Phương pháp

Chất lượng dẫn dắt, giá phân định khi hòa. Chính thứ tự đó là toàn bộ sản phẩm: một danh sách xếp từ rẻ nhất thì dễ công bố đến mức tầm thường và gần như vô dụng, bởi mô hình rẻ nhất trong thị trường này rẻ hơn mô hình đắt nhất 12.500× và thường không làm nổi việc.

Capability comes from independent evaluators, never from us and never from the vendor. The general scores are LMArena Elo from human preference, on its general board and its document board, used under CC BY 4.0 from the official dataset. The per-task scores under a task lens are Design Arena’s, credited below.

Cột thứ hạng là thứ hạng theo ý nghĩa thống kê, không phải số dòng. Thứ hạng của một mô hình bằng một cộng số mô hình vượt nó với chênh lệch lớn hơn tổng hai biên sai số. Các mô hình có cùng con số này có chung một thứ hạng. Hai mô hình nằm trong biên sai số của nhau vẫn có thể có thứ hạng khác nhau, vì mỗi mô hình được so với toàn bộ bảng.

SHA-256 của phép chiếu liên quan tới thứ hạng (định danh, điểm, giá theo khối lượng công việc, cờ biên): 06cd12db54e2968c3de49b45a3a2a6881f374f6e58a462437784450842efb989. Ngày tháng và dấu bản dựng bị loại trừ. Một thay đổi ở đây là thay đổi trong xếp hạng, không phải ở lớp vỏ.

Đính chính

Ưu thế Pareto trên giá và năng lực là một phép chiếu hai chiều của một quyết định mua rộng hơn nhiều, và phép chiếu ấy sai nhiều hơn đúng. Một mô hình có thể điểm cao hơn và tốn ít hơn mà đồng thời không nhận ảnh, cắt đầu ra còn một nửa token, hoặc giữ ít hơn nửa triệu token ngữ cảnh.

Vì vậy “vừa tốt hơn vừa rẻ hơn” chỉ dành cho một lựa chọn thay thế có vùng năng lực là tập cha của mô hình gốc. Trong 133 phán định ưu thế, 113 phán định là chặt chẽ và 20 (15%) thay vào đó nêu tên thứ bạn sẽ phải từ bỏ. Không có cánh cổng ấy, 61% phán định hai trục thô đã gợi ý một mô hình không làm nổi công việc của mô hình đang dùng.

Một mô hình nằm trên biên giá trị khi không có mô hình nào khác vừa có điểm không thấp hơn, vừa không đắt hơn, lại vừa thắng ở một trong hai tiêu chí đó. 12 trong số các mô hình đã chấm điểm, có giá và giao hàng tiêu chuẩn đạt điều đó. Mỗi mô hình trong 92% còn lại đều có một mô hình như vậy ở phía trên, dù không phải lúc nào đó cũng là một lựa chọn thay thế tương đương: phần ở trên đếm những trường hợp mà bạn phải từ bỏ một thứ gì đó.

Không có cái gọi là “mức giá” của một mô hình. Tóm tắt nặng về đầu vào, sinh mã nặng về đầu ra, còn vòng lặp tác tử phát lại ngữ cảnh của nó ở mỗi lượt; cùng một danh mục sẽ sắp xếp khác nhau trong từng trường hợp. Thay vì chọn một tỉ lệ pha rồi giấu đi, tỉ lệ vào:ra và tỉ lệ trúng bộ đệm là những nút điều khiển bạn nhìn thấy và đổi được.

Nếu chưa công bố giá đọc bộ nhớ đệm, ước tính kết hợp sẽ dùng toàn bộ giá đầu vào của bậc giá đã chọn.

Ba điều thường khiến mức giá quảng cáo trở nên sai, và cả ba đều hiện trên dòng:

• Bậc theo ngữ cảnh. 51 mô hình đổi mức giá khi vượt ngưỡng độ dài prompt, một số đổi nhiều hơn một lần — Qwen3.7 Flash lên 3,33× khi vượt 32K và 6,67× khi vượt 256K. Tính một khối lượng công việc ngữ cảnh dài theo giá tiêu đề thì bạn sai cả một bội số.
• Token suy luận tính tiền tách khỏi đầu ra. Khi token suy luận được tính phí riêng, chi phí phụ thuộc vào số token được tính phí và đơn giá áp dụng. Hãy đưa khoản phí này vào dự toán.
• Giá theo giờ trong ngày. Số mô hình có khung giờ giá đã công bố: 2. Kiểm tra khung giờ, múi giờ và mức giá; đừng mặc định có mức giảm giá cố định.

Điểm được đo trên triển khai riêng của mô hình, nên giá bên cạnh là giá tham chiếu: chào bán rẻ nhất, theo tỷ lệ cân bằng, vượt qua mọi kiểm tra bên dưới. Giá đầu vào, đầu ra và đọc cache của chào bán đó được công bố cùng nhau, không bao giờ trộn với giá của chào bán khác.

