Qwen3.8-Flash-Next so với Claude Opus 4.8: Mức giá gấp 33 lần thực sự mang lại điều gì

Claude Opus 4.8 có giá niêm yết 5,00 USD mỗi triệu token đầu vào và 25,00 USD mỗi triệu token đầu ra trên bảng giá chính thức của A​nthropic. Qwen3.8-Flash-Next là bản xem trước trọng số mở của A​libaba cho kiến trúc Qwen4 — trọng số đã có trên Hugging Face từ ngày 24 tháng 8 năm 2026, trên ModelScope từ ngày 26 tháng 8 — và ở dạng Qwen3.8-Flash được phục vụ, nó tốn 0,15 USD và 0,47 USD trên cùng những đơn vị đó. Đó là mức 33 lần ở đầu vào và 53 lần ở đầu ra đối với hai mô hình mà, trên chỉ số công khai duy nhất từng đánh giá cả hai, chỉ cách nhau khoảng hai điểm. Cuộc đối đầu trông có vẻ lệch hẳn, nhưng thực tế thì không. Điều mà hệ số nhân đó thực sự mua được thì hẹp hơn và cụ thể hơn so với mức chênh lệch gợi ra, và việc tìm ra khối lượng công việc của bạn cần phần nào trong đó chính là toàn bộ quyết định.

Một điều cần làm rõ trước mọi thứ khác, vì nó định hình mọi con số bên dưới: chưa có ai chạy hai mô hình này đối đầu trực tiếp ở cùng thiết lập trên một harness có tên cụ thể và công bố kết quả. Thứ hiện có là điểm số của từng mô hình trên Artificial Analysis Intelligence Index, và những mục đó được đánh giá vào các ngày khác nhau, nên hãy coi chúng là gần kề nhau thay vì một so sánh có kiểm soát. Mọi thứ còn lại ở đây đến từ tài liệu đã công bố của hai nhà cung cấp và từ các harness độc lập đã thực sự chạy một trong hai.

Claude Opus 4.8, từ tài liệu của chính A​nthropic

Claude Opus 4.8 ra mắt ngày 28 tháng 5 năm 2026, và Anthropic hiện xếp nó vào nhóm mô hình legacy (kế thừa): vẫn còn được cung cấp, vẫn được bán, nhưng không còn đứng đầu dòng Opus nữa. Phần tổng quan về mô hình của chính Anthropic nói rằng bạn nên cân nhắc chuyển sang Claude Opus 5.5, và hướng dẫn chuyển đổi cho việc đó được liên kết ngay từ trang của 4.8. Đây là một sự thật về mô hình chứ không phải một lời chê bai: "legacy" ở đây nghĩa là bị thay thế ở vị trí cao nhất, chứ không phải bị rút bỏ.

Nó mang những gì: cửa sổ ngữ cảnh 1M token và đầu ra tối đa 128K, được nâng lên 300K trên Message Batches API dưới một beta header. Đầu vào văn bản và hình ảnh, đầu ra văn bản, với thị giác, sử dụng công cụ, JSON và suy luận nằm trong số các khả năng được hỗ trợ. Tư duy thích ứng với tham số effort mặc định ở mức cao — một mặc định khác so với Opus 5.5, vốn đi kèm ở mức trung bình, nên một giá trị `effort` giống hệt không có nghĩa là cùng ngân sách tư duy giữa hai mô hình. Mốc kiến thức và mốc huấn luyện đáng tin cậy, cả hai đều rơi vào tháng 1 năm 2026, chậm năm tháng so với thế hệ Opus hiện tại. Mức giá là 5,00 USD cho mỗi triệu token đầu vào, 25,00 USD cho mỗi triệu token đầu ra, 0,50 USD cho mỗi triệu lần đọc cache, 6,25 USD cho mỗi triệu lần ghi cache năm phút, 10,00 USD cho mỗi triệu lần ghi cache một giờ, và mức giảm giá cố định 50% của Batch API cho đầu vào và đầu ra. Anthropic cam kết duy trì mô hình khả dụng ít nhất đến ngày 28 tháng 5 năm 2027.

