GPT-6 Luna đang trở thành mặc định: Mười xu mỗi triệu thực sự mua được gì

Điều hệ trọng nhất xảy đến với GPT-6 Luna trong tuần đầu tiên của nó không phải là đợt giảm giá. Mà là một merge commit. Trong vòng một ngày sau khi nhà cung cấp phát hành GPT-6 Luna vào ngày 22 tháng 9 năm 2026, một nền tảng agent mã nguồn mở đã đưa ra một thay đổi biến nó thành mô hình dự phòng cho mọi tổ chức chưa tự chọn mặc định cho riêng mình — soán ngôi GPT-5.6 Terra, vốn là một tầng lớn hơn và đắt đỏ hơn đáng kể. Lý do được đưa ra là số học: ở mức $0.10 và $0.50 mỗi triệu token, GPT-6 Luna chỉ tốn bằng một phần hai mươi giá đầu vào của GPT-5.6 Terra và một phần hai mươi tư giá đầu ra của nó. Đó là một tín hiệu thật, và nó cũng chỉ là một nửa câu chuyện. GPT-6 Luna có giá $0.10 mỗi triệu token đầu vào và $0.50 mỗi triệu token đầu ra, so với $2.00 và $10.00 của GPT-6 Sol, tầng ngay trên nó, và $10.00 cùng $50.00 cho mô hình hàng đầu GPT-6 Astra. Mô hình mà nó thay thế ở vị trí mặc định đó, GPT-5.6 Luna, vẫn tốn $0.20 và $1.20 — gấp đôi giá đầu vào và hơn gấp đôi giá đầu ra. Mười xu một triệu là đủ rẻ để quyết định không còn xoay quanh giá nữa mà bắt đầu xoay quanh việc mô hình thực sự hoàn thành được những gì.

Vậy nên đây không phải là bài giải thích về màn ra mắt, cũng không phải là bài đăng về việc giảm giá — chúng tôi đã viết cả hai, và bảng giá thì đã chốt. Đây là một nỗ lực trả lời câu hỏi mà hoạt động tiếp thị ở phân khúc giá rẻ bỏ qua: nếu một mô hình trở thành lựa chọn mặc định của bạn, nó sẽ làm gì với công việc vốn từng được giao cho một thứ gì đó lớn hơn? Bằng chứng cho điều đó đến từ ba nguồn, và chúng không đồng nhất với nhau. Các benchmark của chính OpenAI là bộ số tâng bốc nhất và cũng khó tái lập nhất. Artificial Analysis đã công bố một chỉ số độc lập trong cùng tuần, và nó hữu ích hơn vì định giá các tác vụ đã hoàn thành thay vì token. Và một số ít người hiện đã chạy mô hình này trên hạ tầng thực tế, nơi những thất bại thú vị nằm ở đó. Khi một con số do nhà cung cấp tự báo cáo, câu mang con số đó sẽ nói rõ như vậy.

Những gì thực sự đã được phát hành

GPT-6 Luna là hạng nhỏ trong dòng thế hệ thứ sáu, nằm dưới GPT-6 Sol và thấp hơn nhiều so với mẫu hàng đầu GPT-6 Astra. Tài liệu mô hình của chính OpenAI, được đọc trong tuần này, đưa ra phạm vi:

• ID mô hình — gpt-6-luna, một bản snapshot duy nhất, không có biến thể gắn ngày. Không có mục gpt-6-luna-pro nào trong danh sách mô hình; chuỗi pro đang lan truyền trên các danh mục của bên thứ ba thực chất là một giá trị chế độ suy luận, không phải một mô hình.

• Ngữ cảnh và giới hạn — cửa sổ 1.050.000 token, tối đa 922.000 token đầu vào, giới hạn đầu ra 128.000 token và ngày cắt kiến thức 18 tháng 5, 2026. Đầu vào văn bản và hình ảnh, đầu ra văn bản.

