Terminal X đồng thuận với các nhà đầu tư cấp cao của mình 88,6% thời gian về GPT-6.1 Sol — và tiết kiệm 30% khi làm vậy

Con số thú vị nhất trong bài viết ngày 20 tháng 10 năm 2026 của OpenAI về Terminal X không phải là tên mô hình. Mà là 88,6% — tỷ lệ trong 500 đánh giá đầu tư được chấm điểm mà một agent đánh giá chạy trên GPT-6.1 Sol đưa ra cùng phán quyết với người đánh giá cấp cao của công ty. Mô hình tốt thứ hai trong cùng khung đánh giá đạt 86,4%. Chênh lệch giữa chúng là 220 điểm cơ bản, và khoảng 30% là mức chênh lệch chi phí mỗi truy vấn của chúng. Terminal X cũng chạy GPT-6 Luna cho các bước có khối lượng lớn, và sự phân chia giữa hai tầng đó chính là câu chuyện kỹ thuật thực sự ở đây: phán đoán ở nơi cần phán đoán, thông lượng ở mọi nơi khác. Các lỗi AI và sự cố agent được ghi nhận đằng sau những bản phát hành như thế này được tập hợp trong OrcaRouter AI Incident Archive nơi mỗi mục mang nguồn, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp riêng.

Một điều cần làm rõ trước khi những con số này được trích dẫn vòng quanh bàn làm việc: đây là câu chuyện khách hàng do nhà cung cấp mô hình công bố, được khách hàng đo lường, trên thang đánh giá của chính khách hàng. Đó là một kết quả thực theo nghĩa bộ khung đánh giá tồn tại và chạy trong môi trường sản xuất, và không phải là một chuẩn đánh giá độc lập theo bất kỳ nghĩa nào. Không ai bên ngoài Terminal X đã tái lập được 88,6%. Hãy coi đó là bằng chứng công khai chi tiết nhất cho đến nay về cách một mô hình tầm GPT-6.1 hành xử trong công việc đánh giá chuyên môn — không phải như một mục trên bảng xếp hạng.

Điều gì đã thực sự được đo lường

Terminal X bán thứ mà họ gọi là Capital Memory: một hệ thống do công ty sở hữu, lập chỉ mục các phòng dữ liệu, mô hình, bản ghi nhớ, hồ sơ nộp, email và lịch sử ủy ban đầu tư, rồi mã hóa cách một bộ phận cụ thể ra quyết định thành các tác nhân do công ty sở hữu, được triển khai tại chỗ hoặc trên đám mây riêng của công ty. Đội ngũ kỹ thuật gồm những chuyên gia tài chính và đầu tư trước đây, và họ ngồi cùng từng khách hàng trong nhiều tuần để phân tích ngược cách lý luận chưa từng được ghi lại — cách bộ phận tín dụng sàng lọc một người vay, nhóm đồng đầu tư kéo những nguồn nào trước khi làm một bản ghi nhớ.

Lớp đánh giá là một tác nhân riêng. Theo mô tả, nó đọc mọi đầu ra sản xuất dựa trên bộ tiêu chí gồm 54 tiêu chí và trả về đạt hoặc không đạt cho từng tiêu chí, kèm lý do một dòng và nguồn đã sửa cho mỗi trường hợp không đạt. Những lỗi đó trở thành hướng dẫn quy trình làm việc mới và các ca kiểm thử mới, vì vậy bộ tiêu chí ngày càng dày lên khi công ty chỉnh sửa hệ thống.

So sánh chính đến từ 500 phán quyết đã được chấm điểm mà một người đánh giá cấp cao đã đưa ra phán quyết trước đó. Tỷ lệ đồng thuận của tác nhân, theo từng mô hình:

• GPT-6.1 Sol — mức độ đồng thuận 88,6% trên 500 lượt đánh giá

• Mô hình tốt thứ hai — mức đồng thuận 86,4% trên cùng 500

• Chênh lệch — 220 điểm cơ bản, tức khoảng thêm một thỏa thuận cho mỗi 45 phán quyết

Terminal X gọi tên một lớp lỗi mà khoảng cách tập trung vào: trôi phong cách đầu tư. Một quỹ buyout có nhiệm vụ ủy thác là các ứng viên take-private đang giao dịch dưới giá trị tài sản ròng thì không nên khuyến nghị một vị thế tín dụng khó khăn hay một khoản tài trợ cứu vãn khi các mô hình kịch bản đảo chiều. Agent đánh giá trên GPT-6.1 Sol phát hiện được nhiều hơn khoảng 25% những trường hợp lệch khỏi phạm vi ủy thác đó so với mô hình tốt thứ hai. Đó là một tuyên bố hẹp hơn “chính xác 88,6%”, và hữu ích hơn: mô hình giỏi hơn trong việc nhận ra rằng một khuyến nghị đã lệch khỏi luận điểm đầu tư, vốn là dạng lỗi mà một người đánh giá cấp cao thực sự dành cả ngày để bắt gặp.

