OpenAI tiếp tục mở rộng dòng GPT-6 với GPT-6 Sol và GPT-6 Luna, hai mô hình được thiết kế để đưa nhiều năng lực của GPT-6 Astra xuống các mức chi phí dễ tiếp cận hơn. Nếu GPT-6 Astra hướng tới những nhiệm vụ khó nhất, GPT-6 Sol tập trung vào coding và các quy trình AI agent phức tạp, còn GPT-6 Luna được tối ưu cho những tác vụ tập trung, lặp lại với khối lượng lớn.
Điểm đáng chú ý của thế hệ mới không chỉ nằm ở khả năng reasoning. GPT-6 Sol và Luna còn được nâng cấp về công việc chuyên môn, coding, computer use, độ chính xác thông tin, phong cách giao tiếp, prompt caching và đặc biệt là chi phí API.
Cả hai mô hình đều hỗ trợ context window lên tới 1,05 triệu token, tối đa 128.000 output token và sáu mức reasoning effort khác nhau.
Vậy GPT-6 Sol và Luna có gì mới, khác GPT-5.6 như thế nào và mỗi mô hình phù hợp với công việc nào? Dưới đây là những thay đổi quan trọng nhất.
GPT-6 Sol và GPT-6 Luna là gì?
GPT-6 Sol và GPT-6 Luna là hai thành viên mới của dòng mô hình GPT-6 được OpenAI công bố vào ngày 22/09/2026.
GPT-6 Sol là gì?
GPT-6 Sol là mô hình được OpenAI xây dựng cho các tác vụ coding phức tạp và những quy trình làm việc dạng agent.
Mô hình phù hợp với những công việc như phát triển phần mềm, phân tích codebase lớn, sửa lỗi nhiều bước, nghiên cứu, xử lý tài liệu chuyên sâu hoặc vận hành AI agent cần sử dụng nhiều công cụ liên tục.
OpenAI định vị Sol là lựa chọn có thể cân bằng giữa năng lực xử lý mạnh và chi phí, nằm dưới GPT-6 Astra nhưng cao hơn Luna trong hệ thống lựa chọn mô hình hiện tại.
GPT-6 Luna là gì?
GPT-6 Luna tập trung vào hiệu quả xử lý và khả năng mở rộng. OpenAI mô tả Luna là mô hình hiệu quả nhất dành cho những tác vụ tập trung và có khối lượng lớn.
Điều đó khiến Luna phù hợp với các hệ thống cần thực hiện hàng nghìn hoặc hàng triệu tác vụ lặp lại như phân loại dữ liệu, tóm tắt nội dung, trích xuất thông tin, xử lý yêu cầu khách hàng, chuẩn hóa văn bản hoặc các workflow tự động hóa có ngân sách giới hạn.
Nếu muốn nhìn lại những thay đổi từ thế hệ trước, bạn có thể tham khảo thêm bài GPT-5.6 có gì mới? Những nâng cấp đáng chú ý. Qua đó sẽ dễ thấy hơn cách OpenAI tiếp tục phát triển từ GPT-5.6 lên dòng GPT-6 hiện nay.
GPT-6 Sol và Luna có gì mới?
Điểm đáng chú ý của thế hệ mới không nằm ở một thông số duy nhất. OpenAI đã cải thiện đồng thời năng lực làm việc chuyên môn, độ chính xác, coding, computer use, cách giao tiếp và hạ tầng prompt caching.
1. Nâng cấp khả năng xử lý công việc phức tạp
Một trong những thay đổi quan trọng nhất của GPT-6 Sol là khả năng đảm nhiệm những workflow chuyên môn kéo dài qua nhiều bước.
Theo OpenAI, trên AutomationBench – benchmark mô phỏng workflow doanh nghiệp thông qua hàng chục công cụ thuộc các lĩnh vực như sales, marketing, vận hành, hỗ trợ khách hàng, tài chính và nhân sự – GPT-6 Sol ở mức reasoning xhigh đạt 33,2% với chi phí khoảng 0,27 USD mỗi tác vụ trong thử nghiệm được công bố.
Điều quan trọng ở đây không chỉ là benchmark. Hướng phát triển cho thấy Sol được thiết kế để AI không dừng ở việc trả lời một câu hỏi riêng lẻ mà có thể tham gia sâu hơn vào một quy trình gồm nhiều bước.
Ví dụ, thay vì chỉ yêu cầu AI “phân tích website đối thủ”, một agent sử dụng Sol có thể được giao chuỗi công việc gồm thu thập dữ liệu, đọc nhiều trang, đối chiếu nội dung, xác định khoảng trống nội dung và tạo báo cáo cuối cùng.