• Giá — 0,10 USD mỗi triệu token đầu vào, 0,01 USD mỗi triệu token đầu vào được lưu trong bộ nhớ đệm, 0,125 USD mỗi triệu thao tác ghi vào bộ nhớ đệm, 0,50 USD mỗi triệu token đầu ra. OpenAI đã mô tả đây là mức giá vĩnh viễn chứ không phải giá giới thiệu.

• Bậc ngữ cảnh dài — các yêu cầu trên 272.000 token đầu vào được tính lại giá ở mức gấp đôi giá đầu vào và cache, cùng gấp 1,5× giá đầu ra, áp dụng cho toàn bộ yêu cầu thay vì chỉ phần vượt mức. Đó là sai lầm tốn kém nhất có thể mắc phải trên mô hình này, vì nó được kích hoạt bởi tổng kích thước yêu cầu, chứ không phải bởi lượng bạn thực sự dùng.

• Các bậc dịch vụ — Batch và Flex chạy ở mức một nửa giá tiêu chuẩn; chế độ Fast tăng gấp đôi mức đó. Do đó, công việc hàng loạt không đồng bộ lại có giá bằng một nửa, và bảng giá có bốn mức giá hiệu dụng khác nhau tùy theo cách bạn gửi yêu cầu.

• Effort — sáu giá trị: none, low, medium, high, xhigh và max, với medium là giá trị mặc định được ghi trong tài liệu. Effort được đặt theo từng yêu cầu, chứ không phải là thuộc tính của triển khai.

• Endpoints — Responses, Chat Completions và Batch. Chat Completions chỉ xử lý function calling khi reasoning effort được đặt thành none; các công cụ tích hợp sẵn và function calling nói chung yêu cầu API Responses, vốn hỗ trợ web search, file search, image generation, code interpreter, hosted shell, apply_patch, skills, computer use, MCP và tool search.

Câu cuối cùng đó quan trọng hơn vẻ ngoài của nó. Nếu tự động hóa của bạn dùng các công cụ, bạn đang ở trên Responses API, và nút điều chỉnh effort của bạn gắn chặt với lựa chọn endpoint của bạn. Một nhóm đặt effort ở mức thấp để tiết kiệm tiền và kỳ vọng function calling tiếp tục hoạt động trên Chat Completions đã xây dựng một pipeline sẽ thất bại ngay ở lần gọi công cụ đầu tiên.

Con số quyết định là chi phí cho mỗi tác vụ hoàn thành, không phải chi phí cho mỗi token

Artificial Analysis đã công bố đánh giá độc lập của mình trong vòng vài giờ sau khi ra mắt, và con số đáng chú ý này gây khó chịu cho bất kỳ ai cho rằng token rẻ hơn nghĩa là một công việc rẻ hơn. Trên Intelligence Index của mình, GPT-6 Luna tốn khoảng 0,07 USD mỗi tác vụ ở mức nỗ lực tối đa, so với khoảng 0,18 USD của GPT-5.6 Luna ở cùng mức nỗ lực — mức giảm khoảng 60%, đến từ việc giảm giá chứ không phải do mô hình làm ít việc hơn. Điểm chỉ số của nó thì ngang bằng với mô hình mà nó thay thế. Để so sánh, GPT-6 Sol tốn khoảng 1,06 USD cho mỗi tác vụ chỉ số, so với 1,99 USD của GPT-5.6 Sol.

Đọc ba con số đó cùng nhau và hình dạng của dòng sản phẩm trở nên rõ ràng. Sol có chi phí mỗi tác vụ vào khoảng gấp mười lăm lần Luna để đổi lấy điểm số cao hơn đáng kể. Luna không phải là bản hạ cấp của Sol; nó là một công cụ khác, và con số mỗi tác vụ chính là thứ cho bạn biết mình đang cầm công cụ nào.

