GPT-6.1 Sol giờ đã là Công cụ Bảo mật của CodeRabbit — Ưu đãi quét miễn phí trị giá $1M thực sự mang lại cho bạn những gì

CodeRabbit đang chi trả tối đa 5.000 USD cho hoạt động đánh giá bảo mật bằng AI cho mỗi tổ chức, và thời hạn kết thúc lúc 23:59:59 PST ngày 8 tháng 11 năm 2026. Mô hình mà họ dùng để thực hiện công việc đó là GPT-6.1 Sol, được OpenAI phát hành vào ngày 29 tháng 9 — đây không phải là một câu chuyện ra mắt, và tuổi của mô hình là điều kém thú vị nhất về nó. Điều đã thay đổi từ ngày 23 tháng 10 đến ngày 26 tháng 10 hẹp hơn và hệ trọng hơn: một công ty đánh giá mã nguồn có phạm vi tiếp cận doanh nghiệp thực sự đã đặt mô hình đó vào trung tâm của một sản phẩm bảo mật, công bố quy trình làm việc xung quanh nó, và gắn một thời hạn cho việc để người lạ dùng thử nó.

Ba tài liệu xuất hiện trong vòng bốn ngày. Bài đăng blog của chính CodeRabbit vào ngày 24 tháng 10, một câu chuyện khách hàng của OpenAI vào ngày 26 tháng 10, và một thông cáo của Business Wire cùng ngày công bố cả cam kết quét miễn phí lẫn việc CodeRabbit gia nhập Daybreak Defense Network của OpenAI. Đọc cùng nhau, chúng mô tả một mô hình triển khai đáng hiểu ngay cả khi bạn không bao giờ mua sản phẩm nào trong hai sản phẩm đó. Đọc riêng rẽ, chúng là quảng cáo. Công việc hữu ích là tách bạch hai điều đó.

CodeRabbit thực sự đã xây dựng những gì xung quanh GPT-6.1 Sol

Nghiên cứu điển hình của OpenAI nêu rõ về vị trí, và đây là phần quan trọng: GPT-6.1 Sol được mô tả là mô hình chính trong tác nhân bảo mật của CodeRabbit, hoạt động cùng với các mô hình tiên phong khác và các trình quét mà khách hàng đã sử dụng. Nó không được trình bày như một giải pháp thay thế cho phân tích tĩnh. Bài đăng của chính CodeRabbit đi xa hơn một chút, nói rằng CodeRabbit Secure sử dụng "GPT 6.1 Sol and GPT Cyber models" — một tổ hợp mô hình, chứ không phải một lời gọi duy nhất.

Sản phẩm có ba lớp, và chúng thực sự là những công việc khác nhau:

• Đánh giá PR — đọc từng thay đổi ngay khi được đưa vào, trong luồng đánh giá thông thường.

• Quét sâu — lập bản đồ toàn bộ kho lưu trữ thay vì chỉ một diff, theo dõi cách các thành phần và phụ thuộc tương tác với nhau.

• CodeRabbit Secure — mở rộng điều đó tới các kho lưu trữ được liên kết, để một lỗ hổng trong thư viện xác thực dùng chung cho thấy phạm vi ảnh hưởng của nó trên mọi dịch vụ nhập nó.

Phần kỹ thuật thú vị nằm ở cuối chuỗi. Với những phát hiện mà người dùng chọn, CodeRabbit cố gắng xác minh khả năng khai thác bằng cách thực thi đối với vấn đề trong một sandbox cô lập — dứt khoát không phải môi trường sản xuất — và trả về một trong ba trạng thái: Reproduced, Not reproduced hoặc Inconclusive. Chỉ những phát hiện được hỗ trợ mới chuyển thành một bản sửa đề xuất, được giao dưới dạng pull request mà con người xem xét, kiểm thử và hợp nhất. Cổng hợp nhất không bao giờ chuyển sang mô hình.

