GPT-6.1 so với GPT-6.1 Sol: Một trong hai cái tên đó không phải là một mô hình

Tìm kiếm một cuộc so tài trực diện giữa G​PT-6.1 và G​PT-6.1 Sol và bạn sẽ thấy những trang so sánh hai thứ vốn không phải là hai thứ. Danh sách mô hình của O​penAI chỉ có một mục thuộc thế hệ 6.1, và định danh của nó là gpt-6.1-sol. Không có phiên bản anh em nào tên là gpt-6.1, không có biến thể base, không có mini, không có pro. "G​PT-6.1" là nhãn dán thế hệ trên hộp; G​PT-6.1 Sol mới là thứ nằm trong hộp. Phép so sánh thực sự khiến người ta tốn tiền là G​PT-6.1 Sol so với G​PT-6 Sol, hạng mà nó đã thay thế ba tuần trước đó — cùng mức giá niêm yết $2 và $10, giá cache khác, điểm chỉ số khác, và một thông báo ngừng hỗ trợ nằm trên phiên bản cũ hơn. Những lỗi AI và sự cố agent được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong Kho lưu trữ sự cố AI của OrcaRouter nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Vậy trang này làm hai việc. Nó giải quyết câu hỏi về cách đặt tên dựa trên bằng chứng, vì nếu làm sai sẽ tạo ra lỗi 404 trong nhật ký của bạn chứ không phải một câu trả lời tệ hơn. Sau đó, nó thực hiện phép so sánh mà tên gọi ngụ ý nhưng danh mục không hỗ trợ, vì đó chính là quyết định mà bất kỳ ai đã gõ truy vấn đầu tiên đang phải đối mặt.

Điều gì xảy ra khi bạn gửi sai chuỗi?

Không có gì êm ái. Một yêu cầu nêu tên một mô hình mà API không liệt kê sẽ thất bại ở lớp định tuyến, trước khi bất kỳ token nào bị tính phí, và lỗi là model-not-found thay vì dự phòng sang kết quả khớp gần nhất. Trên API riêng của OpenAI thì đó là dấu chấm hết. Trên một router, kiểu thất bại ít nhất là hiển thị rõ: danh mục của OrcaRouter có openai/gpt-6.1-sol và không có openai/gpt-6.1 trơn, nên một lỗi đánh máy hiện ra thành tuyến bị thiếu thay vì âm thầm rơi vào một hạng khác và tạo ra câu trả lời với mức giá khác.

Sự phân biệt đó quan trọng hơn vẻ ngoài của nó. Hai phiên bản phổ biến nhất của lỗi này là một định danh bị cắt cụt và một định danh có khoảng trắng — gpt-6.1 trong khi đáng lẽ phải là gpt-6.1-sol, hoặc G​PT 6.1 Sol được dán từ thông cáo báo chí vào một giá trị cấu hình. Cái đầu tiên là lỗi 404; cái thứ hai là lỗi 404 mà nếu chỉ lướt qua thì trông giống như vấn đề quyền truy cập. Cả hai đều rẻ khi sửa và đắt khi chẩn đoán vào lúc 2 giờ sáng, và đó chính là toàn bộ lý do nên cố định chuỗi mô hình trong một tệp cấu hình duy nhất và không bao giờ đặt trong mã ứng dụng.

• Định danh chính xác — gpt-6.1-sol trên API của nhà cung cấp, openai/gpt-6.1-sol trên OrcaRouter

• Nhãn thế hệ, không phải mã định danh — "G​PT-6.1", xuất hiện trong tài liệu và tiếp thị nhưng không phân giải thành gì cả

• Điều mà nhãn ngụ ý nhưng danh sách thì không — một họ các cấp, trong đó chỉ có đúng một cấp tồn tại

Vì sao bản làm mới 6.1 lại có đúng một thành viên

OpenAI đã tung ra thế hệ GPT-6 theo ba đợt và làm mới một nấc trong đó. GPT-6 Astra xuất hiện ngày 3 tháng 9 năm 2026 ở vị trí cao nhất trên thang. GPT-6 Sol và GPT-6 Luna xuất hiện ngày 22 tháng 9 với vai trò tầng trung cấp và tầng phổ thông. Sau đó, vào ngày 29 tháng 9, bản làm mới 6.1 chỉ đến với nấc Sol — GPT-6.1 Sol, được định vị cho lập trình phức tạp và công việc chuyên nghiệp, với cửa sổ ngữ cảnh 1.050.000 token và giá đầu vào được lưu trong bộ nhớ đệm giảm từ 0,20 USD xuống 0,10 USD mỗi triệu token.

Astra và Luna không được phát hành lại. Đó là lý do vì sao “G​PT-6.1 vs G​PT-6.1 Sol” trông giống như màn đối đầu giữa một dòng sản phẩm và một thành viên: ở một thế hệ, lần này, chúng là cùng một bộ. Nếu bạn đang tìm người anh em 6.1 rẻ hơn để định tuyến công việc khối lượng lớn sang, thì không có — bậc khối lượng lớn vẫn là G​PT-6 Luna, vẫn dùng cách đánh số 6.0, vẫn là $0.10 và $0.50 mỗi triệu token.