Phần khó chịu là chuyện đã xảy ra với agent lập trình. Trên Coding Agent Index của Artificial Analysis, GPT-6 Luna đạt 41 điểm ở mức nỗ lực tối đa — giảm hai điểm so với mức 43 của GPT-5.6 Luna — trong khi GPT-6 Sol đi theo hướng ngược lại, tăng hai điểm lên 57 với chi phí 2,99 đô la mỗi tác vụ. Vậy nên việc thay thế thế hệ trong phân khúc giá rẻ là một bước thoái bộ nhỏ về lập trình agentic, chứ không phải cải thiện, ngay cả khi giá giảm. Bất cứ ai đọc “thế hệ mới” thành “tốt hơn hẳn” sẽ bất ngờ với cột đó.

Sự dài dòng là khoản mục ẩn

Có một con số thứ hai trong cùng bài đánh giá giải thích phần lớn con số đầu tiên. Trong lần chạy Intelligence Index, GPT-6 Luna tạo ra khoảng 51.000 token đầu ra mỗi tác vụ, so với khoảng 41.000 của GPT-5.6 Luna. Mô hình mới hơn, rẻ hơn dài dòng hơn khoảng một phần tư để đạt được điểm số tương đương. Khoản tiết kiệm đến từ việc giảm giá, chứ không phải từ việc mô hình trở nên hiệu quả hơn trên mỗi đơn vị công việc.

Điều đó quan trọng vì hai lý do. Với mức 0,50 USD mỗi triệu token đầu ra, thêm 10.000 token đầu ra cho mỗi tác vụ tốn nửa xu. Nhân con số đó lên một trăm nghìn tác vụ mỗi ngày thì phần tăng thêm là một tỷ token, tức 500 USD mỗi ngày — trên một mô hình có mức giá niêm yết chỉ 10 xu mỗi triệu token đầu vào. Và tính dài dòng kết hợp không tốt với giới hạn đầu ra 128.000 token: một mô hình suy nghĩ lâu hơn và viết dài hơn sẽ chạm trần đó sớm hơn, khiến vấn đề chi phí trở thành vấn đề cắt ngắn.

Giải pháp giảm thiểu nằm ở việc dùng cache có kỷ luật, và dòng mô hình này thực sự có một cách làm tốt. Đọc đầu vào được cache ở mức $0,01 mỗi triệu chỉ bằng một phần mười mức giá không cache, và OpenAI đã thay đổi các quy tắc vô hiệu hóa để việc điều chỉnh nỗ lực suy luận hoặc tính khả dụng của công cụ không còn loại bỏ ngữ cảnh đã cache. Với một khối lượng công việc có tiền tố dài ổn định — một schema, một system prompt, một tài liệu mà bạn đặt sáu câu hỏi về nó — mức giá đầu vào hiệu dụng gần một xu hơn là mười xu, và khoảng cách đó còn lớn hơn mức cắt giảm được nêu trên tiêu đề. Đó cũng là sự khác biệt giữa việc hạng giá rẻ thực sự rẻ và việc nó chỉ rẻ hơn mà thôi.

Nơi gói rẻ thụt lùi, và nơi nó không thụt lùi

Cùng một đánh giá độc lập tách các hồi quy khỏi nhiễu, và sự phân biệt đó là điều hữu ích nhất trong đó. GPT-6 Luna mất khoảng 75 Elo so với phiên bản tiền nhiệm trên GDPval-AA v2.1, và khoảng 45 Elo trên AA-Briefcase v1.1. Artificial Analysis cho rằng cả hai đều do chất lượng trình bày thấp hơn và các sản phẩm bàn giao bỏ qua những yếu tố rubric bắt buộc, chứ không phải do lỗi về dữ kiện hay lập luận. Tỷ lệ ảo giác của nó cải thiện rõ rệt, từ khoảng 93% xuống 77%, và Chỉ số AA-Omniscience của nó chuyển từ −10 lên 1. Trên AutomationBench-AA, nó tăng, 53% so với 50%; trên Terminal-Bench 4.0, nó tăng nhẹ, 13% so với 12%.

