GPT-5.6 phát hành toàn diện, đồng thời phát hành tác nhân ChatGPT mới

Tác giả: Dương Thần, Phố Wall Insights

OpenAI chính thức ra mắt dòng mô hình GPT-5.6, mang lại hiệu suất mạnh mẽ hơn với chi phí thấp hơn, gửi tín hiệu rõ ràng đến cục diện cạnh tranh trong ngành AI.

Lần phát hành này bao gồm ba mô hình: Sol phiên bản cao cấp, Terra phiên bản cân bằng và Luna tập trung vào hiệu quả chi phí, mở cửa cho người dùng toàn cầu ngay hôm nay qua ChatGPT, Codex và OpenAI API.

Về mặt giá cả, Sol tính phí 5 USD/30 USD cho mỗi triệu token đầu vào/đầu ra, Terra là 2,50 USD/15 USD, Luna là 1 USD/6 USD.

OpenAI nhấn mạnh, GPT-5.6 vượt trội so với Claude Fable 5 của Anthropic trong nhiều bài kiểm tra chuẩn chính, nhưng mức tiêu thụ token và chi phí suy luận đều giảm đáng kể, nghĩa là người dùng có thể hoàn thành nhiều công việc thực tế hơn với cùng một ngân sách.

Đối với doanh nghiệp và nhà phát triển, tác động cốt lõi của đợt phát hành này nằm ở sự cải thiện toàn diện về "hiệu quả chi phí". Trong bài đánh giá Agents' Last Exam dành cho các quy trình làm việc chuyên nghiệp, GPT-5.6 Sol đạt 53,6 điểm, vượt Claude Fable 5 tới 13,1 điểm phần trăm, và ngay cả với cài đặt suy luận trung bình, chi phí của nó chỉ khoảng một phần tư so với Fable 5.

Ấn tượng hơn, Terra và Luna, được định vị ở phân khúc thấp hơn, vẫn đạt điểm chuẩn vượt Fable 5 với chi phí chỉ khoảng một phần mười sáu. Chiến lược giá kiểu "đánh bại từ trên xuống" này trực tiếp thu hẹp không gian khác biệt hóa của các đối thủ cạnh tranh.

OpenAI, song song với việc ra mắt dòng mô hình GPT-5.6, cũng đang thúc đẩy tích hợp nhiều dòng sản phẩm: chính thức ra mắt tác nhân ChatGPT Work, hỗ trợ làm việc liên tục xuyên ứng dụng và trực tiếp giao kết quả, đánh dấu sự phát triển của hình thái sản phẩm từ công cụ trò chuyện sang tác nhân thông minh cấp hệ thống; ứng dụng Codex được sáp nhập vào ứng dụng desktop ChatGPT và phiên bản miễn phí có thể sử dụng; trình duyệt Atlas độc lập dần ngừng hoạt động, khả năng trình duyệt được chuyển sang tiện ích mở rộng Chrome.

Altman trong cuộc phỏng vấn chỉ ra rằng OpenAI đã "thực hiện nhiều điều chỉnh" trong quá trình trao đổi với chính phủ Mỹ, nhưng không nói rõ nội dung cụ thể; mô hình AI mới nhất cải thiện hiệu quả token trong lập trình tác nhân lên 54%; không biết có IPO trong năm nay hay không; các mô hình mã nguồn mở của Trung Quốc đang trở nên "rất tốt".

Ra mắt tác nhân ChatGPT Work, hỗ trợ làm việc liên tục xuyên ứng dụng, được hỗ trợ bởi GPT-5.6

OpenAI cũng đã ra mắt một tác nhân AI mới – ChatGPT Work cùng ngày. Sản phẩm này được định vị là phiên bản kết hợp giữa ChatGPT và Codex, nhằm cho phép người dùng không chuyên kỹ thuật tận dụng khả năng của Codex để hoàn thành các tác vụ không phải lập trình, nền tảng của nó được điều khiển bởi dòng mô hình GPT-5.6 (Sol, Terra và Luna).

