So sánh benchmark Claude Fable 5 với các model nổi tiếng khác 2026

Ngày 9/6/2026, Anthropic ra mắt Claude Fable 5 – mô hình đầu tiên thuộc tầng Mythos, tầng năng lực cao nhất mà công ty này từng công bố rộng rãi cho người dùng phổ thông. Nhưng liệu đây có phải là model AI mạnh nhất hiện tại? Hãy cùng Tino so sánh benchmark Claude Fable 5 với các model nổi tiếng khác qua bài viết dưới đây nhé!

Tổng quan về mô hình Mythos-Class đầu tiên của Anthropic

Claude Fable 5 là gì?

Claude Fable 5 là model thuộc lớp Mythos của Anthropic, được phát hành ngày 9/6/2026. Anthropic định vị Fable 5 cao hơn dòng Opus, hướng đến những công việc khó, kéo dài nhiều giờ hoặc nhiều ngày như chuyển đổi hệ thống phần mềm, nghiên cứu chuyên sâu, phân tích tài liệu và vận hành AI Agent tự chủ.

Model này hỗ trợ đầu vào văn bản và hình ảnh, đầu ra văn bản, cửa sổ ngữ cảnh 1 triệu token và cơ chế adaptive reasoning luôn được kích hoạt. Giá API tiêu chuẩn là 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra.

Một điểm khác biệt quan trọng là khả năng duy trì công việc dài hạn. Anthropic cho biết Fable 5 có thể lập kế hoạch theo nhiều giai đoạn, giao việc cho sub-agent, viết bài kiểm thử và tự kiểm tra kết quả trước khi hoàn thành dự án.

Tuy nhiên, Fable 5 áp dụng hệ thống bảo vệ nghiêm ngặt đối với một số nội dung liên quan đến sinh học và an ninh mạng. Các yêu cầu bị bộ bảo vệ đánh dấu có thể được chuyển sang Claude Opus 4.8. 

👉 Xem chi tiết về Fable 5 tại bài viết: Claude Fable 5 có ưu điểm gì?

Cập nhật mới nhất: Sự cố kiểm soát xuất khẩu và tình trạng truy cập hiện tại.

Một chi tiết quan trọng mà nhiều bài đánh giá benchmark bỏ sót: Fable 5 từng bị gián đoạn truy cập ngay sau khi ra mắt. Ngày 12/6/2026, một chỉ thị kiểm soát xuất khẩu từ phía Mỹ buộc Anthropic phải tạm ngưng quyền sử dụng Fable 5 và Mythos 5 trên toàn cầu. Đến ngày 30/6/2026, Bộ Thương mại Mỹ ban hành chỉ thị thu hẹp phạm vi kiểm soát, và Anthropic chính thức khôi phục quyền truy cập cho toàn bộ khách hàng kể từ ngày 1/7/2026.

Tính đến thời điểm hiện tại (tháng 7/2026), Fable 5 đã hoạt động ổn định trở lại, có mặt trên nền tảng Claude API, Claude Code, các gói Enterprise theo hình thức trả theo mức sử dụng, cùng các nền tảng đám mây lớn như AWS, Google Cloud và Microsoft Foundry. Về giá, mô hình này hiện được tính phí 10 đô la cho mỗi triệu token đầu vào và 50 đô la cho mỗi triệu token đầu ra — mức giá cao gấp đôi Claude Opus 4.8, nhưng chỉ bằng chưa đến một nửa so với bản Mythos Preview trước đây.

Tại sao không nên đánh giá model chỉ qua một benchmark?

Kết quả có thể thay đổi theo mức reasoning, giới hạn token, prompt hệ thống, công cụ được cấp, Agent harness và cách chấm điểm. Cùng một model nhưng cấu hình medium, high, max hoặc xhigh có thể tạo ra mức điểm và chi phí rất khác nhau.

