Danh mục MeshTok liệt kê hơn một tá mô hình có cửa sổ ngữ cảnh một triệu token trở lên. Gần như tất cả đều đánh đổi điều gì đó để đạt được điều đó — không có thị lực, không có video, không có âm thanh, đầu ra tối đa nhỏ hoặc thiếu nhãn flagship. Gemini 3.1 Pro là ngoại lệ: cửa sổ ngữ cảnh 1,048,576 token, đầu ra tối đa 65,536 token, đầu vào hình ảnh+video+âm thanh native, reasoning, tools, json và nhãn flagship, tất cả trong một ID mô hình. Câu hỏi mà bài viết này trả lời là liệu tổ hợp đó có đáng với mức giá $2 / $12 mỗi triệu token hay không.
Đây là phân tích spec và giá, không phải benchmark tổng hợp. Chúng tôi không chạy test độ trễ, không đo khả năng recall dạng needle-in-a-haystack tại từng vị trí ngữ cảnh và sẽ không công bố bất kỳ con số nào mà chúng tôi không thể chứng minh bằng danh mục trực tiếp. Mọi con số dưới đây là phép tính số học mà bạn có thể tái lập bằng máy tính từ src/data/models.ts. Mục tiêu là giúp bạn quyết định liệu cửa sổ triệu token của Gemini 3.1 Pro có xứng đáng một vị trí trong lớp định tuyến của bạn hay không — dựa trên dữ liệu thực sự quan trọng cho việc lập ngân sách: cửa sổ ngữ cảnh, đầu ra tối đa, độ phủ đa phương thức và giá mỗi triệu token.
Một lưu ý thẳng thắn trước khi đến con số: ID mô hình trong danh mục là google/gemini-3.1-pro-preview. Hậu tố -preview nằm trong dữ liệu nguồn và chúng tôi sẽ không giấu nó. Hãy coi bảng spec là chính xác, nhưng xác minh lại với https://meshtok.com/v1/models trước khi chốt quyết định định tuyến production.
Gemini 3.1 Pro: bảng spec
Sẵn sàng sử dụng ngay hôm nay qua MeshTok unified API tại https://meshtok.com/v1 dưới ID mô hình google/gemini-3.1-pro-preview.
| Trường | Giá trị |
|---|---|
| Nhà cung cấp | Google (US) |
| Cửa sổ ngữ cảnh | 1,048,576 token (2²⁰, hơi trên 1M) |
| Đầu ra tối đa | 65,536 token |
| Giá đầu vào (mỗi 1M) | $2.00 |
| Giá đầu ra (mỗi 1M) | $12.00 |
| Khả năng | image, video, audio, reasoning, tools, json, flagship |
| Phát hành | 2026-06 |
| Cắt kiến thức | 2026-05 |
Ba điều nổi bật ở phân khúc này:
- Cửa sổ ngữ cảnh+đầu ra kết hợp lớn nhất trong bất kỳ mô hình đa phương thức nào trong danh mục. 1,048,576 đầu vào + 65,536 đầu ra nghĩa là một lần gọi duy nhất có thể tiếp nhận khoảng một triệu token pha trộn văn bản, hình ảnh, âm thanh và video, rồi phát ra phản hồi 65K token. Không mô hình nào khác trong
models.tsđồng thời khớp cả ba: ngữ cảnh 1M+, đầu ra tối đa 65K+ và đầu vào hình ảnh+video+âm thanh. - Đa phương thức native đầy đủ, bao gồm video và âm thanh. Hầu hết đối thủ ngữ cảnh 1M dừng ở
image(DeepSeek V4 Pro, Qwen3.7 Max, Doubao Seed 2.1 Pro) hoặc bỏ thị lực hoàn toàn (GLM-5.2). Gemini 3.1 Pro là flagship ngữ cảnh 1M duy nhất trong danh mục chấp nhận video và âm thanh native bên cạnh văn bản và hình ảnh. - Được gắn nhãn
flagshipvàreasoning. Google áp dụng cùng các nhãn khả năng mà họ dành cho phân khúc biên giới. Các biến thể Gemini Flash rẻ hơn mangfastthay vìreasoningvàflagship— đó là ranh giới cấu trúc bên trong gia đình.
Câu hỏi triệu token: 1M ngữ cảnh thực sự tốn bao nhiêu?
