Claude Opus 4.8 so với GPT-5.5: Điểm chuẩn, bài kiểm tra và cách lựa chọn

Nếu bạn đang chọn một mô hình chủ lực cho công việc tác tử nghiêm túc ngay lúc này, Claude Opus 4.8 và GPT-5.5 rõ ràng là hai lựa chọn hàng đầu, bên cạnh Gemini 3.5 Flash. Cả hai đều là đỉnh hiệu năng đang triển khai từ các phòng lab tương ứng và cùng nhắm đến lập trình tầm xa và quy trình làm việc tự động.

Các con số tiêu đề đủ sát nhau nên quyết định không thể dựa vào điểm chuẩn thuần túy. Opus 4.8 dẫn trước trên SWE-bench Pro (69,2% so với 58,6%) trong khi GPT-5.5 dẫn trên Terminal-Bench 2.0 (82,7% so với 74,6%). Câu chuyện thú vị hơn là định tính: Anthropic đặt cược rằng tính trung thực và sự tự tin được hiệu chỉnh là biên giới tiếp theo cho AI sản xuất, còn OpenAI đặt cược vào thông lượng tác tử thô và hiệu quả token.

Trong bài viết này, tôi sẽ so sánh Claude Opus 4.8 và GPT-5.5 theo năm khía cạnh: quy trình lập trình và tác tử, các tác vụ suy luận và tri thức, hiệu năng ngữ cảnh dài, căn chỉnh và độ tin cậy, và giá. Bạn cũng có thể xem các bài riêng về Claude Opus 4.8 và GPT-5.5 để đào sâu từng mô hình.

Claude Opus 4.8 là gì?

Claude Opus 4.8 là mô hình chủ lực hiện tại của Anthropic, ra mắt ngày 28 tháng 5 năm 2026. Nó đứng đầu họ Claude, trên Sonnet và Haiku, và được thiết kế cho những tác vụ đòi hỏi cao nhất: lập trình tác tử, suy luận nhiều bước phức tạp, và quy trình tự động chạy dài. Cải tiến nổi bật so với Opus 4.7 không chỉ là điểm chuẩn mà còn là chuyển dịch định tính hướng đến tính trung thực: mô hình ít có khả năng bỏ qua lỗi trong mã mà không gắn cờ hơn bốn lần so với người tiền nhiệm.

Opus 4.8 cũng đi kèm một loạt tính năng mới, gồm quy trình động trong Claude Code (có thể chạy hàng trăm tác tử con song song trong một phiên), điều khiển mức độ nỗ lực trong claude.ai, và chế độ nhanh hiện có chi phí bằng một phần ba so với các phiên bản Opus trước đó. Giá cho sử dụng tiêu chuẩn là 5 USD cho mỗi triệu token đầu vào và 25 USD cho mỗi triệu token đầu ra, không đổi so với Opus 4.7.

GPT-5.5 là gì?

GPT-5.5 là mô hình chủ lực tháng 4 năm 2026 của OpenAI, được mô tả là mô hình lập trình tác tử mạnh nhất của hãng cho đến nay. Nó có sẵn trong ChatGPT và Codex cho người dùng Plus, Pro, Business và Enterprise, với cửa sổ ngữ cảnh 1M trong Codex. Tuyên bố nổi bật của OpenAI là GPT-5.5 đạt độ trễ theo token tương đương GPT-5.4 trong phục vụ thực tế trong khi thể hiện mức độ thông minh cao hơn rõ rệt, và dùng ít token hơn để hoàn thành cùng tác vụ trong Codex.

Một biến thể GPT-5.5 Pro cũng có sẵn cho công việc yêu cầu độ chính xác cao hơn, giá 30 USD mỗi triệu token đầu vào và 180 USD mỗi triệu token đầu ra trong API. Giá API tiêu chuẩn của GPT-5.5 là 5 USD mỗi triệu token đầu vào và 30 USD mỗi triệu token đầu ra.

Claude Opus 4.8 so với GPT-5.5: So sánh trực diện

Dưới đây là tóm tắt nhanh về vị trí của từng mô hình trước khi đi vào chi tiết. Bức tranh tách theo miền ứng dụng, nên lựa chọn đúng phụ thuộc nhiều vào thứ bạn đang xây dựng.

Lập trình và quy trình tác tử

Đây là khía cạnh hai mô hình khác biệt rõ nhất, và sự khác biệt nằm ở môi trường thay vì chất lượng tổng thể. Trên SWE-bench Pro, vốn dùng các kho mã thực được bảo trì tích cực và không rò rỉ đáp án công khai, Opus 4.8 đạt 69,2% so với 58,6% của GPT-5.5. Đó là khoảng cách 10,6 điểm nghiêng về Opus 4.8 cho kỹ nghệ phần mềm cấp kho.

