GPT-6 Astra vs GLM-5.5: Một bên của phép so sánh này không thể được kiểm thử

Vào ngày 6 tháng 10 năm 2026, một trang công nghệ của bên thứ ba đã công bố một báo cáo với tiêu đề khẳng định rằng GLM-5.5 đánh bại Mythos 5.1 và GPT-6 Astra. Chính tuyên bố đó là lý do trang này tồn tại, và cần phải nói chính xác về bản chất của nó: một tiêu đề nói về hai thứ không cùng loại với nhau. GPT-6 Astra là một mô hình đã được phát hành — OpenAI ra mắt nó vào ngày 3 tháng 9 năm 2026, nó mang mã định danh gpt-6-astra, có bốn chỉ số đã được công bố, cửa sổ ngữ cảnh 1.050.000 token đã được ghi nhận, và một vị trí trên Artificial Analysis Intelligence Index mà bất kỳ ai cũng có thể tra cứu. GLM-5.5 là một số phiên bản chưa từng xuất hiện trên nhật ký phát hành của Z.ai, trong thẻ mô hình, trong bảng giá, hay trong bất kỳ kho lưu trữ nào mà phòng thí nghiệm này sở hữu. Tính đến ngày 15 tháng 10 năm 2026, không có sản phẩm thực tế nào đằng sau nó để có thể đánh giá, gọi hay định giá.

Vậy hình thức trung thực của sự so sánh này không phải là một cuộc đối đầu trực diện. Đó là một mô tả về những gì mỗi bên có thể dùng làm bằng chứng, và về những điều cụ thể, có thể kiểm chứng được mà lẽ ra phải xuất hiện trước khi cuộc so tài trở thành hiện thực. Hóa ra điều đó hữu ích hơn so với một bảng thông số kỹ thuật, bởi vì kiểu mẫu — một số phiên bản bị rò rỉ rồi gán cho nó một tuyên bố đánh giá hiệu năng mà nó không thể gánh nổi — chính là kiểu mà độc giả cứ liên tục gặp phải trong dòng sản phẩm này.

GLM-5.5 là gì, trong một đoạn văn

Đó là một cái tên nằm trong một dòng phả hệ đã bỏ qua nó. Nhật ký phát hành của Z.ai ghi nhận GLM-5.3 vào ngày 18 tháng 8 năm 2026 và GLM-5.3-Flash vào ngày 26 tháng 8; tài liệu của công ty liệt kê hai phiên bản đó cùng với GLM-5.2 rồi dừng lại. Các vị trí 5.4 và 5.5 được suy đoán theo hướng tăng dần từ một dự báo cũ của giới phân tích, còn cuộc gọi công bố thu nhập ngày 31 tháng 8 của chính công ty lại gọi GLM-6.0 là mô hình nền thế hệ kế tiếp — bỏ qua cả hai con số đó. Bản kiểm tra đầy đủ trên chín bề mặt, kèm các URL và phương pháp để có thể chạy lại, nằm trên trang tham chiếu của chúng tôi về cái tên này. Điều đáng quan tâm ở đây hẹp hơn: một con số bị rò rỉ không phải là một đặc tả kỹ thuật, và một tuyên bố về benchmark gắn với con số bị rò rỉ thì không ai có thể kiểm chứng được, kể cả những người đã công bố nó.

Hai mô hình, hai loại bằng chứng

Đặt hai bên lên cùng những chiều kích, sự bất đối xứng không còn mang tính tu từ nữa:

• Bảng giá — GPT-6 Astra $10.00 đầu vào, $1.00 cho bộ nhớ đệm, $12.50 ghi bộ nhớ đệm, $50.00 đầu ra trên mỗi 1M so với GLM-5.5 không công bố gì, vì không có trang giá nào để công bố

• Bậc prompt dài — GPT-6 Astra được định giá lại ở mức $20.00 / $75.00 cho phần trên 272.000 token đầu vào, so với GLM-5.5 không có điều khoản nào để nêu

• Cửa sổ ngữ cảnh — GPT-6 Astra 1.050.000 token đầu vào, 128.000 token đầu ra so với GLM-5.5 không được nêu

• Phương thức đầu vào — GPT-6 Astra: đầu vào văn bản, hình ảnh và tệp, đầu ra văn bản; so với GLM-5.5: không được nêu rõ

