Cuộc đua trí tuệ nhân tạo (AI) cho doanh nghiệp đang chuyển sang giai đoạn cạnh tranh khốc liệt về chi phí và khả năng tự hành, với việc Anthropic ra mắt Claude Sonnet 5 và Google bổ sung loạt mô hình phục vụ các tác vụ hình ảnh, video. Các động thái mới cho thấy tác tử AI, AI có thể tự lập kế hoạch, gọi công cụ, thực thi quy trìnhm đang trở thành tiêu chuẩn, trong khi giá cả được đẩy xuống mức mà vài tháng trước chỉ xuất hiện ở phân khúc phổ thông.

Anthropic vừa phát hành Claude Sonnet 5, phiên bản nâng cấp của dòng mô hình tầm trung, được thiết kế chuyên cho các tác vụ tự hành. Mô hình này có thể lập kế hoạch, sử dụng các công cụ như trình duyệt và vận hành chuỗi tác vụ phức tạp, vốn trước đây đòi hỏi các mô hình lớn và đắt tiền hơn. Theo công bố, Sonnet 5 đạt hiệu suất tiệm cận mô hình cao cấp Opus 4.8 nhưng có giá khởi điểm khoảng 2 USD/triệu token đầu vào và 10 USD/triệu token đầu ra, đưa các năng lực tự hành tiến gần hơn đến bài toán ngân sách của doanh nghiệp vừa và nhỏ.

Sản phẩm mới đặt Anthropic vào thế cạnh tranh trực tiếp với GPT-5.6 Sol của OpenAI và Gemini 3.5 Flash của Google, những mô hình cũng được định vị là nền tảng “tác tử” thay vì chỉ là chatbot hội thoại. Trong bối cảnh các nhà cung cấp lớn đều đã chứng minh mô hình có thể tự thực hiện nhiều tác vụ liên tiếp, người dùng chuyển trọng tâm, thay vì tìm kiếm những gì AI làm được sang nội dung "AI làm được với chi phí rẻ, độ tin cậy cao, ít cần giám sát nhất."

Ở phía Google, công ty bổ sung các công cụ phục vụ thị trường doanh nghiệp với trọng tâm là tốc độ và giá. Gemini Omni Flash cho phép tạo và chỉnh sửa video thông qua hội thoại, hiện đã mở qua API, biến một công cụ dành cho người dùng phổ thông thành giải pháp sản xuất cho đội ngũ marketing, đào tạo và nội dung. Về mặt quy trình, việc gom các khâu viết script, dựng hình, chỉnh sửa vào một cuộc trò chuyện giúp rút gọn đáng kể số công cụ và nhân lực tham gia.

Google đồng thời giới thiệu Nano Banana 2 Lite, tên kỹ thuật là Gemini 3.1 Flash-Lite Image, được xây dựng như một mô hình tối ưu cho tốc độ và hạ tầng tiết kiệm. Mô hình có khả năng tạo hình ảnh trong khoảng 4 giây với mức giá cố định được thiết kế cho sản lượng lớn, nhắm tới các ứng dụng thương mại cần thông lượng cao, thử nghiệm nhanh và các quy trình tự động hóa tài sản hình ảnh.