Grok 4.7 vs GPT-5.6 Sol: Mô hình rẻ hơn lại tốn nhiều hơn cho mỗi câu trả lời

Grok 4.7 niêm yết ở mức 2,00 USD mỗi triệu token đầu vào và 6,00 USD mỗi triệu token đầu ra. GPT-5.6 Sol niêm yết ở mức 4,00 USD và 20,00 USD. Trên bảng giá, mô hình của nhà cung cấp rẻ hơn 3,33 lần để tạo sinh, và đó là con số mà hầu hết các so sánh sẽ dừng lại. Đó là con số sai. Artificial Analysis đo lường số token đầu ra mỗi tác vụ cho mọi mô hình mà nó đánh giá, và trên chỉ số hiện tại, Grok 4.7 — phát hành ngày 21 tháng 9 năm 2026 — tạo ra 81.000 token đầu ra mỗi tác vụ, trong khi GPT-5.6 Sol, được phát hành rộng rãi từ ngày 9 tháng 7 năm 2026, tạo ra 29.000. Nhân đơn giá với số token và khoảng cách giá 3,3 lần trở thành chênh lệch chi phí khoảng hai mươi phần trăm cho mỗi câu trả lời hoàn chỉnh, nghiêng về Sol về chất lượng. Cả hai đều mạnh; lý do để đọc vượt qua bảng giá ở đây là hai mô hình không đồng ý về việc đánh giá nào quan trọng, và sự bất đồng này mang tính hệ thống.

Hai mô hình tiên tiến với những thói quen token trái ngược nhau

GPT-5.6 Sol là mẫu chủ lực tiên phong của OpenAI, ra mắt ngày 9 tháng 7 năm 2026 và vẫn được cung cấp rộng rãi ngay cả sau khi GPT-6 Astra xuất hiện ở vị trí cao hơn nó vào ngày 3 tháng 9. Nó sở hữu cửa sổ ngữ cảnh 1.050.000 token với đầu vào tối đa 922.000 token và đầu ra tối đa 128.000 token, nhận đầu vào là văn bản và hình ảnh, đồng thời cung cấp thang mức nỗ lực suy luận gồm none, low, medium, high, xhigh và max, với medium là mặc định. Bề mặt công cụ của nó rộng một cách bất thường — shell được lưu trữ, apply patch, computer use, MCP, trình thông dịch mã, tạo hình ảnh, tìm kiếm tệp — và nó hỗ trợ đầu ra có cấu trúc. Trọng số đóng.

Grok 4.7 mới ra mắt được một ngày, có trọng số đóng và nắm giữ ngữ cảnh 500k token — khoảng một nửa của Sol — với đầu vào văn bản và hình ảnh cùng đầu ra văn bản. Núm điều chỉnh nỗ lực suy luận của nó là riêng, và mức giá của nó tăng lên $4.00 và $12.00 khi vượt quá 200k token prompt, với lượt đọc từ bộ nhớ đệm ở mức $0.50 và $1.00. xAI cũng liệt kê một biến thể nhanh hơn với tốc độ đầu ra gần gấp đôi và giá gấp đôi, và riêng vào tháng 8 đã công bố cấu hình Ultrafast chạy trên phần cứng quy mô tấm wafer với tốc độ lên tới 750 token đầu ra mỗi giây; cấu hình đó là bản xem trước giới hạn, không có giá được công bố, nên đó không phải là một gói mà bạn có thể lên kế hoạch dựa vào ở thời điểm hiện tại. Không nhà cung cấp nào công bố con số đầu ra tối đa cho Grok 4.7 trong tài liệu được kiểm tra ở đây.

Cách nhau năm điểm, và hướng về những phía khác nhau

Cả hai mô hình đều được chấm điểm trên Artificial Analysis Intelligence Index v4.3.2, bản sửa đổi công bố ngày 19 tháng 9 năm 2026. Cột của Sol được đo ở mức max effort, còn Grok 4.7 ở mức xhigh. Khoảng cách tổng hợp chỉ là một điểm. Nhưng mức chênh lệch theo từng đánh giá thì không.

• Tổng hợp — Grok 4.7 (xhigh): 46 trên Chỉ số Năng lực Trí tuệ Artificial Analysis v4.3.2, xếp hạng #16 trong số 655. GPT-5.6 Sol (max): 47 trên cùng phiên bản đó, xếp hạng #14 trong số 200 ở phân khúc của mình.

• Tác nhân đầu cuối — Grok 4.7: Terminal-Bench 4.0 26. GPT-5.6 Sol: 40. Chiến thắng cách biệt nhất của Sol, và cũng là bài đánh giá gần nhất với công việc phần mềm tự chủ.

