GPT-Rosalind vs GPT-6.1 Sol: Cùng một phòng thí nghiệm bán cho bạn hai cánh cửa bước vào sinh học

GPT-Rosalind và GPT-6.1 Sol đến từ cùng một công ty, chạy qua cùng một bề mặt API và chênh nhau hệ số hai lần rưỡi về token đầu ra. Chỉ một trong hai yêu cầu bạn điền vào một biểu mẫu. Đó là toàn bộ so sánh trong một câu, và phần còn lại của bài viết này bàn về lý do câu đó ít hữu ích hơn vẻ ngoài của nó. GPT-Rosalind đã tồn tại từ ngày 16 tháng 4 năm 2026 và GPT-6.1 Sol từ ngày 29 tháng 9 năm 2026; điều thay đổi trong tháng 10 là OpenAI bắt đầu trao Rosalind cho các trường đại học miễn phí thông qua các suất ChatGPT Business trong khi vẫn chưa cấp quyền truy cập API, điều này buộc mọi phòng thí nghiệm phải trả lời một câu hỏi mà họ không phải trả lời vào tháng 9: khi nào bạn trả 2,5× cho một mô hình chuyên biệt, và khi nào bạn chuyển công việc sang mô hình tổng quát rẻ và chấp nhận tổn thất?Khi điều khoản truy cập của một mô hình chuyên biệt thay đổi sau khi ra mắt, thay đổi đó được ghi nhận kèm ngày tháng và nguồn trong Kho lưu trữ Sự cố AI, bên cạnh các sự cố mô hình và nhà cung cấp khác mà chúng tôi theo dõi.

Hai mô hình OpenAI với quy trình làm quen khác nhau

Hãy bắt đầu bằng việc xem mỗi bên yêu cầu bạn điều gì trước yêu cầu đầu tiên, vì điều đó quyết định liệu bạn có thể so sánh giá hay không.

• Yêu cầu đầu vào — GPT-Rosalind: đánh giá truy cập tin cậy, xác minh tổ chức, không có mức dịch vụ nào được công bố. GPT-6.1 Sol: không yêu cầu gì ngoài một tài khoản thanh toán.

• Nơi triển khai — GPT-Rosalind: ChatGPT, Codex và API, dành cho các tổ chức được phê duyệt. GPT-6.1 Sol: các gói Plus, Pro, Business, Enterprise và Edu trong ChatGPT Work và Codex, cùng với API — rõ ràng không bao gồm sản phẩm Chat tiêu dùng.

• Lộ trình học thuật — GPT-Rosalind: tối đa 30 suất ChatGPT Business miễn phí trong tối đa mười hai tháng theo gói học thuật ngày 15 tháng 10, không bao gồm quyền truy cập API. GPT-6.1 Sol: chỉ theo các điều khoản thương mại thông thường.

• Điều mà cổng này đang bảo vệ — GPT-Rosalind: năng lực sinh học của mô hình. GPT-6.1 Sol: không gì cả; đây là một mô hình tổng quát và được bán cho bất kỳ ai có thẻ.

Hàng cuối cùng đó mới là hàng quan trọng đối với việc lập kế hoạch. Một rào chắn tồn tại vì một mô hình nguy hiểm ở một chủ đề cụ thể sẽ cho bạn biết điều gì đó về nơi năng lực của mô hình tập trung. GPT-6.1 Sol không có loại rào chắn đó, và sự vắng mặt này mang tính thông tin: định vị của chính O​penAI dành cho nó là lập trình tác tử, sử dụng máy tính và công việc chuyên môn nặng về tài liệu, thấp hơn một bậc so với GPT-6 Astra. Sinh học không nằm trong lời chào hàng.

Bảng giá cước, tính bằng đơn vị duy nhất thực sự quyết định mọi thứ.

Giá niêm yết trên mỗi triệu token là cách ít hữu ích nhất để so sánh một mô hình chuyên biệt với một mô hình tổng quát, vì mô hình chuyên biệt được tinh chỉnh để dùng ít token hơn còn mô hình tổng quát được tinh chỉnh để rẻ trên mỗi token. Cả hai hiệu ứng đều có thật, và chúng đẩy theo hướng ngược nhau. Trước tiên, đây là những con số thô.

