
Gemini 4 Neon vượt Opus 5.5 trên bảng Artificial Analysis: rẻ hơn, ít bịa hơn, nhưng chưa thắng ở mọi mặt
Vũ Khôi
Tác giả tại Wotech Electronics Blog

Gemini 4 Neon vượt Opus 5.5 trên bảng Artificial Analysis: rẻ hơn, ít bịa hơn, nhưng chưa thắng ở mọi mặt
Mới sáng nay, Neon ra mắt thay cho Argon trước đó — và theo bài đăng của Đỗ Anh Việt trong nhóm Nghiện Claude (19/11/2026), Gemini 4 Neon đánh bại Claude Opus 5.5 ở hầu hết các mặt trận trên bảng xếp hạng Artificial Analysis. Neon đạt 61 điểm trên Artificial Analysis Intelligence Index, vượt Opus 5.5 bản Max (59 điểm); đọc ngữ cảnh dài đạt 95,2% so với 66,8% của Opus 5.5; chi phí rẻ hơn gần 2,7 lần; và leo lên vị trí số 1 toàn cầu trên Coding Agent Index. Nhưng chính bảng số liệu trong bài đăng cũng cho thấy bức tranh không một chiều: Opus 5.5 vẫn thắng ở một số bài test, và ở bài test kiến thức tác tử thì Claude vẫn nhỉnh hơn. Mọi con số, nhận định và khuyến nghị trong bài là theo bài đăng, chưa được Wotech kiểm chứng độc lập — và bảng benchmark trong ảnh bài đăng ghi nguồn phương pháp từ trang eval của Google (deepmind.google), tức là số liệu do chính Google công bố theo phương pháp của họ.
Trả lời nhanh: Theo bài đăng, Gemini 4 Neon đạt 61 điểm (bản xhigh) và 60 điểm (bản high) trên Artificial Analysis Intelligence Index, vượt Opus 5.5 bản Max (59 điểm); đọc ngữ cảnh dài (GraphWalks 256k–1M token) đạt 95,2%, bỏ xa 66,8% của Opus 5.5. Về chi phí, Neon (high) chỉ tốn 3,74 USD/task cho 60 điểm, rẻ hơn gần 2,7 lần so với Opus 5.5 Max (10,04 USD cho 59 điểm); bản medium tốn 1,90 USD cho 55 điểm, rẻ hơn hơn 5 lần so với Sonnet 5.5 Max cùng điểm. Antigravity CLI + Gemini 4 Neon đạt 59 điểm trên Coding Agent Index, vượt nhẹ Claude Code và Opus 5.5 (cùng 58 điểm) — lần đầu tiên model Gemini vượt mặt và chiếm top #1 so với Claude trong thời gian gần đây, theo bài đăng. Tỷ lệ không bịa chuyện (Non-Hallucination) của dòng Gemini 4 chiếm trọn top đầu (Hydrogen 91%–92%, Neon 81%–86%), trong khi Opus 5.5 chỉ 33%–50%. Tuy nhiên, ở bài test Agentic Knowledge (AA-Briefcase, thang điểm Elo), Claude vẫn nhỉnh hơn: Opus 5.5 Max đạt 1800, Sonnet 5.5 Max đạt 1815, còn Neon xhigh dừng ở 1700; và tác giả cho rằng trợ giá của Claude so với cùng chi phí ở Gemini đang tốt hơn 3 lần, nên dùng Gemini hiện tại vẫn thấy tốn Usage nhanh hơn Claude.
Artificial Analysis Intelligence Index là chỉ số tổng hợp của Artificial Analysis — theo bài đăng, Neon đạt 61 điểm (xhigh) trên chỉ số này, vượt Opus 5.5 bản Max (59 điểm).
Neon thắng ở đâu?
Theo bài đăng, sau khi Google đạt RSI (khả năng AI tự nâng cấp model của mình — theo cách tác giả gọi) thì tần suất ra model liên tục của Google tăng quá nhanh, toàn model xịn; Neon ra mắt sáng 19/11/2026 thay cho Argon trước đó. Những điểm nổi bật từ Google và Artificial Analysis:
| Hạng mục | Gemini 4 Neon | Claude Opus 5.5 | Ghi chú theo bài đăng |
|---|---|---|---|
| Intelligence Index | 61 (xhigh), 60 (high) | 59 (Max) | Neon vượt Opus 5.5 Max |
| Đọc ngữ cảnh dài (GraphWalks 256k–1M) | 95,2% | 66,8% | Neon bỏ xa |
| Chi phí/task | 3,74 USD (high, 60 điểm); 1,90 USD (medium, 55 điểm) | 10,04 USD (Max, 59 điểm) | Neon high rẻ hơn gần 2,7 lần; medium rẻ hơn hơn 5 lần so với Sonnet 5.5 Max cùng điểm |
| Coding Agent Index | 59 (Antigravity CLI + Neon) | 58 (Claude Code + Opus 5.5) | Lần đầu Gemini chiếm top #1 so với Claude trong thời gian gần đây |
| CursorBench 4.1 | 65,4% | 58,1% | Neon thắng |
| Non-Hallucination | Hydrogen 91%–92%, Neon 81%–86% | Opus 5.5 chỉ 33%–50% | Dòng Gemini 4 chiếm trọn top đầu |
| AutomationBench-AA (tự động hóa SaaS) | 78%–79% | 61%–70% | Neon dẫn đầu |
Bảng trong ảnh bài đăng còn cho thấy Neon thắng đậm ở SWE-sweep (provider harness 39,0% so với 10,1% của Opus 5.5), LVBench (89,0% so với 83,7%), SEC-bench Pro (90,5%) và WebExploitBench v1.2 (51,3% so với 37,1%).
Nhưng bảng số liệu cũng cho thấy Opus chưa thua hẳn
Theo chính bảng trong ảnh bài đăng, "đánh bại ở hầu hết các mặt trận" chưa phải toàn bộ câu chuyện: Opus 5.5 vẫn thắng Terminal-bench 4.1 (65,8% so với 65,2% của Neon) và FrontierCode 2.0 (47,3% so với 46,2%), còn GPT-6.2 Sol thắng ở Chartography (75,1% so với 73,5% của Neon). Và ở bài test Agentic Knowledge (AA-Briefcase, thang điểm Elo), Claude vẫn nhỉnh hơn: Opus 5.5 Max đạt 1800, Sonnet 5.5 Max đạt 1815, còn Neon xhigh dừng ở 1700. Tác giả cũng lưu ý: trợ giá của Claude so với cùng chi phí ở Gemini đang tốt hơn 3 lần, nên nhìn chung dùng Gemini hiện tại vẫn sẽ thấy tốn Usage nhanh hơn Claude — tác giả cho rằng Google sẽ cải thiện tới, hoặc Claude sẽ giảm sau IPO.
Áp dụng ngay: combo Opus lên kế hoạch, Hydrogen/Neon thực thi
Theo bài đăng, nếu chưa chắc chuyển hẳn sang Neon cho mọi việc, combo vẫn rất ngon hiện tại là: dùng Opus 5.5 để lên kế hoạch, định hướng (như audit, lập topical map, chốt chiến lược SEO...), sau đó phân bổ cho Hydrogen (siêu rẻ, ít bịa tới 92%) hoặc Neon (code, tác vụ phức tạp) làm phần thực thi.
Câu hỏi thường gặp
1. Gemini 4 Neon vượt Opus 5.5 ở chỉ số nào? Theo bài đăng, Neon đạt 61 điểm (xhigh) trên Artificial Analysis Intelligence Index, vượt Opus 5.5 Max (59 điểm); đọc ngữ cảnh dài GraphWalks đạt 95,2% so với 66,8%.
2. Neon rẻ hơn Opus 5.5 bao nhiêu? Theo bài đăng, Neon (high) tốn 3,74 USD/task cho 60 điểm, rẻ hơn gần 2,7 lần so với Opus 5.5 Max (10,04 USD cho 59 điểm); bản medium 1,90 USD cho 55 điểm, rẻ hơn hơn 5 lần so với Sonnet 5.5 Max cùng điểm.
3. Neon có thắng ở mọi bài test không? Không. Theo chính bảng trong ảnh bài đăng, Opus 5.5 vẫn thắng Terminal-bench 4.1 và FrontierCode 2.0, GPT-6.2 Sol thắng Chartography; và ở bài test Agentic Knowledge (AA-Briefcase), Claude vẫn nhỉnh hơn (Opus 5.5 Max 1800, Sonnet 5.5 Max 1815, Neon xhigh 1700).
4. Tỷ lệ không bịa chuyện của các model ra sao? Theo bài đăng, dòng Gemini 4 chiếm trọn top đầu (Hydrogen 91%–92%, Neon 81%–86%), trong khi Opus 5.5 chỉ 33%–50%.
5. Tác giả khuyên dùng combo nào? Theo bài đăng: Opus 5.5 để lên kế hoạch, định hướng (audit, topical map, chiến lược SEO), rồi phân bổ cho Hydrogen (siêu rẻ, ít bịa tới 92%) hoặc Neon (code, tác vụ phức tạp) làm phần thực thi.
Lưu ý về tên model: bài đăng ghi "Claude Code + Fable 5.2" đạt 58 điểm trên Coding Agent Index; Wotech không xác nhận được model nào có tên "Fable 5.2" nên chỉ dẫn lại đúng cách gọi của bài đăng, không khẳng định đây là tên model thật. Nguồn: bài đăng của Đỗ Anh Việt trong nhóm Nghiện Claude (19/11/2026), số liệu theo Google và Artificial Analysis; bảng benchmark trong ảnh ghi nguồn phương pháp từ trang eval của Google. Mọi con số, nhận định và khuyến nghị trong bài là theo bài đăng, chưa được Wotech kiểm chứng độc lập.
Bài viết liên quan