Cách đặt tên không phải tùy tiện, và đó là phần đáng để ghi nhớ. Số thế hệ trên tên model đánh dấu một lần làm mới của chính bậc đó, chứ không phải một dòng sản phẩm mới. Khi nhà cung cấp làm mới một hạng, nhãn thế hệ trong chốc lát mô tả một tập hợp chỉ có một phần tử — và mọi bài viết, tệp cấu hình và tài liệu mua sắm chỉ dựa vào nhãn đó sẽ có mô hình tư duy sai. Hãy đọc danh sách model, không phải tiêu đề thông báo.

G​PT-6.1 Sol so với hạng mà nó đã thay thế

Cuộc so sánh mà mọi người thực sự cần, dựa trên những con số mà mỗi nguồn công bố. Thông số kỹ thuật của nhà cung cấp từ tài liệu dành cho nhà phát triển của OpenAI; điểm chỉ số và thời gian từ Artificial Analysis, đọc ngày 21 tháng 10 năm 2026, trên chỉ số v4.3.2.

• Giá — như nhau: GPT-6.1 Sol $2.00 vào / $10.00 ra mỗi triệu; GPT-6 Sol $2.00 vào / $10.00 ra

• Đầu vào được lưu trong bộ nhớ đệm — G​PT-6.1 Sol 0,10 USD mỗi triệu; G​PT-6 Sol 0,20 USD mỗi triệu

• Ngữ cảnh — G​PT-6.1 Sol 1,050,000 token; G​PT-6 Sol 1,050,000 token

• Chỉ số trí tuệ — G​PT-6.1 Sol 52; G​PT-6 Sol 48, chênh lệch bốn điểm ở cùng mức giá niêm yết

• Chi phí mỗi tác vụ lập chỉ mục — GPT-6.1 Sol $0,72; GPT-6 Sol $1,04

• Tốc độ đầu ra — G​PT-6.1 Sol 55,2 token mỗi giây; G​PT-6 Sol là mô hình chậm hơn trong hai mô hình trên cùng bo mạch

• Kinh tế prompt dài — G​PT-6.1 Sol trên 272.000 token đầu vào: đầu vào và bộ nhớ đệm ở mức 2×, đầu ra ở mức 1,5× ($15 mỗi triệu)

• Trạng thái — G​PT-6.1 Sol là bản hiện hành; G​PT-6 Sol được đánh dấu là không dùng nữa, thay bằng bản này

Hai trong số những dòng đó là căn cứ để đưa ra quyết định. Khoảng cách bốn điểm chỉ số ở mức giá niêm yết không đổi có nghĩa là bản thay thế tốt hơn hẳn về chất lượng trên mỗi đô la, điều này không thường thấy và đó là lý do bậc cũ bị ngừng cung cấp thay vì được giảm giá. Và mức giá đọc bộ nhớ đệm giảm một nửa còn có hiệu ứng cộng dồn: với một agent gửi lại một system prompt dài hoặc một tài liệu lớn ở mỗi lượt, đầu vào đã lưu trong bộ nhớ đệm chiếm phần lớn hóa đơn, và 0,10 đô la so với 0,20 đô la sẽ cắt giảm một nửa khoản mục chi phí chiếm phần lớn nhất. Terminal X, trong câu chuyện khách hàng mà OpenAI công bố ngày 20 tháng 10, báo cáo chi phí mỗi truy vấn thấp hơn khoảng 30% trong công việc đánh giá ngữ cảnh dài của mình so với mô hình tốt thứ hai mà họ đã thử nghiệm — một con số do nhà cung cấp và khách hàng tự báo cáo, không phải con số độc lập, nhưng nhất quán về xu hướng với bảng giá.

Các tham số làm thay đổi câu trả lời

Các chuỗi model giống hệt nhau có thể tạo ra hóa đơn rất khác nhau, và thông số kỹ thuật 6.1 Sol có ba cài đặt làm thay đổi con số nhiều hơn cả việc lựa chọn gói.

• Mức nỗ lực suy luận — thấp, trung bình, cao, xhigh, tối đa. Điểm chỉ số 52 được đo ở mức nỗ lực tối đa. Công việc cấp bản nháp ở mức nỗ lực thấp rẻ hơn và nhanh hơn và sẽ không đạt được điểm đó; không có và tối thiểu đều bị loại thẳng.

• Bậc lời nhắc dài — trên 272.000 token đầu vào, chi phí đầu vào và đầu vào được lưu trong bộ nhớ đệm là 2×, còn đầu ra là 1,5×. Cửa sổ 1M token không phải là ngân sách 1M token; 700.000 token cuối cùng có giá gấp đôi.

