GPT-6 là gì? Astra, GPT-6.1 Sol, Luna khác nhau thế nào và dev nên dùng bản nào

GPT-6 gồm Astra, Sol (nay là GPT-6.1 Sol) và Luna. Bài này tóm gọn khác biệt, giá API, phụ phí context dài, dùng được ở ChatGPT, Codex, Copilot hay Cursor, và so với Claude Opus 5.5, Sonnet 5.5 để bạn chọn đúng model cho việc code.

Cuối tháng 9, bạn mở model picker trong Copilot hay Codex và thấy danh sách dài thêm: GPT-6 Astra, GPT-6 Sol, GPT-6 Luna, rồi một tuần sau lại thêm GPT-6.1 Sol, ngay cạnh Claude Opus 5.5 và Sonnet 5.5. Ba cái tên nghe như hệ mặt trời, không cái nào có chữ "mini" hay "pro" để đoán.

Bài này đi thẳng vào những gì bạn cần để chọn: mỗi model dành cho việc gì, giá bao nhiêu, dùng được ở đâu, OpenAI thực sự tuyên bố gì, và đặt cạnh Claude thì thế nào. Mọi thông số lấy từ docs OpenAI, GitHub và Anthropic tại ngày 8/10/2026.

GPT-6 là gì: tóm tắt trong một phút

GPT-6 là thế hệ model mới của OpenAI, thay cho dòng GPT-5.6. Thay vì một model duy nhất, OpenAI chia thành ba bậc:

• GPT-6 Astra (3/9/2026): model mạnh nhất, dành cho những việc end-to-end phức tạp nhất.
• GPT-6 Sol (22/9/2026): dành cho coding phức tạp và agentic workflow. Đây là bậc "dùng hằng ngày" cho dev.
• GPT-6 Luna (22/9/2026): model hiệu quả nhất, cho các task tập trung, khối lượng lớn như tóm tắt, trích xuất dữ liệu, code gọn một phạm vi.

Cả ba nhận input text và ảnh, có context window 1,05M token và output tối đa 128K token trên API.

Cập nhật 29/9: GPT-6.1 Sol

Một tuần sau khi ra GPT-6 Sol, OpenAI công bố GPT-6.1 Sol (gpt-6.1-sol) đúng ngày DevDay 2026. Giá giữ nguyên $2 / $10 per 1M token, cached input giảm còn $0,10, context vẫn 1,05M. OpenAI mô tả nó cho hiệu năng gần Astra với chi phí thấp hơn, cải thiện ở agentic coding, computer use và công việc chuyên môn. GPT-6.1 Sol hiện là model mặc định trong Codex CLI và đã có trong Copilot Pro+ trở lên. Khác GPT-6 Sol một điểm: effort thấp nhất là low, không còn none. Từ đây, "Sol" trong bài là GPT-6.1 Sol.

Nếu bạn còn mơ hồ về token, context window hay vì sao giá tính theo token, đọc trước bài LLM là gì sẽ dễ theo hơn.

So sánh nhanh Astra, Sol, Luna

Vài chi tiết đáng chú ý trong docs:

• Input tối đa thực tế là 922K token, phần còn lại của 1,05M dành cho output.
• Request có input vượt 272K token bị tính giá cao hơn: input và cache gấp 2, output gấp 1,5. Context 1M không có nghĩa là nên nhồi 1M.
• Batch và Flex rẻ bằng một nửa giá chuẩn. Fast mode thì gấp đôi.

Chênh lệch giá mới là điểm phải nhớ: Astra đắt gấp 5 lần Sol, Sol đắt gấp 20 lần Luna. Cùng một request 100K token input và 10K token output, Luna tốn khoảng $0,015, Sol $0,30, Astra $1,50.

Mental model đơn giản: Sol là mặc định, Luna là việc chân tay, Astra là "gọi chuyên gia".

• Luna: task hẹp và lặp lại nhiều như phân loại ticket, trích field từ email hay hóa đơn, tóm tắt log, viết commit message, sửa lỗi lint một file.
• Sol: việc code thực sự như implement tính năng nhiều file, debug, refactor, chạy agent trong Codex hay Copilot.
• Astra: khi Sol đã thử mà không ra, ví dụ bug khó tái hiện xuyên nhiều service, migration lớn, task agent chạy dài. Đừng để Astra làm mặc định chỉ vì nó "mạnh nhất": bạn trả gấp 5 lần mà chưa chắc kết quả khác biệt.