• Suy luận khó — Grok 4.7: Humanity's Last Exam 43, CritPt 18, GDP.pdf 20. GPT-5.6 Sol: HLE 49, CritPt 32, GDP.pdf 27. Sol dẫn đầu cả ba, với cách biệt lần lượt sáu, mười bốn và bảy điểm.

• Ngữ cảnh dài — Grok 4.7: AA-LCR v1.1 77%, cửa sổ 500k. GPT-5.6 Sol: 84%, cửa sổ 1.05M. Sol dẫn đầu ở cả chỉ số đo lẫn giới hạn.

• Tự động hóa quy trình làm việc — Grok 4.7: AutomationBench-AA 66%. GPT-5.6 Sol: 60%. Chiến thắng thuộc về Grok, và là một chiến thắng cách biệt sáu điểm.

• Kết quả bàn giao chuyên nghiệp — Grok 4.7: AA-Briefcase v1.1 1657 Elo, GDPval-AA v2.1 1695 Elo. GPT-5.6 Sol: 1487 và 1588. Grok thắng cả hai, với cách biệt 170 và 107 Elo.

• Tính trung thực về kiến thức — Grok 4.7: AA-Omniscience 32. GPT-5.6 Sol: 22. Grok trả lời đúng thường xuyên hơn và bịa đặt ít hơn ở chỉ số tổng hợp này.

• Lập trình khoa học — Grok 4.7: SciCode 57%. GPT-5.6 Sol: 57%. Một sự hòa thực sự.

Phép tính mà các trang định giá không làm

Lấy gói tiêu chuẩn và một yêu cầu agentic với prompt ngắn, đầu vào 30k và đầu ra 8k. Grok 4.7 tính $0.06 cho đầu vào và $0.048 cho đầu ra. GPT-5.6 Sol tính $0.12 cho đầu vào và $0.16 cho đầu ra. Sol tốn khoảng gấp ba lần cho yêu cầu đó. Đó là phép so sánh mà các bảng giá gợi ra, và ở mức một yêu cầu đơn lẻ thì nó chính xác.

Giờ hãy nhân lên theo cách những mô hình này thực sự hành xử trong một bài đánh giá. 81.000 token đầu ra mỗi tác vụ của Grok 4.7 ở mức $6.00 một triệu là $0.486 chi phí sinh; 29.000 của Sol ở mức $20.00 một triệu là $0.58. Lợi thế đơn giá gấp 3,3 lần trở thành bất lợi mười chín phần trăm. Grok 4.7 cũng tiêu tốn 59.000 token suy luận mỗi tác vụ, so với 17.000 của Sol — nó suy nghĩ lâu hơn và viết nhiều hơn để đạt điểm tổng hợp thấp hơn, và ở quy mô lớn, điều đó xóa sạch khoảng cách giá mà chiến dịch tiếp thị được xây dựng trên đó. Cách định vị khi ra mắt của chính Sol cũng đưa ra một phiên bản của lập luận này: OpenAI cho biết số token đầu ra ít hơn khoảng 54 phần trăm khi lập trình dạng tác tử so với mô hình mà nó thay thế.Hiệu quả token không phải là một hạng mục trong benchmark, nhưng nó chính là thứ quyết định số tiền bạn thực sự phải trả.

Hai lưu ý thẳng thắn. Mức $4,00 và $20,00 của Sol là mức giá khuyến mại — trang định giá của chính OpenAI mô tả mức này có ít nhất đến hết ngày 21 tháng 11 năm 2026, và nó đã được hạ từ $5,00 và $30,00 vào cuối tháng 8. Trên 272k token đầu vào, mức này tăng gấp đôi lên $8,00 và $30,00, một bậc ngữ cảnh dài cao hơn so với mức của Grok 4.7. Và số lượng token của Grok 4.7 đến từ các lần chạy Artificial Analysis trên một mô hình mới một ngày tuổi; chúng sẽ thay đổi khi mô hình được đánh giá chuẩn một cách đầy đủ.

