So sánh GPT-5.6 Sol và Claude Fable 5: Đánh giá trung thực

GPT-5.6 của OpenAI chính thức ra mắt ngày 9 tháng 7 năm 2026, sau hai tuần xem trước giới hạn. Phiên bản cao cấp nhất, Sol, được công bố với các số liệu hướng tới vị trí dẫn đầu về tác tử. Trong khi đó, Claude Fable 5 của Anthropic đã giữ danh hiệu “mô hình mạnh nhất” ở phía đối diện từ đầu tháng 6. Nếu cần chọn mô hình chủ lực cho sản phẩm trong quý này, bạn đang đứng trước hai lựa chọn đáng tin cậy—và nhiều tiêu đề mâu thuẫn.

Dùng thử Apidog ngay hôm nay

Điểm quan trọng thường bị bỏ qua: không có mô hình nào thắng toàn diện. Theo tài liệu ra mắt của OpenAI, Sol dẫn đầu các điểm chuẩn tác tử rộng với khoảng cách đáng kể. Nhưng chính tài liệu đó cũng cho thấy Claude Fable 5 dẫn trước gần 16 điểm trên SWE-Bench Pro. Vì vậy, thay vì tìm một “người thắng cuộc tuyệt đối”, hãy chọn mô hình theo loại công việc thực tế.

Bài viết này tập trung vào:

• Đọc đúng các số liệu benchmark do nhà cung cấp công bố.
• Ánh xạ benchmark sang khối lượng công việc thực tế.
• So sánh giá token và chi phí trên mỗi tác vụ.
• Nhận diện khác biệt API và kiến trúc tác tử.
• Chạy thử nghiệm song song trên prompt, ticket và tool call của chính bạn.

Chúng tôi đã giải thích riêng về GPT-5.6 Sol là gì. Bạn cũng nên tham khảo thông báo chính thức về GPT-5.6 để kiểm tra các tuyên bố của OpenAI.

Phán quyết nhanh

Công việc cần làm	Lựa chọn mạnh hơn hiện tại	Bằng chứng
Thực hiện tác vụ tác tử rộng	GPT-5.6 Sol	Agents’ Last Exam khoảng 53, so với 46.9 của GPT-5.5, theo OpenAI
Kỹ thuật phần mềm chuyên sâu	Claude Fable 5	SWE-Bench Pro: 80.3% so với 64.6% của Sol, theo biểu đồ OpenAI
Công việc tác tử điều khiển qua terminal	GPT-5.6 Sol, dẫn trước sát nút	Terminal-Bench 2.1: 88.8%; 91.9% với ultra
Giá niêm yết thấp nhất trên mỗi token	GPT-5.6 Sol	5 USD / 30 USD trên 1 triệu token, so với 10 USD / 50 USD của Fable 5
Thực thi đa tác tử song song tích hợp	GPT-5.6	Thiết lập ultra chạy bốn tác tử song song theo mặc định
Một mô hình thắng mọi thứ	Không có	Mô hình đó hiện chưa tồn tại

Tất cả số liệu benchmark trong bảng đều là số liệu do nhà cung cấp báo cáo vào thời điểm ra mắt và chưa được tái kiểm tra độc lập. Hãy xem chúng là bản đồ các tuyên bố, không phải bảng xếp hạng đã được xác nhận.

Benchmark duy nhất có giá trị quyết định là khối lượng công việc của bạn. Phần cuối bài viết sẽ hướng dẫn cách chạy thử nghiệm song song trong Apidog.

Phân tích benchmark theo OpenAI

Ba con số định hình so sánh này đều đến từ tài liệu ra mắt của OpenAI. Điều đó vừa hữu ích, vừa là lý do cần thận trọng khi diễn giải.

Điểm chuẩn	GPT-5.6 Sol	Claude Fable 5	Nguồn
Agents’ Last Exam	Khoảng 53, dao động từ 52.7 đến 53.6	Thấp hơn Sol khoảng 13 điểm	OpenAI, ngày ra mắt
SWE-Bench Pro	64.6%	80.3%	OpenAI, ngày ra mắt
Terminal-Bench 2.1	88.8%; 91.9% với ultra	Không được nêu trong biểu đồ OpenAI	OpenAI, ngày ra mắt

Agents’ Last Exam: Sol mạnh về độ rộng tác tử

OpenAI báo cáo Sol đạt khoảng 53 điểm trên Agents’ Last Exam, tăng từ 46.9 của GPT-5.5 và cao hơn Claude Fable 5 khoảng 13 điểm.

