Bảng xếp hạng AI Toán học tuần 28/09: GPT-5.2 ra mắt chiếm thẳng ngôi đầu, OpenAI và Google so kè gắt gao
Tân binh GPT-5.2 xuất sắc giành vị trí số 1 ngay khi ra mắt, cùng với Gemini 3 Flash Preview ở hạng 2 tạo nên biến động lớn trên bảng xếp hạng AI Toán học tuần 28/09.
Kỳ cập nhật tuần 28/09 của bảng xếp hạng mô hình AI chuyên trách mảng Toán học chứng kiến một biến động dữ dội ở nhóm dẫn đầu. Theo các dữ liệu đánh giá uy tín được tổng hợp từ Artificial Analysis, trật tự vốn có đã bị xáo trộn hoàn toàn khi hai cái tên mới toanh đồng loạt đổ bộ, đẩy sức nóng của cuộc đua năng lực suy luận và tính toán định lượng lên đỉnh điểm.
Toán học
| # | Mô hình | AIMcách #1 | Biến động |
|---|---|---|---|
| 1 | OpenAI | 94.0 | MỚI |
| 2 | Google | 92.4−1.6 | MỚI |
| 3 | OpenAI | 92.2−1.8 | |
| 4 | DeepSeek | 91.8−2.2 | |
| 5 | Xiaomi | 91.8−2.2 | |
| 6 | Z AI | 90.8−3.2 | |
| 7 | Google | 90.7−3.3 | |
| 8 | OpenAI | 90.6−3.4 |
Cú nhảy vọt ngoạn mục của hai tân binh đỉnh bảng
Tâm điểm của tuần thuộc về màn chào sân không thể ấn tượng hơn của GPT-5.2 đến từ OpenAI. Vừa xuất hiện trên bảng xếp hạng, mô hình này đã tiến thẳng lên vị trí số 1 với tổng điểm áp đảo 94.2.
Căn cứ vào dữ liệu đo lường, bước tiến thần tốc này được bảo chứng bởi điểm số năng lực benchmark tuyệt đối: 100/100, kết hợp cùng hệ số độ mới đạt 61 điểm. Mô hình thể hiện năng lực vượt trội trong các phép tính chính xác cao và bài toán định lượng phức tạp, đi cùng khả năng suy luận logic sâu sắc. Với mức chi phí vận hành $1.75/1M token đầu vào và $14/1M token đầu ra, GPT-5.2 lập tức xác lập một chuẩn mực hiệu năng mới cho các hệ thống AI phục vụ nghiên cứu và phân tích dữ liệu chuyên sâu.
Bám đuổi ngay phía sau là một tân binh đáng gờm khác: Gemini 3 Flash Preview từ Google, chễm chệ chiếm lĩnh vị trí số 2 với 92.6 điểm. Không kém cạnh đối thủ, đại diện nhà Google sở hữu điểm năng lực lên tới 98 và độ mới 62. Điểm đáng chú ý là Gemini 3 Flash Preview thể hiện sức mạnh suy luận logic xuất sắc nhưng lại sở hữu mức giá vô cùng tối ưu: chỉ $0.5/1M token đầu vào và $3/1M token đầu ra. Tỷ lệ hiệu năng trên giá thành này hứa hẹn sẽ khuấy động cộng đồng công nghệ trong việc tích hợp AI giải toán quy mô lớn.
Cuộc đối đầu công nghệ: Thế áp đảo của OpenAI và đòn đáp trả từ Google
Sự trỗi dậy của các mô hình mới làm nổi bật cuộc đối đầu trực diện giữa hai gã khổng lồ: OpenAI và Google.
OpenAI khẳng định vị thế vượt trội khi chiếm tới 3 trong tổng số 8 vị trí hàng đầu. Bên cạnh ngôi đầu của GPT-5.2, hãng còn duy trì vững chắc GPT-5 Codex ở vị trí thứ 3 (92.3 điểm) và GPT-5.1 Codex ở vị trí thứ 8 (90.8 điểm). Việc sở hữu cả 3 đại diện trải dài ở các phân khúc chuyên sâu về mã hóa và suy luận toán học cho thấy hệ sinh thái của OpenAI đang có chiều sâu công nghệ đáng nể.
Ở chiều ngược lại, Google chứng minh họ là đối trọng lớn nhất. Ngoài việc đưa Gemini 3 Flash Preview lên ngôi á quân, đại diện kỳ cựu Gemini 3 Pro Preview cũng giữ vững vị trí thứ 7 với 90.9 điểm. Sự phân tầng giữa dòng "Pro" cho tác vụ chuyên sâu và dòng "Flash" tốc độ cao, chi phí thấp cho thấy chiến lược đa dạng hóa sản phẩm rất rõ nét của hãng công nghệ Mountain View.
Nhóm bám đuổi giữ vững nhịp độ
Trước áp lực từ hai tân binh xuất sắc ở top đầu, nửa sau của bảng xếp hạng ghi nhận sự kiên cường của các tên tuổi còn lại khi toàn bộ đều bảo toàn thứ hạng:
- DeepSeek V3.2 Speciale của hãng DeepSeek giữ chắc vị trí thứ 4 với 92.0 điểm, chỉ xếp sau nhóm top 3 với khoảng cách rất hẹp.
- Đại diện đến từ Xiaomi, MiMo-V2-Flash, tiếp tục bám sát ở vị trí thứ 5 với 91.9 điểm, chứng minh tiềm năng giải toán không thể xem nhẹ của hãng công nghệ phần cứng khi lấn sân sang mô hình nền tảng.
- Ở vị trí thứ 6, GLM-4.7 của Z AI duy trì mức điểm 90.9, cân bằng điểm số với Gemini 3 Pro Preview nhờ khả năng tính toán ổn định.
Kỳ cập nhật tuần này đã phác họa một bức tranh phân hóa rõ nét: năng lực giải toán và tư duy định lượng đang dần trở thành thước đo tối thượng để đánh giá độ thông minh thực sự của các mô hình AI. Với việc GPT-5.2 vừa thiết lập trần năng lực mới, cuộc cạnh tranh trong các tuần tiếp theo sẽ xoay quanh câu hỏi liệu các bản cập nhật từ DeepSeek hay dòng Pro của Google có đủ sức thu hẹp khoảng cách điểm số này hay không.
