Claude Opus 5.5 vs Grok 4.7: Hai mẫu flagship, cách nhau hai mươi tư giờ

Grok 4.7 ra mắt vào ngày 21 tháng 9 năm 2026. Claude Opus 5.5 ra mắt vào ngày hôm sau. Hai mẫu flagship tiên phong trong vòng hai mươi tư giờ, cùng nhắm vào một nhóm người mua từ hai hướng đối lập: Grok 4.7 giữ nguyên mức giá của bản tiền nhiệm ở 2 đô la cho mỗi triệu token đầu vào và 6 đô la cho đầu ra, trong khi Opus 5.5 cắt giảm mức giá của bản tiền nhiệm từ 5/25 đô la xuống 4/20 đô la. Nhìn trên bảng giá niêm yết, Grok 4.7 trông có vẻ chỉ tốn một nửa chi phí so với Claude Opus 5.5, thậm chí còn hơn thế. Nhưng thực tế không phải vậy, và lý do chính là điều hữu ích nhất trong phép so sánh này. Mức giá của Grok 4.7 tăng gấp đôi lên 4/12 đô la một khi prompt vượt quá 200.000 token, và mô hình này rõ ràng dài dòng hơn hẳn — Artificial Analysis đo được mức tăng 113% trong việc sử dụng token suy luận so với Grok 4.6, với khoảng 81.000 token đầu ra bị tiêu tốn cho mỗi tác vụ agentic. Một mức giá rẻ hơn cho một mô hình viết nhiều hơn không có nghĩa là một tác vụ rẻ hơn, và hai hiệu ứng này phải được nhân với nhau thì bảng giá niêm yết mới có ý nghĩa gì.

Những gì mỗi nhà cung cấp thực sự đã phát hành

SpaceXAI đã phát hành Grok 4.7 vào thứ Hai, ngày 21 tháng 9 — vẫn mức giá $2/$6 như cũ và vẫn cửa sổ ngữ cảnh 500.000 token như Grok 4.6, nhưng có mốc kiến thức muộn hơn và một cấp độ suy luận cao nhất mới. Nhà cung cấp cho biết nó được xây dựng trên một mô hình nền tảng lớn hơn so với phiên bản tiền nhiệm và định vị nó cho lập trình, công việc tác tử và lao động tri thức; nó đã có mặt trực tiếp trong Cursor và trong Grok Build, tác tử terminal của chính công ty. Con số Terminal-Bench 4.0 do chính công ty đưa ra là 38%, còn lần chạy độc lập cùng bài kiểm chuẩn đó của Artificial Analysis cho kết quả 33% — mức chênh lệch năm điểm giữa nhà cung cấp và đơn vị đánh giá trên cùng một trục, điều đáng ghi nhớ khi bạn đọc bất kỳ con số đơn lẻ nào từ một trong hai phía.

Anthropic đã phát hành Claude Opus 5.5 vào Thứ Ba, ngày 22 tháng 9 với mức giá 4 USD/20 USD, giảm từ mức 5 USD/25 USD của Opus 5, với giá đọc cache giảm từ 0,50 USD xuống 0,20 USD mỗi triệu token và nhà cung cấp tuyên bố các khối lượng công việc thông thường tốn ít hơn khoảng 40% chi phí để chạy so với phiên bản tiền nhiệm. Mô hình vẫn giữ ngữ cảnh 1M token và giới hạn đầu ra 128K của Opus 5, đồng thời bổ sung chế độ Fast ở mức 8 USD/40 USD mà Anthropic mô tả là bản xem trước nghiên cứu. Các tuyên bố về năng lực do nhà cung cấp tự chạy đối với những đối thủ do Anthropic lựa chọn: Terminal-Bench 4.0 đạt 66,4%, FrontierCode v1.1 đạt 54,4%, GDPval-AA v2.1 đạt 1.846 Elo.

Đặt hai đoạn văn đó cạnh nhau và hình dạng của cuộc đối đầu đã hiện ra rồi. Một nhà cung cấp đã giảm giá một mẫu đã được cải thiện. Bên kia giữ nguyên giá của một mẫu đã được cải thiện. Cả hai đang đặt cược vào việc đáy của thị trường nằm ở đâu, và họ không đồng ý với nhau.

Bảng giá, và hai dòng có thể thay đổi nó

Các số liệu dưới đây được lấy từ danh mục của OrcaRouter, đọc vào ngày 24 tháng 9 năm 2026, và được chuyển tiếp với mức cộng thêm 0% — tức giá niêm yết của nhà cung cấp, không cộng thêm chênh lệch nào.