OpenAI tuyên bố trên blog rằng, ChatGPT Work có thể lấy thông tin ngữ cảnh từ các ứng dụng, tệp và quy trình làm việc mà người dùng ủy quyền, và tự động tạo ra các kết quả hoàn chỉnh bao gồm tài liệu, bảng tính, bản trình bày và ứng dụng Web.

OpenAI cũng cho biết, ChatGPT Work được trang bị Thư mục Plugin thống nhất (Unified Plugins Directory), có thể kết nối các công cụ như Slack, Gmail, Google Drive, lịch và CRM (quản lý quan hệ khách hàng), thực hiện làm việc cộng tác xuyên ứng dụng.

OpenAI và đối thủ cạnh tranh Anthropic PBC đang tăng tốc chạy đua về các tác nhân AI tiên tiến hơn, hy vọng mở rộng khả năng AI từ tự động viết và gỡ lỗi code sang các kịch bản văn phòng rộng hơn.

Đầu năm nay, Anthropic đã phát hành sản phẩm tương tự Claude Cowork, với mục tiêu thu hút thêm nhiều doanh nghiệp và người dùng chuyên nghiệp.

Altman: Không nói rõ nội dung cụ thể của "nhiều điều chỉnh", không biết có IPO trong năm nay không

CEO OpenAI, Altman tiết lộ, trước khi GPT-5.6 ra mắt công chúng, công ty đã tham vấn sâu với các quan chức chính quyền Trump, và đã thực hiện "nhiều điều chỉnh" trong quá trình này.

Altman không nói cụ thể OpenAI đã thay đổi những gì trong cuộc tham vấn, nhưng chỉ ra rằng chính phủ đang thử nghiệm mô hình mới và rà soát các rủi ro tiềm ẩn. Ông có thái độ tích cực tổng thể với cơ chế này, nhưng đặt ra các điều kiện.

"Miễn là quy trình này có thể hiểu được, công bằng và hiệu quả, tôi nghĩ đó là điều tốt, và chính phủ dường như thực sự đồng ý với các mục tiêu đó. Tôi ước tính quy trình cho lần tiếp theo, mô hình tiếp theo sẽ suôn sẻ hơn nhiều, chúng tôi đã hiểu cơ chế này và biết cách phối hợp tốt hơn."

Altman cũng phản hồi về hai trọng tâm thị trường gần đây:

Về báo cáo trước đây rằng OpenAI dự định cung cấp 5% cổ phần cho chính phủ Mỹ, Altman phản hồi rõ ràng rằng các báo cáo có "nhiều điểm không đúng sự thật", nhưng không giải thích thêm. Liên quan đến vấn đề IPO, khi được hỏi liệu OpenAI có kế hoạch niêm yết trong năm nay không, Altman chỉ nói: "Tôi không biết."

Về GPT-5.6 mới được phát hành, Altman chỉ ra rằng, mô hình AI mới nhất cải thiện hiệu quả token trong lập trình tác nhân lên 54%. Đồng thời, ông cho biết các mô hình mã nguồn mở của Trung Quốc đang trở nên "rất tốt."

Mô hình hàng đầu Sol thiết lập chuẩn mực hiệu quả mới

Sự cải thiện về khả năng lập trình của GPT-5.6 Sol đặc biệt nổi bật. Trong bài kiểm tra Chỉ số tác nhân lập trình (Coding Agent Index) của Artificial Analysis, Sol (cài đặt suy luận tối đa) đạt điểm 80, lập kỷ lục mới, cao hơn 2,8 điểm so với Fable 5, đồng thời số lượng token đầu ra chưa bằng một nửa của đối thủ, thời gian xử lý giảm hơn một nửa, chi phí thấp hơn khoảng một phần ba.

