Giá GPT-5.6: Chi phí Sol, Terra, Luna và cách tiết kiệm chi phí

OpenAI đã ra mắt GPT-5.6 cho khả dụng rộng rãi vào ngày 9 tháng 7 năm 2026, và lần đầu tiên một bản phát hành GPT chủ lực ra mắt dưới dạng ba mô hình với ba mức giá riêng biệt. Sol xử lý các tác vụ suy luận khó nhất với giá 5 đô la cho mỗi triệu token đầu vào và 30 đô la cho mỗi triệu token đầu ra. Terra nằm ở phân khúc giữa với giá 2,50 đô la và 15 đô la. Luna phục vụ công việc khối lượng lớn với giá 1 đô la và 6 đô la. Đó là mức chênh lệch gấp 5 lần từ trên xuống dưới, khiến lựa chọn mô hình trở thành đòn bẩy lớn nhất cho hóa đơn API của bạn.

Dùng thử Apidog ngay hôm nay

Có một cái bẫy ẩn trong cách đặt tên. Bí danh đơn giản gpt-5.6 chuyển hướng đến Sol, cấp suy luận chủ lực. Nếu sao chép một quickstart và giữ nguyên chuỗi mô hình, mọi yêu cầu production sẽ phải trả mức giá của mô hình chủ lực — kể cả khi Luna có thể xử lý công việc đó với một phần năm chi phí. Phản hồi API không tự cảnh báo về lựa chọn đắt tiền này.

Bài viết này tập trung vào cách:

• Chọn đúng cấp GPT-5.6 cho từng loại tác vụ.
• Tính chi phí theo token, cache và mức nỗ lực suy luận.
• Tránh dùng nhầm bí danh gpt-5.6.
• Áp dụng định tuyến để kiểm soát hóa đơn mà vẫn giữ chất lượng.

TL;DR

• Giá GPT-5.6 cho mỗi 1 triệu token: Sol 5 đô la đầu vào / 30 đô la đầu ra, Terra 2,50 đô la / 15 đô la, Luna 1 đô la / 6 đô la.
• Bí danh gpt-5.6 chuyển hướng đến Sol. Hãy chỉ định rõ gpt-5.6-terra hoặc gpt-5.6-luna trừ khi bạn thực sự cần mức giá của mô hình chủ lực.
• OpenAI định vị Terra cạnh tranh với GPT-5.5 với giá rẻ hơn khoảng một nửa.
• Prompt caching: ghi cache tốn 1,25 lần giá đầu vào, đọc cache giảm giá 90%, TTL tối thiểu là 30 phút. Cache có thể hòa vốn từ yêu cầu thứ hai.
• Nỗ lực suy luận cao hơn tạo thêm token đầu ra; Ultra chạy bốn tác nhân song song và chủ đích tăng chi tiêu token.
• Gói ChatGPT Free và Go nhận Terra; Plus trở lên có thể chọn giữa cả ba cấp.
• So sánh các mô hình trên cùng một prompt và kiểm tra usage token trong Apidog trước khi đưa model ID vào production.

Bảng giá GPT-5.6

Chi phí mỗi mô hình cho 1 triệu token, bao gồm giá cache suy ra:

Mô hình	Đầu vào / 1 triệu	Đầu ra / 1 triệu	Đọc đầu vào đã cache / 1 triệu	Ghi cache / 1 triệu
gpt-5.6-sol (bí danh: gpt-5.6)	$5.00	$30.00	$0.50	$6.25
gpt-5.6-terra	$2.50	$15.00	$0.25	$3.13
gpt-5.6-luna	$1.00	$6.00	$0.10	$1.25

Các ID mô hình đã được xác nhận trong tài liệu dành cho nhà phát triển của OpenAI, và quyền truy cập API là tự phục vụ cho bất kỳ tài khoản API nào.

gpt-5.6 không có hậu tố chính là Sol.

Nếu cấu hình, SDK default hoặc mã quickstart của bạn dùng bí danh trần này, bạn đang trả mức $5/$30 cho mỗi triệu token. Hãy luôn dùng đầy đủ model ID trong code review và cấu hình production.

Ví dụ, thay vì:

{
  "model": "gpt-5.6"
}

hãy chỉ định rõ cấp bạn chọn:

{
  "model": "gpt-5.6-terra"
}

Ý nghĩa của việc phân cấp

Số 5.6 là thế hệ; Sol, Terra và Luna là các cấp khả năng có vòng đời riêng. Việc hiểu mục đích của từng cấp giúp bạn chọn đúng mô hình trước khi tối ưu prompt.

Terra: lựa chọn cân bằng hiệu suất/chi phí

OpenAI định vị Terra cạnh tranh với GPT-5.5 với giá rẻ hơn khoảng 2 lần. Nếu đang chạy GPT-5.5 trong production, Terra là ứng viên thay thế tự nhiên để giảm chi phí. Bạn có thể đối chiếu mức chi tiêu hiện tại với phân tích giá GPT-5.5 trước khi di chuyển.

