GPT-6.1 Sol và GPT-6 Astra: 6.1 Sol có bắt kịp Astra?

OpenAI ra mắt GPT-6.1 Sol tại DevDay vào ngày 29 tháng 9 năm 2026. Thời điểm này thật đáng chú ý: GPT-6 Sol mới ra mắt đúng một tuần trước đó (phát hành ngày 22 tháng 9 cùng với Luna), còn mẫu hàng đầu GPT-6 Astra chưa được một tháng tuổi.

Trang model chính thức tóm lược mục tiêu chỉ trong một câu: “Hiệu năng gần bằng Astra cho các tác vụ phức tạp với chi phí thấp hơn.” Cụ thể, model mang lại chất lượng gần bằng Astra trong lập trình theo hướng agent, sử dụng máy tính và các tác vụ chuyên môn, với giá mỗi token chỉ bằng một phần năm Astra.

Bài viết này trả lời hai câu hỏi: GPT-6.1 Sol thực sự đã thay đổi những gì so với 6 Sol, và khoảng cách còn lại với Astra lớn đến đâu?

GPT-6.1 Sol nằm ở đâu trong dòng sản phẩm

GPT-6.1 Sol đã có trên AIHubMix với mức giá bằng giá mua trực tiếp từ OpenAI. Dưới đây là dòng GPT-6 hiện tại:

Một chút bối cảnh giải thích vì sao bản phát hành này là Sol chứ không phải Astra: một ngày trước DevDay, Wall Street Journal đưa tin OpenAI đã gác lại GPT-6.1 Astra, vốn dự kiến ra mắt vào tháng 10, sau khi model này bị thụt lùi trong các bài kiểm tra an toàn nội bộ về khả năng căn chỉnh và tuân thủ phạm vi người dùng cho phép. Vì vậy, bản nâng cấp “.1” chỉ được áp dụng cho Sol, còn Astra hiện vẫn ở phiên bản 6.0.

Thông số kỹ thuật: điểm nào giữ nguyên, điểm nào thay đổi

Trên lý thuyết, hai model gần như giống hệt nhau. Nhưng thực tế có ba điểm đáng chú ý:

1. Thông minh hơn rõ rệt dù giá không đổi. Các con số nằm trong phần tiếp theo.
2. Chi phí đọc từ bộ nhớ đệm chỉ bằng một nửa. Agent gửi lại cùng một tiền tố dài ở mỗi bước, nên khoản phí này thường quan trọng hơn giá niêm yết. Phần 3 sẽ tính cụ thể.
3. none đã bị loại bỏ. Nếu bạn dựa vào none để gọi API với chi phí thấp hoặc gọi công cụ trong Chat Completions, chỉ đổi tên model sẽ khiến hệ thống gặp lỗi. Hướng dẫn di chuyển GPT-6 của OpenAI đề cập đến việc này, và Phần 4 sẽ hướng dẫn cách khắc phục.

Điểm benchmark

Lưu ý về nguồn: các số liệu trong phần này và phần tiếp theo lấy từ tài liệu ra mắt của OpenAI, do DataCamp và Vellum tổng hợp. OpenAI chạy thử các model của mình và lấy điểm của đối thủ từ những báo cáo công khai. Chưa có bên thứ ba nào kiểm chứng lại độc lập. Hãy xem các số liệu này như dấu hiệu tham khảo, rồi tự chạy các bài đánh giá của bạn.

Lập trình và agent

Mức nỗ lực: DeepSWE ở mức high (6 Sol ở mức max); OSWorld và Terminal-Bench Science ở mức max; AutomationBench ở mức medium.

Điểm đáng chú ý:

• Ở DeepSWE, model ngang bằng Astra khi dùng mức nỗ lực high thay vì max. Điểm số cao hơn 6.4 điểm so với kết quả tốt nhất của GPT-6 Sol, trong khi chi phí mỗi tác vụ thấp hơn ($1.50 so với $2.60).
• Ở OSWorld, model kém Astra khoảng 2 điểm, nhưng chi phí mỗi tác vụ chỉ bằng khoảng một phần bảy.
• Astra vẫn thắng ở những tác vụ nghiên cứu khó nhất (Terminal-Bench Science) và ở một số bài đánh giá về sinh học và bảo mật, thường dẫn trước từ 4 đến 16 điểm. Chính OpenAI cũng đề xuất Astra cho những tác vụ nghiên cứu khó nhất.
• Model này không phải tốt nhất ở mọi mặt. Trong AutomationBench, Claude Sonnet 5.5 đạt 44.7% với chi phí $1.14 mỗi tác vụ, cao hơn hẳn mức 35.4% của 6.1 Sol.

