Gemini 3.8 Flash so với Claude Haiku 4.5: hai câu trả lời khác nhau cho yêu cầu "làm cho rẻ và nhanh"

Gemini 3.8 Flash và Claude Haiku 4.5 nằm ở cùng một vị trí trong danh mục sản phẩm của các nhà cung cấp, và đó gần như là toàn bộ những gì chúng có chung. Gemini 3.8 Flash là cỗ máy chủ lực mới chuyên về suy luận của Google, ra mắt ngày 2 tháng 9 năm 2026 với giá giới thiệu 0,75 USD mỗi triệu token đầu vào và 3,75 USD mỗi triệu token đầu ra. Claude Haiku 4.5 là chuyên gia chạy nước rút của Anthropic, có mặt trên thị trường từ ngày 15 tháng 10 năm 2025 với giá 1 USD và 5 USD mỗi triệu token. Cả hai đều được gọi là "nhanh", nhưng chúng đang giải đáp những câu hỏi khác nhau: Gemini 3.8 Flash có được tốc độ nhờ suy nghĩ kỹ và sinh ra khoảng 350 token đầu ra mỗi giây, còn Claude Haiku 4.5 có được tốc độ nhờ gần như không cần suy nghĩ nhiều và trả lời trong vòng chưa đầy một giây.

Đây không phải trận so găng kiểu "mô hình mới đánh bại mô hình cũ" thông thường, vì mô hình rẻ hơn theo bảng giá lại là mô hình thông minh hơn, còn mô hình đắt hơn thì đã được đưa vào vận hành sớm hơn 11 tháng. Nếu hôm nay bạn phải chọn giữa hai mô hình này, các yếu tố quyết định là ngân sách độ trễ, mức tiêu thụ token, và việc khối lượng công việc của bạn thực sự được lợi bao nhiêu từ độ sâu suy luận.

Vì sao mô hình "flash" của Google không còn mang ý nghĩa "nhanh" như Haiku

Hai mô hình này thể hiện hai triết lý thiết kế đối lập nhau ở phân khúc chi phí thấp. Anthropic xây dựng Claude Haiku 4.5 theo hướng tinh gọn: ngữ cảnh 200.000 token, giới hạn đầu ra 64.000 token, hỗ trợ đầu vào văn bản và hình ảnh, cùng cài đặt mặc định không đốt token vào suy luận mở rộng. Khi ra mắt, Anthropic định vị mô hình này tương đương với hiệu năng lập trình và tác nhân của Claude Sonnet 4 nhưng chỉ bằng khoảng một phần ba chi phí, và điểm mạnh trên thực tế của nó là thời gian đến token đầu tiên: các phép đo độc lập cho thấy token đầu tiên của Claude Haiku 4.5 xuất hiện trong chưa đầy một giây, đây chính là yếu tố giúp nó hoạt động hiệu quả trong các quy trình trò chuyện, phân loại, trích xuất và kiểm duyệt nội dung — nơi người dùng hoặc hàng đợi đang phải chờ đợi.

Ngược lại, Google đang biến dòng Flash của mình thành một mô hình biết suy luận. Gemini 3.8 Flash hỗ trợ kiểm soát mức độ suy luận — thấp, trung bình hoặc cao — và mặc định nó suy luận, với các token suy nghĩ được tính phí như đầu ra. Trên Artificial Analysis, mô hình này đạt 59 điểm Chỉ số Trí thông minh ở chế độ suy luận cao (57 ở mức trung bình, 52 ở mức thấp), một mức gần với các mô hình có giá đắt gấp nhiều lần. Claude Haiku 4.5 đạt 24 ở chế độ mặc định trên cùng chỉ số đó, và khoảng 37 khi bật chế độ suy nghĩ mở rộng tùy chọn. Khoảng cách đó là có thật, nhưng một phần là do cài đặt chứ không chỉ do năng lực: so sánh Gemini 3.8 Flash ở mức nỗ lực cao với Claude Haiku 4.5 ở trạng thái mặc định là so sánh một mô hình đang làm việc chăm chỉ nhất với một mô hình khác đang cố ý làm điều dễ nhất của mình.

So sánh thông số kỹ thuật

Ngữ cảnh — Gemini 3.8 Flash: 1.048.576 token đầu vào, 65.536 token đầu ra. Claude Haiku 4.5: 200.000 token đầu vào, 64.000 token đầu ra.

• Giá — Gemini 3.8 Flash: $0.75 / $3.75 mỗi triệu (khuyến mãi đến hết ngày 31 tháng 12 năm 2026, sau đó là $1.50 / $7.50). Claude Haiku 4.5: $1.00 / $5.00 mỗi triệu, với mức $0.10 cho đầu vào được lưu cache.