Không nên coi tuyên bố chất lượng là kết luận cho workload của riêng bạn. Hãy chạy benchmark với dữ liệu thực tế trước khi thay đổi model mặc định.

Luna: dành cho khối lượng lớn

Với giá $1/$6 mỗi triệu token, Luna phù hợp với:

• Phân loại.
• Trích xuất dữ liệu có cấu trúc.
• Định tuyến ticket hoặc intent.
• Sinh bản nháp đầu tiên.
• Tác vụ thường xuyên, nhạy cảm về chi phí và độ trễ.

Sol: dành cho bài toán mà cấp thấp hơn thất bại

Sol có suy luận sâu nhất và giá cao nhất. Bài đánh giá ngày ra mắt của Simon Willison cung cấp thêm góc nhìn thực hành về khi nào mô hình chủ lực xứng đáng với mức phí cao hơn.

Theo tài liệu ban đầu, cả ba cấp đều có cửa sổ ngữ cảnh 1 triệu token và đầu ra tối đa 128K. Khi hạ cấp từ Sol xuống Terra hoặc Luna, bạn không đánh đổi dung lượng ngữ cảnh — bạn đánh đổi độ sâu suy luận để lấy chi phí thấp hơn.

Chi phí thực tế của các yêu cầu

Giá mỗi triệu token khá trừu tượng nếu không quy đổi thành một request cụ thể.

Ví dụ một request RAG gồm:

• 10.000 token đầu vào: system prompt, ngữ cảnh truy xuất và câu hỏi người dùng.
• 1.000 token đầu ra.

Mô hình	Chi phí đầu vào	Chi phí đầu ra	Tổng cộng mỗi yêu cầu
Sol	$0.050	$0.030	$0.080
Terra	$0.025	$0.015	$0.040
Luna	$0.010	$0.006	$0.016

Mỗi request có thể rẻ, nhưng sự khác biệt tăng nhanh theo volume.

Ví dụ workload phân loại có:

• 1 triệu request mỗi tháng.
• 500 token đầu vào mỗi request.
• 50 token đầu ra mỗi request.

Tổng cộng mỗi tháng là 500 triệu token đầu vào và 50 triệu token đầu ra.

Mô hình	Đầu vào	Đầu ra	Tổng cộng hàng tháng
Luna	$500	$300	$800
Terra	$1,250	$750	$2,000
Sol	$2,500	$1,500	$4,000

Nếu chạy workload này qua bí danh gpt-5.6, bạn trả $4.000/tháng cho công việc mà Luna có thể chạy với $800/tháng. Một model ID mặc định sai có thể tạo ra chênh lệch $3.200 mỗi tháng.

Prompt caching: tính toán chi phí thực tế

GPT-5.6 hỗ trợ điểm ngắt cache rõ ràng. Thay vì dựa vào phát hiện tiền tố tự động, bạn chọn cache bằng:

• prompt_cache_options.mode: "explicit"
• prompt_cache_options.ttl

Các quy tắc chi phí:

• Ghi cache: 125% giá đầu vào không cache.
• Đọc cache: giảm 90% so với giá đầu vào.
• TTL tối thiểu: 30 phút.

Ví dụ cấu hình cache với Terra:

{
  "model": "gpt-5.6-terra",
  "input": [
    {
      "role": "system",
      "content": "You are a support triage assistant. Classify each ticket..."
    },
    {
      "role": "user",
      "content": "Ticket #4821: webhook retries firing twice after 502s"
    }
  ],
  "prompt_cache_options": {
    "mode": "explicit",
    "ttl": "30m"
  }
}

Ví dụ: cache system prompt 5.000 token trên Sol

Giả sử system prompt dài 5.000 token được dùng lại trong 100 request trong cùng cửa sổ cache.

Không cache

100 × 5.000 = 500.000 token đầu vào
500.000 / 1.000.000 × $5 = $2.50

Có cache

Ghi cache:
5.000 / 1.000.000 × $6.25 = $0.03125

Đọc cache 99 lần:
495.000 / 1.000.000 × $0.50 = $0.2475

Tổng: khoảng $0.28

Kết quả: chi phí phần tiền tố giảm khoảng 89%.

Điểm hòa vốn nằm ở request thứ hai. Phí ghi cao hơn 25% so với một lần đọc đầu vào không cache, nhưng những lần đọc sau giảm 90%.

Khi nào nên và không nên cache

Nên cache:

• System prompt dài.
• Tool definitions.
• Few-shot examples.
• Chính sách hoặc hướng dẫn cố định.
• Ngữ cảnh dùng lại nhiều lần trong 30 phút.

