Khám phá danh mục mô hình Felo
Khám phá và so sánh các mô hình AI cho văn bản, hình ảnh, video và âm thanh: nhà cung cấp, khả năng, cửa sổ ngữ cảnh và giá API. Một khóa Felo cho mọi mô hình.
HeyGen: Avatar 6 Turbo
HeyGen: Avatar6 Turbo tạo video avatar biết nói từ kịch bản hoặc âm thanh, hỗ trợ cử chỉ theo nội dung, đồng bộ môi và giọng đa ngôn ngữ.
HeyGen: Avatar 6
HeyGen Avatar6 tạo video avatar tự nhiên từ ảnh, âm thanh và video, với chuyển động theo ngữ cảnh, đồng bộ môi cải thiện và đầu ra native2K.
OpenAI: GPT-6.2 Astra Pro
GPT-6.2 Astra Pro là mô hình tiên phong của OpenAI cho suy luận phức tạp, lập trình, thiết kế trực quan và công việc chuyên môn, khoa học đầu cuối.
OpenAI: GPT-6.2 Astra
OpenAI GPT-6.2 Astra là mô hình tiên phong cho suy luận chuyên sâu, lập trình phức tạp, phân tích dữ liệu và tạo tài liệu theo mẫu.
OpenAI: GPT-6.2 Sol Pro
GPT-6.2 Sol Pro là mô hình đa năng cho lập trình, viết lách, tác vụ nhiều bước và tạo trải nghiệm trình duyệt tương tác từ bản mô tả bằng văn bản.
OpenAI: GPT-6.2 Sol
GPT-6.2 Sol là mô hình đa phương thức của OpenAI cho lập trình, tự động hóa, công việc tri thức phức tạp và tác vụ tác nhân nhiều bước.
Microsoft: Microsoft AI: MAI-Image-2.7 Flash
Microsoft AI: MAI-Image-2.7 Flash là mô hình tạo và chỉnh sửa ảnh nhanh, hỗ trợ văn bản, ảnh đầu vào cùng tối đa5 ảnh tham chiếu.
Microsoft: Microsoft AI: MAI-Image-2.7
MAI-Image-2.7 là mô hình tạo và chỉnh sửa hình ảnh của Microsoft AI, nổi bật với độ chân thực, khả năng giữ bố cục và kết xuất văn bản chính xác.
Microsoft: Microsoft-Decision-1.1
Microsoft-Decision-1.1 là mô hình ra quyết định đa phương thức cho các tác vụ phân loại, định tuyến, chấm điểm và đánh giá có cấu trúc.
ByteDance: Seedance 2.5 Flash
ByteDance: Seedance2.5 Flash là mô hình tạo video đa phương thức tốc độ cao, hỗ trợ âm thanh bản địa, tham chiếu linh hoạt và đồng bộ khẩu hình đa ngôn ngữ.
LiquidAI: d1.2-ultra
LiquidAI d1.2-ultra là mô hình ra quyết định đa phương thức, chuyên xử lý có cấu trúc, hiệu chỉnh xác suất và tự động hóa phân loại, trích xuất, định tuyến.
LiquidAI: d1.2
LiquidAI: d1.2 là mô hình ra quyết định đa phương thức, trả về xác suất cho nhiều câu hỏi có cấu trúc mà không tạo token đầu ra.
Tencent: Hy4 flash
Tencent Hy4 flash là mô hình đa phương thức thực tiễn cho tự động hóa văn phòng, nghiên cứu, xử lý tài liệu và các quy trình tác vụ dài.
Qwen: Qwen4 Max
Qwen4 Max là mô hình đa phương thức hàng đầu của Qwen4, hỗ trợ ngữ cảnh1 million tokens, suy luận sâu, công cụ và tác vụ phức tạp dài hạn.
Recraft: Recraft V4.1 Flash V2
Recraft V4.1 Flash V2 tạo ảnh raster nhanh, phù hợp thử nghiệm ý tưởng, phác thảo thiết kế và sản xuất hình ảnh số lượng lớn.
Recraft: Recraft V4.1 Flash V2 (free)
Recraft V4.1 Flash V2 là mô hình tạo ảnh nhanh, phù hợp khám phá ý tưởng, thử prompt và tạo nhiều biến thể hình ảnh khoảng1K.
Tencent: HY-World 2.1 Panorama
Tencent: HY-World2.1 Panorama tạo một ảnh toàn cảnh hình chữ nhật360 độ độ phân giải cao từ một lời nhắc văn bản duy nhất.
Inclusionai: Ling 3.2 Flash (free)
inclusionAI: Ling3.2 Flash (free) là mô hình đa phương thức gốc, xử lý văn bản, hình ảnh và video với cửa sổ ngữ cảnh1 million token.
HeyGen: HeyGen Decision
HeyGen Decision1 là mô hình ra quyết định đa phương thức, đọc văn bản và hình ảnh để trả lời có cấu trúc, xác suất và sẵn sàng tích hợp vào mã nguồn.
ByteDance Seed: Seedream 5.5
Seedream 5.5 là mô hình tạo và chỉnh sửa hình ảnh của ByteDance Seed, nổi bật với khả năng chỉnh sửa nhiều lượt ổn định qua tối đa 100 vòng, xuất ảnh PNG RGBA trong suốt và tách lớp hình ảnh.
Perplexity: Decider Flash V1.3 (free)
Perplexity Decider Flash V1.3 là mô hình quyết định có cấu trúc, trả về xác suất cho câu hỏi và hỗ trợ phân loại, trích xuất cùng xếp hạng nhanh.
Perplexity: Decider V1.3 (free)
Perplexity Decider V1.3 là mô hình quyết định đa phương thức, chuyên phân loại, chấm điểm, định tuyến và xuất phân phối xác suất có cấu trúc.