Sự phân chia đó chính là toàn bộ quyết định. Mô hình không làm tác vụ tệ đi; nó trở nên tệ hơn ở việc trao cho bạn thành phẩm hoàn chỉnh. Nếu bạn dùng đầu ra có cấu trúc — một phân loại, một trích xuất, một quyết định định tuyến, một payload JSON — thì sự suy giảm đó không khiến bạn tốn gì, và việc giảm giá là tiền miễn phí. Nếu con người đọc sản phẩm bàn giao, sự suy giảm đó khiến bạn tốn một người đánh giá, và thời gian của người đánh giá đó có lẽ đắt hơn số token bạn tiết kiệm được.

Những tuyên bố chưa được tái lập của chính OpenAI nằm ở đầu bên kia của phổ: rằng ở mức nỗ lực cao, GPT-6 Luna cải thiện so với bản tiền nhiệm 5,4 điểm phần trăm với chi phí mỗi tác vụ thấp hơn 58%; rằng ở mức nỗ lực tối đa, nó đạt 66,6% trên DeepSWE 1.1, thứ mà OpenAI so sánh với Claude Opus 5 ở mức nỗ lực trung bình với chi phí tác vụ chỉ bằng một phần nhỏ; và rằng trên OSWorld 2.0, nó vượt GPT-5.6 Sol ở mức nỗ lực trung bình với chi phí chỉ khoảng một phần mười. Đó là những so sánh bằng harness của nhà cung cấp ở các thiết lập nỗ lực do nhà cung cấp chọn, và điều duy nhất đáng rút ra từ chúng mang tính định hướng — phân khúc rẻ giờ đã tiệm cận phân khúc trung cấp của năm ngoái. Các tỷ lệ phần trăm theo từng tác vụ thì đáng bỏ qua, vì harness không giống nhau ở cả hai phía.

Ngưỡng nỗ lực tối thiểu là điểm mà điều này trở nên thực tế. Hướng dẫn đã công bố là trước tiên hãy thử mức none hoặc low cho việc trích xuất và định tuyến đơn giản, và chỉ nâng mức nỗ lực khi chất lượng đo được biện minh cho điều đó. Một bài viết thực hành từ tuần ra mắt cho thấy rằng ở mức nỗ lực thấp, GPT-6 Luna hoàn toàn không dùng được cho công việc agentic, điều này đặt ngưỡng thực tế của nó ở mức medium cho bất kỳ việc gì gồm nhiều bước. Một phát hiện thứ hai từ cùng kiểu thử nghiệm đó còn sắc bén hơn: trong một bài tập triển khai, các manifest Kubernetes của mô hình đã vượt qua kiểm tra schema rồi sau đó thất bại cả ba lần khi chạy trên một cluster thật, bởi vì trình kiểm tra chỉ xét hình dạng chứ không xét hành vi. Nếu cấu hình được tạo ra được phát hành mà không có bước kiểm tra thực thi trong vòng lặp, bậc rẻ sẽ mang đến cho bạn những thất bại trông cứ như là đã đạt.

Câu hỏi mặc định, và lý do định tuyến là câu trả lời cho nó

Nền tảng đã biến GPT-6 Luna thành mô hình dự phòng của mình đánh giá thay đổi này ở mức rủi ro trung bình, và ghi chú kèm theo chính là phiên bản trung thực của toàn bộ bài viết: mọi tổ chức không có mặc định riêng sẽ chuyển sang Luna, vốn rẻ hơn nhưng là tầng nhỏ hơn Terra, nên chất lượng với tác vụ khó có thể dao động. Đó chính xác là sự đánh đổi. Một mặc định là một cá cược rằng phần lớn lưu lượng là dễ, và với phần lớn tổ chức, cá cược đó là đúng — đó là lý do thay đổi này được triển khai. Rủi ro nằm ở thiểu số yêu cầu không như vậy.

