Claude Fable 5 vừa đánh mất ngôi vị số 1. Một mô hình mới mang tên Kimi-K3, được phát triển bởi Moonshot AI của Trung Quốc, hiện đang dẫn đầu về khả năng viết code website tốt nhất theo bảng xếp hạng mới nhất của Arena. Kimi-K3 giành được 1,679 điểm, trong khi Fable 5 đạt 1,631 điểm.
Arena đánh giá các mô hình AI bằng cách rất đơn giản. Người dùng được đưa hai mô hình ẩn danh, cùng thực hiện một nhiệm vụ, rồi bình chọn cho kết quả tốt hơn. Riêng bảng xếp hạng về viết code web đã có gần 470,000 lượt bình chọn cho 96 mô hình khác nhau.
Lý do Kimi-K3 vượt qua Claude Fable 5
Cú chiến thắng này khá bất ngờ. Mô hình trước đó của Moonshot là Kimi-K2.6 chỉ đứng thứ 18. Còn Kimi-K3 vừa ra mắt đã nhảy thẳng lên vị trí số 1.
Cách biệt 48 điểm không phải là sát nút. Fable 5 chỉ hơn vị trí thứ ba là GPT-5.6 của OpenAI đúng 13 điểm. Kimi-K3 còn thắng ở 6/7 hạng mục lập trình, bao gồm website marketing, bảng điều khiển dữ liệu và ứng dụng tiêu dùng. Claude Fable 5 chỉ giữ được vị trí đầu ở một hạng mục duy nhất là Gaming.
Dù vậy, Anthropic vẫn là đơn vị có nhiều mô hình nằm trong top nhất, với 9 mô hình ở top 20. Tuy nhiên, điều này vẫn khiến nhiều người bất ngờ vì chỉ vài ngày trước, Elon Musk còn gọi Anthropic là “dẫn đầu ngành”. Các bảng xếp hạng vẫn luôn là chủ đề tranh cãi, như các tranh luận trước đây về Claude đã cho thấy.
Muse Spark 1.1 của Mark Zuckerberg cũng xuất hiện tại vị trí 11 trên bảng, dù chỉ mới ra mắt vài ngày.
Vì sao điều này có ý nghĩa hơn một bảng xếp hạng
Câu chuyện lớn hơn nằm ở đây: Kimi-K3 có giá rẻ hơn nhiều so với đối thủ. Theo thông báo từ Moonshot, mô hình này có giá 3 USD mỗi triệu input token và 15 USD cho output. Trong khi đó, Arena niêm yết giá của Fable 5 ở mức 10 USD và 50 USD.
Một điểm nữa, Moonshot sẽ công khai toàn bộ trọng số mô hình Kimi-K3 từ trước ngày 27/07/2024. Điều đó nghĩa là bất cứ ai cũng có thể chạy mô hình lập trình số 1 này miễn phí. Đây cũng là minh chứng cho xu hướng rộng lớn hơn, khi các mô hình AI Trung Quốc đang vượt mặt đối thủ Mỹ về số lượng token sử dụng hàng tháng.
Sự cạnh tranh cũng lan rộng cả hai phía. Alibaba đã ra thông báo cho nhân viên không dùng Claude Code từ ngày 10/07/2024 vì lý do bảo mật.
Trong vài tuần tới, chúng ta sẽ biết Kimi-K3 có giữ vững ngôi đầu khi số lượt bình chọn tiếp tục tăng hay không.