Đây là phần mà hầu hết trang marketing bỏ qua. Cửa sổ ngữ cảnh triệu token là một ngân sách, không phải quà tặng. Mỗi token bạn đưa vào được tính phí theo mức đầu vào. Cách trung thực để so sánh các mô hình long-context là tính chi phí của việc thực sự sử dụng cửa sổ.
Chi phí một lần gọi tải đầy (1M đầu vào + tóm tắt ngắn)
Một tác vụ long-context phổ biến: gửi ~1M token tài liệu và yêu cầu tóm tắt ngắn hoặc một vài mục hành động. Chúng tôi giả định 1,048,576 token đầu vào và 1,000 token đầu ra.
| Mô hình | Chi phí đầu vào | Chi phí đầu ra | Tổng mỗi lần gọi |
|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | $0.012 | $2.109 |
| Gemini 2.5 Pro | $1.311 | $0.010 | $1.321 |
| Gemini 3 Flash | $0.524 | $0.003 | $0.527 |
| DeepSeek V4 Pro | $0.449 | $0.001 | $0.450 |
| GLM-5.2 | $1.143 | $0.004 | $1.147 |
| Claude Sonnet 5 | $3.000 | $0.015 | $3.015 |
Một lần gọi tải đầy Gemini 3.1 Pro tốn khoảng $2.11. Chạy điều đó nghìn lần mỗi ngày và bạn đang tiêu $2,109/ngày — khoảng $63K/tháng — chỉ riêng cho token đầu vào. Đó không phải là lý do để tránh mô hình; đó là lý do để có chủ đích về khi nào bạn thực sự cần toàn bộ cửa sổ.
Chi phí một lần gọi long-output tải đầy (1M đầu vào + đầy đầu ra tối đa)
Điểm mà giá của Gemini 3.1 Pro trở nên khác biệt cấu trúc là khi bạn cũng sử dụng đầu ra tối đa lớn. Tại đây chúng tôi giả định ngữ cảnh được lấp đầy tới brim và mô hình được phép phát toàn bộ đầu ra tối đa.
| Mô hình | 1M đầu vào | Đầu ra tối đa đã dùng | Chi phí đầu ra | Tổng mỗi lần gọi |
|---|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | 65,536 | $0.786 | $2.883 |
| GLM-5.2 | $1.143 | 128,000 | $0.512 | $1.655 |
| DeepSeek V4 Pro | $0.449 | 32,768 | $0.028 | $0.477 |
| Claude Sonnet 5 | $3.000 | 16,384 | $0.246 | $3.246 |
GLM-5.2 rẻ hơn mỗi lần gọi tải đầy vì đầu ra tối đa của nó là 128K nhưng giá $4/1M, không phải $12/1M. Yếu tố quyết định giữa Gemini 3.1 Pro và GLM-5.2 không phải giá — mà là bạn có cần đầu vào video và âm thanh hay không, điều mà GLM-5.2 không chấp nhận.
Chi phí 1 triệu lần gọi chat ngắn (1K đầu vào + 500 đầu ra mỗi lần)
Để kiểm tra tính hợp lý ở đầu kia của phổ: một triệu lần gọi ngắn, mỗi lần tiêu thụ 1,000 token đầu vào và tạo ra 500 token đầu ra. Tổng cộng là 1 tỷ token đầu vào và 500 triệu token đầu ra.
| Mô hình | Chi phí đầu vào (1B in) | Chi phí đầu ra (500M out) | Tổng cho 1M lần gọi |
|---|---|---|---|
| Gemini 3.1 Pro | $2,000 | $6,000 | $8,000 |
| Gemini 2.5 Pro | $1,250 | $5,000 | $6,250 |
| Gemini 3 Flash | $500 | $1,500 | $2,000 |
| DeepSeek V4 Pro | $429 | $429 | $857 |
| GLM-5.2 | $1,143 | $2,000 | $3,143 |
| Claude Sonnet 5 | $3,000 | $7,500 | $10,500 |
Trên lưu lượng chat ngắn, Gemini 3.1 Pro đắt hơn DeepSeek V4 Pro khoảng 9.3× và đắt hơn GLM-5.2 khoảng 2.5×. Bài học đơn giản: cửa sổ triệu token là một tính năng cao cấp và bạn không nên trả tiền cho nó trên lưu lượng không bao giờ dùng nó.
Bên trong gia đình Gemini: chọn cái nào?