Không nên cache:

• Đầu vào người dùng luôn thay đổi.
• Tài liệu RAG thay đổi theo từng request.
• Batch job chỉ chạy một lần mỗi ngày hoặc ít hơn TTL 30 phút.

Cấu trúc prompt nên đặt phần ổn định ở đầu và phần biến động ở sau điểm ngắt cache.

Nỗ lực suy luận, Pro mode và Ultra

GPT-5.6 có sáu mức nỗ lực suy luận:

none
low
medium
high
xhigh
max

Nỗ lực suy luận là một biến chi phí, không chỉ là biến chất lượng. Cài đặt cao hơn tạo thêm token đầu ra; mà output là phần đắt hơn:

• Sol: $30 / 1 triệu token đầu ra.
• Terra: $15 / 1 triệu token đầu ra.
• Luna: $6 / 1 triệu token đầu ra.

Hai request có cùng input có thể chênh lệch chi phí đáng kể chỉ vì mức nỗ lực khác nhau.

Quy trình đánh giá mức nỗ lực

Trước khi chốt cấu hình production:

1. Lấy một tập request đại diện.
2. Chạy ở mức nỗ lực hiện tại.
3. Chạy lại ở mức thấp hơn một cấp.
4. So sánh chất lượng đầu ra, tỷ lệ lỗi, latency và số output token.
5. Chỉ giữ mức cao hơn nếu benchmark chứng minh nó cần thiết.

OpenAI khuyến nghị xem việc chuyển đổi model như một lần hiệu chỉnh cấu hình, không phải chỉ thay model ID.

Pro mode

Pro mode dùng cấu hình:

{
  "reasoning": {
    "mode": "pro"
  }
}

Đây không phải model riêng có bảng giá riêng. Bạn vẫn trả theo giá mỗi token của model đã chọn, nhưng model có thể dùng nhiều token hơn để suy nghĩ. Hãy dự trù output token lớn hơn cho workload ưu tiên chất lượng.

Ultra mode

Ultra chạy bốn tác nhân song song theo mặc định. Đây là sự đánh đổi có chủ đích: chi phí token cao hơn để đổi lấy thời gian phản hồi và chất lượng tốt hơn.

Ở mức ước tính đầu tiên, hãy dự trù khoảng 4 lần số token của một lần chạy tác nhân đơn. Chỉ nên dùng Ultra cho tác vụ mà tốc độ hoàn thành hoặc chất lượng vượt trội quan trọng hơn chi phí mỗi câu trả lời.

Theo OpenAI, Ultra nâng điểm Terminal-Bench 2.1 của Sol từ 88,8% lên 91,9%. Để biết thêm bối cảnh triển khai, xem bài giải thích về chế độ siêu cấp GPT-5.6. Ultra có trong ChatGPT Work trên gói Pro và Enterprise, cũng như Codex từ gói Plus trở lên.

Những gì các gói ChatGPT nhận được

Nếu sử dụng GPT-5.6 chủ yếu qua giao diện hội thoại thay vì API, gói đăng ký có thể phù hợp hơn về chi phí. Theo quyền truy cập mô hình của OpenAI:

Gói	Truy cập GPT-5.6
Free / Go	Terra
Plus	Sol, Terra, Luna; kiểm soát nỗ lực theo mô hình, với Sol ở mức nỗ lực medium trở lên
Pro / Business / Enterprise	Cả ba cấp, cộng với Sol Pro
ChatGPT Work (Pro / Enterprise)	Thêm Ultra

Người dùng Free và Go được mặc định dùng Terra. Plus cung cấp khả năng chọn model và kiểm soát nỗ lực, phù hợp khi cần Sol cho bài toán khó. Nếu đang cân nhắc Codex thay vì API thuần, Ultra đi kèm Codex từ Plus trở lên; xem thêm phân tích giá Codex.

Các mẫu giúp giảm hóa đơn

Tối ưu chi phí GPT-5.6 chủ yếu là bài toán định tuyến, không phải chỉ tinh chỉnh prompt.

1. Định tuyến theo loại tác vụ

Dùng một policy đơn giản:

• Luna cho phân loại, trích xuất và routing.
• Terra làm default cho tác vụ tổng quát.
• Sol chỉ khi Terra thất bại rõ ràng trên benchmark.

