GPT-5.6 Sol, Terra và Luna: OpenAI chia frontier thành ba làn

OpenAI đang triển khai GPT-5.6 dưới dạng gia đình ba mô hình, và cách đặt tên nói lên chiến lược: Sol là flagship, Terra là lựa chọn giá thấp vẫn đủ mạnh, Luna là bản nhanh và rẻ nhất. Đợt phát hành bắt đầu bằng preview giới hạn cho nhóm đối tác tin cậy qua API và Codex, dự kiến mở rộng ra ChatGPT và API trong vài tuần tới. Các con số được báo cáo định hình cuộc chơi: Sol Ultra đạt 91,9% trên Terminal-Bench 2.1, Terra có giá khoảng $2.50/$15 mỗi triệu token, còn Luna khoảng $1/$6.

Một dòng sản phẩm, không phải một mô hình

Thời của "GPT mới" như một sản phẩm đơn lẻ đã hết. GPT-5.6 ra mắt như một danh mục với các vị trí chi phí-độ trễ-năng lực riêng biệt, phản chiếu cách Anthropic làm với Opus, Sonnet và Haiku — và xuất hiện chỉ vài ngày sau khi Claude Sonnet 5 đặt lại mặt bằng giá tầng giữa. Cạnh tranh giữa các lab không còn là mô hình đấu mô hình; đó là đội hình đấu đội hình, diễn ra đồng thời ở mọi mức giá.

Câu chuyện tốc độ có lẽ quan trọng nhất với sản phẩm. OpenAI sẽ đưa GPT-5.6 Sol lên phần cứng Cerebras với tốc độ tới 750 token mỗi giây trong tháng 7, ban đầu cho khách hàng chọn lọc. Output chất lượng frontier ở tốc độ đó thay đổi cảm giác của AI tương tác: cả kế hoạch agent hiện ra trong khoảng thời gian trước đây chỉ đủ cho vòng xoay loading.

Rollout kiểu preview-trước

Cách preview qua đối tác tin cậy cũng cho thấy phát hành frontier giờ vận hành ra sao hậu Fable 5: truy cập theo giai đoạn, tổ chức chọn lọc trước, phổ cập sau. OpenAI công khai nói họ không tin quy trình chính phủ duyệt truy cập "nên trở thành mặc định dài hạn," nhưng dù thế nào thì thời phát hành toàn cầu ngay ngày đầu có vẻ đã chấm dứt.

Chú thích: Một đợt phát hành, ba làn — năng lực flagship, chi phí cân bằng và tốc độ tối đa.

Lời khuyên kỹ thuật: Thiết kế cho gia đình mô hình, không cho một mô hình

Nếu code của bạn có một hằng số MODEL_NAME duy nhất, bạn đang dùng chưa hết thế hệ này. Định nghĩa route theo hồ sơ tác vụ — deep_reasoning, bulk_processing, interactive_ui — và ánh xạ mỗi route tới một thành viên gia đình với ngân sách độ trễ và trần chi phí riêng. Khi GPT-5.6 phổ cập, bạn chỉ cập nhật một bảng ánh xạ, không phải logic ứng dụng.

Hai quy tắc thực dụng. Thứ nhất, đừng mặc định các thành viên gia đình hành xử giống nhau: mô hình lớp Luna đánh đổi năng lực tinh tế lấy tốc độ, nên hãy chạy eval theo từng làn, không theo cả gia đình. Thứ hai, coi tốc độ công bố là con số đỉnh — hãy tự benchmark token-mỗi-giây trên prompt và region của bạn trước khi hứa hẹn độ trễ với người dùng. Con số 750 tok/s trên phần cứng chọn lọc không phải p95 của bạn.

Nguồn: OpenAI, Crypto Briefing, LLM Stats.

Bạn nghĩ sao? Bạn muốn một mô hình làm được mọi thứ, hay ba làn chuyên biệt mà bạn phải tự định tuyến?