Đây là benchmark thiên về tác vụ dài, nhiều bước và cần khả năng:

• Lập kế hoạch qua nhiều giai đoạn.
• Chọn và phối hợp công cụ.
• Phục hồi sau lỗi trung gian.
• Hoàn thành các tác vụ có yêu cầu đa dạng.

Nếu bạn đang xây dựng agent xử lý ticket, nghiên cứu tự động, vận hành hệ thống hoặc workflow cần gọi nhiều công cụ, đây là số liệu có lợi cho Sol.

SWE-Bench Pro: Fable 5 mạnh về kỹ thuật phần mềm

Trên SWE-Bench Pro, biểu đồ của OpenAI cho thấy Claude Fable 5 đạt 80.3%, so với 64.6% của Sol—chênh lệch 15.7 điểm.

SWE-Bench Pro đo khả năng xử lý các vấn đề kỹ thuật phần mềm khó trong kho mã thực tế, từ hiểu lỗi đến tạo bản vá phù hợp. Nếu workflow của bạn tập trung vào:

• Refactor quy mô repository.
• Gỡ lỗi phức tạp.
• Sửa lỗi dựa trên issue và test suite.
• Phiên lập trình tác tử dài trên một dự án.

thì Fable 5 là lựa chọn mặc định hợp lý hơn dựa trên số liệu được công bố.

Terminal-Bench 2.1: Sol có lợi thế trong điều phối terminal

OpenAI báo cáo Sol đạt 88.8% trên Terminal-Bench 2.1. Khi bật ultra, điểm số lên 91.9%.

Điểm cần lưu ý: ultra là một chế độ thực thi khác, phân tán công việc qua bốn tác tử song song và tiêu tốn token nhiều hơn. Không nên so sánh trực tiếp kết quả ultra với chế độ tiêu chuẩn như thể chúng có cùng cấu hình chi phí.

Trước khi đưa các số liệu này vào quyết định kiến trúc, hãy nhớ:

1. Đây là tuyên bố benchmark từ nhà cung cấp vào ngày ra mắt.
2. Cấu hình công cụ, môi trường đánh giá và chiến lược chạy benchmark có thể làm thay đổi kết quả.
3. Một benchmark đơn lẻ không phản ánh toàn bộ sản phẩm của bạn.

Bạn có thể đọc thêm góc nhìn độc lập trong bài viết đầu tiên của Simon Willison và xem chi tiết từng thử nghiệm trong phân tích benchmark GPT-5.6 Sol.

Ý nghĩa thực tế của sự phân chia

Mẫu hình benchmark cho thấy hai chuyên môn khác nhau.

Sol thiên về độ rộng. Agents’ Last Exam và Terminal-Bench thưởng cho mô hình có thể lập kế hoạch, phối hợp tool, xử lý lỗi và hoàn thành nhiều loại nhiệm vụ. Điều này phù hợp với hệ thống agent có nhiều bước và nhiều công cụ.

Fable 5 thiên về chiều sâu. SWE-Bench Pro gần với câu hỏi: “Mô hình có thể giải quyết một vấn đề kỹ thuật phần mềm khó trong codebase hiện có mà không cần con người gỡ rối đáng kể không?”

Vì vậy, câu hỏi đúng không phải là:

Mô hình nào tốt hơn?

Mà là:

Công việc của tôi giống benchmark nào hơn?

Chọn theo bảng xếp hạng tổng hợp có thể khiến bạn tối ưu cho một workload không tồn tại trong sản phẩm của mình.

So sánh giá cả

OpenAI công bố giá GA cho ba cấp GPT-5.6. Giá Claude Fable 5 dưới đây là mức được công bố khi ra mắt; hãy xác nhận lại trên trang giá Anthropic trước khi lập ngân sách vì điều khoản truy cập có thể thay đổi.

Mô hình	Đầu vào trên 1 triệu token	Đầu ra trên 1 triệu token
gpt-5.6-sol — alias gpt-5.6 trỏ đến đây	5.00 USD	30.00 USD
gpt-5.6-terra	2.50 USD	15.00 USD
gpt-5.6-luna	1.00 USD	6.00 USD
claude-fable-5	10.00 USD — đã công bố, cần xác minh	50.00 USD — đã công bố, cần xác minh

Trên bảng giá, Sol có giá bằng một nửa Fable 5 ở cả input và output token. Tuy nhiên, đừng dùng giá trên một triệu token làm chỉ số duy nhất.

