Union Alpha vs Gemini 3.8 Flash: Một bên có Điểm số, bên kia có Tuyên bố

Union Alpha và Gemini 3.8 Flash là cùng một lời chào hàng được trình bày ở hai mức độ bằng chứng hoàn toàn khác nhau. Đơn vị vận hành Union Alpha mô tả nó là có “hiệu năng ngang tầm tiên phong trên một loạt rộng các tác vụ đa dụng” và đã không công bố benchmark, không công bố số lượng tham số, không công bố giấy phép và không công bố tên. Gemini 3.8 Flash ra mắt cùng một bảng đánh giá có ghi ngày tháng, một Artificial Analysis Intelligence Index, các con số chi phí theo từng tác vụ từ những đơn vị kiểm thử độc lập, và một biểu giá được tài liệu hóa kéo dài đến năm 2027. Nếu bạn đang chọn giữa hai bên dựa trên bất cứ điều gì ngoài giá, thì bạn đang chọn giữa một con số bạn có thể kiểm chứng và một câu nói mà bạn không thể kiểm chứng.

Kề vai sát cánh, trước cuộc tranh cãi

• Cửa sổ ngữ cảnh — Union Alpha 262.144 token so với Gemini 3.8 Flash 1.048.576 token.

• Đầu ra tối đa — 131.072 token so với 65.536 token. Union Alpha thắng ở điểm này, và đây là trục cấu trúc duy nhất mà nó thắng.

• Đầu vào — văn bản và hình ảnh trên cả hai, nhưng Gemini 3.8 Flash còn chấp nhận thêm video, âm thanh và tệp.

• Định giá — Union Alpha $0 trong thời gian xem trước so với Gemini 3.8 Flash $0.75/M đầu vào, $3.75/M đầu ra, $0.075/M đầu vào được lưu đệm, tăng gấp đôi lên $1.50/$7.50 vào ngày 1 tháng 1 năm 2027.

• Điều khiển suy luận — không có cái nào được cung cấp trên Union Alpha, so với các mức độ suy nghĩ trên Gemini 3.8 Flash có thể ảnh hưởng trực tiếp đến cả chất lượng lẫn chi phí.

• Đánh giá đã công bố — không có đánh giá nào từ đơn vị điều hành của Union Alpha so với một bảng đầy đủ có ghi ngày trên Gemini 3.8 Flash.

• Nguồn gốc — nhà vận hành ẩn danh, không có trọng số, so với bản phát hành có ghi ngày và dòng dõi được ghi chép của Gemini 3.8 Flash.

Những con số của Gemini 3.8 Flash thực sự nói lên điều gì

Gemini 3.8 Flash ra mắt vào ngày 2 tháng 9 năm 2026 — đây là bản phát hành Flash thứ ba của Google trong khoảng sáu tuần, điều đó cho thấy phần lớn câu chuyện của mô hình này nằm ở nhịp độ ra mắt chứ không phải ở đột phá. Bảng đánh giá được công bố ghi công cho artificialanalysis.ai và deepmind.google cùng nhau, nên hãy xem đó là sự pha trộn giữa số liệu độc lập và số liệu từ nhà cung cấp, chứ không phải một cuộc kiểm định bên thứ ba hoàn toàn khách quan.

• AA Coding — 76.3, đây thực sự là một điểm số lập trình rất mạnh.

• AA Intelligence — 41.2. Lưu ý rằng Artificial Analysis báo cáo riêng 59 trên Intelligence Index ở mức nỗ lực suy luận cao, nên con số thay đổi rất nhiều theo cài đặt nỗ lực; hãy ghi rõ cài đặt, nếu không thì con số vô nghĩa.

• GPQA Diamond — 95.3, con số cao nhất trong so sánh này, vượt trội hơn hẳn.

• HLE-Verified — 54,9, với Humanity's Last Exam thông thường ở mức 47,8.

• Terminal-Bench 2.1 — 89,4 trên bảng của chính Google, nhỉnh hơn một chút so với 89,1 của Claude Opus 5.

