OpenAI's GPT-5.2 với ngữ cảnh 400K, đầu ra 128K, AA Math 99.0, giá $1.75/$14 mỗi 1M token qua OrcaRouter.
OpenAI's GPT-5.2-2025-12-11 là một mô hình ngôn ngữ lớn thuộc dòng GPT-5, được phát hành vào tháng 12 năm 2025. Mô hình này được thiết kế để xử lý độ dài ngữ cảnh mở rộng và đầu vào đa phương thức,…
Với cửa sổ ngữ cảnh 400.000 token, mô hình có thể xử lý toàn bộ sách, báo cáo nghiên cứu dài, mã nguồn lớn hoặc lịch sử hội thoại dài trong một yêu cầu duy nhất. Điều này cho phép thực hiện các tác vụ như tóm tắt toàn bộ tiểu thuyết, phân tích hợp đồng pháp lý hoàn chỉnh hoặc duy trì hội thoại mạch lạc qua hàng trăm lượt tương tác. Đầu ra tối đa 128.000 token cho phép mô hình tạo nội dung đáng kể, như soạn thảo báo cáo dài hoặc tạo khối mã lớn. Khả năng ngữ cảnh mở rộng này giảm nhu cầu phân đoạn hoặc bộ nhớ ngoài, đơn giản hóa quy trình phát triển cho các ứng dụng dựa trên xử lý thông tin quy mô lớn.
Mô hình chấp nhận ba phương thức đầu vào: tệp, hình ảnh và văn bản. Điều này có nghĩa là bạn có thể cung cấp PDF, bảng tính hoặc các loại tệp khác làm đầu vào, cũng như hình ảnh như sơ đồ, ảnh chụp màn hình hoặc ảnh chụp. Mô hình xử lý chúng cùng với các lời nhắc văn bản, cho phép thực hiện các tác vụ như giải thích biểu đồ, trích xuất dữ liệu từ hình ảnh hoặc tóm tắt tài liệu đã quét. Mặc dù chi phí token chính xác cho hình ảnh và tệp phụ thuộc vào cách nhà cung cấp mã hóa chúng, mô hình định giá áp dụng cho việc sử dụng token kết quả. Khả năng đa phương thức đặc biệt hữu ích cho các ứng dụng cần tích hợp thông tin hình ảnh với lý luận ngôn ngữ tự nhiên.
Mô hình này vượt trội trong các tác vụ đòi hỏi suy luận toán học sâu, được phản ánh qua điểm AA Math 99.0. Nó cũng rất phù hợp để tạo nội dung dài, phân tích đa phương thức và giải quyết vấn đề phức tạp. Các trường hợp sử dụng tốt nhất bao gồm: nghiên cứu học thuật với các bài báo chứa nhiều phương trình; kỹ thuật phần mềm khi cần hiểu hoặc tạo ra toàn bộ thư viện; phân tích pháp lý với tài liệu dài hàng trăm trang; và chatbot hỗ trợ khách hàng cần nhớ lại toàn bộ lịch sử hội thoại. Tuy nhiên, đối với các tác vụ đơn giản hoặc ngắn hơn, một mô hình nhỏ hơn và rẻ hơn có thể tiết kiệm chi phí hơn. Điểm mạnh của mô hình thể hiện rõ nhất khi khả năng ngữ cảnh lớn và suy luận được tận dụng triệt để.
Nếu trường hợp sử dụng của bạn liên quan đến các prompt ngắn, truy vấn đơn giản, hoặc các tác vụ không yêu cầu suy luận toán học sâu, một mô hình rẻ hơn có thể phù hợp hơn. Ví dụ, đối với phân loại cơ bản, tạo văn bản ngắn, hoặc trò chuyện độ trễ thấp, một mô hình như GPT-4o-mini hoặc một lựa chọn mã nguồn mở nhỏ hơn có thể mang lại kết quả chấp nhận được với chi phí thấp hơn nhiều. Giá đầu ra cao $14.00 cho 1M token khiến mô hình trở nên đắt đỏ đối với các ứng dụng tạo ra lượng văn bản lớn mà không cần đến ngữ cảnh mở rộng hoặc khả năng toán học mạnh. Đánh giá xem tác vụ của bạn có hưởng lợi từ ngữ cảnh 400K và hiệu suất AA Math 99.0 trước khi cam kết sử dụng mô hình này.