Bức tranh đảo chiều trên Terminal-Bench 2.0, nơi GPT-5.5 đạt 78,2% so với 74,6% của Opus 4.8. Terminal-Bench kiểm tra các quy trình dòng lệnh phức tạp đòi hỏi lập kế hoạch, lặp lại, và điều phối công cụ, nên nếu công việc của bạn nặng về shell hoặc thiên về DevOps, GPT-5.5 có lợi thế. Một chi tiết đáng lưu ý từ thẻ hệ thống của Anthropic: ở mức nỗ lực tối thiểu, Opus 4.8 đã đạt hiệu năng đỉnh của Opus 4.7 ở mức nỗ lực tối đa trên SWE-bench Pro, nói lên dư địa mà điều khiển nỗ lực đem lại.

Bức tranh lập trình tách khá rõ: Opus 4.8 cho kỹ nghệ cấp kho, nơi hiểu cấu trúc codebase quan trọng; GPT-5.5 cho quy trình nặng terminal và tự động hóa shell. Nếu bạn chạy Claude Code với quy trình động, Opus 4.8 giờ có thể điều phối hàng trăm tác tử con song song trong một phiên, thuộc lớp năng lực khác so với những gì điểm chuẩn thô của cả hai mô hình phản ánh.

Suy luận và tác vụ tri thức

Trên Humanity's Last Exam, bộ điểm chuẩn gồm các câu hỏi khó thực sự ở bậc sau đại học về khoa học, toán và nhân văn, Opus 4.8 dẫn trước cả khi có và không có công cụ. Không công cụ: 49,8% cho Opus 4.8 so với 41,4% cho GPT-5.5. Có công cụ: 57,9% so với 52,2%. Đó là khoảng cách ổn định 7–8 điểm nghiêng về Opus 4.8 ở suy luận liên ngành.

Câu chuyện toán học đặc biệt ấn tượng. Ở Kỳ thi Olympic Toán học Mỹ (USAMO), Opus 4.8 đạt 96,7% ở kỳ thi năm nay, diễn ra sau mốc cắt dữ liệu huấn luyện của mô hình, loại trừ khả năng nhiễm bẩn dữ liệu. Opus 4.7 đạt 69,3% trên cùng bài toán. Tức là bước nhảy 27 điểm ở toán chứng minh chỉ trong một thế hệ mô hình. GPT-5.5 đạt 51,7% trên FrontierMath Tầng 1–3 và 35,4% trên Tầng 4, là các kết quả mạnh, nhưng so sánh trực tiếp USAMO cho GPT-5.5 không có trong ghi chú nghiên cứu.

Anthropic chưa công bố điểm GPQA Diamond cho riêng Opus 4.8, có lẽ vì bộ này đã bão hòa, và kết quả không còn liên quan bằng các điểm chuẩn khác.

Đáng chú ý là cả hai mô hình đều kém Gemini 3.5 Flash (57,9%) về công việc tri thức tài chính, đo bằng điểm chuẩn Finance Agent v2 (lần lượt 53,9% và 51,8%).

Sử dụng công cụ và tương tác máy tính

Opus 4.8 dẫn trước ở cả hai điểm chuẩn lớn về sử dụng công cụ và sử dụng máy tính. Trên OSWorld-Verified, kiểm tra khả năng mô hình hoàn thành tác vụ bằng cách điều khiển một máy tính để bàn trực tiếp với chuột và bàn phím, Opus 4.8 đạt 83,4% so với 78,7% của GPT-5.5. Trên MCP-Atlas, đo lường sử dụng công cụ nhiều bước qua API thực, Opus 4.8 đạt 82,2% so với 75,3% của GPT-5.5.

Khoảng cách OSWorld đáng chú ý vì Opus 4.7 và GPT-5.5 về cơ bản hòa nhau ở điểm chuẩn này (78,0% so với 78,7%). Opus 4.8 đã vượt lên khoảng năm điểm, là cải thiện đáng kể cho các đội xây tác tử trình duyệt hoặc tự động hóa desktop. Người thử nghiệm sớm báo cáo Opus 4.8 đạt 84% trên Online-Mind2Web, một điểm chuẩn tác tử web, nhảy vọt so với cả Opus 4.7 và GPT-5.5.

