GPT-6.1 Sol và Claude Opus 5.5: Năng lực, chi phí, ngữ cảnh và API

Đang cân nhắc giữa GPT-6.1 Sol và Claude Opus 5.5? Hãy bắt đầu từ những tác vụ bạn cần hoàn thành và chi phí của một yêu cầu đầy đủ. Sol có mức giá token ngữ cảnh ngắn chính thức thấp hơn; Opus 5.5 duy trì mức giá tiêu chuẩn trong toàn bộ cửa sổ ngữ cảnh 1M. Các bài đánh giá đã công bố của hai model sử dụng những cấu hình khác nhau, vì vậy không model nào luôn chiến thắng trong mọi trường hợp. Bảng giá chính thức được trình bày bên dưới.

Thông số kỹ thuật và định vị

Khía cạnh	GPT-6.1 Sol	Claude Opus 5.5
Nhà cung cấp	OpenAI	Anthropic
API ID gốc	gpt-6.1-sol	claude-opus-5-5
Cửa sổ ngữ cảnh	1,050,000 token	1M token
Đầu ra tối đa tiêu chuẩn	128,000 token	128K token
Đầu vào → đầu ra	Văn bản và hình ảnh → văn bản	Văn bản và hình ảnh → văn bản
Mức độ suy luận mặc định	medium	medium
Tham số suy luận	reasoning.effort	output_config.effort
Giao diện gọi công cụ gốc	Responses API	Messages API

Nguồn: trang model của OpenAI, tổng quan về Opus 5.5. Sol quy định riêng mức đầu vào tối đa là 922,000 token. Opus hỗ trợ đầu ra 300K thông qua Message Batches trong một cấu hình beta cụ thể; đây không phải giới hạn đồng bộ tiêu chuẩn của model.

Cửa sổ ngữ cảnh được quảng cáo lớn hơn không đồng nghĩa trực tiếp với việc có thể sử dụng số tài liệu nhiều hơn theo cùng tỷ lệ. Cách token hóa và quản lý ngữ cảnh cũng khác nhau. Hãy tự đếm token trên các tệp của bạn, dành dung lượng cho đầu ra và kiểm thử độ chính xác khi truy xuất.

Lập trình và tác tử: kết quả kiểm thử đã công bố

OpenAI và Anthropic đã công bố một số bài đánh giá về lập trình và tác tử. Bảng dưới đây ghép từng kết quả với các điều kiện kiểm thử chính, để bạn có thể đánh giá phát hiện nào phù hợp với công việc của mình.

Bài kiểm thử	Kết quả đã công bố	Phạm vi áp dụng
OpenAI: AutomationBench	Sol ở mức trung bình: cao hơn Opus 5.5 2.2 điểm, với chi phí tác vụ khoảng bằng một phần ba	Kết quả áp dụng cho quy trình và cấu hình kiểm thử này
OpenAI: GDP.pdf	Sol cao hơn Opus 5.5 khi có phương án dự phòng, với chi phí tác vụ chưa bằng một nửa	Các tác vụ PDF và điều kiện dùng phương án dự phòng là yếu tố quan trọng
Anthropic: Terminal-Bench 4.0	Opus 5.5: 66.4% ở xhigh; phép so sánh bao gồm Astra và GPT-5.6 Sol	GPT-6.1 Sol không được kiểm thử trong bảng này

Kết quả kiểm thử đến từ đánh giá ra mắt Sol của OpenAI và thông báo về Opus 5.5 của Anthropic. Các số liệu của đối thủ do OpenAI đưa ra đến từ những báo cáo công khai. Anthropic sử dụng các mức độ suy luận khác nhau và, với một số tác vụ có biện pháp bảo vệ, tiếp tục sử dụng các model Claude khác. Điều kiện kiểm thử khác nhau, vì vậy hãy đọc từng kết quả theo đúng bối cảnh riêng thay vì gộp chúng thành một bảng xếp hạng tổng thể.

Đối với công việc phần mềm, hãy chấm điểm riêng tỷ lệ kiểm thử thành công, lỗi hồi quy hành vi, số lần nhắc lại và công sức rà soát. Một bản vá trông có vẻ thuyết phục vẫn có thể tốn kém để xác thực hoặc sửa chữa.

Tài liệu, viết lách và độ tin cậy фактual

Bài đánh giá PDF cung cấp một điểm tham chiếu đã được ghi nhận cho Sol. Anthropic nhấn mạnh công việc kéo dài và khả năng giao tiếp rõ ràng hơn, nhưng các lời chứng thực và sở thích của họ không chứng minh rằng Opus vượt trội trong mọi yêu cầu viết.

