Theo dõi từ Động Sát Beating, tổ chức đánh giá mô hình Artificial Analysis vừa ra mắt bảng xếp hạng độ chính xác API, kiểm tra cùng một mô hình mã nguồn mở khi chuyển sang các nhà cung cấp dịch vụ khác nhau thì còn giữ lại được bao nhiêu năng lực. Đợt đầu tiên thử nghiệm GLM-5.2, gpt-oss-120b và DeepSeek V4 Pro, bao phủ tổng cộng 44 điểm cuối API.
Các nhà cung cấp bao gồm AWS, Microsoft Azure, Google Vertex, Cloudflare, cũng như các nền tảng suy luận AI như Fireworks, DeepInfra, CoreWeave, SiliconFlow. Artificial Analysis tự triển khai mô hình chính thức, ghi nhận kết quả là 100%, sau đó dùng cùng bộ đề để kiểm tra API của từng nhà cung cấp.
Kết quả cho thấy, điểm cuối kém nhất của GLM-5.2 chỉ đạt 52%, gần như giảm một nửa. gpt-oss-120b đạt điểm từ 70% đến 101%. DeepSeek V4 Pro ổn định nhất, 9 nhà cung cấp đều nằm trong khoảng 97% đến 107%, API chính thức đạt điểm cao nhất.
Sự chênh lệch chủ yếu đến từ lượng tử hóa, độ dài đầu ra, cấu hình suy luận và xử lý gọi công cụ. Cùng một tên mô hình, năng lực thực tế có thể hoàn toàn khác nhau, chọn API không thể chỉ nhìn vào giá cả và tốc độ.