Danh mục MeshTok mang bảy mô hình Gemini với cửa sổ ngữ cảnh cấp 1M. Chọn đúng chủ yếu là sự đánh đổi giữa độ sâu suy luận, độ phủ đa phương thức và giá.
| Mô hình | Ngữ cảnh | Đầu ra tối đa | Đầu vào $/M | Đầu ra $/M | Video | Âm thanh | Reasoning | Flagship |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 2.5 Pro | 1,048,576 | — | $1.25 | $10.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 3.5 Flash | 1,048,576 | 65,536 | $1.50 | $9.00 | ✅ | ✅ | — | — |
| Gemini 3 Flash | 1,048,576 | 65,536 | $0.50 | $3.00 | ✅ | ✅ | — | — |
| Gemini 3.1 Flash Lite | 1,048,576 | — | $0.25 | $1.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash | 1,048,576 | — | $0.30 | $2.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash Lite | 1,000,000 | — | $0.10 | $0.40 | ✅ | ✅ | — | — |
Đọc ma trận:
- Gemini 3.1 Pro so với Gemini 2.5 Pro — 2.5 Pro là flagship cũ hơn và rẻ hơn trên cả hai trục ($1.25/$10 so với $2/$12). Lý do để trả thêm cho 3.1 Pro: đầu ra tối đa 65,536 được xác định rõ (mục của 2.5 Pro không có
maxOutputtường minh trong danh mục), cắt kiến thức mới hơn (2026-05) và thế hệ 3.1 mới hơn. Lý do để ở lại 2.5 Pro: nếu bạn không cần những điều đó, nó rẻ hơn một cách tuyệt đối. - Gemini 3.1 Pro so với Gemini 3 Flash — Flash có giá bằng một phần tư và chia sẻ cùng ngữ cảnh 1M, đầu ra tối đa 65K và đầu vào đa phương thức đầy đủ. Những gì bạn từ bỏ là
reasoningvàflagship. Đối với phân loại đa phương thức khối lượng lớn, chuyển ngữ hoặc định tuyến mà không cần suy nghĩ từng bước, Flash là lựa chọn đúng. Đối với bất cứ điều gì hưởng lợi từ chuỗi suy luận — phân tích nhiều bước, hỏi-đáp tài liệu dài với tổng hợp — 3.1 Pro là bản nâng cấp. - Gemini 3.1 Pro so với Gemini 3.1 Flash Lite / 2.5 Flash Lite — các biến thể Lite là phân khúc ngân sách. Chúng giữ ngữ cảnh 1M và đầu vào đa phương thức nhưng bỏ suy luận và giới hạn đầu ra tối đa tường minh. Dùng chúng khi bạn cần tiếp nhận nhiều token rẻ và chuẩn chất lượng phản hồi ở mức trung bình.
Gemini 3.1 Pro so với các flagship ngữ cảnh 1M khác
Gemini 3.1 Pro so với các flagship ngữ cảnh 1M nổi tiếng hơn từ các phòng thí nghiệm khác thế nào?
| Mô hình | Ngữ cảnh | Đầu ra tối đa | Đầu vào $/M | Đầu ra $/M | Video | Âm thanh | Phát hành |
|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | 2026-06 |
| DeepSeek V4 Pro | 1,000,000 | 32,768 | $0.4286 | $0.8571 | — | — | 2026-04 |
| GLM-5.2 | 1,000,000 | 128,000 | $1.1429 | $4.0000 | — | — | 2026-07 |
| Qwen3.7 Max | 1,000,000 | 8,192 | $0.8571 | $2.5714 | — | — | 2026-06 |
| Claude Sonnet 5 | 1,000,000 | 16,384 | $3.0000 | $15.0000 | — | — | 2026-05 |
| Claude Opus 4.8 | 1,000,000 | 32,000 | $5.0000 | $25.0000 | — | — | 2026-06 |
Hai quan sát cấu trúc:
- Gemini 3.1 Pro là mô hình duy nhất trong bảng này có đầu vào video và âm thanh native. Mọi flagship ngữ cảnh 1M khác chấp nhận nhiều nhất là hình ảnh. Nếu tác vụ của bạn là hiểu video, chuyển ngữ cuộc họp hoặc bất kỳ pipeline nào tiếp nhận âm thanh/video bên cạnh văn bản, Gemini 3.1 Pro không phải là lựa chọn rẻ nhất — nó là lựa chọn duy nhất ở phân khúc ngữ cảnh 1M.
