GPT-6 Sol và GPT-6 Luna: Token rẻ hơn không phải lúc nào cũng là tác vụ rẻ hơn

Nhà cung cấp đã phát hành GPT-6 Sol và GPT-6 Luna vào ngày 22 tháng 9 năm 2026, và tiêu đề ở khắp mọi nơi đều xoay quanh giá: Sol ở mức 2,00 USD cho mỗi triệu token đầu vào và 10,00 USD cho đầu ra, Luna ở mức 0,10 USD và 0,50 USD, cả hai đều chỉ bằng khoảng một nửa mức mà GPT-5.6 Sol và GPT-5.6 Luna đang thu theo mức giá khuyến mãi hiện hành, và cả hai đều nằm thấp hơn hẳn so với mẫu chủ lực GPT-6 Astra ở mức 10,00 USD/50,00 USD. Thông báo của chính nhà cung cấp mở đầu bằng câu "chúng tôi cũng đã làm cho việc lưu đệm và suy luận trở nên hiệu quả hơn". Vấn đề khi đọc điều đó như một câu chuyện giảm giá là đơn vị thực sự xuất hiện trên hóa đơn của bạn không phải là token. Mà là một tác vụ. Và những phép đo độc lập đầu tiên, được công bố cùng ngày, cho thấy hai mô hình mới đang trôi dạt theo hai hướng trái ngược nhau đúng trên đơn vị đó — với GPT-6 Luna, mô hình rẻ hơn trong hai mô hình với hệ số hai mươi ở phần đầu vào, lại thể hiện kém hơn so với chính phiên bản tiền nhiệm của nó. Một trong hai mô hình này là một bản nâng cấp thẳng, còn mô hình kia là một sự đánh đổi thực sự, và thông báo của nhà cung cấp không phân biệt giữa chúng.

Trước khi đến với các con số, đây là các quy tắc về nguồn cho bài viết này, bởi hai nhóm bằng chứng ở đây xứng đáng có trọng số rất khác nhau. Giá, cửa sổ ngữ cảnh, mức giá cache và ngưỡng kiến thức đến từ tài liệu API và bảng giá của chính OpenAI, được đọc vào ngày 23 tháng 9 năm 2026, với các dòng về bậc dịch vụ và ghi cache được đối chiếu với các công cụ theo dõi chi phí của bên thứ ba thay vì chỉ lấy từ thông báo. Các bảng benchmark của OpenAI — AutomationBench, DeepSWE 1.1, OSWorld 2.0, Agents' Last Exam, và một đánh giá tính xác thực nội bộ — do nhà cung cấp báo cáo và chưa được tái lập, và mọi số liệu rút ra từ chúng dưới đây đều được ghi chú như vậy. Các con số độc lập đến từ Artificial Analysis, đơn vị đã chạy cả hai mô hình trên Chỉ số Thông minh và Chỉ số Tác nhân Lập trình của mình vào ngày ra mắt; đó là những con số đáng tin để ra quyết định. Ở chỗ hai bên không đồng nhất, bài viết nói rõ điều đó thay vì lấy trung bình.