Thứ tự đó — khả năng tiếp cận trước, thực thi thứ hai, bản vá thứ ba — là lý do triển khai này đáng để đọc. Hầu hết các sản phẩm “AI tìm lỗi” đều dừng ở bước đầu tiên và đưa bạn một danh sách được sắp xếp theo độ tin cậy của mô hình ngôn ngữ. Thêm một sandbox biến một tuyên bố thành một bài kiểm tra. Thêm một PR sửa lỗi biến một bài kiểm tra thành một diff mà CI của bạn thực sự có thể đánh giá.

Ưu đãi quét miễn phí, theo những điều khoản quyết định việc bạn có thể sử dụng ưu đãi này hay không

Trang đích của CodeRabbit thể hiện cơ chế rõ ràng một cách bất thường, khiến ưu đãi trở nên dễ đánh giá thay vì phải nheo mắt mà đoán:

• Thời gian — từ ngày 23 tháng 10 đến ngày 8 tháng 11 năm 2026, kết thúc lúc 23:59:59 PST.

• Mức trần — tối đa $5,000 cho mỗi tổ chức về việc sử dụng và sửa lỗi Deep Scan.

• Tổng quỹ — 1 triệu USD, được rút từ hạn mức tín dụng chung 1.000.000, đến trước được phục vụ trước.

• Điều kiện tham gia — các tổ chức có từ hai thành viên trở lên. Dự án mã nguồn mở, khách hàng hiện tại, khách hàng cũ và các nhóm chưa từng sử dụng CodeRabbit đều đủ điều kiện.

• Những gì được quy đổi — chỉ các phát hiện được hỗ trợ mới trở thành bản sửa lỗi, vì vậy khoản tín dụng chi trả cho việc điều tra và khắc phục, chứ không phải lời hứa rằng mọi thứ được phát hiện sẽ được vá.

• Tín dụng chưa sử dụng — tín dụng đã nhận nhưng chưa dùng sẽ không được chuyển tiếp qua thời hạn hoặc sau khi quỹ dùng chung cạn kiệt.

Dòng điều kiện đủ tư cách đó là dòng cần đọc hai lần. “Bất kỳ tổ chức nào” trong thông cáo báo chí có nghĩa là bất kỳ tổ chức nào có ít nhất hai thành viên, điều này loại trừ những người bảo trì độc lập — một nhóm đảm nhận một phần lớn mã nguồn mở mà hầu hết các công ty phụ thuộc vào. Nếu bạn là một cá nhân có một kho lưu trữ, ưu đãi này không áp dụng cho bạn, và việc đăng ký bao nhiêu cũng không thay đổi được điều đó.

Điều thứ hai cần tính đến khi lập kế hoạch là đồng hồ tính phí. Deep Scan tính phí theo mức sử dụng, và ngữ cảnh xuyên kho lưu trữ là một phần trong những gì nó tính phí; các kho lưu trữ được liên kết là chỉ đọc, điều này giới hạn độ sâu tối đa mà một cuộc điều tra có thể đi tới nhưng không giới hạn chi phí để thử. Mức trần $5,000 là hào phóng đối với một monorepo cỡ trung bình và không có gì đáng chú ý đối với một monorepo lớn, vì vậy nước đi thực tế là nhắm lần quét đầu tiên vào kho lưu trữ mà bạn e ngại nhất thay vì kho lưu trữ dễ bàn giao nhất.

Tại sao mô hình một triệu token lại phù hợp cho công việc với kho mã nguồn

Thông số kỹ thuật của GPT-6.1 Sol giải thích sự phù hợp rõ hơn bất kỳ nội dung tiếp thị nào. Nó có cửa sổ ngữ cảnh 1.050.000 token với tối đa 128.000 token đầu ra, chấp nhận đầu vào văn bản và hình ảnh, đồng thời hỗ trợ batch nhưng không hỗ trợ fine-tuning. Thời điểm cắt kiến thức là ngày 30 tháng 4 năm 2026. Nó đi kèm năm cài đặt suy luận — low, medium, high, xhigh và max — với medium là mặc định và không có tùy chọn "none" hay "minimal" để tắt hoàn toàn suy luận.