20 tháng 11, 2026 · 12 phut doc
Dev Java 32 tuổi bị sa thải 23 ngày trước đám cưới: 187 CV, 0 offer, và dòng chữ 404 Not Found
Một anh dev Java 32 tuổi ở Hàng Châu bị cắt việc đúng 23 ngày trước đám cưới, và cái kết mới là chỗ làm người ta ngồi im. Câu chuyện được tài khoản Stanley (@Stanleysobest) chia sẻ trên X ngày 19/11/…

20 tháng 11, 2026 · 6 phut doc
Cha đẻ OpenClaw gần như không để Claude viết code: Claude lên kế hoạch, Codex thực thi
Peter Steinberger, cha đẻ của OpenClaw, gần như không sử dụng Claude để trực tiếp viết code. Thay vào đó, ông có một quy trình làm việc hiệu quả hơn: Claude lên kế hoạch, Codex thực thi. Đó là nội du…

19 tháng 11, 2026 · 9 phut doc
Giám đốc đầu tiên bị xét xử hình sự vì dùng phần mềm không giấy phép trong chính doanh nghiệp mình
Không kinh doanh phần mềm lậu, không phân phối phần mềm bẻ khóa — chỉ sử dụng phần mềm phục vụ hoạt động của chính doanh nghiệp. Vậy tại sao giám đốc vẫn bị đưa ra xét xử hình sự? Ngày 17/11/2026, Tò…