Đăng ký pilot Liên hệ EN

Đo AI trên
nghiệp vụ thật.

Bảng xếp hạng công khai cho mô hình ngôn ngữ, AI xử lý tài liệu, bộ nhớ dài hạn và voicebot, đo bằng dữ liệu tiếng Việt, tiêu chí nghiệp vụ và chi phí sử dụng nêu rõ cách tính.

  • Bảng xếp hạng công khaiMỗi điểm số kèm khoảng tin cậy 95%.
  • Bộ đề kínĐề và đáp án không công bố, để không ai học thuộc.
  • Phương pháp minh bạchCấu hình, số lần chạy và giới hạn đều công bố.
Xem bảng xếp hạngYêu cầu đánh giá

Các mảng đánh giá

Mỗi mảng trả lời một câu hỏi riêng, có bộ chỉ số và bảng xếp hạng riêng. Chúng tôi không quy đổi các mảng thành một điểm chung.

Các bộ đề khác nằm trong lộ trình, chưa có số đo. Xem tất cả bộ đề →

Bảng xếp hạng

Số liệu minh hoạ — chưa phải kết quả đo thực tế

Bảng xếp hạng công khai của từng bộ đề, trình bày dạng bảng điểm (scorecard): mỗi điểm số kèm khoảng tin cậy 95%. Hạng chung nghĩa là chưa đủ bằng chứng để tách hai bên khi so theo cặp, không có nghĩa là ngang nhau.

Dẫn đầu cột, kể cả bên chưa tách đượcSo sánh 2–4 bên →
Số liệu minh hoạ — chưa phải kết quả đo thực tế
BỘ ĐỀ CỦA ASIABENCH

Một chuẩn chung cho nhiều hệ thống

Đo nhiều giải pháp theo cùng một chuẩn để xếp hạng công khai. Đề và đáp án được giữ kín; phương pháp và kết quả tổng hợp được công bố.

  • Quyết định bảng xếp hạng công khai
  • Không dùng dữ liệu của khách hàng
BỘ ĐỀ THEO KHÁCH HÀNG

Dựng từ dữ liệu và tiêu chí của một tổ chức

Quyền dùng dữ liệu, quyền sở hữu bộ đề và phạm vi công bố kết quả được ghi trong hợp đồng.

  • Mặc định không vào bảng xếp hạng công khai
  • Không chuyển thành dữ liệu huấn luyện
Giữ đề kín chỉ là một phần của lợi thế. Phần còn lại là chất lượng và tính đại diện của bộ đề, việc cập nhật, chuyên môn của người chấm và uy tín của kết quả.

So sánh

minh hoạ

Chọn bộ đề và 2–4 giải pháp. Câu trả lời đứng trước, số đo đứng sau.

Số liệu minh hoạ — chưa phải kết quả đo thực tế. Tên “ A–H” cũng là giả định.
Bộ đề
GIẢ ĐỊNH VỀ CHI PHÍ · KHÔNG PHẢI SỐ ĐO

Kết luận

ĐƯA VÀO VÒNG SAU

So trên dữ liệu của bạn →

Cách đọc nhãn. Mỗi nhãn so một bên với bên điểm cao nhất, theo cặp trên cùng bộ câu hỏi, với ngưỡng chênh lệch có ý nghĩa đặt trước () và đã hiệu chỉnh cho nhiều phép so sánh. Kém hơn: khoảng chênh lệch nằm hẳn một phía. Tương đương: cả khoảng nằm trong ngưỡng. Chưa đủ bằng chứng: chưa kết luận được, không có nghĩa là ngang nhau. Giữ lại ở vòng sau cũng chưa có nghĩa là đủ tốt. Vì dữ liệu mới là minh hoạ, khoảng chênh lệch được dựng từ giả định tương quan giữa hai hệ thống; kết quả thật sẽ dùng paired bootstrap.

So từng chỉ số

Mọi bên nằm trên cùng một trục. Dải xanh nhạt chỉ là khoảng tin cậy riêng của bên điểm cao nhất, để tham chiếu; nhãn bên phải dựa trên so sánh theo cặp, không dựa vào việc hai khoảng có chạm nhau.
Xem phân tích đầy đủChất lượng × chi phí, chi phí nghiệm thu (ước tính), theo nhóm tác vụ, bảng cho phòng mua sắm
Chất lượng × chi phí nghiệm thu (ước tính)Khoảng tin cậy ở cả hai chiều. Góc trên-trái: tốt hơn và rẻ hơn.
Quốc tếViệt NamMã nguồn mởNên đưa vào vòng sau
Chi phí mỗi tác vụ nghiệm thu (ước tính) = giá máy + người xử lý lỗiGiá niêm yết rẻ chưa chắc rẻ khi tính cả người: phần sọc vàng là công xử lý các lỗi của máy, theo giả định ở phía trên. Phạm vi: chưa tính tích hợp, kiểm tra các tác vụ đã đạt và hậu quả của lỗi bị bỏ sót.
giá máy (số đo)người xử lý lỗi (giả định)├┤ khoảng tin cậy 95% của tổng

Chỉ gọi là dẫn đầu khi so theo cặp đã tách được bên đó khỏi tất cả các bên còn lại.