Đây cũng không phải là một hiện vật bảo tàng. ID mô hình `claude-opus-4-8` đang hoạt động trên Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry và Claude Platform on AWS, và tài liệu phát hành của chính Anthropic cho Opus 5.5 ghi rõ rằng hầu hết các yêu cầu an ninh mạng trong bản triển khai mới hơn đó đều được định tuyến xuống Opus 4.8 theo thiết kế. Một mô hình được chỉ định làm phương án dự phòng cho flagship hiện tại vẫn đang được yêu cầu làm công việc thực sự.

Qwen3.8-Flash-Next, từ chính card của Alibaba

Qwen3.8-Flash-Next không phải là một mô hình Qwen4, và sự phân biệt đó là của chính Alibaba chứ không phải là một cách diễn giải về nó. Thẻ mô hình mô tả một bản xem trước thử nghiệm của kiến trúc sẽ làm nền tảng cho Qwen4 — kiến trúc được phát hành sớm một cách có chủ đích, để các runtime và bản lượng tử hóa sẵn sàng khi dòng mô hình này ra mắt. Nó lưu trữ khoảng 180 tỷ tham số ở BF16: một phần thân mixture-of-experts 125B kích hoạt 6B mỗi token, một bảng nhúng n-gram 51B riêng biệt, và khoảng 4B thuộc các lớp dự đoán đa token, trải khắp 48 lớp với 512 chuyên gia, trong đó 10 chuyên gia được định tuyến và một chuyên gia được chia sẻ. Ngăn xếp attention chính là phần thực sự mới — 36 lớp attention tuyến tính chạy Gated Delta Network đối lại 12 lớp attention đầy đủ chạy Qwen Sparse Attention, cùng kiểu phân chia lai xấp xỉ ba-một mà thế hệ Qwen3.8 rộng hơn sử dụng.

Ngữ cảnh gốc là 262.144 token, có thể mở rộng lên 1.000.000. Đầu vào là văn bản, hình ảnh và video; đầu ra là văn bản. Giấy phép là Qwen Community License 1.0, không phải Apache 2.0 — một khác biệt thực sự so với mô hình 27B trong dòng này, và là kiểu điều quyết định một câu hỏi mua sắm nhiều tháng sau khi nó quyết định một cuộc tranh luận về benchmark. Alibaba định vị trọng số mở là bản xem trước thử nghiệm và Qwen3.8-Flash, được phục vụ qua Qwen Cloud, là phiên bản sản xuất chính thức với ngữ cảnh 1M mặc định và các công cụ tích hợp. Việc đó có phải là cùng một trọng số dưới cấu hình phục vụ khác nhau hay không thì không được nêu trên model card.

Các con số, được ghi nhãn theo người đã tạo ra chúng

Thẻ mô hình của Alibaba là một bảng của nhà cung cấp và được ghi nhãn như vậy ở đây. Trên các đánh giá ngôn ngữ của chính thẻ này, Qwen3.8-Flash-Next báo cáo 91,9 trên LiveCodeBench v6, 91,7 trên GPQA Diamond, 81,0 trên SWE-bench Multilingual, 62,5 trên SWE-bench Pro, 58,7 trên DeepSWE 1.1, 73,9 trên CoWorkBench và 55,7 trên JobBench. Trên các hàng so sánh của chính thẻ này, nó thua một mô hình Claude ở HLE, 35,9 so với 40,0, và ở NL2Repo-Bench, 48,1 so với 54,2. Hai lưu ý đến từ chính thẻ này: một số kết quả sử dụng các benchmark nội bộ, và hàng HLE ghi chú rằng nó được đánh giá bởi GPT-4o, điều này đáng để biết trước khi trích dẫn con số cụ thể đó cho bất kỳ ai.