Đây là hướng sử dụng đặc biệt đáng chú ý đối với doanh nghiệp triển khai AI Agent và ChatGPT Work.
2. Độ chính xác thông tin được cải thiện
Khả năng trả lời đúng sự thật – factuality – tiếp tục là một trong những vấn đề quan trọng của mô hình AI.
OpenAI cho biết trong bài đánh giá factuality nội bộ dựa trên các cuộc trò chuyện thực tế từng bị người dùng đánh dấu có lỗi, GPT-6 Sol tạo ra khoảng một nửa số lỗi so với phiên bản tiền nhiệm.
GPT-6 Luna cũng được cải thiện đáng kể. Ở mức reasoning cao hơn, OpenAI cho biết Luna có thể tiến gần chất lượng factuality của GPT-5.6 Sol với chi phí thấp hơn đáng kể.
Điều này đặc biệt hữu ích với những công việc như nghiên cứu thông tin, tổng hợp tài liệu, phân tích dữ liệu doanh nghiệp hoặc xây dựng agent phải đưa ra quyết định dựa trên nhiều nguồn đầu vào.
Dù vậy, cải thiện factuality không đồng nghĩa AI sẽ luôn chính xác. Với dữ liệu quan trọng, người dùng vẫn nên kiểm tra nguồn và sử dụng cơ chế xác minh phù hợp.
3. Khả năng coding tiếp tục được nâng cấp
Coding là một trong những lĩnh vực được OpenAI nhấn mạnh nhiều nhất khi giới thiệu GPT-6 Sol.
Theo OpenAI, trên FrontierCode – benchmark đánh giá không chỉ code có chạy đúng hay không mà còn xem xét chất lượng test, phạm vi thay đổi, coding style và mức độ phù hợp với codebase – GPT-6 Sol cải thiện đáng kể so với GPT-5.6 Sol.
Trên DeepSWE v1.1, GPT-6 Sol ở mức reasoning tối đa đạt 68,8%. GPT-6 Luna cũng đạt 66,6% khi sử dụng mức reasoning tối đa trong bài đánh giá này.
Điều đáng chú ý là Luna không còn chỉ phù hợp với các tác vụ văn bản đơn giản. Với mức reasoning thích hợp, mô hình giá thấp này vẫn có thể tham gia vào một số tác vụ lập trình tương đối phức tạp.
Sol phù hợp hơn khi workflow bao gồm nhiều bước như:
Đọc codebase → xác định lỗi → chỉnh sửa nhiều file → chạy kiểm thử → kiểm tra kết quả → tiếp tục sửa lỗi.
Đây cũng là lý do OpenAI định vị Sol cho các agentic coding workflows thay vì chỉ coi đây là một chatbot viết code.
4. Khả năng sử dụng máy tính tốt hơn
Computer use đang trở thành năng lực quan trọng khi AI chuyển từ trả lời nội dung sang trực tiếp thao tác với phần mềm.
Trên OSWorld 2.0 offline, OpenAI báo cáo GPT-6 Sol ở mức reasoning xhigh đạt 60,5%. GPT-6 Luna ở mức reasoning tối đa cũng có thể vượt GPT-5.6 Sol ở một số cấu hình được OpenAI thử nghiệm trong benchmark này với chi phí thấp hơn.
Khả năng này có ý nghĩa với những agent cần thao tác trong trình duyệt hoặc phần mềm, chẳng hạn đọc dữ liệu từ một giao diện, nhập thông tin, chuyển qua nhiều màn hình và hoàn thành một workflow.
Nói cách khác, GPT-6 Sol và Luna đang tiến gần hơn tới vai trò của một AI thực thi công việc, thay vì chỉ là AI cung cấp câu trả lời.
5. Cách giao tiếp rõ ràng và gọn hơn
Không phải mọi nâng cấp của GPT-6 đều liên quan đến benchmark.
OpenAI cho biết hãng đã đưa phong cách giao tiếp cải tiến từ GPT-6 Astra sang Sol và Luna. Mục tiêu là tạo câu trả lời rõ ràng hơn, ít biệt ngữ không cần thiết, hạn chế các cách diễn đạt kỳ lạ và loại bỏ những chi tiết có giá trị thấp.
Câu trả lời cũng có xu hướng ngắn gọn hơn nhưng vẫn giữ nội dung cần thiết.