Chi phí thực tế của một tác vụ còn phụ thuộc vào:

• Cách mỗi mô hình token hóa nội dung.
• Độ dài đầu ra cho cùng một yêu cầu.
• Số lượt tool call cần thiết.
• Mức suy luận được sử dụng.
• Hiệu quả của prompt caching.
• Tỷ lệ tác vụ hoàn thành thành công ở lần chạy đầu.

Một mô hình rẻ hơn trên mỗi token nhưng tạo đầu ra dài hơn hoặc cần retry nhiều hơn vẫn có thể đắt hơn trên mỗi tác vụ hoàn thành.

Tận dụng bộ nhớ đệm

GPT-5.6 hỗ trợ điểm ngắt bộ nhớ đệm rõ ràng:

• Ghi cache: 1.25 lần giá input không cache.
• Đọc cache: giảm giá 90%.
• TTL cache tối thiểu: 30 phút.

Prompt caching của Fable 5 cũng giảm giá 90% cho cache hit. Điều này đặc biệt quan trọng nếu bạn gửi lặp lại system prompt dài, schema tool hoặc ngữ cảnh repository.

Để xem các khoản tiết kiệm này xuất hiện như thế nào trong thực tế, hãy đọc phân tích giá Claude Fable 5.

Chỉ số cần theo dõi là:

chi phí / tác vụ hoàn thành

Không phải:

chi phí / 1 triệu token

Khác biệt về giao diện API

Cả hai nhà cung cấp đều cung cấp nhiều hơn một chat completion endpoint. Khác biệt về API có thể ảnh hưởng trực tiếp tới thiết kế hệ thống agent.

GPT-5.6: ưu tiên kiểm soát và điều phối

Theo tài liệu dành cho nhà phát triển của OpenAI, GPT-5.6 tập trung vào các nguyên thủy điều phối trong API Responses:

• Sáu cấp độ nỗ lực suy luận, từ không đến tối đa.
• Chế độ Pro qua reasoning.mode: "pro" trên cả ba mô hình.
• Chế độ ultra, chạy bốn tác tử song song theo mặc định.
• Gọi công cụ theo chương trình: mô hình viết JavaScript để điều phối tool call trong môi trường V8 cô lập, không có truy cập mạng.
• Suy luận được duy trì qua các lượt.
• Thực thi đa tác tử đang ở beta.
• Cài đặt chi tiết hình ảnh để bảo toàn kích thước ảnh gốc.

Điểm thực tế: nếu bạn muốn điều chỉnh nỗ lực suy luận theo từng request hoặc muốn chạy tác tử song song mà không phải tự xây dựng toàn bộ lớp điều phối, API của OpenAI có nhiều primitive hơn ở cấp nền tảng.

Claude Fable 5: ưu tiên phiên làm việc sâu và dài

Claude Fable 5 đứng đầu dòng Claude 5 và được giới thiệu cùng Claude Mythos 5 trong thông báo của Anthropic.

Giao diện công bố bao gồm:

• Cửa sổ ngữ cảnh mặc định 1 triệu token.
• Tối đa 128K output token cho mỗi request.
• Tham số fallback phía máy chủ, có thể chuyển yêu cầu bị từ chối an toàn sang Claude Opus 4.8 trong cùng API call.
• Hệ sinh thái tác tử xoay quanh Claude Code và workflow tác tử phụ.

Anthropic định vị mô hình này cho suy luận đòi hỏi cao và tác vụ tác tử dài hạn. Bạn có thể xem thêm thông số trong bài giải thích về Claude Fable 5.

Chọn API theo kiến trúc bạn cần

Cửa sổ ngữ cảnh của hai bên gần tương đương: Fable 5 xác nhận 1M token, còn các tài liệu ban đầu cũng cho thấy GPT-5.6 ở mức 1M. Tuy nhiên, hãy ưu tiên trang thông số kỹ thuật hiện hành của OpenAI để xác nhận giới hạn chính xác.