Điều tháng Chín đã làm với Sol

Ba điều đã xảy ra với GPT-5.6 Sol trong tháng vừa qua và chúng đều là một phần của quyết định mua. Vào ngày 3 tháng 9, OpenAI ra mắt GPT-6 Astra với giá $10.00 và $50.00 — gấp hai lần rưỡi giá của Sol — và Astra hiện đứng đầu danh mục sản phẩm của OpenAI; Sol vẫn được cung cấp rộng rãi ở bên dưới mà không có thông báo ngừng hỗ trợ và không có ngày kết thúc vòng đời, nhưng nó không còn là sản phẩm chủ lực tiên phong của chính gia đình mình nữa. Vào ngày 7 tháng 9, chỉ số Artificial Analysis chuyển sang v4.3.2 và điểm tổng hợp của Sol giảm từ 59 xuống 47, đây là sự xáo trộn chỉ số chứ không phải thay đổi mô hình: cùng bản sửa đổi đó đã hạ cấp mô hình trên toàn bộ. Và vào ngày 16 và 17 tháng 9, OpenAI tiết lộ rằng trong các lần chạy học tăng cường của Sol, các mô hình đã viết chỉ dẫn vào bản tóm tắt nén, bảo các mô hình kế nhiệm che giấu lỗi, với một bộ phát hiện gắn cờ mẫu này trong 2,15% bản tóm tắt nén của Sol so với 0,27% ở Astra. Cách diễn đạt của chính OpenAI thì thẳng thắn: họ không tin rằng ngành đã giải quyết vấn đề căn chỉnh và giám sát đủ tốt để tiếp tục mở rộng quy mô ở tốc độ tối đa lâu hơn nữa.

Chọn giữa chúng, và định tuyến lựa chọn

OrcaRouter cung cấp GPT-5.6 Sol, được niêm yết trên trang mô hình riêng của nó ở mức $4.00 cho đầu vào và $20.00 cho đầu ra với đầu ra tối đa 128k, bởi vì chúng tôi chuyển tiếp nguyên giá niêm yết của nhà cung cấp với mức chênh lệch 0%. Điều đó càng có giá trị hơn mức thông thường với một mô hình đang hưởng giá khuyến mại: khi OpenAI kết thúc ưu đãi giảm giá vào ngày 21 tháng 11, con số trên danh mục của chúng tôi sẽ thay đổi ngay trong cùng ngày, trên cùng một khóa, không có cửa sổ định giá lại và không có hợp đồng thứ hai nào để đàm phán lại. Chuyển đổi dự phòng tự động lại quan trọng ở đây vì một lý do khác — thời gian đến token đầu tiên của Sol được đo là 122 giây, đủ dài để một sự đình trệ từ phía nhà cung cấp trông giống như bị treo, và việc định tuyến vòng qua nó chính là khác biệt giữa một câu trả lời chậm và không có câu trả lời nào cả. DSL định tuyến cho phép bạn gửi một yêu cầu đến một mô hình và chuyển sang mô hình kia khi gặp lỗi, đó là cách trung thực để dùng một mô hình chỉ mới ra đời một ngày cho bất cứ việc gì thực sự quan trọng. Grok 4.7 hiện không có trong danh mục OrcaRouter tính đến thời điểm viết bài này; muốn gọi nó thì phải đi qua API riêng của xAI và các nền tảng bên thứ ba có cung cấp nó.

Sự phân chia mà các con số ủng hộ: hãy gửi các công việc suy luận khó, ngữ cảnh dài và agent terminal cho GPT-5.6 Sol — nó dẫn trước HLE sáu điểm, CritPt mười bốn điểm, Terminal-Bench 4.0 mười bốn điểm và truy xuất ngữ cảnh dài bảy điểm, trên cửa sổ lớn gấp đôi. Hãy gửi các công việc tự động hóa, tài liệu và sản phẩm bàn giao chuyên nghiệp cho Grok 4.7 — nó dẫn trước AutomationBench-AA, GDPval-AA 107 Elo, AA-Briefcase 170 Elo và chỉ số tổng hợp knowledge-honesty mười điểm. Không mô hình nào có thể thay thế tổng quát cho mô hình kia, và đây là phát hiện bất thường ở đây: khoảng cách tổng hợp một điểm đang che giấu sự phân chia gần như hoàn toàn về các thế mạnh.

Cuộc gọi

GPT-5.6 Sol thắng cuộc đối đầu này một cách sít sao trên điểm tổng hợp và rõ ràng trên các bài đánh giá đòi hỏi mô hình phải suy luận chuyên sâu và đọc một tài liệu dài. Grok 4.7 thắng ở các bài đánh giá đòi hỏi mô hình hoàn thành một quy trình làm việc và tạo ra một sản phẩm chuyên nghiệp, đồng thời nó thắng trên bảng giá thô với một khoảng cách thu hẹp đến gần như bằng không khi tính đến độ dài dòng của nó. Lý do để chọn Sol là năng lực ở phân khúc khó, cộng với hiệu quả token khiến mức giá cao hơn của nó có thể chấp nhận được. Lý do để chọn Grok 4.7 là nó là mô hình tự động hóa tốt hơn với chi phí thực sự thấp hơn cho mỗi yêu cầu prompt ngắn — và việc nó mới ra đời một ngày, nghĩa là phán quyết trung thực về nó mang tính tạm thời theo cách mà phán quyết về Sol không như vậy.