Google: Gemini 4 Hydrogen
Gemini 4 Hydrogen là mô hình AI đa phương thức của Google, kế nhiệm Gemini 3.8 Flash, được tối ưu cho tốc độ và hiệu quả chi phí để sử dụng hằng ngày trong lập trình, tác vụ tự động và phân tích dữ liệu.
Google: Gemini 4 Hydrogen (batch)
Gemini 4 Hydrogen là mô hình lõi nhanh và hiệu quả của dòng Gemini 4, thay thế thương hiệu Flash, hỗ trợ đầu vào văn bản, hình ảnh, video cùng bốn mức suy luận linh hoạt.
Google: Gemini Decision 1
Gemini Decision 1 là mô hình của Google ra mắt ngày 11 tháng 11 năm 2026, trả về xác suất và điểm tin cậy cho các câu hỏi định trước thay vì sinh văn bản, chấm tới 1.000 câu hỏi độc lập trong một yêu cầu duy nhất.
MiniMax: MiniMax H3 Image Highspeed
MiniMax H3 Image Highspeed là biến thể tối ưu tốc độ của dòng MiniMax H3 Image, nhận văn bản và hình ảnh đầu vào, tạo hoặc chỉnh sửa ảnh nhanh gấp 3 đến 4 lần chế độ tiêu chuẩn, phù hợp cho hậu kỳ và sản xuất hàng loạt.
MiniMax: MiniMax H3 Image
MiniMax-H3-Image là mô hình tạo và chỉnh sửa ảnh của MiniMax, nhận văn bản cùng tối đa 16 ảnh tham chiếu và xuất ảnh độ phân giải lên tới 4096 x 4096 pixel (16 megapixel).
Baidu: ERNIE-5.5-Flash-Preview
ERNIE-5.5-Flash-Preview là mô hình ngôn ngữ do Baidu phát hành ngày 11 tháng 11 năm 2026, hỗ trợ ngữ cảnh lên tới 1 triệu token, xây dựng trên kiến trúc Mixture-of-Experts thưa với 280 tỷ tham số tổng và 14 tỷ tham số hoạt động mỗi token.
Baidu: ERNIE-Light-DT-1.0
ERNIE-Light-DT-1.0 là mô hình chỉ xử lý văn bản của Baidu, ra mắt ngày 10 tháng 11 năm 2026, sở hữu cửa sổ ngữ cảnh 1.024.000 token nhờ kỹ thuật nén bộ nhớ đệm KV và cơ chế nén lịch sử dựa trên phản hồi.
Google: Gemini 4 Carbon
Gemini 4 Carbon là mô hình hàng đầu của Google, ra mắt ngày 28 tháng 10 năm 2026, mạnh về an ninh mạng và quy trình tác tử dài hạn, với ngữ cảnh 1 triệu token và hỗ trợ đầu vào văn bản, hình ảnh, âm thanh, video.
Google: Gemini 4 Carbon (batch)
Gemini 4 Carbon là mô hình AI hàng đầu của Google ra mắt ngày 28 tháng 10 năm 2026, dẫn đầu Chỉ số Trí tuệ Artificial Analysis Intelligence Index V5 với 59 điểm, hỗ trợ đầu vào đa phương thức và ngữ cảnh 1 triệu token.
Nex-agi: Nex AGI: Nex-N2.6
Nex-N2.6 là mô hình agentic của Nex AGI, được xây dựng lại trên nền GLM-5.3-Flash với quy mô tham số khoảng 321B, phù hợp cho sử dụng máy tính, lập trình và các tác vụ dài hạn có công cụ, đồng thời giảm suy luận lặp lại.
Nace.AI: Drex Max Finance
Nace.AI: Drex Max Finance là mô hình quyết định đa phương thức chuyên biệt cho tài chính, nhận giao dịch, tài liệu và nhật ký giao dịch để trả về phân phối xác suất đã hiệu chỉnh trên các lựa chọn cố định, đạt độ chính xác 85,7% trên 48 benchmark tài chính.
ByteDance: Doubao-Seedream-5.5
Doubao-Seedream-5.5 là mô hình tạo và chỉnh sửa ảnh của ByteDance Seed, nổi bật với khả năng chỉnh sửa nhiều vòng giữ nguyên vùng không đổi và xuất asset trong suốt RGBA trực tiếp.
Thinkingmachines: Thinking Machines: Inkling 2 Small (free)
Inkling 2 Small của Thinking Machines là mô hình ngôn ngữ đa phương thức nhận văn bản và hình ảnh, tạo sinh văn bản, xây trên kiến trúc transformer decoder-only 48 lớp với Mixture-of-Experts thưa, phù hợp cho tác vụ agentic, lập trình và hội thoại.
Anthropic: Claude Fable 5.2
Claude Fable 5.2 là mô hình AI của Anthropic thuộc dòng Mythos-class, hỗ trợ ngữ cảnh lên tới 1 triệu token, đầu ra 128k token, nhận văn bản và hình ảnh, mạnh về tác vụ agentic dài hạn và xử lý tài liệu.
Anthropic: Claude Fable 5.2 (batch)
Claude Fable 5.2 (batch) là mô hình mạnh nhất trong dòng sản phẩm của Anthropic, hỗ trợ ngữ cảnh lên tới 1 triệu token, xử lý văn bản, hình ảnh và PDF, phù hợp cho công việc kỹ thuật phức tạp và xử lý hàng loạt quy mô lớn.
Meta: Muse Ember
Muse Ember là mô hình AI nhỏ nhất và hiệu quả nhất trong dòng Muse của Meta, nhận đầu vào văn bản, hình ảnh, âm thanh và video, với ngữ cảnh 1 triệu token, chuyên thực thi tác vụ agent quy mô lớn với chi phí thấp.