Vì sao đánh giá của một quỹ là một kiểu chuẩn so sánh khác

Các bộ đánh giá chuẩn công khai đặt cùng một câu hỏi cho mọi mô hình. Terminal X đặt cho mỗi mô hình những câu hỏi của một công ty, đối chiếu với một bộ tiêu chí, theo phong cách nội bộ của chính công ty đó. Điều đó khiến kết quả phù hợp hơn với người mua và khó so sánh hơn giữa những người mua — cùng một bộ khung đánh giá tại một quỹ khác sẽ có trọng số khác cho các tiêu chí, và khoảng cách 220 điểm có thể dễ dàng bị thu hẹp hoặc nới rộng.

Điều đó cũng khiến việc kiểm chứng kết quả trở nên tốn kém. Để tái tạo kết quả, cần có thang đánh giá 54 tiêu chí và 500 phán đoán, cả hai đều không được công khai. Điều được công khai là kết cấu của tuyên bố và bối cảnh sản xuất xung quanh nó, và trên cơ sở đó, kết quả là mạch lạc: khoảng 1.700 Memories cấp công ty được tạo, hơn một triệu quy trình tùy chỉnh được chạy, và người dùng hoạt động hàng tuần bằng 81% số người dùng hoạt động hàng tháng — một tỷ lệ gắn kết cho thấy các agent đang được sử dụng trong tuần làm việc thay vì chỉ được dùng thử rồi bỏ. Một công ty cổ phần tư nhân được nêu với 2,4 triệu USD tiết kiệm hằng năm nhờ tự động hóa các quy trình thẩm định và soạn memo. Tất cả đó là lời kể của chính khách hàng.

Đường chi phí quan trọng hơn đường độ chính xác.

Theo câu chuyện, GPT-6.1 Sol đã chạy các quy trình tương tự với chi phí mỗi truy vấn thấp hơn khoảng 30% so với mô hình tốt thứ hai, ở tốc độ tương đương. Terminal X quy điều đó cho hiệu quả token trong công việc ngữ cảnh dài: mô hình có thể kiểm tra một luận điểm với điều lệ của quỹ, rồi với các thương vụ gần đây của quỹ, rồi chạy lại các phán quyết chưa chắc chắn và đối chiếu, tất cả trong cùng một ngân sách. Chính lần xem xét sâu hơn đó đã gắn cờ những thương vụ mà chỉ một lượt duyệt đã cho qua.

Mức giảm chi phí 30% trên cơ sở mỗi truy vấn là một dữ kiện thương mại lớn hơn nhiều so với 220 điểm cơ bản về mức đồng thuận, vì các tác nhân đánh giá và rà soát được chạy liên tục và hóa đơn của chúng tăng theo khối lượng. Đây cũng là kiểu tuyên bố mà một câu chuyện của nhà cung cấp có thể đưa ra một cách thiếu chặt chẽ — "tốc độ tương tự" không phải là một con số — nên nó thuộc cùng nhóm với phần còn lại: đáng tin về hướng, chưa được xác minh.

GPT-6.1 Sol là gì, theo ghi nhận chính thức

GPT-6.1 Sol là mô hình mà O​penAI phát hành vào ngày 29 tháng 9 năm 2026 dành cho lập trình phức tạp và công việc chuyên môn. Đây là mô hình duy nhất thuộc hạng GPT-6.1 trong danh sách mô hình của O​penAI — không có mã định danh "GPT-6.1" riêng lẻ nào, và một yêu cầu chỉ nêu tên đó sẽ không được phân giải. Thông số kỹ thuật hiện tại của nhà cung cấp, như đã công bố:

• Giá — $2.00 cho mỗi triệu token đầu vào và $10.00 cho mỗi triệu token đầu ra

• Đầu vào được lưu trong bộ nhớ đệm — $0,10 mỗi triệu; ghi vào bộ nhớ đệm $2,50 mỗi triệu

• Lời nhắc dài — trên 272.000 token đầu vào, chi phí đầu vào và bộ nhớ đệm tăng gấp 2 lần, đầu ra gấp 1,5 lần

• Cửa sổ ngữ cảnh — 1.050.000 token, với đầu vào tối đa 922.000 và đầu ra tối đa 128.000

• Phương thức — đầu vào là văn bản và hình ảnh, đầu ra là văn bản

• Mức độ suy luận — low, medium, high, xhigh và max; none và minimal bị từ chối

• Mốc kiến thức — 30 tháng 4, 2026

• Các bậc dịch vụ — Fast ở mức gấp 2 lần tiêu chuẩn, Batch và Flex thấp hơn 50%, Ultrafast gấp 6 lần, với lưu trú dữ liệu tại Hoa Kỳ và EU

Bức tranh độc lập trên Artificial Analysis, đọc ngày 21/10/2026, là một Chỉ số Trí tuệ duy nhất ở mức 52 tại mức nỗ lực tối đa (chỉ số v4.3.2, mười đánh giá), với giá $0.72 mỗi tác vụ chỉ số và $1.47 tổng hợp mỗi triệu token, cùng tốc độ đầu ra 55,2 token mỗi giây. Bảng này cũng ghi nhận thời gian đến token đầu tiên là 248 giây ở thiết lập nỗ lực đó, so với trung vị của đối thủ so sánh là 3,69 giây — điều đáng biết trước khi ai đó hướng một giao diện đồng bộ vào bậc nỗ lực tối đa.

