Hầu hết các sản phẩm đặt một mô hình sau một bề mặt trò chuyện vào năm 2026 đều với tới mô hình tiên phong thông minh nhất hiện có. Cambio chạy trên Gemini 2.5 Flash Lite. Đây là sự đánh đổi kỹ thuật thực sự dẫn đến lựa chọn đó — bao gồm giai đoạn chúng tôi đã dùng một mô hình tầng nhanh khác trước tiên — và những điều kiện sẽ khiến chúng tôi thay đổi quyết định một lần nữa.
Khi đặt một mô hình ngôn ngữ phía sau bề mặt sản phẩm, lựa chọn mặc định ồn ào nhất là lấy mô hình frontier đang dẫn đầu bảng xếp hạng tháng đó. Càng thông minh càng tốt, lập luận là vậy, và ở quy mô lớn thì chênh lệch chi phí sẽ biến mất.
Cambio chạy trên Gemini 2.5 Flash Lite — dòng nhanh của Google, không phải dòng suy luận. Đó là mặc định trên môi trường thật từ ngày 27 tháng 5 năm 2026; trước đó, chính lớp này chạy trên grok-4-1-fast của xAI. Bài viết này là lập luận kỹ thuật đằng sau lựa chọn hiện tại, và những điều kiện khiến chúng tôi xem lại lần nữa.
Mô hình phải làm gì tại Cambio
Hai công việc, cả hai đều có giới hạn. Không công việc nào nặng về suy luận.
Việc thứ nhất là phân tích câu. Mô hình nhận một tin nhắn ngắn của người dùng và trả về đúng một đối tượng JSON: một ý định lấy từ danh sách cố định, bảy trường thực thể — tiền gửi, mạng gửi, tiền nhận, mạng nhận, số tiền, chiều và tuỳ chọn — cùng một con số độ tin cậy. Mô hình không phải thứ đầu tiên nhìn thấy tin nhắn: một bộ phân giải tất định tự xử lý phần lớn lượt, và mô hình chỉ được hỏi khi bộ phân giải đó không chắc. Trên mẫu 209 lượt thực tế, lớp tất định tự trả lời 69% và mô hình chỉ được chạm tới ở 8%.
Việc thứ hai là thuật lại. Mô hình nhận một đối tượng báo giá có cấu trúc và viết một câu ngắn bằng ngôn ngữ thường ngày quanh nó. Nó không được viết giá, tỷ giá hay số tiền — thẻ mang mọi con số, và mô hình không bao giờ được giao việc tạo ra chúng. Khi nó thêm một mệnh đề cho giọng văn, mã nguồn giới hạn mệnh đề đó ở mười hai từ và loại bỏ bất cứ thứ gì dài hơn.
Không công việc nào liên quan đến suy luận nhiều bước. Không công việc nào đòi hỏi mô hình chọn giữa nhiều phương án. Không công việc nào có mô hình tương tác với công cụ, gọi API, hay giữ trạng thái qua các lượt. Yêu cầu năng lực là: đọc một prompt ngắn, tuân theo định dạng đầu ra có cấu trúc, tạo ra tiếng Anh mạch lạc. Mọi mô hình ngôn ngữ hiện đại đều làm được điều này, kể cả những mô hình ra mắt hai hay ba năm trước.
Tại sao các mô hình suy luận tiên phong là công cụ sai ở đây
Chúng tôi không chạy một phép so sánh trực tiếp giữa các mô hình frontier trên khối lượng công việc này, và chúng tôi sẽ không công bố một phép so sánh mình chưa làm. Lựa chọn này không cần đến nó. Câu hỏi chưa bao giờ là mô hình nào giỏi nhất; mà là mô hình nào đủ nhanh, đủ rẻ và đủ kỷ luật về đầu ra có cấu trúc cho hai việc mà mã tất định vốn đã xử lý phần lớn thời gian.
Thứ chúng tôi thực sự đo là hệ thống của chính mình. Một lệnh gọi phân loại tốn khoảng 70 token đầu vào và 30 token đầu ra — vào khoảng 0,0001 đô la mỗi prompt chưa được cache theo giá niêm yết, đo trên Flash Lite ngày 26 tháng 5 năm 2026 — và một prompt lặp lại được trả từ cache mà không chạm tới mô hình. Về độ trễ, đường tất định trung bình khoảng 1,1 giây từ đầu đến cuối, còn đường có gọi mô hình khoảng 2,3 giây. Chính khoảng cách đó, chứ không phải một bảng xếp hạng, là thứ mà lựa chọn mô hình phải trả lời.