- GLM-5.2 có đầu ra tối đa lớn nhất (128K) nhưng không có đa phương thức. Nếu tác vụ của bạn cần tạo phản hồi văn bản một lượt rất dài từ đầu vào chỉ văn bản, GLM-5.2 vừa rẻ hơn vừa có cửa sổ đầu ra dài hơn. Khoảnh khắc bạn cần một hình ảnh, video hoặc âm thanh, GLM-5.2 bị loại khỏi bàn và Gemini 3.1 Pro quay lại cuộc trò chuyện.
Đánh đổi long-context vs RAG (câu trả lời thẳng thắn)
Câu hỏi “cửa sổ triệu token có đáng không?” gần như luôn quy về một câu hỏi chi phí, không phải câu hỏi khả năng. Ngữ cảnh 1M cho phép bạn bỏ qua pipeline retrieval và chỉ đổ mọi thứ vào prompt. Điều đó tiện lợi, nhưng ở $2/1M đầu vào nó cũng đắt trên mỗi lần gọi — và bạn trả lại trên lần gọi tiếp theo, vì cửa sổ ngữ cảnh không lưu vào bộ đệm miễn phí.
Một quy tắc kinh nghiệm đơn giản, thuần túy suy ra từ giá trên:
- Nếu cùng một kho dữ liệu lớn được truy vấn nhiều lần, retrieval rẻ hơn. Gửi 5K token đã retrieve ở $2/1M = $0.01 mỗi lần gọi thay vì 1M token ở $2/1M = $2.00 mỗi lần gọi. Bạn hòa vốn sau khoảng 200 lần gọi chỉ-retrieve cho mỗi một lần gọi full-context.
- Nếu kho dữ liệu được truy vấn một hoặc hai lần rồi loại bỏ (tóm tắt one-shot của transcript mới, đọc sâu một lần một hợp đồng, khám phá ad-hoc một codebase), long context là công cụ đúng. Hệ thống retrieval sẽ tốn kém hơn để xây dựng so với token mà nó tiết kiệm.
- Nếu bạn cần hiểu âm thanh hoặc video qua một dòng thời gian dài (bản ghi cuộc họp 2 giờ, một video dài), Gemini 3.1 Pro là mô hình duy nhất trong danh mục kết hợp modal đầu vào đó với cửa sổ 1M. Không có sản phẩm thay thế rẻ hơn bên trong phân khúc 1M — đánh đổi là giữa Gemini 3.1 Pro và một mô hình ngữ cảnh ngắn hơn cộng với chunking.
Khi nào nên chọn Gemini 3.1 Pro (và khi nào không)
Không có “mô hình tốt nhất” — chỉ có mô hình đúng cho một tác vụ và ngân sách nhất định. Dùng ma trận này như một điểm khởi đầu và xác thực bằng eval của riêng bạn.
| Tác vụ | Khuyến nghị | Lý do |
|---|---|---|
| Hiểu video hoặc âm thanh dài (1M+ token phương tiện) | Gemini 3.1 Pro | Mô hình ngữ cảnh 1M duy nhất trong danh mục có đầu vào video và audio native. Không có sản phẩm thay thế rẻ hơn ở phân khúc này. |
| Phân tích long-context đa phương thức pha trộn (văn bản + hình ảnh + âm thanh) | Gemini 3.1 Pro | Flagship duy nhất kết hợp ngữ cảnh 1M, đầu ra tối đa 65K và đầu vào đa phương thức đầy đủ. |
| Long-context chỉ văn bản với đầu ra rất dài (>65K, tới 128K) | GLM-5.2 | Đầu ra tối đa 128K của GLM-5.2 là độc nhất. Rẻ hơn trên các lần gọi long-output tải đầy. Không có thị lực. |
| Đa phương thức ngữ cảnh 1M khối lượng lớn với ngân sách eo hẹp | Gemini 3 Flash | Bằng một phần tư giá 3.1 Pro, cùng ngữ cảnh 1M, cùng đầu vào đa phương thức. Bỏ suy luận. |
| Ngữ cảnh 1M rẻ nhất có thể (văn bản hoặc hình ảnh) | DeepSeek V4 Pro | $0.43/1M đầu vào — rẻ hơn Gemini 3.1 Pro 4.7× ở đầu vào. Không có video/âm thanh. |
| Chất lượng mã đỉnh cao, chi phí thứ yếu | Claude Sonnet 5 | Định vị của Anthropic và eval cộng đồng đặt Sonnet 5 ở vị trí hàng đầu cho mã. Dùng Gemini 3.1 Pro nếu long context đa phương thức quan trọng hơn. |
| Suy luận phân tích long-context mà không cần đa phương thức | GLM-5.2 hoặc DeepSeek V4 Pro | Cả hai đều rẻ hơn cho tác vụ long-context chỉ văn bản. Chọn GLM-5.2 cho đầu ra dài, V4 Pro cho chi phí thấp nhất. |
Một chính sách định tuyến mặc định hợp lý: định tuyến bất kỳ lần gọi nào có chứa video hoặc âm thanh tới Gemini 3.1 Pro; định tuyến refactor chỉ văn bản dài với đầu ra rất dài tới GLM-5.2; định tuyến lưu lượng văn bản+hình ảnh khối lượng lớn rẻ tới DeepSeek V4 Pro; dành Claude Sonnet 5 cho lập trình có rủi ro cao. Gemini 3.1 Pro là chuyên gia long-context đa phương thức, không phải mặc định cho mọi thứ.