• Mã định danh — GPT-6 Astra gpt-6-astra, có thể tra cứu trên tài liệu của OpenAI và trên danh mục của chúng tôi, trong khi GLM-5.5 không có mã định danh trên bất kỳ bề mặt nào của nhà cung cấp

• Điểm số độc lập — GPT-6 Astra đạt 53 trên Artificial Analysis Intelligence Index, 44,6 token đầu ra mỗi giây, 3,26 USD cho mỗi tác vụ chỉ số đã hoàn thành so với GLM-5.5 không có mục nào, và không có cách nào để tạo ra một mục

• Tuyên bố về benchmark — GPT-6 Astra có một bảng của nhà cung cấp (98% FrontierMath Tier 4, 99,9% ARC-AGI-3, 100% ExploitBench, 57,9% Terminal-Bench 4.0), mỗi con số đều có thể quy cho OpenAI và mỗi con số đều được ghi chú cảnh báo ở bên dưới; còn GLM-5.5 thì chỉ là một khẳng định so sánh không có số liệu, không có harness và không có mô hình.

• Trọng số — GPT-6 Astra đóng, chỉ qua API, so với GLM-5.5 không có gì để phát hành

Phần của hồ sơ Astra trụ vững dưới sự soi xét, và phần thì không.

Vì một bên của trang này có đầy đủ cơ sở bằng chứng còn bên kia thì không có gì, điều có giá trị hơn mà bài viết này có thể làm là nói chính xác bao nhiêu phần trong hồ sơ Astra là đóng vai trò trụ cột.

Phần độc lập thì vững chắc. Artificial Analysis đo GPT-6 Astra đạt 53 trên Intelligence Index hiện tại của mình qua mười bài đánh giá, đứng thứ bảy trong số 216 mô hình trên bảng đó, với chi phí 3,26 USD cho mỗi tác vụ chỉ số hoàn thành cùng khoảng 60M token đầu ra được tạo ra trong toàn bộ lần chạy — súc tích hơn mức trung vị của bảng là khoảng 85M. Nó được đo ở mức 44,6 token đầu ra mỗi giây, xếp thứ 168 trong số 185 về tốc độ, và đó không phải là hệ quả của việc làm tròn: với một agent thực hiện nhiều lệnh gọi tuần tự, thông lượng là một khoản mục chi phí. Những con số đó đến từ một đơn vị đánh giá công bố phương pháp luận của mình, và chúng là những con số mà người đọc nên lấy làm căn cứ để lập kế hoạch.

Nửa số liệu phía nhà cung cấp cần được gắn nhãn. OpenAI báo cáo 98% trên FrontierMath Tier 4 và mô tả bậc này là đã bão hòa; 99,9% trên ARC-AGI-3 với tuyên bố đạt mức ngang bằng về hiệu quả hành động của con người trên 96% cấp độ; 100% trên ExploitBench, với việc Astra là mô hình OpenAI đầu tiên vượt ngưỡng an ninh mạng Critical của công ty; và 57,9% trên Terminal-Bench 4.0 so với 37,3% của GPT-5.6 Sol. Không có con số nào trong số đó được tái lập một cách độc lập. Con số ARC-AGI-3 là con số cần chú thích nhất, và ARC Prize đã cung cấp chú thích đó: theo khung kiểm thử tiêu chuẩn, trong đó mô hình chỉ được mang theo những ghi chú do chính nó viết, Astra đạt 62,7%; mức 99,9% được đo theo một adapter của nhà cung cấp, thứ bảo toàn trạng thái suy luận giữa các yêu cầu. Cả hai cột đều đã được công bố. Khoảng chênh 37 điểm chính là độ lớn của khung kiểm thử, và bất kỳ ai trích dẫn 99,9% để so với con số theo khung kiểm thử tiêu chuẩn của đối thủ đều đang so sánh hai thí nghiệm khác nhau.

Áp dụng kỷ luật đó cho tuyên bố ngày 6 tháng 10, và nó thất bại ngay ở bước đầu tiên. Không có khung kiểm thử nào để gọi tên, không có điểm số nào để so sánh, không có cấu hình nào để giữ cố định, và không có mã định danh mô hình nào để ghim. “Đánh bại GPT-6 Astra” chưa phải là một tuyên bố có thể đúng hay sai; nó là một tuyên bố đang chờ một chủ ngữ.

