Gemini 3.5 Flash vs Claude Opus 4.7: Kẻ chạy nước rút và Bác sĩ phẫu thuật

Gemini 3.5 Flash vs Claude Opus 4.7: So sánh trực diện

Dưới đây là tóm tắt nhanh cách hai mô hình so sánh trên những khía cạnh quan trọng nhất với người dùng thực hành.

Lập trình và quy trình agentic

Đây là khía cạnh mà hai mô hình khác biệt rõ nhất, dù không có kẻ thắng tuyệt đối trên mọi mặt.

Trên SWE-bench Pro, benchmark lập trình phổ biến, Opus 4.7 đạt 64,3% so với 55,1% của Gemini 3.5 Flash. Đó là khoảng cách đáng kể nghiêng về công việc kỹ thuật ở cấp độ kho mã cho Claude. Tuy nhiên, bức tranh đảo chiều ở Terminal-Bench 2.1, nơi Gemini 3.5 Flash đạt 76,2%, vượt Opus 4.7 ở mức 66,1% với biên tương tự. Với các công việc nặng về terminal, Gemini 3.5 Flash là lựa chọn tốt hơn.

Cả hai mô hình đều được thiết kế cho các tác vụ agentic dài hạn, nhưng tiếp cận khác nhau. Gemini 3.5 Flash xoay quanh bộ giàn Antigravity, triển khai các subagent hợp tác song song. Ví dụ của Google là tổng hợp bài báo AlphaZero và lập trình một trò chơi hoàn chỉnh bằng hai agent trong sáu giờ. Opus 4.7 dùng ngân sách tác vụ và mức nỗ lực xhigh mới để duy trì hiệu năng trong các phiên chạy dài, với báo cáo từ Anthropic rằng mô hình kiên trì vượt qua bài toán khó thay vì dừng giữa chừng.

Gemini 3.5 Flash dẫn trên MCP Atlas ở mức 83,6% so với 77,3% của Opus 4.7, đo hiệu năng trên các quy trình đa công cụ phức tạp. Nếu hệ thống agentic của bạn phụ thuộc nhiều vào điều phối công cụ hơn là hiểu sâu mã, 3.5 Flash có lợi thế thực sự.

Về chiều sâu kỹ thuật phần mềm thuần túy, Opus 4.7 là lựa chọn mạnh hơn. Với các pipeline agentic nặng công cụ, nơi thông lượng và thực thi subagent song song quan trọng, Gemini 3.5 Flash cạnh tranh tốt và rẻ hơn đáng kể.

Suy luận và tác vụ tri thức

Năng lực đa phương thức và sử dụng máy tính

Trên CharXiv Reasoning, bài kiểm tra suy luận trực quan trên biểu đồ khoa học, Gemini 3.5 Flash đạt 84,2% so với 82,1% của Opus 4.7. Khoảng cách nhỏ, nhưng đáng chú ý khi một mô hình tầng Flash vượt một mẫu chủ lực ở suy luận thị giác, đặc biệt khi đây là một thế mạnh của Opus 4.7.

OSWorld, bài kiểm tra điều khiển giao diện máy tính, gần như hòa (78,4% so với 78,0%). Cảnh báo quan trọng: Gemini 3.5 Flash không hỗ trợ tính năng sử dụng máy tính, bất chấp điểm OSWorld, vốn chỉ là đánh giá nghiên cứu. Nghĩa là điểm số phản ánh những gì mô hình có thể làm trong điều kiện benchmark, nhưng công cụ API Computer Use đơn giản là chưa (hay chưa?) được mở/tích hợp cho phiên bản mô hình này.

Opus 4.7 có hỗ trợ Computer Use, và đây là năng lực được ghi nhận với điểm OSWorld-Verified 78,0%. Nếu quy trình của bạn cần agent tự động click, gõ và dẫn hướng ứng dụng, Opus 4.7 là lựa chọn duy nhất ở đây.

Opus 4.7 cũng giới thiệu nâng cấp lớn về thị giác: ảnh dài tới 2.576 pixel theo cạnh dài, hơn ba lần độ phân giải các mẫu Claude trước đó. Điều này mở ra các trường hợp như đọc ảnh chụp màn hình dày đặc, trích dữ liệu từ sơ đồ phức tạp và agent sử dụng máy tính cần độ chính xác từng pixel. XBOW báo cáo mức tăng từ 54,5% lên 98,5% trên benchmark thị lực sau khi chuyển sang Opus 4.7, cho thấy mức nâng độ phân giải quan trọng đến đâu trong thực tế.