Cách gọi Gemini 3.1 Pro (mã thực tế, chạy được)
MeshTok lộ một endpoint tương thích OpenAI duy nhất tại https://meshtok.com/v1. Chuyển giữa Gemini 3.1 Pro và bất kỳ mô hình nào khác trong bài viết này là một thay đổi một dòng trong trường model — cùng SDK, cùng API key, cùng định dạng yêu cầu. Ví dụ dưới đây cho thấy mẫu long-context đa phương thức: một prompt văn bản dài cộng với một URL hình ảnh, được gửi như một lần gọi duy nhất.
# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://meshtok.com/v1",
api_key="sk-your-meshtok-key",
)
def ask(model_id: str, prompt: str, image_url: str | None = None) -> str:
"""Same call, different model and modality — switch with one string."""
content = [{"type": "text", "text": prompt}]
if image_url:
content.append({"type": "image_url", "image_url": {"url": image_url}})
resp = client.chat.completions.create(
model=model_id,
messages=[{"role": "user", "content": content}],
)
return resp.choices[0].message.content
# Real model IDs from the MeshTok catalog
multimodal_long = ask("google/gemini-3.1-pro-preview",
"Summarize this 800K-token transcript and extract action items.",
image_url="https://example.com/chart.png")
text_only_long = ask("bigmodel/glm-5.2",
"Rewrite this 50K-token file with the new API.")
cheap_long = ask("deepseek/deepseek-v4-pro",
"Summarize this 200K-token document.")
coding_flagship = ask("anthropic/claude-sonnet-5",
"Refactor this Python function and add tests.")Streaming, tool calling, JSON mode và đầu vào hình ảnh đều hoạt động giống nhau — thay chuỗi model và thêm các tham số liên quan. Đối với phản hồi streaming, truyền stream=True; đối với tool calling, truyền tham số tools; đối với đầu ra có cấu trúc, dùng response_format={"type": "json_object"}. Xem tài liệu streaming MeshTok và tài liệu tool-calling cho các ví dụ đầy đủ bằng Python, JavaScript và cURL.
Câu hỏi thường gặp
Gemini 3.1 Pro thực sự là mô hình ngữ cảnh 1M duy nhất có đầu vào video và âm thanh?
Tính đến 2026-07-21, đúng. Mọi mô hình khác trong src/data/models.ts có cửa sổ ngữ cảnh 1M+ — DeepSeek V4 Pro, DeepSeek V4 Flash, GLM-5.2, Qwen3.7 Max/Plus, Qwen3.5 Plus/Flash, Qwen3.6 Plus, Claude Sonnet 5, Claude Opus 4.6/4.7/4.8, MiniMax M3, Longcat 2.0, Mimo V2 Pro/V2.5 — chấp nhận hoặc chỉ văn bản hoặc văn bản cộng hình ảnh. Không mô hình nào mang nhãn khả năng video hoặc audio. Các mô hình duy nhất có đầu vào video/âm thanh native là chính gia đình Gemini.