Chỉ số hiệu suất chính của mô hình này là 99.0 trên bài kiểm tra AA Math. AA Math là một bài kiểm tra được thiết kế để đánh giá khả năng lý luận toán học ở cấp độ cao, bao gồm đại số, số học, giải tích và giải quyết vấn đề logic. Điểm số 99.0 cho thấy mô hình có thể giải gần như tất cả các bài toán được đưa ra một cách chính xác, đưa nó vào nhóm các mô hình hoạt động tốt nhất trên chỉ số cụ thể này. Mặc dù điểm chuẩn này là một chỉ báo mạnh mẽ về năng lực toán học, nhưng nó không phải là thước đo toàn diện về trí thông minh tổng thể hay sự phù hợp cho tất cả các nhiệm vụ. Người dùng nên cân nhắc đánh giá bổ sung trên lĩnh vực cụ thể của họ nếu hiệu suất toán học là yếu tố quan trọng.
Độ trễ và thông lượng phụ thuộc vào kích thước đầu vào, độ dài đầu ra yêu cầu và lưu lượng hiện tại trên API của OrcaRouter. Vì mô hình có kích thước lớn và hỗ trợ tới 128.000 token đầu ra, các thế hệ rất dài có thể mất thời gian thực đáng kể. Đối với các phản hồi ngắn (vài trăm token), độ trễ thường nằm trong khoảng vài giây. Dịch vụ không công khai tỷ lệ token mỗi giây cho từng mô hình, nhưng người dùng có nhu cầu thông lượng cao có thể muốn thử nghiệm với khối lượng công việc của riêng họ. Phản hồi streaming (sử dụng tham số stream) có thể giảm độ trễ cảm nhận cho các ứng dụng tương tác. Mô hình được truy cập qua cùng một endpoint tương thích với OpenAI, do đó các đặc điểm về độ trễ tương tự như các mô hình khác được phục vụ qua OrcaRouter.
Điểm mạnh chính của mô hình là khả năng suy luận toán học, được xác nhận bởi điểm AA Math 99.0. Nó cũng thể hiện khả năng mạnh mẽ trong việc xử lý các ngữ cảnh rất dài (lên đến 400K token) và tạo ra các đầu ra lớn (lên đến 128K token). Hỗ trợ đầu vào đa phương thức cho phép nó suy luận trên hình ảnh và tệp tin, khiến nó trở nên linh hoạt cho phân tích dữ liệu và hiểu tài liệu. Đối với các nhiệm vụ yêu cầu tổng hợp thông tin qua các tài liệu dài hoặc thực hiện suy luận phân tích phức tạp, mô hình này có khả năng vượt trội so với các lựa chọn thay thế nhỏ hơn. Ngoài ra, mức giá không markup thông qua OrcaRouter có nghĩa là bạn trả giá nhà cung cấp mà không có thêm phí.
Mặc dù có những điểm mạnh, mô hình vẫn tồn tại những hạn chế. Chi phí cao cho mỗi token đầu ra (14,00 USD trên 1 triệu token) có thể nhanh chóng tăng lên đối với các ứng dụng tạo ra khối lượng văn bản lớn. Hiệu suất của mô hình trong các tác vụ suy luận phi toán học có thể không tốt hơn một cách tương xứng so với các lựa chọn thay thế rẻ hơn. Mô hình cũng có thể bộc lộ những điểm yếu điển hình của LLM như ảo giác, đặc biệt là với thông tin ít phổ biến hoặc rất mới. Xử lý đầu vào đa phương thức có thể tiêu tốn nhiều token hơn dự kiến, tùy thuộc vào cách mã hóa hình ảnh và tệp. Cuối cùng, cửa sổ ngữ cảnh 400K token là dành cho tổng đầu vào; mô hình vẫn có thể gặp khó khăn với các phụ thuộc cực dài trong cửa sổ đó, mặc dù nhìn chung nó hoạt động tốt.
