Village’s LLM Atlas đã绘制 ra vị trí trên price‑performance frontier, mô phỏng sức mạnh của mỗi mô hình AI so với chi phí thực tế. Nghiên cứu lấy dữ liệu công khai, tính toán điểm năng lực và chi phí cho mỗi mô hình, rồi so sánh chúng trên 201 ngưỡng ngân sách trên đường thẳng log từ 1% đến 300% chi phí của GPT‑5.
Phương pháp gồm hai bước: (1) đánh giá điểm năng lực dựa trên các bộ dữ liệu chuẩn công khai; (2) áp dụng mô hình chi phí để quy định chi phí trung bình cho một task. Các mô hình chỉ được tính nếu chúng đạt được ít nhất 10 family benchmark. Chi phí được báo cáo từ các lần chạy do nhà evaluator trả, phản ánh giá thực tế trên các API hosted.
Kết quả cho ngày 31 tháng 10 2026 cho thấy mô hình đóng mới nhất vừa rẻ hơn và mạnh hơn bất kỳ mô hình mở nào, làm cho “band” giá‑hiệu hẹp lại gần mức tối thiểu. Chi phí cho một task đã giảm từ 79 cents (khi GPT‑5 ra mắt) xuống còn khoảng 2 cents với các mô hình mới. Các mô hình mới ra mắt nhanh chóng được các mô hình rẻ bắt kịp, đặc biệt ở phần chi phí thấp.
- Mô hình mở mạnh rẻ (ví dụ DeepSeek) chiếm lĩnh band 1%‑10% chi phí.
- Mô hình đóng mới chiếm lĩnh 3%‑30% chi phí, nhưng đã vượt qua các mô hình mở trong hiệu năng.
- Chi phí trung bình per task giảm 98% so với GPT‑5 ban đầu.
Đối với cộng đồng AI Việt Nam, thông tin này khẳng định tiềm năng của các mô hình open‑source để đáp ứng nhu cầu kinh tế, đồng thời nhấn mạnh việc cần theo dõi các tiến bộ nhanh chóng của các mô hình đóng, tạo cơ hội hợp tác và đáp ứng các ứng dụng địa phương.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com