So sánh Claude Fable 5 và GPT-5.5: Benchmark, giá cả, nên chọn cái nào

Quyền truy cập vào Claude Fable 5 đã được khôi phục, hiện có sẵn trên toàn cầu trên Claude Platform, Claude.ai, Claude Code và Claude Cowork sau khi lệnh kiểm soát được dỡ bỏ. Mythos 5 vẫn chỉ dành cho các đối tác đã được kiểm duyệt của Project Glasswing.

Nếu bạn đang phân vân giữa Claude Fable 5 và GPT-5.5 cho quy trình làm việc sản xuất, bảng so sánh hiệu năng sẽ cho bạn thấy rõ ràng nên chọn cái nào. Trên lý thuyết, Fable 5 là mô hình mạnh hơn hẳn về khả năng lập trình và suy luận. Nhưng nó cũng có chi phí gấp đôi cho mỗi token đầu ra, có hệ thống phân loại có thể âm thầm chuyển hướng yêu cầu của bạn đến một mô hình yếu hơn, và áp đặt yêu cầu lưu giữ dữ liệu 30 ngày, điều này hoàn toàn khiến một số khách hàng doanh nghiệp e ngại.

Bài viết này sẽ so sánh Fable 5 và GPT-5.5 trên 5 khía cạnh: Hiệu năng lập trình và agentic, công việc ngữ cảnh dài, bộ phân loại an toàn và khả năng truy cập, công việc tri thức và suy luận, giá cả. Bạn cũng có thể xem các hướng dẫn riêng biệt về Claude Fable 5 và GPT-5.5 để tìm hiểu sâu hơn về từng mô hình.

So sánh trực tiếp giữa Claude Fable 5 và GPT-5.5

Dưới đây là tóm tắt nhanh về vị trí của mỗi mô hình trước khi đi vào chi tiết.

Hiệu năng lập trình và agentic

Đây là điểm khác biệt lớn nhất và có ảnh hưởng quan trọng nhất đến quyết định giữa hai mô hình. Trên SWE-Bench Pro, chuẩn mực đánh giá khả năng giải quyết vấn đề thực tế trên GitHub, Fable 5 đạt 80,3% so với 58,6% của GPT-5.5. Đó là khoảng cách 22 điểm. Để dễ hình dung, Claude Opus 4.7 đã đánh bại GPT-5.5 trên chuẩn mực này với 64,3%, vì vậy GPT-5.5 đã tụt hậu về khả năng lập trình ở cấp độ kho lưu trữ trước khi Fable 5 xuất hiện.

Trên bài kiểm tra FrontierCode của Cognition, bài test xem các mô hình có thể vượt qua những nhiệm vụ lập trình khó khăn trong khi đáp ứng các tiêu chuẩn mã nguồn sản xuất hay không, Fable 5 đạt điểm cao nhất trong số những mô hình tiên tiến ngay cả ở mức độ nỗ lực trung bình. Giám đốc điều hành của Cursor, Michael Truell, mô tả nó là mô hình đạt điểm cao nhất trên FrontierBench, xuất sắc trong suy luận dài hạn và khả năng khái quát hóa sang các công cụ không quen thuộc ngay từ đầu.

Fable 5 dường như cũng dẫn đầu Terminal-Bench 2.1 với điểm số được báo cáo là 88,0%*, vượt trội hơn GPT-5.5 ở mức 83,4%. Con số này cần được xem xét cẩn thận do sự khác biệt giữa Fable 5 và Mythos 5. Dù sao đi nữa, Fable có hiệu năng thấp hơn, vì vậy Fable 5 sẽ có hiệu năng tương đương hoặc dẫn trước GPT-5.5 một chút.

GPT-5.5 vẫn là lựa chọn tốt nhất cho DevOps và tự động hóa shell sử dụng nhiều terminal, nhưng khoảng cách điểm số giữa SWE-Bench Pro và Fable 5 là một tín hiệu đáng chú ý. Nếu trường hợp sử dụng chính của bạn là kỹ thuật cấp độ kho lưu trữ, Fable 5 rõ ràng là lựa chọn tốt nhất chỉ dựa trên khả năng của nó. Câu hỏi đặt ra là liệu chi phí token đầu ra gấp đôi và sự phức tạp của bộ phân loại có đáng giá đối với khối lượng công việc cụ thể của bạn hay không.

Hiệu năng xử lý ngữ cảnh dài

Đây là điểm khác biệt thực sự của GPT-5.5 và đáng được xem xét nghiêm túc. GPT-5.4 gặp trục trặc khi xử lý vượt quá khoảng 128.000 token trên bài kiểm tra MRCR v2. GPT-5.5 thì không. Ở mức 512.000-1 triệu token, GPT-5.5 đạt điểm 74,0% trên MRCR v2, so với 36,6% của GPT-5.4 ở cùng phạm vi. Đó không phải là một cải tiến nhỏ; đó là một đẳng cấp năng lực khác.

