Phan Đông GiangPhan Đông Giang
Tất cả bài viết

Bảng xếp hạng model OpenRouter: text, ảnh, video và âm thanh

Snapshot bảy nhóm model theo lượng sử dụng trong bảy ngày 13–19/11/2026 UTC, kèm cách đọc khác biệt giữa lưu lượng và chất lượng.

Trong snapshot OpenRouter đối chiếu ngày 20/11/2026, Hy 4 flash dẫn đầu nhóm text theo token của bảy ngày 13–19/11 UTC; Nano Banana 2 dẫn nhóm ảnh theo request và Whisper Large V 3 Turbo dẫn transcription. Đây là bảng lượng sử dụng trên OpenRouter, không phải bảng xếp hạng độ thông minh hay chất lượng tuyệt đối.

Bạn có thể gọi nhiều model bằng một key qua OpenRouter. Bài này ghi một snapshot có kỳ dữ liệu rõ ràng; nếu cần năng lực theo bài kiểm tra, xem so sánh benchmark. Hướng dẫn key và quota nằm ở cụm API LLM.

OpenRouter Rankings là gì?

OpenRouter Rankings tổng hợp lưu lượng qua nền tảng. Với text, đơn vị là prompt cộng completion token do upstream ghi nhận; với các modality khác ở đây là request. Không lấy số token so trực tiếp với số request hoặc gộp chúng thành một thang điểm.

Dữ liệu xuất phát từ hoạt động qua router, không phải khảo sát người dùng hay một bộ test được kiểm soát. Model biến thể, chẳng hạn bản:free, có thể được tính riêng; lưu lượng riêng tư bị loại theo phương pháp công bố của nền tảng.

Một vị trí cao có thể phản ánh giá, tốc độ, chương trình khuyến khích, sự tích hợp của ứng dụng lớn hoặc nhu cầu tác vụ. Nó giúp nhận diện model đáng thử, nhưng không cho biết tỷ lệ đúng trên câu hỏi của bạn.

Cần đọc cả đơn vị, cửa sổ thời gian và phạm vi dữ liệu. Các provider có tokenizer khác nhau; một lượng token lớn không đồng nghĩa nhiều người dùng hơn, nhiều nhiệm vụ hoàn tất hơn hoặc đầu ra tốt hơn.

Các model dẫn đầu theo nhóm tác vụ: snapshot tháng 11/2026

Bảy bảng dưới dùng chế độ tuần: bảy daily bucket UTC từ 13 đến 19/11/2026, truy xuất 20/11/2026. Dấu tăng/giảm là so với cửa sổ trước tương ứng. Ngày dữ liệu kết thúc khác ngày mở trang; các số có thể được nền tảng điều chỉnh trong snapshot sau. Mọi bảng đều ghi nguồn OpenRouter, cấp phép CC BY 4.0.

10 model dẫn đầu tác vụ Text

Nhóm text gồm sinh nội dung, hỏi đáp, lập trình, xử lý tài liệu và agent. Lưu lượng đầu vào của agent có thể rất lớn vì lịch sử tool và repository được gửi lại, nên không suy chất lượng từ tổng token.

HạngModelNhà phát triểnToken trong 7 ngàySo với kỳ trước
1Hy 4 flashTencent69.3 T tokensNew
2DeepSeek V4.1 Flash 1017Deepseek62.2 T tokens+12%
3DeepSeek V4.1 FlashDeepseek16 T tokens+0%
4Hy 4Tencent11.7 T tokens-42%
5GLM 5.3 FlashZ-ai10.7 T tokens-11%
6GPT-6 LunaOpenai8.86 T tokens+19%
7Claude Opus 5.5Anthropic7.53 T tokens+11%
8Step 5 PreviewStepfun5.75 T tokens-15%
9MiMo-V2.6-FlashXiaomi4.01 T tokens+11%
10MiniMax M 3.1 FlashMinimax3.92 T tokens+9%

Nguồn: OpenRouter Text Rankings, dữ liệu tới 19/11/2026; snapshot truy xuất 20/11/2026. Licensed under CC BY 4.0.

10 model dẫn đầu tác vụ Image

Nhóm ảnh bao gồm sinh và chỉnh ảnh theo các endpoint được OpenRouter phục vụ. Số request không cân bằng độ phân giải, số ảnh trả về hay mức khó của prompt.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1Nano Banana 2 (Gemini 3.1 Flash Image)Google2.44 M requests+1%
2Nano Banana 2.1Google1.32 M requests+19%
3GPT Image 2.5 SunburstOpenai1.13 M requests-9%
4GPT Image 2.5 FlareOpenai1.06 M requests+27%
5Muse ImageMeta658 K requests+5%
6Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)Google636 K requests-12%
7GPT Image 2Openai467 K requests-7%
8Nano Banana (Gemini 2.5 Flash Image)Google410 K requests-3%
9GPT Image 2.6 SunburstOpenai406 K requests+15%
10Seedream 5.0 FlashBytedance-seed369 K requests-45%