Thay đổi này đặc biệt hữu ích trong những cuộc hội thoại kỹ thuật. Thay vì giải thích dài dòng hoặc lặp lại yêu cầu, mô hình được hướng đến việc làm rõ mình sẽ thực hiện gì, đã thực hiện gì và những phần nào đã hoặc chưa được kiểm tra.
6. Prompt Caching được cải thiện cho AI Agent
Đây là một nâng cấp quan trọng nhưng dễ bị bỏ qua.
Agent hoạt động lâu thường phải gửi lại lượng lớn context như system prompt, tài liệu, lịch sử hội thoại và trạng thái công việc. Nếu toàn bộ dữ liệu này phải được xử lý lại ở mỗi request, chi phí có thể tăng rất nhanh.
OpenAI cho biết prompt caching của GPT-6 đã được cải thiện để tăng cache hit rate, qua đó giúp agent tái sử dụng context hiệu quả hơn, phản hồi nhanh hơn và giảm chi phí cho phần input đã được cache.
Cached input của Sol và Luna hiện có mức giá chỉ bằng khoảng 10% input không cache theo bảng giá tiêu chuẩn.
GPT-6 còn cho phép thay đổi reasoning effort hoặc bật/tắt tool mà vẫn có thể giữ lại phần context trước đó để tận dụng cache. Đây là điểm có giá trị đối với những workflow dài và agent thường xuyên chuyển đổi giữa tác vụ đơn giản và tác vụ khó.
7. Context window lên đến 1,05 triệu token
Cả GPT-6 Sol và GPT-6 Luna đều hỗ trợ context window 1.050.000 token và tối đa 128.000 output token.
Context lớn cho phép mô hình xử lý nhiều thông tin trong một workflow, chẳng hạn codebase, tài liệu kỹ thuật, dữ liệu doanh nghiệp hoặc lịch sử làm việc dài.
Thông số chính hiện tại:
| Thông số | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
 |  | |
| Context window | 1.050.000 token | 1.050.000 token |
| Max output | 128.000 token | 128.000 token |
| Input | Text, hình ảnh | Text, hình ảnh |
| Output | Text | Text |
| Reasoning effort | none → max | none → max |
| Function calling | Có | Có |
| Structured Outputs | Có | Có |
| Web Search | Có | Có |
| File Search | Có | Có |
| Computer Use | Có | Có |
8. Hỗ trợ nhiều mức Reasoning Effort hơn
Cả Sol và Luna hỗ trợ các mức:
none → low → medium → high → xhigh → max
Điều này cho phép nhà phát triển điều chỉnh lượng tài nguyên reasoning cho từng loại yêu cầu.
Một tác vụ phân loại đơn giản có thể sử dụng none hoặc low, trong khi phân tích code phức tạp có thể chuyển lên high, xhigh hoặc max.
Thay vì phải sử dụng mức reasoning cao nhất cho mọi request, doanh nghiệp có thể thiết kế hệ thống tự chọn mức phù hợp, từ đó kiểm soát tốt hơn giữa chất lượng, latency và chi phí.
GPT-6 Sol và Luna khác nhau như thế nào?
Mặc dù cùng thuộc thế hệ GPT-6 và chia sẻ nhiều nền tảng kỹ thuật, Sol và Luna không được tạo ra để thay thế hoàn toàn lẫn nhau. Khác biệt lớn nhất nằm ở cách OpenAI cân bằng năng lực xử lý và chi phí.
| Tiêu chí | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| Định vị | Coding và agentic workflow phức tạp | Tác vụ tập trung, khối lượng lớn |
| Mức năng lực | Cao hơn | Tối ưu hiệu quả |
| Coding phức tạp | Phù hợp hơn | Có khả năng nhưng ưu tiên chi phí |
| AI Agent dài hạn | Rất phù hợp | Phù hợp workflow quy mô lớn |
| Xử lý hàng loạt | Có | Rất phù hợp |
| Chi phí API | Trung bình | Rất thấp |
| Context | 1,05 triệu token | 1,05 triệu token |
| Max output | 128.000 token | 128.000 token |
| Reasoning | none đến max | none đến max |
Có thể hình dung đơn giản: Sol ưu tiên năng lực xử lý, còn Luna ưu tiên hiệu quả kinh tế ở quy mô lớn.
Nếu một công việc xảy ra ít lần nhưng mỗi lần đều phức tạp và giá trị cao, Sol thường là mô hình đáng đưa vào thử nghiệm trước. Nếu cùng một loại yêu cầu phải thực hiện hàng nghìn lần mỗi ngày, Luna có thể mang lại lợi thế chi phí rõ rệt.