LiquidAI: LFM3-1.7B
LFM3-1.7B là mô hình ngôn ngữ nhỏ do Liquid AI phát hành, có 1,73 tỷ tham số, cửa sổ ngữ cảnh 256K token, hỗ trợ gọi công cụ có cấu trúc và chạy cục bộ trên điện thoại, máy tính xách tay.
LiquidAI: LFM3-1.7B (free)
LFM3-1.7B là mô hình ngôn ngữ chỉ văn bản, trọng số mở của Liquid AI, dùng kiến trúc tri-hybrid mới, hỗ trợ 16 ngôn ngữ, gọi công cụ và đầu ra có cấu trúc, hướng đến tác nhân cục bộ.
Parallel: Decisions Fast
Parallel: Decisions Fast là mô hình ra quyết định của Parallel Web Systems, nhận câu hỏi có cấu trúc về một trạng thái văn bản hoặc JSON, truy xuất web trực tiếp và trả về câu trả lời kèm xác suất cùng trích dẫn nguồn.
Parallel: Decisions Fast (free)
Parallel Decisions Fast (miễn phí) là mô hình ra quyết định có nền tảng web, trả lời nhiều câu hỏi trong một lần gọi với câu trả lời có kiểu, giới hạn và trích dẫn kèm độ tin cậy.
Google: Gemini Omni 1.2 Flash
Google Gemini Omni 1.2 Flash là mô hình tạo và chỉnh sửa video bằng hội thoại, nhận đầu vào văn bản, hình ảnh, âm thanh và video, đồng thời hiểu vật lý và bối cảnh văn hóa để tạo cảnh quay chân thực.
OpenAI: GPT Image 2.6 Sunburst
GPT Image 2.6 Sunburst là mô hình tạo và chỉnh sửa hình ảnh của OpenAI, thuộc nhóm GPT Image 2.6, hướng tới độ chính xác khi chỉnh sửa và giữ nhất quán chi tiết nhân vật, sản phẩm và thương hiệu qua nhiều vòng chỉnh sửa.
OpenAI: GPT Image 2.6 Flare
GPT Image 2.6 Flare là mô hình tạo và chỉnh sửa ảnh hướng đến tốc độ của OpenAI, nhận tối đa 16 ảnh tham chiếu, hỗ trợ độ phân giải 1K, 2K, 4K và nền trong suốt gốc, với độ trễ thấp hơn tới 50% so với GPT Image 2.
Google: Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash là mô hình đa phương thức của Google DeepMind tạo video từ văn bản, hình ảnh, âm thanh và video, đồng thời sinh âm thanh gốc gồm giọng nói, nhạc và hiệu ứng trong một lần gọi API duy nhất.
Ricursiveai: ricursiveAI/Ripple-65B-Preview
Ripple-65B Preview là mô hình Transformer dày 65 tỷ tham số mã nguồn mở của Ricursive Intelligence, ra mắt ngày 5 tháng 11 năm 2026, với ngữ cảnh 1 triệu token, mạnh về lập trình tác tử.
Tencent: Hy4
Hy4 của Tencent là mô hình ngôn ngữ đa phương thức do nhóm Tencent Hunyuan phát triển, hỗ trợ đầu vào văn bản, hình ảnh, ảnh chụp màn hình và trang tài liệu, với ngữ cảnh lên tới 1 triệu token và khả năng hiểu hình ảnh cùng Computer Use.
Kling: Kling 4.0 Flash Image to Video
Kling 4.0 Flash Image to Video là mô hình tạo video từ hình ảnh thuộc dòng Kling 4.0 của Kuaishou, tối ưu cho tốc độ và chi phí thấp, tạo clip 3–20 giây kèm âm thanh gốc và hỗ trợ Omni Reference.
Kling: Kling 4.0 Flash Omni Video
Kling 4.0 Flash là mô hình tạo video nhanh và nhẹ từ Kuaishou, hỗ trợ đầu vào văn bản, hình ảnh và Omni Reference, tạo clip 3–20 giây ở độ phân giải 720p, phù hợp cho việc tạo bản nháp nhanh và sản xuất nội dung hàng loạt.
Kling: Kling 4.0 Flash Text to Video
Kling 4.0 Flash Text to Video là mô hình tạo video từ văn bản của Kling AI, được thiết kế để sinh video nhanh và tiết kiệm chi phí trong dòng Kling 4.0, hỗ trợ đầu vào văn bản cùng ảnh và video tham chiếu.
Morph: Reflex
Morph: Reflex là mô hình chuyên biệt nhỏ, rất nhanh của Morph, đọc trạng thái một lần rồi trả lời mọi câu hỏi từ lần đọc đó, không sinh văn bản tự do mà chỉ chọn trong các tùy chọn định trước.
Stealth: Crouton Alpha
Crouton Alpha là mô hình suy luận nhẹ của Meta, hỗ trợ ngữ cảnh hơn một triệu token và đa phương thức, được thiết kế làm mô hình con thực thi các bước do mô hình mạnh hơn lập kế hoạch.
Z.ai: GLM 5.3 FlashX Legal
GLM 5.3 FlashX Legal là mô hình đa phương thức của Z.ai tối ưu cho phân tích pháp lý, nhận đầu vào văn bản, hình ảnh, video và tệp, với ngữ cảnh khoảng một triệu token và đầu ra 128K token.
Cloudflare: Clairic
Clairic là mô hình trích xuất của Cloudflare trên Workers AI, nhận văn bản và hình ảnh tùy chọn cùng lược đồ trường để trả về giá trị có kiểu mạnh mẽ, kèm điểm tin cậy và xác suất null cho từng trường.