1. Đang hoạt động. Chào bán mà OpenRouter ghi là không hoạt động bị loại. Chào bán bị ghi là suy giảm tại thời điểm đọc vẫn được tính nếu đã hoạt động ít nhất 95% trong ngày gần nhất. Chào bán hoạt động dưới 80% trong ngày gần nhất không được tính, dù hiện tại ở trạng thái nào.
2. Giao hàng tiêu chuẩn. Flex, priority, fast và các cấp tương tự là sản phẩm khác, nên bị loại.
3. Giá tiêu chuẩn. Chào bán đang khuyến mãi được tính theo giá tiêu chuẩn: mỗi mức giá chia cho một trừ đi tỷ lệ giảm. Giá khuyến mãi được công bố, không bao giờ được xếp hạng.
4. Khung giờ tiêu chuẩn. Giá theo giờ trong ngày được tính theo mức tiêu chuẩn; các giờ giảm giá được công bố.
5. Độ chính xác của nhà sản xuất hoặc cao hơn. Chào bán 4-bit (fp4, nvfp4, mxfp4, int4) chỉ được tính khi chính nhà sản xuất phục vụ ở 4-bit hoặc, khi nhà sản xuất không khai báo độ chính xác, trọng số đã công bố là 4-bit. Chào bán không khai báo độ chính xác được tính khi đó là chào bán của chính nhà sản xuất, hoặc của bên bán lại một mô hình có trọng số đóng: bên này phục vụ bản triển khai của nhà sản xuất. Với trọng số mở, hoặc chưa ai ghi nhận, chào bán của bên bán lại không khai báo độ chính xác bị loại: không bao giờ được hiểu là độ chính xác đầy đủ.

Khi không chào bán nào vượt qua, mô hình giữ một mức giá dự phòng, gắn nhãn giá không có chào bán tương đương kèm lý do, vì một mô hình không có giá sẽ trông như không tồn tại: trong các chào bán đang hoạt động có giao hàng tiêu chuẩn, mỗi chào bán tính theo giá tiêu chuẩn, lấy chào bán rẻ nhất của bên bán lại không khai báo độ chính xác, nếu không có thì lấy chào bán 4-bit rẻ nhất. Cấp giao hàng khác chỉ được dùng khi không còn gì khác đang hoạt động. Mô hình không có chào bán nào để lấy giá giữ giá cấp mô hình của OpenRouter.

Chào bán rẻ nhất bị quy tắc loại, khi rẻ hơn, được hiển thị trên trang mô hình là “Đang rẻ hơn”, kèm lý do: khuyến mãi và tỷ lệ phần trăm, 4-bit, cấp giao hàng, hoặc không công bố độ chính xác. Nó không bao giờ quyết định thứ hạng, biên hiệu quả, kết luận hay con số tiêu đề. Khi chính chào bán quyết định mức giá đang khuyến mãi, giá khuyến mãi của nó là giá được hiển thị.

Trong dữ liệu này, 333 mô hình có giá tham chiếu, 15 có giá không có chào bán tương đương và 99 có giá cấp mô hình của OpenRouter, trong đó có các mục batch và miễn phí. 86 mô hình đang có chào bán rẻ hơn, trong đó 11 đến từ bên bán lại không khai báo độ chính xác.

Trước quy tắc này, mọi mức giá ở đây là giá cấp mô hình của OpenRouter, do bất kỳ người bán nào cũng có thể đặt, kể cả khuyến mãi và bản 4-bit. Thay đổi được ghi là §96 trong nhật ký đính chính, kèm số liệu trước và sau.

Một thứ tự toàn cục duy nhất là không trung thực về mặt trí tuệ, bởi công việc khác nhau thì mô hình thắng cũng khác nhau. Chúng tôi giữ Elo theo tác vụ trên 25 hạng mục — front-end, trực quan hóa dữ liệu, phát triển trò chơi, SVG, Android, trình chiếu và hơn nữa. Chọn một tác vụ sẽ xếp lại toàn bộ bảng theo Elo của tác vụ đó thay vì theo một chỉ số tổng quát.

Điểm theo tác vụ là Elo theo từng tác vụ của Design Arena, đọc từ nguồn cấp mô hình của OpenRouter: designarena.ai.

Mức bao phủ khác nhau theo hạng mục, và một mô hình vắng mặt trên bảng của một hạng mục được thể hiện là chưa đo cho tác vụ đó, chứ không phải kém ở tác vụ đó.

Một số mô hình không phải là mô hình mới. Chính người bán nói vậy: 11 mục trong danh mục này được chính nhà cung cấp của chúng mô tả là một mô hình khác trong danh mục, được phục vụ theo cách khác — một làn nhanh hơn, một chế độ suy luận khác, nhiều tài nguyên tính toán hơn cho mỗi truy vấn. 10 trong số 11 mục đó không có mục nào trên bất kỳ bảng xếp hạng LMArena nào. 11 trong số 11 mô hình cơ sở của chúng thì có.

Sự phân biệt này quan trọng đối với những gì bạn có thể kết luận. Ở nơi người bán nói năng lực giống hệt — 0 trong số 11 — điểm của mô hình cơ sở cũng chính là khẳng định của người bán về gói đó, và thứ duy nhất bạn mua là tốc độ. Ở nơi người bán nói nhiều tài nguyên tính toán hơn hoặc một chế độ khác, không có số đo nào đã công bố cho bạn biết khoản chi thêm mua được gì, ngoại trừ một trường hợp duy nhất đã nêu ở trên.

