AI-FAMING STORE
Tin tức và kiến thức

Chọn model nào cho việc gì: việc khó, code hằng ngày, tác vụ nền

Kiến thức16/10/2026

Phân loại việc theo độ khó rồi gán model theo giá và điểm coding là cách tiết kiệm nhất. Bài này chia ba nhóm việc và gợi ý model tương ứng từ bảng đang bán.

Việc khó: đổi model, đổi cả cách hỏi

Việc khó là loại mà sai một bước phải sửa cả buổi: refactor xuyên nhiều file, gỡ bug không rõ nguyên nhân, migrate kiến trúc, viết test cho code chưa có test. Đây là lúc không nên tiết kiệm token.

Chọn giữa Claude Opus 5.5 ở 12.652 đ/1 triệu token (điểm 63,2, hạng 1) và GPT-6 Astra ở 36.561 đ (điểm 57,8, hạng 6). Opus rẻ hơn gần ba lần mà điểm cao hơn, nên Astra chỉ đáng khi bạn đã thử Opus và thấy nó tắc ở đúng bài toán đó.

Với việc khó, cách hỏi quan trọng ngang model: đưa ngữ cảnh hẹp, yêu cầu model tự đặt giả thuyết trước khi sửa. Một mẫu ngắn:

Đọc 3 file này trước. Liệt kê 3 giả thuyết gây lỗi, xếp theo khả năng.
Chỉ sửa sau khi tôi xác nhận giả thuyết đúng.

Nếu bạn đang dùng Claude Code, bản v2.1.296 có autoCompactWindow cho subagent và biến CLAUDE_CODE_WORKFLOW_SUBAGENT_MODEL để ghim mọi workflow agent vào một model — hữu ích khi muốn việc khó luôn chạy Opus còn việc phụ chạy model rẻ.

Code hằng ngày: mặc định nên là model hạng 2

Phần lớn thời gian của dev không phải việc khó. Đó là sửa hàm, thêm endpoint, viết type, đọc lại diff, hỏi "file này làm gì". Nhóm này chỉ cần model đủ giỏi, nhanh và rẻ để không phải đắn đo mỗi lần bấm gửi.

Ba lựa chọn đáng cân nhắc:

  • Claude Sonnet 5.5 — 7.719 đ, điểm 62,3, hạng 2. Hợp làm mặc định trong Claude Code; khoảng cách với Opus đủ nhỏ để nhiều người chọn nó làm model chính.
  • GPT-6.1 Sol — 5.993 đ, điểm 55,2, hạng 8, WebDev #4. Rẻ hơn Sonnet một chút, mạnh khi code phức tạp.
  • GLM-5.3-FlashX — 1.782 đ, hợp việc nhẹ: đọc file, sửa nhỏ.

Một cách làm thực dụng: để Sonnet 5.5 làm model mặc định, chỉ chuyển tay sang Opus khi bí. Nếu dùng Cline hoặc Cursor, cấu hình hai profile — một model chính, một model "leo thang" — rồi đổi bằng một phím tắt.

Tác vụ nền: rẻ và chịu được chậm

Tác vụ nền chạy nhiều lần, không ai ngồi đợi: sinh docstring, dịch comment, tóm tắt changelog, phân loại log, sinh test khung, cập nhật import sau refactor. Ở đây sai số chấp nhận được, nhưng chi phí nhân với số lần chạy thì không.

Nhóm giá rẻ trong bảng:

  • DeepSeek-V4.1-Flash — 213 đ, điểm 39,4, mã nguồn mở. Lưu ý giá gấp đôi vào 8–11h và 13–17h thứ 2–6 (giờ VN), và phản hồi đôi khi chậm.
  • GPT-6 Luna — 366 đ, điểm 33,6, có cache. Rẻ và ổn định, hợp việc lặp.
  • Claude Haiku 5.5 — 386 đ, điểm 43,9, hạng 15. Đời mới của Haiku, nhanh; lượt vượt 100K token vào tính giá cao hơn.

Nếu tác vụ nền chạy theo batch, tránh khung giờ cao điểm của DeepSeek nếu bạn muốn giữ giá đáy; hoặc chấp nhận trả gấp đôi vì nền vẫn rẻ hơn nhiều so với model hạng 1. Với tác vụ cần đọc file lớn, nhớ bật cache nếu model hỗ trợ.

Đừng chọn model bằng điểm benchmark đơn lẻ

Điểm coding trong bảng là tín hiệu tốt nhưng không phải toàn bộ câu chuyện. Một bài trên dev.to chỉ ra rằng khi so local LLM với Claude Code, nhiều người chỉ nhìn SWE-bench trong khi vấn đề thật là agent có gọi tool đúng schema, ổn định qua nhiều lần chạy và nhiều file hay không (dev.to).

Cùng logic đó áp cho model API: một model hạng 8 nhưng gọi tool ổn định có thể hữu dụng hơn model hạng 2 hay quên schema trong workflow agent dài. Cách kiểm tra thực tế: lấy một task lặp lại của bạn, chạy trên 3 model trong 2 tuần, đo số lần phải sửa tay. Con số đó quan trọng hơn điểm.

Việc khó có thêm lựa chọn mới

Có một model frontier vừa GA đáng để ý cho coding agent: Gemini 4 Argon, giá API khởi điểm 2 USD/1M input và 10 USD/1M output, cache input giảm 95%, nhưng dự kiến tăng gấp đôi sau 30/11 (Google AI, Simon Willison).

Google công bố kết quả nội bộ: dùng Argon trong Antigravity tăng hơn 35% code agentic submit và giảm gần một phần ba rollback; model cũng được dùng để refactor codebase Chrome hàng triệu dòng (Latent Space).

Nếu bạn định thử cho việc khó, hãy thử khi giá còn thấp và đo lại chi phí trước mốc tăng giá. Với tác vụ robot hoặc mô phỏng, Argon cũng có hướng ứng dụng riêng (Google Developers Blog).

Tóm tắt nhanh

  • Việc khó: mặc định Claude Opus 5.5 (12.652 đ, điểm 63,2); GPT-6 Astra chỉ khi Opus tắc.
  • Code hằng ngày: Claude Sonnet 5.5 hoặc GPT-6.1 Sol — set một model chính, một model leo thang.
  • Tác vụ nền: DeepSeek-V4.1-Flash, GPT-6 Luna hoặc Claude Haiku 5.5; chú ý khung giờ giá gấp đôi của DeepSeek.
  • Đừng chọn model chỉ theo một điểm benchmark; đo số lần phải sửa tay trên task thật của bạn.
  • Việc khó có thêm lựa chọn Gemini 4 Argon, nhưng giá sẽ tăng gấp đôi sau 30/11 — cân nhắc thời điểm.

Nếu chỉ muốn một câu trả lời: việc khó đi Opus 5.5, code hằng ngày đi Sonnet 5.5, tác vụ nền đi Haiku 5.5 hoặc DeepSeek-V4.1-Flash.

Nguồn tham khảo

Bài khác