnh, cần chú ý quy tắc này, nếu không hóa đơn có thể gây bất ngờ lớn.
Ví dụ tính với lượng dùng cố định
Giả sử yêu cầu dùng đúng 100,000 token đầu vào không lưu đệm, tạo 10,000 token đầu ra tính phí tổng cộng. Tạm bỏ phí công cụ, ghi bộ đệm, thử lại và giá gói đặc biệt.
| Mô hình và giai đoạn giá | Chi phí đầu vào | Chi phí đầu ra | Tổng |
|---|---|---|---|
| Astra | $1.00 | $0.50 | $1.50 |
| Fable 5.1 | $1.00 | $0.50 | $1.50 |
| Carbon giai đoạn ra mắt | $0.20 | $0.10 | $0.30 |
| Carbon giá tiêu chuẩn sau đó | $0.40 | $0.20 | $0.60 |
100,000 token đầu vào + 10,000 token đầu ra tính phí · USD · Thang $0–$1.50; tính theo giá chính thức bảng trên, không phải hóa đơn đo thực hay giá bán nền tảng.
- Astra$1.50
- Fable 5.1$1.50
- Carbon · Giai đoạn ra mắt$0.30
- Carbon · Giá tiêu chuẩn sau đó$0.60
Phép tính bảng này rất đơn giản: token đầu vào / 1,000,000 × đơn giá đầu vào + token đầu ra / 1,000,000 × đơn giá đầu ra.
Dù cố định số token khi tính ở đây, khi chạy thực tế các mô hình có thể suy nghĩ và xuất nội dung dài khác nhau, cũng có thể thử lại số lần khác nhau.
Chi phí mỗi kết quả giao đạt yêu cầu: tiêu chuẩn đánh giá tốt hơn
Nếu tác vụ có ranh giới và điều kiện nghiệm thu rõ, có thể làm như sau:
Chi phí trung bình mỗi kết quả giao đạt yêu cầu = phí API và công cụ của tất cả lần chạy ÷ số tác vụ qua nghiệm thu
Ở đây toàn bộ phí phải gồm thất bại và thử lại. Sau đó ghi riêng thời gian sửa thủ công cho mỗi kết quả thành công; nếu mô hình rẻ hơn $2 nhưng cần sửa thêm nửa giờ, lựa chọn thực tế có thể hoàn toàn khác.
Trang mô hình API Hop liệt kê giá nền tảng và giá tham chiếu chính thức. Nên xem riêng hai loại, theo quy tắc quyết toán thực; giá nền tảng không bằng giá API chính thức. Trang Astra của API Hop · Trang Fable của API Hop · Trang so sánh API
Chúng tôi dùng tác vụ của mình kiểm chứng ba mô hình thế nào?
Nên chia công việc thật thành tác vụ nhỏ có điều kiện nghiệm thu rõ, bắt đầu thử từ một lỗi nhỏ hoặc yêu cầu nhỏ.
Để tái hiện quy trình, chúng tôi chuẩn bị ba loại tác vụ sau. Đây là phương án kiểm thử, không phải kết quả thí nghiệm đã hoàn thành.
| Tác vụ | Tư liệu cung cấp thống nhất | Điều kiện nghiệm thu |
|---|---|---|
| Viết bài cho người dùng thường | Cùng bảng sự kiện, ghi chép phỏng vấn và yêu cầu phong cách | Không bịa sự kiện, không thiếu điểm chính, thống kê thời gian sửa |
| Sửa trang đích sản phẩm | Cùng mã ban đầu, ràng buộc thương hiệu và ba yêu cầu sửa rõ ràng | Chức năng đúng, dùng được trên điện thoại, không phá thương hiệu và logic nghiệp vụ cũ |
| Sửa lỗi xuyên tệp | Cùng phiên bản kho mã, bước tái hiện và kiểm thử độc lập | Sửa vấn đề, không hồi quy, đưa bản ghi kiểm thử thực sự chạy |
Mỗi mô hình truy cập được chạy mỗi loại tác vụ ba lần. Astra và Fable có thể làm một vòng trước; khi Carbon chưa được xác nhận có điểm vào kiểm thử công khai tái hiện được, chúng tôi để trống kết quả tương ứng, tuyệt đối không lấy Argon thay Carbon.