Giá cả dựa trên việc sử dụng token: 1,75 đô la cho mỗi 1 triệu token đầu vào và 14,00 đô la cho mỗi 1 triệu token đầu ra. Đây là tỷ lệ của nhà cung cấp được OrcaRouter chuyển qua mà không có phụ phí. Token đầu vào bao gồm văn bản, hình ảnh và tệp tin được nhà cung cấp mã hóa. Token đầu ra do mô hình tạo ra. Chi phí được tính theo mỗi yêu cầu, và tổng hóa đơn là tổng chi phí token đầu vào và đầu ra. Ví dụ, một yêu cầu có 10.000 token đầu vào và 2.000 token đầu ra sẽ có chi phí khoảng $0.0000175 (đầu vào) + $0.000028 (đầu ra) = $0.0000455. Người dùng có thể theo dõi việc sử dụng qua bảng điều khiển ghi nhật ký và thanh toán của OrcaRouter.
Giá đầu ra (14,00 USD cho mỗi 1 triệu token) gấp tám lần giá đầu vào (1,75 USD cho mỗi 1 triệu token). Điều này phù hợp với cấu trúc giá của nhà cung cấp cho các mô hình lớn, phản ánh chi phí tính toán của quá trình sinh tự hồi quy. Việc sinh token tuần tự yêu cầu bộ nhớ GPU và tài nguyên tính toán đáng kể, đặc biệt đối với các mô hình có cửa sổ ngữ cảnh 400K. Đối với các ứng dụng yêu cầu đầu ra dài, chi phí đầu ra sẽ chiếm ưu thế. Người dùng nên thiết kế lời nhắc để giảm thiểu độ dài đầu ra nếu có thể, hoặc cân nhắc lưu đệm các phản hồi lặp lại. OrcaRouter không thêm bất kỳ khoản phụ phí nào vào các mức giá này, vì vậy mức giá bạn thấy là giá của nhà cung cấp.
Có. Bởi vì các token đầu ra của mô hình có chi phí cao, nên đáng để đánh giá xem liệu tác vụ có thực sự cần độ chính xác toán học cao hay ngữ cảnh dài hay không. Đối với các đầu ra ngắn hơn hoặc đơn giản hơn, một mô hình rẻ hơn có thể đáp ứng. Ngoài ra, việc sử dụng đầu vào đa phương thức có thể làm tăng chi phí token đầu vào nếu hình ảnh được mã hóa thành nhiều token. Bạn có thể giảm thiểu chi phí bằng cách nén hình ảnh hoặc sử dụng lời nhắc chỉ bằng văn bản khi có thể. OrcaRouter cung cấp bộ nhớ đệm cho các lời nhắc lặp lại (nếu được bật), điều này có thể giảm chi phí token đầu vào cho các yêu cầu giống hệt hoặc tương tự. Tuy nhiên, giá của mô hình là trả theo mức sử dụng, không có giảm giá cho sử dụng số lượng lớn trừ khi nhà cung cấp áp dụng chúng.
OrcaRouter cung cấp tính năng lưu đệm (caching) có thể giảm chi phí cho các token đầu vào lặp lại. Khi bật caching, các tiền tố đầu vào giống hệt nhau có thể được lưu trữ và tái sử dụng qua nhiều yêu cầu, do đó bạn sẽ không bị tính phí cho việc xử lý lại các token tương tự. Tính năng này đặc biệt hữu ích cho các ứng dụng thường xuyên gửi cùng một prompt hệ thống, các ví dụ few-shot, hoặc các khối ngữ cảnh lớn. Bộ đệm thường được duy trì trong một khoảng thời gian giới hạn (ví dụ: vài phút đến vài giờ). Người dùng có thể cấu hình các tham số caching qua API. Mức tiết kiệm chính xác phụ thuộc vào tỷ lệ lặp lại của các đầu vào của bạn. Lưu ý rằng các token đầu ra không bao giờ được lưu vào bộ đệm, vì chúng được tạo ra theo từng yêu cầu.