TBC: Mischief 1
Mischief 1 là mô hình video AI đầu tiên được công khai của TBC, tạo clip ngắn 3 hoặc 5 giây từ ảnh đầu vào, hứa hẹn tốc độ nhanh gấp 5 lần và chi phí thấp hơn Wan 2.2.
Baseten: Joey 1
Joey-1 là mô hình quyết định trọng số mở 2B tham số của Baseten, nhận ngữ cảnh có cấu trúc và trả về xác suất cho các lựa chọn định trước thay vì sinh văn bản.
Sourceful: Riverflow V2.6 Pro
Sourceful Riverflow V2.6 Pro là mô hình tạo và chỉnh sửa hình ảnh, chuyên tạo hình ảnh thương mại có cấu trúc với hình học sạch sẽ, bố cục hợp lý và khả năng hiển thị văn bản chính xác.
Particle AI: Particle-1
Particle-1 là mô hình lập trình tác tử đầu tiên của Particle AI, được tinh chỉnh từ DeepSeek V4.1 Flash, tối ưu cho các tác vụ kỹ thuật phần mềm với đầu ra ngắn gọn và tiết kiệm token.
Kling: Kling 4.0 Image-to-Video
Kling 4.0 Image-to-Video là mô hình sáng tạo hợp nhất của Kling AI, tạo video gốc dài 3–30 giây từ ảnh, văn bản, video và âm thanh tham chiếu, với khả năng chỉnh sửa đa phương thức và âm thanh stereo.
Kling: Kling 4.0 Text-to-Video
Kling 4.0 Text-to-Video là mô hình AI của Kuaishou tạo video từ văn bản, hỗ trợ video 3–30 giây với âm thanh stereo gốc, độ phân giải 720p hoặc 1080p và bốn tỷ lệ khung hình.
LiquidAI: d1.1
LiquidAI d1.1 là mô hình quyết định nhận văn bản và hình ảnh đầu vào, trả về xác suất cho các câu hỏi có/không, lựa chọn hoặc thang điểm thay vì sinh văn bản, phù hợp cho phân loại, định tuyến và chấm điểm nhanh trong phần mềm.
OpenAI: GPT-6.1 Terra Pro
GPT-6.1 Terra Pro là mô hình lý luận tầm trung của OpenAI, dùng chung mô hình nền với GPT-6.1 Terra nhưng đặt reasoning.mode thành pro, phù hợp cho các tác vụ phức tạp đòi hỏi độ chính xác cao.
OpenAI: GPT-6.1 Terra
GPT-6.1 Terra là mô hình tầm trung trong dòng GPT-6.1 của OpenAI, cân bằng giữa trí tuệ và chi phí, nổi bật với khả năng xử lý văn bản và hình ảnh đầu vào, thao tác máy tính chính xác và tốc độ nhanh.
Kling: Kling 4.0 Omni-Video
Kling 4.0 Omni là mô hình tạo video do Kuaishou phát triển, nhận văn bản, hình ảnh, video và âm thanh đầu vào để tạo video có âm thanh stereo, với khả năng tham chiếu đa phương thức mạnh mẽ và độ nhất quán cao.
Moonshot: Kimi K3.1 Pro Highspeed
Kimi K3.1 Pro Highspeed là mô hình mở của Moonshot AI, giữ nguyên năng lực của Kimi K3.1 Pro nhưng cho tốc độ xuất nhanh gấp 2–3 lần, phù hợp cho tác vụ tương tác và dịch vụ trực tuyến nhạy cảm về độ trễ.
Moonshot AI: MoonshotAI: Kimi K3.1 Pro
Kimi K3.1 Pro là mô hình lý luận đa phương thức hàng đầu của Moonshot AI, kế thừa Kimi K3 với cửa sổ ngữ cảnh 1 triệu token, hiểu hình ảnh và video, cùng khả năng lập trình và tự động hóa tác nhân dài hạn vượt trội.
Recursive: Flint (free)
Flint là mô hình ngôn ngữ mixture-of-experts mở của Recursive, gồm 39,8 tỷ tham số với khoảng 2,5 tỷ tham số hoạt động mỗi token, được thiết kế cho các tác nhân lập trình và hỗ trợ cửa sổ ngữ cảnh 262.000 token.
Nace.AI: Drex Max
Nace.AI: Drex Max là mô hình quyết định đa phương thức hàng đầu của Nace.AI, trả về xác suất có kiểm chứng cho các câu hỏi có kiểu dữ liệu xác định, hỗ trợ tới 255 lựa chọn và 255 mức thứ tự, với ngữ cảnh 262.144 token và độ trễ 183 mili giây.
MiniMax: MiniMax M3.1 Flash
MiniMax M3.1 Flash là mô hình đa phương thức thế hệ mới của MiniMax, nhận đầu vào văn bản, hình ảnh và video, có ngữ cảnh 1 triệu token, tối ưu cho các tác vụ agent quy mô lớn với tốc độ suy luận nhanh và chi phí thấp hơn thế hệ trước.
DeepSeek: DeepSeek V4.1 Flash 1017
DeepSeek V4.1 Flash 1017 là mô hình đa phương thức hỗn hợp chuyên gia của DeepSeek, nhận văn bản và hình ảnh, cho phép điều chỉnh độ sâu suy luận và đạt hiệu quả chi phí cao trong các tác vụ agentic.
Elorian: Glimpse
Glimpse là mô hình đầu tiên của Elorian, chuyên lý luận thị giác bằng cách xem lại hình ảnh và video thật, hỗ trợ đầu vào văn bản, hình ảnh, video với ngữ cảnh 262K token.
Qwen: Qwen Image 2.1 Turbo
Qwen Image 2.1 Turbo là mô hình tạo và chỉnh sửa ảnh 7B được chưng cất từ Qwen-Image-2.1, tối ưu cho tốc độ với lịch trình lấy mẫu 8 bước riêng và hỗ trợ đầu ra RGBA.