Một lưu ý về hiệu năng tác tử: thẻ hệ thống của Anthropic chỉ ra sự thoái lui trong khả năng chống tiêm nhiễm prompt. Không có biện pháp bảo vệ, một lần tấn công đơn lẻ thành công trên Opus 4.8 khoảng 7% số lần, so với 2,3% ở Opus 4.7. Khi triển khai bảo vệ, con số trở lại 2%, nhưng nếu bạn xây pipeline tác tử xử lý đầu vào không đáng tin cậy, điều này đáng biết trước khi chuyển đổi.

Hiệu năng ngữ cảnh dài

Đây là nơi Opus 4.8 có lợi thế rõ nhất. Trên GraphWalks, bài kiểm tra sức bền ngữ cảnh dài bằng cách nhúng một đồ thị có hướng lớn vào cửa sổ ngữ cảnh và yêu cầu mô hình duyệt nó, Opus 4.8 đạt 85,9% ở tập con BFS 256K so với 73,7% của GPT-5.5. Ở tập con đủ 1M token, khoảng cách nới rộng: 68,1% cho Opus 4.8 so với 45,4% cho GPT-5.5.

Như đã nêu trong đánh giá GPT-5.5, GPT-5.4 cơ bản sụp sau 128K token, và GPT-5.5 đã sửa điều đó. Nhưng Opus 4.8 vẫn vượt đáng kể ở mức 1M. Với quy trình nặng tài liệu, hồ sơ tài chính dày, hoặc bất kỳ tác vụ nào cần suy luận trên ngữ cảnh rất lớn, Opus 4.8 là lựa chọn mạnh hơn với biên rộng.

Căn chỉnh, trung thực và độ tin cậy

Đây là khía cạnh Anthropic cạnh tranh rõ ràng nhất với Opus 4.8, và kết quả thực sự đáng chú ý. Trong một bài kiểm tra nơi mô hình tóm tắt phiên lập trình có lỗi ẩn, Opus 4.8 chỉ bỏ qua các lỗi đó 3,7% số lần. Đây cũng là mô hình Claude đầu tiên đạt điểm 0 ở bài kiểm tra bắt lỗi dữ liệu sai trước khi báo cáo kết quả.

Đội căn chỉnh của Anthropic cũng phát hiện Opus 4.8 có tỷ lệ hành vi lệch mục tiêu thấp hơn đáng kể so với Opus 4.7, và tương tự Claude Mythos Preview, mô hình mạnh nhất và được căn chỉnh cẩn trọng nhất của họ. Có một lưu ý: trong quá trình huấn luyện, đôi khi Opus 4.8 dường như suy nghĩ về cách sẽ được chấm điểm thay vì cách hoàn thành tác vụ. Anthropic cho biết tác động hành vi là khiêm tốn, nhưng đó là kiểu vấn đề có thể quan trọng trong triển khai tác tử rủi ro cao.

OpenAI chưa công bố các chỉ số căn chỉnh tương đương cho GPT-5.5 trong các ghi chú nghiên cứu hiện có, nên không thể so sánh trực tiếp ở khía cạnh này. Điều có thể nói là Anthropic đang ưu tiên tính trung thực và sự tự tin được hiệu chỉnh, dù kết quả gần đây còn pha trộn.

Giá

Ở tầng API tiêu chuẩn, hai mô hình gần như tương đương nhưng không hoàn toàn giống nhau. Cả hai tính 5 USD cho mỗi triệu token đầu vào. Ở đầu ra, Opus 4.8 là 25 USD mỗi triệu token so với 30 USD của GPT-5.5, chênh 17% và sẽ cộng dồn nhanh với khối lượng đầu ra lớn.

Opus 4.8 cũng có chế độ nhanh chạy nhanh hơn 2,5 lần, giá 10 USD mỗi triệu token đầu vào và 50 USD mỗi triệu token đầu ra. Anthropic đã giảm giá chế độ nhanh xuống còn một phần ba so với các phiên bản Opus trước, khiến nó thực tiễn hơn cho quy trình nhạy độ trễ. GPT-5.5 Pro, cho công việc độ chính xác cao, có giá 30 USD mỗi triệu token đầu vào và 180 USD mỗi triệu token đầu ra, cao đáng kể so với GPT-5.5 tiêu chuẩn.

Một lưu ý thực tế nếu bạn dùng Opus trong claude.ai: mỗi tin nhắn bao gồm toàn bộ lịch sử hội thoại tới thời điểm đó, và Opus là mô hình tốn token nhất trong họ Claude, đắt hơn Sonnet khoảng 5 lần theo token. Với sản xuất khối lượng lớn, điều này đáng cân nhắc trong kiến trúc trước khi bạn chốt dùng Opus thay vì tầng rẻ hơn.