Bạn gọi mô hình thông qua API tương thích OpenAI của OrcaRouter tại base URL https://api.orcarouter.ai/v1. Sử dụng endpoint chat completions tiêu chuẩn của OpenAI với tham số model được đặt là "openai/gpt-5.2-2025-12-11". Khóa API của bạn (lấy từ OrcaRouter) được gửi trong header Authorization dưới dạng Bearer token. Ví dụ sử dụng Python và thư viện OpenAI: import openai openai.api_base = "https://api.orcarouter.ai/v1" openai.api_key = "your-key" response = openai.ChatCompletion.create( model="openai/gpt-5.2-2025-12-11", messages=[{"role":"user","content":"Solve 2+2"}] ) Định dạng phản hồi khớp với cấu trúc ChatCompletion của OpenAI. Hỗ trợ phát trực tuyến (streaming) bằng cách đặt stream=True.
Tất cả các tham số tiêu chuẩn của OpenAI Chat Completion đều được hỗ trợ, bao gồm: model (bắt buộc), messages (mảng các đối tượng message), max_tokens (tối đa 128.000), temperature, top_p, frequency_penalty, presence_penalty, stop và stream. Đối với đầu vào đa phương thức (multimodal), bạn có thể bao gồm URL hình ảnh hoặc tệp trong nội dung tin nhắn bằng cách sử dụng cấu trúc phần nội dung tiêu chuẩn của OpenAI (ví dụ: content: [{"type":"image_url","image_url":{"url":"..."}}]). Mô hình cũng hỗ trợ tham số max_completion_tokens nếu bạn muốn giới hạn đầu ra. Lưu ý rằng cửa sổ ngữ cảnh (context window) bao gồm cả token đầu vào và đầu ra, vì vậy hãy đảm bảo tổng số token (đầu vào + đầu ra) không vượt quá 400.000. API sẽ trả về lỗi nếu vượt quá giới hạn.
Nếu bạn hiện đang sử dụng trực tiếp API của OpenAI, việc chuyển sang OrcaRouter chỉ yêu cầu thay đổi URL gốc và khóa API. Thay `openai.api_base` từ `"https://api.openai.com/v1"` thành `"https://api.orcarouter.ai/v1"` và sử dụng khóa API của OrcaRouter. Giữ nguyên tất cả mã nguồn khác, bao gồm tên mô hình (ví dụ: `"openai/gpt-5.2-2025-12-11"`) và định dạng yêu cầu. Cấu trúc phản hồi là giống hệt. Hãy kiểm tra bằng một yêu cầu đơn lẻ để xác minh kết nối. OrcaRouter không thêm bất kỳ độ trễ nào ngoài độ trễ do nhà cung cấp mang lại, và giá cả minh bạch (không có phụ phí). Đối với người dùng cần chuyển đổi mô hình, cùng một điểm cuối (endpoint) hoạt động cho tất cả các mô hình có sẵn trên OrcaRouter.
Xác thực được thực hiện qua khóa API được gửi trong header Authorization: "Bearer <your-api-key>". Bạn có thể lấy khóa API bằng cách tạo tài khoản trên OrcaRouter và tạo khóa từ dashboard. Không có client ID hay secret riêng; chỉ riêng khóa API là đủ. Khóa nên được giữ bảo mật và không được hiển thị trong mã phía client. Đối với các ứng dụng phía máy chủ, hãy lưu trữ nó trong biến môi trường. Nếu bạn cần nhiều khóa cho các nhóm hoặc dự án khác nhau, bạn có thể tạo nhiều khóa trong dashboard. Tất cả các yêu cầu đều được tính phí vào tài khoản liên kết với khóa. Giới hạn tốc độ và hạn mức sử dụng được áp dụng cho từng khóa; hãy tham khảo tài liệu của OrcaRouter để biết chi tiết.