​Anthropic không công bố bảng công khai tương đương nào cho Claude Opus 4.8 sử dụng chính những harness đó, nên một so sánh từng dòng giữa các nhà cung cấp là không tồn tại và không nên được ngụ ý từ bảng của bên nào. Điều thực sự tồn tại là một bên thứ ba đã chạy cả hai. Artificial Analysis xếp Claude Opus 4.8 ở mức 41,8 trên Chỉ số Thông minh của mình — đứng thứ 23 trong số các mô hình mà nó xếp hạng, thuộc phân vị thứ 84 — và Qwen3.8-Flash-Next ở mức 40, đứng thứ năm trong số 113 mô hình thuộc nhóm so sánh của nó. Cả hai con số đều thuộc cùng một chỉ số của cùng một nhà cung cấp, khiến chúng trở thành thứ gần nhất với một thước đo chung hiện có, kèm theo lưu ý đã nêu ở trên về ngày đánh giá.

Phần còn lại của bức tranh độc lập, tất cả đều từ Artificial Analysis và tất cả đều dành cho bản xem trước open-weight thay vì biến thể Flash được phục vụ:

• Công việc tri thức — Qwen3.8-Flash-Next đạt AA-Briefcase 1587, GDPval-AA v2 1647 và 56% trên AutomationBench-AA, benchmark quy trình làm việc tác tử được xây dựng với Zapier trên một tập nhiệm vụ riêng tư được giữ kín.

• Công việc trên terminal và khoa học — 25% trên Terminal-Bench v4.0 và 51% trên SciCode, so với kết quả yếu hơn nhiều trên các tác vụ kho mã nguồn tầm dài hạn.

• Suy luận — Humanity's Last Exam 38% cho bản xem trước Qwen so với 48.7% cho Claude Opus 4.8 trên cùng hệ thống đánh giá của nhà cung cấp. Trên GPQA Diamond, hai mô hình thực chất ngang bằng nhau: 91.7 trên thẻ của Alibaba so với 92.0 cho Opus 4.8 trên Artificial Analysis.

• Khả năng nhớ lại sự thật so với việc bịa đặt — AA-Omniscience ở mức âm 10 đối với bản xem trước Qwen, thước đo trừng phạt việc bịa đặt một cách tự tin. Không có số liệu tương đương nào được công bố cho Opus 4.8 trên bộ đánh giá đó, nên không thể so sánh hai bên dựa trên nó.

• Tốc độ — Artificial Analysis đo bản xem trước Qwen đạt 53 token đầu ra mỗi giây với thời gian tới token đầu tiên là 2,80 giây, và nhận xét rằng nó rất dài dòng: 108k token đầu ra mỗi tác vụ, trong đó 72k là token suy luận. Claude Opus 4.8, được đo qua playground của chính chúng tôi trong bảy ngày qua, cho ra 66,7 token đầu ra mỗi giây với token đầu tiên trung vị mất 4,2 giây. Các khung đo khác nhau, nên hãy coi các tốc độ này là mang tính tham khảo chứ không phải kết quả của một cuộc đua.

• Ngữ cảnh — 262.144 gốc và 1.000.000 mở rộng cho Qwen3.8-Flash-Next so với 1.000.000 gốc cho Claude Opus 4.8.

Đọc như một nhóm thay vì từng dòng một, mô hình này nhất quán với việc khoảng cách giá gây hiểu lầm theo cả hai hướng. Mô hình rẻ thực sự rất gần về công việc tri thức, tác vụ terminal và suy luận tổng quát — gần hơn mức mà chênh lệch giá 33 lần có thể dự đoán. Mô hình đắt tiền vượt trội ở nơi công việc dài, mơ hồ và tốn kém nếu làm sai, và nó có ngữ cảnh 1M token nguyên bản thay vì bằng cách mở rộng.