Ví dụ TypeScript:

type TaskType = "classification" | "extraction" | "general" | "hard_reasoning";

const modelForTask: Record<TaskType, string> = {
  classification: "gpt-5.6-luna",
  extraction: "gpt-5.6-luna",
  general: "gpt-5.6-terra",
  hard_reasoning: "gpt-5.6-sol",
};

export function selectModel(task: TaskType) {
  return modelForTask[task];
}

2. Cấm bí danh gpt-5.6 trong codebase

Dùng hằng số hoặc biến môi trường thay vì viết trực tiếp model ID ở nhiều nơi:

OPENAI_MODEL_FAST=gpt-5.6-luna
OPENAI_MODEL_DEFAULT=gpt-5.6-terra
OPENAI_MODEL_REASONING=gpt-5.6-sol

const model = process.env.OPENAI_MODEL_DEFAULT!;

Bạn cũng có thể thêm rule vào CI để chặn bí danh trần:

grep -R '"gpt-5.6"' src/ && exit 1 || exit 0

3. Cache các tiền tố dài và ổn định

Bất kỳ tiền tố ổn định nào dài vài nghìn token, lặp lại trong vòng 30 phút, đều nên được cache rõ ràng. Đặt system prompt, tool schema và few-shot examples trước điểm cache; đưa dữ liệu người dùng và tài liệu RAG biến động sau đó.

4. Hạ mức nỗ lực một cấp rồi benchmark

Đừng mặc định high, xhigh hoặc max. Hãy thử giảm một cấp và đo:

• Chất lượng.
• Tỷ lệ hoàn thành.
• Số token đầu ra.
• Latency.
• Chi phí/request.

Nếu chất lượng không giảm đáng kể, mức nỗ lực thấp hơn là khoản tiết kiệm trực tiếp.

5. Giữ câu trả lời ngắn khi tác vụ không cần dài

GPT-5.6 được mô tả là tạo phản hồi ngắn gọn hơn với ít phần giới thiệu chung chung hơn. Rà soát các prompt cũ và loại bỏ các chỉ dẫn thừa chỉ làm tăng input token mà không tạo thêm giá trị.

6. Đo trên prompt thực tế trước khi cam kết

Lưu ba model ID dưới dạng environment variables trong Apidog, gửi cùng một request đến từng model và so sánh:

• Chất lượng phản hồi.
• Input token.
• Output token.
• Tổng chi phí ước tính.
• Latency.

Dữ liệu từ prompt của chính bạn đáng tin cậy hơn mọi bảng giá tổng quát.

FAQ

GPT-5.6 có rẻ hơn GPT-5.5 không?

Điểm so sánh là Terra. OpenAI định vị Terra cạnh tranh với GPT-5.5 với giá rẻ hơn khoảng 2 lần: $2,50 đầu vào và $15 đầu ra cho mỗi triệu token.

Sol đắt hơn Terra nhưng hướng đến suy luận sâu hơn. Hãy chạy benchmark riêng trước khi chuyển các workload nhạy cảm về chất lượng.

ID mô hình gpt-5.6 đơn thuần tốn bao nhiêu?

Bí danh gpt-5.6 chuyển hướng đến Sol, nên bạn trả mức cao nhất:

• $5 cho mỗi triệu token đầu vào.
• $30 cho mỗi triệu token đầu ra.

Hãy chỉ định gpt-5.6-terra hoặc gpt-5.6-luna khi tác vụ không cần suy luận cấp Sol.

Token suy luận có được tính vào giá đầu ra không?

Có. Cài đặt nỗ lực cao hơn tạo ra nhiều token phía đầu ra hơn và các token này được tính theo giá output của model. Trên Sol, đó là $30 cho mỗi triệu token; trên Luna là $6.

Hãy benchmark mức nỗ lực hiện tại với một mức thấp hơn trước khi chốt cấu hình.

Cách rẻ nhất để bắt đầu thử nghiệm GPT-5.6 là gì?

Bắt đầu với gpt-5.6-luna. Một request gồm 10K token đầu vào và 1K token đầu ra có giá khoảng $0,016. Bạn có thể thử nghiệm nhiều prompt với chi phí thấp trước khi chuyển các tác vụ cần chất lượng cao hơn sang Terra hoặc Sol.

Xem hướng dẫn sử dụng API GPT-5.6 để triển khai xác thực, gọi Responses API và chọn model tier.

Những điều này để lại cho bạn

Dùng Terra làm default, định tuyến workload khối lượng lớn xuống Luna, và chỉ giữ Sol cho các bài toán thực sự cần mức suy luận cao hơn. Sau đó:

1. Thêm explicit prompt caching cho tiền tố lặp lại trong 30 phút.
2. Benchmark một mức nỗ lực thấp hơn cấu hình hiện tại.
3. Cấm dùng bí danh gpt-5.6 trong production.
4. So sánh usage token giữa ba model trên cùng một tập prompt.

Trước khi đưa thay đổi vào production, hãy lấy số liệu từ workload thực tế. Tải xuống Apidog, lưu ba model ID thành biến môi trường, gửi cùng một request qua từng cấp và so sánh trường usage trong phản hồi. Một phiên thử nghiệm song song ngắn có thể cho bạn dự báo hóa đơn chính xác hơn bất kỳ bảng giá nào.