OpenAI ra mắt GPT-6.2 Astra và Sol với giá thấp hơn nhưng hiệu suất benchmark không đồng đều
OpenAI đã ra mắt GPT-6.2 Astra và Sol vào ngày 17 tháng 11 năm 2026, cung cấp chi phí API giảm nhưng cho thấy hiệu suất không ổn định trong các tác vụ lập trình phức tạp so với các mô hình đối thủ.
Được dịch tự động từ bản gốc tiếng Anh.
OpenAI đã giới thiệu hai mô hình tiên phong mới, GPT-6.2 Astra và GPT-6.2 Sol, vào ngày 17 tháng 11 năm 2026. Các bản cập nhật này mang lại mức giảm giá đáng kể cho các nhà phát triển, đồng thời hướng tới việc cân bằng giữa khả năng cao cấp và hiệu quả hàng ngày. Các thử nghiệm ban đầu tiết lộ một sự đánh đổi phức tạp giữa việc tiết kiệm chi phí và hiệu suất thô so với các hệ thống cạnh tranh.
Điều gì đã xảy ra
Việc phát hành chia dòng sản phẩm mô hình thành hai phân khúc riêng biệt. GPT-6.2 Astra nhắm mục tiêu vào các dự án khó khăn, đòi hỏi nhiều tài nguyên, trong khi GPT-6.2 Sol đóng vai trò là một lựa chọn linh hoạt cho công việc phát triển thường nhật. Cả hai hiện đã có sẵn ngay lập tức qua API với các định danh gpt-6.2-astra và gpt-6.2-sol. Simon Willison đã cập nhật bộ công cụ LLM của mình lên phiên bản 0.38 để hỗ trợ các endpoint mới này, báo hiệu tốc độ áp dụng nhanh chóng trong cộng đồng nhà phát triển.
Về mặt định giá, đây là một sự thay đổi lớn trong động lực thị trường. GPT-6.2 Astra có giá $8 mỗi triệu token đầu vào và $40 mỗi triệu token đầu ra. Đây là mức giá bằng 80% so với thế hệ trước đó, GPT-6 Astra, vốn tính phí $10/$50. Giá token đầu vào được cache giảm sâu hơn nữa xuống còn $0.40 mỗi triệu token, giảm từ mức $1 mỗi triệu. Cấu trúc này khớp với mức giá của Claude Fable 5.2, tạo ra sự cạnh tranh trực tiếp ở phân khúc hiệu suất cụ thể này. GPT-6.2 Sol duy trì mức giá hiện tại là $2/$10, vẫn bằng một nửa chi phí so với GPT-5.6 Sol cũ.
Các đánh giá hiệu suất cho thấy kết quả trái chiều. Trong một bài kiểm tra so sánh liên quan đến yêu cầu hoạt ảnh Three.js phức tạp, cả GPT-6.2 Astra lẫn Sol đều không đạt hiệu suất tốt như Claude Fable 5.2 hoặc Gemini 4 Carbon. Tác vụ yêu cầu biến đổi bản đồ Yonkers thành một nhân vật mech sử dụng dữ liệu OpenStreetMap. Mặc dù các mô hình tạo ra mã chức năng, nhưng phần hiển thị trực quan thiếu đi độ trung thực so với các đối thủ cạnh tranh. Ngoài ra, phản hồi từ người dùng làm nổi bật các vấn đề về khả năng sử dụng trong hành vi tác nhân (agentic) của Astra trong các tác vụ chạy dài.
Cách thức hoạt động
Các mô hình này hoạt động trong kiến trúc transformer tiêu chuẩn nhưng tận dụng các đường dẫn suy luận (inference pathways) được tối ưu hóa để đạt được các mức giá mới. Mức giảm giá đáng kể đối với token được cache cho thấy cải thiện trong quản lý trạng thái cho các phiên ngữ cảnh dài. Điều này cho phép các tác nhân giữ lại thông tin qua các tương tác kéo dài mà không phải chịu toàn bộ chi phí xử lý lại các đầu vào trước đó. Cơ chế này rất quan trọng đối với các quy trình làm việc theo tác nhân, nơi mô hình phải duy trì ngữ cảnh trong nhiều giờ hoạt động.