Buổi ra mắt, trong một đoạn văn

Sol và Luna là các thành viên thuộc phân khúc tầm trung và thấp của gia đình GPT-6, được huấn luyện bằng những phương pháp đứng sau GPT-6 Astra và được định vị là cách nhanh hơn, rẻ hơn để đạt được phần lớn năng lực của nó. Cách OpenAI diễn đạt là chi phí trên mỗi tác vụ chứ không phải năng lực thuần túy: hãng nói rằng GPT-6 Sol mắc số lỗi chỉ bằng khoảng một nửa so với GPT-5.6 Sol trong đánh giá tính xác thực nội bộ của mình, và rằng GPT-6 Luna ở mức nỗ lực suy luận cao hơn đạt độ xác thực tương đương GPT-5.6 Sol với chi phí tác vụ chỉ bằng khoảng một phần trăm. Cả hai đều nhận đầu vào văn bản và hình ảnh và tạo ra văn bản, cả hai đều có cửa sổ ngữ cảnh 1.050.000 token với giới hạn đầu ra 128K — Artificial Analysis liệt kê 872k cho cùng mô hình đó, nên hãy coi mức cao nhất của cửa sổ đó là do nhà cung cấp công bố — và cả hai đều cho phép điều chỉnh mức nỗ lực suy luận từ none đến max, một mức mà GPT-6 Astra không cung cấp, vì Astra không có none. ID mô hình là gpt-6-sol và gpt-6-luna. Khả năng truy cập thông qua API, thông qua ChatGPT Work và Codex cho các tài khoản Plus, Pro, Business, Enterprise và Edu, và thông qua Amazon Bedrock, đơn vị đã công bố tính khả dụng chung của cả hai mô hình trong cùng ngày. Người dùng Free và Go được dùng Luna trong ứng dụng desktop; hiện chưa có mô hình nào trong chế độ Chat thông thường.

Bốn con số độc lập cho biết điều gì và tại sao chúng lại mâu thuẫn với nhau

Bắt đầu với GPT-6 Sol, vì câu chuyện của nó rất đơn giản. Artificial Analysis chấm nó 48 điểm trên Chỉ số Thông minh, đứng thứ 18 trong số 212 mô hình được đo, với 1,06 USD mỗi tác vụ chỉ số so với 1,99 USD của GPT-5.6 Sol — chi phí chỉ bằng khoảng một nửa cho cùng mức điểm chỉ số, và mức cải thiện chi phí trên mỗi tác vụ vẫn giữ vững chứ không tan biến. Chỉ số Coding Agent của nó tăng lên 57 từ 55, với Terminal-Bench 4.0 đi từ 37% lên 43% và SWE-Atlas-QnA từ 54% lên 58%, ở mức 2,99 USD mỗi tác vụ trên biên Pareto. Tỷ lệ ảo giác của nó giảm từ 92% xuống 60%, và hành vi từ chối trả lời thay đổi hoàn toàn về hình thái: giờ nó trả lời 83% số câu hỏi, trong khi thế hệ trước trả lời 99%, và đổi lại là số câu trả lời sai giảm đi một phần tư, với độ chính xác giảm từ 59% xuống 54%. Đó là một mô hình đã được dạy phải im lặng khi không biết, và việc Chỉ số AA-Omniscience đi từ 22 lên 27 chính là sự thật đó được phát biểu dưới dạng một con điểm.

Giờ là GPT-6 Luna, và câu chuyện thay đổi. Artificial Analysis chấm nó 37 điểm trên Intelligence Index — đúng bằng con số mà GPT-5.6 Luna đạt được. Chi phí cho mỗi tác vụ chỉ số của nó giảm từ $0.18 xuống $0.07, tức khoảng 60% ít hơn, và khoản tiết kiệm đó là thật. Nhưng chỉ số Coding Agent của nó lại giảm, từ 43 xuống 41, khi SWE-Atlas-QnA giảm từ 49% xuống 44% và DeepSWE 1.1 giảm từ 66% xuống 64%. Tỷ lệ ảo giác của nó cải thiện từ 93% xuống 77%, còn hành vi từ chối trả lời gần như không nhúc nhích — độ chính xác 44% so với 43%, AA-Omniscience từ −10 lên 1. Đọc tất cả cùng nhau: vẫn mức trí tuệ đo được y như vậy, với chi phí tác vụ chỉ bằng khoảng 40%, nhưng tác nhân lập trình lại kém hơn và chất lượng câu trả lời hầu như không thay đổi.

