GLM-5.3-Flash so với DeepSeek V4 Flash: Bạn nên gọi mô hình tiên phong giá rẻ nào?

Trí tuệ đẳng cấp tiên phong từng có giá khởi điểm năm đô la cho mỗi triệu token đầu vào; ngày nay hai mô hình mang lại chất lượng đó với chi phí chỉ bằng tiền lẻ, và chúng nằm cạnh nhau trong cùng một phân khúc bình dân. GLM-5.3-Flash, mô hình đa phương thức 18B-active của Zhipu AI được mở mã nguồn vào ngày 26 tháng 8, và DeepSeek V4 Flash, mô hình mã hóa tác tử khoảng 13B-active mà DeepSeek đã đưa vào sản xuất cuối tháng 7, là hai minh chứng mạnh mẽ nhất rằng "gần tiên phong với chỉ vài xu" giờ đây là một danh mục sản phẩm thực thụ. Chúng khác nhau nhiều hơn so với bảng giá gợi ý: một là mô hình tổng quát đa phương thức bẩm sinh với trọng số MIT, còn lại là chuyên gia mã hóa và tác tử đã được kiểm chứng với các điểm benchmark độc lập hỗ trợ.

Câu trả lời ngắn gọn cho hầu hết các đội ngũ: nếu bạn muốn một mô hình đa phương thức rẻ, mã nguồn mở để xây dựng trên nó, hãy chọn GLM-5.3-Flash; nếu bạn muốn một mô hình lập trình với các chỉ số tác nhân được đo lường độc lập mà bạn có thể bảo vệ trong cuộc họp, hãy chọn DeepSeek V4 Flash. Phần còn lại của trang này là lý do, bảng điểm theo từng khía cạnh và các lưu ý — bắt đầu bằng một lưu ý trung thực rằng một phần không nhỏ các tuyên bố của GLM-5.3-Flash là do nhà cung cấp báo cáo trong khi các điểm số nổi bật của DeepSeek V4 Flash là được đo lường độc lập.

Trận đối đầu trong một lần

Cả hai mô hình đều là thiết kế mixture-of-experts với tổng cộng khoảng 300B tham số và dưới 20B tham số hoạt động cho mỗi token, cả hai đều hỗ trợ cửa sổ ngữ cảnh 1M token, và cả hai đều có trọng số mở. Điểm tương đồng chỉ dừng lại ở đó. GLM-5.3-Flash là mô hình đa phương thức gốc đầu tiên trong dòng GLM-5 của Zhipu — nhận văn bản, hình ảnh và video — và nó được phát hành với giấy phép MIT, nghĩa là bạn có thể tự lưu trữ nó ngay hôm nay. DeepSeek V4 Flash là bản build sản xuất của mô hình mà Deep​Seek đã liên tục cải tiến kể từ tháng 4; bản phát hành cốt lõi của nó dành cho văn bản và mã, kiến trúc của nó được tinh chỉnh cho việc sử dụng công cụ tác tử, và thị giác được phát hành riêng trong một bản build thử nghiệm thay vì là tính năng gốc. Trên chỉ số thông minh, Zhipu tuyên bố 57 cho Flash so với mức 50 được đo độc lập của DeepSeek V4 Flash — một khoảng cách đáng kể nếu con số đó đứng vững, và là con số cần theo dõi để chờ xác nhận từ bên thứ ba.

Trí tuệ và điểm chuẩn

Đây là phần mà kỷ luật trích nguồn đóng vai trò quan trọng, bởi vì hai mô hình có cơ sở bằng chứng rất khác nhau.

• Chỉ số AA Intelligence — GLM-5.3-Flash 57, theo tài liệu ra mắt của Zhipu (chưa được tái lập), so với DeepSeek V4 Flash 50, được Artificial Analysis đo độc lập. Để so sánh, Claude Opus 4.8 nằm ở mức gần 57 và Kimi K3 ở mức 57 trên cùng chỉ số này.

• SWE-bench Verified — chưa có số liệu nào của GLM-5.3-Flash được công bố, so với DeepSeek V4 Flash 79.0% (độc lập).

• LiveCodeBench — chưa có số liệu cho GLM-5.3-Flash được công bố, so với DeepSeek V4 Flash 91.6% (độc lập).

• Agents' Last Exam — chưa có số liệu GLM-5.3-Flash được công bố, so với DeepSeek V4 Flash 25.2 (đánh giá độc lập).

• Tuyên bố tương đương về lập trình — Zhipu công bố khả năng lập trình của GLM-5.3-Flash trên Z.ai Code Bench nội bộ tương đương với Claude Opus 4.8 (do nhà cung cấp báo cáo, chưa được kiểm chứng độc lập).

• Bối cảnh gia đình — GLM-5.3, phiên bản lớn của Flash, đạt 60 điểm trên AA Index một cách độc lập; trên Terminal-Bench 2.1, dòng GLM-5.3 của riêng Zhipu nằm trong khoảng 83.1–88.2 ở các lượt chạy cộng đồng. Terminal-Bench 2.1 của DeepSeek V4 Flash là 82.7 (độc lập).