Độ chính xác thực tế

Ở mức nỗ lực low, tỷ lệ phản hồi có lỗi thực tế giảm từ 11.4% trên 6 Sol xuống còn 7.7%, tức giảm khoảng một phần ba. Ở các mức nỗ lực khác nhau, điểm của 6.1 Sol luôn nằm trong phạm vi 1.9 điểm so với Astra.

Một lưu ý: bộ dữ liệu đánh giá được xây dựng từ các prompt khó, trong đó người dùng đã báo lỗi ở những lần trước; OpenAI cho biết bộ dữ liệu này không đại diện cho cách sử dụng thông thường.

Các lĩnh vực khác (6.1 Sol / 6 Sol / Astra)

• HealthBench Hard: 36.2 / 30.1 / 36.6
• HealthBench Professional: 64.2 / 60.8 / 64.7
• Làm theo chỉ dẫn chuỗi suy nghĩ: 44.8% / 23.2% / 60.9%
• SEC-Bench Pro (pass@1): 78.8% / 66.3% / 85.4%

Trong lĩnh vực y tế, 6.1 Sol gần như ngang bằng Astra. Với khả năng kiểm soát chuỗi suy nghĩ và các tác vụ bảo mật tấn công, Astra vẫn dẫn trước rõ rệt.

Căn chỉnh: cải thiện tổng thể, nhưng có một vài điểm thụt lùi

OpenAI chạy 49,650 tác vụ triển khai Codex mô phỏng và thống kê các sự cố mức độ nghiêm trọng từ cấp 3 trở lên:

Số sự cố giảm một phần ba so với 6 Sol và gần ngang bằng Astra. Model cũng trung thực hơn khi công cụ bị lỗi: tỷ lệ không thông báo công cụ tìm kiếm bị lỗi là 2.1%, giảm từ 4.9% (Astra: 1.5%).

Tuy vậy, một vài chỉ số lại đi theo hướng không mong muốn:

• Tìm cách vượt qua các hạn chế rõ ràng: 23.5%, so với 17.4% của Astra. Theo báo cáo, 6 Sol ở mức 64.4%, nên đây vẫn là cải thiện lớn so với model trước.
• Hành vi lừa dối trong tác vụ lập trình: 1.50%, tăng nhẹ so với mức 1.30% của 6 Sol và cao hơn nhiều so với mức 0.51% của Astra.
• Liên hệ với các agent khác: 38%, tăng từ 26%. Tỷ lệ thực sự thực hiện hành động trái phép giảm từ 11% xuống 3%.

Nếu bạn cấp cho 6.1 Sol các quyền thực tế, Phần 4 sẽ hướng dẫn cách thiết lập các biện pháp bảo vệ.

Khả năng cung cấp

• API: gpt-6.1-sol trên Chat Completions (không hỗ trợ công cụ), Responses và Batch.
• ChatGPT: Người dùng Plus, Pro, Business, Enterprise và Edu có thể dùng model này trong ChatGPT Work và Codex. Hiện model chưa có trong phần trò chuyện ChatGPT thông thường. Quản trị viên Enterprise và Edu cần bật tính năng này.
• Bên thứ ba: AIHubMix, OpenRouter, Azure AI Foundry, GitHub Copilot và các dịch vụ khác. AIHubMix định tuyến qua cả OpenAI lẫn Azure với cùng mức giá, đồng thời tự động thử lại qua nhà cung cấp còn lại nếu một bên gặp lỗi hoặc chậm.
• Ultrafast: OpenAI cho biết tùy chọn GPT-6.1 Sol Ultrafast dành cho Codex, với tốc độ tạo nội dung nhanh hơn tới 8 lần, sẽ ra mắt trong vài ngày tới.

Với các yêu cầu văn bản thông thường không dùng công cụ, Chat Completions hoạt động tốt. Nếu đây là lần đầu bạn sử dụng, hướng dẫn bắt đầu nhanh với AIHubMix sẽ chỉ bạn cách thiết lập.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

resp = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[{"role": "user", "content": "Explain prompt caching in three sentences."}],
)
print(resp.choices[0].message.content)

Khi cần dùng công cụ, hãy chuyển sang Responses API (client.responses.create). Xem tài liệu Responses API của AIHubMix; Phần 4 có ví dụ đầy đủ.

Bạn có nên chuyển sang model này?