Trong bài kiểm tra quy trình làm việc dòng lệnh phức tạp Terminal-Bench 2.1, Sol dẫn đầu với 88,8% điểm số; trong bài kiểm tra kỹ thuật dài hạn dựa trên cơ sở mã thực DeepSWE v1.1, nó đạt 72,7%, cũng nằm ở vị trí hàng đầu trong ngành.

Dữ liệu thực tế từ doanh nghiệp xác nhận hiệu suất này. Giám đốc điều hành kiêm đồng sáng lập Qodo, Itamar Friedman, cho biết GPT-5.6 vượt trội so với GPT-5.5 trong các bài kiểm tra chuẩn nội bộ và bên ngoài, và số lượng token cần cho mỗi lần xem xét mã giảm khoảng hai phần ba, độ trễ trung bình giảm khoảng 50%.

Giám đốc điều hành kiêm đồng sáng lập Lovable, Fabian Hedin, chỉ ra:

"Với GPT-5.6, số bước người dùng cần để hoàn thành nhiệm vụ giảm khoảng 25%, số lần gọi công cụ giảm 35% đến 48%, tỷ lệ thất bại dự án giảm 15%."

Kiến trúc đa tác nhân mở chế độ "ultra"

GPT-5.6 giới thiệu cơ chế lập lịch tính toán phân tầng, cho phép người dùng linh hoạt chọn độ sâu suy luận dựa trên yêu cầu nhiệm vụ.

Ngoài cài đặt suy luận cao tiêu chuẩn, OpenAI thêm hai chế độ "max" và "ultra": max cho mô hình thêm thời gian suy nghĩ và sửa phương án; ultra mặc định điều phối bốn tác nhân song song, hy sinh mức tiêu thụ token cao hơn để đạt kết quả mạnh hơn và thời gian giao hàng ngắn hơn.

Trong bài kiểm tra BrowseComp, Sol Ultra đạt điểm 92,2%, lập kỷ lục mới; trong OSWorld 2.0, nó đạt 62,6%, vượt qua Claude Opus 4.8, trong khi token đầu ra của đối thủ nhiều hơn 85%. Trong bài kiểm tra SEC-Bench Pro (tạo bằng chứng khái niệm lỗ hổng cho phần mềm phức tạp), Sol đạt 71,2%, trong khi GPT-5.5 chỉ là 45,8%.

Về mặt API, OpenAI đồng thời ra mắt tính năng Programmatic Tool Calling, cho phép GPT-5.6 viết và chạy các chương trình nhẹ trong bộ nhớ, tự động phối hợp các công cụ, xử lý kết quả trung gian và điều chỉnh quy trình làm việc động trong quá trình thực thi, từ đó giảm số lần gọi khứ hồi giữa mô hình và công cụ, đồng thời duy trì khả năng tương thích với chính sách Zero Data Retention (ZDR).

Khả năng an ninh mạng và nghiên cứu khoa học tăng vọt đáng kể

Trong lĩnh vực an ninh mạng, GPT-5.6 Sol đạt 73,5% điểm trong bài đánh giá ExploitBench, trong khi GPT-5.5 chỉ là 47,9%; trong ExploitGym, tỷ lệ vượt qua trong giới hạn sáu giờ của nó tăng từ 15,1% của GPT-5.5 lên 33,7%.

OpenAI cho biết, mô hình này cũng có khả năng mạnh mẽ hơn về mặt phòng thủ an ninh, bao gồm xem xét mã an toàn, vá lỗ hổng, mô hình hóa mối đe dọa và diễn tập đội xanh.

Để đối phó với rủi ro sử dụng kép, OpenAI thông qua chương trình "Trusted Access for Cyber" của mình, mở các chức năng phòng thủ cấp cao hơn cho các cá nhân và tổ chức đã xác minh danh tính, đồng thời áp dụng các hạn chế truy cập bổ sung đối với các thực thể và khu vực có rủi ro cao.