Đó không phải là mâu thuẫn, và lý do rất quan trọng. Một token rẻ hơn chỉ mang lại cho bạn ít hơn nếu mô hình dùng nhiều token hơn để hoàn thành cùng một công việc — và dữ liệu độc lập cho thấy những mô hình này dùng nhiều hơn, chứ không phải ít hơn. Lượng token đầu ra cho mỗi tác vụ index tăng từ 29k lên 31k đối với Sol và từ 41k lên 51k đối với Luna. Khoản tiết kiệm 60% của GPT-6 Luna đến hoàn toàn từ việc giảm giá, chứ không phải từ việc chạy tiết kiệm hơn. Mức trôi dạt token trên mỗi tác vụ đủ nhỏ để phép tính vẫn có lợi cho bạn ở đây; nó không đủ nhỏ để bỏ qua như một phạm trù, bởi vì đó là cơ chế mà một đợt giảm giá trong tương lai có thể bị vô hiệu hóa bởi một mô hình dài dòng hơn. Chính OpenAI cũng đã chuyển cách đặt vấn đề sang chi phí trên mỗi tác vụ vì lý do tương tự.

Hai hồi quy nằm ngoài hai chỉ số tiêu điểm và đáng được gọi tên, bởi vì cả hai đều không xuất hiện trong thông báo của OpenAI. Trong GDPval-AA v2.1, vốn đo lường các sản phẩm bàn giao của công việc tri thức, GPT-6 Sol mất khoảng 100 Elo so với phiên bản tiền nhiệm và GPT-6 Luna khoảng 75. GPT-6 Luna cũng giảm khoảng 45 Elo trong AA-Briefcase v1.1, nơi Sol vẫn ổn định — Artificial Analysis cho rằng khoảng cách này là do phần trình bày yếu hơn và thiếu các mục trong rubric. Nếu việc bạn dùng hạng rẻ là để tóm tắt hàng loạt, trích xuất và phân loại, thì không điều nào trong đó ảnh hưởng đến bạn. Nếu là để soạn thảo thứ mà một người phải ký duyệt, thì có đấy.

Thay đổi về cache mới là tin tức API thực sự.

Nằm sâu bên dưới bảng giá là một thay đổi có ý nghĩa với hóa đơn production hơn cả mức giảm được nhấn mạnh, và đó chính là phần của thông báo mà bài đăng của chính OpenAI chỉ ám chỉ bằng một mệnh đề. Ba thứ đã thay đổi, và thứ ba là thứ cần đọc hai lần.

Đầu tiên là chính mức giảm giá: các lượt đọc đầu vào từ bộ nhớ đệm được tính ở mức 10% giá đầu vào, tức mức giảm 90%, đây vốn là điều khoản mà dòng sản phẩm này đã áp dụng sẵn chứ không phải một điều khoản mới. Đầu vào được lưu đệm của Sol là 0.20 USD mỗi triệu token và của Luna là 0.01 USD; các lượt ghi vào bộ đệm chịu phụ phí 1.25 lần, lần lượt là 2.50 USD và 0.125 USD, với một thời gian tồn tại duy nhất là 30 phút.

Thứ hai là khả năng kiểm soát. Bộ nhớ đệm tường minh thông qua prompt_cache_options và prompt_cache_breakpoint — các tham số cho phép bạn khai báo nơi kết thúc của một tiền tố prompt có thể tái sử dụng, thay vì hy vọng nhà cung cấp tự đoán đúng — đều có sẵn trên cả hai mô hình. Đây không phải là bề mặt API mới; điều mới mẻ là nó đáng để sử dụng, bởi vì tỷ lệ trúng mặc định đã tăng lên.

Điều thứ ba là điều thay đổi kiến trúc. Việc thay đổi mức nỗ lực suy luận hoặc bật/tắt công cụ không còn làm mất hiệu lực tiền tố đã được lưu trong bộ nhớ đệm nữa. Trước đây, một vòng lặp agent tăng mức nỗ lực lên cho một bước khó rồi hạ xuống cho một bước dễ phải trả giá bằng việc xử lý lại toàn bộ ngữ cảnh ở mỗi lần điều chỉnh, và một vòng lặp thêm hoặc bớt một công cụ giữa cuộc trò chuyện cũng vậy. Khoản thuế đó giờ đã không còn trên hai mô hình này. OpenAI dẫn GitHub, nơi báo cáo rằng những thay đổi này đã cắt giảm hơn một nửa tỷ lệ token prompt cần xử lý mới trên hàng tỷ yêu cầu. Hãy coi đó là con số do nhà cung cấp đưa ra — nó đáng tin và không được kiểm toán độc lập.