Sự bất đối xứng chính là điểm mấu chốt: Các chỉ số về lập trình và tác nhân của DeepSeek V4 Flash đã được bên thứ ba xác nhận lại kể từ khi phát hành vào tháng Bảy, trong khi các chỉ số của GLM-5.3-Flash chỉ là tuyên bố của nhà cung cấp ngay từ ngày đầu. Con số 57 của Flash cao hơn bảy điểm so với 50 của Deep​Seek nếu Zhipu nói đúng, nhưng mô hình đã được thử nghiệm rộng rãi ẩn danh trước khi ra mắt, nên các điểm số độc lập sẽ sớm xuất hiện.

Lập trình và các agent: sự khác biệt thực sự

Nếu bạn đang mua một mô hình giá rẻ cho khối lượng công việc lập trình tác nhân, cơ sở bằng chứng quan trọng hơn mức chênh lệch chỉ số thô. DeepSeek V4 Flash đã được đào tạo lại đặc biệt cho năng lực tác nhân trong bản production của nó, và các con số được đo độc lập — 79.0 SWE-bench Verified, 91.6 LiveCodeBench, 82.7 Terminal-Bench 2.1 — là những con số mà các đối thủ hiện đang được so sánh ở phân khúc giá rẻ. Tuyên bố về khả năng lập trình của Zhipu cho GLM-5.3-Flash là có sức mạnh tương đương với Claude Opus 4.8 trên benchmark nội bộ của họ, đây là một tuyên bố mạnh mẽ nhưng chưa phải là một tuyên bố độc lập.

Cũng có một khác biệt về hành vi đáng để biết. Các báo cáo từ cộng đồng về DeepSeek V4 Flash mô tả khả năng suy luận tương đối dè dặt — khoảng 25–45% token đầu ra là token suy luận, với hệ số mở rộng đầu ra khoảng 1,3–1,5 lần — điều này giúp giữ chi phí mỗi tác vụ của nó ở mức thấp. Zhipu chưa công bố dữ liệu về độ dài văn bản tương đương cho GLM-5.3-Flash, và độ dài văn bản chính là biến số biến một bảng giá rẻ thành một tác vụ đắt đỏ. Cho đến khi mức mở rộng token thực tế của Flash được đo lường, khoảng cách chi phí hiệu quả cho mỗi tác vụ giữa hai mô hình này còn rộng hơn khoảng cách trên mỗi token.

Đa phương thức, hay chưa?

Đây là điểm khác biệt rõ ràng nhất. GLM-5.3-Flash tích hợp sẵn khả năng tiếp nhận hình ảnh và video cùng với văn bản — mô hình GLM-5 đầu tiên làm được điều này — và Zhipu tuyên bố chi phí phục vụ ngữ cảnh dài của nó chỉ bằng khoảng một phần ba so với GLM-5.3. Bản phát hành production của DeepSeek V4 Flash chỉ gồm văn bản và mã; khả năng đa phương thức của Deep​Seek nằm ở một bản build thị giác thử nghiệm riêng biệt, nghĩa là một tác vụ thị giác ở phía Deep​Seek sẽ có một endpoint mô hình khác và một lịch sử đánh giá khác. Nếu pipeline của bạn cần khả năng hiểu hình ảnh hoặc video từ một mô hình giá rẻ ngay hôm nay, GLM-5.3-Flash là mô hình duy nhất trong hai mô hình tích hợp sẵn tính năng này.

Giá: những con số thực tế

Cả hai mẫu đều vượt trội hơn mọi thứ khác trong phân khúc khả năng của chúng, nhưng theo các lịch trình khác nhau.

• GLM-5.3-Flash — Zhipu định giá sản phẩm này ở mức một phần mười so với mức $1.40 / $4.40 mỗi triệu token của GLM-5.3, tương đương khoảng $0.14 / $0.44, hoặc $0.07 / $0.22 trong đợt khuyến mãi ra mắt có thời hạn. Zhipu cũng tuyên bố mức ~$0.045 cho mỗi tác vụ trên AA Intelligence Index. Các con số đô la được suy ra từ các tỷ lệ mà Zhipu công bố; bản thân tỷ lệ đó là dữ kiện hiện tại.

• DeepSeek V4 Flash — $0.14 cho mỗi triệu token đầu vào, $0.28 cho mỗi triệu token đầu ra, mức giá chính thức được Deep​Seek công bố, trong đó token đầu vào trúng cache có giá thấp hơn nhiều. Các ước tính độc lập về chi phí mỗi bài kiểm tra cho thấy khoảng $0.03 cho mỗi bài benchmark — mô hình lớn rẻ nhất trên bảng xếp hạng.

• Ngữ cảnh dài — GLM-5.3-Flash với chi phí ngữ cảnh dài chỉ bằng khoảng một phần ba so với GLM-5.3 (theo tuyên bố của nhà cung cấp) so với ngữ cảnh 1M của DeepSeek V4 Flash ở mức $0.14 / $0.28 với đầu ra tối đa ~393K.