• Đầu vào — Claude Opus 5.5 ở mức 4,00 đô la mỗi triệu token so với Grok 4.7 ở mức 2,00 đô la; Grok rẻ hơn 50%

• Đầu ra — 20,00 USD mỗi triệu so với 6,00 USD; Grok rẻ hơn 70%

• Đọc cache — 0,20 USD mỗi triệu so với 0,50 USD; dòng giá duy nhất mà Opus 5.5 rẻ hơn, và nó rẻ hơn 60%

• Ngữ cảnh — 1M token cho Claude Opus 5.5 so với 500.000 cho Grok 4.7, đúng gấp đôi

• Đầu ra tối đa — 128.000 token đối với Claude Opus 5.5 so với 450.000 ở Grok 4.7, nhiều hơn gấp ba lần

• Phương thức — cả hai đều nhận văn bản, hình ảnh và tệp, đồng thời trả về văn bản

Yếu tố điều chỉnh đầu tiên là nấc thang theo tier. Mức $2/$6 của Grok 4.7 áp dụng cho prompt dưới 200.000 token; vượt ngưỡng đó, cả hai mức giá đều tăng gấp đôi thành $4/$12. Điều này đưa mức giá đầu vào cho prompt dài của Grok ngang bằng chính xác mức $4.00 cố định của Claude Opus 5.5, đồng thời thu hẹp lợi thế về giá đầu ra từ 70% xuống còn 40%. Ở những prompt rất dài — nơi giới hạn đầu ra 450.000 token của Grok chính là lý do bạn chọn nó — bạn đang phải trả mức giá đầu vào của Opus 5.5 để đạt được điều đó.

Bộ điều chỉnh thứ hai là độ dài dòng, và nó lớn hơn. Artificial Analysis đo được Grok 4.7 sử dụng nhiều hơn 113% token suy luận so với Grok 4.6 trên cùng các bài đánh giá, với khoảng 81.000 token đầu ra được tiêu thụ cho mỗi tác vụ agentic trong một báo cáo đã công bố. Token suy luận được tính phí như token đầu ra trên mọi API trong so sánh này. Với mức 20,00 đô la mỗi triệu của Opus 5.5, 81.000 token đầu ra tốn 1,62 đô la. Với mức 6,00 đô la của Grok 4.7, cùng 81.000 token tốn 0,49 đô la — vẫn bằng một phần ba giá, nên lợi thế vẫn còn — nhưng tỷ lệ giờ là 3,3× thay vì 3,3× trên giấy và nhỏ hơn đáng kể trên thực tế khi áp dụng mức đọc bộ nhớ đệm thấp hơn của Opus 5.5 cho phần tiền tố được gửi lại của một phiên agent dài. Mức tiết kiệm đầu ra 70% được quảng cáo trên bảng giá không phải là mức tiết kiệm bạn sẽ ghi nhận.

Nếu bạn muốn một minh họa rõ ràng nhất cho việc tại sao giá token là đơn vị sai: cùng một yêu cầu agentic với 30.000 token đầu vào, 8.000 token đầu ra tốn khoảng 28 xu trên Opus 5.5 và 11 xu trên Grok 4.7. Thay vào đó, hãy đặt đầu vào thành 250.000 token thì mức giá gấp đôi của Grok đưa chi phí lên khoảng 1,10 USD, so với 1,16 USD của Opus 5.5. Khoảng cách giá niêm yết đi từ 2,5× xuống còn một sai số làm tròn, mà không có thay đổi nào ngoài độ dài của prompt.

Các điểm số độc lập đều chỉ về cùng một hướng.

Trên Intelligence Index của Artificial Analysis, Claude Opus 5.5 đạt 58 ở cấu hình nỗ lực tối đa và 54 ở mức nỗ lực cao, đứng đầu trong số các mô hình mà đơn vị đánh giá này theo dõi. Grok 4.7 đạt 46 điểm — cao hơn Grok 4.6 hai điểm và thấp hơn mức điểm ở cấu hình nỗ lực tối đa của Opus 5.5 mười hai điểm. Đó là khoảng cách lớn nhất trong bài viết này và đây là dữ liệu của bên thứ ba, không phải của nhà cung cấp.

Các bảng khác của cùng nhà đánh giá này có phần ưu ái Grok hơn, và khoảng cách giữa chúng mới là phần thú vị. Trên Coding Agent Index, Grok 4.7 đạt 56 điểm so với 47 của Grok 4.6 — mức tăng chín điểm, lớn hơn mức tăng hai điểm về trí tuệ tổng quát, cho thấy bản phát hành này là một bản cập nhật về lập trình hơn là một bản cập nhật tổng quát. Trên AA-Briefcase, bảng công việc tri thức tầm xa của nó, Grok 4.7 đạt 1.657 Elo ở vị trí thứ tư, sau ba mục của Anthropic và trước Claude Opus 5 ở mức nỗ lực xhigh. Ba bảng, ba kết luận khác nhau, tất cả đều từ cùng một nhà đánh giá trong cùng một ngày.