Anthropic tuyên bố Fable 5 duy trì sự tập trung xuyên suốt hàng triệu token trong các tác vụ chạy dài và cải thiện hiệu suất bằng cách sử dụng những ghi chú riêng của nó. Bài kiểm tra bộ nhớ Slay the Spire cho thấy bộ nhớ bất biến dựa trên file đã cải thiện hiệu suất của Fable 5 gấp 3 lần so với Opus 4.8. Nhưng Anthropic chưa công bố điểm số kiểu MRCR cho Fable 5 ở phạm vi 512.000-1 triệu token, vì vậy không thể so sánh trực tiếp ở đây.

Đối với người dùng chạy các ngữ cảnh hàng triệu token, chẳng hạn như xem xét tài liệu pháp lý, phân tích codebase lớn hoặc tổng hợp tài liệu khoa học, điểm số ngữ cảnh dài được công bố của GPT-5.5 là cơ sở bằng chứng mạnh mẽ hơn. Trong thử nghiệm riêng với GPT-5.5, nó đã vượt qua bài kiểm tra 300.000 token và điểm số MRCR vẫn giữ vững sau 256.000 token, trong khi GPT-5.4 đã sụp đổ. Fable 5 có thể cũng mạnh mẽ tương tự ở đây, nhưng dữ liệu không được công bố ở định dạng tương đương.

Bộ phân loại an toàn và khả năng truy cập

Đây là vấn đề người dùng ít được báo cáo nhất với Fable 5, và nó xứng đáng được đề cập nhiều hơn là chỉ một chú thích nhỏ. Fable 5 chạy hệ thống phân loại hai giai đoạn: Một bộ dò giám sát các kích hoạt nội bộ trên tất cả lưu lượng truy cập, và những yêu cầu được gắn cờ sẽ được chuyển đến một bộ phân loại LLM được đào tạo riêng biệt để đưa ra quyết định cuối cùng. Khi một yêu cầu bị chặn, nó sẽ được chuyển hướng đến Claude Opus 4.8, và người dùng sẽ được thông báo mô hình nào đã xử lý truy vấn.

Anthropic cho biết các bộ phân loại chỉ được kích hoạt trong trung bình dưới 5% số phiên. Ba lĩnh vực được đề cập:

• An ninh mạng: Phát triển khai thác lỗ hổng, các tác vụ tấn công mạng và quy trình hack dựa trên agent bị chặn. Fable 5 đạt 0,0% trên cả 4 tiêu chuẩn an ninh mạng khi các bộ phân loại được kích hoạt, giảm so với mức 88,4% của mô hình Mythos cơ bản trong việc phát triển khai thác lỗ hổng Firefox.
• Sinh học và hóa học: Hầu hết các yêu cầu trong lĩnh vực này đều chuyển sang Opus 4.8. Các đánh giá của Anthropic cho thấy mô hình cơ bản đạt hiệu suất gần bằng chuyên gia trong những tác vụ thiết kế virus adeno-associated, đó là lý do tại sao phạm vi bao phủ rộng.
• Chắt lọc: Các yêu cầu được gắn cờ là nỗ lực trích xuất khả năng của Claude để huấn luyện những mô hình cạnh tranh sẽ được chuyển hướng.

Cơ chế dự phòng không chỉ là vấn đề về khả năng; đó còn là vấn đề về độ tin cậy đối với các quy trình dựa trên agent. Khi Fable 5 chuyển hướng đến Opus 4.8, bạn sẽ bị tính phí theo giá của Opus 4.8, nhưng đồng thời bạn cũng nhận được một mô hình khác (vẫn rất tốt!) trong quá trình thực hiện tác vụ. Đối với một quy trình xử lý dữ liệu kỳ vọng độ sâu suy luận của Fable 5 xuyên suốt, việc chuyển đổi âm thầm sang Opus 4.8 giữa chừng có thể phá vỡ các giả định về chất lượng đầu ra.

GPT-5.5 có các biện pháp bảo vệ an ninh mạng riêng, được mô tả là những bộ phân loại nghiêm ngặt hơn đối với rủi ro an ninh mạng tiềm tàng. Nhưng không có cơ chế dự phòng âm thầm sang một mô hình yếu hơn. Cách tiếp cận của OpenAI là cấp độ truy cập đáng tin cậy: những người bảo vệ đã được xác minh có thể đăng ký tại chatgpt.com/cyber để được mở rộng quyền truy cập với ít hạn chế hơn. Con đường này dễ tiếp cận hơn so với Project Glasswing của Anthropic, vốn vẫn bị giới hạn ở một nhóm nhỏ các đối tác được phê duyệt.

Còn một trở ngại nữa cần nêu rõ. Fable 5 và Mythos 5 được phân loại là Mô hình được bảo mật, có nghĩa là Anthropic yêu cầu lưu giữ dữ liệu trong 30 ngày đối với tất cả lưu lượng truy cập, ngay cả đối với khách hàng doanh nghiệp trước đây sử dụng gói không lưu giữ dữ liệu. Anthropic tuyên bố rằng dữ liệu không được sử dụng để đào tạo, nhưng yêu cầu lưu giữ dữ liệu này lại là một trở ngại lớn đối với các ngành công nghiệp được quản lý chặt chẽ. Một số khách hàng doanh nghiệp không thể sử dụng Fable 5 vì chính sách này.

