Ok - đây là lý do tại sao bạn không nên tin tưởng vào các chỉ số benchmark AI.

Một nghiên cứu gần đây so sánh Opus 4.6 (mẫu Claude mới nhất) với Opus 4.5 trên 165 nhiệm vụ khác nhau.
Nghiên cứu sâu đã kết luận rằng Opus 4.6 không tốt hơn mô hình trước đó.
Nhưng Opus 4.6 đã làm điều này với 50% chi phí và 50% thời gian chờ đợi.
Vẫn là những cải tiến lớn, chỉ cần cẩn thận với các tiêu đề benchmark.
Cách tốt nhất để xác định xem một mô hình có tốt hơn các phiên bản trước hay không là thử nghiệm nó cho các nhu cầu cụ thể của bạn.
Dù sao đi nữa, chúc mừng đội ngũ Anthropic về việc giảm đáng kể chi phí/thời gian chờ đợi này.