
Chế độ Nền GPT-6.2 Astra: Giảm 40%, Thanh toán theo thời gian đồng hồ
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 185 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 214 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 112 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Con đường rẻ nhất của OpenAI đến GPT-6.2 Astra không làm thay đổi giá của mô hình. Nó thay đổi thời điểm bạn sẵn lòng nhận câu trả lời. Gửi cùng một yêu cầu qua Responses API với background được đặt thành true và background_options.completion_window được đặt thành 8h, và các token GPT-6.2 Astra vốn được niêm yết ở mức $8 cho đầu vào và $40 cho đầu ra mỗi triệu token sẽ được tính ở mức $4.80 và $24. Trên GPT-6.2 Sol, bảng giá $2 và $10 trở thành $1.40 và $7. Cùng trọng số, cùng khả năng suy luận, cùng cửa sổ ngữ cảnh. GPT-6.2 Sol, mô hình rẻ hơn trong cặp, nhận cách xử lý giống hệt: $1.40 và $7 trong cửa sổ tám giờ so với $2 và $10 ở Standard. Điều đã thay đổi là vị trí của bạn trong hàng đợi.
Thỏa thuận đó được triển khai vào ngày 17 tháng 11 năm 2026, trong cùng khung changelog với chính hai mô hình đó, và rất dễ bị hiểu nhầm là một đợt giảm giá. Nhưng không phải vậy. Giảm giá sẽ đi theo mô hình ở bất cứ đâu mô hình được gọi. Completion window chỉ là một cờ trên một endpoint, và mọi thuộc tính khiến nó có giá trị với bộ lập lịch của OpenAI đều là thuộc tính bạn phải chấp nhận: không streaming, không chia sẻ cache với lưu lượng thông thường, và ngân sách giới hạn tần suất mà giờ bạn phải chia sẻ với Batch API.
Lý do nó xứng đáng được nhiều hơn một dòng trong changelog là mức giảm giá sâu bất thường đối với một hạng vẫn giữ nguyên chất lượng mô hình đầy đủ. Batch đã giảm 50% trong nhiều năm, nhưng Batch chỉ nhận những yêu cầu mà bạn có thể gửi dưới dạng tệp rồi quên đi. Đây là mức giảm 40% cho một cuộc trò chuyện tác nhân trực tiếp, với các lượt theo sau và đầu ra của công cụ, miễn là cuộc trò chuyện có thể chấp nhận một hàng đợi. Đối với nhiều khối lượng công việc production, đó chính là sự khác biệt giữa một câu hỏi về khả năng chi trả và một câu hỏi về kiến trúc.
Cửa sổ là gì, theo thuật ngữ API
Bản thân chế độ nền không phải là mới: đó là cách API Responses chạy một yêu cầu dài theo cách bất đồng bộ. Bạn đặt background thành true, nhận ngay một ID phản hồi, và thu thập kết quả sau đó thông qua webhook trên response.completed hoặc bằng cách thăm dò endpoint retrieve trong khi trạng thái hiển thị là queued hoặc in_progress. Chế độ nền vốn luôn nhằm mục đích không giữ một kết nối mở cho một lượt chạy agent kéo dài hai mươi phút.
Phần mới là hàng đợi nền giờ đây có các bậc kèm theo giá. background_options.completion_window chấp nhận soonest, 2h hoặc 8h. Soonest là tùy chọn mặc định và không được giảm giá; đây là trường hợp "tạo báo cáo trong khi có người đang chờ". 2h thấp hơn 30% so với Standard và 8h thấp hơn 40%, và tài liệu nêu rõ rằng đồng hồ mục tiêu bắt đầu tính từ khi API chấp nhận yêu cầu ban đầu và áp dụng cho chính phản hồi đó.
“Hướng tới hoàn thành trong khung thời gian đã chọn” là cụm từ cần đọc hai lần. Đó là một mục tiêu lập lịch, không phải bảo đảm và cũng không phải độ trễ cố định, và lời khuyên của chính API là thời điểm bắt đầu phụ thuộc vào việc lập lịch. Một yêu cầu trong khung tám giờ không bị giữ lại tám giờ rồi mới chạy; nó chạy khi năng lực cho phép và, nếu hoàn thành trong bốn phút, bạn sẽ có nó trong bốn phút. Thứ bạn đã từ bỏ là quyền phàn nàn khi điều đó không xảy ra.