Cách để đặt cược đó mà không phải gánh chịu mặt trái của nó là ngừng coi mặc định là một mô hình duy nhất. GPT-6 Luna có thể được định tuyến qua OrcaRouter ở mức giá niêm yết với không có phụ phí cộng thêm, nghĩa là mức giá thường trực của nhà cung cấp chính là mức giá bạn thấy ở đây, và một đợt giảm giá trong tương lai sẽ được áp dụng ngay trong cùng ngày thay vì phải chờ đến kỳ gia hạn hợp đồng tiếp theo. Trên trang mô hình của riêng chúng tôi trong tuần này, nó đang đạt 74,3 token đầu ra mỗi giây với tỷ lệ lỗi 0% trên toàn bộ lưu lượng mà chúng tôi phục vụ. Cả hai bậc ngữ cảnh đều được giữ nguyên như đã công bố: 0,10 đô-la cho đầu vào và 0,50 đô-la cho đầu ra dưới 272.000 token đầu vào, tăng lên 0,20 đô-la và 0,75 đô-la khi vượt ngưỡng đó.

Điều đó mang lại là một mặc định có thể leo thang. routing DSL cho phép bạn gửi phần lớn lưu lượng đến GPT-6 Luna ở mức nỗ lực trung bình và chuyển hướng khi thỏa một điều kiện — độ dài đầu vào vượt mốc 272K, nhu cầu gọi công cụ, một lớp tác vụ mà lỗi hồi quy nhạy cảm với rubric thực sự tác động tới — sang GPT-6 Sol hoặc, với những công việc dài hạn, sang GPT-6 Astra chủ lực, trên cùng một key, không cần hợp đồng thứ hai và không cần thay đổi mã nguồn. Đó là một dạng quyết định khác hẳn so với việc chọn một mô hình rồi sống chung với nó. Bạn có được tầng mười xu ở nơi bằng chứng cho thấy nó trụ được, và tầng hai đô hay mười đô ở nơi nó không trụ được, và ranh giới chính là một quy tắc do bạn viết ra chứ không phải một niềm hy vọng. Chuyển đổi dự phòng tự động bao trùm chế độ hỏng hóc còn lại, đó là khi nhà cung cấp thượng nguồn của tầng rẻ gặp một buổi chiều tồi tệ đúng lúc tự động hóa của bạn đang chạy dở.

Ai nên di chuyển, và ai nên chờ đợi

Hãy chuyển nếu lưu lượng của bạn có cấu trúc và khối lượng lớn: phân loại, trích xuất, gắn thẻ, định tuyến ý định, sàng lọc log, tóm tắt và các vòng lặp triển khai có giới hạn nằm bên trong một agent lớn hơn. Bằng chứng ủng hộ việc giảm giá và sự ngang bằng về điểm số, còn hồi quy về trình bày thì vô hình đối với một consumer phân tích cú pháp JSON.

Đừng chuyển một chuỗi tác tử tầm xa, một cuộc tái cấu trúc nhiều tệp, hay bất cứ thứ gì mà con người phải phê duyệt đầu ra, chỉ đơn thuần vì token rẻ. Chỉ số Coding Agent Index giảm hai điểm, các đánh giá về công việc tri thức cũng giảm, và mô hình này dài dòng hơn trên mỗi tác vụ so với mô hình mà nó thay thế. Một token rẻ hơn nhưng cần đến người đánh giá thì không phải là một tác vụ rẻ hơn.

Và hãy theo dõi một con số thay vì tất cả chúng. Khoảng chênh lệch 51.000 so với 41.000 token đầu ra chính là con số quyết định việc mặc định Luna là tiết kiệm hay chỉ hòa vốn trên khối lượng công việc cụ thể của bạn, và bạn có thể đo được nó trên lưu lượng của chính mình trong một buổi chiều. Bảng giá đã cố định và vĩnh viễn; số token cho mỗi công việc hoàn thành thì không, và nó mới là thứ xuất hiện trên hóa đơn.