Khi nào chọn Claude Opus 4.8 so với GPT-5.5

Quyết định không phải về mô hình nào tốt hơn tổng thể. Mà là mô hình nào phù hợp với hình dạng công việc cụ thể của bạn. Tôi sẽ đóng khung như sau.

Chọn Claude Opus 4.8 nếu...

• Công việc của bạn là kỹ nghệ phần mềm cấp kho. Khoảng cách 10 điểm trên SWE-bench Pro là tín hiệu thực, và các bài kiểm tra review code của chúng tôi xác nhận Opus 4.8 bắt lỗi tinh vi mà không cần gợi ý.
• Bạn xây pipeline tác tử xử lý tài liệu dài hoặc codebase lớn. Khoảng cách GraphWalks 1M (68,1% so với 45,4%) là khác biệt hiệu năng lớn nhất giữa hai mô hình trên bất kỳ điểm chuẩn nào.
• Bạn cần mô hình tự gắn cờ sự không chắc chắn của mình. Cải tiến về tính trung thực của Opus 4.8 đặc biệt quan trọng trong các lần chạy tác tử không giám sát nơi bạn không thể theo dõi mọi bước.
• Bạn đang chạy tác tử trình duyệt hoặc tự động hóa desktop. Opus 4.8 dẫn OSWorld-Verified khoảng năm điểm so với GPT-5.5, và người thử nghiệm sớm báo 84% trên Online-Mind2Web.
• Chi phí token đầu ra quan trọng ở quy mô. Ở mức 25 USD mỗi triệu token đầu ra so với 30 USD cho GPT-5.5, chênh lệch tích lũy nhanh trên khối lượng lớn.

Chọn GPT-5.5 nếu...

• Công việc của bạn nặng terminal. GPT-5.5 dẫn Terminal-Bench 2.0 tám điểm (82,7% so với 74,6%), và khoảng cách này nhất quán với những gì chúng tôi thấy trong thử nghiệm GPT-5.5.
• Bạn cần tầng Pro cho tác vụ khó nhất. GPT-5.5 Pro có giá 30 USD mỗi triệu token đầu vào và 180 USD mỗi triệu token đầu ra cho công việc độ chính xác cao. Opus 4.8 không có biến thể phân tầng tương đương.
• Bạn đã gắn sâu với hệ sinh thái OpenAI. GPT-5.5 tích hợp với Codex, ChatGPT, và bộ công cụ OpenAI rộng hơn, có cộng đồng lớn hơn và nhiều ví dụ tích hợp hơn hệ sinh thái Anthropic.
• Bạn thực hiện quy trình nghiên cứu khoa học. GPT-5.5 cho kết quả mạnh trên GeneBench (25,0%) và BixBench (80,5%), và OpenAI định vị nó rõ ràng như một đồng nghiệp khoa học cho nghiên cứu sinh học.

Kết luận

Opus 4.8 là mô hình mạnh hơn cho hầu hết tác vụ quan trọng với nhà khoa học dữ liệu và kỹ sư ML: lập trình cấp kho, suy luận ngữ cảnh dài, sử dụng công cụ nhiều bước, và quy trình tác tử cần chạy không giám sát. Cải tiến về tính trung thực là phần tôi thấy thú vị nhất, vì một mô hình biết nói khi nó bế tắc hữu ích hơn trong sản xuất so với mô hình báo thành công một cách tự tin. Liệu điều này có bền trong thực tế hay không còn phải xem, nhưng hướng đi có vẻ hứa hẹn.

GPT-5.5 là lựa chọn đúng cho công việc nặng terminal và cho các đội đã đầu tư vào hệ sinh thái OpenAI. Khoảng cách Terminal-Bench là có thật, và GPT-5.5 Pro cho bạn tùy chọn độ chính xác cao mà Opus 4.8 hiện chưa có ở biến thể phân tầng.

Một điều đáng theo dõi: Anthropic liên tục nhắc đến Claude Mythos Preview trong suốt thông báo về Opus 4.8, mô tả nó là mô hình được căn chỉnh tốt nhất và lưu ý đã được dùng giới hạn cho an ninh mạng. Có thể Opus 4.8 chưa phải trần hiệu năng lâu dài. Nếu bạn muốn nắm vững các kiến thức nền tảng về AI và cách làm việc thực tiễn với các mô hình này, tôi khuyên bắt đầu với lộ trình kỹ năng AI Fundamentals trên DataCamp.