Thang bậc tính bằng đô la
Cả hai mô hình mà cửa sổ này bao gồm, được định giá theo từng bậc, trên mỗi triệu token, sử dụng mức giá Standard do OpenAI công bố làm cơ sở:
• GPT-6.2 Astra, Standard — đầu vào $8, đầu vào được lưu trong bộ nhớ đệm $0,40, đầu ra $40
• GPT-6.2 Astra, cửa sổ 2 giờ — $5.60 đầu vào, $0.28 đã cache, $28 đầu ra
• GPT-6.2 Astra, cửa sổ 8 giờ — đầu vào $4.80, bộ nhớ đệm $0.24, đầu ra $24
• GPT-6.2 Sol, Standard — $2 cho đầu vào, $0,10 cho đầu vào đã cache, $10 cho đầu ra
• GPT-6.2 Sol, cửa sổ 2 giờ — $1.60 đầu vào, $0.08 đã lưu đệm, $8 đầu ra
• GPT-6.2 Sol, cửa sổ 8 giờ — đầu vào $1.40, bộ nhớ đệm $0.06, đầu ra $7
• Để thấy rõ quy mô, cùng một mô hình ở mức nhanh nhất — chế độ Fast tăng gấp đôi mức giá Standard lên $16 và $80; Ultrafast bằng 3× Standard ở mức $24 và $120 đến hết ngày 28 tháng 2 năm 2027 và 6× ở mức $48 và $240 từ ngày 1 tháng 3 năm 2027

Đó là các mức giá token, và giá token không phải là chi phí của một tác vụ. Hóa đơn có trọng số của Artificial Analysis cho một tác vụ Intelligence Index đã hoàn thành trên GPT-6.2 Astra là $4.00 ở Standard, trên chỉ số v5.0.1 của nó được đo ở mức nỗ lực tối đa. Nếu chiết khấu theo khung giờ được áp dụng đồng đều cho các hạng mục trong hóa đơn đó, thì cùng tác vụ đó sẽ là $2.80 trong khung hai giờ và $2.40 trong khung tám giờ. Với mười nghìn tác vụ, đó là $28,000 và $24,000 thay vì $40,000.
Chữ “if” đó thực sự có tác dụng. Tài liệu của OpenAI mô tả khoản giảm giá áp dụng cho đơn giá token của mô hình trên mỗi yêu cầu đủ điều kiện, bao gồm cả các yêu cầu tiếp theo, và trang giá của họ lặp lại cùng cách diễn đạt đó. Không trang nào tách khoản giảm giá theo loại token, và hóa đơn token của mô hình này không chủ yếu là đầu vào thô: theo đo lường của Artificial Analysis, 1,19 USD trong 4,00 USD là đọc bộ nhớ đệm, 1,10 USD là ghi bộ nhớ đệm và chỉ 0,065 USD là đầu vào không qua bộ nhớ đệm, với 1,64 USD là đầu ra. Việc ghi bộ nhớ đệm được tính giá theo mức riêng — 10 USD mỗi triệu cho bộ nhớ đệm 30 phút và 20 USD cho bộ nhớ đệm 12 giờ — nên một khối lượng công việc chủ yếu là ghi các prompt lớn vào bộ nhớ đệm có thể không giảm đúng 40%. Hãy coi 40% là hình dạng của khoản giảm giá và tự đo hóa đơn của bạn thay vì giả định hệ số nhân.
Bốn điều kiện bạn thừa hưởng
Ưu đãi không khả dụng cho mọi yêu cầu, và các trường hợp loại trừ chính là nơi việc triển khai thường mắc lỗi.
• Chỉ xử lý Standard. Khung giờ được giảm giá yêu cầu service_tier được đặt thành default. Nếu bạn để nó ở auto, yêu cầu chỉ đủ điều kiện khi API tình cờ chọn Standard, nghĩa là khoản giảm giá của bạn trở thành một canh bạc mà bạn không thể thấy trước.