OpenAI tuyên bố gì (và nên đọc thế nào)

• Sol ít lỗi hơn thế hệ trước. Theo TechCrunch, OpenAI nói GPT-6 Sol mắc lỗi chỉ khoảng một nửa so với GPT-5.6 Sol. GPT-6.1 Sol được mô tả là cải thiện tiếp trên GPT-6 Sol.
• Giá Sol và Luna giảm 50% so với mức giá khuyến mãi của GPT-5.6 cùng hạng.
• OpenAI tự so với Anthropic. Báo chí dẫn lời OpenAI rằng GPT-6 Sol vượt hoặc ngang Claude Fable 5.1 trên một số benchmark. Đây là số do chính hãng chọn và chạy, chỉ nên xem là tham khảo.
• Astra là model đầu tiên của OpenAI đạt mức Critical về năng lực cybersecurity trong Preparedness Framework, theo system card chính thức. Nó được triển khai kèm các lớp bảo vệ ở cấp hệ thống, gồm cả giám sát hành vi lệch hướng, và chống jailbreak tốt hơn các bản trước.

Bạn sẽ thấy nhiều bảng benchmark GPT-6 lan trên mạng. Bài này không chép lại, vì các trang dẫn lại đang lệch nhau vài chỗ, và benchmark của mỗi hãng thường chạy với harness và mức effort khác nhau, so trực tiếp dễ sai. Cách đọc benchmark có trong bài so sánh model AI lập trình 2026.

Dùng GPT-6 ở đâu

ChatGPT. ChatGPT giờ có ba chế độ: Chat (hỏi đáp), Work (agent làm task nhiều bước và trả về file hoàn chỉnh) và Codex (cho dev). Sol và Luna hiện chỉ có trong Work và Codex. Astra trong Chat mang tên GPT-6 Pro và chỉ dành cho gói Pro trở lên.

Codex. Chọn model bằng lệnh /model trong phiên, hoặc lúc khởi động:

codex -m gpt-6.1-sol

Muốn đặt làm mặc định, thêm vào file cấu hình của Codex:

model = "gpt-6.1-sol"

Codex CLI hỗ trợ Sol và Luna từ bản 0.157.0, và từ bản 0.161.0 (7/10) GPT-6.1 Sol là model mặc định. Nhớ cập nhật CLI nếu không thấy model trong /model. Chi tiết cài đặt có ở bài OpenAI Codex là gì.

GitHub Copilot. Astra có từ 4/9, Sol và Luna từ 22/9, GPT-6.1 Sol từ 29/9. Các model này xuất hiện trong VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI, github.com và mobile (Sol và Luna có thêm trong cloud agent), tính theo usage-based billing. Điểm cần nhớ với sinh viên và người dùng gói rẻ: gói Copilot Pro ($10/tháng) chỉ có Luna trong họ GPT-6, muốn Sol hoặc Astra phải lên Pro+ ($39) trở lên. Tổng quan các gói có ở bài GitHub Copilot là gì.

Cursor. Trang model của Cursor hiện chỉ liệt kê tới dòng GPT-5.6. Sau khi SpaceX mua Cursor, OpenAI thông báo (qua Help Center) dự kiến kết thúc hợp đồng cung cấp model, mốc chuyển tiếp đề xuất là 12/11/2026 (có thể đổi), và các model mới như Astra không được đưa vào. Muốn dùng GPT-6 trong Cursor, bạn có ba cách: gắn API key OpenAI của mình (BYOK, chỉ cho Chat và Agent chạy local, không dùng được với Tab, Auto, cloud agent hay Cursor CLI), cài Codex IDE extension, hoặc đi qua gateway như Amazon Bedrock hay Azure.

