OpenAI ra mắt bộ ba GPT-5.6 (Sol, Terra, Luna) và biến Codex thành siêu ứng dụng ChatGPT

Vào bất kỳ ngày nào khác, việc ra mắt Muse Spark 1.1 đầy bất ngờ và cạnh tranh từ Meta Superintelligence Labs, bao gồm cả lần đầu tiên xuất hiện trên Meta Model API (cho thấy sự tự tin cao độ về khả năng sử dụng rộng rãi và thử nghiệm từ bên thứ ba, điều đang được chứng minh qua các mô hình chị em của nó), sẽ xứng đáng là tiêu đề chính. Tuy nhiên, họ lại không may mắn khi phải đối đầu với một đợt ra mắt mô hình tiên phong chủ lực khác:

Như đã hé lộ vài tuần trước khi được chính phủ phê duyệt, 5.6 ra mắt với ba kích thước mới là Sol, Terra và Luna, tương ứng với kích thước của Mặt Trời, Trái Đất và Mặt Trăng, như một giải pháp thay thế cho cách đặt tên mang tính văn chương của các biến thể Claude, cùng với một cấp độ nỗ lực siêu cấp mới: “thiết lập có năng lực cao nhất của chúng tôi, điều phối nhiều tác nhân trên các luồng công việc song song để hoàn thành các tác vụ phức tạp nhanh hơn”:

max cung cấp cho GPT‑5.6 nhiều thời gian hơn cả xhigh để suy luận và khám phá các phương án thay thế, chạy kiểm tra và sửa đổi cách tiếp cận. ultra còn tiến xa hơn bằng cách điều phối mặc định bốn tác nhân song song, đánh đổi việc sử dụng nhiều token hơn để đạt được kết quả mạnh mẽ hơn và thời gian hoàn thành tác vụ nhanh hơn.

Trên nhiều tiêu chuẩn đánh giá (không chỉ những tiêu chuẩn được nêu ở đây), 5.6 đều đạt hiệu suất cao hơn với chi phí thấp hơn so với Fable hoặc Opus.

“Terra hoạt động nhỉnh hơn Fable 5, trong khi Luna vượt trội hơn Opus 4.8; mỗi mô hình đều đạt được điều đó trong khoảng một phần ba thời gian, với số lượng token đầu ra chỉ bằng một nửa và chi phí ước tính chỉ bằng khoảng một phần tư. Nó cũng thiết lập các kết quả tiên tiến nhất (state-of-the-art) trên Terminal‑Bench 2.1 và DeepSWE, vốn kiểm tra các quy trình dòng lệnh phức tạp và kỹ thuật dài hạn trong các cơ sở mã thực tế.”

Ngoài ra còn có những cải tiến khó đo lường hơn trong việc sử dụng máy tính, tạo bài thuyết trình/tài liệu và nghiên cứu khoa học, nhưng vẫn cần được xem xét rất nghiêm túc.

Như chúng tôi đã dự đoán vào tháng 4, bản cập nhật ứng dụng máy tính để bàn ChatGPT Work và Codex ra mắt hôm nay có lẽ là bước áp chót cho chiến lược siêu ứng dụng (superapp) của OpenAI (câu hỏi mở cuối cùng là điều gì sẽ xảy ra với trình duyệt tác nhân….)

Tin tức AI từ 08/07/2026 đến 09/07/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm Discord nào mới. Trang web của AINews cho phép bạn tìm kiếm tất cả các số đã phát hành. Xin nhắc lại, AINews hiện là một chuyên mục của Latent Space. Bạn có thể chọn nhận hoặc hủy nhận email theo tần suất tùy ý!

OpenAI đã ra mắt dòng GPT‑5.6 gồm ba mô hình mới và đồng thời mở rộng hệ sinh thái sản phẩm xung quanh nó.

OpenAI thông báo GPT‑5.6 Sol, Terra và Luna đang được triển khai trên ChatGPT, Codex và API thông qua @OpenAI và @OpenAIDevs.