• Không hỗ trợ truyền phát. Tính năng truyền phát chỉ hoạt động với soonest. Đối với 2h và 8h, bạn phải bỏ stream hoặc đặt nó thành false, và bạn không thể truyền phát một phản hồi sau đó nếu nó không được tạo bằng tính năng truyền phát.
• Một giới hạn tốc độ dùng chung.Các yêu cầu trong cửa sổ hai giờ và tám giờ dùng chung giới hạn tốc độ Batch/Background với các job Batch API, và token đầu vào được tính tại thời điểm gửi. Một thử nghiệm gửi tài liệu một triệu token vào background tám giờ không chỉ chờ đợi; nó còn tiêu hao phần dung lượng dự phòng mà các job Batch của bạn đang sử dụng.
• Các lượt tiếp theo phải khớp. Một phiên chạy tác nhân là một chuỗi và ưu đãi chỉ được duy trì xuyên suốt chuỗi nếu mỗi lượt tiếp theo lặp lại cửa sổ, continuation_id, mô hình, dự án và cấu hình nền. Dùng lại continuation ID và lượt tiếp theo cũng sẽ đủ điều kiện được ưu tiên hàng đợi cao hơn. Thay đổi bất kỳ mục nào trong số đó và lượt tiếp theo sẽ là yêu cầu Standard.

Có một điều kiện thứ năm đang ẩn trong các quy tắc bộ nhớ đệm, và đó là điều kiện có đuôi dài nhất. Các yêu cầu tiêu chuẩn nằm ngoài những khung giờ được giảm giá không thể tái sử dụng các mục bộ nhớ đệm prompt do các yêu cầu chạy nền kéo dài hai giờ hoặc tám giờ tạo ra, ngay cả khi prompt giống hệt nhau, và chiều ngược lại cũng đúng. Nếu một nửa lưu lượng của bạn chạy trong một khung giờ và một nửa chạy theo yêu cầu, bạn đã âm thầm tách bộ nhớ đệm prompt của mình làm đôi và đang phải trả tiền để ghi cùng một tiền tố hai lần. Khoản giảm giá ở một bên của sự tách đó bị bù lại bằng một lần ghi bộ nhớ đệm ở bên kia, và mô hình có chi phí ghi bộ nhớ đệm $10 mỗi triệu chính là mô hình mà bạn tuyệt đối không nên tách.
Chi phí không có trên hóa đơn
Ưu đãi cho phép mua token bằng thời gian, và thời gian không bị giới hạn bởi cửa sổ. Hãy xét ví dụ mà chính tài liệu sử dụng: một lượt rà soát tài liệu qua đêm, gồm một yêu cầu tám giờ, một lệnh gọi công cụ và một lượt theo sau mang tài liệu đã truy xuất trở lại. Cả hai phản hồi đều đủ điều kiện hưởng mức 40%, và mục tiêu thời gian được khởi động lại cho phản hồi thứ hai. Trong trường hợp tốt nhất, toàn bộ quá trình hoàn tất trước bữa sáng. Trong trường hợp xấu nhất, mỗi phản hồi mất gần như toàn bộ mục tiêu thời gian của nó, khiến mức trần đầu-cuối rơi vào khoảng mười sáu giờ thay vì tám giờ.
Cách tính đó không mở rộng tốt cho các agent hoạt động lâu. Một quy trình mười hai lượt đưa mọi lượt qua cửa sổ tám giờ có mức trần là bốn ngày, còn lịch trình thực tế nằm đâu đó giữa trường hợp tốt nhất và mức trần đó, mà không có phân bố nào được công bố. Cách triển khai trung thực là quyết định theo từng quy trình, không phải theo từng lần gọi: một pipeline có đầu ra được dùng vào sáng hôm sau là lựa chọn phù hợp tự nhiên, còn một phiên tương tác thì không, bất kể nó tiết kiệm được bao nhiêu token. Cửa sổ là một đề nghị mua công suất rẻ, và các đề nghị mua sẽ được đáp ứng khi có công suất trống.
