Anthropic và OpenAI giờ ra model mới khoảng 11 ngày một lần

Công cụ AI mà nhà bán đang dùng để dựng web, làm ảnh hay trả lời khách giờ đây thay đổi còn nhanh hơn cả một mùa sale.

Hơn 10 đợt ra mắt chỉ trong 10 ngày

Trong khoảng thời gian từ ngày 29 tháng 9 đến ngày 8 tháng 10, các đợt phát hành liên tục diễn ra từ cả các phòng thí nghiệm lớn lẫn các nhóm phát triển mô hình mã nguồn mở (open-weight). Dưới đây là danh sách theo thứ tự thời gian công bố:

• OpenAI đưa ra sol 6.1 ở DevDay, theo ghi chép keynote @kunchenguid đăng ngày 29/09. Thay đổi đáng tiền nhất là giá cached token rẻ hơn, kéo chi phí các tác vụ chạy dài xuống đáng kể.
• Gemini 4 Argon (High) của Google lên #1 Text Arena với 1.525 điểm, hơn Claude Opus 4.6 (High) ở vị trí thứ hai 20 điểm, giá blended 8 USD mỗi triệu token, theo @arena ngày 30/09.
• Grok 4.7 của xAI có mặt trên Amazon Bedrock và Gemini Enterprise Agent Platform. Trên xAI API, model tính 2 USD input và 6 USD output mỗi triệu token với prompt dưới 200k token (@tetsuoai, 04/10).
• Mistral tung bản preview của Mistral Large 4, 1T tham số với 49B active. Bản hoàn chỉnh cùng weights được @GuillaumeLample hẹn ra trước cuối tháng (06/10), nên lúc này weights vẫn chưa có.
• Trong cùng 24 giờ ấy, châu Âu có thêm Aleph Alpha Kolibri-1, ElevenLabs v4 Turbo và BFL FLUX 3, theo danh sách @SebJohnsonUK đăng ngày 06/10.
• OpenAI triển khai GPT-6 kèm Intelligent UI, để câu trả lời trong ChatGPT có biểu đồ, form, máy tính bấm được (@kimmonismus, 07/10). Ví dụ đáng để ý với người bán: lên kế hoạch bữa tối rồi sửa số khách, số lượng trong danh sách đi chợ tự đổi theo.
• Nano Banana 2.1, model ảnh mới của Google ra ngày 06/10, được @ArtificialAnlys chấm hạng #4 ở cả AA-Image-T2I v2.0 lẫn AA-Image-Editing v2.0 trong bài ngày 08/10. Model vượt bản 2 ở cả 16 năng lực được đo, tăng mạnh nhất ở nhóm Retail & Ecommerce, và đã có trong Google Ads.
• Google giới thiệu Gemini agent tại sự kiện Gemini at Work trước hơn 700 khách hàng Google Cloud. Chỉ một khung nhập lệnh mà agent trả lời câu hỏi, lo việc giấy tờ văn phòng, tạo ảnh, viết rồi chạy code (@sundarpichai, 08/10).
• Underdog Saluki 27B dựng trên Qwen 3.8 27B, mở weight theo giấy phép Apache 2.0, nhỏ hơn gần 7 lần bản full-precision mà vẫn giữ 96% điểm benchmark (@UnderdogAI, 08/10).

Nhiều mô hình khác cũng đang chờ ra mắt. Vào ngày 5 tháng 10, @DrPengShen cho biết DeepSeek V5, GLM 5.5, Kimi k4 và Qwen4 đang trên đà phát hành.

Vị trí dẫn đầu thay đổi chỉ trong vài ngày

Ba ví dụ sau đây cho thấy vị thế dẫn đầu có "tuổi thọ" ngắn ngủi đến mức nào. Phiên bản Sol 6.1 được phát hành chỉ vài ngày sau Sol 6, nhanh đến mức @kunchenguid cảm thấy Sol 6 đã bị tung ra quá sớm. Nano Banana 2.1, ra mắt ngày 6 tháng 10, đã thay thế Nano Banana 2 trên Gemini API với mức giá chỉ bằng một nửa: 0,0336 USD cho mỗi hình ảnh (ở mức 1.000 ảnh). Trước đó, Gemini 3.8 Flash (High) của Google từng đứng thứ 11 trên bảng xếp hạng Text Arena trước khi Argon vươn lên vị trí số 1; đồng thời, thứ hạng của Google trong mảng Code Arena: WebDev cũng đã cải thiện từ vị trí 29 lên vị trí thứ 8.

Vị trí dẫn đầu trong tuần này chỉ là một lát cắt tại một thời điểm nhất định.

Các bảng xếp hạng cũng bỏ qua nhiều khía cạnh khác. Ngay trong ngày Argon vươn lên dẫn đầu, @firstadopter đã chia sẻ một báo cáo của Bloomberg, dẫn lời những người nắm thông tin trực tiếp về những hoài nghi nội bộ tại Google trước khi ra mắt sản phẩm. Gemini 4 đạt kết quả tốt trong các bài kiểm tra chuẩn của ngành, nhưng báo cáo cũng chỉ ra rằng mô hình này "hoạt động kém hiệu quả hơn khi nhân viên thực sự đưa vào sử dụng thực tế", đặc biệt là gặp khó khăn với một số tác vụ lập trình nhất định.

Điều đó cho thấy thứ hạng không phải là chỉ số phù hợp nhất để theo dõi. Đối với một cửa hàng, điều quan trọng là liệu phiên bản mới có thực hiện tốt hơn một trong các chức năng của nó chẳng hạn như hiển thị hình ảnh sản phẩm so với phiên bản hiện tại hay không.