Cho phòng mua sắm

✓ có · ◐ tuỳ hợp đồng hoặc tuỳ nơi bạn host · ✗ không.

Số liệu minh hoạ — chưa phải kết quả đo thực tế. Khoảng của chi phí nghiệm thu ghép từ khoảng của giá máy và tỷ lệ làm xong; lương giờ và số phút xử lý lỗi là giả định bạn chỉnh được, không phải số đo. Khi công bố thật, mỗi ô sẽ kèm số mục đã chạy, số lần chạy và ngày đo.

Bộ đề

Tác vụ mà benchmark quốc tế chưa chạm tới. Mọi kết quả đều kèm khoảng tin cậy 95%. Các bộ ở nhóm đầu hiện chỉ có số liệu minh hoạ; các bộ trong lộ trình chưa có số đo.

MãBộ đềĐoTrạng tháiMở
AB-VietLLMLLM tiếng Việt, cập nhật hằng thángLõi cố định + xoay vòng hằng tháng · Sinh văn bản · AgentTháng 10·2026 · minh hoạ
AB-DocChứng từ tiếng ViệtĐộ chính xác · Chi phí / chứng từv1 · minh hoạ
AB-VoiceVoice agent tổng đàiNghe · Nói · Hội thoại · Nghiệp vụ · Bộ nhớv1 · minh hoạ
AB-MemoryNgữ cảnh dài và bộ nhớNgữ cảnh dài (model nền) · Nhớ qua nhiều phiên (hệ thống)v1 · minh hoạ
Trong lộ trình · chưa có số đo
AB-LivenessChống giả mạo khuôn mặtẢnh in · Video phát lại · Mặt nạLộ trình
AB-DeepfakeDeepfake và tấn công chènGhép mặt · Video tạo bằng AI · Camera ảoLộ trình
AB-AgentAgent văn phòngHoàn thành end-to-end · Thao tác saiLộ trình
AB-LegalPháp luật Việt NamTrích dẫn đúng · Ảo giácLộ trình
AB-TrustAn toàn và tuân thủRò rỉ dữ liệu · Thiên lệchLộ trình
AB-SEAThái · Malay · KhmerTheo ngôn ngữ · Theo quốc giaLộ trình

Phương pháp

Uy tín là thứ duy nhất chúng tôi bán, nên luật chơi được công khai từ ngày đầu. Quy trình lấy ISO/IEC 17025 làm tham chiếu; AsiaBench chưa được công nhận theo tiêu chuẩn đó.

“Không có điểm số nào đứng một mình.”

Mỗi bộ đề có một thẻ mô tả: mục tiêu, đối tượng đo, phạm vi tác vụ, cách lấy mẫu, cỡ mẫu, nguồn và quyền dùng dữ liệu, rubric, cách tổng hợp điểm và giới hạn áp dụng. Điểm tổng chỉ để đọc nhanh; báo cáo luôn truy xuống được theo nhóm tác vụ, loại lỗi và mức nghiêm trọng.

Bộ nguyên tắc v0.1 · sắp công bố
  1. R1Không bán thứ hạngPhí dịch vụ không phụ thuộc điểm số hay thứ hạng. Không ai trả tiền để vào, lên hạng hay rút khỏi bảng; các quy tắc chọn hệ thống, tài trợ, cập nhật, khiếu nại và rút kết quả sẽ được công bố trong bộ nguyên tắc v0.1.
  2. R2Chỉ xếp hạng bản thương mạiPhiên bản khách hàng thực sự mua được. Model, agent và giải pháp trọn gói được đo riêng, không đọc lẫn với nhau.
  3. R3Đề kín: lõi cố định, phần xoay vòngPhần cố định để so với các tháng trước, phần xoay vòng để chống học thuộc. Mỗi đợt đo có quy trình và số lần chạy định trước.
  4. R4So theo cặp, luôn kèm khoảng tin cậyHạng chung là chưa đủ bằng chứng để tách, không phải ngang nhau. Ngưỡng chênh lệch có ý nghĩa nghiệp vụ được đặt trước; so nhiều cặp thì hiệu chỉnh.
  5. R5Mỗi lần đo ghi đủ điều kiệnPhiên bản, cấu hình, ngân sách tài nguyên, số lần chạy và ngày đo. Phần do nhà cung cấp quản lý mà ta không quan sát được thì nêu rõ là giới hạn.
  6. R6Có người kiểm đáp ánĐáp án chuẩn và rubric do chuyên gia duyệt. Nếu dùng LLM làm giám khảo, công bố mức đồng thuận với người chấm và cách xử lý bất đồng.
  7. R7Dữ liệu khách hàng tách riêngKhông đưa vào bảng xếp hạng công khai và không chuyển thành dữ liệu huấn luyện, trừ khi hợp đồng ghi khác.