• Khả năng ghi nhớ ngữ cảnh dài — 81.3; SciCode 56.6; tau_banking 44.9.

• Thông lượng quan sát được — 323 token đầu ra mỗi giây trong cửa sổ bảy ngày gần đây, với tỷ lệ lỗi 0,63%, thời gian trung vị đến token đầu tiên là 3,46 giây và 498,5 triệu token lưu lượng được đo.

Các điểm yếu cũng được ghi nhận đầy đủ chẳng kém gì các điểm mạnh. Trên Terminal-Bench 4.0, nó đạt 19,1 so với 51,8 của Claude Opus 5. Trên OSWorld 2.0, nó đạt được 59,0% so với 75,4%. Trên GDPVal-AA v2, nó xếp sau với 1545 Elo so với 1824. Gemini 3.8 Flash xuất sắc trong một dải công việc cụ thể và tụt dốc không phanh ở những bài đánh giá general-agent khó nhất — đó chính xác là kiểu hình dạng mà một bảng được công bố cho phép bạn nhìn thấy.

Điểm bất ngờ về giá khiến nhiều người bị mắc bẫy

Google giữ nguyên mức giá trên mỗi token như Gemini 3.7 Flash. Hóa đơn vẫn tăng.

Mô hình làm việc vất vả hơn: nhiều bước suy luận hơn, nhiều lệnh gọi công cụ lặp lại hơn. Thử nghiệm độc lập do Artificial Analysis thực hiện đo được lượng token đầu ra trên mỗi tác vụ cao hơn khoảng 30% và chi phí trên mỗi tác vụ cao hơn khoảng 40% so với 3.7 Flash. Ở mức suy luận cao, chi phí rơi vào khoảng 0,58 USD mỗi tác vụ; mức trung bình nằm gần 0,41 USD và mức thấp nằm gần 0,24 USD.

Đây là điều hữu ích nhất trong phần so sánh đối với bất kỳ ai đang lập ngân sách, và nó khái quát hóa vượt xa hai mô hình này: đơn giá và chi phí trên mỗi tác vụ là những con số khác nhau, và chỉ một trong số đó xuất hiện trên trang định giá. Google đã giữ 3.7 Flash sẵn có như lựa chọn rẻ hơn, một sự thừa nhận ngầm về sự thay đổi này.

Những gì Union Alpha cung cấp thay thế

Union Alpha xuất hiện trên các danh mục của bên thứ ba vào ngày 16 tháng 9 năm 2026 và chạy trên gói miễn phí của OrcaRouter. Nó ẩn danh — không phòng thí nghiệm, không trọng số, không giấy phép, không mốc kiến thức — và miễn phí trong một khoảng thời gian được công bố khoảng một tuần, bị giới hạn tốc độ, và không có mức giá nào sau bản xem trước được công bố.

Endpoint của nó có thể kiểm chứng được ngay cả khi nguồn gốc của nó thì không: ngữ cảnh 262.144 token, đầu ra tối đa 131.072 token, đầu vào văn bản và hình ảnh với đầu ra chỉ có văn bản, gọi công cụ và đầu ra JSON, temperature, top_p, max_tokens, và không có bất kỳ loại điều khiển suy luận nào. Lựa chọn công cụ trên thực tế chỉ hỗ trợ "auto".

Có đúng một phép đo độc lập. SMF Clearinghouse đã chạy 157 bài kiểm tra Official A với tính năng suy luận bị tắt và đạt 136/157 — 86,6%, không có lỗi nào, đứng thứ mười trong số hai mươi sáu. Phần suy luận đạt điểm tuyệt đối 30/30, công cụ 2/2, lập trình 26/30, toán 24/30. Phần viết đạt 2/5.

Đó không phải là một kết quả tồi. Nó chỉ đơn giản là một kết quả không thể so sánh được. Official A là một bộ kiểm thử tổng quát rộng gồm 157 bài kiểm tra; AA Coding và GPQA Diamond là những công cụ khác nhau, đo những thứ khác nhau ở những mức độ khó khác nhau. Đặt 136/157 bên cạnh 95,3 trên GPQA Diamond rồi tuyên bố một bên thắng sẽ đúng kiểu tẩy trắng số liệu khiến các con số của nhà cung cấp trở nên vô dụng.