Trong ChatGPT, người dùng Plus, Pro, Business và Enterprise có quyền truy cập vào GPT‑5.6 Sol thông qua các thiết lập nỗ lực từ trung bình trở lên, trong khi người dùng Pro và Enterprise có thể chọn GPT‑5.6 Pro để có kết quả chất lượng cao nhất cho các tác vụ phức tạp, theo @OpenAI.

Giá API đã giới thiệu một danh mục theo tầng: Sol 5 USD / 30 USD cho mỗi triệu token đầu vào/đầu ra, Terra 2,5 USD / 15 USD, Luna 1 USD / 6 USD, với giá ghi bộ nhớ đệm (cache-write) được thêm vào lần đầu tiên và mức giảm giá 90% cho đọc bộ nhớ đệm (cache-read) vẫn được giữ nguyên, theo @ArtificialAnlys.

OpenAI định hình dòng sản phẩm này xung quanh thang đo giá-hiệu năng: Sol = hàng đầu/giới hạn cao nhất, Terra = năng lực tương đương GPT‑5.5 với chi phí thấp hơn, Luna = tùy chọn nhanh nhất/rẻ nhất cho khối lượng lớn, theo @OpenAIDevs.

Đợt ra mắt này bao gồm các thay đổi lớn ở tầng ứng dụng: ChatGPT Work, một ứng dụng máy tính để bàn mới hợp nhất Codex + ChatGPT, Sites beta, gọi công cụ theo lập trình và đa tác nhân (multi-agent) beta trong Responses API, thông qua @OpenAI, @OpenAIDevs và @OpenAIDevs.

Thông điệp chính thức của OpenAI nhấn mạnh hiệu suất tác nhân/lập trình mạnh mẽ, chất lượng tạo tác (artifact) tốt hơn và hiệu quả kinh tế được cải thiện.

Sam Altman gọi đây là “mô hình tốt nhất mà chúng tôi từng sản xuất” trong bài đăng ra mắt, kèm theo liên kết đến blog phát hành, thông qua @sama.

Altman cũng nhấn mạnh về hiệu quả kinh tế cho doanh nghiệp: “5.6 sol là một bước tiến lớn cho chi phí trên mỗi tác vụ,” thông qua @sama.

Greg Brockman cho biết mục tiêu là “mức giá tốt nhất cho bất kỳ cấp độ hiệu suất mục tiêu nào” và giới hạn cao nhất có thể, thông qua @gdb.

OpenAI tuyên bố GPT‑5.6 Sol thiết lập mức cao mới là 53,6 trên Agents’ Last Exam, đánh bại Claude Fable 5 adaptive 13,1 điểm; ở mức suy luận trung bình, nó đánh bại Fable 11,4 điểm với chi phí ước tính chỉ bằng khoảng một phần tư, trong khi Terra và Luna cũng vượt trội hơn Fable với chi phí chỉ bằng khoảng một phần mười sáu, thông qua @OpenAI.

OpenAI cho biết GPT‑5.6 cải thiện chất lượng tạo tác trên các bài thuyết trình, tài liệu và bảng tính, với đầu ra có thể xuất sang các công cụ doanh nghiệp hiện có, thông qua @OpenAI.

OpenAI định vị GPT‑5.6 là công nghệ tiên tiến nhất để suy luận qua các tác vụ phức tạp và tạo ra các tài liệu phù hợp với mẫu, tệp tham chiếu và phong cách ưu tiên bên trong ChatGPT Work, thông qua @OpenAI.

OpenAI cũng cho biết GPT‑5.6 là mô hình có năng lực nhất của họ từ trước đến nay về các tác vụ liên quan đến an ninh mạng và sinh học, với một số lệnh gọi API có thể bị chặn hoặc tạm dừng để đánh giá an toàn bổ sung trong các lĩnh vực sử dụng kép, thông qua @OpenAIDevs.

OpenAI nhấn mạnh hiệu suất sử dụng máy tính (Computer Use) tốt hơn: nhanh hơn, tiết kiệm token hơn, hỗ trợ xử lý theo lô và vận hành song song trên các tác vụ nhiều bước, cộng với tính năng giám sát hình trong hình (picture-in-picture), thông qua @OpenAIDevs.