Qua một ngưỡng nhất định, thêm năng lực là thêm ngân sách lãng phí. Khi một mô hình đã đủ nhanh và đủ đúng cho một việc hẹp, trải nghiệm bị chi phối bởi độ trễ chứ không phải bởi trần năng lực của mô hình.
Tại sao lại là tầng nhanh nói chung
Danh sách rút gọn là dòng nhanh của những nhà cung cấp mà lớp tác tử của chúng tôi hỗ trợ: Gemini 2.5 Flash Lite, đang chạy hôm nay; grok-4-1-fast, từng chạy trước đó; và GPT-5 Mini, vẫn chọn được. Cả ba đều đọc được một prompt ngắn, tuân theo một lược đồ và viết được một câu. Ở quy mô của chúng tôi, cả ba đều đủ rẻ để riêng giá cả không quyết định được.
Vậy nên quyết định là chuyện phù hợp vận hành chứ không phải năng lực: một lệnh gọi tốn bao nhiêu ở quy mô chúng tôi thực sự chạy, mô hình trả về đúng đối tượng mà lược đồ yêu cầu đáng tin đến đâu, nó hành xử thế nào khi nhà cung cấp đang tải nặng, và sống chung với nhà cung cấp đó mỗi ngày dễ đến đâu.
Tại sao cụ thể là Gemini 2.5 Flash Lite
Về chi phí: prompt của chúng tôi ngắn ở đầu vào và ngắn ở đầu ra, đúng hình dạng mà dòng nhanh định giá tốt nhất. Với khoảng 70 token vào và 30 token ra, một lệnh gọi tốn cỡ 0,0001 đô la theo giá niêm yết, và một prompt lặp lại thậm chí không chạm tới mô hình vì kết quả phân loại đã được cache. Chúng tôi không công bố bảng xếp hạng giá giữa ba mô hình, vì chưa chạy phép đo nào đủ vững để soi xét.
Về đầu ra có cấu trúc: chúng tôi không xin văn bản tự do rồi cầu may. Lệnh gọi ấn định kiểu phản hồi là JSON, đưa cho Google một lược đồ phản hồi với các trường bắt buộc và các giá trị liệt kê được ghi rõ, và chạy ở nhiệt độ bằng không. Bất cứ thứ gì trả về mà không khớp lược đồ đều bị loại và lượt đó rơi về xử lý tất định — một đầu ra hỏng tốn một lần thử lại, chứ không bao giờ là một tấm thẻ sai.
Về cách hành xử khi lỗi: lớp này nhận một danh sách nhà cung cấp có thứ tự, mặc định là Gemini rồi tới xAI, và lặng lẽ bỏ qua những nhà cung cấp chưa được cấu hình. Nếu tất cả những nhà cung cấp đã cấu hình đều lỗi, lượt đó trả về một dạng dự phòng an toàn thay vì chặn khách hàng. Mô hình gặp sự cố nghĩa là câu trả lời chậm hơn, không phải một ô soạn thảo chết.
Về giai đoạn chạy thật trước đó: phiên bản đầu tiên của Cambio chạy lớp này trên grok-4-1-fast. Việc chuyển sang Flash Lite ngày 27 tháng 5 năm 2026 không phải vì Grok sai. Lớp tác tử không phụ thuộc nhà cung cấp — xAI và OpenAI vẫn chọn được bằng một biến môi trường — nên lựa chọn này vẫn có thể đảo ngược.
Tại sao không dùng biến thể suy luận
Gemini 2.5 có một biến thể chế độ tư duy. Chúng tôi không dùng nó. Chế độ tư duy được thiết kế cho những bài toán hưởng lợi từ chuỗi suy nghĩ — các bài toán nhiều bước, các bài toán mà mô hình phải cân nhắc các phương án, các bài toán mà những bước nháp trung gian cải thiện câu trả lời cuối cùng.
Không việc nào trong hai việc của chúng tôi như vậy. Biến một tin nhắn ngắn thành một đối tượng JSON không khá hơn nhờ một bước suy luận, và viết một câu quanh một báo giá mà mã nguồn đã tính xong cũng vậy. Vì thế lệnh gọi đặt ngân sách suy nghĩ bằng không. Chính dòng ghi chú trong bộ phân loại của chúng tôi nói thẳng: phân loại một lượt thì không cần chuỗi suy luận.
Thiết lập đó nằm trong mã nguồn chứ không nằm trong đầu ai cả, và áp dụng cho mọi lệnh gọi mà lớp này thực hiện. Đó là loại mặc định đáng được viết ra: phần suy luận bạn không cần chính là độ trễ bạn trả ở mỗi lượt.