Qwen: Qwen Image 2.1 Pro
Qwen Image 2.1 Pro là mô hình tạo và chỉnh sửa hình ảnh chuyên nghiệp của Alibaba Qwen, hỗ trợ đầu vào văn bản và hình ảnh, tạo ảnh nền trong suốt ở độ phân giải 2K và xử lý tối đa 10 ảnh tham chiếu.
Perplexity: Decider Flash V1.2
Decider Flash V1.2 là mô hình trọng số mở 4 tỷ tham số của Perplexity, trả về xác suất thay vì văn bản cho các câu hỏi phân loại, chấm điểm và trắc nghiệm, với cửa sổ ngữ cảnh 262K token.
Xingchen AGI: XingChen: Xing4.0 29B A4B (free)
XingChen: Xing4.0 29B A4B (free) là mô hình ngôn ngữ tác tử nhẹ với kiến trúc Mixture-of-Experts 29B tổng tham số, 4B tham số hoạt động mỗi lần suy luận, ngữ cảnh 256K mở rộng đến 512K, hỗ trợ lập kế hoạch phức tạp và gọi công cụ.
Black Forest Labs: FLUX 3 Image Klein
FLUX 3 Image Klein của Black Forest Labs là mô hình hình ảnh mở, tạo hình từ văn bản, chỉnh sửa ảnh và ghép ảnh từ tối đa 10 ảnh tham chiếu, nhỏ gọn với 5,6B tham số và hỗ trợ độ phân giải lên tới 4K.
NVIDIA: Nemotron 3.5 Super VL (free)
Nemotron 3.5 Super VL của NVIDIA là mô hình đa phương thức kết hợp hiểu hình ảnh, suy luận, tuân thủ chỉ dẫn và sử dụng công cụ, chạy trên một GPU Blackwell duy nhất với kiến trúc mixture-of-experts 120 tỷ tham số.
TypeSafe: Jev 1.14
Jev 1.14 là mô hình System One của TypeSafe AI, trả về câu trả lời có kiểu dữ liệu cho code rẽ nhánh trực tiếp, hỗ trợ bốn dạng câu hỏi noul, choice, score và box, với cửa sổ ngữ cảnh 262.144 token.
Google: Gemini 4 Argon
Gemini 4 Argon là mô hình hàng đầu thế hệ Gemini 4 của Google, nổi bật với cửa sổ ngữ cảnh 1.048.576 token và khả năng xử lý văn bản, hình ảnh, video, âm thanh cùng PDF cho các tác vụ phức tạp dài hơi.
Meta: Muse Wonder
Muse Wonder là mô hình nền tảng của Meta ra mắt tháng 10/2026, nhận văn bản, hình ảnh, video, âm thanh và PDF đầu vào, trả về văn bản, mạnh về quy trình tác tử và lập trình dài hạn.
Microsoft: Microsoft-Decision-1
Microsoft-Decision-1 là mô hình ra quyết định có cấu trúc của Microsoft, nhận văn bản cùng danh sách lựa chọn và trả về xác suất đã hiệu chỉnh cho từng lựa chọn, được xây dựng để phân loại, định tuyến và kiểm soát quy trình với tốc độ nhanh.
Stepfun: Step 5 Preview
Step 5 Preview là mô hình lý luận của StepFun với ngữ cảnh 1M token, nhận đầu vào văn bản, hình ảnh và video, hỗ trợ gọi công cụ và ba mức nỗ lực lý luận, hướng tới lập trình tác tử và xử lý tài liệu dài.
Anthropic: Claude Haiku 5.5
Claude Haiku 5.5 là mô hình nhỏ nhất, nhanh nhất và có chi phí thấp nhất trong dòng Claude 5.5 của Anthropic, hỗ trợ đầu vào văn bản, hình ảnh và PDF với cửa sổ ngữ cảnh 1.000.000 token và giới hạn đầu ra 128.000 token.
xAI: SpaceXAI: Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite là mô hình tạo video của SpaceXAI (xAI), nhận đầu vào văn bản hoặc hình ảnh và tạo video có âm thanh đồng bộ, được tinh giản từ Grok Imagine Video 1.5 để ưu tiên tốc độ và chi phí.
Google: Nano Banana 2.1
Nano Banana 2.1 là mô hình tạo và chỉnh sửa hình ảnh thuộc dòng Gemini 3 của Google, xây dựng trên Gemini 3.6 Flash, mang lại chất lượng gần mức Pro với hiệu suất cao.
Tencent: Hy Image 3.5 Preview
Hy Image 3.5 Preview là mô hình tạo và chỉnh sửa ảnh của Tencent, nhận văn bản cùng tối đa 5 ảnh tham chiếu, xuất ảnh 1K, 2K hoặc 4K với khả năng dựng chữ đa ngữ và phong cách chân thực phục vụ sản xuất thương mại.
ByteDance: ByteDance Seed: Seedream 5.0 Flash
Seedream 5.0 Flash là mô hình tạo và chỉnh sửa ảnh ưu tiên tốc độ của ByteDance Seed, nhận tối đa 10 ảnh tham chiếu, hỗ trợ chỉnh sửa tương tác chính xác và phân tách ảnh thành tối đa 16 lớp có thể chỉnh sửa riêng.
Black Forest Labs: FLUX 3 Image
FLUX 3 Image là mô hình tạo và chỉnh sửa ảnh thuộc dòng FLUX 3 của Black Forest Labs, nhận đầu vào văn bản và ảnh, tạo ảnh gốc 4K, hỗ trợ tối đa 10 ảnh tham chiếu và chỉnh sửa chính xác đến từng pixel.