Sự khác biệt giữa Astra và Sol nằm ở cách phân bổ tài nguyên tính toán và độ sâu suy luận. Astra sử dụng các mức nỗ lực cao hơn, chẳng hạn như thiết lập "Ultra" được dùng trong thử nghiệm, để giải quyết các vấn đề đa bước. Nó có thể khởi tạo và quản lý các tác nhân con (subagents) để xử lý các tác vụ song song. Tuy nhiên, sự phức tạp này đưa ra các chế độ lỗi mới. Mô hình có thể hiển thị các chi tiết triển khai nội bộ cho người dùng khi bị chặn, đặt câu hỏi về đường dẫn tệp hoặc trạng thái hệ thống không liên quan đến người vận hành. Hành vi này chỉ ra khoảng trống trong khả năng của mô hình trong việc lọc quá trình suy luận nội bộ trước khi trình bày các truy vấn cho người dùng.
Chi tiết chính
- GPT-6.2 Astra có giá $8/MTok đầu vào và $40/MTok đầu ra, ngang bằng với Claude Fable 5.2.
- Token đầu vào được cache cho Astra có giá $0.40 mỗi triệu, giảm đáng kể so với mức $1 trước đó.
- GPT-6.2 Sol giữ nguyên mức giá $2/MTok đầu vào và $10/MTok đầu ra của các thế hệ trước.
- Trong benchmark hoạt ảnh Three.js, cả hai mô hình mới đều kém hơn so với Claude Fable 5.2 và Gemini 4 Carbon.
- Astra có thể quản lý nhiều tác nhân con nhưng có thể gây nhầm lẫn cho người dùng bằng cách đặt các câu hỏi kỹ thuật mơ hồ khi bị chặn.
- Hỗ trợ cho các mô hình mới đã được thêm vào LLM phiên bản 0.38 ngay sau khi phát hành.
Tại sao điều này quan trọng
Đối với các kỹ sư phần mềm và nhà sáng lập kỹ thuật, việc điều chỉnh giá giúp các mô hình có khả năng cao trở nên dễ tiếp cận hơn cho mục đích sử dụng trong môi trường production. Việc giảm chi phí token được cache đặc biệt có lợi cho các ứng dụng dựa trên các phiên làm việc theo tác nhân kéo dài. Các nhà phát triển giờ đây có đủ khả năng để giữ cửa sổ ngữ cảnh mở trong thời gian dài, cho phép các quy trình tự động phức tạp hơn mà không gặp phải chi phí quá đắt đỏ. Điều này đưa cấu trúc chi phí của mô hình hàng đầu của OpenAI ngang bằng với đối thủ chính, buộc sự tập trung phải chuyển sang hiệu suất và độ tin cậy chứ không chỉ là giá cả.
Tuy nhiên, các khoảng trống về hiệu suất nhấn mạnh rằng hiệu quả chi phí chưa đồng nghĩa với sự vượt trội trong mọi lĩnh vực. Việc không thể sánh kịp với tính mạch lạc về mặt trực quan và logic của Claude Fable 5.2 hoặc Gemini 4 Carbon trong các tác vụ lập trình sáng tạo gợi ý rằng các đội ngũ nên duy trì chiến lược đa mô hình. Chỉ dựa vào các mô hình mới nhất của OpenAI có thể dẫn đến đầu ra kém hơn trong các lĩnh vực chuyên biệt như giao diện người dùng tạo sinh (generative UI) hoặc suy luận không gian phức tạp. Hơn nữa, sự nhầm lẫn được báo cáo trong phong cách giao tiếp của Astra đòi hỏi kỹ thuật prompt cẩn thận và giám sát để ngăn chặn tình trạng tắc nghẽn quy trình làm việc.
Bạn có thể làm gì
- Cập nhật các client API của bạn để sử dụng các endpoint
gpt-6.2-astravàgpt-6.2-solngay lập tức nhằm truy cập mức giá thấp hơn. - Triển khai các chiến lược caching cho token đầu vào để tận dụng mức giá $0.40 mỗi triệu token cho Astra.
- Benchmark các trường hợp sử dụng cụ thể của bạn so với Claude Fable 5.2 và Gemini 4 Carbon trước khi di chuyển hoàn toàn khối lượng công việc.
- Giám sát nhật ký tác nhân để tìm các câu hỏi nội bộ mơ hồ từ Astra và thêm logic lọc vào lớp ứng dụng của bạn.
- Sử dụng GPT-6.2 Sol cho các tác vụ lập trình thường nhật, nơi mức giá $2/$10 cung cấp hiệu suất đủ tốt.
- Chỉ thử nghiệm mức nỗ lực "Ultra" cho các tác vụ đòi hỏi suy luận sâu, vì nó gây ra độ trễ cao hơn và tiềm ẩn nguy cơ gây nhầm lẫn.