Giá GPT-6 Sol và GPT-6 Luna
Chi phí là một trong những thay đổi lớn nhất của thế hệ GPT-6. Theo OpenAI, mức giá API tiêu chuẩn của Sol và Luna giảm khoảng 50% so với mức giá quảng bá của các phiên bản GPT-5.6 tương ứng.
| Mô hình | Input / 1M token | Cached Input / 1M token | Output / 1M token |
|---|---|---|---|
| GPT-6 Sol | 2 USD | 0,20 USD | 10 USD |
| GPT-6 Luna | 0,10 USD | 0,01 USD | 0,50 USD |
Như vậy, chi phí input của Luna chỉ bằng khoảng 1/20 Sol, còn output cũng bằng khoảng 1/20 Sol theo bảng giá tiêu chuẩn hiện tại.
Lưu ý về giá: Bảng giá trong bài được cập nhật ngày 25/09/2026 theo tài liệu chính thức của OpenAI. Giá API, chính sách tính token, processing tier và ưu đãi có thể được OpenAI thay đổi theo thời gian. Với prompt vượt ngưỡng nhất định hoặc sử dụng các chế độ xử lý khác nhau, chi phí thực tế cũng có thể khác mức giá tiêu chuẩn.
GPT-6 Sol và Luna có trên ChatGPT không?
Việc một model tồn tại trong API không có nghĩa người dùng sẽ ngay lập tức nhìn thấy nó trong bộ chọn model của cuộc trò chuyện ChatGPT thông thường.
Theo thông tin OpenAI công bố ngày 22/09/2026, GPT-6 Sol và GPT-6 Luna đang được triển khai trong ChatGPT Work và Codex cho người dùng Plus, Pro, Business, Enterprise và Edu. Người dùng Free và Go có thể truy cập GPT-6 Luna thông qua ứng dụng desktop khi tính năng đã được triển khai tới tài khoản.
Hai model cũng đã được cung cấp qua API với model ID:
gpt-6-sol
và
gpt-6-luna
Tại thời điểm OpenAI công bố, Sol và Luna là các model dành cho Work và Codex, khác với bộ model xuất hiện trong cuộc trò chuyện ChatGPT thông thường. Việc triển khai cũng có thể diễn ra theo từng giai đoạn nên giao diện giữa các tài khoản không nhất thiết giống nhau.
Nên dùng GPT-6 Sol hay GPT-6 Luna?
Lựa chọn mô hình không nên chỉ dựa vào việc model nào mạnh hơn. Với hệ thống AI thực tế, chi phí để hoàn thành một kết quả đạt yêu cầu thường quan trọng hơn giá token hoặc benchmark riêng lẻ.
Khi nào nên dùng GPT-6 Sol?
Sol đáng thử nghiệm khi công việc có nhiều bước, yêu cầu reasoning tương đối cao hoặc liên quan đến coding và agent.
Ví dụ điển hình là phân tích codebase, sửa lỗi phức tạp, xây dựng tính năng, xử lý nhiều tài liệu liên quan, nghiên cứu chuyên sâu hoặc chạy agent cần liên tục sử dụng công cụ.
Trong môi trường doanh nghiệp, Sol cũng phù hợp với những workflow mà một lỗi của AI có thể khiến con người phải mất nhiều thời gian sửa lại.
Khi nào nên dùng GPT-6 Luna?
Luna đáng chú ý khi số lượng request lớn và chi phí trở thành yếu tố quan trọng.
Một số trường hợp phù hợp gồm tóm tắt nội dung hàng loạt, phân loại dữ liệu, trích xuất thông tin, chuẩn hóa sản phẩm, xử lý ticket, tạo metadata, hỗ trợ chatbot hoặc các automation có cấu trúc tương đối ổn định.
Với mức giá API thấp, Luna cũng phù hợp để doanh nghiệp thử nghiệm AI ở quy mô lớn trước khi quyết định chuyển một số nhiệm vụ khó hơn sang Sol.
Khi nào cần GPT-6 Astra?
Sol và Luna không thay thế hoàn toàn GPT-6 Astra.
OpenAI vẫn định vị GPT-6 Astra là mô hình mạnh nhất trong dòng GPT-6, dành cho những công việc end-to-end khó nhất. Trong catalog model hiện tại, OpenAI khuyến nghị Astra cho reasoning và coding phức tạp nhất, Sol khi cần cân bằng năng lực với chi phí và Luna cho những workload nhạy cảm về chi phí hoặc có quy mô lớn.