• Độ trễ ở mức nỗ lực tối đa — thời gian đến token đầu tiên là 248 giây trên bảng Artificial Analysis, so với trung vị của đối thủ so sánh là 3,69 giây. Phù hợp cho đánh giá theo lô, nhưng là thảm họa đối với giao diện trò chuyện.

• Bậc dịch vụ — tiêu chuẩn, Fast ở mức 2×, Batch và Flex thấp hơn 50%, Ultrafast ở mức 6×. Batch cộng với 6.1 Sol thường rẻ hơn gói tiêu chuẩn cộng với một mô hình nhỏ hơn cho các lượt chạy qua đêm.

Thiết lập effort là nơi chứa hầu hết những bất ngờ khi chuyển đổi. Các nhóm chuyển từ G​PT-6 Sol ở mức effort cao sang G​PT-6.1 Sol ở mức max vì điểm số công bố là điểm ở mức effort max, rồi phát hiện rằng thông lượng đánh giá sụt giảm và chi phí trên mỗi mục tăng lên. So sánh công bằng là dùng cùng bậc effort trên cả hai mô hình, và mặc định trung thực cho lượt đầu tiên là mức effort mà khối lượng công việc vốn đã đang dùng.

Một bài kiểm tra migration bạn có thể chạy trong một buổi chiều

Chọn 100 đến 200 mục đại diện từ lưu lượng truy cập của chính bạn, chạy chúng qua G​PT-6 Sol và G​PT-6.1 Sol với mức nỗ lực tương đương, rồi chấm điểm theo bất cứ thứ gì nhóm của bạn đã dùng — một rubric, một bộ vàng, hay một người đánh giá.

Cả hai mô hình đều nằm trên cùng một không gian tên tuyến trên OrcaRouter với giá niêm yết của nhà cung cấp, không có phụ phí, vì vậy mỗi lần chạy chỉ tốn đúng theo bảng giá và không gì khác, còn việc chuyển đổi giữa chúng chỉ là thay đổi một chuỗi thay vì phải có thêm hợp đồng thứ hai và hóa đơn thứ hai.

Ba điều cần đo mà các con số công khai không thể cho bạn biết. Tỷ lệ trúng bộ nhớ đệm trên cấu trúc prompt thực tế của bạn — mức giá bộ nhớ đệm giảm một nửa chỉ có lợi nếu bạn thực sự trúng nó. Ngưỡng 272.000 token nằm trên hay dưới ngữ cảnh điển hình của bạn, vì một khối lượng công việc nằm ngay dưới ngưỡng đó hành xử hoàn toàn khác với một khối lượng nằm ngay trên. Và độ trễ ở bậc nỗ lực mà bạn định triển khai, không phải bậc bạn đã đo điểm chuẩn.

Đối với một luồng production, lý do để chuyển ngay bây giờ thay vì để sau là thông báo ngừng hỗ trợ, chứ không phải bốn điểm chỉ số. Hãy chạy cả hai song song phía sau DSL định tuyến, để tầng mới nhận một phần lưu lượng trực tiếp, và dùng chuyển đổi dự phòng tự động để gửi yêu cầu trở lại mô hình cũ nếu mô hình mới hoạt động không đúng. Điều đó biến một lần chuyển đổi rủi ro thành một thử nghiệm bạn có thể theo dõi — đúng hình thức cho bất kỳ cuộc di chuyển nào mà định danh mô hình đã thay đổi còn giá thì không.

Khi việc so sánh không còn hữu ích

Có hai giới hạn đáng nói thẳng. Thứ nhất, điểm chỉ số ở mức nỗ lực tối đa không phải là thước đo thay thế cho khối lượng công việc của bạn; khoảng cách bốn điểm trên mười lượt đánh giá không nói lên điều gì về việc mô hình có bắt được đúng những lỗi cụ thể mà người đánh giá của bạn bắt được hay không. Thứ hai, G​PT-6.1 Sol không tự động là bản nâng cấp phù hợp cho mọi bậc — nếu công việc là trích xuất, phân loại hoặc bất cứ thứ gì có số lượng lệnh gọi cao và ngữ cảnh ngắn, thì G​PT-6 Luna với mức $0.10 và $0.50 chỉ bằng một phần năm giá đầu vào và tốc độ đầu ra nhanh hơn gấp đôi, còn khoảng cách chỉ số thì không liên quan đến tác vụ.

Bản tóm tắt hữu ích là bản nhàm chán. Không có G​PT-6.1 để so sánh với G​PT-6.1 Sol, vì thế hệ và mô hình là cùng một đối tượng. Phép so sánh tồn tại là G​PT-6.1 Sol với G​PT-6 Sol, trong đó giá không đổi, chất lượng có thay đổi, và dòng đầu vào được lưu đệm giảm một nửa. Đó là lý do đủ tốt để chạy thử nghiệm — và chưa đủ tốt để bỏ qua nó.