Hãy sử dụng hai lớp tiêu chí chấp nhận. Đối với chất lượng факtual, hãy kiểm tra trích dẫn, phép tính, nội dung bị bỏ sót và việc thừa nhận mức độ không chắc chắn. Đối với cách diễn đạt, hãy đánh giá bố cục, giọng điệu, thuật ngữ và khả năng chỉnh sửa. Cung cấp cho cả hai model cùng những nguồn mâu thuẫn nhau có thể cung cấp nhiều thông tin hơn so với việc yêu cầu mỗi model “viết một cách chuyên nghiệp”.

Hiện có rất ít kiểm thử công khai đặt hai model này trong cùng điều kiện đối với việc viết tiếng Trung, dịch thuật hoặc công việc chuyên môn. Nếu những tác vụ đó quan trọng với bạn, hãy tiến hành đánh giá mù bằng tài liệu của chính mình. Với các dữ kiện mới, hãy cung cấp cho cả hai model cùng những nguồn cập nhật và kiểm tra câu trả lời cùng trích dẫn của chúng.

Thị giác và sử dụng máy tính

Cả hai đều tiếp nhận văn bản và hình ảnh, đồng thời trả về văn bản. Sol liệt kê việc sử dụng máy tính trong số các công cụ của mình. Hướng dẫn di chuyển sang Opus yêu cầu thay đổi tích hợp, bao gồm việc từ chối công cụ computer_20251124 cũ trên Claude API và Google Cloud.

Hãy đọc điểm số OSWorld cùng với phiên bản kiểm thử. OpenAI báo cáo phần thưởng một phần ngoại tuyến 2.0, bản phát hành v2026.08.08; Anthropic ghi kết quả của mình là phần thưởng một phần 2.1. Các phiên bản và phương pháp chấm điểm khác nhau không cho phép xác định một lợi thế đáng tin cậy chỉ từ những con số này.

Thay vào đó, hãy chạy cùng một quy trình trên trình duyệt và theo dõi các thao tác sai, khả năng khôi phục, trạng thái cuối cùng và sự can thiệp của con người. Hãy tách biệt các phương thức gốc với công cụ của nền tảng: có quyền truy cập vào một công cụ tạo hình ảnh không khiến model suy luận trở thành model có đầu ra hình ảnh gốc.

Giá API chính thức: tách biệt ngữ cảnh ngắn và dài

Tất cả số liệu dưới đây là mức giá Tiêu chuẩn tính bằng đô la Mỹ trên mỗi triệu token. Đây không phải giá thuê bao hay báo giá của PoYo.

Khoản phí	Sol: đầu vào ≤272K	Sol: đầu vào >272K	Opus 5.5
Đầu vào không lưu bộ nhớ đệm	2.00	4.00	4.00
Đọc bộ nhớ đệm	0.10	0.20	0.20
Ghi bộ nhớ đệm	2.50	5.00	5.00 (5m) / 8.00 (1h)
Đầu ra	10.00	15.00	20.00

Nguồn: giá API của OpenAI, giá API của Anthropic. Mức giá ngữ cảnh dài của Sol áp dụng cho toàn bộ yêu cầu ngay khi vượt ngưỡng. Opus duy trì mức giá tiêu chuẩn trong toàn bộ 1M. Thời hạn và cách hoạt động của bộ nhớ đệm khác nhau, vì vậy việc mức giá ghi giống nhau không chứng minh sự tương đương về tính năng.

Chi phí của hai yêu cầu ví dụ

Các ước tính này sử dụng cùng số lượng token tính phí cho cả hai model, xử lý Tiêu chuẩn và không có bộ nhớ đệm, phụ phí khu vực hoặc phí công cụ. Tác vụ thực tế có thể sử dụng số lượng token khác nhau.

Mức sử dụng giả định	GPT-6.1 Sol	Claude Opus 5.5
100K đầu vào + 10K đầu ra tính phí	0.1×2 + 0.01×10 = $0.30	0.1×4 + 0.01×20 = $0.60
300K đầu vào + 10K đầu ra tính phí	0.3×4 + 0.01×15 = $1.35	0.3×4 + 0.01×20 = $1.40

Sol có chi phí thấp hơn 50% trong ví dụ đầu tiên và thấp hơn khoảng 3.6% trong ví dụ thứ hai. Chi tiêu thực tế cũng phụ thuộc vào token suy luận, lượt truy cập bộ nhớ đệm, số lần thử lại và việc hoàn thành thành công.

Một chỉ số mua sắm hữu ích là tổng chi phí mỗi lần gọi chia cho số tác vụ được chấp nhận. Giá token thấp hơn có thể bị lấn át bởi số lần thử thêm hoặc chi phí sửa lỗi cao của con người.