So với các mô hình GPT-4.0 trước đây, GPT-5.2-2025-12-11 cung cấp cửa sổ ngữ cảnh lớn hơn đáng kể (400K so với thường là 32K hoặc 128K của GPT-4 Turbo), giới hạn đầu ra cao hơn (128K so với 8K-32K) và hỗ trợ đầu vào đa phương thức (GPT-4 Turbo cũng hỗ trợ hình ảnh, nhưng GPT-5.2 bổ sung đầu vào tệp). Điểm AA Math là 99.0 có khả năng cao hơn nhiều so với hiệu suất điển hình của GPT-4.0 trên các chuẩn đánh giá toán học, vốn chỉ khoảng 70-80 trong các bài kiểm tra tương tự. Giá cả khác nhau: GPT-4 Turbo có giá $10/$30 cho 1M token, trong khi mô hình này rẻ hơn cho đầu vào ($1.75) nhưng đắt hơn cho đầu ra ($14). Đối với các tác vụ yêu cầu ít đầu ra, GPT-5.2 có thể tiết kiệm chi phí hơn về tổng thể.
Các mô hình Claude từ Anthropic cũng cung cấp cửa sổ ngữ cảnh lớn (ví dụ: Claude 3.5 Sonnet có 200K). Claude 3.5 Opus có khả năng toán học tương đương nhưng không có điểm AA Math được báo cáo công khai. Cửa sổ ngữ cảnh 400K của GPT-5.2 gấp đôi hầu hết các mô hình Claude, và đầu ra 128K của nó cũng lớn hơn đầu ra điển hình 4K-8K của Claude. Khác biệt về giá: Claude 3.5 Sonnet có giá $3/$15 trên 1 triệu token, trong khi GPT-5.2 có giá $1.75/$14. Vì vậy, GPT-5.2 rẻ hơn về đầu vào nhưng tương tự về đầu ra. Các mô hình Claude có sự căn chỉnh an toàn mạnh mẽ và thường được ưa chuộng trong hội thoại. Việc lựa chọn phụ thuộc vào yêu cầu cụ thể của tác vụ, đặc biệt nếu bạn cần khả năng đầu ra cao hơn hoặc hiệu suất toán học.
Các mô hình mã nguồn mở như Llama 3.1 405B hay Mixtral 8x22B có cửa sổ ngữ cảnh nhỏ hơn (thường là 128K hoặc ít hơn) và điểm benchmark toán thấp hơn. Ví dụ, Llama 3.1 405B đạt khoảng 85-90 trong các bài kiểm tra toán tương tự. Chúng không thể sánh được với AA Math 99.0 của GPT-5.2 hay khả năng nhập tệp đa phương thức. Tuy nhiên, các mô hình mã nguồn mở có thể tự lưu trữ, mang lại chi phí mỗi token thấp hơn khi mở rộng nếu bạn có phần cứng. GPT-5.2 qua OrcaRouter cung cấp sự dễ sử dụng, không cần cơ sở hạ tầng và định giá không tăng phí. Đối với người dùng cần độ chính xác toán tối đa, mô hình nguồn đóng là vượt trội; đối với những người ưu tiên kiểm soát chi phí và quyền riêng tư dữ liệu thông qua tự lưu trữ, mã nguồn mở có thể là lựa chọn tốt hơn.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.2-2025-12-11",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Đầu vào / 1M tokens | $1.75 |
| Đầu ra / 1M tokens | $14.00 |
| Đọc cache / 1M | $0.175 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/openai/gpt-5.2-2025-12-11Mở @misc{orcarouter_gpt_5_2_2025_12_11,
title = {openai/gpt-5.2-2025-12-11 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.2-2025-12-11}
}openai. (n.d.). openai/gpt-5.2-2025-12-11 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.2-2025-12-11