Nguồn: OpenRouter Image Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

10 model dẫn đầu tác vụ Embedding

Embedding biến dữ liệu thành vector cho retrieval, RAG, phân cụm hoặc đối sánh. Một request có thể chứa số tài liệu khác nhau; cần đánh giá trên ngôn ngữ và tập dữ liệu cụ thể trước khi chọn.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1Text Embedding 3 SmallOpenai155 M requests+1%
2Qwen 3 Embedding 8 BQwen67.6 M requests-14%
3Gemini Embedding 2Google58.2 M requests+18%
4Gemini Embedding 001Google39.1 M requests+16%
5Text Embedding 3 LargeOpenai33.3 M requests-2%
6Bge-m3Baai26.9 M requests+23%
7Voyage-4-largeMongodb9 M requests-13%
8Gemini Embedding 2 (batch)Google8.11 M requests>999%
9Embed V 1 0.6 BPerplexity8.06 M requests-64%
10Qwen 3 Embedding 4 BQwen8.04 M requests+10%

Nguồn: OpenRouter Embedding Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

10 model dẫn đầu tác vụ Rerank

Rerank chấm lại mức liên quan của những tài liệu đã được truy hồi. Đây thường là bước sau embedding/search để chọn đoạn đưa vào context, không phải phép thay thế một-một cho embedding.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1Rerank-2.5Mongodb5.08 M requests+3%
2Rerank-2.5-liteMongodb3.01 M requests-40%
3Rerank-3Mongodb1.59 M requests-40%
4Rerank v 3.5Cohere1.14 M requests-3%
5Rerank-3-liteMongodb1.12 M requests-22%
6Qwen 3 Reranker 8 BQwen968 K requests-2%
7Rerank 4 ProCohere570 K requests-18%
8Rerank 4 FastCohere466 K requests+1%
9Rerank 5 FastCohere238 K requests0%
10Rerank 5 ProCohere235 K requests+64%

Nguồn: OpenRouter Rerank Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

10 model dẫn đầu tác vụ Video

Nhóm video gồm các endpoint tạo hoặc biến đổi video theo khả năng của từng model. Thời lượng, độ phân giải, audio và số lần thử đều ảnh hưởng chi phí, nên request cao không đồng nghĩa giá mỗi giây rẻ.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1HeyGen VideoHeygen63 K requests+9%
2Veo 3.1 LiteGoogle54 K requests-5%
3Grok Imagine Video 1.5 LiteX-ai44 K requests+75%
4Wan 3.0Alibaba36 K requests+12%
5Seedance 2.5Bytedance35 K requests+3%
6Seedance 2.0 FastBytedance26 K requests-10%
7Veo 3.1 FastGoogle23 K requests+4%
8Gemini Omni 1.2 FlashGoogle19 K requests+54%
9Seedance 2.0Bytedance18 K requests-7%
10Seedance 2.0 MiniBytedance17 K requests+50%

Nguồn: OpenRouter Video Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

10 model dẫn đầu tác vụ Speech

Speech trong bảng này là text-to-speech. Khi chọn giọng đọc, cần thử tiếng Việt, cách phát âm tên riêng, cảm xúc, độ trễ và quyền thương mại; các yếu tố ấy không được xếp hạng chỉ bằng lượng gọi.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1Gemini 3.8 Flash TTSGoogle3.04 M requests+48%
2Gemini 3.8 Flash Lite TTSGoogle2.17 M requests+27%
3Eleven Flash v 2.5Elevenlabs1.86 M requests+86%
4Eleven v 4 TurboElevenlabs1.24 M requests+44%
5Eleven v 4Elevenlabs1.24 M requests+193%
6Drama 3Fish-audio1.05 M requests-41%
7Kokoro 82 MHexgrad954 K requests+72%
8Eleven v 3Elevenlabs521 K requests+13%
9S 2.1 ProFish-audio514 K requests+72%
10Gemini 3.1 Flash TTS PreviewGoogle457 K requests-13%

Nguồn: OpenRouter Speech Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

10 model dẫn đầu tác vụ Transcription

Transcription chuyển audio thành văn bản. Cần đo độ chính xác với giọng, môi trường ồn, từ chuyên môn và nhu cầu diarization/timestamp của bạn. Số request không cho biết thời lượng âm thanh được xử lý.

HạngModelNhà phát triểnRequest trong 7 ngàySo với kỳ trước
1Whisper Large V 3 TurboOpenai16.8 M requests-35%
2Whisper Large V 3Openai10.5 M requests-4%
3MAI-Transcribe 2Microsoft8.3 M requests-10%
4Scribe v 2Elevenlabs1.52 M requests-23%
5Grok STT 2.0X-ai1.15 M requests>999%
6GPT TranscribeOpenai1.09 M requests+21%
7GPT-4o Mini TranscribeOpenai1.02 M requests+0%
8Nova-3Deepgram928 K requests+81%
9Nemotron 3.5 TranscribeNvidia905 K requests+272%
10Parakeet TDT 0.6 B v 3Nvidia647 K requests-4%

Nguồn: OpenRouter Transcription Rankings, tuần 13–19/11/2026 UTC; truy xuất 20/11/2026. CC BY 4.0.

