Cuộc chiến giá mô hình AI tháng 9/2026: Grok 4.7, Opus 5.5, GPT-6 Sol và Luna

Nếu bạn đang giữ một bảng tính giá mô hình, thì tuần này nó đã lỗi thời. xAI ra mắt Grok 4.7 vào ngày 21 tháng 9. Ngày hôm sau, Anthropic ra mắt Claude Opus 5.5 và OpenAI ra mắt hai mô hình GPT-6 mới, Sol và Luna. Ba lần ra mắt trong 48 giờ, hai phòng thí nghiệm tiên phong trong cùng một ngày, và mọi dòng trong mô hình chi phí của bạn giờ đều sai.

Dùng thử Apidog ngay hôm nay

Các con số trên mỗi token nằm bên dưới. Câu chuyện hữu ích hơn: giá trên mỗi token đã không còn là đơn vị mà bất kỳ ai đang cạnh tranh, và một trong những tuyên bố ồn ào nhất trong tuần đã hết hạn trong vòng vài giờ sau khi được công bố.

Mọi mức giá mới trong một bảng

Mô hình	API id	Đầu vào $/M	Đầu ra $/M	Đầu vào được cache	Ngữ cảnh	Chỉ số trí tuệ AA
Claude Opus 5.5	claude-opus-5-5	$4	$20	$0.20 đọc, $5 ghi	1M	58, #1 trong 212
GPT-6 Sol	gpt-6-sol	$2	$10	giảm 90% khi đọc	872k	48
GPT-6 Luna	gpt-6-luna	$0.10	$0.50	giảm 90% khi đọc	1M	37
GPT-6 Astra	n/a	$10	$50	n/a	n/a	n/a
Claude Opus 5 (trước đó)	claude-opus-5	$5	$25	n/a	n/a	n/a
Grok 4.7 (21 tháng 9)	n/a	$2	$6	n/a	n/a	n/a

Có ba điểm nổi bật. Opus 5.5 có giá $4/$20 so với $5/$25 của Opus 5, nghĩa là mô hình hàng đầu trở nên rẻ hơn 20% trong khi vẫn chiếm vị trí số một trên chỉ số Artificial Analysis với 58 điểm. Sol chỉ bằng một phần năm mức giá của Astra ở cả đầu vào lẫn đầu ra. Và Luna đưa cửa sổ ngữ cảnh 1M xuống mức mười xu cho mỗi triệu token đầu vào.

Anthropic cũng liệt kê một chế độ nhanh cho Opus 5.5 ở mức $8/$40 với đầu ra tối đa 128k. Nếu bạn đã hardcode mức giá từ các bài viết của chúng tôi về giá Claude Opus 5 hay giá GPT-5.6, thì những trang đó giờ đang mô tả thế hệ trước.

Điều thực sự thay đổi: chi phí mỗi tác vụ, không phải chi phí mỗi token

Bài đăng ra mắt của OpenAI không mở đầu bằng mức giá trên mỗi token. Nó mở đầu bằng chi phí cho mỗi tác vụ hoàn thành, và bảng mà họ công bố là hiện vật thú vị nhất của tuần này.

Mô hình (mức độ suy luận)	AutomationBench 1.0.6	Chi phí mỗi tác vụ
GPT-6 Sol (xhigh)	33.2%	$0.27
Fable 5.1 với fallback Opus 5 (max)	31.4%	hơn 8.9 lần Sol
GPT-6 Astra (low)	30.3%	3.9 lần Sol
Claude Opus 5 (max)	26.9%	11.1 lần Sol

Hãy đọc kỹ dòng cuối. Sol ở mức suy luận cực cao đạt điểm cao hơn Opus 5 ở mức max với chi phí chỉ khoảng 9% chi phí mỗi tác vụ của Opus 5. Chi phí mỗi tác vụ là đơn vị trung thực vì nó gộp vào những thứ mà giá trên mỗi token che giấu: token suy luận, lệnh gọi công cụ, các lần thử lại, và số lượt mà một mô hình cần trước khi dừng. Một mô hình có mức giá niêm yết gấp đôi nhưng hoàn thành chỉ với một phần ba số token thì thực ra rẻ hơn, và không trang giá nào cho bạn biết điều đó.

