DeepSeek V4.1 Flash vs GLM-5.2: Hai mô hình MIT, một câu trả lời nhàm chán

DeepSeek V4.1 Flash và GLM-5.2 là cùng một loại đối tượng, và đó là phần mà hầu hết các so sánh bỏ qua. Cả hai đều là mô hình mixture-of-experts, cả hai đều được phát hành theo giấy phép MIT với trọng số có thể tải xuống, cả hai đều nhận một triệu token ngữ cảnh, và cả hai đều có sẵn thông qua API được lưu trữ từ một nhà cung cấp không huấn luyện chúng. GLM-5.2 ra mắt trước và tại thời điểm phát hành, nó là mô hình trọng số mở có điểm cao nhất trên Artificial Analysis Index với 51 điểm. DeepSeek V4.1 Flash ra mắt vào ngày 10 tháng 9 năm 2026 với tư cách là mô hình nhỏ hơn, mới hơn, rẻ hơn trong dòng kiến trúc mới của DeepSeek. So sánh đáng quan tâm giữa chúng không phải là cái nào thông minh hơn. Mà là cái nào bạn có thể chạy, và với chi phí bao nhiêu, cho công việc bạn thực sự có.

Những gì họ chia sẻ, vốn là phần lớn trong đó

Hãy bắt đầu với những điểm chung, vì nó loại bỏ hầu hết các tiêu chí quyết định thông thường. Nếu bạn đang chọn giữa một mô hình mở và một mô hình đóng, bạn cân nhắc vấn đề lock-in, cân nhắc khả năng tinh chỉnh, cân nhắc liệu nhà cung cấp có thể thay đổi điều khoản với bạn hay không. Không có điều nào trong số đó áp dụng ở đây. Cả DeepSeek V4.1 Flash và GLM-5.2 đều được cấp phép theo MIT với trọng số mà bạn có thể tự tải về và chạy phục vụ. Cả hai đều nhận 1M token đầu vào. Cả hai đều có kiến trúc MoE, nghĩa là cả hai đều rẻ để chạy so với tổng số tham số, vì chỉ một phần nhỏ trọng số được kích hoạt trên mỗi token.

Vậy nên, so sánh không phải là mở so với đóng, và cũng không phải là ngữ cảnh dài so với ngắn. Đó là một tập hợp bốn hoặc năm con số, và những con số này chỉ về một hướng ở chi phí và hướng ngược lại ở mức độ trưởng thành.

Nơi chúng thực sự khác biệt

• Giá trên 1 triệu token — DeepSeek V4.1 Flash $0.15 đầu vào / $0.60 đầu ra ngoài giờ cao điểm so với GLM-5.2 $1.40 đầu vào / $4.40 đầu ra. Đó là gấp hơn 9 lần giá đầu vào và gấp hơn 7 lần giá đầu ra.

• Đầu vào được lưu đệm — V4.1 Flash $0.003 mỗi 1M ngoài giờ cao điểm so với GLM-5.2 $0.26 mỗi 1M. Gần 90 lần, ở đúng khoản mục chiếm phần lớn hóa đơn của một vòng lặp agent.

• Tham số — V4.1 Flash tổng cộng 552B với 8B hoạt động ở đầu vào và 16B ở đầu ra so với GLM-5.2 tổng cộng khoảng 745B với khoảng 40B hoạt động. GLM-5.2 kích hoạt số tham số mỗi token nhiều hơn khoảng hai lần rưỡi.

• Đầu ra tối đa — V4.1 Flash 384K token so với GLM-5.2 128K token. Gấp ba lần giới hạn trần.

• Cửa sổ ngữ cảnh — 1M token mỗi cái. Cấp độ.

• Điểm chỉ số độc lập — GLM-5.2 đạt 51 điểm trên Chỉ số Artificial Analysis, mức cao nhất trong số bất kỳ mô hình trọng số mở nào tại thời điểm phát hành. DeepSeek V4.1 Flash vẫn chưa có số liệu Chỉ số được công bố.

• Độ trễ quan sát được đến token đầu tiên — V4.1 Flash 2,63 giây ở p50 và 9,05 giây ở p95 so với GLM-5.2 2,36 giây ở p50 và 10,00 giây ở p95, trên dữ liệu đo từ xa 7 ngày của chính OrcaRouter. Các giá trị trung vị thì ngang nhau. Còn phần đuôi thì không.

Hướng về giá và hướng về độ trưởng thành thì trái ngược nhau. GLM-5.2 là mô hình có điểm số độc lập và thành tích dài hơn. DeepSeek V4.1 Flash là mô hình có token rẻ hơn, bằng một phần chín giá đầu vào và gấp ba lần trần đầu ra. Không có cách đọc nào về danh sách này mà trong đó một mô hình lại đơn thuần chiếm ưu thế.

Phần đuôi chính là dòng bị đánh giá thấp.