Gợi ý chọn model AI phù hợp theo nhu cầu thực tế

Hãy dùng bảng để lập danh sách ứng viên, sau đó chạy một bộ tác vụ đại diện. Gợi ý dưới đây là cách chia nhóm thử, không phải khuyến nghị một model luôn thắng:

Nhu cầuBắt đầu từCần đo thêm
Hỏi đáp, viết, codeText model phù hợp ngân sáchTỷ lệ đúng, tool, chi phí mỗi nhiệm vụ
Tạo/chỉnh ảnhImage endpoint đúng modalityĐộ trung thành prompt, chữ, độ phân giải
Tìm kiếm tài liệuEmbedding cùng rerank nếu cầnRecall, relevance, tiếng Việt và độ trễ
Sinh videoVideo model có input/output mong muốnTính liên tục, thời lượng, audio và giá
Giọng đọcSpeech/TTS modelPhát âm, tự nhiên, quyền sử dụng
Chuyển giọng thành chữTranscription modelSai từ, timestamp, speaker và độ ồn

Trước khi gọi, kiểm API ID còn hoạt động, provider, pricing và hạn mức. Biến thể:free có quota và có thể biến mất. Cách tạo key xem ở hướng dẫn OpenRouter; giải pháp gom endpoint xem tại API gateway.

Nên đọc bảng xếp hạng OpenRouter thế nào?

Đừng lấy một vị trí trên bảng tuần làm quyết định duy nhất. Snapshot đổi theo lưu lượng và catalog; hãy ghi lại thời điểm, model ID và cấu hình khi bạn tự kiểm, rồi so kết quả trên cùng dữ liệu.

Có thể phân tầng theo tác vụ: model nhanh cho việc đơn giản, model mạnh hơn khi cần, embedding cho retrieval và rerank cho bước chọn tài liệu. Một kiến trúc nhiều model chỉ có ích khi có đo lường, fallback và kiểm soát độ phức tạp.

Câu hỏi thường gặp

Có nên chọn model đắt nhất để đảm bảo chất lượng tốt nhất không?

Giá cao không bảo đảm kết quả tốt nhất với mọi prompt. Chọn một tập test, xác định tiêu chí chấp nhận rồi so chất lượng, latency và chi phí. Với tác vụ quan trọng, thêm bước xác minh của người hoặc hệ thống kiểm thử.

Bảng xếp hạng này có được cập nhật thường xuyên không?

Nền tảng làm mới số liệu khi có bucket usage mới. Today, This Week và This Month tương ứng các cửa sổ trượt 1,7,30 ngày theo phương pháp hiện tại, không phải luôn là ngày/tuần/tháng dương lịch.

Có nên dùng một model AI duy nhất cho toàn bộ hệ thống không?

Một model có thể đủ cho hệ thống đơn giản. Khi có nhiều modality hoặc mức khó khác nhau, tách model theo tác vụ có thể hiệu quả hơn, nhưng cần cân nhắc tích hợp, theo dõi và khả năng lỗi của từng nhánh.

Sự khác biệt giữa embeddings và rerank là gì?

Embedding hỗ trợ tìm ứng viên nhanh trong kho lớn bằng vector. Rerank đọc/chấm lại một tập ứng viên nhỏ hơn với câu hỏi để sắp thứ tự. Hai bước giải quyết hai phần khác nhau của bài toán retrieval.

Model mới không nhất thiết đứng cao ngay

Ở snapshot New & Trending cùng kỳ, GPT-6.2 Sol và Gemini 4 Neon đã xuất hiện bên cạnh model mới khác. Bảng trending tính tăng trưởng token, còn bảng sử dụng tính tổng token. Vì vậy một model mới như GPT-6.2 Astra/Sol hay Claude Fable 5.2 có thể đáng thử cho tác vụ cụ thể dù chưa đứng đầu lượng dùng. Kiểm catalog và benchmark riêng; không đổi tên model cũ trong bảng rồi giữ nguyên số liệu.

Phương pháp và giấy phép: OpenRouter Rankings và Data API. Bài dùng snapshot HTML công khai, không có API key hay dữ liệu usage riêng của người dùng.

Bộ SKILLS EDIT VIDEOBạn quay. AI edit tự động.Ủng hộ mình 1 ly cafe
Video thật. Thành quả từ bộ Skills.
Trọn bộ 8 Skills · Mua một lần, dùng trọn đời

Để AI edit.
Dành thời gian cho điều quan trọng.

Thời gian edit mỗi video
3–4 giờ5–10 phút
Ưu đãi có hạn2.199.000đXem giá hiện tạiTrọn bộ 8 Skills & video hướng dẫn

Tiết kiệm 800.000đ · Mua một lần, dùng trọn đời.

Sở hữu bộ 8 SKILLS ngay!

Nhận bộ Skills và video hướng dẫn qua email.