• Tốc độ xuất ra — Gemini 3.8 Flash: ~350 token mỗi giây (Artificial Analysis). Claude Haiku 4.5: ~95–105 token mỗi giây ngay khi dùng.

• Token đầu tiên — Gemini 3.8 Flash: p50 tầm trung khoảng 4,8 giây trên telemetry OrcaRouter. Claude Haiku 4.5: dưới 1 giây trên các phép đo độc lập.

• Suy luận — Gemini 3.8 Flash: mức nỗ lực thấp / trung bình (mặc định) / cao. Claude Haiku 4.5: mặc định tắt, tùy chọn suy nghĩ mở rộng.

• Đầu vào — Gemini 3.8 Flash: văn bản, hình ảnh, video, âm thanh, tệp. Claude Haiku 4.5: văn bản và hình ảnh.

• Đã phát hành — Gemini 3.8 Flash: ngày 2 tháng 9 năm 2026. Claude Haiku 4.5: ngày 15 tháng 10 năm 2025.

Những gì các điểm chuẩn thực sự cho thấy, với các nhãn được gắn kèm

Tuyên bố của Google về Gemini 3.8 Flash là do chính nhà cung cấp báo cáo: trên bộ đánh giá kỹ thuật phần mềm DeepSWE v1.1 của riêng mình, họ tuyên bố đạt 71,0–73,7%, tăng từ 65,3% của Gemini 3.7 Flash và tiến sát mức 74,0% của Claude Opus 5. Đó là số liệu của Google chạy trên hệ thống đánh giá của Google, và cách đọc trung thực nhất là coi chúng như giới hạn trên của những gì mô hình có thể làm, chứ không phải kết quả được đảm bảo trong kho mã nguồn của bạn. Tín hiệu độc lập cũng chỉ về cùng một hướng: Chỉ số Trí thông minh 59 của Artificial Analysis là con số đã thu hút sự chú ý của thị trường, và nguồn gốc của mức tăng đó là có thật — Artificial Analysis cho rằng phần lớn sự cải thiện đến từ khả năng sử dụng công cụ và hành vi tác tử tốt hơn, thay vì từ tri thức thô.

Claude Haiku 4.5 về tuyên bố tương đương là phát biểu ra mắt của Anthropic rằng mô hình này tương đương Claude Sonnet 4 về lập trình và tác nhân AI với mức giá chỉ bằng một phần nhỏ, cùng với kết quả 73% trên SWE-bench Verified được báo cáo. Các nền tảng tổng hợp độc lập đưa ra con số SWE-bench của Claude Haiku 4.5 thấp hơn đáng kể, điều này bình thường đối với một mô hình nhỏ — con số từ nhà cung cấp phản ánh cấu hình đánh giá tối ưu nhất của họ. Nếu bạn cần một tác nhân lập trình thay vì mô hình trò chuyện, những cải thiện độc lập về khả năng tác nhân và ngữ cảnh 1 triệu token của Gemini 3.8 Flash khiến nó trở thành lựa chọn mạnh hơn trên lý thuyết; nếu bạn cần một mô hình trả về câu trả lời rẻ, nhanh và đúng chuẩn một cách đáng tin cậy, thành tích của Claude Haiku 4.5 là thứ đã được kiểm tra tải trong môi trường sản xuất gần một năm nay.

Bức tranh chi phí có ngày hết hạn.

Ngay bây giờ, tính toán có lợi cho Gemini 3.8 Flash: giá khuyến mãi của nó thấp hơn Claude Haiku 4.5 trên cả token đầu vào lẫn đầu ra. Đó chính là toàn bộ ý nghĩa của chương trình khuyến mãi — Google định giá một mô hình thông minh hơn ở mức thấp hơn mô hình bình dân của Anthropic để thu hút sự áp dụng. Nhưng chương trình khuyến mãi chỉ là tạm thời. Google đã tuyên bố rằng mức giá $0.75 / $3.75 cho Gemini 3.8 Flash kéo dài đến hết ngày 31 tháng 12 năm 2026, và mức giá tiêu chuẩn từ ngày 1 tháng 1 năm 2027 là $1.50 / $7.50. Claude Haiku 4.5 không có sự tăng vọt như vậy: với mức $1 / $5, nó sẽ là mô hình rẻ hơn trên cả hai khía cạnh từ tháng 1 trở đi, và giá đọc cache của nó là $0.10 mỗi triệu token, thấp hơn nhiều so với của Gemini.