Hai bộ số đó mô tả những thứ khác nhau, và khoảng cách giữa chúng chính là bản tóm tắt trung thực về mô hình: một hạng suy luận ngữ cảnh 1M được định giá như một mô hình hạng trung, mà bài toán kinh tế của nó phù hợp cho đánh giá theo lô và các lượt chạy tác tử dài, và không phù hợp cho bất cứ thứ gì mà một người phải chờ tương tác ở mức nỗ lực tối đa.

Điều mà 88,6% không cho bạn biết

• Đây không phải là thước đo năng lực tổng quát. Một bộ tiêu chí, một cơ cấu loại tài sản, tiêu chuẩn của một công ty.

• Đó là sự khớp với con người, không phải tính đúng đắn. Một người đánh giá có thiên kiến nhất quán và một mô hình chia sẻ thiên kiến đó sẽ đạt điểm cao.

• Tập so sánh không được nêu tên. “Mô hình tốt thứ hai” có thể là một đối thủ tiên phong hoặc một phân khúc rẻ hơn nhiều; nếu không có tên, 220 điểm cơ bản không thể được định giá.

• Chi phí cho mỗi truy vấn không được định nghĩa. Việc chi phí đó có bao gồm các lượt đánh giá bổ sung mà mô hình cho phép hay không chính là kiểu chi tiết có thể thay đổi kết luận.

• Không có nội dung nào ở đây là kết quả benchmark công khai có thể so sánh tương đương. Trên chỉ số độc lập duy nhất thực sự tồn tại, GPT-6.1 Sol thấp hơn GPT-6 Astra một điểm và cao hơn bậc GPT-6 Sol mà nó thay thế bốn điểm.

Kiểm chứng một tuyên bố như thế này trên dữ liệu của chính bạn

Cách duy nhất để biết liệu kết quả mandate-drift có chuyển giao được hay không là chạy 200 đến 500 phán đoán của riêng bạn qua hai mô hình và chấm điểm chúng dựa trên người đánh giá của riêng bạn.

Đó giờ là một thử nghiệm ít tốn kém: GPT-6.1 Sol nằm trên các tuyến của OrcaRouter với đúng giá niêm yết của nhà cung cấp, không cộng thêm phụ phí, vì vậy một lần chạy so sánh với GPT-6 Astra, GPT-6 Sol hoặc GPT-6 Luna chỉ tốn đúng bảng giá và không gì khác. Vì cả bốn hạng đều nằm sau một khóa, việc so sánh chỉ là thay đổi chuỗi mô hình chứ không phải thêm một hợp đồng thứ hai.

Kiến trúc của chính Terminal X là khuôn mẫu đáng sao chép: định tuyến giai đoạn đòi hỏi nhiều phán đoán — tổng hợp luận điểm, mức độ phù hợp với uỷ nhiệm, lượt đối soát — tới tầng mạnh nhất mà bạn có thể biện minh, và định tuyến các bước trích xuất, phân loại và khối lượng lớn tới thứ gì đó như GPT-6 Luna ở mức $0.10 và $0.50 mỗi triệu token. Còn routing DSL tồn tại chính xác là để sự phân tách đó có thể nằm trong cấu hình thay vì trong mã ứng dụng, và cơ chế chuyển đổi dự phòng tự động có nghĩa là một lượt đánh giá sẽ không chết giữa chừng chỉ vì một dịch vụ thượng nguồn có một buổi chiều tồi tệ.

Xem gì

Hai điều sẽ biến đây từ một giai thoại của nhà cung cấp thành một kết quả. Thứ nhất, một công ty thứ hai công bố tỷ lệ đồng thuận của riêng mình trên một bộ tiêu chí khác — nếu 88,6% là thuộc tính của mô hình chứ không phải của harness Terminal X, thì một bàn tín dụng và một quỹ hạ tầng sẽ phải rơi vào cùng một vùng tương tự. Thứ hai, phép so sánh được nêu tên. Một "mô hình tốt thứ hai" ở mức 86,4% là con số mà mọi người sẽ muốn chất vấn, và cho đến khi nó có tên, 220 điểm cơ bản vẫn chỉ là một tuyên bố về một phạm trù, chứ không phải so sánh giữa hai sản phẩm.

Cho đến lúc đó, cách diễn giải có thể biện hộ được là hẹp nhưng vẫn hữu ích: trong một quy trình đầu tư đang vận hành thực tế, một mô hình tầm cỡ GPT-6.1 đã đồng ý với một chuyên gia đánh giá cấp cao đủ thường xuyên để tự động hóa lượt duyệt đầu tiên, phát hiện được nhiều hơn khoảng một phần tư mức trôi lệch ủy nhiệm so với thứ mà nó được đo đối chiếu, và làm được điều đó với chi phí thấp hơn khoảng 30% cho mỗi truy vấn. Đó là lý do chính đáng để bạn tự chạy thử nghiệm. Nhưng đó chưa phải là lý do để bỏ qua việc đó.