GPT-6.1 Sol vs Grok 4.8: Một trong những mô hình này tồn tại, và đó không phải là mô hình trong tiêu đề

Không có Grok 4.8 nào để so sánh với GPT-6.1 Sol. Tính đến ngày 5 tháng 11 năm 2026, SpaceXAI — công ty trước đây được biết đến với tên xAI — chưa công bố mã định danh mô hình, bảng giá, cửa sổ ngữ cảnh hay bảng điểm chuẩn nào cho Grok 4.8, và tài liệu dành cho nhà phát triển của công ty cũng không liệt kê gì dưới tên đó. Những gì tồn tại là một loạt phát ngôn của Elon Musk trên X, một thời hạn huấn luyện bị lỡ, và một tin đồn chỉ có một nguồn về các chuỗi chọn mô hình. Ngược lại, GPT-6.1 Sol đã được cung cấp rộng rãi từ ngày 29 tháng 9 năm 2026 và đã được đo trên cùng một bảng xếp hạng độc lập như mọi mô hình khác. Vì vậy, phiên bản hữu ích của phép so sánh này không phải là Sol so với một mô hình không tồn tại; mà là Sol so với thứ bạn sẽ chạy hôm nay để thay thế, cộng với một ước lượng trung thực về việc 4.8 sẽ phải làm gì để thay đổi câu trả lời.

Điều gì thực sự được xác nhận về Grok 4.8

Hồ sơ đủ ngắn để trình bày đầy đủ, và mọi mục đều bắt nguồn từ Musk chứ không phải từ tài liệu của SpaceXAI.

• 13–14 tháng 9 năm 2026 — Musk cho biết Grok 4.8 có khoảng 2,5 nghìn tỷ tham số, được huấn luyện trên một ngăn xếp phần mềm C++ xây dựng từ đầu và sẽ hoàn tất quá trình tiền huấn luyện “trong tuần này” trước khi diễn ra học tăng cường.

• Khoảng ngày 20 tháng 9 — cột mốc đó đã trôi qua mà không có xác nhận.

• 21 tháng 9 — SpaceXAI đã phát hành Grok 4.7 thay vào đó.

• 30 tháng 9 — một tracker duy nhất, không nêu tên, đã báo cáo các chuỗi grok-4.8-high, grok-4.8-high-fast và grok-4.8-xhigh-fast xuất hiện trong trình chọn model của SpaceXAI, cùng các bài kiểm tra router 500K và 256K. Không có commit hash, không có đường dẫn tệp, không có nguồn thứ hai. Đó là việc đấu nối nội bộ, không phải một buổi ra mắt.

• 30 tháng 10 — Musk cho biết quá trình phát triển đã kéo dài hơn dự kiến, rằng Grok 4.8 "sẽ không làm mọi người thất vọng", và rằng nhóm không tối ưu hóa để đạt điểm chuẩn.

Câu cuối cùng đó mới là câu quan trọng, và nó có tính hai mặt. Một phòng thí nghiệm không tối ưu hóa cho các benchmark vẫn có thể tung ra một sản phẩm tốt hơn — điểm benchmark chỉ là một đại diện thay thế, và Grok 4.7 là một mô hình lập trình thực sự tốt nhưng lại đạt điểm kém trên chỉ số. Nhưng điều đó cũng có nghĩa là khi Grok 4.8 xuất hiện, thứ đầu tiên bạn sẽ không có là một con số cho phép bạn so sánh nó với bất cứ thứ gì.

Người đóng thế, và quy mô khoảng cách mà nó phải lấp đầy

Grok 4.7 là mô hình bạn có thể gọi ngay hôm nay. Nó ra mắt vào ngày 21 tháng 9 năm 2026 với giá 2,00 USD mỗi triệu token đầu vào và 6,00 USD mỗi triệu token đầu ra, trong đó đầu vào được lưu trong bộ nhớ đệm có giá 0,50 USD và mọi mức giá đều tăng gấp đôi khi vượt quá 200.000 token đầu vào. Dưới đây là vị thế của nó so với GPT-6.1 Sol trên Artificial Analysis Intelligence Index v5.0.1, cả hai đều ở mức nỗ lực tối đa được công bố.