Mô thức này lặp lại. Trên Agents' Last Exam V1, Sol ở mức max đạt 56.4%, cao hơn kết quả tốt nhất của Opus 5, với chi phí mỗi tác vụ thấp hơn 60%. Trên DeepSWE 1.1, Sol ở mức max đạt 68.8%, chỉ kém Fable 5 ở xhigh (69.9%) 1.1 điểm và rẻ hơn khoảng 80% mỗi tác vụ; Luna ở mức max đạt 66.6%, mức mà OpenAI xếp cùng nhóm với Opus 5 và Fable 5 ở mức effort trung bình, với chi phí mỗi tác vụ thấp hơn Opus 5 93% và thấp hơn Fable 5 96%. Trên OSWorld 2.0 offline, Sol ở xhigh đạt 60.5% so với Opus 5 ở mức medium đạt 60.3%, một lần nữa rẻ hơn khoảng 80% mỗi tác vụ. Về tính xác thực, OpenAI cho biết Sol mắc lỗi chỉ bằng khoảng một nửa so với phiên bản tiền nhiệm, và Luna ở mức effort cao hơn ngang bằng với GPT-5.6 Sol với chi phí chỉ bằng khoảng một phần trăm.

Hệ quả thực tế: câu hỏi mua sắm không còn là "mức giá trên mỗi triệu token là bao nhiêu". Mà là "một tác vụ của tôi tốn bao nhiêu từ đầu đến cuối", và chỉ có khối lượng công việc của chính bạn mới trả lời được điều đó.

Phép so sánh hết hạn ngay trong ngày nó được công bố

Mọi tuyên bố ở trên đều được đo so với Claude Opus 5, bởi vì Opus 5.5 chưa tồn tại khi bài đăng của OpenAI được viết. Anthropic ra mắt Opus 5.5 vài giờ sau đó: rẻ hơn Opus 5 20%, giảm 40% chi phí vận hành theo chính con số của Anthropic, nhanh hơn 30% ở đầu ra, và đứng đầu chỉ số Artificial Analysis.

Vậy nên "đánh bại Opus 5 với 9% chi phí mỗi tác vụ" là một phát biểu đúng về một mô hình đã bị thay thế ngay chiều hôm đó. Chưa ai công bố con số chi phí mỗi tác vụ giữa Sol và Opus 5.5, vì mọi harness trong các bảng này đều chạy trước khi Opus 5.5 tồn tại. Nếu bạn sắp chuyển một khối lượng công việc dựa trên sức mạnh của tỷ lệ đó, thì bạn đang so sánh với một mô hình mà bạn sẽ không còn triển khai nữa.

Cũng hãy cẩn thận ở chiều ngược lại. Bảng của chính Anthropic cho Opus 5.5 ghi: Terminal-Bench 4.0 66.4%, FrontierCode v1.1 54.4%, CursorBench 4.0 57.8%, GDPval-AA v2.1 ở 1846 Elo, AutomationBench 40.0%, Humanity's Last Exam 67.7% khi dùng công cụ, OSWorld 2.0 81.8%, Chartography 89.0%. Con số AutomationBench 40.0% đó không thể đem trừ đi với 33.2% của OpenAI: phiên bản harness khác, thiết lập effort khác, lần chạy khác, không có baseline chung nào được nêu. Hai nhà cung cấp trích dẫn cùng một tên benchmark không có nghĩa là một phép đối đầu trực tiếp. Quan điểm của chính OpenAI là Astra "vẫn tiếp tục là mô hình tốt nhất của chúng tôi trên mọi phương diện", nên câu chuyện GPT-6 tuần này là về giá và hiệu quả, chứ không phải một đỉnh cao mới. Những so sánh lan truyền trên X đặt các con số cụ thể của Opus 5.5 cạnh các con số cụ thể của Astra chỉ là tweet, không phải dữ liệu từ nhà cung cấp.

"Rẻ hơn 50%" được đo so với một mức chiết khấu, và mức cắt thực tế còn lớn hơn

OpenAI tuyên bố Sol và Luna đều rẻ hơn 50% so với giá khuyến mãi của GPT-5.6. "Khuyến mãi" là từ của chính OpenAI, và nó mang sức nặng: mức cơ sở bị chia đôi là một mức giá đã chiết khấu, không phải giá niêm yết tiêu chuẩn. Rất nhiều bài đưa tin tuần này đã bỏ mất từ định tính đó.