Giá cả chính là nơi cấu trúc trở thành chiến lược. Giá niêm yết Standard là 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra, với đầu vào được cache ở mức 0,10 USD và ghi cache ở mức 2,50 USD. Các yêu cầu trên 272.000 token phải trả gấp đôi cho đầu vào và cache, và gấp rưỡi cho đầu ra, cho toàn bộ yêu cầu. Batch và Flex chạy ở mức 50% của Standard; fast mode tăng gấp đôi; các endpoint khu vực cộng thêm khoảng 10%.

Khi đặt hai dữ kiện đó cạnh nhau, thiết kế của CodeRabbit không còn trông tùy tiện nữa. Cấu trúc chi phí của một tác nhân bảo mật không phải là cấu trúc chi phí của chat. Nó đọc lượng lớn mã nguồn hầu như không thay đổi, tạo ra đầu ra tương đối ít, và hưởng lợi từ bộ nhớ đệm prompt nhiều hơn gần như mọi khối lượng công việc khác — một kho mã bạn quét hàng tuần là kho mã mà ngữ cảnh của nó gần như không thay đổi giữa các lần chạy. Với $0.10 cho mỗi triệu token đầu vào được lưu trong bộ nhớ đệm, việc đọc lại một cơ sở mã lớn là rẻ theo cách mà đọc lại nó với giá $2 thì không. Ngưỡng phụ phí 272K là con số cần để mắt tới: nó xấp xỉ một phần tư cửa sổ, nghĩa là các lần quét rất lớn phải trả hệ số nhân cho mọi token trong yêu cầu, chứ không chỉ phần vượt ngưỡng.

Nếu bạn muốn tính giá cho việc đó so với kho mã nguồn của riêng mình, thì GPT-6.1 Sol có trên OrcaRouter theo giá niêm yết — chuyển thẳng, markup 0%, nên mức $2/$10 và mức $0.10 cho cache chính là những con số OpenAI công bố và sẽ thay đổi ngay khi OpenAI thay đổi chúng. Điều đó quan trọng hơn với tác vụ này so với chat: đầu vào đã cache đang gánh phần lớn công việc, và một tỷ lệ phần trăm cộng thêm lên trên sẽ cộng dồn qua từng lần quét trong một loạt.

Các con số năng lực được OpenAI công bố cho mô hình, do nhà cung cấp báo cáo và chưa được tái lập độc lập:

• DeepSWE v1.1 — 75,22% ở mức nỗ lực cao, với khoảng 0,65 USD cho mỗi tác vụ.

• Terminal-Bench Science 0.1 — 57.02% ở mức nỗ lực tối đa, với khoảng $5.47 mỗi tác vụ.

• OSWorld 2.0 — 71,42% ở mức nỗ lực tối đa, với khoảng 1,27 USD mỗi tác vụ.

• AutomationBench — 36,10% ở mức nỗ lực tối đa; GDP.pdf — 32,0% ở mức cao.

• Tỷ lệ lỗi thông tin thực tế — 7,7% ở mức nỗ lực thấp, so với 11,4% của GPT-6 Sol, mức giảm mà OpenAI mô tả là khoảng 32% tương đối.

Một chi tiết trong bảng đó đáng được chú ý hơn mức nó đang nhận được: trên DeepSWE, mức effort cao đạt 75.22% và mức effort tối đa đạt 71.90%. Suy luận nhiều hơn lại tạo ra kết quả tệ hơn. Bất kỳ ai mặc định chọn cài đặt cao nhất với giả định rằng nó tốt hơn một cách đồng đều nên xem cặp kết quả đó trước khi cấu hình một pipeline bảo mật ở mức max.

Con số độc lập đáng lẽ phải làm dịu bớt giọng điệu ấy

Chín ngày trước thông báo CodeRabbit, Endor Labs đã công bố một đánh giá liên quan trực tiếp đến câu hỏi mà nghiên cứu điển hình vẫn để ngỏ. Agent Security League của họ đã chạy 200 tác vụ qua Codex CLI 0.144.6 trên dòng GPT-6 và chấm điểm hai điều: liệu tác nhân có hoàn thành tác vụ hay không, và liệu nó có hoàn thành một cách an toàn hay không.