Câu hỏi về giá, ở đơn vị quyết định điều đó

Tính theo mỗi token, khoảng cách là rõ rệt và đây chỉ là phép tính trên những con số đã công bố. Trên Qwen3.8-Flash được phục vụ, đầu vào rẻ hơn 33 lần và đầu ra rẻ hơn 53 lần so với Claude Opus 4.8. Bộ nhớ đệm thu hẹp khoảng cách này đôi chút theo hướng có lợi cho Anthropic so với mức giá đầu vào của chính họ — giá đọc bộ nhớ đệm của Claude Opus 4.8 là 0,50 USD mỗi triệu token, bằng một phần mười giá đầu vào — nhưng Qwen3.8-Flash được phục vụ có mức giá đọc bộ nhớ đệm là 0,0184 USD mỗi triệu token theo bảng giá công bố của chúng tôi, tức chưa đến 4% so với mức tương đương của Opus 4.8. Với một prompt có vòng đời dài và được đọc lại nhiều lần, sự khác biệt đó tích lũy theo cùng một hướng như mọi yếu tố khác.

Tính trên mỗi tác vụ hoàn thành là con số còn trụ lại sau khi tính đến độ dài token, và ở đây câu trả lời trung thực là sự so sánh đang thiếu dữ liệu ở một phía. Artificial Analysis công bố một con số chi phí trên mỗi tác vụ cho các mô hình mà họ chạy; độ dài token của chính bản xem trước — 245M token bị đốt trong lần chạy chỉ số so với mức trung vị 140M — nghĩa là lợi thế trên mỗi token của nó thu hẹp ở cấp độ tác vụ chứ không biến mất, và không có lần chạy nào với thiết lập tương đồng của hai mô hình này để phân định điều đó. Nếu bạn cần một con số để lập kế hoạch, hãy tự mô hình hóa nó trên lưu lượng của chính bạn thay vì vay mượn số token của người khác.

Khi mỗi lựa chọn đều là quyết định đúng

Claude Opus 4.8 là lựa chọn đúng khi công việc có rủi ro cao và chỉ chạy một lần: các phiên chạy tác nhân tầm xa, nơi một nhánh sai sẽ rất tốn kém để gỡ lại; gỡ lỗi nhiều giai đoạn phức tạp trên một cơ sở mã lớn; và bất kỳ thứ gì đã được xây dựng dựa trên các điều khiển thinking và effort của Claude, nơi thiết lập `effort` giống hệt và mốc kiến thức tháng 1 năm 2026 là những đại lượng đã biết thay vì ẩn số. Đây cũng là lựa chọn an toàn hơn khi bạn muốn một cam kết từ nhà cung cấp có ghi ngày cụ thể và một mô hình vẫn là phương án dự phòng được ghi nhận chính thức cho lưu lượng khó nhất của phiên bản kế nhiệm nó.

Qwen3.8-Flash-Next là lựa chọn đúng đắn khi khối lượng công việc trải rộng thay vì đi sâu — phân loại khối lượng lớn, trích xuất, hiểu ảnh chụp màn hình và tài liệu, các đợt quét agentic mà nếu không bạn sẽ phải gom lô để tiết kiệm chi phí — và khi bạn muốn đánh giá kiến trúc Qwen4 trên dữ liệu của chính mình vài tháng trước khi Qwen4 tồn tại. Các tín hiệu độc lập mạnh của nó nằm ở công việc tri thức và các tác vụ terminal; các tín hiệu yếu của nó nằm ở việc tạo kho mã trong tầm xa và tỷ lệ vượt qua một lần của agent, đúng nơi những thay đổi mã nguồn sản xuất diễn ra. Hãy chạy một bản sao rủi ro thấp của một khối lượng công việc thực tế với nó trước khi nó chạm vào bất cứ thứ gì quan trọng.

Quy tắc, được phát biểu như một quy tắc: hãy chọn mô hình mà kiểu thất bại của nó bạn có thể chịu được. Nếu một câu trả lời sai chỉ khiến bạn phải thử lại, thì 33x là tiền cho không. Nếu một câu trả lời sai khiến bạn phải rollback lúc 3 giờ sáng, thì mô hình rẻ hơn chưa xứng đáng để đưa ra quyết định đó — và việc nó là một bản xem trước thử nghiệm với giấy phép cộng đồng chứ không phải một dòng sản phẩm đã phát hành là một phần lý do, độc lập với các điểm số.