Đây là dòng dõi giá, dùng mức giá niêm yết của GPT-5.6 mà chúng tôi đã ghi lại trong bài đưa tin ra mắt của chính mình vào thời điểm đó:

Phân khúc	Giá niêm yết GPT-5.6 (vào / ra mỗi 1M)	Giá khuyến mãi GPT-5.6	GPT-6
Sol	$5 / $30	$4 / $20	$2 / $10
Terra	$2.50 / $15	$2 / $12	không có GPT-6 Terra nào được công bố
Luna	$1 / $6	$0.20 / $1.20	$0.10 / $0.50

Có hai điều rút ra. Thứ nhất, phiên bản trung thực của tiêu đề còn mạnh hơn cả tiêu đề: so với giá niêm yết GPT-5.6, Sol ở $2/$10 là mức cắt 60% ở đầu vào và 67% ở đầu ra, còn Luna ở $0.10/$0.50 là 90% và 92%. OpenAI đã so sánh với mức giá khuyến mãi của chính mình, điều này làm giảm nhẹ mức độ thay đổi đối với bất kỳ ai đang lập ngân sách dựa trên giá niêm yết.

Thứ hai, không có GPT-6 Terra. GPT-5.6 gồm Sol, Terra và Luna; GPT-6 gồm Astra, Sol và Luna. Nếu bạn đang ghim một phân khúc tầm trung trong cấu hình, không có phiên bản kế nhiệm tương đương nào đang chờ nó, và hướng dẫn đặt tên GPT-5.6 của chúng tôi giờ đọc như lịch sử chứ không phải một bản đồ hiện hành.

Các mô hình rẻ không phải là các mô hình nhanh

Artificial Analysis đã đo các mô hình mới. Đối với các biến thể suy luận max, họ báo cáo GPT-6 Sol đạt 115.2 token đầu ra mỗi giây với thời gian đến token đầu tiên là 102.15 giây, và Luna đạt 153.9 token mỗi giây với 124.23 giây đến token đầu tiên. Đây là các số liệu của bên thứ ba, không phải số liệu của nhà cung cấp, và chúng mô tả thiết lập suy luận cao nhất, không phải điều bạn sẽ thấy ở mức effort thấp hay trung bình.

Về mặt xu hướng, đây là sự đánh đổi mà cuộc chiến giá đang đưa ra: chất lượng tiệm cận hàng đầu với một phần nhỏ chi phí, nhưng phải trả bằng độ trễ trước khi byte đầu tiên đến. Ổn cho một tác vụ theo lô hay một lượt chạy agent ban đêm. Chết người với một yêu cầu đang có người chờ.

Hãy tự đo điều này thay vì kế thừa từ một bảng xếp hạng, vì nó thay đổi theo thiết lập effort, kích thước prompt và khu vực của bạn. Hãy trỏ Apidog vào endpoint completions của từng mô hình ứng viên, gửi cùng một prompt ở mức effort mà bạn thực sự sẽ triển khai, và ghi lại thời gian đến byte đầu tiên cùng tổng thời gian phản hồi bên cạnh phần thân phản hồi. Được lưu thành một kịch bản kiểm thử, lần ra mắt tiếp theo sẽ chỉ là một lần chạy lại thay vì một dự án nghiên cứu.

Caching là nửa còn lại của đợt giảm giá tuần này

Cùng với các mô hình, OpenAI đã phát hành một bản cập nhật prompt caching thực sự cho GPT-6: giảm giá 90% khi đọc đầu vào được cache, tỷ lệ trúng cache cao hơn theo mặc định, một Prompt Caching Dashboard, một công cụ chẩn đoán, và hai sửa lỗi về hành vi còn quan trọng hơn cả mức giảm giá. Việc thay đổi mức effort suy luận hay tính khả dụng của công cụ không còn làm mất hiệu lực cache, và các breakpoint tường minh cho phép bạn quyết định nơi một tiền tố được cache kết thúc. OpenAI dẫn chứng GitHub ghi nhận số token prompt cần xử lý mới giảm hơn 50% trên hàng tỷ yêu cầu. Phía Anthropic nằm trong bảng ở trên: đọc cache của Opus 5.5 tốn $0.20 mỗi triệu so với $4 cho đầu vào mới, nên một lần đọc từ cache chỉ bằng 5% một lần đọc mới.