GPT-6.1 Sol đạt 77,7% FuncPass và 34,1% SecPass trên 179 tác vụ được tính điểm. GPT-6 Astra đạt 82,1% và 34,6%. GPT-6 Sol đạt 72,1% và 25,1%. Tỷ lệ SecPass trên FuncPass của Sol, 43,9%, là mức tốt nhất trong bốn mô hình Codex được thử nghiệm — nghĩa là nó mất ít độ chính xác nhất khi áp dụng các ràng buộc bảo mật, dù tỷ lệ vượt qua bảo mật tuyệt đối của nó chỉ thấp hơn Astra đúng một tác vụ.

Hai phần ba số tác vụ không đạt về bảo mật là dòng tiêu đề, và đó là một phát hiện có thật. Nhưng nó cũng không phải là phép đo khả năng phát hiện lỗ hổng. SecPass hỏi liệu một tác nhân lập trình có viết ra mã vừa hoạt động được vừa bảo mật hay không — một câu hỏi khác với việc liệu một tác nhân bảo mật có tìm ra lỗ hổng trong mã do người khác viết hay không. Đọc 34,1% thành “GPT-6.1 Sol bỏ sót hai phần ba số lỗ hổng” sẽ là một lỗi phân loại, và bài đăng của Endor không đưa ra tuyên bố đó. Điều mà nó thực sự ủng hộ là một luận điểm hẹp hơn và khó hơn: trên những tác vụ mà bảo mật và tính năng cạnh tranh với nhau, các mô hình tiên tiến nhất hiện nay đánh đổi cái này để lấy cái kia thường xuyên hơn mức các nhà cung cấp ngụ ý. Một sản phẩm bảo mật được xây dựng trên các mô hình này nên được hiểu đúng nhất là một người đánh giá bổ sung với ngân sách đọc khác thường, chứ không phải một nhà tiên tri.

Các con số vận hành của Endor là phần hữu ích cho bất kỳ ai đang tính toán chi phí cho việc này. Trung vị 7,9 phút mỗi tác vụ, trung bình 13,5 phút, chín lần hết thời gian chờ và một lượt chạy đầy đủ với bốn worker hoàn tất trong khoảng 13 giờ. Mức sử dụng token là khoảng 235 triệu token đầu vào với khoảng 94% được lưu trong bộ nhớ đệm, cùng 1,5 triệu token đầu ra — ước tính 70 đến 85 USD theo giá niêm yết, so với 104 USD cho GPT-6 Sol và 468 USD cho GPT-6 Astra. Endor cũng đã đánh dấu 13 trường hợp bị nghi gian lận trên năm tín hiệu và xác nhận tất cả đều không phải gian lận, báo cáo không có trường hợp nào được xác nhận.

Điều mà nghiên cứu điển hình không nói với bạn

Câu chuyện khách hàng của OpenAI không có tỷ lệ dương tính giả, không có mức chênh lệch phát hiện so với cấu hình pre-Sol của CodeRabbit, không có số liệu độ trễ và không có chi phí trên từng phát hiện. Bài đăng của CodeRabbit cũng không cung cấp những thông tin đó. Cả hai đều không bắt buộc phải làm vậy — câu chuyện khách hàng không phải là một đánh giá — nhưng khoảng trống này quyết định mức độ sức nặng mà thông báo có thể mang.

Thống kê được trích dẫn nhiều nhất từ thông cáo cần được xử lý cẩn trọng nhất. CodeRabbit báo cáo hơn 8.000 lỗ hổng có mức độ nghiêm trọng cao hoặc nghiêm trọng được phát hiện trên 600 tổ chức trong 30 ngày, trong đó kiểm soát truy cập bị phá vỡ, SQL injection và lỗi xác thực chiếm hơn 70%. Đó là số liệu tổng hợp của CodeRabbit Secure, không phải kết quả của GPT-6.1 Sol, và không có nội dung nào được công bố quy bất kỳ phần nào trong đó cho mô hình thay vì cho các công cụ quét và con người xung quanh.

