Claude Fable 5.1 đối đầu OpenAI Astra

Anthropic đã phát hành Claude Fable 5.1, đẩy mạnh năng lực coding, tác vụ khoa học và giảm chi phí context cho doanh nghiệp. Cùng lúc, OpenAI công bố chi tiết về Astra, một mô hình đã chạm ngưỡng năng lực an ninh mạng cần kiểm soát đặc biệt.

Theo Chosun Ilbo, đầu tháng 9/2026 cũng chứng kiến Google DeepMind tung Gemini 3.8 Flash, tập trung vào coding và bảo mật doanh nghiệp. Đây không còn là cuộc thi chatbot trả lời hay hơn; các hãng đang đưa AI Models vào những vùng có giá trị kinh tế lớn nhất và rủi ro cao nhất.

Claude Fable 5.1 nhảy vọt ở coding và khoa học

Trên benchmark Terminal Bench 4.0, Claude Fable 5.1 đạt 55,8%, cao hơn mức 42,0% của Fable 5. Khoảng cách này đáng chú ý vì Terminal Bench đo năng lực thực hiện tác vụ qua môi trường terminal, gần với công việc kỹ sư phần mềm hơn các bài kiểm tra hỏi đáp thông thường.

Ở đánh giá khoa học, Fable 5.1 đạt 52,6%, hơn gấp đôi mức 24,7% của phiên bản trước. Anthropic cũng cho biết đã giảm tới 75% chi phí truy xuất cached/processed tokens cho khách hàng doanh nghiệp.

Theo tôi, con số giảm chi phí này có thể thực dụng hơn cả điểm benchmark: AI Agent dùng context dài sẽ khó đi vào quy trình nội bộ nếu mỗi lượt truy xuất dữ liệu cũ vẫn quá đắt.

OpenAI Astra đẩy an ninh mạng sang mức báo động

OpenAI cho biết Astra đã đạt “critical cybersecurity capability threshold”: mô hình có thể tự phát hiện lỗ hổng zero-day và viết mã khai thác một cách độc lập. Vì thế, OpenAI áp dụng chương trình kiểm soát truy cập phân tầng nghiêm ngặt thay vì mở rộng quyền dùng đồng đều.

Đây là tín hiệu quan trọng cho thị trường AI Models. Khi năng lực model có thể chuyển trực tiếp thành năng lực tấn công, benchmark không còn chỉ là công cụ marketing; nó kéo theo chi phí giám sát, phân quyền người dùng và trách nhiệm phát hành.

Google không đứng ngoài cuộc

Gemini 3.8 Flash của Google DeepMind nhắm vào coding và bảo mật doanh nghiệp. Ba thông báo cùng thời điểm cho thấy các nhà cung cấp lớn đang cạnh tranh trên hai mặt trận: hiệu năng triển khai thực tế và hàng rào an toàn trước khi model được phổ cập.

Nhận định của tôi: Anthropic đang bán hiệu quả vận hành, còn OpenAI phải chứng minh rằng họ kiểm soát được cái giá của năng lực vượt trội. Với doanh nghiệp, lựa chọn model từ đây sẽ là quyết định về quản trị rủi ro, không chỉ về chất lượng câu trả lời.

Điểm đáng chú ý

• Claude Fable 5.1 đạt 55,8% trên Terminal Bench 4.0, tăng từ 42,0%.
• Điểm đánh giá khoa học tăng từ 24,7% lên 52,6%.
• Anthropic giảm tới 75% chi phí truy xuất cached/processed tokens.
• OpenAI Astra bị áp dụng kiểm soát truy cập phân tầng do năng lực tìm zero-day và viết mã khai thác.
• Gemini 3.8 Flash cho thấy Google DeepMind tiếp tục đặt coding và bảo mật doanh nghiệp làm trọng tâm.

Nguồn tham khảo: Chosun Ilbo