Nếu agent của bạn gửi lại một system prompt lớn và một schema công cụ đồ sộ ở mỗi lượt, và hầu hết đều làm vậy, thì những thay đổi này sẽ dịch chuyển hóa đơn của bạn nhiều hơn bất kỳ mức giá niêm yết nào ở đây. Điều đó khiến caching trở thành hạng mục bền vững nhất trong tuần và là thứ đáng để thiết kế kỹ thuật xoay quanh.

Việc cần làm trong tuần này

1. Đưa các model id vào cấu hình, không phải vào mã. Ba id đã thay đổi trong hai ngày. claude-opus-5-5, gpt-6-sol và gpt-6-luna nên nằm trong các biến môi trường mà bạn có thể đổi qua lại, chứ không phải các chuỗi ký tự literal trong một lớp bọc client.
2. Chạy lại bộ eval của chính bạn trước khi chuyển đổi. Các bảng chi phí mỗi tác vụ của nhà cung cấp được đo trên harness của nhà cung cấp với các tác vụ của nhà cung cấp. Của bạn sẽ khác.
3. Đo lường chi phí mỗi tác vụ. Ghi log token đầu vào, đầu ra và suy luận theo từng đơn vị công việc đã hoàn thành, bao gồm cả các lần thử lại. Các dashboard theo token sẽ đánh lạc hướng bạn trong suốt phần còn lại của năm nay.
4. Đặt ngân sách độ trễ và kiểm thử ở mức effort khi triển khai. Một mô hình rẻ hơn 93% mỗi tác vụ nhưng chậm hơn hai phút đến token đầu tiên là một sản phẩm khác, không phải một sản phẩm rẻ hơn.
5. Kiểm tra ranh giới cache của bạn. Tiền tố ổn định đặt trước, nội dung dễ thay đổi đặt sau, các breakpoint tường minh ở nơi nền tảng hỗ trợ.
6. Cập nhật các contract test cho các giới hạn mới. Sol có ngữ cảnh 872k, Luna và Opus 5.5 là 1M, và Opus 5.5 giới hạn đầu ra ở 128k. Các assertion viết theo giới hạn của tháng trước sẽ âm thầm vượt qua và bị cắt ngắn trong môi trường production.
7. Định tuyến theo tác vụ thay vì chuyển đổi toàn bộ. Khoảng cách giữa $0.10 và $10 mỗi triệu token đầu vào là hai bậc độ lớn. Dùng phân khúc rẻ cho trích xuất và phân loại, phân khúc đắt cho công việc cần đến chúng.

Một con số để thấy quy mô: OpenAI tiết lộ rằng một nhà nghiên cứu nội bộ ở mức trung vị của họ chi hơn $600 mỗi ngày cho các agent lập trình, với phân vị thứ 90 là $7,000. Những đợt giảm giá kiểu này nhắm vào các khối lượng công việc có mức dư địa đó. Nếu của bạn nhỏ hơn, chúng chủ yếu mang lại cho bạn lựa chọn chạy một mô hình tốt hơn với cùng ngân sách.

Tình trạng khả dụng, tóm tắt ngắn

Sol và Luna có trong ChatGPT Work và Codex cho các gói Plus, Pro, Business, Enterprise và Edu. Gói Free và Go được dùng Luna trong ứng dụng desktop. Cả hai chưa có trong Chat. Các API id là gpt-6-sol và gpt-6-luna, cùng với GPT-6 Astra API đã có sẵn. Opus 5.5 chạy trên Claude Platform, AWS, Google Cloud và Azure.

Để có chi tiết cho từng mô hình: Claude Opus 5.5 là gì, GPT-6 Sol là gì, GPT-6 Luna là gì, bài đối đầu trực tiếp giữa Sol và Opus 5.5, và bài về bản cập nhật prompt caching của GPT-6.

Kết luận

Giá niêm yết đã giảm, nhưng sự kiện thực sự là ngành đã đổi đơn vị đo. Chi phí mỗi tác vụ, tỷ lệ trúng cache và thời gian đến token đầu tiên giờ là những thứ quyết định một mô hình tốn của bạn bao nhiêu, và không thứ nào trong đó xuất hiện trên một trang giá. Hãy đo cả ba trên lưu lượng của chính bạn trong tuần này, vì những bảng so sánh mà mọi người đang trích dẫn đã lỗi thời ngay khi chúng được xuất bản.