Thử làm phép tính trên một vòng lặp tác nhân dài và thứ hạng của hai thông báo sẽ đảo ngược. Một vòng lặp mang theo system prompt 30.000 token và tool schema qua 200 lượt sẽ luân chuyển 6 triệu token ngữ cảnh. Không dùng bộ đệm, trên GPT-6 Sol, đó là $12.00 đầu vào. Với tiền tố được cache ở mức $0.20 mỗi triệu, thì là $1.20 cộng thêm chi phí ghi một lần — một bậc độ lớn, chỉ từ một thay đổi tham số, trước khi mức cắt giảm giá thậm chí được áp dụng. Mức cắt giảm giá chính là thứ mà thông báo rao bán. Hành vi của cache mới là thứ thực sự làm thay đổi con số, và đó là lý do một mức giá quảng cáo $2.00 lại hoạt động như thể rẻ hơn nhiều trên các khối lượng công việc mà OpenAI đang quảng bá những mô hình này cho.

Bảng giá, bao gồm cả những phần mà thông báo bỏ qua

Giá niêm yết không phải là toàn bộ bảng giá, và ba bậc sẽ thay đổi quyết định đối với những khối lượng công việc cụ thể.

• Cơ bản — GPT-6 Sol 2,00 USD vào / 10,00 USD ra; GPT-6 Luna 0,10 USD vào / 0,50 USD ra, tính trên mỗi triệu token, cho các prompt tối đa 272K token đầu vào.

• Ngữ cảnh dài — trên 272K token đầu vào, toàn bộ yêu cầu được tính phí gấp 2 lần đầu vào và 1.5 lần đầu ra: $4.00/$15.00 đối với Sol và $0.20/$0.75 đối với Luna. Đây là một ngưỡng nhảy vọt, không phải mức giá biên. Nếu lời nhắc của bạn lên tới 300K token, bạn đang trả gấp đôi cho toàn bộ yêu cầu, chứ không phải cho 28K vượt ngưỡng, và việc tách một tài liệu thành hai lần gọi dưới ngưỡng thường rẻ hơn so với gửi một lần vượt ngưỡng.

• Các bậc dịch vụ — Flex giảm một nửa hoá đơn ($1.00/$5.00 cho Sol, $0.05/$0.25 cho Luna) để đổi lấy thời gian hoàn thành chậm hơn; Priority thì nhân đôi. Cả hai đều được chọn thông qua tham số service_tier. Flex là nơi những tác vụ kiểu batch nên nằm và hầu như không bao giờ nằm ở đó.

• Input đã được cache — $0.20 mỗi triệu trên Sol và $0.01 trên Luna, mức giảm giá 90%, với TTL 30 phút và phụ phí ghi cache 1,25x.

• Ngữ cảnh và đầu ra — cửa sổ 1.050.000 token, đầu ra tối đa 128K, đầu vào văn bản và hình ảnh, đầu ra văn bản, mức nỗ lực suy luận từ không đến tối đa với trung bình là mặc định.

• Điểm cắt kiến thức — ngày 20 tháng 4 năm 2026 đối với GPT-6 Sol và ngày 18 tháng 5 năm 2026 đối với GPT-6 Luna, tức cách nhau một tháng trong cùng một dòng mô hình và điều này đáng để biết trước khi bạn cho rằng hai mô hình có chung một thế giới quan.