HeyGen: HeyGen Video
HeyGen Video là mô hình tạo video AI của HeyGen, cho phép tạo hình ảnh cảnh, lời thoại và hiệu ứng âm thanh trong một lần chạy, hỗ trợ hơn 175 ngôn ngữ và hơn 700 avatar có sẵn.
Ideogram: Ideogram 4.5 Generate
Ideogram 4.5 là mô hình tạo và chỉnh sửa ảnh lấy chữ làm trọng tâm, hỗ trợ đầu vào văn bản và ảnh, giữ nguyên bố cục và tỷ lệ khi chỉnh sửa, với khả năng tham chiếu lên đến bốn ảnh phụ và prompt dài 10.000 ký tự.
Ideogram: Ideogram 4.5 Precise Edit
Ideogram 4.5 Precise Edit là mô hình chỉnh sửa ảnh cục bộ chính xác, chỉ thay đổi vùng được yêu cầu và giữ nguyên các vùng còn lại, hỗ trợ mask, ảnh tham chiếu và chỉnh sửa văn bản trong ảnh.
Ideogram: Ideogram 4.5 Replace Background
Mô hình chỉnh sửa ảnh của Ideogram 4.5 chuyên thay nền, giữ nguyên chủ thể chính và giữ nguyên điểm ảnh không chỉnh sửa ở độ phân giải 2K gốc.
OpenAI: GPT-6.1 Sol
GPT-6.1 Sol là mô hình AI của OpenAI ra mắt tại DevDay ngày 29 tháng 9 năm 2026, cung cấp trí tuệ gần Astra cho mã hóa tác nhân, sử dụng máy tính và công việc chuyên môn với ngữ cảnh lên đến 1.050.000 token.
Anthropic: Claude Sonnet 5.5
Claude Sonnet 5.5 là mô hình thứ hai thuộc dòng Claude 5.5 của Anthropic, đóng vai trò mô hình chủ lực nhanh và tiết kiệm chi phí, gần đạt hiệu năng của Claude Opus 5.5 trên các bài kiểm tra chuẩn.
Recraft: Recraft V4.1 Flash
Recraft V4.1 Flash là mô hình tạo ảnh nhanh nhất của Recraft, tạo ảnh raster 1K trong khoảng 1,3 giây qua API, với chất lượng gần bằng mô hình Recraft V4.1 đầy đủ.
Upstage: Solar Mini 4
Solar Mini 4 là mô hình ngôn ngữ nhỏ gọn của Upstage, dùng kiến trúc Mixture-of-Experts với 35B tham số tổng và 3B tham số hoạt động, tối ưu cho tác vụ agent, xử lý tài liệu dài và tiếng Hàn.
OpenAI: GPT-6 Luna
GPT-6 Luna là mô hình hiệu quả nhất trong dòng GPT-6 của OpenAI, kế thừa GPT-5.6 Luna, với cửa sổ ngữ cảnh 1.050.000 token, hỗ trợ đầu vào văn bản và hình ảnh, cùng khả năng điều chỉnh mức độ suy luận linh hoạt cho các tác vụ khối lượng lớn.
Anthropic: Claude Opus 5.5
Claude Opus 5.5 là mô hình ngôn ngữ của Anthropic, đứng đầu bảng xếp hạng Artificial Analysis Intelligence Index với điểm số cao nhất khi vận hành ở mức nỗ lực suy luận tối đa.
Xiaomi: MiMo-V2.6-Flash
MiMo-V2.6-Flash là mô hình ngôn ngữ đa phương thức từ Xiaomi, hỗ trợ đầu vào văn bản, hình ảnh, video và âm thanh, với ngữ cảnh 1M token và cửa sổ đầu ra 131K token, cân bằng giữa trí tuệ, hiệu quả và chi phí.
xAI: SpaceXAI: Grok 4.7
Grok 4.7 là mô hình hàng đầu mới của SpaceXAI, kế nhiệm Grok 4.6, được xây dựng trên nền tảng mô hình cơ sở mới và lớn hơn, huấn luyện với quá trình học tăng cường dài hơn trên các nhiệm vụ khó hơn, nhắm đến phát triển phần mềm và công việc chuyên môn dài hơi.
DeepSeek: DeepSeek V4.1 Flash
DeepSeek V4.1 Flash là mô hình hỗn hợp chuyên gia đa phương thức của DeepSeek-AI, nhận văn bản và hình ảnh, xử lý ngữ cảnh lên tới một triệu token và đạt kết quả cao trên MATH-500.
OpenAI: GPT Image 2.5 Sunburst
GPT Image 2.5 Sunburst là mô hình tạo và chỉnh sửa ảnh cao cấp của OpenAI, được tinh chỉnh cho các thay đổi có mục tiêu chính xác, giữ nguyên nhận diện, bố cục và ánh sáng trong khi vẫn kiểm soát phong cách mạnh mẽ.
OpenAI: GPT Image 2.5 Flare
GPT Image 2.5 Flare là mô hình tạo và chỉnh sửa ảnh ưu tiên tốc độ của OpenAI, giữ chất lượng tương đương GPT Image 2 nhưng tạo ảnh nhanh hơn 50% và được định vị là lựa chọn mặc định cho hầu hết ứng dụng.
OpenAI: GPT-6 Astra
GPT-6 Astra là mô hình AI tiên tiến của OpenAI, được thiết kế cho suy luận đa bước sâu, quy trình tác nhân và hiểu ngữ cảnh dài lên đến 1.050.000 token, hỗ trợ nhập văn bản và hình ảnh.
