Ngày 24 tháng 4 vừa qua, khi thông báo DeepSeek V4 Pro được tung ra, gần như toàn bộ kênh chat lập trình viên Việt Nam bùng nổ trong nửa tiếng. Không phải vì con số 1,6 nghìn tỷ tham số, không phải vì điểm benchmark đứng đầu bảng mở. Lý do đơn giản: mọi người nhìn bảng giá API rồi thở ra một tiếng: cuối cùng cũng có cái mà có thể chạy agent cả ngày không phải nhìn đồng hồ hóa đơn mỗi 10 phút.
Sau gần một tháng hàng ngàn team khắp thế giới và Việt Nam cạy thử, chạy production, đốt hàng ngàn đô API, câu chuyện không còn là cái model thần thánh hạ gục Claude hay GPT. Nó trở thành một công cụ rất thật: có điểm cực mạnh, có lỗi chết người, và có một cách dùng đúng mà 90% người thử đầu tiên đã làm sai.
Hiệu năng thực tế chạy agent lập trình: không như benchmark nói
Trên tài liệu công bố chính thức, con số trông đủ để làm cả OpenAI run chân: 93,5% điểm LiveCodeBench, 80,6% SWE-Bench Verified, đánh bại mọi model mở từng tồn tại, chỉ thua Gemini 3.1 Pro về kiến thức chung. Khi bạn chạy lần đầu 10 cái test nhỏ, bạn cũng sẽ kinh ngạc: nó đọc cả repo 300 file trong 10 giây, hiểu toàn bộ kiến trúc, sửa bug mà không cần bạn nhắc lại từng bước.
Nhưng sau 100 lần chạy, quy luật bắt đầu hiện ra. Model này là một chuyên gia siêu giỏi với mọi thứ đã từng tồn tại trước tháng 1 năm 2026. Mọi API chuẩn, mọi pattern phổ biến, mọi bug nổi tiếng trên Stackoverflow: nó xử lý nhanh gấp đôi Claude, ít lỗi hơn gấp 3 lần. Nhưng cứ gặp một thư viện ra mắt 2 tháng trước, một pattern tự viết của team bạn, một logic nghiệp vụ không bao giờ có trên mạng: ngay lập tức nó bắt đầu mơ. Nó không báo không biết, nó sẽ viết ra code trông rất hợp lý, chạy không lỗi, và làm sai hoàn toàn cái bạn muốn.
Tệ hơn nữa: khi cửa sổ ngữ cảnh vượt quá 520 nghìn token, chất lượng suy luận bắt đầu sụt giảm tuyến tính. Đến 800 nghìn token, nó bắt đầu lặp lại câu, quên yêu cầu bạn đưa ra ở đầu cuộc hội thoại, thậm chí tự phát minh ra tính năng bạn không hề nhắc đến. DeepSeek quảng cáo 1 triệu token gốc. Đúng là nó không bị lỗi, không bị ngắt kết nối. Nhưng không ai nói với bạn rằng trên 600 nghìn token, nó không còn là V4 Pro nữa, nó trở thành một chatbot trung bình.
Và một điểm yếu không ai nhắc đến trong tuần đầu ra mắt: nó hoàn toàn không có hỗ trợ đa phương thức. Bạn không thể dán ảnh lỗi giao diện, không thể gửi biểu đồ kiến trúc, không thể cho nó xem screenshot log. Với rất nhiều team hiện dùng Claude để debug qua ảnh, đây là điểm chết không thể bù đắp dù giá rẻ bao nhiêu.
Chi phí API: rẻ thật, nhưng không rẻ 5 lần như bạn nghĩ
Con số mọi người chia sẻ lung tung ngày đầu ra mắt: rẻ hơn Claude 7 lần. Đó là giá niêm yết trên OpenRouter, 0,435 USD triệu token đầu vào, 0,87 USD triệu token đầu ra. So với Claude Opus 4.7 đang ở mức 3 USD vào / 6 USD ra, đúng là chênh lệch gần 7 lần trên giấy.
Nhưng đó chỉ là giá lý tưởng. Khi chạy agent thực tế, bạn sẽ gặp hai điều không viết trong bảng giá. Thứ nhất: tỷ lệ hit cache. DeepSeek có lợi thế KV cache nén cực mạnh, chi phí token cache chỉ bằng 1/24 giá token thường. Nếu bạn chạy agent làm việc trên cùng một repo cả ngày, tỷ lệ hit cache có thể lên 85%, và lúc đó chi phí thực tế thực sự chỉ bằng 1/5 Claude. Nhưng nếu bạn chạy task một lần, đổi ngữ cảnh mỗi lần gọi, không có cache: chi phí thu hẹp lại, chỉ rẻ gấp 2.3 đến 2.7 lần.
Nhiều báo cáo trên Reddit và nhóm lập trình Việt Nam cho thấy: sau 2 tuần chạy production, hóa đơn trung bình của team chuyển hoàn toàn sang V4 Pro nằm ở mức 38% đến 55% so với hóa đơn trước đây dùng Claude. Không phải 15%. Không phải 20%. Khoảng một nửa. Và bạn phải đổi lấy đó: khoảng 12-18% các kết quả trả về sẽ có lỗi logic mà Claude không bao giờ mắc phải.