Một số benchmark cũng có nguy cơ bị dữ liệu huấn luyện bao phủ. OpenAI và Anthropic đều đã lưu ý về dấu hiệu ghi nhớ trên một số bài kiểm tra SWE-Bench. Vì vậy, benchmark nên được kết hợp với thử nghiệm trên dữ liệu mới và tác vụ riêng của doanh nghiệp.

Xem chi tiết: Benchmark model AI là gì?

Bảng tổng hợp so sánh benchmark Claude Fable 5

Bảng dưới đây tổng hợp các kết quả chung được OpenAI công bố trong bảng đánh giá GPT-5.6 ngày 9/7/2026. Các model được chạy trong những cấu hình có mức reasoning cao; điểm càng cao càng tốt. 

Anthropic từng công bố Fable 5 đạt 80,3% trên SWE-Bench Pro khi ra mắt, cao hơn Opus 4.8 ở mức 69,2%, GPT-5.5 ở mức 58,6% và Gemini 3.1 Pro ở mức 54,2%. Chênh lệch nhỏ giữa 80,0% và 80,3% có thể đến từ lần chạy, cấu hình hoặc cách tổng hợp kết quả. 

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index là chỉ số tổng hợp nhiều khả năng như suy luận, kiến thức, khoa học, toán, lập trình và thực hiện tác vụ kiểu Agent.

Ở thời điểm cập nhật, Fable 5 đứng đầu bảng xếp hạng với khoảng 60 điểm. GPT-5.6 Sol ở cấu hình max xếp ngay sau với khoảng 59 điểm, còn Claude Opus 4.8 đạt khoảng 56 điểm.

Khoảng cách giữa Fable 5 và GPT-5.6 Sol chỉ vào khoảng một điểm. Vì vậy, khác biệt về chi phí, tốc độ và loại tác vụ có thể quan trọng hơn mức chênh lệch trí tuệ tổng hợp.

SWE-Bench Pro

SWE-Bench Pro kiểm tra khả năng sửa lỗi phần mềm trong các kho mã nguồn thực tế. Model phải đọc yêu cầu, tìm vị trí gây lỗi, chỉnh sửa nhiều tệp và vượt qua bộ kiểm thử.

Fable 5 đạt khoảng 80%, cao nhất trong nhóm model được so sánh. GPT-5.6 Sol đạt 64,6%, Opus 4.8 đạt 69,2%, GPT-5.5 đạt khoảng 59% và Gemini 3.1 Pro đạt 54,2%.

Kết quả này cho thấy Fable 5 đặc biệt mạnh với công việc lập trình dựa trên kho mã nguồn: sửa lỗi phức tạp, tái cấu trúc hệ thống, nâng cấp thư viện và triển khai tính năng trên dự án đã có sẵn.

Artificial Analysis Coding Agent Index

Coding Agent Index đánh giá rộng hơn khả năng viết mã đơn thuần. Bài kiểm tra xem xét cách model lập kế hoạch, sử dụng terminal, điều phối công cụ và hoàn thành thay đổi trong môi trường phát triển thực tế.

GPT-5.6 Sol đạt 80 điểm, cao hơn Fable 5 ở mức 77,2 điểm. GPT-5.6 cũng sử dụng ít token hơn, hoàn thành nhanh hơn và có chi phí ước tính thấp hơn trong đánh giá do OpenAI công bố.

Điều này cho thấy Fable 5 có thể mạnh hơn ở việc xử lý từng kho mã nguồn khó, nhưng GPT-5.6 Sol có lợi thế khi quy trình yêu cầu kết hợp lập trình, công cụ và nhiều vòng hành động liên tiếp.

Terminal-Bench 2.1

Terminal-Bench 2.1 đánh giá khả năng sử dụng dòng lệnh, cài đặt phần mềm, xử lý tệp, kiểm tra hệ thống và giải quyết chuỗi vấn đề kỹ thuật.

GPT-5.6 Sol đạt 88,8%, cao hơn Fable 5 ở mức 83,1%. GPT-5.5 cũng đạt 85,6%, trong khi Opus 4.8 đạt 78,9% và Gemini 3.1 Pro đạt 70,7%.