Công việc trí tuệ và suy luận

Cả hai mô hình đều mạnh ở điểm này, và sự khác biệt hẹp hơn so với lập trình. Fable 5 dẫn đầu trong Finance Benchmark của Hebbia về suy luận cấp cao, đạt điểm cao nhất trong số các mô hình về suy luận dựa trên tài liệu, diễn giải biểu đồ và giải quyết vấn đề. IMC báo cáo rằng Fable 5 đã vượt qua các đánh giá phân tích giao dịch của họ trên mọi phương diện, bao gồm phân tích nguyên nhân gốc và phân tích giá trị kỳ vọng.

GPT-5.5 dẫn đầu FrontierMath Tier 4 với 35,4%, cao hơn điểm số được công bố của Fable 5. Trên GDPval, một bài kiểm tra đánh giá năng lực của các agent thuộc 44 ngành nghề, GPT-5.5 đạt 84,9%. Trên Humanity's Last Exam có công cụ, Fable 5 dẫn đầu với 64,5% so với 52,2% của GPT-5.5, một khoảng cách đáng kể đối với các nhiệm vụ suy luận đa ngành.

Giá cả và tính khả dụng

Khoảng cách về giá là có thật và càng lớn khi quy mô tăng lên. Fable 5 có giá 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra. GPT-5.5 có giá 5 USD cho mỗi triệu token đầu vào và 30 USD cho mỗi triệu token đầu ra. Đối với khối lượng công việc lớn, mức tăng 100%/67% này sẽ nhanh chóng cộng dồn lại.

Quyền truy cập theo gói đăng ký là một vấn đề khác đối với Fable 5. Người dùng gói Pro, Max, Team và Enterprise được truy cập miễn phí cho đến ngày 22 tháng 6. Sau ngày đó, việc sử dụng Fable 5 yêu cầu phải trả thêm phí ngoài gói đăng ký hiện có. Anthropic cho biết họ dự định khôi phục Fable 5 như một tính năng đăng ký tiêu chuẩn khi có đủ khả năng, nhưng chưa có mốc thời gian cụ thể. GPT-5.5 đã được triển khai cho người dùng Plus, Pro, Business và Enterprise trên ChatGPT và Codex ngay từ ngày đầu tiên, và quyền truy cập API được cung cấp ngay sau đó.

Một điểm cần lưu ý về giá cả: Khi một truy vấn Fable 5 chuyển về Opus 4.8 do bộ phân loại, bạn sẽ bị tính phí theo giá của Opus 4.8 (5 USD đầu vào / 25 USD đầu ra), chứ không phải giá của Fable 5.

Khi nào nên chọn Claude Fable 5? Khi nào nên chọn GPT-5.5?

Quyết định phụ thuộc vào ba yếu tố: Khoảng cách giữa SWE và Bench Pro quan trọng như thế nào đối với công việc của bạn, liệu domain của bạn có kích hoạt bộ phân loại của Fable 5 hay không, và liệu bạn có cần hiệu suất đáng tin cậy vượt quá 256.000 token hay không.

Kết luận 

Fable 5 là mô hình có khả năng vượt trội hơn trên các bài kiểm tra quan trọng nhất. Khoảng cách giữa SWE và Bench Pro (80,3% so với 58,6%) không phải là nhiễu, và sự dẫn đầu của Humanity's Last Exam (64,5% so với 52,2% khi sử dụng công cụ) phản ánh sự khác biệt thực sự về chiều sâu suy luận. Nếu khả năng thô là biến số duy nhất, Fable 5 giành chiến thắng.

Nhưng dấu sao trên điểm số của Fable 5 là có thật. Những con số đó phản ánh mô hình Mythos cơ bản. Fable 5 là Mythos với các bộ phân loại được thêm vào, và đối với an ninh mạng, y sinh học và một số truy vấn lưỡng dụng nhất định, bạn sẽ nhận được Opus 4.8 thay thế. Đối với các quy trình tự động hóa dựa trên agent, đó không chỉ là vấn đề về khả năng; đó còn là vấn đề về độ tin cậy. Một quy trình mong đợi chiều sâu suy luận của Fable 5 xuyên suốt có thể bị lỗi khi mô hình âm thầm chuyển đổi giữa chừng tác vụ. Thêm vào đó là yêu cầu bắt buộc lưu giữ dữ liệu 30 ngày, và Fable 5 đơn giản là chưa phải là lựa chọn phù hợp cho một số khách hàng doanh nghiệp.

Còn một lựa chọn thứ ba đáng nhắc đến. Nếu giá của Fable 5 quá cao và những lợi ích về xử lý ngữ cảnh dài hạn của GPT-5.5 không quan trọng đối với trường hợp sử dụng của bạn, thì Claude Opus 4.8 không phải là một giải pháp thay thế. Nó đã vượt trội hơn GPT-5.5 trên SWE-Bench Pro với tỷ lệ 69,2% so với 58,6%, có giá 5$/25$ cho mỗi triệu token, và không gặp phải vấn đề về bộ phân loại như Fable 5.