Trên giấy tờ, hai mức giá niêm yết gần như khớp nhau, và mức chiết khấu khiến GLM-5.3-Flash rẻ hơn trên mỗi token vào lúc này. Vấn đề là giá mỗi token của DeepSeek V4 Flash ổn định và mức độ dài dòng của nó đã được đo lường, trong khi giá của Flash là chiết khấu tạm thời còn mức độ dài dòng của nó thì chưa — vì vậy dự đoán trung thực là khoảng cách chi phí thực tế nhỏ hơn khoảng cách trên bảng giá, và thậm chí có thể đảo ngược khi cả hai được đo lường trên cùng một bộ tác vụ.

Tốc độ và chi phí phục vụ

Zhipu cho biết GLM-5.3-Flash có chi phí tính toán attention thấp nhất trong số các mô hình phân khúc giá rẻ được so sánh — GLM-5.3, DeepSeek V4 Flash và Kimi K3 — với chi phí tính toán attention giảm 3,0 lần và bộ nhớ đệm KV giảm 4,4 lần so với GLM-5.3, đồng thời thừa nhận bộ nhớ đệm KV của mình vẫn lớn hơn một chút so với DeepSeek V4 Flash. Về phía phục vụ, Zhipu báo cáo hiệu suất phục vụ đầu-cuối được cải thiện gấp 3 lần trên chip nội địa Trung Quốc, với chi phí mỗi token mà họ cho là tương đương với GPU NVIDIA chính thống. Tất cả đều do nhà cung cấp tự công bố. Ngược lại, tính kinh tế khi vận hành của DeepSeek V4 Flash đã được xác lập: mô hình này đã chạy sản xuất từ ngày 31 tháng 7, là một trong những mô hình rẻ nhất để vận hành xét theo từng bài kiểm tra, và các nhà cung cấp lưu trữ bên thứ ba đã phục vụ nó ở quy mô lớn suốt một tháng qua. Đối với một lộ trình sản xuất, khả năng phục vụ đã được kiểm chứng đánh bại khả năng phục vụ chỉ mới hứa hẹn.

Bạn nên gọi cái nào?

Hướng dẫn quyết định, nói một cách đơn giản:

Bạn muốn mô hình đa phương thức mã nguồn mở ngay bây giờ — GLM-5.3-Flash là mô hình duy nhất trong hai mô hình có đầu vào hình ảnh/video gốc, và trọng số MIT của nó đã có trên Hugging Face hôm nay.

• Bạn muốn một mô hình coding/agentic với những con số độc lập — SWE-bench Verified 79.0 và Terminal-Bench 2.1 82.7 của DeepSeek V4 Flash đã được bên thứ ba xác minh; các tuyên bố về khả năng coding của GLM-5.3-Flash thì chưa.

• Bạn muốn mức chi phí tối thiểu tuyệt đối cho mỗi token — mức giảm giá ra mắt của Flash hiện đang nhỉnh hơn, nhưng hãy coi mức giảm giá đó là tạm thời.

• Bạn quan tâm đến mức giá sản xuất ổn định — mức giá $0,14 / $0,28 của DeepSeek V4 Flash đã ổn định từ tháng 7; bảng giá của Flash mới chỉ vài ngày tuổi.

• Bạn không chắc chắn và muốn thử cả hai mà không cần hợp đồng thứ hai — DeepSeek V4 Flash đã có mặt trên OrcaRouter hôm nay với giá niêm yết của DeepSeek, không tính thêm phụ phí (0% markup), và phía GLM của gia đình này (GLM-5.3, phiên bản lớn hơn của Flash) cũng có mặt ở đó, vì vậy ngay khi Flash xuất hiện trong danh sách, cả hai phía của trận so tài này sẽ cùng nằm sau một chìa khóa duy nhất. Cho đến lúc đó, trọng số MIT của Flash trên Hugging Face là cách rẻ nhất để bạn tự dùng thử, và tính năng tự động chuyển đổi dự phòng sang một mô hình đã được kiểm chứng chính là cách bạn thử mô hình mới mà không đặt cược hạ tầng sản xuất vào nó.

Điểm mấu chốt

GLM-5.3-Flash là mô hình thú vị hơn — đa phương thức gốc, được cấp phép MIT, điểm chỉ số được công bố ngang bằng các mô hình đắt hơn nhiều — nhưng cũng là mô hình ít được kiểm chứng hơn, và những con số tốt nhất của nó do nhà cung cấp tự công bố tính đến ngày ra mắt. DeepSeek V4 Flash là lựa chọn tiết kiệm an toàn hơn cho công việc lập trình và tác nhân AI: điểm trí tuệ độc lập thấp hơn, nhưng được đo đạc, có thể tái lập và ổn định ở mức $0,14 / $0,28. Hãy mua bản Flash vì những gì độc đáo mà nó mang lại — đa phương thức mã nguồn mở ở mức giá này — và mua DeepSeek V4 Flash cho bất cứ việc gì bạn cần bằng chứng từ benchmark. Câu hỏi thực sự còn bỏ ngỏ — câu hỏi mà hai tuần tới sẽ trả lời — là liệu điểm 57 của bản Flash có vượt qua được kiểm định độc lập hay không.