Nếu đang phân vân giữa các cấp model, bài GPT-6 Astra và GPT-5.6 Sol khác nhau thế nào? cũng cung cấp thêm góc nhìn về sự khác biệt giữa model cao cấp và thế hệ Sol trước đó.
Do đó, một hệ thống AI hoàn chỉnh hoàn toàn có thể sử dụng cả ba model thay vì buộc mọi tác vụ chạy trên cùng một mô hình.
GPT-6 Sol và Luna có ý nghĩa gì với doanh nghiệp?
Sự xuất hiện của GPT-6 Sol và Luna cho thấy cuộc cạnh tranh AI đang chuyển từ câu hỏi “mô hình nào thông minh nhất?” sang bài toán thực tế hơn: mô hình nào tạo ra kết quả đủ tốt với chi phí phù hợp nhất?
Một workflow doanh nghiệp có thể bao gồm hàng chục hoặc hàng trăm lần gọi model. Khi AI Agent bắt đầu làm việc hàng giờ, đọc nhiều tài liệu và liên tục gọi công cụ, giá mỗi triệu token sẽ trực tiếp ảnh hưởng đến khả năng mở rộng.
GPT-6 Luna giải quyết phần khối lượng lớn với chi phí thấp. Sol đảm nhiệm những bước cần reasoning hoặc coding mạnh hơn. Astra có thể được dành cho những tác vụ khó nhất.
Cách phân tầng này giúp doanh nghiệp xây dựng hệ thống AI theo mô hình model routing: tự động chuyển yêu cầu đến model phù hợp thay vì sử dụng mô hình đắt nhất cho tất cả nhiệm vụ.
Câu hỏi thường gặp về GPT-6 Sol và Luna
OpenAI định vị Sol cho coding và agentic workflows phức tạp hơn, còn Luna tập trung vào hiệu quả và xử lý workload khối lượng lớn. Vì vậy Sol phù hợp hơn với nhiều nhiệm vụ khó, trong khi lợi thế chính của Luna nằm ở tỷ lệ giữa năng lực và chi phí.
Có. Luna hỗ trợ reasoning, function calling và các công cụ cần thiết cho workflow coding. OpenAI cũng công bố kết quả coding đáng chú ý của Luna trên DeepSWE. Tuy nhiên, với các dự án phần mềm phức tạp và workflow dài, Sol được định vị phù hợp hơn.
Có. Cả hai hỗ trợ text và image input, sau đó tạo text output
Có. Cả hai hỗ trợ nhiều công cụ thông qua Responses API như web search, file search, computer use, code interpreter, MCP và function calling. Sol đặc biệt được OpenAI định vị cho agentic workflows phức tạp.
Cả hai hiện hỗ trợ context window 1.050.000 token và tối đa 128.000 output token.
Có. Theo bảng giá API tiêu chuẩn tại thời điểm cập nhật bài, Luna có giá 0,10 USD/1 triệu input token và 0,50 USD/1 triệu output token, trong khi Sol có giá lần lượt 2 USD và 10 USD.
Kết luận
GPT-6 Sol và Luna cho thấy OpenAI đang đưa năng lực của thế hệ GPT-6 tới nhiều loại workload hơn thay vì chỉ tập trung vào một model flagship.
GPT-6 Sol nổi bật với coding, reasoning và agentic workflows phức tạp, trong khi GPT-6 Luna hướng tới tốc độ triển khai, khả năng xử lý quy mô lớn và chi phí rất thấp. Cả hai đều sở hữu context window 1,05 triệu token, nhiều mức reasoning, khả năng sử dụng công cụ và những cải tiến đáng chú ý về factuality, coding, computer use, prompt caching cũng như phong cách giao tiếp.
So với thế hệ trước, GPT-6 cho thấy OpenAI đang ngày càng phân tách rõ từng model theo nhu cầu sử dụng. Bạn có thể xem thêm bài GPT-5.6 có gì mới? Những nâng cấp đáng chú ý để đối chiếu quá trình nâng cấp giữa hai thế hệ.
Với người dùng thông thường, điều đáng quan tâm là lựa chọn model đúng với độ khó của công việc. Với doanh nghiệp và nhà phát triển, thay đổi lớn hơn nằm ở khả năng kết hợp nhiều cấp độ model trong cùng một hệ thống: Luna xử lý các nhiệm vụ số lượng lớn, Sol đảm nhiệm những phần phức tạp hơn và Astra được dành cho những bài toán thực sự khó.
Đây có thể là cách tiếp cận thực tế hơn để khai thác AI ở quy mô lớn: không phải lúc nào cũng sử dụng model mạnh nhất, mà sử dụng đúng model cho đúng công việc.