Cũng có một con số được lưu truyền rộng rãi nhưng bị đọc sai. Phân tích thứ cấp về lần triển khai này trích dẫn tỷ lệ từ chối đề xuất 56,3% từ một khảo sát nhà phát triển năm 2026 — mà không nêu nhà cung cấp khảo sát, cỡ mẫu hay phương pháp. Từ chối không giống với dương tính giả: nhà phát triển có thể bỏ qua một phát hiện đúng vì nó nằm ngoài phạm vi, diễn đạt tệ hoặc đơn giản là bất tiện. Hãy coi 56,3% là bằng chứng cho thấy nhiễu khi đánh giá là tốn kém, chứ không phải tỷ lệ dương tính giả đo được, bởi vì chưa ai công bố một tỷ lệ như vậy.

Lưu ý thứ ba là đặc thù của thiết kế. Vì sandbox trả về "Không kết luận" như một kết quả riêng biệt bên cạnh "Tái hiện được" và "Không tái hiện được", một nhóm phân loại nhanh sẽ học cách bỏ qua nhóm đó. Khi việc bỏ qua trở thành thói quen, các cảnh báo sẽ bị tắt tiếng hàng loạt — đúng kiểu thất bại đã khiến các công cụ SAST cũ dễ bị phớt lờ. Hãy dành sự chú ý cho các kết quả không kết luận, nếu không công cụ sẽ thoái hóa thành một ô đánh dấu tuân thủ.

Không có điểm nào ở đây phản đối việc chạy bản quét miễn phí. Nó lập luận rằng nên chạy nó như một đợt đánh giá có trước và sau, chứ không phải như một thứ thay thế. Cách CodeRabbit tự định vị đặt Secure như một phần bổ sung cho các công cụ hiện có, và đó là mặc định đúng: giữ Snyk, Semgrep hoặc CodeQL trong pipeline, và đo lường những gì lớp mới bổ sung thêm, thay vì những gì nó tự nói về mình.

Cái “gate” mà không ai đưa vào thông cáo báo chí

OpenAI phân loại GPT-6.1 Sol là "An ninh mạng mức tới hạn và sinh học/hóa học mức cao" và định tuyến quyền truy cập qua cùng chồng biện pháp bảo vệ như GPT-6 Astra, bao gồm Trusted Access và Daybreak. Trên thực tế, điều đó có nghĩa là việc sử dụng có năng lực mạng bị kiểm soát bằng cổng, và việc kiểm soát bằng cổng tự tạo ra những dương tính giả của chính nó.

Có một trường hợp đã được ghi nhận. Vào ngày 3 tháng 10, một nhà phát triển đã báo cáo trên diễn đàn cộng đồng của OpenAI rằng một đánh giá pull-request AppSec phòng thủ, chỉ đọc, trên kho lưu trữ của chính họ đã bị chặn thẳng thừng với lý do là nội dung an ninh mạng bị hạn chế; câu trả lời từ bộ phận hỗ trợ đã xếp nó vào Daybreak Blue và Trusted Access for Cyber. Đó là một báo cáo của người dùng so với một khối lượng yêu cầu thành công chưa xác định, không phải một phép đo — nhưng đó là kiểu lỗi cần lên kế hoạch ứng phó. Nếu đánh giá bảo mật là một phần phụ thuộc của production, hãy giả định rằng một phần công việc phòng thủ hợp pháp sẽ bị từ chối, và duy trì một đường đi không định tuyến qua endpoint bị kiểm soát.

Daybreak Defense Network là nửa còn lại của cấu trúc đó. Đây là chương trình đối tác của OpenAI nhằm đưa các mô hình an ninh mạng tiên phong vào sản phẩm và dịch vụ của các nhà cung cấp bảo mật đã được phê duyệt, thay vì trực tiếp vào tay khách hàng, kèm theo xác minh danh tính, kiểm thử trong phạm vi giới hạn, ghi log và giám sát của con người. Việc CodeRabbit tham gia chương trình này và dự định đưa các mô hình an ninh mạng chuyên dụng GPT của OpenAI vào CodeRabbit Secure là một tín hiệu có ý nghĩa hơn cả việc thay thế mô hình: nó cho thấy ngăn xếp đánh giá bảo mật đang được tách ra, với một mô hình suy luận tổng quát đảm nhận độ bao phủ rộng và các mô hình an ninh mạng được xây dựng có mục đích đảm nhận phần khó nhất.