Để dữ liệu hữu ích, cố định phiên bản tư liệu, mô tả tác vụ, giới hạn thời gian và ngân sách. Mỗi lần dùng phiên mới, ghi ID mô hình chính xác, cài đặt suy luận, phiên bản công cụ, có dự phòng không, phí, thời gian và sản phẩm cuối. Khi viết bài, tập trung lỗi sự kiện và sửa thủ công; khi sửa lỗi, tập trung kiểm thử và phạm vi sửa.
Nếu muốn so sánh văn bản, có thể bắt đầu từ mẫu đơn giản này:
Chúng ta cần viết một bài dễ đọc cho người dùng phổ thông dựa trên các tư liệu thực tế dưới đây.
Độc giả: người lần đầu tìm hiểu vấn đề này
Nhiệm vụ: giải thích vấn đề, đưa ra giải pháp có thể thực hiện và giải thích điều kiện áp dụng
Bắt buộc đề cập: [liệt kê 3—5 điểm chính]
Không được làm: thêm dữ liệu không có trong tư liệu, bịa trải nghiệm thử nghiệm, phóng đại kết luận
Đầu ra: nội dung bài viết, nguồn tương ứng cho các thông tin thực tế, thông tin vẫn cần xác nhận
Tư liệu:
[dán cùng một bộ tư liệu]Có nguyên tắc quan trọng: đừng chỉ giữ lần đầu ra đẹp nhất. Tác vụ thất bại, lời gọi lặp và khắc phục thủ công đều là chi phí thực sự xảy ra khi dùng mô hình.
Câu hỏi thường gặp
Gemini 4 Carbon hiện ai cũng dùng được không?
Tính đến ngày 30 tháng 10 năm 2026, không thể hiểu như vậy. Google nói mở trước cho một số tổ chức phòng thủ mạng, rồi dần mở rộng tới đối tác tin cậy. Tổ chức nghiên cứu đã thử không có nghĩa mọi nhà phát triển có quyền API công khai thông thường. Chúng tôi cập nhật theo tiến độ mở chính thức và danh mục mô hình nền tảng thực tế. Thông báo chính thức Google
Astra và Fable có cùng đơn giá đầu vào, đầu ra, vì sao phí tác vụ có thể khác nhiều?
Vì số token dùng, trúng bộ đệm, cường độ suy luận, số lần gọi công cụ và thử lại không giống nhau. Cả hai ghi $10 đầu vào, $50 đầu ra mỗi triệu token vẫn không bảo đảm cùng chi phí sửa một lỗi. Hóa đơn ca Gradle lần lượt $3.54 và $4.34. Thử nghiệm Gradle
Max của Fable 5.1 nhất định tốt hơn mức suy luận thấp hơn?
Chúng tôi chưa thấy bằng chứng cho kết luận tuyệt đối này. Kiểm thử CodeRabbit trên cùng nhóm tác vụ rà soát mã lại thấy cấu hình suy luận cao chậm hơn và tỷ lệ tìm lại tổng thể thấp hơn. Nên dùng cấu hình đạt nghiệm thu trước, rồi xét có đáng tăng suy luận không. Thử nghiệm CodeRabbit
Mô hình nào hợp bài dài tiếng Trung hơn?
Hiện chúng tôi không định xếp hạng chắc chắn ba bên. Có ca viết và chuẩn công việc tri thức, nhưng chưa thành thử ba bên cùng tư liệu, môi trường và chuẩn viết tiếng Trung. Nên dùng cùng tư liệu tiếng Trung để so độ đúng sự thật, cấu trúc, giọng điệu và thời gian sửa.
Vì sao website đánh giá khác nhau cho thứ hạng khác nhau?
Vì bộ tác vụ, cách chấm, cấu hình suy luận, công cụ agent và cách tính phí có thể khác. Kiểm thử tri thức tổng hợp, sửa kho mã thật và tổ chức tài liệu nghiệp vụ vốn không phải cùng việc. Nên kiểm tra ít nhất phiên bản bảng, ngày thử, cài đặt mô hình và điều kiện đạt trước khi dùng kết luận.
Có thể so cùng bài cho cả ba mô hình trực tiếp trên API Hop không?