Meta: Muse Spark 1.3 Contributor
Muse Spark 1.3 Contributor là mô hình lý luận của Meta Superintelligence Labs với ngữ cảnh 1.048.576 token, hỗ trợ đầu vào văn bản, hình ảnh, video và PDF, tối ưu cho tác vụ lập trình và agentic dài hơi.
Google: Gemini 3.8 Flash
Gemini 3.8 Flash là mô hình Flash thông minh nhất của Google, kế thừa Gemini 3.7 Flash, với cửa sổ ngữ cảnh 1.000.000 token và đầu ra tối đa 65.536 token, hỗ trợ đầu vào văn bản, hình ảnh, video, âm thanh và PDF.
MiniMax: H3 Max
MiniMax H3 Max là phiên bản tối ưu tốc độ và độ tuân thủ lệnh của dòng MiniMax H3, tạo video có âm thanh stereo 32 kHz, hỗ trợ độ phân giải 480p và 768p, độ dài 5–15 giây, do fal Research phối hợp với MiniMax phát triển.
Anthropic: Claude Fable 5.1
Claude Fable 5.1 là mô hình cao cấp nhất của Anthropic, hỗ trợ cửa sổ ngữ cảnh 1 triệu token, đầu ra tối đa 128K token, nhận văn bản và hình ảnh, nổi bật ở khả năng lập trình và tác vụ agent chạy dài nhiều ngày.
Qwen: Qwen3.8 Flash
Qwen3.8 Flash là mô hình đa phương thức của nhóm Alibaba Qwen, mạnh về suy luận, lập trình tác tử và hiểu video dài, với ngữ cảnh 262.144 token và kiến trúc Mixture-of-Experts 125B tham số chính.
Z.ai: GLM 5.3 Flash
GLM 5.3 Flash là mô hình đa phương thức gốc của Z.ai với cửa sổ ngữ cảnh 1 triệu token, suy luận mặc định bật, hỗ trợ gọi công cụ và tự động hóa giao diện, được thiết kế để chạy với chi phí thấp và phản hồi nhanh.
Alibaba: Wan 3.0
Wan 3.0 là mô hình tạo video gốc từ Alibaba Tongyi Lab, nhận văn bản, hình ảnh, video, âm thanh cùng nhiều loại tài liệu làm đầu vào, tạo video dài tới 30 giây kèm âm thanh đồng bộ trong một lần sinh.
Z.ai: GLM 5.3
GLM-5.3 của Z.ai là mô hình ngôn ngữ thuần văn bản với ngữ cảnh lên tới 1 triệu token, được huấn luyện hậu kỳ để mạnh hơn ở các tác vụ đa bước như lập trình quy mô kho mã và tác nhân tự động.
ByteDance: ByteDance Seed: Seedream 5.0 Lite
Seedream 5.0 Lite là mô hình tạo hình ảnh đa phương thức của ByteDance Seed, suy luận sâu trước khi sinh pixel, tích hợp tìm kiếm trực tuyến và cân bằng giữa khả năng tiên tiến với hiệu quả chi phí.
ByteDance: ByteDance Seed: Seedream 5.0 Pro
Seedream 5.0 Pro là mô hình tạo và chỉnh sửa hình ảnh hàng đầu của ByteDance Seed, hiểu thiết kế, tạo infographic, tách lớp và kết xuất văn bản gốc bằng 14 ngôn ngữ.
ByteDance: Seedance 2.0 Mini
Seedance 2.0 Mini là một mô hình tạo video của ByteDance, có thể dùng qua Felo API.
DeepSeek: DeepSeek V4 Pro 0813
DeepSeek V4 Pro 0813 là mô hình đầu bảng của DeepSeek với 1,65 nghìn tỷ tham số, cửa sổ ngữ cảnh 1 triệu token, hỗ trợ chế độ suy luận và không suy luận, phù hợp cho lập trình phức tạp và tác vụ agent dài hạn.
xAI: Grok Imagine Image 2.0
Grok Imagine Image 2.0 là mô hình tạo và chỉnh sửa ảnh thế hệ mới của xAI, nổi bật với công cụ chỉnh sửa chính xác, giữ nhất quán qua nhiều lần chỉnh sửa và đạt thứ hạng cao trên các bảng xếp hạng.
NVIDIA: Nemotron 3.5 Lightning (free)
Nemotron 3.5 Lightning là mô hình hỗn hợp chuyên gia chỉ văn bản của NVIDIA, tối ưu cho khối lượng lớn tác vụ agent chạy dài với ngữ cảnh lên tới 1 triệu token và trọng số mở.
ByteDance: Seedance 2.5
Seedance 2.5 là mô hình tạo video của nhóm ByteDance Seed, có khả năng tạo một cảnh quay liên tục dài tới 30 giây cùng âm thanh đồng bộ trong một lần sinh.
DeepSeek: DeepSeek V4 Flash 0731
DeepSeek V4 Flash 0731 là mô hình văn bản thuộc họ DeepSeek V4, dùng kiến trúc mixture-of-experts thưa với 284 tỷ tham số và 13 tỷ tham số hoạt động mỗi token, hỗ trợ ngữ cảnh 1 triệu token cùng khả năng dùng công cụ và tác nhân.
MiniMax: H3
MiniMax H3 là mô hình khuếch tán đa phương thức 33 tỷ tham số của MiniMax, nhận đầu vào văn bản, hình ảnh, video và âm thanh để tạo video kèm âm thanh stereo gốc ở độ phân giải lên tới 2K, ra mắt ngày 31 tháng 7 năm 2026.
Moonshot AI: MoonshotAI: Kimi K3
Kimi K3 là mô hình trọng số mở hàng đầu của Moonshot AI với 2,8 nghìn tỷ tham số, cửa sổ ngữ cảnh 1M token, hỗ trợ đầu vào văn bản, hình ảnh và video, cùng khả năng suy luận luôn bật ở các mức thấp, cao và tối đa.