Những gì bảng điểm chuẩn của OpenAI nói, và những gì nó không nói

Các so sánh được OpenAI công bố đều là chi phí trên mỗi tác vụ, đều so với Anthropic và đều do nhà cung cấp tự thực hiện. Trên AutomationBench 1.0.6, một đánh giá agentic 47 công cụ, công ty báo cáo GPT-6 Sol ở mức nỗ lực xhigh đạt 33,2% với 0,27 USD mỗi tác vụ, so với Claude Opus 5 ở 26,9% và chi phí mỗi tác vụ cao hơn khoảng 11 lần. Trên DeepSWE 1.1, báo cáo cho thấy Sol ở mức nỗ lực tối đa đạt 68,8% so với Claude Fable 5 ở 69,9% — thua về điểm số nhưng chi phí mỗi tác vụ thấp hơn khoảng 80% — và Luna ở 66,6%. Trên OSWorld 2.0, Sol đạt 60,5% ở xhigh so với 60,3% của Opus 5, cũng với chi phí mỗi tác vụ thấp hơn khoảng 80%. Trên Agents' Last Exam, Sol đạt 56,4%, mà OpenAI nói là vượt kết quả tốt nhất của Opus 5 với chi phí mỗi tác vụ thấp hơn 60%.

Mỗi một con số trong đó đều do nhà cung cấp tự báo cáo và chưa được tái lập, và có hai lưu ý đáng để ghi nhớ lâu dài thay vì cất đi cho xong. Thứ nhất, OpenAI đã đánh giá đối chiếu với Claude Opus 5, chứ không phải Claude Opus 5.5 được phát hành chỉ vài giờ trước thông báo, nên chưa có so sánh nào trên cùng một khung đánh giá xác lập được mô hình nào thực sự mang lại chi phí thấp hơn cho mỗi tác vụ thành công. Thứ hai, chi phí mỗi tác vụ không phải là chi phí mỗi tác vụ đúng: một mô hình trả lời 83% số lần và từ chối trả lời trong phần còn lại sẽ trông có vẻ rẻ trên mỗi tác vụ trong một bộ đánh giá coi việc từ chối trả lời cũng là tác vụ. Dữ liệu độc lập về tỷ lệ từ chối trả lời ở trên chính là thứ cho phép bạn định giá điều đó một cách trung thực — GPT-6 Sol trả lời 83% câu hỏi trong khi mô hình cũ trả lời 99% là một sự đánh đổi có chủ đích, và liệu đó có phải là đánh đổi tốt hay không hoàn toàn phụ thuộc vào việc một câu trả lời sai gây tốn kém cho bạn đến mức nào.

OpenAI báo cáo rằng GPT-6 Luna ở mức nỗ lực cao hơn đạt độ xác thực ngang bằng GPT-5.6 Sol với chi phí tác vụ chỉ khoảng một phần trăm. Đó là so sánh về độ xác thực, không phải so sánh về năng lực, và Coding Agent Index độc lập xếp GPT-6 Luna thấp hơn GPT-5.6 Luna hai điểm, chứ chưa nói đến GPT-5.6 Sol.

Thực sự thì nên làm gì với cái này

GPT-6 Sol là lựa chọn đơn giản. Chi phí tác vụ chỉ bằng một nửa ở cùng mức điểm chỉ số, một tác nhân lập trình tốt hơn, mức giảm lớn về hiện tượng ảo giác và sự thay đổi thực sự trong hành vi từ chối trả lời cộng lại thành một bản nâng cấp mà bạn có thể thực hiện theo lịch trình thay vì đánh cược. Nếu bạn đang dùng GPT-5.6 Sol, đây là một cuộc chuyển đổi, và câu hỏi thực sự duy nhất là những prompt nào của bạn phụ thuộc vào việc mô hình cũ sẵn sàng trả lời mọi thứ.