• Intelligence Index v5.0.1 — GPT-6.1 Sol 55 so với Grok 4.7 35, chênh lệch 20 điểm

• Chi phí cho mỗi tác vụ lập chỉ mục đã hoàn thành — Sol 1,27 USD so với Grok 7,77 USD

• Số token đầu ra trong lần chạy chỉ mục — Sol 63,7 triệu so với Grok 148 triệu

• Tốc độ đầu ra — Sol 56 token/giây so với Grok 72 token/giây

• Cửa sổ ngữ cảnh — Sol 1.050.000 so với Grok 500.000

• Đầu ra tối đa trong một phản hồi — Sol 128,000 so với Grok 450,000 được công bố

• Giá đầu vào / đầu ra trên 1M — Sol $2.00 / $10.00 so với Grok $2.00 / $6.00

• Đầu vào đã lưu trong bộ nhớ đệm — Sol $0.10 so với Grok $0.50

• Bước ngữ cảnh dài — Sol tính lại giá cho toàn bộ yêu cầu trên 272.000 token đầu vào ở mức 2× đầu vào và 1,5× đầu ra; Grok tăng gấp đôi mọi mức giá trên 200.000

• Trọng số — cả hai đều đóng

Sự đảo ngược giá chính là cái bẫy mà cặp này giăng ra. Giá đầu ra của Grok 4.7 rẻ hơn 40% và dòng cache của nó đắt hơn gấp năm lần, nên một phép so sánh bảng giá có thể bị dẫn dắt để nghiêng theo hướng nào cũng được, tùy vào dòng bạn đưa lên đầu. Phép đo giải quyết điều đó: Grok 4.7 tạo ra số token đầu ra gấp 2,3 lần Sol để hoàn thành cùng một chỉ mục và tốn chi phí gấp 6,1 lần cho mỗi tác vụ. Một token rẻ hơn mà bạn phải mua nhiều hơn không đồng nghĩa với một lần chạy rẻ hơn.

Nơi duy nhất Grok 4.7 thực sự giành chiến thắng

Tốc độ và giới hạn đầu ra. Ở 72 token mỗi giây so với 56 của Sol, Grok 4.7 nhanh hơn khoảng 29% khi sinh ở trạng thái ổn định, và phản hồi tối đa 450.000 token của nó gấp ba lần rưỡi mức 128.000 của Sol. Nếu khối lượng công việc của bạn là “lấy một bản ghi dài 400.000 token và tạo ra một sản phẩm có cấu trúc dài trong một lần gọi”, Grok 4.7 làm được còn Sol sẽ bị cắt ngắn. Đó là một khác biệt về năng lực thực sự, không phải là hiệu ứng phụ của benchmark, và đó là dòng duy nhất trong danh sách trên mà mô hình kém hơn 20 điểm lại là mô hình duy nhất có thể hoàn thành công việc.

Đối với mọi thứ còn lại — gọi công cụ, hỏi đáp tài liệu, luồng hỗ trợ nhiều bước — khoảng cách 20 điểm và khoảng cách chi phí 6,1× mô tả một mô hình không cùng đẳng cấp. Grok 4.7 là một mô hình nhanh, rẻ trên mỗi token, nhưng phần suy luận của nó tiêu tốn số token bất thường. Đó là một sản phẩm hợp lý cho công việc nhạy cảm với độ trễ và có đầu ra ngắn, nhưng là lựa chọn kém cho các vòng lặp tác tử suy luận dài.

Grok 4.8 sẽ phải làm gì

Hãy bắt đầu bằng phép tính, vì nó không hề nương tay. Để sánh ngang GPT-6.1 Sol trên chỉ số hiện tại, Grok 4.8 cần hơn Grok 4.7 20 điểm — một bước nhảy lớn hơn bất kỳ thế hệ SpaceXAI nào từng tạo ra trên bảng xếp hạng này. Để đồng thời sánh ngang chi phí mỗi tác vụ của Sol, nó cần suy luận trong khoảng 40% số token của Grok 4.7, vì mức tăng năng lực 20 điểm có được nhờ suy nghĩ nhiều hơn là tăng hóa đơn, chứ không phải tiết kiệm. Tuyên bố 2,5 nghìn tỷ tham số không phải bằng chứng cho cả hai điều đó. Số lượng tham số dự đoán chi phí huấn luyện, không phải hiệu quả token.