Người dùng thường xuyên làm việc với máy chủ, DevOps, tự động hóa và môi trường CLI có thể nhận được hiệu quả tốt hơn từ GPT-5.6.

Agents’ Last Exam

Agents’ Last Exam tập trung vào những quy trình công việc chuyên môn dài hạn thuộc 55 lĩnh vực. Model phải hiểu yêu cầu, chia nhiệm vụ, sử dụng công cụ và hoàn thiện sản phẩm cuối cùng.

GPT-5.6 Sol đạt 52,7%, đứng đầu nhóm. GPT-5.5 đạt 46,9%, Opus 4.8 đạt 45,2%, Fable 5 đạt 40,5% và Gemini 3.1 Pro đạt 32,1%.

Kết quả cho thấy điểm trí tuệ tổng hợp cao chưa chắc đồng nghĩa với khả năng hoàn thành quy trình Agent thực tế tốt nhất. Cách model sử dụng công cụ và quản lý tiến trình có ảnh hưởng rất lớn.

GDPval-AA v2

GDPval-AA v2 đánh giá chất lượng công việc chuyên môn trong nhiều ngành nghề bằng thang điểm Elo. Fable 5 đạt khoảng 1.759,6 Elo, nhỉnh hơn GPT-5.6 Sol ở mức 1.747,8 Elo. Opus 4.8 đạt khoảng 1.600 Elo, GPT-5.5 đạt khoảng 1.494 Elo và Gemini 3.1 Pro đạt khoảng 962 Elo.

Đây là một trong những chỉ số giúp Fable 5 nổi bật đối với phân tích tài chính, pháp lý, nghiên cứu, tư vấn và xử lý tài liệu doanh nghiệp.

So sánh Fable 5 với GPT-5.6

GPT-5.6 là đối thủ trực tiếp đáng chú ý nhất của Fable 5 ở thời điểm hiện tại. OpenAI phát hành ba phiên bản gồm Sol, Terra và Luna. Trong đó, Sol là model cao cấp nhất, còn chế độ Ultra có thể điều phối nhiều Agent song song cho công việc đặc biệt khó.

Fable 5 mạnh hơn GPT-5.6 ở đâu?

Fable 5 đang nhỉnh hơn trong các hạng mục:

• Artificial Analysis Intelligence Index.
• SWE-Bench Pro.
• GDPval-AA v2.
• HealthBench Professional.
• Một số bài kiểm tra kho mã nguồn và phân tích tài liệu chuyên sâu.

Fable 5 đạt 59,9 điểm Intelligence Index so với 58,9 điểm của GPT-5.6 Sol. Trong GDPval-AA v2, Fable 5 cũng dẫn nhẹ với 1.759,6 Elo so với 1.747,8 Elo.

GPT-5.6 mạnh hơn Fable 5 ở đâu?

GPT-5.6 Sol dẫn đầu trong:

• Coding Agent Index.
• Terminal-Bench 2.1.
• Agents’ Last Exam.
• BrowseComp.
• FrontierMath.
• Một số benchmark máy tính, thiết kế và an ninh mạng.

GPT-5.6 Sol đạt 80 điểm trên Coding Agent Index, cao hơn Fable 5 ở mức 77,2. Trên Terminal-Bench 2.1, GPT-5.6 Sol đạt 88,8% so với 83,1% của Fable 5.

Model nào có chi phí tốt hơn?

GPT-5.6 Sol có giá 5 USD cho mỗi triệu token đầu vào và 30 USD cho đầu ra. Fable 5 có giá tương ứng là 10 USD và 50 USD. Vì vậy, GPT-5.6 Sol rẻ hơn 50% ở đầu vào và 40% ở đầu ra theo bảng giá tiêu chuẩn.

Kết luận nhanh: Fable 5 phù hợp hơn với kho mã nguồn lớn và công việc chuyên môn cần chiều sâu. GPT-5.6 phù hợp hơn với AI Agent sử dụng nhiều công cụ, tác vụ terminal, tốc độ và hiệu suất chi phí.