OpenAI: GPT-5.6 Luna
GPT-5.6 Luna là mô hình nhẹ nhất trong dòng GPT-5.6 của OpenAI, tối ưu cho suy luận độ trễ thấp, khối lượng công việc đa ngôn ngữ và ứng dụng ngữ cảnh lớn với cửa sổ ngữ cảnh 1.000.000 token.
OpenAI: GPT-5.6 Terra
GPT-5.6 Terra là mô hình lý luận tầm trung của OpenAI, cân bằng giữa hiệu năng cao và chi phí hợp lý, phù hợp cho lập trình hàng ngày, tác vụ agentic và xử lý tài liệu dài với cửa sổ ngữ cảnh 1,05 triệu token.
OpenAI: GPT-5.6 Sol
GPT-5.6 Sol là mô hình hàng đầu trong dòng GPT-5.6 của OpenAI, được thiết kế cho các tác vụ lập trình phức tạp, nghiên cứu dài hạn và quy trình chuyên môn đòi hỏi lập kế hoạch, lặp lại và thực thi với hiệu quả token vượt trội.
Google: Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)
Nano Banana 2 Lite là mô hình tạo hình ảnh nhanh nhất và tiết kiệm chi phí nhất trong dòng Nano Banana của Google, nhận đầu vào văn bản, hình ảnh và video, tạo hình ảnh 1K trong vài giây với khả năng tái tạo văn bản rõ ràng.
Google: Nano Banana Pro (Gemini 3 Pro Image)
Nano Banana Pro (Gemini 3 Pro Image) là mô hình tạo và chỉnh sửa hình ảnh hàng đầu của Google, nổi bật với khả năng hiển thị văn bản chính xác, độ phân giải lên đến 4K và điều khiển chuyên nghiệp.
NVIDIA: Nemotron 3 Ultra (free)
Nemotron 3 Ultra là mô hình suy luận và điều phối mã nguồn mở của NVIDIA với 550 tỷ tham số, kiến trúc Mixture-of-Experts, cửa sổ ngữ cảnh 1 triệu token, phù hợp cho tác nhân tự động và nghiên cứu chuyên sâu.
Kwaivgi: Kling: Video v3.0 Pro
Kling Video v3.0 Pro là mô hình tạo video cao cấp nhất trong dòng Kling V3.0, nhận đầu vào văn bản và hình ảnh, tạo video có âm thanh gốc, hỗ trợ tối đa 6 cảnh quay mỗi yêu cầu và độ dài clip từ 3 đến 15 giây.
Kwaivgi: Kling: Video v3.0 Standard
Kling 3.0 Standard là mô hình tạo video đa phương thức tích hợp âm thanh, tạo clip 3–15 giây từ văn bản hoặc hình ảnh với chất lượng 720p và là bậc tiết kiệm chi phí nhất trong dòng Kling 3.0.
OpenAI: GPT-5.5
GPT-5.5 là mô hình AI tác nhân của OpenAI, xử lý gốc văn bản, hình ảnh, âm thanh và video trong một hệ thống thống nhất, tự động thực hiện các tác vụ phức tạp với lập kế hoạch và tự kiểm tra.
Google: Veo 3.1 Fast
Veo 3.1 Fast là mô hình tạo video của Google, nhận văn bản hoặc hình ảnh đầu vào để tạo video, được định vị là công cụ tạo video cao cấp trong bộ sản phẩm AI sáng tạo của Google.
ByteDance: Seedance 2.0
Seedance 2.0 là mô hình nền tảng tạo video của ByteDance với kiến trúc Mixture of Experts quy mô 200 tỷ tham số, native tạo đồng thời âm thanh và hình ảnh, hỗ trợ tối đa 12 tài nguyên đầu vào và đầu ra audio-video 15 giây đa cảnh quay.
ByteDance: Seedance 2.0 Fast
Seedance 2.0 Fast là mô hình tạo video của ByteDance, được tinh chỉnh để tăng tốc độ trong khi vẫn giữ kiến trúc đa phương thức chung với Seedance 2.0.
Google: Gemma 4 26B A4B (free)
Gemma 4 26B A4B là mô hình đa phương thức trọng số mở của Google DeepMind, dùng kiến trúc Mixture-of-Experts với 26 tỷ tham số và 4 tỷ tham số hoạt động, hỗ trợ ngữ cảnh 256K token, xử lý văn bản, hình ảnh và video trong hơn 140 ngôn ngữ.
Moonshot AI: MoonshotAI: Kimi K2.5
Kimi K2.5 là mô hình đa phương thức gốc của Moonshot AI, hiểu văn bản và hình ảnh, mạnh về lập trình, thị giác và tác nhân, với kiến trúc MoE 1.04 nghìn tỷ tham số và ngữ cảnh 262K token.
Anthropic: Claude Haiku 4.5
Claude Haiku 4.5 là mô hình nhanh nhất và tiết kiệm nhất trong dòng Claude của Anthropic, ra mắt ngày 15 tháng 10 năm 2025, hỗ trợ đầu vào văn bản và hình ảnh, có cửa sổ ngữ cảnh ngắn nhất trong dòng Claude hiện tại.
Google: Gemini 2.5 Pro
Gemini 2.5 Pro là mô hình mạnh nhất của Google cho lập trình và kiến thức thế giới, với kiến trúc suy luận hybrid, cửa sổ ngữ cảnh 1 triệu token và khả năng hiểu video hàng đầu.
OpenAI: GPT-3.5 Turbo (older v0613)
GPT-3.5 Turbo (older v0613) là mô hình văn bản và mã nguồn nhanh của OpenAI, phù hợp cho các tác vụ đơn giản, trích xuất dữ liệu và trợ lý ảo.