Kiểm soát suy luận và công sức di chuyển

Cả hai đều cung cấp low, medium, high, xhigh và max, nhưng các nhãn giống nhau không chứng minh ngân sách tính toán giống nhau. Sol từ chối none và minimal; Opus 5.5 vẫn bật chế độ suy nghĩ thích ứng.

Các lệnh gọi công cụ của Sol sử dụng Responses; yêu cầu Chat Completions không thể bao gồm công cụ. Opus từ chối các giá trị tool_choice bắt buộc là any hoặc một tool được đặt tên, đồng thời ứng dụng cần xử lý các khối suy nghĩ được giữ lại và cách hiển thị chúng. Chỉ thay chuỗi model không đủ để đảm bảo một vòng lặp tác tử hoạt động.

Hãy kiểm tra các tham số yêu cầu, cách xử lý kết quả công cụ, việc xác thực đầu ra có cấu trúc, từ chối và thời gian chờ. Sau đó kiểm thử toàn bộ một tác vụ nhiều lượt. Khi sử dụng nhà cung cấp định tuyến, hãy xác thực các năng lực mà endpoint thực tế của nhà cung cấp đó cung cấp thay vì mặc định cho rằng khả năng tương thích tính năng gốc là đầy đủ.

Tốc độ, quyền truy cập và triển khai

Cả hai nhà cung cấp đều cung cấp các chế độ xử lý, nhưng tuyên bố về tốc độ của họ thường so sánh một model với phiên bản cơ sở của chính model đó. Để so sánh trực tiếp Sol và Opus, hãy kiểm thử cùng các tác vụ trong cùng khu vực, đồng thời tính cả thời gian xếp hàng, suy luận, thực thi công cụ và làm lại vào thời gian đã trôi qua.

Tài liệu về Opus liệt kê Claude API, Amazon Bedrock, Google Cloud và Microsoft Foundry trong số các phương thức truy cập. Sol ghi rõ khả năng lưu trú dữ liệu tại Mỹ và EU, trong đó Fast không khả dụng với lưu trú dữ liệu tại EU.

Hãy xem xét hợp đồng thực tế, khu vực, chính sách lưu giữ và các tính năng của endpoint. Các đánh giá an toàn của nhà cung cấp sử dụng những hệ thống khác nhau và không thể thay thế cho các chứng nhận tuân thủ. Quyền ứng dụng vẫn là một trách nhiệm kỹ thuật riêng.

Đánh giá thông qua PoYo

Xem các trang PoYo dành cho Claude Opus 5.5 và GPT-6.1 Sol. Tính đến ngày 30 tháng 9 năm 2026, trang Sol ghi “sắp ra mắt”. Trước khi kiểm thử thông qua PoYo, hãy kiểm tra từng trang về quyền truy cập, giá, bộ nhớ đệm, điều khoản ngữ cảnh dài và các công cụ được hỗ trợ; những yếu tố này có thể khác với API gốc.

Để xem các lựa chọn khác, hãy duyệt trang nhà cung cấp OpenAI của PoYo và bộ sưu tập AI Chat API.

Chọn điểm bắt đầu

Hãy sử dụng các ưu tiên của bạn để quyết định nên thử model nào trước:

Ưu tiên	Đánh giá được đề xuất
Chi phí token ngữ cảnh ngắn chính thức	Bắt đầu với mức giá đầu vào và đầu ra thấp hơn của Sol
Thường xuyên có đầu vào rất dài	Kiểm thử cả hai; phụ phí của Sol thu hẹp lợi thế về giá
Đang sử dụng công cụ Claude hoặc triển khai trên đám mây	Giữ Opus làm đường cơ sở và tính đến chi phí di chuyển
Đã tích hợp Responses	Giữ Sol làm đường cơ sở và xác thực vòng lặp công cụ
Viết tiếng Trung, viết chuyên môn hoặc nghiên cứu nội bộ	Tiến hành đánh giá mù trên các tài liệu đại diện
Tương tác có độ trễ thấp	Đo thời điểm có đầu ra hữu ích đầu tiên, thời điểm hoàn thành đầy đủ và độ trễ đuôi

Bạn có thể bắt đầu bằng một thử nghiệm nhỏ với 20–50 tác vụ thực tế, đầu vào, công cụ và ngân sách cố định, cùng nhiều lượt chạy cho mỗi model. Hãy lưu lại các trường hợp thất bại. Trước khi triển khai rộng hơn, hãy mở rộng bài kiểm thử và so sánh tỷ lệ thành công, hóa đơn và công sức rà soát.

Để biết thêm thông tin, hãy đọc hướng dẫn tính năng GPT-6.1 Sol và bản tổng kết OpenAI DevDay 2026.