Gọi GPT-6 qua API: ví dụ chạy được

Lưu file thành gpt6.mts và chạy npx tsx gpt6.mts (cần Node 20+ và npm i openai, bản hiện tại 7.x). Ví dụ dưới đây route mỗi loại task tới model phù hợp qua Responses API, và in usage để bạn theo dõi chi phí:

import OpenAI from "openai";

const client = new OpenAI(); // reads OPENAI_API_KEY from env

type Task = "extract" | "code" | "hard";

const ROUTE: Record<Task, { model: string; effort: "low" | "medium" | "high" }> = {
  extract: { model: "gpt-6-luna", effort: "low" }, // raise effort if accuracy is lacking
  code: { model: "gpt-6.1-sol", effort: "medium" },
  hard: { model: "gpt-6-astra", effort: "high" },
};

export async function ask(task: Task, input: string) {
  const { model, effort } = ROUTE[task];
  const res = await client.responses.create({
    model,
    reasoning: { effort },
    input,
  });
  console.log(model, res.usage?.input_tokens, res.usage?.output_tokens);
  return res.output_text;
}

const summary = await ask("extract", "Tóm tắt log sau trong 3 dòng: ...");
console.log(summary);

Trước khi chạy agent trên codebase lớn, nên ước tính chi phí. Hàm dưới đây dùng giá chuẩn trên docs OpenAI, có tính phụ phí khi input vượt 272K token (chưa tính phí cache write, Batch hay Fast mode):

const PRICE = {
  "gpt-6-astra": { input: 10, cached: 1, output: 50 },
  "gpt-6.1-sol": { input: 2, cached: 0.1, output: 10 },
  "gpt-6-luna": { input: 0.1, cached: 0.01, output: 0.5 },
} as const; // USD per 1M tokens, as of 2026-10-08

export function estimateUsd(
  model: keyof typeof PRICE,
  inputTokens: number,
  outputTokens: number,
  cachedTokens = 0,
) {
  const p = PRICE[model];
  const long = inputTokens > 272_000;
  const inMul = long ? 2 : 1;
  const outMul = long ? 1.5 : 1;
  const fresh = inputTokens - cachedTokens;
  const usd =
    (fresh * p.input + cachedTokens * p.cached) * inMul +
    outputTokens * p.output * outMul;
  return usd / 1_000_000;
}

console.log(estimateUsd("gpt-6.1-sol", 100_000, 10_000).toFixed(3)); // 0.300
console.log(estimateUsd("gpt-6.1-sol", 300_000, 10_000).toFixed(3)); // 1.350

Để ý dòng cuối: input tăng gấp 3 nhưng chi phí tăng hơn 4 lần vì vượt ngưỡng 272K. Đây là lý do context engineering không chỉ giúp model làm đúng mà còn giữ hóa đơn trong tầm kiểm soát.

GPT-6 so với Claude (Opus 5.5, Sonnet 5.5)

Claude Opus 5.5 ra cùng ngày với GPT-6 Sol và Luna, Sonnet 5.5 ra sáu ngày sau, nên câu hỏi "chọn bên nào" là tự nhiên. Ở mức tổng quan:

Vài nhận xét:

• Về giá, các bậc khớp nhau gần như một-một. Astra cùng giá Claude Fable 5.1 ($10 / $50). Sol cùng giá Claude Sonnet 5.5 và bằng một nửa Opus 5.5. Luna cùng giá khởi điểm với Claude Haiku 5.5, nhưng Haiku 5.5 tính giá cao hơn khi prompt vượt 100K token ($0,50 / $2,50), còn Luna là khi vượt 272K.
• Về năng lực, hai bên đều tự nhận mình tốt. Anthropic nói Opus 5.5 đạt mức gần Fable 5.1 trên phần lớn công việc, và Sonnet 5.5 bám sát Opus 5.5 trên CursorBench. OpenAI thì nói GPT-6.1 Sol cho hiệu năng gần Astra. Số của mỗi hãng do chính hãng chạy.
• Về công cụ, hệ sinh thái quan trọng hơn model. Opus 5.5 là model mặc định của Claude Code trên phần lớn gói trả phí, GPT-6.1 Sol là mặc định của Codex CLI. Copilot có cả hai họ model, nên nếu team bạn đã dùng Copilot Pro+ thì đổi qua lại rất rẻ.

Cách chọn đáng tin nhất vẫn là thử trên chính repo của bạn: lấy 3 đến 5 task thật (một bug, một tính năng nhỏ, một refactor), chạy cùng prompt trên GPT-6.1 Sol và Claude Sonnet 5.5 (cùng mức giá), thêm Opus 5.5 nếu task khó, rồi so số lần phải sửa và chi phí thực tế mỗi task. Phân tích chi tiết Opus 5.5 có ở bài Claude Opus 5.5.