Bảng so sánh chi phí mà không ai thực sự có thể hoàn thành

Đây là ví dụ đã được giải, và nó cố ý không đầy đủ.

Lấy một tác vụ bạn chạy một nghìn lần mỗi tháng. Trên Gemini 3.8 Flash ở chế độ suy luận cao, con số công bố cho mỗi tác vụ khoảng $0.58 khiến nó tương đương khoảng $580 một tháng. Đó là một con số thực tế, có cơ sở để bảo vệ, được dựng từ mức tiêu thụ token đo được.

Trên Union Alpha, cũng một nghìn tác vụ đó hôm nay tốn $0. Chi phí của chúng trong ba tuần nữa thì chưa biết, vì không tồn tại mức giá nào sau bản xem trước. Chi phí về độ tin cậy của chúng cũng chưa biết, vì mô hình bị giới hạn tốc độ, chạy trên một endpoint duy nhất không có nhà cung cấp dự phòng, và phản hồi bằng HTTP 429 một khi bạn vượt qua một hạn mức mà chưa ai công bố.

Vậy câu trả lời trung thực là Union Alpha thắng phép so sánh chi phí duy nhất hiện có và đánh mất khả năng dự báo nó. Với một cuộc so tài chỉ diễn ra một lần, điều đó ổn. Còn với một mục ngân sách, nó không phải là một con số — mà là một niềm hy vọng kèm theo một URL.

Nơi mỗi người thuộc về

Gemini 3.8 Flash phù hợp với bất cứ đâu bạn cần một mức sàn được đo lường: công việc xử lý tài liệu theo ngữ cảnh dài với đầu vào video hoặc âm thanh, các tác vụ lập trình mà điểm AA Coding 76,3 là thước đo thích hợp, và mọi khối lượng công việc gắn với ngân sách, vì bạn có thể tính toán chi phí trước khi cam kết và bạn biết nó sẽ tăng gấp đôi vào ngày 1 tháng 1 năm 2027.

Union Alpha thuộc về ô dành cho thử nghiệm — thử một mô hình 256K có khả năng xử lý hình ảnh với giới hạn đầu ra gấp đôi Gemini, dùng cho những công việc mà việc một endpoint biến mất chẳng khiến bạn tốn kém gì.

Lý do để chạy chúng phía sau một endpoint thay vì hai tích hợp là việc so sánh này sẽ liên tục thay đổi hình dạng. Một DSL định tuyến cho phép bạn kết hợp hai cái đó thành một lệnh gọi duy nhất — Gemini 3.8 Flash làm đường đo lường, Union Alpha làm nhánh thử nghiệm — thay vì mã hóa cứng một quyết định mà bạn sẽ muốn xem lại khi cửa sổ miễn phí đóng lại hoặc khi mức giá giới thiệu của Google hết hạn. Cả hai mốc thời gian đó đều không xa, và cả hai sẽ làm thay đổi phép tính.

Điều gì sẽ giải quyết được nó?

Một mục ghi ngày tháng cho Union Alpha trên một bảng xếp hạng cũng có Gemini 3.8 Flash. Đó chính là mảnh ghép còn thiếu. Cho đến lúc đó, lập trường có thể bảo vệ được không phải là "Union Alpha tốt ngang Gemini 3.8 Flash" — mà là "Union Alpha miễn phí trong một tuần và chưa ai đo nó so với bất cứ thứ gì Google công bố." Đó là những câu rất khác nhau, và hiện tại chỉ một trong số đó là đúng.

Nửa đã được đo của cặp này được ghi lại ở đây: trang mô hình Gemini 3.8 Flashmang mức giá $0,75/$3,75, mức giảm 90% cho đầu vào đã lưu trong bộ nhớ đệm, và giới hạn đầu ra 65.536 token – yếu tố quyết định cho công việc báo cáo dài.