Dịch vụ

Chọn AI bằng số đo trên dữ liệu của chính bạn, từ một bên không bán AI. Bảng xếp hạng công khai luôn miễn phí, và phí dịch vụ không phụ thuộc vào điểm số hay thứ hạng.

DÀNH CHO NHÀ CUNG CẤP AI VÀ LAB MÔ HÌNH

AsiaBench Verified

Một lần chạy độc lập cho một phiên bản và cấu hình cụ thể, trên phạm vi tác vụ ghi trong báo cáo, có thời hạn hiệu lực. Không phải bảo đảm cho mọi trường hợp sử dụng, cũng không phải chứng nhận hay công nhận. Không làm đổi thứ hạng công khai.

Báo cáo ghi phiên bản, cấu hình, phạm vi, ngày đo và thời hạn. Có thể làm tư liệu khi chuẩn bị hồ sơ theo Luật AI; AsiaBench chưa phải tổ chức đánh giá sự phù hợp.

Đánh giá trước ra mắt

Đánh giá mù trước ngày ra mắt và đo lại định kỳ trên bộ đề kín, người bản ngữ chấm. Báo cáo theo nhóm tác vụ và loại lỗi, không trả lại đề hay đáp án. Kết quả riêng được bảo mật theo hợp đồng; việc đưa lên bảng xếp hạng theo chính sách chung.
DÀNH CHO DOANH NGHIỆP MUA AI

Tư vấn lựa chọn

Từ xác định bài toán đến nghiệm thu bằng điểm đo ghi vào hợp đồng. Không hoa hồng, không làm triển khai.

Bộ đề theo dữ liệu của bạn

Dựng từ dữ liệu thật và tiêu chí nghiệp vụ của doanh nghiệp, rồi dùng lại cho mời thầu, nghiệm thu và giám sát. Quyền dùng dữ liệu và quyền sở hữu bộ đề ghi trong hợp đồng; kết quả không vào bảng xếp hạng công khai.

Báo giá theo phạm vi sau buổi trao đổi đầu.
Vì sao cần bộ đề theo dữ liệu của bạn
Đọc chứng từVoicebot tổng đàiChatbot chăm sóc khách hàngTra cứu tài liệu nội bộAgent văn phòng
Mặc định: không công bố, không ảnh hưởng bảng xếp hạng công khai, không dùng làm dữ liệu huấn luyện, nhà cung cấp không mua được. Quyền dùng dữ liệu, quyền sở hữu bộ đề và phạm vi công bố ghi trong hợp đồng.
BẢNG CÔNG KHAIBỘ ĐỀ RIÊNG CỦA BẠNGiải pháp A · 1Giải pháp B · 2Giải pháp C · 3Giải pháp D · 4Giải pháp E · 52 · A ↓14 · B ↓21 · C ↑25 · D ↓13 · E ↑2 Minh hoạ: giải pháp đứng thứ 3 trên bảng công khai có thể đứng đầu trên dữ liệu của bạn, và ngược lại. Đó là lý do cần bộ đề riêng trước khi ký hợp đồng.
  1. 01Lấy mẫu dữ liệu thậtChứng từ, cuộc gọi, câu hỏi của khách; ẩn danh trước khi dùng.
  2. 02Viết tiêu chí chấm theo nghiệp vụSai số tiền nặng hơn sai chính tả; người bản ngữ chấm.
  3. 03Chạy 3–5 giải pháp cùng điều kiệnCùng bộ đề, cùng cấu hình, kèm khoảng tin cậy.
  4. 04Dùng lại cho nghiệm thu và giám sátNgưỡng điểm ghi vào hợp đồng; đo lại mỗi khi nhà cung cấp cập nhật.
TƯ VẤN LỰA CHỌN · 6 BƯỚCChỉ người mua trả phí
  1. 01Xác định bài toánTác vụ, dữ liệu, chỉ số thành công
  2. 02Bộ đề theo khách hàngTừ dữ liệu và tiêu chí của bạn
  3. 03Đánh giá rút gọnSo 3–5 giải pháp trên dữ liệu thật
  4. 04Kiến trúc và chi phíXây hay mua, API hay tự host
  5. 05Nghiệm thu bằng điểm đoNgưỡng điểm ghi vào hợp đồng
  6. 06Giám sátĐo định kỳ sau triển khai
KHÔNG NHẬN HOA HỒNG TỪ NHÀ CUNG CẤP · KHÔNG LÀM TRIỂN KHAI · MỌI KHUYẾN NGHỊ KÈM DỮ LIỆU TEST

Đưa giải pháp của bạn vào phòng thử.

Doanh nghiệp, nhà cung cấp hay lab mô hình: để lại email, chúng tôi liên hệ trong vài ngày làm việc.