• Đầu vào — GPT-Rosalind $5.00 mỗi 1M so với GPT-6.1 Sol $2.00. Mô hình chuyên dụng có giá cao gấp 2,5 lần.

• Đầu ra — GPT-Rosalind 25,00 USD mỗi 1M so với GPT-6.1 Sol 10,00 USD. Cũng gấp 2,5 lần.

• Đầu vào được lưu trong bộ nhớ đệm — GPT-Rosalind $0.50 so với GPT-6.1 Sol $0.10. Chênh lệch 5×, và đây là khoản chênh lệch cộng dồn qua một phiên agent dài.

• Lời nhắc dài — GPT-6.1 Sol tính lại giá cho toàn bộ yêu cầu vượt 272K token đầu vào ở mức 2× giá đầu vào và giá bộ nhớ đệm, cùng 1,5× giá đầu ra. GPT-Rosalind không công bố khoản phụ phí ngữ cảnh dài tương đương.

• Ngữ cảnh — GPT-Rosalind 1.000.000 token. GPT-6.1 Sol 1.050.000 token với đầu ra tối đa 128.000.

• Mốc cắt kiến thức — GPT-6.1 Sol ghi ngày 30 tháng 4 năm 2026. OpenAI không công bố mốc cắt kiến thức tương đương cho GPT-Rosalind.

Giờ đến phần mà giá niêm yết che giấu. Tài liệu đánh giá của chính Rosalind báo cáo mức giảm token nổi bật ngang với mức tăng điểm số: ít hơn 7.2% token trên MedChemBench, ít hơn 31% trên GeneBench, ít hơn 5.3% trên LabWorkBench, và một con số chủ đạo là hiệu năng trên mỗi token cao hơn 4.42% trên LifeSciBench. Mức tiết kiệm token 31% trên một benchmark không thu hẹp được khoảng cách giá 2.5×. Không có gì trong các con số đã công bố của OpenAI làm được điều đó. Phần phụ trội dành cho chuyên gia là có thật và nó được trả cho độ chính xác, không phải cho hiệu quả.

Một tác vụ khoa học tốn bao nhiêu trên mô hình tổng quát

Bảng ra mắt của GPT-6.1 Sol có một hàng liên quan trực tiếp đến một phòng thí nghiệm, và đây là nơi duy nhất OpenAI đưa ra chi phí cho mỗi tác vụ thay vì chi phí cho mỗi token. Trên Terminal-Bench Science 0.1, một bộ các quy trình khoa học, OpenAI báo cáo rằng GPT-6.1 Sol đạt điểm số cao hơn gấp đôi GPT-6 Sol ở mức nỗ lực suy luận tối đa, với chi phí trung bình 5,47 USD mỗi tác vụ, so với 23,21 USD của Claude Opus 5.5 và 23,80 USD của Astra.

Hai lưu ý trước khi con số đó được đưa vào một bản ngân sách. Nó do nhà cung cấp báo cáo, giống như mọi con số khác trong bảng đó, và bài benchmark đo lường các quy trình làm việc khoa học như một bài toán phần mềm — đọc dữ liệu, chạy công cụ, tạo ra kết quả — chứ không phải như một bài toán suy luận theo lĩnh vực chuyên môn. Nó gần với những gì một nhóm tính toán thực sự làm cả ngày hơn là những gì một nhà hóa dược làm. Điều đó khiến nó là một ước tính hợp lý cho phần hạ tầng kỹ thuật xung quanh hoạt động khoa học và là một ước tính kém cho chính bản thân khoa học.

Sự phân biệt đó chính là câu trả lời thực tiễn cho toàn bộ việc so sánh. GPT-6.1 Sol với giá 5,47 đô la mỗi tác vụ là công cụ phù hợp cho đoạn mã phân tích đầu ra của thiết bị, sổ tay điều phối một đợt quét, việc sàng lọc tài liệu trước cuộc họp. GPT-Rosalind là công cụ dành cho câu hỏi cần một mô hình được tinh chỉnh trên quan hệ cấu trúc – hoạt tính để đưa ra ý kiến.

