TryAI vừa công bố kết quả thử nghiệm bốn mô hình AI lập trình với cùng một prompt, cho thấy Grok 4.5 nổi bật nhất về tốc độ phản hồi và chi phí. Tuy nhiên, ở bài kiểm tra khó nhất là Rubik 3D, mô hình này lại không cho kết quả tốt ngay từ lần chạy đầu tiên.

Theo Gigazine, trong bài đánh giá được công bố ngày 9/7/2026 theo giờ địa phương, TryAI đã đưa cùng một prompt vào bốn mô hình gồm Grok 4.5, GPT-5.5, Claude Opus 4.8 và Claude Fable 5. Mỗi mô hình chỉ được chạy một lần để so sánh mức độ hoàn thiện của đầu ra, độ trễ và chi phí.

Các mô hình được yêu cầu tạo ứng dụng tương tác trong một tệp HTML độc lập, không sử dụng thư viện ngoài và không kết nối mạng. TryAI chạy trực tiếp kết quả trên trình duyệt, không bổ sung thêm hướng dẫn và cũng không chỉnh sửa prompt.

Ba bài kiểm tra chính gồm Rubik 3D, sandbox hạt có trọng lực và game phá gạch. Với Rubik 3D, bài được xem là khó nhất, Claude Opus 4.8 và Claude Fable 5 là hai mô hình duy nhất tạo đúng yêu cầu ngay ở lần chạy đầu tiên, với khối 3D có hiệu ứng xoay cùng tính năng tự trộn và tự giải.

Trong khi đó, Grok 4.5 ở lần đầu không render được khối lập phương và chỉ tạo ra kết quả ở lần thử thứ hai. GPT-5.5 cũng không đáp ứng đúng yêu cầu khi cho ra hình 2D thay vì một khối Rubik 3D.

Ở bài sandbox hạt có trọng lực, cả bốn mô hình đều tạo được sản phẩm hoạt động bình thường. TryAI xếp GPT-5.5 ở vị trí cao nhất trong bài này. Grok 4.5 được đánh giá cao nhờ bố cục gọn gàng, mã nguồn có tổ chức. Claude Opus 4.8 thể hiện tốt hơn ở phần mô phỏng vật lý nhưng kém nổi bật về mặt hình ảnh, còn Claude Fable 5 thiên về hiệu ứng các khối cầu phát sáng mượt mà hơn là mô phỏng hạt.

Với game phá gạch, cả bốn mô hình đều tạo ra sản phẩm có thể sử dụng. Grok 4.5 và GPT-5.5 cùng chọn phong cách arcade tông neon, trong đó GPT-5.5 bổ sung thêm cơ chế tính điểm khi bóng được đỡ lại. Claude Opus 4.8 và Claude Fable 5 cũng đáp ứng các yêu cầu cơ bản của bài thử.

Trong bài thử phụ về tạo ảnh SVG, Claude Fable 5 được đánh giá cao nhất. Cả bốn mô hình đều không thể tạo ảnh raster như JPEG hay PNG, nhưng đều tạo được SVG. Với yêu cầu mô tả cảnh một phi hành gia cưỡi ngựa trên bề mặt Mặt Trăng, Claude Fable 5 cho ra kết quả hoàn thiện nhất theo phong cách hoạt hình. GPT-5.5 làm biến dạng hình con ngựa; Grok 4.5 bám khá sát ý đồ của prompt; còn Claude Opus 4.8 giữ đúng bố cục nhưng tệp SVG xuất hiện thuộc tính trùng lặp, gây lỗi khi render.

Ở phần so sánh độ trễ và chi phí, Grok 4.5 là mô hình nổi bật nhất. TryAI đã chạy ba nhóm prompt gồm viết mã, suy luận và tóm tắt, mỗi mô hình được thử ba lần, với đầu ra giới hạn tối đa 400 token. Kết quả cho thấy Grok 4.5 mất chưa tới 0,5 giây để xuất token đầu tiên và đạt tốc độ khoảng 110 token mỗi giây, gần gấp đôi các mô hình còn lại, đồng thời có chi phí thấp nhất cho mỗi lần phản hồi.

Dù vậy, nếu xét theo trung vị tổng thời gian xử lý, chênh lệch giữa các mô hình không quá lớn do phản hồi của Grok 4.5 tương đối dài. Mô hình này cũng có số lượng token trên mỗi câu trả lời cao nhất, và 5% số phép đo vượt mốc 9 giây. GPT-5.5 linh hoạt hơn trong các câu trả lời ngắn, còn Claude Opus 4.8 được xem là lựa chọn cân bằng giữa tốc độ và chi phí. Claude Fable 5 là mô hình chậm nhất, đồng thời cũng tốn kém nhất.

Theo TryAI, kết quả này cho thấy việc đánh giá mô hình AI không thể chỉ dựa trên một tiêu chí đơn lẻ, mà cần xem đồng thời chất lượng đầu ra, tốc độ phản hồi và cấu trúc chi phí. Grok 4.5 bộc lộ hạn chế ở bài kiểm tra khó nhất, nhưng vẫn cho thấy lợi thế rõ rệt về hiệu năng và năng lực cạnh tranh về chi phí.