Phần này chỉ tính những gì người bán tuyên bố. Một mô hình có tên kết thúc bằng “Pro” nhưng được nhà cung cấp của nó gọi là một mô hình chủ lực độc lập thì không được tính ở đây, vì đó sẽ là khẳng định của chúng tôi chứ không phải của họ — cùng một sai lầm như việc coi các gói dịch vụ của chính một nhà cung cấp là những người bán cạnh tranh nhau, điều từng biến một chênh lệch giá 2× thành con số 7,2× được công bố.

Không có mục trên một bảng xếp hạng LMArena không phải là một phán định. Đó không phải bằng chứng về chất lượng kém, và cũng không có nghĩa là chưa ai đánh giá các mô hình này — các nhà cung cấp công bố kết quả của riêng họ. Nó có nghĩa là trục mà trang này dùng để xếp hạng không có số đo cho chúng, nên chúng tôi không xếp hạng chúng.

Giá được chuẩn hóa từ một danh mục đọc được bằng máy trải nhiều nhà cung cấp và đối chiếu với các trang giá của họ. Mỗi trang mô hình đều dẫn nguồn và ngày lấy dữ liệu.

• Mâu thuẫn được ghi nhận, không lấy trung bình. Khi hai nguồn bất đồng về một mức giá, chính sự bất đồng đó là phát hiện. Một mô hình được nhà cung cấp niêm yết 4/20 USD và bán 2/10 USD qua một đơn vị tổng hợp thì có hai mức giá đều đúng, và mức nào áp dụng còn tùy bạn mua ở đâu.
• Giá trị không hợp lý bị cách ly. Một giá trị canh chừng −1 ở đầu nguồn, nghĩa là “định giá lúc gửi yêu cầu”, nếu để đi thẳng sẽ thành −750.000 USD mỗi triệu, và thắng mọi lần sắp xếp theo rẻ nhất. Bất cứ thứ gì nằm ngoài khoảng hợp lý đều bị giữ lại kèm lý do.
• Độ tin cậy tính theo từng trường. Không phải một huy hiệu cho cả dòng. Tuyên bố một bản ghi đã được xác minh trong khi mới chỉ kiểm tra giá của nó là kiểu phóng đại chấm dứt niềm tin ngay lần đầu có người nhận ra.
• Chưa chấm điểm không phải là không. 219 mô hình không có điểm độc lập. Chúng được liệt kê theo giá và loại khỏi việc sắp xếp theo chất lượng; không bao giờ bị đẩy xuống đáy như thể đã được đo và trượt.

Hai trong số các phép đo mà trang này dựa vào có điều khoản phân phối lại rất khác nhau, và điều đó thay đổi những gì được phép công bố.

• LMArena công bố bảng xếp hạng của họ dưới dạng bộ dữ liệu CC-BY-4.0, cho phép phân phối lại kèm ghi công — và bộ này mang theo các biên tin cậy mà những thứ hạng theo ý nghĩa ở trên dựa vào. Đó là kênh nên dùng; việc thu thập từ chính trang web bị điều khoản của họ cấm.
• Artificial Analysis's free tier is "internal use only with attribution"; public redistribution requires a commercial licence, and their site terms separately limit use to personal and non-commercial purposes. So we do not publish their figures at all. Every general capability score on this site is LMArena Elo, used under CC BY 4.0 from the official dataset; the per-task scores are Design Arena’s, below. Artificial Analysis remains an internal cross-check, which is what its free tier permits; it reaches no page, export or API here.
• Điều khoản API của Design Arena cho phép dùng miễn phí dữ liệu bảng xếp hạng, kể cả cho mục đích thương mại, với một điều kiện: nơi hiển thị công khai phải ghi nguồn Design Arena và liên kết tới designarena.ai. Elo theo tác vụ đến trang này qua nguồn cấp mô hình của OpenRouter; chế độ xem theo tác vụ, thứ hạng theo tác vụ trên mỗi trang mô hình và trang này đều ghi nguồn.
• Bản thân mức giá là một sự kiện do nhà cung cấp công bố, khác với một điểm chỉ số được biên soạn. Giá được đối chiếu với trang của nhà cung cấp và mỗi dòng đều dẫn nguồn của nó.

Giá thay đổi không báo trước và các trang được dựng lại; một phần những gì ở đây sẽ sai vào bất kỳ thời điểm nào. Nếu bạn thấy một lỗi, cách nhanh nhất là nói rõ mô hình nào, con số lẽ ra phải là bao nhiêu, và nó được công bố ở đâu — đính chính có nguồn gốc sẽ được áp dụng trực tiếp.

Báo một mức giá sai

Danh mục được lấy lần gần nhất vào 2026-10-06. Logic xếp hạng được quản lý phiên bản cùng với trang, nên một thay đổi trong cách tính “tốt nhất” sẽ là một khác biệt nhìn thấy được, chứ không phải một lần tinh chỉnh âm thầm.