Cả hai mô hình đều không có điểm số độc lập, và điều đó không mang tính đối xứng.

Đây là phần của màn so tài mà gần như mọi bài so sánh đều bỏ qua. GPT-6.1 Sol ra mắt một tuần sau GPT-6 Sol, và tại thời điểm viết bài, Artificial Analysis không có mục nào cho nó. Cách công ty tự định vị là nó "gần như sánh ngang" GPT-6 Astra với mức giá bằng một phần năm, đây là một tuyên bố định vị về một mô hình chưa được chấm điểm độc lập. GPT-Rosalind cũng không có điểm số độc lập, nhưng vì một lý do khác: các mô hình chuyên biệt hoàn toàn không được theo dõi trên bảng xếp hạng tổng quát, nên việc thiếu vắng này mang tính cấu trúc chứ không phải tạm thời.

• Tổng hợp độc lập — Cả hai đều vắng mặt. GPT-6.1 Sol quá mới và chưa được chấm điểm; GPT-Rosalind nằm ngoài phạm vi của bảng.

• Bộ tiêu chuẩn đánh giá của nhà cung cấp — GPT-6.1 Sol: DeepSWE v1.1, GDP.pdf, AutomationBench 1.0.6, OSWorld 2.0 và Terminal-Bench Science 0.1, tất cả đều được báo cáo dưới dạng chênh lệch so với các mô hình của chính OpenAI và so với Claude Opus 5.5. GPT-Rosalind: MedChemBench, GeneBench, LabWorkBench, BixBench và LifeSciBench, tất cả đều được báo cáo so với GPT-5.5.

• Xác nhận độc lập — Không có cho cả hai. Mọi con số trong hàng trước đều do chính công ty bán mô hình đó đưa ra.

Điều đó trên thực tế có nghĩa là bạn không thể xếp hạng hai mô hình này, và sẽ không có bên thứ ba nào sớm làm việc đó thay bạn. Quyết định phải được đưa ra dựa trên mức độ phù hợp với tác vụ và khả năng truy cập, chứ không dựa trên so sánh điểm số. Bất kỳ ai đưa cho bạn một bảng đặt Rosalind và Sol trên cùng một trục thì đã tự bịa ra trục đó.

Giai đoạn giữa khó xử: hầu hết các phòng thí nghiệm đều cần cả hai hàng đợi

Một tổ chức nghiên cứu không chỉ chạy một loại yêu cầu. Họ vận hành một đuôi dài gồm những công việc thường ngày — phân tách dữ liệu, vẽ biểu đồ, tái cấu trúc script phân tích, tóm tắt bài báo, soạn thảo phần phương pháp — và một đầu ngắn gồm những yêu cầu mà ở đó việc tinh chỉnh theo lĩnh vực chính là toàn bộ mục đích. Token nằm ở phần đuôi. Một pipeline giải trình tự duy nhất có thể tiêu tốn nhiều token cho việc phân tích log hơn là cho câu hỏi sinh học đã thúc đẩy nó.

Đối chiếu với thực tế đó, cấu hình hợp lý không phải là lựa chọn giữa hai mô hình; mà là sự phân chia có quy tắc. Phần đuôi giao cho mô hình tổng quát rẻ, vốn có sẵn ngay hôm nay, không cần rà soát, và tốn $2.00 / $10.00 với $0.10 cho đầu vào được cache. Phần đầu giao cho mô hình chuyên biệt, tốn gấp 2.5× và đáng giá đúng với những yêu cầu mà câu trả lời của mô hình tổng quát sẽ có vẻ hợp lý nhưng lại sai.