Có thể đối chiếu mô hình và giá thực khả dụng từ GPT-6 Astra, Claude Fable 5.1 và danh mục mô hình hiện liệt kê trên API Hop, rồi dùng cùng tác vụ văn bản so đầu ra. Hiện chúng tôi không tuyên bố Carbon là mẫu tài khoản thường gọi trực tiếp được. Công cụ văn bản trực tuyến cũng không tương đương môi trường agent đầy đủ chạy mã, tải tệp hoặc duyệt web; khi so agent lập trình cần xác nhận riêng năng lực công cụ.
Cuối cùng, chúng tôi chọn thế nào?
Đặt dữ liệu công khai này cạnh nhau, cách chọn của chúng tôi lại đơn giản hơn.
Nếu sửa lỗi trong kho mã hiện có, ưu tiên thử cùng bài cho Astra và Fable trong dự án của mình: kiểm tra hoàn thành, hồi quy và chi phí bảo trì sau, không chỉ ai xuất mã trước.
Nếu sắp xếp tư liệu, viết báo cáo hoặc nghiên cứu lâu dài, chú ý hơn hiệu quả Fable ở công việc tri thức, cũng xem đánh giá mới Carbon là hướng thử sau; nhưng mô hình nào cũng cần kiểm tra sự kiện và nghiệm thu giao kết quả rõ ràng.
Nếu liên tục tạo bài hoặc trang đích, trước hết tính có đáp ứng yêu cầu nội dung không và mỗi bài cần sửa bao lâu, thay vì dựa bảng năng lực tổng hợp để quyết định toàn quy trình nội dung.
Chúng tôi thấy công thức so thực dụng nhất là: kết quả giao có đạt + toàn bộ phí + thời gian chờ + lượng sửa thủ công.
Nếu muốn thử một tác vụ văn bản thật trước, API Hop cung cấp mô tả mô hình, giá và điểm thử Astra và Fable 5.1, hoặc xem mẫu và điều kiện hiện tại qua trang so API. Chúng tôi cung cấp dịch vụ mô hình, nhưng kiểm thử bên thứ ba trích trong bài không phải thí nghiệm riêng của API Hop; chúng tôi tiếp tục giữ nguồn và giới hạn thử để mọi người tự đánh giá.
Nguồn tư liệu và lịch sử cập nhật
Ngày đối chiếu tư liệu: 2026-10-29. Bảng trích là phiên bản tra được khi đó; giá, quyền mô hình và kết quả đánh giá có thể đổi. Khi có thông tin mở chính thức mới hoặc kiểm thử riêng tái hiện được, chúng tôi ghi thay đổi riêng, không âm thầm lấy dữ liệu mới đè điều kiện thử cũ.
Mô hình và giá chính thức
- OpenAI: thông số và tính phí GPT-6 Astra
- Anthropic: trang mô hình Claude Fable 5.1 chính thức
- Google: Giới thiệu Gemini 4 Carbon, 2026-10-28
Đánh giá và ca độc lập
- Artificial Analysis: kết quả Carbon ở Intelligence Index v5.0
- Artificial Analysis: so Astra và Fable tổng hợp/công việc tri thức
- Artificial Analysis: Antigravity CLI và Codex
- Artificial Analysis: Claude Code và Codex (gồm kết quả phiên bản Fable 5.1)
- imec/aistack: 64 tác vụ lập trình và hóa đơn thực
- Blog kỹ thuật Gradle: hai cách sửa cùng lỗi tài liệu
- CodeRabbit: thử rà soát mã Fable 5.1
- CRUX: tác vụ nghiên cứu mở Astra và Fable
- FrontierCS: tác vụ mã nghiên cứu năm giờ Gemini 4 Carbon
- Aaron Makelky: trải nghiệm viết/web Astra và Fable
- WebDev Arena: bảng làm web
Ghi chú biên tập: ‘Chúng tôi’ trong bài đại diện việc đối chiếu tư liệu, phân tích và khuyến nghị sử dụng của nhóm API Hop, không có nghĩa đã tự lặp lại thí nghiệm bên thứ ba. Mọi phép tính phí ví dụ nêu rõ giả định; điểm và phí từ hệ đánh giá khác nhau không cộng hoặc quy đổi trực tiếp.