Vậy là còn một trục mà cả hai bên đều đo: Terminal-Bench 4.0. Anthropic báo cáo 66,4% cho Opus 5.5 ở mức xhigh effort. SpaceXAI báo cáo 38% cho Grok 4.7, còn lượt chạy độc lập của Artificial Analysis đặt nó ở 33%. Dù bạn lấy con số nào cho Grok, khoảng cách với Opus 5.5 nằm trong khoảng 23 đến 33 điểm. Terminal-Bench chỉ là một harness duy nhất, và là harness do nhà cung cấp tự chạy về phía Anthropic, nên nó không phải là phán quyết về mô hình nào — nhưng trên trục này thì đây không phải là chuyện sát nút, và đây là trục gắn bó chặt chẽ nhất với công việc lập trình agentic mà cả hai nhà cung cấp đang nhắm bán vào.

Trong đó mỗi cái là câu trả lời đúng

Lợi thế của Grok 4.7 là có thật và mang tính cấu trúc ở hai điểm. Thứ nhất là công việc có prompt ngắn, khối lượng lớn: dưới 200.000 token với đầu ra khiêm tốn, $2/$6 so với $4/$20 là mức chênh lệch thực sự từ 2,5× đến 3,3× và hình phạt dài dòng là một con số tuyệt đối nhỏ hơn khi toàn bộ tác vụ nhỏ. Thứ hai là giới hạn đầu ra — 450.000 token nhiều hơn ba lần so với 128.000 của Opus 5.5, và đối với việc tạo hàng loạt các tạo tác dài, đó là ràng buộc quyết định liệu một công việc có khả thi hay không.

Lợi thế của Claude Opus 5.5 nằm ở chặng đường dài vận hành tác tử. Cửa sổ ngữ cảnh gấp đôi ở 1 triệu token, mức đọc bộ nhớ đệm thấp hơn 60% và điểm trí tuệ độc lập mạnh nhất trong cặp. Mỗi yếu tố đó đều cộng dồn theo độ dài phiên: việc đọc bộ nhớ đệm được trả tiền trên tiền tố gửi lại ở mỗi lượt, nên mức cắt giảm 60% ở khoản đó mang lại nhiều lợi ích cho một phiên tác tử kéo dài hai giờ hơn mức cắt giảm 70% ở đầu ra mang lại cho một lần sinh duy nhất.

Một lưu ý vận hành cần đi kèm với mọi quyết định về Opus 5.5: mô hình định tuyến hầu hết các yêu cầu an ninh mạng đến Claude Opus 4.8 và công việc sinh học đến Claude Opus 5, trừ khi tài khoản của bạn được xác minh thông qua các chương trình Khoa học Sự sống hoặc Xác minh An ninh mạng của Anthropic. Trong những lĩnh vực đó, chuỗi mô hình trong nhật ký của bạn không phải lúc nào cũng là mô hình đã trả lời. Grok 4.7 không có cơ chế định tuyến lại tương đương, mặc dù thẻ mô hình của riêng nó được cho là cho thấy 3,3% yêu cầu rủi ro vẫn vượt qua ở chế độ cao, với tỷ lệ vi phạm quy tắc cao hơn một chút so với Grok 4.6 — một số liệu an toàn do nhà cung cấp công bố ở phía bên kia của cùng một bảng cân đối.

Cả hai mô hình đều có trên OrcaRouter ở mức giá niêm yết của nhà cung cấp với 0% phụ phí — Claude Opus 5.5 ở mức $4.00/$20.00 với $0.20 cho mỗi lần đọc cache, Grok 4.7 ở mức $2.00/$6.00 với mức phân bậc >200K được áp dụng đúng như nhà cung cấp đặt ra — tất cả nằm sau một khóa duy nhất, nên tỷ lệ chia ở trên có thể được đo trên chính lưu lượng của bạn thay vì phải tranh cãi. Ở nơi cả hai đều được định tuyến, chuyển đổi dự phòng tự động sẽ nằm dưới một trong hai, điều này còn quan trọng hơn mức thông thường đối với hai mô hình được phát hành cách nhau một ngày và vẫn đang trong quá trình ổn định.

Phán quyết mà màn so kè này mang lại: Grok 4.7 là mô hình rẻ hơn trên hầu hết khối lượng công việc và là lựa chọn cho các đầu ra dài; Claude Opus 5.5 là mô hình mạnh hơn ở những nơi phiên làm việc kéo dài, ngữ cảnh sâu và công việc mang tính agentic. Cửa sổ ra mắt 24 giờ khiến chúng trông như những đối thủ. Bảng giá và số lượng token khiến chúng trở thành một sự phân đôi.