Chế độ lỗi cần thiết kế để phòng ngừa là sự trôi dạt âm thầm giữa các hàng đợi. Nếu khóa của mô hình chuyên biệt bị giới hạn tốc độ hoặc tuyến chuyên biệt bị lỗi, một chuỗi dự phòng đơn giản sẽ sẵn sàng trả lời câu hỏi sinh học bằng mô hình tổng quát, và đầu ra sẽ trông giống như câu trả lời của mô hình chuyên biệt. Điều đó còn tệ hơn một lỗi, vì lỗi thì có thể thấy được. Quy tắc bạn muốn là: tuyến được đặt tên cho mô hình chuyên biệt, thất bại cứng khi tuyến đó không khả dụng, mô hình tổng quát chỉ dành cho những yêu cầu được định tuyến đến đó một cách có chủ đích.

OrcaRouter nằm ở đâu, và ở đâu thì không

GPT-6.1 Sol đã có trên OrcaRouter với giá niêm yết của nhà cung cấp — 2,00 USD cho đầu vào, 10,00 USD cho đầu ra và 0,10 USD cho đầu vào được cache trên mỗi triệu token, với mức markup 0%, nghĩa là các thay đổi giá của O​penAI sẽ đến danh mục của chúng tôi ngay trong ngày được công bố thay vì vào lần gia hạn hợp đồng tiếp theo. Việc định giá lại cho prompt dài 272K được áp dụng như một bậc giá trên cùng một mục mô hình, nên một yêu cầu vượt ngưỡng sẽ được tính theo bậc cao hơn thay vì khiến bạn bất ngờ trên hóa đơn.

GPT-Rosalind không có trên OrcaRouter, không có trên bất kỳ bộ định tuyến bên thứ ba nào và chỉ có thể truy cập thông qua chương trình truy cập tin cậy của OpenAI. Chúng tôi sẽ không xóa nhòa điều đó. Phần phía chúng tôi trong sự phân tách mang lại cho bạn là nửa tẻ nhạt: một khóa và một hóa đơn cho GPT-6.1 Sol cùng hơn 200 mô hình khác, chuyển đổi dự phòng tự động để một trục trặc từ nhà cung cấp sẽ chuyển yêu cầu đi thay vì giết chết một lượt chạy, và một DSL định tuyến cho phép bạn ghi quy tắc hàng đợi phân tách thành cấu hình thay vì thành một quy ước trong wiki. Hợp nhất mô hình là đòn bẩy khác đáng để biết ở đây — một hội đồng bao gồm cả một mô hình tổng quát rẻ và một chuyên gia đắt tiền, cùng nhau trả lời, là cách để có ý kiến thứ hai về một kết quả sát ngưỡng mà không phải trả mức giá chuyên gia cho mọi yêu cầu.

Điều này được giải quyết như thế nào

Hai điều sẽ xóa tan sự mơ hồ, và cả hai đều có khả năng xảy ra trong vòng một quý. Một đánh giá độc lập về GPT-6.1 Sol sẽ cho bạn biết liệu “gần như ngang ngửa Astra” có đúng trên những tác vụ bạn quan tâm hay không; cho đến lúc đó, tuyên bố này chỉ là một phát ngôn định vị kèm theo một mức giá. Và bất kỳ động thái nào của OpenAI nhằm đưa quyền truy cập API vào gói học thuật sẽ thay đổi bài toán bên trong các trường đại học chỉ qua một đêm — năng lực chuyên gia miễn phí trong một phòng thí nghiệm hiện chỉ có các suất trò chuyện miễn phí và không có quyền truy cập pipeline.

Nếu thiếu cả hai, quy tắc nói về hình dạng yêu cầu hơn là chất lượng mô hình. Nếu một câu trả lời sai khiến bạn tốn một thí nghiệm, một hồ sơ nộp hoặc một lần rút bài, thì mức 2,5× của chuyên gia là rẻ, và việc nó cần được xem xét là một bộ lọc mà bạn nên mừng vì có. Nếu một câu trả lời sai khiến bạn tốn một lần chạy lại, GPT-6.1 Sol có sẵn ngay hôm nay với một phần năm giá của Astra, với ngữ cảnh 1,05M token, và không ai phải phê duyệt bạn để dùng nó.