Các đánh giá độc lập nhìn chung xếp Sol ở mức hoặc gần mức tiên phong, đặc biệt là trong các khối lượng công việc của tác nhân lập trình, đồng thời cũng đưa ra những lưu ý.

@ArtificialAnlys báo cáo GPT‑5.6 Sol (max) đạt 59 điểm trên Intelligence Index của họ, thấp hơn 1 điểm so với Claude Fable 5 (max), với chi phí mỗi tác vụ chỉ bằng khoảng một phần ba so với Fable.

Trong cùng phân tích đó, Terra và Luna đạt lần lượt 55 và 51 điểm trên Intelligence Index, với chi phí mỗi tác vụ thấp hơn khoảng 50% và 80% so với Sol, thông qua @ArtificialAnlys.

Artificial Analysis cho biết Sol dẫn đầu Coding Agent Index với 80 điểm, vượt trên Fable 5 và Opus 4.8, đồng thời cũng rẻ hơn trên mỗi tác vụ so với cả hai trên các bộ kiểm tra của họ, thông qua @ArtificialAnlys.

Họ cũng lưu ý rằng Sol xác định một đường biên Pareto mới về trí tuệ so với token đầu ra, trong khi Terra và Luna không nằm trên đường biên đó, thông qua @ArtificialAnlys.

Artificial Analysis nhận thấy sự cải thiện nhỏ so với GPT‑5.5 trong AA‑Omniscience nhưng với tỷ lệ ảo tưởng (hallucination) cao hơn so với GPT‑5.5 max, thông qua @ArtificialAnlys.

Họ báo cáo hiệu suất GDPval-AA v2 tương tự như Claude Fable 5, cho thấy khả năng tương đương trên các tác vụ có giá trị kinh tế, thông qua @ArtificialAnlys.

@ValsAI xếp GPT‑5.6 ở vị trí thứ 2 trên Vals Index và Vals Multimodal Index, cho biết Fable 5 vẫn dẫn trước trên một số tiêu chuẩn đánh giá nhưng GPT‑5.6 “rõ ràng ở cùng đẳng cấp”.

Vals cũng cho biết Sol đứng thứ 1 trên CyberBench và Excel Modeling Benchmark, và thứ 1 trên Legal Research Bench, ProofBench, SWE-bench và Terminal-Bench 2.1, đồng thời nói thêm rằng Fable có tỷ lệ từ chối gần 100% trên CyberBench, thông qua @ValsAI.

@arcprize cho biết GPT‑5.6 Sol đạt 7,8% trên ARC‑AGI‑3 và là mô hình tiên phong đầu tiên được xác minh từng đánh bại một trò chơi ARC‑AGI‑3.

@GregKamradt lưu ý mức 92,5% trên ARC‑AGI‑2, gọi đó là SOTA trong khi chi phí thấp hơn một bậc so với GPT‑5.5 Pro ba tháng trước đó.

@ArtificialAnlys sau đó báo cáo GPT‑5.6 Sol (max) dẫn đầu CritPt, một tiêu chuẩn đánh giá các bài toán vật lý cấp độ nghiên cứu chưa được công bố, với khoảng 4 điểm so với Claude Fable 5.

@llama_index cho biết kết quả ParseBench ngày đầu tiên cho thấy GPT‑5.6 tiếp tục hoạt động tốt trên văn bản và bảng biểu nhưng vẫn gặp khó khăn với biểu đồ và bố cục, và Luna rẻ hơn Sol khoảng 6 lần với mức suy giảm hiệu năng chỉ không đáng kể.

@jerryjliu0 cũng cho biết ParseBench cho thấy không có thay đổi lớn nào so với GPT‑5.5 về bảng biểu/văn bản/biểu đồ/bố cục, nhấn mạnh điểm yếu dai dẳng về bố cục văn bản phức tạp, chuyển đổi biểu đồ và các khung bao quanh phần tử nguồn.