So sánh Fable 5 với GPT-5.5

Fable 5 vượt GPT-5.5 khá rõ trên Intelligence Index, SWE-Bench Pro và GDPval-AA. Fable 5 đạt khoảng 80% trên SWE-Bench Pro, trong khi GPT-5.5 đạt khoảng 59%. Trên bảng GDPval-AA do Anthropic công bố khi ra mắt, Fable 5 đạt 1.932 điểm còn GPT-5.5 đạt 1.769 điểm.

GPT-5.5 vẫn có lợi thế trong Terminal-Bench 2.1 và Agents’ Last Exam. Điều này phản ánh khả năng thực thi công cụ và duy trì quy trình Agent tốt, dù trí tuệ tổng hợp thấp hơn Fable 5.

Về giá API, GPT-5.5 có mức 5 USD đầu vào và 30 USD đầu ra cho mỗi triệu token. Fable 5 có giá 10 USD và 50 USD. GPT-5.5 vì thế phù hợp hơn khi doanh nghiệp cần chạy nhiều tác vụ nhưng chưa cần mức năng lực cao nhất của Fable 5.

So sánh Fable 5 với Claude Opus 4.8

Claude Opus 4.8 là lựa chọn nằm ngay dưới Fable 5 trong hệ thống model của Anthropic. Fable 5 hướng đến năng lực cao nhất, còn Opus 4.8 được khuyến nghị cho lập trình Agent phức tạp và công việc doanh nghiệp thông thường.

Fable 5 vượt Opus 4.8 trên hầu hết benchmark chính:

Nguồn dữ liệu: bảng đánh giá GPT-5.6 và bảng benchmark Fable 5 của Anthropic.

Opus 4.8 có giá 5 USD đầu vào và 25 USD đầu ra, bằng một nửa chi phí đầu vào và một nửa chi phí đầu ra của Fable 5. Với nhiều doanh nghiệp, mức chênh lệch benchmark chưa chắc đủ lớn để bù cho chi phí tăng gấp đôi.

So sánh Fable 5 với Claude Sonnet 5

Claude Sonnet 5 được phát hành ngày 30/6/2026 và hướng đến sự cân bằng giữa tốc độ, trí tuệ và chi phí. Model đạt 53 điểm trên Artificial Analysis Intelligence Index, thấp hơn Fable 5 ở mức 60 điểm nhưng vẫn thuộc nhóm model có năng lực cao.

Sonnet 5 có tốc độ đo được khoảng 84,5 token mỗi giây, trong khi Fable 5 đạt khoảng 62,9 token mỗi giây trên cấu hình đánh giá của Artificial Analysis. Sonnet 5 cũng có giá giới thiệu 2 USD đầu vào và 10 USD đầu ra cho mỗi triệu token đến hết ngày 31/8/2026.

Vì vậy:

• Chọn Fable 5 cho dự án khó, giá trị cao và yêu cầu độ chính xác tối đa.
• Chọn Sonnet 5 cho chatbot, nội dung, lập trình hằng ngày và Agent chạy với khối lượng lớn.
• Chọn Opus 4.8 khi cần năng lực nằm giữa Sonnet 5 và Fable 5.

So sánh Fable 5 với Gemini 3.1 Pro

Xét trên các benchmark văn bản và lập trình hiện tại, Fable 5 dẫn Gemini 3.1 Pro khá xa. Fable 5 đạt 59,9 điểm Intelligence Index so với 46,5 điểm của Gemini. Trên SWE-Bench Pro, hai model lần lượt đạt khoảng 80% và 54,2%.

Tuy nhiên, Gemini 3.1 Pro có một số lợi thế thực tế:

• Hỗ trợ đầu vào văn bản, hình ảnh, âm thanh, video và PDF.
• Cửa sổ đầu vào 1 triệu token.
• Đầu ra tối đa 64.000 token.
• Tích hợp thuận lợi với Google AI Studio và hệ sinh thái Google.
• Giá thấp hơn đáng kể so với Fable 5.