Khác biệt lớn hơn nằm ở triết lý sản phẩm:

Nhu cầu	Hướng phù hợp hơn
Điều phối song song, điều chỉnh reasoning effort, programmatic tool calling	GPT-5.6
Phiên xử lý dài, một mô hình chuyên sâu, pipeline Claude hiện có	Claude Fable 5
Tác tử dùng nhiều tool nội bộ	GPT-5.6 có nhiều primitive cấp API hơn
Nhiệm vụ kỹ thuật phần mềm phức tạp trong repository	Claude Fable 5 có tín hiệu benchmark tốt hơn

Hướng dẫn quyết định thực tế

Chọn GPT-5.6 Sol làm mặc định khi

• Workload của bạn là đội tác tử, điều phối tool hoặc nhiều loại tác vụ tự động.
• Bạn cần điều chỉnh reasoning effort theo từng request.
• Bạn muốn chạy tác tử song song dưới dạng primitive API.
• Áp lực chi phí token là đáng kể.
• Các cấp giảm chi phí như Terra và Luna phù hợp với unit economics của bạn.

Chọn Claude Fable 5 làm mặc định khi

• Công việc chính là kỹ thuật phần mềm khó trên repository thực.
• Bạn chạy các phiên tác vụ đơn lẻ dài và chuyên sâu.
• Khả năng hoàn thành một tác vụ quan trọng hơn throughput của nhiều agent.
• Bạn đã đầu tư vào Claude Code, caching hoặc pipeline Anthropic.
• Bạn cần tận dụng hành vi fallback được công bố của Anthropic.

Dùng cả hai khi có thể

Đây không phải kiến trúc kỳ lạ. Cả hai đều là API HTTP tiêu chuẩn với SDK trưởng thành.

Một chiến lược định tuyến thực tế:

Workflow cần điều phối nhiều tool hoặc nhiều agent
  -> GPT-5.6 Sol

Workflow sửa lỗi, refactor hoặc phân tích repository chuyên sâu
  -> Claude Fable 5

Điểm quan trọng là giữ một interface nội bộ chung cho model provider, sau đó định tuyến theo loại tác vụ thay vì khóa toàn bộ sản phẩm vào một model.

Thử nghiệm cả hai trên khối lượng công việc của riêng bạn

Benchmark của nhà cung cấp chỉ nên giúp bạn lập danh sách rút gọn. Quyết định cuối cùng cần đến từ prompt, ticket, diff và tool workflow thực tế của bạn.

Cả hai model đều có thể gọi qua HTTP:

• GPT-5.6 qua API Responses của OpenAI.
• Fable 5 qua API Messages của Anthropic.

Bước 1: Tạo hai môi trường API

Trong Apidog, tạo hai environment riêng:

openai-sol
anthropic-fable

Mỗi environment nên chứa các biến như:

base_url
api_key
model

Ví dụ cấu trúc biến:

OPENAI_BASE_URL=...
OPENAI_API_KEY=...
OPENAI_MODEL=gpt-5.6-sol

ANTHROPIC_BASE_URL=...
ANTHROPIC_API_KEY=...
ANTHROPIC_MODEL=claude-fable-5

Giữ API key trong environment secret thay vì ghi trực tiếp vào request collection.

Bước 2: Chọn 10–20 tác vụ thật

Không dùng prompt demo chung chung. Hãy lấy dữ liệu đã được ẩn thông tin nhạy cảm từ công việc tuần trước, chẳng hạn:

• Ticket bug có tiêu chí chấp nhận rõ ràng.
• Diff cần review.
• Yêu cầu refactor.
• Incident runbook.
• Chuỗi tool call nội bộ.
• Tác vụ terminal nhiều bước.
• Câu hỏi cần phân tích tài liệu hoặc codebase dài.

Mỗi tác vụ nên có tiêu chí đánh giá rõ ràng:

- Có hoàn thành yêu cầu không?
- Có gọi đúng công cụ không?
- Có tạo thay đổi an toàn không?
- Có cần chỉnh sửa thủ công không?
- Mất bao nhiêu token?
- Tổng chi phí là bao nhiêu?

Bước 3: Dùng cùng một input cho cả hai model

Để so sánh công bằng:

1. Dùng cùng prompt gốc.
2. Dùng cùng dữ liệu đầu vào.
3. Dùng cùng schema tool.
4. Dùng cùng phản hồi mock cho tool nội bộ.
5. Lưu response và usage của từng lần chạy.