Hệ sinh thái và khả dụng

Gemini 3.5 Flash khả dụng qua Google AI Studio, Gemini API, Android Studio, Gemini Enterprise Agent Platform, Gemini Enterprise và Google Antigravity. Nó cũng là mô hình mặc định trong ứng dụng Gemini và Chế độ AI trên Tìm kiếm toàn cầu, nghĩa là hàng tỷ người dùng đã chạy nó. Với nhà phát triển vốn ở hệ sinh thái Google Cloud, lộ trình tích hợp rất thẳng.

Opus 4.7 khả dụng qua Anthropic API, Amazon Bedrock, Google Cloud Vertex AI và Microsoft Foundry, cũng như ứng dụng web và di động của Claude. Mã mô hình là claude-opus-4-7. Anthropic cũng ra mắt ngân sách tác vụ ở public beta cùng Opus 4.7, cho phép giới hạn chi token trong các phiên agentic dài. Lệnh gạch chéo /ultrareview mới trong Claude Code tạo một phiên đánh giá chuyên biệt để phát hiện lỗi và vấn đề thiết kế.

Một khác biệt thực tế: Gemini 3.5 Flash gắn chặt với bộ giàn Antigravity cho công việc đa agent, trong khi ngân sách tác vụ và tham số nỗ lực của Opus 4.7 hoạt động với mọi thiết lập điều phối. Nếu bạn xây dựng trên framework không phải Antigravity, Opus 4.7 cho bạn linh hoạt hơn trong quản lý agent chạy dài.

Giá

Đây là phần so sánh thú vị. Gemini 3.5 Flash có giá $1,50 mỗi triệu token đầu vào và $9,00 mỗi triệu token đầu ra. Claude Opus 4.7 có giá $5,00 cho đầu vào và $25,00 cho đầu ra mỗi triệu token. Theo mức đó, Gemini 3.5 Flash rẻ hơn khoảng 3,3 lần ở đầu vào và 2,8 lần ở đầu ra.

Có một điểm lưu ý ở phía Opus 4.7. Anthropic giới thiệu bộ tokenizer mới với Opus 4.7 sử dụng nhiều hơn từ 1,0x đến 1,35x token cho cùng đầu vào so với Opus 4.6. Khối lượng tiếng Anh cao thấy lạm phát token khoảng 12–18% theo thử nghiệm độc lập. Giá niêm yết không đổi, nhưng chi phí hiệu dụng mỗi prompt tăng. Khuyến nghị của Anthropic là dùng tham số nỗ lực, ngân sách tác vụ và hướng dẫn ngắn gọn rõ ràng để quản lý.

Với khối lượng lớn hoặc yêu cầu độ trễ thấp, Gemini 3.5 Flash rõ ràng có lợi thế về chi phí. Với khối lượng công việc cần độ sâu lập trình của Opus 4.7 hoặc hỗ trợ Computer Use, mức giá cao hơn khó tránh. Anthropic có cung cấp bộ nhớ đệm prompt (tiết kiệm tới 90% token đầu vào đã đệm) và xử lý theo lô (tiết kiệm tới 50%) như biện pháp kiểm soát chi phí, có thể thu hẹp khoảng cách cho những kiểu tải phù hợp.

Khi nào chọn Gemini 3.5 Flash so với Claude Opus 4.7

Dữ liệu benchmark và khác biệt tính năng cho thấy các phân tách theo trường hợp sử dụng khá rõ. Tôi sẽ đóng khung quyết định như sau.

Chọn Gemini 3.5 Flash nếu...