Trong lĩnh vực khoa học đời sống, GPT-5.6 Sol đạt 28,7% điểm trong bài đánh giá GeneBench Pro (genomics dài hạn và sinh học định lượng), vượt xa 12% của GPT-5.5; đạt 59,9% trong LifeSciBench, cao hơn 50,4% của GPT-5.5.

OpenAI đồng thời cho biết, kết quả kiểm tra của họ cho thấy GPT-5.6 chưa có khả năng tạo ra hoặc tổng hợp các mối đe dọa sinh học mới có nguy cơ cao từ đầu đến cuối.

Nâng cấp cơ chế bảo mật đồng bộ, tiếp tục chiến lược triển khai thận trọng

Khi khả năng mô hình tăng lên, OpenAI đồng thời tăng cường kiến trúc bảo mật trong đợt phát hành này. Các biện pháp bảo vệ an ninh mạng của GPT-5.6 Sol chặn các hoạt động có hại tiềm ẩn nhiều hơn khoảng 10 lần so với thế hệ trước.

Trước đó, OpenAI đã thực hiện các bài kiểm tra red team hộp đen tự động với khoảng 700 nghìn giờ GPU A100e trước khi phát hành chính thức, và kết hợp với các chuyên gia bên ngoài để thực hiện các bài đánh giá song song thủ công và tự động quy mô lớn.

OpenAI cho biết, hệ thống bảo mật của họ sử dụng thiết kế dự phòng nhiều lớp: bảo vệ tích hợp trong mô hình, kiểm tra thời gian thực, giám sát liên tục và cơ chế thực thi cấp tài khoản phối hợp với nhau.

Khác với phương án chặn thuần phân loại, GPT-5.6 giới thiệu "bộ giám sát suy luận" (reasoning monitor), phân tích từng ngữ cảnh hội thoại để xác định tác hại tiềm ẩn, cho phép ranh giới bảo mật điều chỉnh động theo kịch bản sử dụng và có thể vá lỗ hổng nhanh chóng mà không cần huấn luyện lại bộ phân loại.

Đối với tác động có thể xảy ra của việc chặn quá mức đối với mục đích sử dụng chính đáng, OpenAI cung cấp tùy chọn chuyển đổi một lần sang mô hình có khả năng thấp hơn để thử lại trong ChatGPT và Codex, và cho biết sẽ tiếp tục tối ưu hóa, duy trì cường độ chặn cao đồng thời giảm thiểu ảnh hưởng sai lệch đến sử dụng bình thường.

Ứng dụng nội bộ cho thấy xu hướng tự tăng tốc nghiên cứu AI

Việc phát hành GPT-5.6 cũng tiết lộ một thay đổi lớn trong mô hình nghiên cứu của chính OpenAI. Theo tiết lộ của OpenAI, trong quá trình thử nghiệm nội bộ GPT-5.6, số token đầu ra trung bình hàng ngày của mỗi nhà nghiên cứu tích cực đã vượt quá gấp đôi mức đỉnh lịch sử của GPT-5.5.

Trong sáu tháng qua, sức mạnh tính toán nghiên cứu dùng cho lập trình nội bộ của OpenAI đã tăng 100 lần, lượng token sử dụng của các tác nhân nội bộ tăng khoảng 22 lần, xu hướng này đã mở rộng sang các bộ phận chức năng như bán hàng, tiếp thị, vận hành người dùng và tài chính.

Trong bài đánh giá khả năng tự cải thiện (RSI Index), GPT-5.6 Sol đạt 57,9 điểm, vượt 41,7 điểm của GPT-5.5, mức cải thiện lên tới 16,2 điểm phần trăm.

OpenAI giải thích điều này như bằng chứng trực tiếp cho thấy AI hỗ trợ nghiên cứu AI đang được triển khai nhanh chóng, và định vị nó là một trong những động lực cốt lõi thúc đẩy hiệu quả lặp lại mô hình trong tương lai.