Lỗ hổng Flex mà không ai nhắc đến
Trước những cửa sổ này, cách để mua được ưu đãi giảm giá cho dòng mô hình này là service_tier: flex: thấp hơn 50% so với Standard, với mức ưu tiên thấp hơn. Flex vẫn tồn tại trên các mô hình cũ hơn — GPT-6 Astra được niêm yết ở mức $5 và $25 trong bảng Flex so với $10 và $50 ở Standard — nhưng hướng dẫn cơ bản của OpenAI nêu rõ rằng bắt đầu từ GPT-6.2 Astra và Sol, các mô hình mới sẽ ra mắt mà không có xử lý Flex, và rằng công việc chạy dài nên sử dụng cửa sổ hoàn thành được giảm giá với xử lý Standard thay thế.
Đọc hai con số cạnh nhau là thấy ngay hướng đi. Ở thế hệ trước, một người gọi kiên nhẫn có thể mua được mức giảm 50%. Ở thế hệ này, mức sâu nhất là 40%, và nó yêu cầu bạn định hình công việc như một tác vụ chạy nền. Bản thay thế không phải là một sự cải thiện trực tiếp so với lựa chọn cũ; nó là một lựa chọn hẹp hơn với mức giảm nhỏ hơn, và nó đi kèm với một dạng yêu cầu — bất đồng bộ, không truyền phát, một ID phản hồi duy nhất — mà không phải tích hợp nào cũng có thể áp dụng.
Batch vẫn đi sâu hơn, và là công cụ không phù hợp cho một nửa việc này
Batch API vẫn được giảm 50% với thời gian xử lý 24 giờ, và nếu chỉ xét về giá thì nó vượt qua mọi cửa sổ nền. Sự khác biệt mang tính cấu trúc chứ không phải về mức độ. Batch nhận một tệp JSONL gồm các yêu cầu độc lập và trả về một tệp kết quả; quy trình không có bộ nhớ giữa các dòng. Chế độ nền dành cho một phản hồi tại một thời điểm, với trạng thái hội thoại được chuyển tiếp qua previous_response_id và một chuỗi lệnh gọi công cụ mà ứng dụng phải thực thi xen giữa.
Vậy quyết định không phải là “cái nào rẻ hơn” mà là “khối lượng công việc của tôi có một phần ở giữa hay không”. Năm nghìn lệnh gọi phân loại độc lập thuộc về Batch và xưa nay vẫn vậy. Một lần chạy tác nhân đọc một tài liệu, gọi một hàm, rồi viết báo cáo thì hoàn toàn không thể biểu diễn dưới dạng batch — yêu cầu thứ hai của nó chưa tồn tại cho đến khi yêu cầu thứ nhất trả về. Đó chính là khoảng trống mà các cửa sổ lấp vào, và đó là một khoảng trống có thật: mức 40% là khoản giảm giá đầu tiên OpenAI đưa ra cho công việc có trạng thái, nhiều lượt.
Cước chú về lưu trữ kèm hệ quả tuân thủ
Chế độ nền lưu trữ tạm thời dữ liệu phản hồi ngay cả khi store là false hoặc dự án sử dụng Zero Data Retention, vì API cần dữ liệu để chạy yêu cầu và làm cho kết quả có thể truy xuất được. Dữ liệu được mã hóa khi lưu trữ cho mọi cửa sổ bao gồm soonest, và hướng dẫn là bạn nên tự lưu đầu vào gốc và toàn bộ đầu ra phản hồi trong khi vẫn có thể truy xuất. Không có thời gian tồn tại (time-to-live) được nêu cho lưu trữ tạm thời đó.
Đối với một nhóm đã chọn Zero Data Retention cho một khối lượng công việc chịu quản lý theo quy định, “được lưu tạm thời” là một câu cần được gửi tới người đã phê duyệt đánh giá xử lý dữ liệu, và cần được gửi trước khi công việc tám giờ đầu tiên được xếp vào hàng đợi chứ không phải sau đó. Khoản giảm giá không thay đổi tình trạng tuân thủ của endpoint; nó thay đổi khoảng thời gian một yêu cầu và đầu ra của yêu cầu đó nằm trong một trạng thái mà bạn không thể nhìn thấy.