• Bạn đang vận hành các pipeline agentic khối lượng lớn, nơi chi phí và thông lượng là ràng buộc chính. Với $1,50 đầu vào / $9,00 đầu ra mỗi triệu token, nó rẻ hơn đáng kể so với Opus 4.7 cho cùng khối lượng công việc.
• Quy trình của bạn nặng về công cụ hơn là nặng về mã. Điểm MCP Atlas 83,6% là cao nhất trong so sánh, và bộ giàn Antigravity được thiết kế dành cho triển khai subagent song song.
• Bạn đã ở trong hệ sinh thái Google. Mô hình khả dụng gốc trên Google AI Studio, Android Studio, Gemini Enterprise và Antigravity, không cần công việc tích hợp bổ sung.
• Trường hợp sử dụng của bạn liên quan đến suy luận trên tài liệu tài chính hoặc phân tích biểu đồ đa phương thức. Gemini 3.5 Flash dẫn ở Finance Agent v2 và CharXiv Reasoning, điều khá bất ngờ với một mô hình tầng Flash.

Chọn Claude Opus 4.7 nếu...

• Trường hợp chính của bạn là kỹ thuật phần mềm cấp độ kho mã. Điểm SWE-bench Pro 64,3% cao hơn Gemini 3.5 Flash 9 điểm, và người thử sớm như Cursor (70% so với 58% trên CursorBench) và Rakuten (giải quyết gấp 3 lần tác vụ sản xuất) báo cáo mức tăng lớn trong thực tế.
• Bạn cần hỗ trợ Computer Use. Gemini 3.5 Flash không hỗ trợ; Opus 4.7 đạt 78,0% trên OSWorld-Verified và là lựa chọn duy nhất để agent điều khiển giao diện desktop.
• Agent của bạn cần xử lý ảnh độ phân giải cao hoặc sơ đồ kỹ thuật dày đặc. Hỗ trợ ảnh 2.576px là thay đổi ở cấp mô hình và áp dụng tự động, rất quan trọng cho OCR, trích xuất biểu đồ và agent sử dụng máy tính đọc ảnh chụp màn hình dày đặc.
• Bạn cần bộ nhớ xuyên phiên cho dự án dài hạn. Bộ nhớ dựa trên hệ thống tệp của Opus 4.7 cho phép agent mang theo ngữ cảnh qua các phiên mà không phải thiết lập lại từ đầu mỗi lần.

Kết luận

Thẳng thắn mà nói, hai mô hình này không thực sự cạnh tranh cho cùng khối lượng công việc. Gemini 3.5 Flash là mô hình tầng Flash nhưng lại vượt một mẫu Pro thế hệ trước trên vài benchmark agentic, và làm được điều đó ở mức giá khiến triển khai khối lượng lớn trở nên khả thi. Claude Opus 4.7 là mô hình chủ lực với năng lực lập trình sâu hơn, hỗ trợ Computer Use và độ sâu suy luận thô tốt hơn. Nếu phải chọn giữa chúng, quyết định thường xoay quanh việc bạn có cần hiệu năng lập trình cấp SWE-bench và Computer Use hay cần thông lượng, hiệu quả chi phí và điều phối công cụ mạnh.

Điều tôi thấy thú vị nhất trong so sánh này là kết quả Finance Agent v2. Gemini 3.5 Flash đạt 57,9% so với 51,5% của Opus 4.7 ở tự động hóa quy trình tài chính không phải điều bạn kỳ vọng từ một mô hình tối ưu tốc độ. Cộng với lợi thế MCP Atlas, điều này gợi ý Google đã tinh chỉnh 3.5 Flash cho kiểu quy trình nhiều bước, gọi công cụ, suy luận trên tài liệu mà doanh nghiệp thực sự vận hành, không chỉ để đạt điểm benchmark thô.

Một điều đáng theo dõi: Gemini 3.5 Pro dự kiến ra mắt vào tháng sau. Nếu lặp lại mô hình của lần ra mắt 3.5 Flash và vượt Gemini 3.1 Pro với biên có ý nghĩa, so sánh với Opus 4.7 sẽ rất khác. Giá của tầng Pro có thể thu hẹp khoảng cách chi phí, nhưng trần hiệu năng sẽ tăng. Hiện tại, Gemini 3.5 Flash là lựa chọn tốt hơn cho công việc agentic nhạy chi phí, còn Opus 4.7 phù hợp hơn cho lập trình sâu và sử dụng máy tính.

Nếu bạn muốn xây dựng kỹ năng thực tiễn với hệ thống AI theo hướng agent và hiểu cách làm việc với các mô hình như thế này trong sản xuất, tôi khuyên bạn nên xem lộ trình kỹ năng AI Agent Fundamentals trên DataCamp.