Có một cái bẫy chi phí thứ hai ẩn giấu trong mức giá tính theo token, và nó còn tồi tệ hơn với Gemini 3.8 Flash. Các mô hình suy luận tiêu tốn token đầu ra để suy nghĩ, và Artificial Analysis phát hiện Gemini 3.8 Flash sử dụng nhiều hơn khoảng 30% token đầu ra cho mỗi tác vụ so với Gemini 3.7 Flash — trung bình khoảng 48.000 token đầu ra mỗi tác vụ — điều này đẩy chi phí thực tế cho mỗi tác vụ của nó cao hơn khoảng 40% so với phiên bản tiền nhiệm, ngay cả khi mức giá mỗi token là như nhau. Claude Haiku 4.5 tiết kiệm bởi cấu trúc của nó: khi tắt suy luận mở rộng, thứ nó trả về chủ yếu là câu trả lời. Với một khối lượng công việc mà chi phí mỗi tác vụ quan trọng hơn chi phí mỗi token, sự khác biệt đó có thể lớn hơn cả mức giá niêm yết.

Cái nào cho việc nào?

• Trò chuyện tương tác dưới một giây, kiểm duyệt, trích xuất, phân loại ở khối lượng lớn — Claude Haiku 4.5. Đặc tính độ trễ chính là điểm mấu chốt, và ngữ cảnh 200K của nó bao phủ hầu hết các khối lượng công việc này.

• Các tác nhân lập trình tầm xa, chỉnh sửa đa tệp, các tác vụ cần giữ toàn bộ kho mã trong ngữ cảnh — Gemini 3.8 Flash. Ngữ cảnh 1 triệu token và những cải thiện về benchmark tác nhân chính là điều những việc này cần.

• Hiểu video, âm thanh và tệp dài — Gemini 3.8 Flash. Claude Haiku 4.5 hoàn toàn không nhận đầu vào video hoặc âm thanh.

• Một khối lượng công việc bạn sẽ tái lập ngân sách vào tháng 1 — hãy tính toán trên cơ sở số token mỗi tác vụ, chứ không phải giá mỗi token. Gemini 3.8 Flash ở mức $0.75 / $3.75 là một món hời ở thời điểm này, nhưng ở mức $1.50 / $7.50 với mức thuế token 30% đánh vào suy luận thì đó lại là một câu chuyện khác hẳn.

Thử cả hai từ một khóa

Cả hai mô hình đều có trên OrcaRouter với đúng giá niêm yết của nhà cung cấp, không cộng thêm bất kỳ khoản nào, nhờ đó phiên bản “dùng thử trước khi cam kết” của bài so sánh này trở nên rất đơn giản. Gemini 3.8 Flash có trên OrcaRouter với giá niêm yết của Google; Claude Haiku 4.5 có trên OrcaRouter với giá niêm yết của Anthropic. Hãy dùng cùng một endpoint tương thích OpenAI và cùng một key để gọi các model id google/gemini-3.8-flash và anthropic/claude-haiku-4.5, chạy cùng một prompt trên từng mô hình, rồi so sánh độ trễ, chi phí và đầu ra thực tế trên chính lưu lượng của bạn thay vì tin vào một bảng benchmark. Vì các thay đổi giá của nhà cung cấp được phản ánh ngay trong cùng ngày, mức giá khuyến mãi của Gemini hiện đang được áp dụng tại đây, và nó sẽ tự động cập nhật lại khi mức giá tiêu chuẩn có hiệu lực vào tháng 1 — mã của bạn không cần phải thay đổi, chỉ có kỳ vọng về hóa đơn của bạn là thay đổi.

Phán quyết phụ thuộc vào loại "nhanh" nào bạn đang mua. Nếu người dùng của bạn đang chờ token đầu tiên và tác vụ có giới hạn rõ ràng, Claude Haiku 4.5 vẫn là lựa chọn mặc định hợp lý — nó đã được kiểm chứng, tinh gọn và phản hồi trong chưa đầy một giây. Nếu tác vụ đủ mở để xứng đáng với việc suy luận, Gemini 3.8 Flash đang cung cấp khả năng suy luận gần mức tiên tiến nhất với mức giá khuyến mãi thấp hơn đối thủ hiện tại, và cơ hội dùng thử ở mức giá đó sẽ đóng lại vào ngày 31 tháng 12. Đối với hầu hết các đội nhóm, câu trả lời đúng với chi phí thấp nhất không phải là một trong hai mô hình đó mà là một quy tắc định tuyến: gửi các yêu cầu đơn giản, nhạy cảm với độ trễ đến Claude Haiku 4.5 và các yêu cầu khó, nặng về ngữ cảnh đến Gemini 3.8 Flash — một khóa, một hóa đơn, và mỗi mô hình làm đúng phần việc mà nó thực sự giỏi.