Tiêu chí chọn model GPT-5.6: chênh lệch giá gấp 5 lần, hiệu năng lập trình chỉ chênh 4,1 điểm %

GPT-5.6 được chia thành các model Sol/Terra/Luna và đi kèm các chế độ Max/Ultra.
Vì mỗi lần làm việc lại dễ bối rối không biết nên chọn gì, nên tôi đã tổng hợp lại dựa trên các benchmark được công bố.

Trước tiên cần tách thành hai trục

• Cấp model (Grade): Sol / Terra / Luna. Quyết định mức độ thông minh và chi phí cơ bản.
• Cách vận hành (Mode): suy luận mặc định / Max / Ultra. Lượng tính toán và cấu trúc xử lý khác nhau ở đây.
• Max là một agent đơn đào sâu vào một vấn đề, còn Ultra chia cho 4 agent xử lý song song.

Giá API (input/output trên mỗi 1 triệu token)

• Sol $5 / $30
• Terra $2.5 / $15
• Luna $1 / $6
• Chênh lệch tối đa gấp 5 lần. Đọc cache được giảm giá 90%, nên với tác vụ lặp lại thì khoảng cách thực tế còn thu hẹp hơn nữa.

Hiệu năng không giãn ra nhiều như giá (Terminal-Bench 2.1)

• Sol Ultra 91.9% / Sol 88.8% / Terra 87.4% / Luna 84.7%
• Chênh lệch giữa Sol và Luna, dù giá gấp 5 lần, là 4.1 điểm %.
• Sol và Terra chênh 1.4 điểm %, nhưng giá gấp 2 lần.
• Terra (87.4%) vượt cả GPT-5.5 (85.6%), vốn là model flagship của thế hệ trước.

Trong các tác vụ tri thức hằng ngày, khoảng cách còn hẹp hơn nữa (Agents' Last Exam)

• Sol 52.7% / Terra 50.4% / Luna 50.3% / GPT-5.5 46.9%
• Terra và Luna chỉ chênh 0.1 điểm %. Với tóm tắt đơn giản hay Q&A, Luna là đủ dùng.

Sol không phải lúc nào cũng đứng đầu

• SWE-Bench Pro (phân tích cấu trúc mã): Sol 64.6% / Claude Mythos 5 80.3% / Fable 5 80.0%
• Ngược lại, ở các tác vụ thao tác trực tiếp với môi trường thì Sol dẫn trước.
  OSWorld 2.0 (điều khiển máy tính): Sol 62.6% vs Claude Opus 4.8 54.8%
  BrowseComp (duyệt web): Sol Ultra 92.2% / Sol 90.4%
• Có vẻ sự khác biệt nằm ở chỗ đó là thao tác terminal hay phân tích cấu trúc mã.

Chế độ Ultra không tăng nhiều như tưởng tượng

• Lập trình +3.1 điểm %, phân tích bảo mật +3.1 điểm %, duyệt web +1.8 điểm %
• Để đổi lấy 2~3 điểm % này, số token dùng vào khoảng gấp 3 lần.
• Có lẽ chỉ nên dùng cho các tác vụ có chi phí thất bại lớn hoặc thật sự cần độ chính xác cao.

Tóm lại

• Luna: tác vụ đơn giản lặp lại, xử lý số lượng lớn, ưu tiên tốc độ
• Terra: hầu hết tác vụ đa dụng. Thực tế là lựa chọn mặc định
• Sol: cấu trúc logic phức tạp, công việc có chi phí thất bại lớn
• Max: đào sâu một vấn đề
• Ultra: song song nhiều tác vụ

Toàn bộ số liệu đều dựa trên bảng benchmark trong bài công bố ra mắt chính thức của OpenAI.
https://openai.com/index/gpt-5-6/

Benchmark chỉ là kết quả đơn lẻ nên có thể khác với chi phí thực tế hay cảm nhận khi dùng trong dự án thật.
Đặc biệt có những đoạn thứ hạng bị đảo ngược như ở SWE-Bench Pro, nên tùy loại tác vụ mà cách đọc cũng có thể khác. Nếu bạn đã trực tiếp dùng và thấy có điểm nào khác với cảm nhận thực tế thì tôi rất muốn biết.
Nếu có chỗ nào tôi nhìn sai, hãy cho tôi biết để sửa lại.