Định tuyến bổ sung gì và không bổ sung gì ở đây
Một điều đáng nói cho chính xác, vì rất dễ hiểu sai khi có thông báo giảm giá: đây là một tính năng lập lịch, không phải giá niêm yết. OrcaRouter chuyển tiếp nguyên giá niêm yết của nhà cung cấp với mức phụ phí 0%, đó là lý do một đợt giảm giá thực sự từ OpenAI xuất hiện phía chúng tôi ngay trong cùng ngày — nhưng cửa sổ hoàn thành là một cờ trên endpoint riêng của OpenAI, và nó không đi kèm theo mô hình. Gọi GPT-6.2 Astra qua một router không tái tạo được mức 40%, và không router nào có thể, vì khoản giảm giá là do bộ lập lịch cấp.
Điều đó để lại hai thứ mà routing thực sự có lợi thế trong kiểu triển khai này. Thứ nhất là lựa chọn mô hình: trong bốn mô hình mà các cửa sổ bao phủ — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra và GPT-6 Luna — mức giá rẻ đã có sẵn trong danh mục của chúng tôi với GPT-6 Luna và GPT-6.1 Sol theo giá niêm yết, vì vậy quyết định phân tầng và quyết định nhà cung cấp nằm trên một khóa thay vì hai hợp đồng. Thứ hai là bảo vệ những cuộc gọi không thể chờ đợi. Một hệ thống đặt các công việc qua đêm của mình trong một cửa sổ tám giờ đã khiến đường đi nhạy cảm với độ trễ của nó trở nên quan trọng hơn chứ không phải ít hơn, và chuyển đổi dự phòng tự động trên đường đi đó chính là thứ ngăn một sự cố của một nhà cung cấp biến một cuộc gọi năm giây thành một lần ngừng dịch vụ. Hàng đợi và chuyển đổi dự phòng bổ trợ cho nhau: bạn dành sự kiên nhẫn ở nơi bạn có, để bạn có thể đủ khả năng để không kiên nhẫn ở mọi nơi khác.

Quy tắc ngón tay cái
Nếu một phản hồi được một người đang theo dõi tiêu thụ, thì không có gì ở đây áp dụng: hãy dùng sớm nhất, phát trực tuyến nó và trả theo Standard. Nếu một phản hồi được tiêu thụ bởi một tác vụ theo lịch, một báo cáo phải có trước cuộc họp buổi sáng, hoặc một pipeline mà giai đoạn tiếp theo chạy tối nay, thì cửa sổ tám giờ là mức giảm giá 40% cho token chất lượng đầy đủ và câu hỏi thực sự duy nhất là liệu tích hợp của bạn có thể hoạt động mà không cần phát trực tuyến và với một prompt cache bị tách hay không. Cửa sổ hai giờ ở mức 30% là khoảng giữa khó xử — đủ sâu để đáng thay đổi kiến trúc chỉ khi công việc thực sự bị giới hạn thời hạn trong hai giờ, mà hầu hết công việc dạng lô thì không phải vậy.
Con số cần để mắt tới không phải là tỷ lệ phần trăm chiết khấu mà là phần lưu lượng của bạn vốn đã phải chờ đợi. Những nhóm chạy agent qua đêm đang được giảm 40% trên một hóa đơn mà dù sao họ cũng sẽ phải trả. Những nhóm chạy chúng theo kiểu tương tác lại đang được chào một mức chiết khấu mà họ không thể dùng, trên một mô hình không còn bán gói Flex 50% vốn từng là phương án dự phòng của họ. Nhóm thứ hai đó nên đọc trang giá trước trang kiến trúc, bởi vì kể từ ngày 17 tháng 11, cách rẻ nhất để gọi GPT-6.2 Astra không còn là một gói bạn chọn mà đã trở thành một lịch trình bạn chấp nhận.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