Hầu hết các so sánh mô hình trọng số mở đều mở đầu bằng điểm chỉ số. Thay vào đó, dữ liệu đo độ trễ từ xa mới đáng được chú ý, nhưng không phải vì lý do bạn sẽ nghĩ: các trung vị ngang nhau. Thời gian đến token đầu tiên ở p50 của GLM-5.2 là 2,36 giây so với 2,63 giây của V4.1 Flash, mà đó không phải là một khoảng cách, đó là nhiễu trên một mạng dùng chung. Bất kỳ ai trích dẫn lợi thế token đầu tiên cho mô hình rẻ hơn đều đang đọc sai phân vị.

p95 là điểm mà hai mô hình tách nhau, và hướng đó ngược với những gì khoảng cách giá gợi ý. Thời gian chờ trong trường hợp xấu nhất của GLM-5.2 là 10,00 giây; của V4.1 Flash là 9,05 giây. Điều đó quan trọng hơn số trung vị, vì những yêu cầu mà người dùng để ý chính là những yêu cầu chậm. Một công cụ thường tức thời và đôi khi khựng lại mười giây bị coi là không đáng tin theo cách mà một công cụ ổn định ở mức ba giây không bị như vậy, và trong một vòng lặp agent tỏa ra mười lệnh gọi mỗi lượt, p95 là con số quyết định liệu lượt đó có hoàn tất trong giới hạn kiên nhẫn của một người hay không. Phần đuôi của GLM-5.2 không phải là khuyết điểm; đó là một mô hình lớn hơn đang kích hoạt khoảng 40 tỷ tham số mỗi token và cái giá của nó là như vậy. Nhưng đó là lý do mô hình phù hợp với công việc bất đồng bộ — một hàng đợi, một tác vụ theo lô, một agent chạy nền mà không ai đang theo dõi — hơn là với giao diện yêu cầu–phản hồi.

Không mô hình nào công bố con số thông lượng trên những trang mà chúng ta có thể thấy, và điều đó đáng nói thẳng ra hơn là tự suy diễn cho đầy. Thời gian đến token đầu tiên là chiều đo độ trễ duy nhất mà hai mô hình này có thể được so sánh trên dữ liệu chung, và ở chiều đo đó, cách diễn giải trung thực là chúng ngang bằng ở mức trung vị và sát nhau ở phần đuôi.

Điểm chỉ số giải quyết được gì và không giải quyết được gì

Điểm 51 của GLM-5.2 trên Artificial Analysis Index là một con số có thật, được đưa ra một cách độc lập, và đó là lập luận đơn lẻ mạnh nhất cho mô hình này. Nó cũng là một chỉ số tổng hợp: một con số duy nhất tổng hợp nhiều bộ đánh giá, khiến nó trở thành một bản tóm tắt tốt về năng lực tổng quát nhưng lại là một yếu tố dự báo kém về hiệu suất trên bất kỳ một tác vụ cụ thể nào. Việc có một mô hình đạt 51 điểm và một mô hình không có điểm công bố không giống với việc có một mô hình đạt 51 điểm và một mô hình đạt 40 điểm.

Quan điểm trung thực về DeepSeek V4.1 Flash là hồ sơ độc lập của nó còn mỏng, và lý do là thời gian. Nó mới được phát hành rộng rãi được mười hai ngày. Đợt đánh giá gần đây của bên thứ ba mà nó xuất hiện — bảng xếp hạng agentic-coding Agents on Rails công bố ngày 21 tháng 9 năm 2026 — xếp nó ở mức 17% khi nỗ lực tối đa, giữa bảng, trên GLM-5.3 Flash ở 15% và dưới Gemini 3.8 Flash ở 23%. Đó chỉ là một bảng xếp hạng duy nhất đo một thứ hẹp, và nó không thay thế được cho điểm Index. Bất kỳ ai hiện nay khẳng định V4.1 Flash vượt GLM-5.2 về năng lực đều đang ngoại suy từ kiến trúc và giá, chứ không phải báo cáo một phép đo.

Lý lẽ cho mỗi điều, được trình bày rõ ràng

DeepSeek V4.1 Flash là mô hình nên dùng khi khối lượng công việc lớn, nhạy cảm với độ trễ hoặc nặng về đầu ra. Mức giá bằng một phần chín giá đầu vào và khoảng một phần chín mươi giá đọc bộ đệm là một lợi thế mang tính cấu trúc trong vòng lặp tác nhân vốn đọc lại ngữ cảnh mỗi lượt, và giới hạn đầu ra 384K là một loại đầu ra ở đẳng cấp khác hẳn so với 128K. Nếu tác vụ của bạn là phân loại, trích xuất, tạo cấu trúc dài hay bộ thực thi khối lượng lớn bên trong một pipeline tác nhân, thì chênh lệch chi phí không hề nhỏ — đó là khác biệt giữa một pipeline khả thi và một pipeline bất khả thi.