Dev Việt nên chọn thế nào

• Đang có ChatGPT Plus: bạn đã có GPT-6.1 Sol, Luna và cả Astra trong Codex. Dùng Codex với Sol làm mặc định là cách tận dụng gói tốt nhất, trong giới hạn usage của gói (Astra tiêu hạn mức nhanh hơn Sol).
• Đang dùng Copilot Pro ($10): bạn chỉ có Luna trong họ GPT-6. Dùng Luna cho việc nhỏ là ổn, nhưng đừng kỳ vọng nó xử lý agent task lớn như Sol. Cân nhắc Pro+ nếu Copilot là công cụ chính.
• Đang dùng Cursor: GPT-6 không có sẵn. Nếu cần, dùng BYOK với giới hạn đã nêu hoặc Codex extension, hoặc chọn model khác trong Cursor.
• Đang build sản phẩm gọi API: bắt đầu bằng Luna cho mọi task hẹp, đo chất lượng, chỉ nâng lên Sol ở chỗ Luna không đạt. Astra chỉ dành cho luồng thật sự khó và ít request.
• Sinh viên, ngân sách hạn chế: Free và Go dùng được Luna trong desktop app của ChatGPT, đủ để làm quen với task nhỏ. Nhưng khi đang học, hãy tự viết code trước rồi mới nhờ AI review.

Sai lầm thường gặp

• Để Astra làm mặc định. Trả gấp 5 lần Sol cho mọi request, kể cả đổi tên biến. Dùng Sol làm nền, chỉ gọi Astra khi bị kẹt.
• Nhồi cả repo vào context vì "có 1M token". Vượt 272K token là giá input gấp đôi, và model cũng không tập trung tốt hơn khi context dài.
• Tưởng GPT-6 có sẵn trong ChatGPT Chat. Sol và Luna hiện chỉ ở Work và Codex. Không thấy trong Chat không phải lỗi tài khoản.
• Config cũ vẫn trỏ vào model sắp nghỉ hưu. Trong Codex, gpt-5.4 và gpt-5.4-mini đã ngừng với đăng nhập ChatGPT từ 31/8, GPT-5.5 nghỉ hưu trong ChatGPT và Codex từ 14/10/2026 (API không bị ảnh hưởng). Kiểm tra lại file cấu hình và script CI.

Tóm lại

GPT-6 không phải một model mà là ba bậc: Astra cho việc khó nhất, GPT-6.1 Sol cho code hằng ngày, Luna cho việc khối lượng lớn. Với phần lớn dev, GPT-6.1 Sol trong Codex hoặc Copilot Pro+ là điểm bắt đầu hợp lý, và nên đặt nó cạnh Claude Sonnet 5.5 hoặc Opus 5.5 trên repo thật thay vì tin benchmark.

Model nào cũng chỉ mạnh bằng người review output của nó. Nếu bạn muốn đủ nền React để nhận ra khi AI viết sai và chỉ đúng cho nó sửa, khóa React PRO của HoleTex được thiết kế cho việc đó. Còn nếu muốn rèn tư duy giải thuật để không phụ thuộc hoàn toàn vào model, thử luyện thuật toán trên HoleTex Algo.

Bài liên quan

• So sánh model AI lập trình 2026: model nào code tốt nhất
• Claude Opus 5.5 có gì mới cho dev
• OpenAI Codex là gì
• GitHub Copilot là gì
• Context engineering là gì

Nguồn tham khảo: OpenAI models (developers.openai.com), GPT-6 Astra (developers.openai.com), GPT-6.1 Sol (developers.openai.com), GPT-6 Sol (developers.openai.com), GPT-6 Luna (developers.openai.com), Reasoning models (developers.openai.com), GPT-6 Astra system card (deploymentsafety.openai.com), Codex models (learn.chatgpt.com), ChatGPT & Codex changelog (learn.chatgpt.com), Codex CLI 0.157.0 (github.com), Codex CLI 0.161.0 (github.com), GPT-6 Astra in Copilot (github.blog), GPT-6 Sol và Luna in Copilot (github.blog), GPT-6.1 Sol in Copilot (github.blog), Using OpenAI models in Cursor (help.openai.com), Cursor models (cursor.com), Claude models overview (platform.claude.com), OpenAI launches GPT-6 Sol and Luna (techcrunch.com), GPT-6 Sol and Luna (macrumors.com). Cập nhật 2026-10-08.