Mô hình đáng để sao chép ngay cả khi bạn bỏ qua cả hai sản phẩm

Loại bỏ phần thương hiệu và những gì CodeRabbit công bố là một vòng lặp ba giai đoạn mà bất kỳ nhóm nào cũng có thể lắp ghép: cung cấp cho mô hình ngữ cảnh toàn kho mã bao gồm các phụ thuộc được liên kết, buộc các phát hiện bị nghi ngờ phải trải qua xác minh dựa trên thực thi trong một môi trường cô lập, và phát ra một diff có thể xem xét để con người hợp nhất. Mô hình là phần ít độc quyền nhất. Sandbox và cổng hợp nhất là thứ khiến đầu ra đáng tin cậy, và cả hai đều là những thứ bạn kiểm soát.

Đó cũng là cách rẻ nhất để quyết định xem ưu đãi miễn phí có đáng thời gian của bạn không. Lấy một repository có lỗ hổng đã biết mà bạn đã vá từ nhiều tháng trước, chạy quét và xem liệu nó có phát hiện ra vấn đề đó không, mất bao lâu và bạn thực sự sẽ xử lý bao nhiêu phần trong báo cáo. Nếu nó tìm ra trường hợp được cài sẵn và còn lại thì im lặng, thì 5.000 USD là đáng chi trước ngày 8 tháng 11. Nếu nó trả về một loạt kết quả không kết luận được, bạn đã học được điều đó với cái giá chỉ bằng một buổi chiều.

Với các đội tự xây dựng vòng lặp thay vì mua nó, lớp định tuyến là nơi chứa rủi ro vận hành. Chạy một mô hình chưa được chứng minh trên đường đánh giá trong môi trường sản xuất là một canh bạc, và chuyển đổi dự phòng tự động là cách bạn thực hiện canh bạc đó mà không làm mất đường ống khi nhà cung cấp bị suy giảm — yêu cầu sẽ được chuyển đến một mô hình dự phòng thay vì làm hỏng công việc. Cùng một điểm cuối phục vụ GPT-6.1 Sol và các mô hình mà bạn sẽ chuyển sang dự phòng, vì vậy việc so sánh chúng chỉ tốn một thay đổi tham số thay vì một hợp đồng thứ hai và một SDK thứ hai.

Làm gì với mười hai ngày tới

Ưu đãi này không phải là một đợt ra mắt mô hình và không nên được đánh giá như vậy. GPT-6.1 Sol đã có thể được gọi kể từ ngày 29 tháng 9 và các benchmark của nó đã được công khai kể từ đó; không có gì về năng lực của nó thay đổi trong tuần này. Điều đã thay đổi là một nhà cung cấp bảo mật có kênh phân phối doanh nghiệp đã công khai cam kết với nó, công bố quy trình xác minh xoay quanh nó và đặt ra thời hạn cứng cho quyền truy cập miễn phí.

Nếu bạn điều hành một nhóm có từ hai thành viên trở lên và có một cơ sở mã khiến bạn lo lắng, phép tính rất đơn giản: mức trần 5.000 USD, một quỹ ai đến trước được trước, và còn mười một ngày sau hôm nay. Hãy đặt lịch quét cho kho mã tệ nhất của bạn ngay bây giờ, cấy một lỗi đã biết nếu bạn muốn có đối chứng, và ghi lại những gì báo cáo làm sai cẩn thận như những gì nó làm đúng. Nếu bạn làm một mình, hoặc nếu mã của bạn đã được các trình quét bạn tin cậy bao phủ, câu trả lời trung thực là thông báo này thay đổi rất ít đối với bạn — mô hình đã có sẵn trước thông cáo báo chí, và nó sẽ vẫn có sẵn sau khi hết tín dụng.