GLM mà bạn thực sự có thể chạy đối đầu với Astra

Nếu câu hỏi đằng sau tìm kiếm là "liệu tôi nên dùng GLM hay một mẫu chủ lực của OpenAI", thì cái tên trong báo cáo không phải là cái tên trong câu trả lời. Mẫu chủ lực về văn bản đang được phát hành của Z.ai là GLM-5.3, ra mắt ngày 18 tháng 8 năm 2026 với trọng số trên Hugging Face từ ngày 25 tháng 8 — một mô hình hỗn hợp chuyên gia 753 tỷ tham số với khoảng 40 tỷ tham số hoạt động mỗi token, cửa sổ ngữ cảnh 1.000.000 token, giới hạn đầu ra 128.000 token, và chỉ nhận văn bản vào và trả văn bản ra. Chế độ suy luận luôn bật; độ sâu được đặt bằng reasoning_effort. Mô hình này mang giấy phép tùy chỉnh chứ không phải giấy phép mở, đây là một hạn chế thực sự nếu bạn định xây dựng dựa trên trọng số thay vì gọi API.

So với GPT-6 Astra, hình dạng của sự đánh đổi là đánh đổi giữa giá cả và độ dài dòng, và nửa sau của nó là nửa mà không ai nhắc đến:

• Giá — GPT-6 Astra $10.00 / $50.00 mỗi 1M so với GLM-5.3 $1.40 / $4.40 trên bảng giá riêng của Z.ai, vốn ghi $1.26 / $3.96 trên danh mục của chúng tôi

• Chỉ số độc lập — GPT-6 Astra 53 so với GLM-5.3 45, cả hai đều trên thang điểm Artificial Analysis hiện tại

• Chi phí cho mỗi tác vụ lập chỉ mục đã hoàn thành — GPT-6 Astra 3,26 đô la so với GLM-5.3 2,01 đô la

• Số token đầu ra trong lần chạy đó — GPT-6 Astra 60M so với GLM-5.3 210M, đối chiếu với trung vị bảng xếp hạng khoảng 85M

• Thông lượng — GPT-6 Astra 44,6 token mỗi giây so với GLM-5.3 58,2

Dòng thứ tư đó chính là dòng thay đổi các quyết định. Bảng giá của GLM-5.3 rẻ hơn Astra khoảng bảy lần ở đầu vào và mười một lần ở đầu ra, vậy mà nó vẫn tốn 2,01 USD để hoàn thành một tác vụ index, so với 3,26 USD của Astra — một khoảng cách hẹp hơn nhiều so với mức mà các bảng giá gợi ý. Lý do là sự dài dòng: 210 triệu token đầu ra so với 60 triệu của Astra cho cùng một bộ kiểm thử. Một token rẻ nhân với một mô hình nói nhiều thì không còn rẻ. Đây cũng là lý do mức 1,26 USD / 3,96 USD mà danh mục của chúng tôi hiển thị ít quan trọng hơn vẻ bề ngoài của nó: mức giảm giá 10% trên một đồng hồ đo mà mô hình tiêu thụ gấp 3,5 lần chỉ là một hiệu ứng nhỏ so với khác biệt về số lượng token.

Một đính chính cần được ghi vào hồ sơ thay vì để trong chú thích cuối trang, vì nó ảnh hưởng đến bất kỳ ai đang giữ một con số cũ: các đưa tin trước đó trong loạt bài này, kể cả bài viết tháng Tám của chính chúng tôi, đã dẫn GLM-5.3 ở mức 60 trên Artificial Analysis Intelligence Index. Đó là kết quả trên phiên bản chỉ số lưu hành vào tháng Tám. Cùng mô hình đó đạt 45 trên thang đo đang áp dụng hôm nay, vì bản thân chỉ số đã được sửa đổi. Con số không hề giảm; thước đo đã thay đổi. Mọi so sánh trộn một con số từ phiên bản chỉ số này với một con số từ phiên bản khác thì không phải là so sánh, và đó cũng là kiểu sai lầm giống như việc đem con số 99,9% ARC-AGI-3 của Astra ra so với một đối thủ dùng harness tiêu chuẩn.