Chạy cả hai mà không cần hợp đồng thứ hai

Cả hai đầu của phép so sánh này đều đang chạy trực tiếp trên cùng một danh mục. Claude Opus 4.8 được định tuyến dưới dạng `anthropic/claude-opus-4.8` với giá 5,00 USD và 25,00 USD mỗi triệu token — đúng theo giá niêm yết do Anthropic công bố, được chuyển nguyên với mức chênh lệch 0%, nên mọi thứ ở đây sẽ không thay đổi nếu bảng giá đó có đổi. Biến thể production được phục vụ ở phía Qwen được định tuyến dưới dạng `qwen/qwen3.8-flash` với giá 0,15 USD và 0,47 USD, cũng theo giá niêm yết của nhà cung cấp, trên ngữ cảnh 1 triệu token với đầu vào văn bản, hình ảnh và video.

Bản xem trước trọng số mở thì lại là chuyện khác và đáng nói thẳng: Qwen3.8-Flash-Next không phải là một trong các tuyến của chúng tôi. Để dùng bản xem trước, bạn tải trọng số từ Hugging Face hoặc ModelScope rồi tự vận hành — vLLM hỗ trợ ngay từ ngày đầu với đường offload giữ bảng nhúng n-gram 51 tỷ tham số trong bộ nhớ máy chủ thay vì VRAM thường trú, SGLang và TensorRT-LLM nằm trong danh sách Day 0 của NVIDIA, còn thư viện của Ollama có bản dựng MLX cho Apple Silicon. Thứ chúng tôi định tuyến là biến thể production, tức bản mà bạn thực sự có thể gọi ngay hôm nay.

Cách sắp xếp thực tế cho một đội muốn cả hai là chia tách lưu lượng thay vì đưa ra quyết định: một khóa, một SDK, một hóa đơn, với một tỷ lệ phần trăm yêu cầu được gửi đến mô hình rẻ và cơ chế chuyển đổi dự phòng tự động hấp thụ những thời điểm mà một kiến trúc thử nghiệm hoặc một kiến trúc đã cũ hoạt động sai. Đó là một cam kết kỹ thuật nhỏ hơn so với cách đặt vấn đề của cuộc so tài này gợi ý, và đó là cách mà hầu hết các câu trả lời hữu ích cho câu hỏi "cái nào" thực sự được tìm ra — bằng cách chạy cả hai với lưu lượng thực trong một tuần và đọc kết quả.

Điều gì sẽ thay đổi trang này

Ba điều, xếp theo mức độ chúng thực sự có khả năng xảy ra. Một đánh giá với thiết lập tương đồng giữa Qwen3.8-Flash-Next và Claude Opus 4.8 trên một harness có tên cụ thể sẽ thay thế mọi câu rào đón ở trên bằng một con số. Sự xuất hiện của toàn bộ dòng Qwen4 sẽ chuyển bản xem trước từ "kiến trúc, giai đoạn đầu" sang "thế hệ kiến trúc trước đó", điều này làm thay đổi mục đích của nó. Và bất kỳ động thái giá nào đối với dòng Opus sẽ mở lại hệ số nhân ở trung tâm trang này — mức giá Qwen3.8-Flash được cung cấp, được chuyển tiếp ở phía chúng tôi, thay đổi cùng ngày nhà cung cấp thay đổi nó, nên phần so sánh vẫn luôn cập nhật ngay cả khi các con số thì không.

Cho đến lúc đó, yếu tố duy nhất thường quyết định sự kết hợp này không phải là một benchmark: đó là việc bên rẻ là một bản xem trước mang tính thử nghiệm do chính bạn vận hành, còn bên đắt là một mô hình cũ mà bạn thuê kèm quan hệ hỗ trợ và cam kết sẵn có đến năm 2027. Những đội cần sở hữu toàn bộ stack và có thể chấp nhận một kiến trúc chưa được chứng minh nên chọn 33x và kiểm thử nó cho đàng hoàng. Những đội cần câu trả lời đúng ngay từ lần đầu nên trả tiền cho mô hình mà họ đã hiểu rõ kiểu thất bại của nó.