Nếu agent cần gọi hệ thống nội bộ, hãy mock các endpoint tool trước. Khi cả hai model nhận phản hồi công cụ giống nhau, kết quả sẽ phản ánh năng lực lập kế hoạch thay vì khác biệt môi trường.

Bước 4: Đánh giá chất lượng và chi phí

Với mỗi prompt, chấm ít nhất hai trục.

Chất lượng

Người sở hữu workflow nên đánh giá:

• Đúng hay sai.
• Hoàn thành hay dang dở.
• Cần chỉnh sửa bao nhiêu.
• Có vi phạm ràng buộc kỹ thuật không.
• Có xử lý lỗi hợp lý không.

Chi phí

Lấy trường usage trong response để tính:

chi phí tác vụ =
(input token × giá input)
+
(output token × giá output)
+
chi phí cache, nếu có

Sau đó so sánh:

chi phí / tác vụ hoàn thành

Đây là nơi giả định “Sol rẻ bằng một nửa” được kiểm tra trên dữ liệu thật. Fable 5 có thể dùng ít hoặc nhiều token hơn tùy loại tác vụ; chỉ số giá trị là kết quả thực tế của workload, không phải bảng giá.

Một giờ chạy thử song song trên dữ liệu của bạn thường đáng tin cậy hơn bất kỳ biểu đồ ra mắt nào.

Câu hỏi thường gặp

GPT-5.6 Sol có tốt hơn Claude Fable 5 không?

Tùy công việc. Theo số liệu ra mắt của OpenAI, Sol dẫn đầu Agents’ Last Exam khoảng 13 điểm. Trong cùng biểu đồ, Fable 5 dẫn trước 15.7 điểm trên SWE-Bench Pro.

Không có người thắng duy nhất. Ưu tiên Sol cho tác vụ tác tử rộng và điều phối; ưu tiên Fable 5 cho kỹ thuật phần mềm chuyên sâu.

Mô hình nào rẻ hơn để chạy?

Theo bảng giá công bố, Sol bằng một nửa Fable 5: 5 USD / 30 USD trên 1 triệu token so với 10 USD / 50 USD. Tuy nhiên, hãy xác minh giá Anthropic hiện tại trước khi lập ngân sách.

Chi phí thực tế phụ thuộc vào tokenization, độ dài output, reasoning, caching và tỷ lệ hoàn thành tác vụ. Hãy đo chi phí trên mỗi tác vụ hoàn thành trước khi xem chênh lệch 2 lần là cố định.

Tôi có thể dùng cả hai model trong một sản phẩm không?

Có. Bạn có thể đặt cả hai phía sau một abstraction nội bộ và định tuyến theo loại tác vụ:

• Luồng nặng về điều phối đến Sol.
• Luồng nặng về kỹ thuật phần mềm đến Fable 5.

Hướng dẫn cách sử dụng API Claude Fable 5 bao gồm phần Anthropic, gồm xác thực và cấu trúc request.

Các số benchmark này đã được xác minh độc lập chưa?

Chưa. Mọi số liệu trong bài đều là tuyên bố do nhà cung cấp báo cáo trong tài liệu ra mắt ngày 9 tháng 7 của OpenAI, bao gồm cả SWE-Bench Pro nơi Fable 5 dẫn trước.

Các tái tạo độc lập thường xuất hiện trong vài tuần sau khi bản GA phát hành. Cho đến lúc đó, hãy xem mọi số liệu là tuyên bố và đặt kết quả thử nghiệm của bạn lên trên benchmark công bố.

Sự so sánh quan trọng là của bạn

Kết luận phân chia không phải là né tránh quyết định. Nó phản ánh dữ liệu được công bố:

• Sol có lợi thế về độ rộng tác tử và điều phối.
• Fable 5 có lợi thế về kỹ thuật phần mềm trên SWE-Bench Pro.

Cả hai đều là các model đầu bảng có thể sử dụng. Biến số quyết định không phải bảng xếp hạng tổng hợp, mà là workload của bạn.

Hãy lấy 15 prompt thực tế từ công việc tuần trước, tải xuống Apidog, cấu hình cả hai API dưới dạng environment và so sánh chất lượng cùng chi phí trên mỗi tác vụ. Bạn sẽ có câu trả lời đáng tin cậy trước khi các bản tái tạo benchmark độc lập đầu tiên xuất hiện.