Tại sao không có benchmark độ trễ hoặc recall trong bài viết này? Vì chúng tôi không chạy bất kỳ cái nào và sẽ không công bố các con số mà chúng tôi không thể chứng minh bằng log thô. Recall long-context (câu hỏi “needle in a haystack”) phụ thuộc vào hình dáng prompt, vị trí, ngôn ngữ và hành vi chú ý của mô hình ở từng độ sâu — một tỷ lệ recall đơn lẻ mà không có test harness, các prompt và đầu ra thô là marketing, không phải dữ liệu. Nếu bạn cần số recall cho tác vụ của mình, hãy tự chạy trên MeshTok với kho dữ liệu của bạn. Dữ liệu giá và khả năng ở trên là phần ổn định và có thể xác minh.
Hậu tố -preview trong ID mô hình có phải vấn đề không?
Đó là tín hiệu, không phải rào cản. Google phát hành 3.1 Pro như một mô hình preview trong danh mục (google/gemini-3.1-pro-preview). Điều đó thường có nghĩa là bảng spec chính xác nhưng mô hình có thể thay đổi hành vi mà không có version bump. Đối với định tuyến production mà ở đó tính ổn định quan trọng hơn khả năng mới nhất, Gemini 2.5 Pro là flagship thay thế không preview ở mức giá thấp hơn.
Gemini 3.1 Pro so với Gemini 2.5 Pro thế nào?
2.5 Pro là flagship cũ hơn của Google. Nó rẻ hơn ($1.25/$10 so với $2/$12), mang cùng nhãn flagship + reasoning + đa phương thức đầy đủ và có cùng cửa sổ ngữ cảnh 1,048,576. Lý do để trả thêm cho 3.1 Pro: đầu ra tối đa 65,536 được xác định rõ, cắt kiến thức mới hơn (2026-05) và thế hệ 3.1 mới hơn. Lý do để ở lại 2.5 Pro: nó rẻ hơn tuyệt đối nếu bạn không cần ba điều đó.
Gemini 3.1 Pro có hỗ trợ tool calling và đầu ra có cấu trúc không?
Có. Trường capabilities liệt kê tools và json, nghĩa là function calling native và đầu ra có cấu trúc JSON mode đều được hỗ trợ qua endpoint tương thích OpenAI của MeshTok. Định dạng yêu cầu giống hệt OpenAI — chỉ trường model thay đổi.
Cửa sổ ngữ cảnh 1M là thật hay là marketing?
Đó là cửa sổ ngữ cảnh được khai báo trong src/data/models.ts, phản chiếu từ chính model card của Google. Ngữ cảnh thực tế sử dụng được phụ thuộc vào hình dáng prompt, chiến lược retrieval và cách mô hình xử lý chú ý long-context — tất cả đều bạn nên kiểm thử trên dữ liệu của mình. Con số trong danh mục là giới hạn trên mà mô hình chấp nhận, không phải đảm bảo chất lượng ở mọi vị trí.
Tại sao Gemini 3.1 Pro đắt hơn DeepSeek V4 Pro nhiều? Cấu trúc chi phí và khả năng khác nhau. DeepSeek V4 Pro được định giá hung hăng cho khối lượng văn bản+hình ảnh và không chấp nhận video hoặc âm thanh. Gemini 3.1 Pro được định giá như một flagship đa phương thức đầy đủ với hỗ trợ video và âm thanh native — đó là một bề mặt đầu vào khác, không phải so sánh văn bản tương đương. MeshTok không thêm bất kỳ markup nào; bạn thấy chính xác những gì mỗi phòng thí nghiệm công bố.
Các mức giá này có ổn định không?
Các nhà cung cấp mô hình cập nhật giá niêm yết định kỳ. Các con số trong bài viết này phản ánh danh mục MeshTok vào 2026-07-21. updatedDate ở đầu trang cho bạn biết bài viết được xem xét lại lần cuối khi nào; nguồn chân lý trực tiếp luôn luôn là https://meshtok.com/models.
Được xem xét lần cuối 2026-07-21 bởi MeshTok Team. Tất cả giá và khả năng được lấy từ danh mục mô hình MeshTok trực tiếp (src/data/models.ts) vào ngày xem xét. Không có phép đo độ trễ, số token, recall hoặc chất lượng nào được thực hiện cho bài viết này — các con số hiển thị là phép chiếu số học từ giá niêm yết đã công bố, không phải benchmark thực nghiệm.