Những gì chúng tôi đang đánh đổi
Nói thật về cái giá phải đánh đổi. Khi không chọn một mô hình frontier, chúng tôi từ bỏ phần biên ở những tin nhắn mơ hồ nhất: người gõ một câu thực sự khó hiểu có thể nhận được câu hỏi làm rõ yếu hơn so với một mô hình lớn hơn. Chúng tôi cũng từ bỏ những khả năng mà dòng frontier bán — cửa sổ ngữ cảnh rất dài, chuỗi gọi công cụ dài, suy luận đa phương thức sâu — không khả năng nào trong số đó được hai việc của chúng tôi dùng đến, và tất cả sẽ quan trọng nếu chúng tôi mở rộng vai trò của mô hình. Chúng tôi sẽ không mở rộng, đúng như bài trước trong loạt này.
Thứ chúng tôi không từ bỏ: đường tất định, vốn trả lời phần lớn lượt mà không cần mô hình nào; quy tắc rằng mọi con số trên thẻ đều do mã nguồn tính và không bao giờ do mô hình viết; và khả năng đổi nhà cung cấp trong một dòng nếu sự đánh đổi này không còn hợp lý.
Khi nào chúng tôi sẽ xem xét lại
Một vài điều kiện cụ thể sẽ khiến chúng tôi mở lại việc lựa chọn mô hình một lần nữa.
Nếu độ trễ của Flash Lite xấu đi rõ rệt và cứ như vậy, ngân sách vỡ và chúng tôi đổi. Chúng tôi theo dõi độ trễ của chính ô soạn thảo của mình chứ không phải con số nhà cung cấp công bố, vì đó mới là con số khách hàng cảm nhận được.
Nếu chất lượng giảm ở một ngôn ngữ cụ thể, chúng tôi có thể định tuyến ngôn ngữ đó sang nơi khác. Trợ lý đã trả lời bằng chín ngôn ngữ, và lớp này nhận một danh sách nhà cung cấp có thứ tự, nên đó là chuyện cấu hình chứ không phải viết lại.
Nếu giá cả thay đổi đáng kể — chẳng hạn Google tăng giá Flash Lite gấp 5 lần hoặc một đối thủ giảm xuống còn một phần mười — chúng tôi xem xét lại trục chi phí. Chúng tôi sẽ không chuyển đổi vì chênh lệch giá 10%, nhưng một sự dịch chuyển mang tính cấu trúc thì có ý nghĩa.
Nếu một mô hình dòng nhanh mới hơn làm tốt hơn trên chính các prompt của chúng tôi — những câu khách hàng thật sự gõ, không phải một bảng xếp hạng công khai — chúng tôi sẽ đổi. Đó cũng chính là cách lớp này đến với Gemini ngay từ đầu.
Bài học tổng quát
Việc chọn một mô hình là một quyết định phụ thuộc vào khối lượng công việc, không phải một quyết định về thương hiệu. Mô hình "tốt nhất" cho một sản phẩm phụ thuộc vào hình dạng của các câu lệnh bạn đang gửi, ngân sách độ trễ bạn có, kỷ luật đầu ra có cấu trúc bạn cần, mức chi phí ở quy mô của bạn, và lập trường của nhà cung cấp mà bạn có thể chấp nhận. Không điều nào trong số đó hiển thị trên một bảng xếp hạng. Tất cả chúng đều phải được đo lường dựa trên khối lượng công việc thực tế của bạn — và đo lại định kỳ, bởi các nhà cung cấp cho ra các mô hình tầng nhanh mới sau mỗi vài tháng và câu trả lời có thể thay đổi.
Với hình dạng của Cambio — các câu lệnh ngắn đối xứng, ngân sách độ trễ nghiêm ngặt, hai tác vụ hẹp không cần suy luận — Gemini 2.5 Flash Lite là câu trả lời đúng vào lúc này. Với một sản phẩm khác có hình dạng khác, câu trả lời đúng thực sự khác. Nếu bạn đang xây dựng bất cứ thứ gì tương tự, điều rút ra không phải là "hãy dùng Gemini Flash Lite." Mà là "hãy xây dựng một tầng tác nhân không phụ thuộc nhà cung cấp, kiểm thử tầng nhanh dựa trên khối lượng công việc thực tế của bạn, và chạy lại bài kiểm thử mỗi quý."
Bài cuối cùng trong loạt bài đi sâu hơn mọi bài trước: cách các giao dịch hoán đổi liên chuỗi trên Cambio hoạt động mà không cần hợp đồng cầu nối, và vì sao đó là một đặc điểm vận hành khác với các kiến trúc mà phần lớn ngành đang dùng cho cùng công việc.