GPT-6 Luna là bản bạn nên kiểm thử trước khi chuyển đổi. Nó không phải là một GPT-5.6 Luna tốt hơn hẳn; nó là một phiên bản có hình hài khác — rẻ hơn trên mỗi tác vụ, thận trọng hơn về những gì nó sẽ khẳng định, và kém hơn một cách đo lường được ở lập trình dạng tác tử. Với phân loại, trích xuất, định tuyến và tóm tắt ở quy mô lớn, sự đánh đổi này gần như là tiền miễn phí. Với bất cứ thứ gì cấp dữ liệu cho một coding agent, hoặc tạo ra tài liệu mà con người phải ký duyệt, mức sụt giảm hai điểm trên Coding Agent và mức tụt của GDPval chính là lý do để giữ GPT-5.6 Luna trong luồng cho đến khi bạn đã chạy thử các tác vụ của riêng mình qua cả hai.

Đó cũng chính là lập luận cho việc không gắn cứng vào bất kỳ mô hình nào. Hiện cả hai mô hình đều chỉ có trên OpenAI, và những khối lượng công việc mà các hạng này phục vụ — định tuyến, trích xuất, phân loại chi phí thấp — chính xác là những việc mà một nhà cung cấp thứ hai đứng sau cùng một endpoint sẽ biến một sự suy giảm chất lượng mô hình thành chuyện không đáng kể. OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp với mức markup 0%, nên khi nhà cung cấp thay đổi mức giá thì phía chúng tôi cũng nhận được ngay trong cùng ngày họ áp dụng, và DSL định tuyến cho phép bạn đặt GPT-6 Luna phía sau một mô hình rẻ hơn cho phần lưu lượng dễ, trong khi phần khó hơn sẽ do GPT-6 Sol đảm nhiệm — với chuyển đổi dự phòng tự động nếu một trong hai đường đi bị suy giảm. Bạn không nhất thiết phải chọn ra người thắng ngay trong ngày ra mắt để hưởng lợi từ đợt ra mắt đó.

Lời cảnh báo trung thực: tính đến ngày 23 tháng 9 năm 2026, GPT-6 Sol và GPT-6 Luna không thể định tuyến qua OrcaRouter. Chúng tôi chưa lưu trữ chúng, và không có nội dung nào ở trên nên được hiểu là tuyên bố rằng chúng tôi có. Điều hiện có ở phía chúng tôi hôm nay là bộ so sánh — GPT-5.6 Sol với mức 4,00/20,00 đô la, GPT-5.6 Luna với mức 0,20/1,20 đô la, và GPT-6 Astra với mức 10,00/50,00 đô la — đúng những gì bạn cần để định giá việc chuyển đổi trước khi cam kết thực hiện.

Xem gì tiếp theo

Ba điều sẽ định rõ đợt ra mắt này thực chất là gì. Điều thứ nhất là liệu mức giá $0.20/$1.20 của GPT-5.6 Luna có trụ được qua hết quý hay không, bởi xét theo lịch sử, một mức giá được một nhà cung cấp công bố như thể vĩnh viễn thường chỉ là nước mở đầu chứ không phải điểm kết thúc — và việc Claude Opus 5.5 ra mắt cùng ngày cho thấy áp lực đã tạo ra đợt giảm giá này vẫn chưa hề biến mất. Điều thứ hai là liệu sự thay đổi về việc từ chối trả lời có đứng vững ngoài thực tế hay không: việc GPT-6 Sol từ chối trả lời một trong sáu câu hỏi là kiểu thay đổi mà trong phòng thí nghiệm được đọc là một cải tiến, nhưng trong một pipeline vốn mặc định rằng luôn có câu trả lời lại bị coi là một sản phẩm hỏng. Điều thứ ba là liệu hành vi cache có thực sự đúng trên lưu lượng của bạn hay không, điều có thể đo được ngay trong tuần này và chỉ có thể trả lời bằng cách đo đạc — mức giảm giá đủ lớn để một giờ dành cho việc thiết lập đo lường tỷ lệ trúng cache trên những prompt dài nhất của bạn còn đáng giá hơn cả một bảng benchmark nữa.