GLM-5.2 là mẫu bạn nên tìm đến khi cần một chỉ số năng lực đã được công bố, được xác minh độc lập để biện minh cho một quyết định, hoặc khi công việc mang tính bất đồng bộ và thời gian chờ trong trường hợp xấu nhất là mười giây trở nên vô hình. Đây là lựa chọn chín chắn: điểm số đã tồn tại, hành vi đã được ghi lại, mẫu đã được đưa vào vận hành đủ lâu để người khác tìm ra các giới hạn của nó. Điều đó có giá trị thực sự, và giá trị ấy không được phản ánh qua một cột giá.

Khi cả hai đều không rõ ràng là đúng — một trợ lý đa năng xử lý lưu lượng hỗn hợp — nước đi hữu ích không phải là chọn lấy một. Mà là gửi phần lớn lưu lượng đến mô hình rẻ tiền và giữ mô hình đắt đỏ cho những yêu cầu cần đến nó.

Vận hành cả hai như một hệ thống

Vì cả hai mô hình đều là open-weight và đều đã được host sẵn, mẫu tách-và-định tuyến ở đây đặc biệt rẻ để thiết lập, và đây chính là nơi lớp định tuyến của OrcaRouter khẳng định vị trí của mình thay vì chỉ là một lời chào hàng gắn thêm. Cả hai mô hình đều nằm sau một khóa duy nhất, nên quyết định định tuyến là cấu hình thay vì một tích hợp thứ hai: một quy tắc gửi các yêu cầu ngắn, khối lượng lớn đến DeepSeek V4.1 Flash và các tác vụ bất đồng bộ dài đến GLM-5.2 chỉ là vài dòng thay vì một nhánh trong mã ứng dụng của bạn.

Hai thuộc tính của nền tảng đặc biệt quan trọng đối với sự kết hợp này. OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp với mức markup 0%, vì vậy các con số ở trên là mức giá của chính nhà cung cấp và lịch cao điểm của DeepSeek được áp dụng đúng như DeepSeek định nghĩa — cao điểm là 01:00–04:00 và 06:00–10:00 UTC vào các ngày trong tuần, với cuối tuần hoàn toàn ngoài cao điểm, đây là một quyết định lập lịch đáng để đưa ra một cách rõ ràng trên một mô hình rẻ như vậy. Và DSL định tuyến có thể kết hợp nhiều mô hình vào một lệnh gọi, đây là cách tự nhiên để sử dụng hai mô hình open-weight có thế mạnh không trùng nhau: mô hình rẻ tạo ra, mô hình mạnh hơn đánh giá, và bên gọi chỉ thấy một phản hồi duy nhất. Tự động chuyển đổi dự phòng nằm phía sau cả hai đường đi, điều này quan trọng khi một trong hai mô hình mới chỉ mười hai ngày tuổi và hành vi của nó trên dữ liệu của bạn vẫn chưa được biết.

Lý do đây là hình dạng đúng thay vì một sự thỏa hiệp là hai mô hình khác nhau trên những trục không cạnh tranh với nhau. Một cái nhanh và rẻ; cái kia được chấm điểm và chậm. Một pipeline sử dụng cả hai không phải là phòng hộ, mà là khớp công cụ với nhiệm vụ.

Xem gì

• Một số liệu Chỉ số Artificial Analysis được công bố cho DeepSeek V4.1 Flash. Cho đến khi nó tồn tại, việc so sánh năng lực giữa hai mô hình này là một cuộc tranh luận, không phải một phép đo — và đó là mảnh bằng chứng duy nhất có thể phân định điều đó.

• Liệu hồ sơ độ trễ của GLM-5.2 có được cải thiện hay không. Mức p95 10,00 giây của nó là con số có nhiều khả năng thay đổi nhất khi các nhà cung cấp dịch vụ lưu trữ tối ưu hóa, và hiện tại đây là khác biệt đơn lẻ lớn nhất được đo lường giữa hai mô hình — một sự chờ đợi ở đuôi, không phải một mức giá.

• Liệu lịch trình giờ cao điểm của DeepSeek có thay đổi hay không. Trên một mô hình có mức giá $0,15 mỗi triệu token đầu vào, hệ số nhân giờ cao điểm là biến số đơn lẻ lớn nhất trong mô hình chi phí.

Cho đến khi điều đầu tiên trong số đó thành hiện thực, tóm tắt chính xác là: DeepSeek V4.1 Flash rẻ hơn khoảng chín lần về đầu vào và rẻ hơn gần chín mươi lần về đầu vào được lưu đệm so với GLM-5.2, và nó có trần đầu ra gấp ba lần; GLM-5.2 là mô hình có điểm số độc lập và thành tích dài hơn, và trung vị token đầu tiên của nó ngang bằng với mô hình rẻ hơn mặc dù trường hợp xấu nhất của nó thì không. Cả hai đều là MIT. Cả hai chỉ cách một khóa. Hãy chọn theo khối lượng công việc, không phải theo người thắng.