Sau đó hãy trừ đi những thứ Musk đã loại trừ. “Không tối ưu hóa cho các benchmark” nghĩa là các con số, khi có được, có thể được công bố muộn, công bố một phần, hoặc thậm chí không công bố, và rằng phép so sánh đáng tin cậy đầu tiên có thể đến từ một bên thứ ba vài tuần sau khi ra mắt. Điều đó cũng có nghĩa là mô hình có thể được tinh chỉnh cho một thứ mà chỉ số không đo lường — một chiến lược chính đáng và cũng khó để hoạch định việc chuyển đổi xoay quanh nó.

Kịch bản thực tế là Grok 4.8 sẽ đạt chỉ số này ở đâu đó trong khoảng 40-49, nhanh hơn Sol, được định giá quyết liệt và tốt hơn mức điểm số của nó gợi ý ở mảng lập trình. Điều đó sẽ khiến nó trở thành một lựa chọn thay thế đáng kể cho công việc tương tác và vẫn để Sol dẫn trước về chi phí cho mỗi tác vụ hoàn thành. Kịch bản phi thực tế — 4.8 vượt qua 55 và hạ giá dưới $1.27 — không phải là không thể, nhưng không có gì được công bố cho đến nay ủng hộ việc lập kế hoạch dựa trên đó.

Cái giá của việc chờ đợi, được đo bằng chính điều bạn thực sự sẽ làm

Giả sử bạn có một agent xử lý 50.000 yêu cầu mỗi tháng với 15.000 token đầu vào và 3.000 token đầu ra mỗi yêu cầu. Theo giá niêm yết của GPT-6.1 Sol, mỗi yêu cầu tốn $0,03 cho đầu vào và $0,03 cho đầu ra, tức khoảng $3.000 mỗi tháng. Với Grok 4.7 ở mức $2,00 và $6,00, con số là $0,03 và $0,018, tức khoảng $2.400. Bảng giá rẻ hơn giúp bạn tiết kiệm $600 mỗi tháng — và đó là trước khi số lượng token chênh lệch, mà theo chỉ số thì chúng chênh lệch theo hệ số 2,3.

Giờ hãy định giá khoản chờ đợi. Nếu Grok 4.8 ra mắt vào tháng 12 và bạn đã hoãn dự án vì nó, bạn chẳng trả gì và chẳng giao được gì. Nếu nó ra mắt vào tháng 3, bạn đã mất một quý. Giá trị kỳ vọng của việc chờ đợi một mô hình chưa được công bố, bị trượt hạn và không có ngày phát hành là âm đối với bất kỳ đội ngũ nào có lộ trình, đó là lý do tư thế đúng là xây dựng dựa trên những gì đang có và giữ chi phí chuyển đổi ở mức thấp.

Đó là lập luận thực tiễn cho một lớp định tuyến thay vì một mô hình gán cứng. GPT-6.1 Sol và Grok 4.7 đều nằm sau cùng một khóa ở đây với giá niêm yết của nhà cung cấp, không cộng thêm, nên việc thử Grok 4.7 trên lưu lượng của chính bạn là một thay đổi cấu hình và một phép so sánh, chứ không phải một quy trình mua sắm. Nếu Grok 4.8 ra mắt và hóa ra đúng như mọi điều Musk nói, việc chuyển một tỷ lệ lưu lượng sang nó chỉ là một quy tắc định tuyến; chuyển đổi dự phòng tự động nghĩa là một mô hình chưa được chứng minh có thể nằm sau một mô hình đã được chứng minh mà không trở thành điểm lỗi đơn lẻ ngay ngày đầu. Sai lầm tốn kém trong cặp này không phải là chọn sai mô hình — mà là xây dựng thứ khiến việc chọn lại trở nên tốn kém.

Vậy là: không, hiện chưa có gì để so sánh. Grok 4.8 là một mốc thời gian cứ xê dịch mãi, gắn với một con số tham số và lời hứa không chạy theo benchmark. GPT-6.1 Sol đạt 55 trên chỉ số với chi phí 1,27 USD mỗi tác vụ và đã có thể gọi được trong năm tuần. Quyết định trước mắt bạn là liệu tốc độ của Grok 4.7 và giới hạn đầu ra 450K có đáng để đánh đổi một khoảng cách năng lực 20 điểm hay không, và điều đó bạn có thể trả lời ngay chiều nay.