Cũng cần lưu ý giá thay đổi rất lớn giữa nhà cung cấp. DeepInfra bán gấp 4 lần giá OpenRouter cho chính xác cùng model, theo báo cáo chi tiết phân tích giá ngày 12 tháng 5. Lý do là chất lượng ổn định, giới hạn tần số gọi, và mức độ tối ưu hóa nén trọng số. Không phải tất cả endpoint V4 Pro trên thị trường là như nhau.
Chạy local tại nhà: câu đùa của năm 2026
Khi DeepSeek công bố phát hành trọng số mở theo giấy phép MIT, hàng ngàn người đam mê LLM tại nhà nhảy múa. Rồi họ tải weights về, và im lặng.
Đây là model kiến trúc Mixture-of-Experts 1,6 nghìn tỷ tham số. Dù mỗi token chỉ kích hoạt 49 tỷ tham số hoạt động, để load toàn bộ model ở độ chính xác FP4 bạn cần chính xác 782 GB VRAM. Không phải tổng dung lượng bộ nhớ. VRAM card đồ họa. Để chạy ổn định 1 triệu token context bạn cần cụm 6 chiếc H100 80GB kết nối NVLink đầy đủ, cộng 640 GB RAM hệ thống.
Với chiếc RTX 4090 24GB đang phổ biến nhất trong cộng đồng chạy LLM tại nhà? Bạn có thể chạy được context tối đa 32 nghìn token, với nén độ chính xác rất thấp, và tốc độ khoảng 8 token mỗi giây. Không phải 1 triệu. 32 nghìn. Hiện tại đến ngày 19 tháng 5, chưa có một ai công bố chạy thành công context trên 200 nghìn token trên phần cứng tiêu dùng.
Nên đừng nhầm lẫn: đây không phải model cho người chạy tại nhà. Đây là model mở cho các công ty, cho các nhà cung cấp cloud, cho những ai có đủ tiền thuê cụm GPU. Giấy phép MIT là thật, khả năng tự host cũng là thật. Nhưng không dành cho 99% người đọc bài viết này.
Đánh giá độc lập và những điều không ai nói
Ngày 1 tháng 5, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ NIST đã công bố báo cáo đánh giá độc lập không thiên vị. Kết luận rất rõ ràng: DeepSeek V4 Pro bị tụt hậu so với các model biên giới hàng đầu khoảng 8 tháng. Không phải kém vĩnh viễn. Đúng là sức mạnh của nó tương đương với cái model tốt nhất thế giới có được vào khoảng tháng 9 năm 2025.
Điều này giải thích tại sao trên bảng xếp hạng LMSYS Arena, nơi người dùng bình chọn mù hai model, V4 Pro chỉ đứng hạng 7 toàn cầu, thấp hơn rất nhiều so với những gì điểm benchmark công bố dự đoán. Nhiều chuyên gia đã bắt đầu nghi ngờ mức độ lẫn dữ liệu huấn luyện với các bộ test benchmark công khai, một vấn đề đang trở nên ngày càng phổ biến với tất cả các model mới năm 2026.
Cũng cần nhớ: đến thời điểm hiện tại đây vẫn chỉ là bản xem trước. DeepSeek chưa công bố ngày ra mắt phiên bản cuối cùng, và vẫn đang cập nhật trọng số model khoảng 2 lần mỗi tuần. Nhiều lỗi được báo cáo trong tuần đầu ra mắt đã được sửa. Nhưng cũng có nhiều lỗi cũ quay trở lại trong các bản cập nhật sau.
Vậy lúc nào bạn nên chuyển sang DeepSeek V4 Pro?
Sau gần một tháng thử nghiệm thực tế, gần như toàn bộ cộng đồng developer đã thống nhất ra quy tắc sử dụng rất đơn giản, không có ngoại lệ:
- Nếu bạn đang chạy agent xử lý hàng trăm lần lặp mỗi ngày, đọc repo lớn, sinh code nháp, review hàng loạt pull request: dùng nó. Bạn sẽ tiết kiệm được một nửa chi phí, và cho 90% các tác vụ này nó hoạt động tốt đủ để không có khác biệt.
- Nếu bạn đang chạy tác vụ cuối cùng, tác vụ một lần, tác vụ mà sai một dòng code sẽ làm chết cả hệ thống: đừng dùng. Vẫn dùng Claude hay GPT-5. Chi phí thêm vào đáng giá từng đồng.
- Nếu bạn cần đa phương thức, cần đọc ảnh, cần giải thích giao diện người dùng: bỏ qua hoàn toàn.
Phương pháp đang được phần lớn các team startup Việt Nam áp dụng hiện nay là kết hợp: dùng V4 Pro làm 90% công việc nặng nhọc, lặp đi lặp lại ở giai đoạn đầu. Sau khi có kết quả gần đúng, chuyển toàn bộ ngữ cảnh sang Claude chỉ để kiểm tra cuối cùng và tinh chỉnh. Cách này giúp giảm tổng chi phí xuống còn 40% so với trước đây, đồng thời giữ được gần như toàn bộ độ chính xác của model cao cấp.
Không phải thần thánh. Không phải kẻ đánh bại GPT. Cũng không phải đồ rác. DeepSeek V4 Pro chỉ đơn giản là công cụ tốt nhất từng tồn tại cho công việc nặng rẻ tiền trong lịch sử trí tuệ nhân tạo. Và đó đã đủ để nó thay đổi vĩnh viễn cách mọi người xây dựng agent lập trình từ hôm nay trở đi.
Leave a Reply