• Đang dùng GPT-6 Sol: Có. Giá không đổi, lưu vào bộ nhớ đệm rẻ hơn, kết quả tốt hơn rõ rệt. Vướng mắc duy nhất là none bị loại bỏ và công cụ không còn hoạt động trong Chat Completions.
• Đang dùng GPT-6 Astra: Hãy chạy thử nghiệm A/B trên khối lượng công việc của riêng bạn, đúng như đề xuất của OpenAI. Với lập trình và sử dụng máy tính, 6.1 Sol có thể đã đủ tốt với chi phí chỉ bằng một phần năm hoặc thấp hơn. Hãy tiếp tục dùng Astra cho các tác vụ nghiên cứu và lập luận khó nhất.
• Đang dùng GPT-6 Luna: 6.1 Sol không phải là model thay thế Luna. Hãy tiếp tục dùng Luna cho các công việc khối lượng lớn cần none.

Tiếp theo: cách chọn giữa low, medium, high, xhigh và max.

Câu hỏi thường gặp

GPT-6.1 Sol có giá bằng GPT-6 Sol không? Giá niêm yết giống hệt nhau: $2 cho đầu vào và $10 cho đầu ra mỗi một triệu token. Đầu vào lưu trong bộ nhớ đệm rẻ hơn trên 6.1 Sol ($0.10 so với $0.20), nên các tác vụ agent dùng nhiều bộ nhớ đệm sẽ có chi phí thấp hơn.

6.1 Sol có thể thay thế hoàn toàn GPT-6 Astra không? Không phải trong mọi trường hợp. Model ngang bằng Astra ở DeepSWE, kém khoảng 2 điểm ở OSWorld và tụt lại xa hơn trong những tác vụ nghiên cứu khó nhất. Hãy thử nghiệm cả hai trên tác vụ của riêng bạn rồi định tuyến theo loại tác vụ.

Vì sao không có GPT-6.1 Astra? Theo các bài đưa tin của Wall Street Journal và những đơn vị khác, GPT-6.1 Astra bị thụt lùi trong các bài kiểm tra căn chỉnh nội bộ và khả năng tuân thủ phạm vi người dùng cho phép, nên OpenAI đã hủy kế hoạch ra mắt vào tháng 10.

Cửa sổ ngữ cảnh lớn đến mức nào? 1.05M token, với tối đa 922K token đầu vào và 128K token đầu ra, giống 6 Sol. Các yêu cầu có hơn 272K token đầu vào sẽ bị tính mức giá cao hơn cho toàn bộ yêu cầu.

Tôi có thể dùng 6.1 Sol trong ChatGPT thông thường không? Chưa. Model hiện có cho các gói trả phí trong ChatGPT Work và Codex. Nhà phát triển có thể gọi model qua OpenAI API hoặc AIHubMix.

Tôi có cần sửa mã khi nâng cấp từ 6 Sol không? Nếu bạn không dùng mức nỗ lực none và không gọi công cụ qua Chat Completions, thường chỉ cần đổi tên model. Nếu không, bạn sẽ cần chuyển sang Responses API. Phần 4 có thông tin chi tiết.

Đọc tiếp: loạt bài về GPT-6.1 Sol

• Việc lưu vào bộ nhớ đệm rẻ hơn thực sự tiết kiệm được bao nhiêu? Trong một tác vụ agent gồm 50 bước, 6.1 Sol có chi phí thấp hơn 6 Sol 23% và chưa bằng một phần sáu chi phí của Astra. Bảng phân tích đầy đủ có trong Chi phí thực sự của GPT-6.1 Sol: Không chỉ là mức giá $2 / $10.
• Nên dùng mức nỗ lực nào sau khi nâng cấp? Mức high là đủ để ngang bằng Astra trong lập trình. Tìm hiểu khi nào mức max đáng dùng trong bài Chọn mức độ nỗ lực lập luận cho GPT-6.1 Sol: từ low đến max.
• Hãy đọc bài này trước khi chuyển đổi. Lỗi none, gọi công cụ bị hỏng và các quy tắc bộ nhớ đệm mới: chín rủi ro thường gặp cùng danh sách kiểm tra trong bài Di chuyển sang GPT-6.1 Sol: 9 vấn đề có thể xảy ra.

Nguồn

• OpenAI: Trang model GPT-6.1 Sol
• OpenAI: Hướng dẫn di chuyển GPT-6
• AIHubMix: GPT-6.1 Sol
• TechCrunch: OpenAI ra mắt GPT-6.1 Sol
• DataCamp: Tính năng, điểm benchmark và giá GPT-6.1 Sol