Gemini 3.1 Pro Preview có giá 2 USD đầu vào và 12 USD đầu ra cho mỗi triệu token khi prompt dưới 200.000 token. Với prompt dài hơn, mức giá tăng lên 4 USD và 18 USD.

Gemini phù hợp hơn với phân tích video, âm thanh, PDF và ứng dụng cần tận dụng dịch vụ Google. Fable 5 phù hợp hơn với lập trình, suy luận văn bản và công việc chuyên môn phức tạp.

So sánh chi phí sử dụng các model AI 

Lưu ý: Chi phí thực tế còn phụ thuộc vào số token reasoning, prompt caching, độ dài đầu ra, số lần gọi công cụ và số vòng Agent phải thực hiện. Model có giá token cao nhưng hoàn thành tác vụ trong ít vòng hơn đôi khi vẫn rẻ hơn model có đơn giá thấp.

Nguồn giá từ tài liệu chính thức của Anthropic, OpenAI và Google.

Nên chọn Fable 5 hay model AI nào?

Chọn Claude Fable 5 khi

• Cần sửa lỗi hoặc tái cấu trúc kho mã nguồn lớn.
• Thực hiện dự án kéo dài nhiều giờ hoặc nhiều ngày.
• Phân tích tài liệu tài chính, pháp lý hoặc nghiên cứu chuyên sâu.
• Chất lượng đầu ra quan trọng hơn chi phí token.
• Cần model chủ động kiểm tra và hoàn thiện sản phẩm.

Chọn GPT-5.6 khi

• Xây dựng AI Agent sử dụng nhiều công cụ.
• Cần điều khiển trình duyệt, terminal hoặc phần mềm.
• Muốn cân bằng chất lượng, tốc độ và chi phí.
• Cần tạo tài liệu, bảng tính, bản trình bày hoặc giao diện.
• Quy trình yêu cầu nhiều hành động liên tiếp.

Chọn Claude Opus 4.8 khi

• Muốn sử dụng hệ sinh thái Claude nhưng chưa cần Fable 5.
• Cần Agent lập trình và doanh nghiệp có độ tin cậy cao.
• Muốn giảm khoảng một nửa chi phí so với Fable 5.

Chọn Claude Sonnet 5 khi

• Xử lý nội dung, chatbot và lập trình hằng ngày.
• Cần triển khai khối lượng lớn.
• Ưu tiên tốc độ và tỷ lệ hiệu năng trên chi phí.

Chọn Gemini 3.1 Pro khi

• Phân tích video, âm thanh, hình ảnh hoặc PDF.
• Đang sử dụng Google Cloud, AI Studio hoặc Workspace.
• Cần cửa sổ ngữ cảnh dài với chi phí thấp hơn.
• Benchmark lập trình không phải tiêu chí quan trọng nhất.

Kết luận

Qua toàn bộ số liệu benchmark, có thể thấy cuộc đua AI năm 2026 không có một người chiến thắng tuyệt đối. Fable 5 chiếm ưu thế nhưng sự xuất hiện của ChatGPT 5.6 đang tạo ra sự cạnh tranh rất mạnh. Gemini 3.1 Pro cũng là một lựa chọn kinh tế, phù hợp với khối lượng công việc lớn và dữ liệu đa phương tiện.

Thay vì tìm kiếm một “vị vua” duy nhất trong làng AI, điều quan trọng hơn là xác định đúng loại công việc cần được hỗ trợ, sau đó đối chiếu với nhóm benchmark tương ứng. Và dù số liệu công bố có ấn tượng đến đâu, bước cuối cùng vẫn nên là thử nghiệm trực tiếp trên chính dữ liệu và quy trình làm việc thực tế trước khi đưa ra quyết định đầu tư lâu dài vào bất kỳ nền tảng nào.

Những câu hỏi thường gặp