Nơi định tuyến phù hợp

Trong tất cả những điều này có một phép thử thực tế, và đó chính là phép thử mà một catalogue thực hiện. GPT-6 Astra phân giải thành openai/gpt-6-astra trên OrcaRouter và GLM-5.3 phân giải thành z-ai/glm-5.3, cả hai đều nằm sau một endpoint tương thích OpenAI theo mức giá niêm yết của nhà cung cấp, được chuyển nguyên qua mà chúng tôi không thêm markup — nên một thay đổi giá của Z.ai và một thay đổi giá của OpenAI đều đổ về cùng một key ngay ngày chúng được công bố, và việc chuyển lưu lượng giữa hai bên chỉ là thay đổi một chuỗi model chứ không phải một hợp đồng thứ hai. Một cái tên phân giải thành hư vô là một loại tín hiệu khác, và truy vấn này thì rẻ để chạy.

Điều đó có một công dụng cụ thể ở đây. Cách để giải quyết câu hỏi GLM-so-với-Astra cho chính lưu lượng của bạn là chạy bộ tác vụ của riêng bạn trên cả hai, và chi phí để dựng thí nghiệm đó chính xác là thứ mà một endpoint dùng chung loại bỏ. Nó cũng cho bạn nửa câu trả lời rẻ hơn mà không cần thí nghiệm: mức giá $20.00 / $75.00 của Astra cho phần trên 272.000 token nằm đúng ở chỗ mà mức giá phẳng $1.26 / $3.96 của GLM-5.3 không có, nên một khối lượng công việc ngữ cảnh dài có lý do về giá để ưu tiên GLM trước khi tra cứu bất kỳ bài benchmark nào.

Không có route nào được khai báo cho GLM-5.5 vì không có gì để định tuyến: nó là một tên, và một truy vấn danh mục cho nó trả về không tìm thấy thay vì một mô hình.

Điều gì sẽ khiến trang này trở nên lỗi thời?

Danh sách này ngắn và từng mục đều có thể kiểm chứng độc lập, đó chính là mấu chốt. GLM-5.5 trở thành thật khi một model card xuất hiện trên tài liệu của Z.ai kèm theo một mã định danh, khi một dòng trong bảng giá có tên nó, khi một kho lưu trữ Hugging Face thuộc sở hữu của phòng thí nghiệm công bố trọng số theo một giấy phép có tên cụ thể, khi một đơn vị đánh giá độc lập có trang riêng cho nó, và khi một truy vấn vào danh mục trả về một mô hình thay vì lỗi 404. Bất kỳ một trong những điều đó cũng là một tín hiệu mạnh. Cho đến khi có ít nhất một điều như vậy xuất hiện, một báo cáo mô tả GLM-5.5 hoạt động ra sao so với GPT-6 Astra thực chất chỉ đang mô tả sự so sánh giữa một sản phẩm và một phỏng đoán.

Vì vậy, cách diễn giải có thể bảo vệ được cho cuộc đối đầu hôm nay không phải là một phán quyết, mà là sự phân chia công việc. GPT-6 Astra là mô hình có bằng chứng tốt hơn và cũng đắt hơn, và điểm yếu nhất của nó lại đúng chỗ GLM mạnh nhất: ngữ cảnh dài, khối lượng lớn, và những công việc mà độ dài đầu ra là chi phí chi phối. GLM-5.3 là lựa chọn rẻ hơn với tốc độ chi tiêu chậm hơn, điểm số độc lập thấp hơn 8 điểm, và nó không thể nhìn thấy hình ảnh dù ở bất kỳ mức giá nào. Nếu GLM-5.5 thực sự ra mắt, con số cần theo dõi đầu tiên không phải là điểm chuẩn của nó — mà là số token đầu ra trên một bộ kiểm thử cố định, vì đó chính là con số mà trong lịch sử đã thu hẹp lợi thế giá của GLM xuống gần như bằng không.

Một bản phát hành cũng là thời điểm để kiểm tra xem trước đây đã có gì sai sót: các sự cố AI và lỗi agent đã được ghi nhận liên quan đến những mô hình thuộc nhóm này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.