OpenAI ra mắt GPT-6.2 Astra và Sol: AI mạnh hơn, tối ưu chi phí cho doanh nghiệp và AI Agent
NAVI Website·21/11/2026·17 phút đọc·2 lượt xem
OpenAI chính thức giới thiệu GPT-6.2 Astra và GPT-6.2 Sol, hai mô hình trí tuệ nhân tạo thế hệ mới tập trung vào lập trình, công việc chuyên môn và tự động hóa nhiều bước. Không chỉ cải thiện khả năng xử lý, OpenAI còn tối ưu hiệu suất và chi phí API, mở ra thêm cơ hội triển khai chatbot AI, AI Agent và các hệ thống tích hợp trí tuệ nhân tạo vào website doanh nghiệp.
OpenAI chính thức phát hành GPT-6.2 Astra và Sol
Ngày 17/11/2026, OpenAI công bố hai mô hình AI mới thuộc dòng GPT-6.2, bao gồm GPT-6.2 Astra và GPT-6.2 Sol.
Theo OpenAI, hai mô hình được phát triển nhằm nâng cao khả năng giải quyết những công việc thực tế, đặc biệt trong các lĩnh vực như phát triển phần mềm, phân tích dữ liệu, nghiên cứu và tự động hóa quy trình. Thay vì chỉ tập trung vào việc tăng khả năng suy luận, thế hệ GPT-6.2 còn hướng đến mục tiêu quan trọng khác: hoàn thành công việc với lượng tài nguyên tính toán và chi phí thấp hơn.
Hai mô hình có định hướng khác nhau:
- GPT-6.2 Astra: Dành cho những tác vụ phức tạp, đòi hỏi khả năng suy luận chuyên sâu, lập trình và xử lý công việc chuyên môn.
- GPT-6.2 Sol: Tập trung vào tốc độ, chi phí và khả năng thực hiện những quy trình công việc thường ngày, bao gồm AI Agent nhiều bước.
Các nhà phát triển có thể truy cập hai mô hình thông qua OpenAI API với tên gpt-6.2-astra và gpt-6.2-sol. Ngoài API, OpenAI cũng triển khai chúng trong ChatGPT Work và Codex cho những nhóm người dùng đủ điều kiện.
GPT-6.2 Astra có gì nổi bật?
GPT-6.2 Astra là mô hình cao cấp của OpenAI dành cho những công việc cần khả năng suy luận và xử lý chuyên sâu. Theo công bố chính thức, Astra được cải thiện ở nhiều lĩnh vực, đặc biệt là lập trình, tạo tài liệu chuyên nghiệp, sử dụng công cụ và thực hiện những quy trình phức tạp.
1. Xử lý công việc chuyên môn tốt hơn
GPT-6.2 Astra được phát triển để hỗ trợ những tác vụ thường gặp trong môi trường doanh nghiệp như:
- Phân tích tài liệu và dữ liệu phức tạp.
- Xây dựng báo cáo và tài liệu chuyên nghiệp.
- Hỗ trợ nghiên cứu và tổng hợp thông tin.
- Xử lý bảng tính và nội dung công việc.
- Hỗ trợ lập trình và kiểm thử phần mềm.
- Thực hiện những nhiệm vụ cần phối hợp nhiều công cụ.
OpenAI cho biết Astra cải thiện khả năng hoàn thành các nhiệm vụ chuyên môn nhiều bước so với thế hệ trước. Trong bài đánh giá Agents' Last Exam, Astra tăng 5,2 điểm so với GPT-6 Astra, đồng thời chi phí trung bình để hoàn thành một tác vụ giảm xuống dưới một phần ba.
Tuy nhiên, đây là kết quả đánh giá trên những bộ bài kiểm tra cụ thể, không đồng nghĩa tất cả công việc thực tế đều giảm chi phí theo cùng tỷ lệ.
2. Cải thiện khả năng lập trình
Đối với lập trình viên, GPT-6.2 Astra được thiết kế để xử lý những thay đổi phức tạp trong các dự án phần mềm. Mô hình có thể hỗ trợ phân tích mã nguồn, triển khai chức năng, kiểm thử và xử lý các vấn đề liên quan đến cấu trúc hệ thống.
Theo OpenAI, những người thử nghiệm ban đầu ghi nhận mã nguồn rõ ràng hơn, khả năng lựa chọn công cụ tốt hơn và ít phải chỉnh sửa lại trong một số quy trình. Đây là những cải tiến đáng quan tâm đối với các công ty phát triển website, ứng dụng và phần mềm doanh nghiệp.
Tuy nhiên, mã nguồn AI tạo ra vẫn cần được lập trình viên kiểm tra trước khi triển khai thực tế, đặc biệt với những hệ thống xử lý thanh toán, thông tin khách hàng hoặc dữ liệu quan trọng.
3. Tối ưu hiệu suất xử lý
Bên cạnh chất lượng kết quả, GPT-6.2 Astra còn hướng đến giảm lượng tài nguyên cần thiết để hoàn thành nhiệm vụ. Theo OpenAI, mô hình mới có thể thực hiện một số tác vụ với lượng token đầu ra thấp hơn và ít bước xử lý hơn.
Điều này đặc biệt quan trọng vì chi phí sử dụng AI không chỉ phụ thuộc vào giá mỗi token, mà còn chịu ảnh hưởng từ số lần gọi mô hình, độ dài phản hồi và lượng công việc cần thực hiện lại.
GPT-6.2 Sol: Lựa chọn tối ưu cho AI Agent và công việc hằng ngày
Nếu Astra hướng đến các tác vụ phức tạp, GPT-6.2 Sol tập trung vào sự cân bằng giữa chất lượng, tốc độ và chi phí. OpenAI định hướng Sol phục vụ những công việc được thực hiện thường xuyên trong doanh nghiệp.
Các ứng dụng phù hợp có thể bao gồm:
- Chatbot AI tư vấn khách hàng.
- AI Agent hỗ trợ bán hàng.
- Trợ lý xử lý tài liệu.
- Tự động hóa công việc hành chính.
- Hỗ trợ lập trình thường ngày.
- Phân loại và tổng hợp thông tin.
- Quy trình tích hợp AI với CRM và phần mềm nội bộ.
Một điểm đáng chú ý là khả năng xử lý những quy trình có nhiều bước. Ví dụ, khi khách hàng yêu cầu tư vấn sản phẩm, AI Agent có thể được thiết kế để phân tích yêu cầu, tra cứu dữ liệu được cấp quyền, tổng hợp các lựa chọn và chuyển thông tin đến nhân viên phụ trách.
Thay vì sử dụng mô hình mạnh nhất cho mọi nhiệm vụ, doanh nghiệp có thể cân nhắc sử dụng Sol cho những thao tác phổ biến và chỉ chuyển sang Astra khi cần xử lý yêu cầu phức tạp.
So sánh GPT-6.2 Astra và GPT-6.2 Sol
| Tiêu chí | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Định hướng | Công việc phức tạp | Công việc thường ngày |
| Suy luận chuyên sâu | Ưu tiên | Cân bằng |
| Lập trình | Dự án phức tạp | Tác vụ phổ biến |
| AI Agent | Quy trình yêu cầu năng lực cao | Quy trình nhiều bước thường xuyên |
| Chi phí API | Cao hơn | Thấp hơn |
| Ứng dụng phù hợp | Nghiên cứu, phân tích, phát triển phần mềm | Chatbot, tự động hóa, xử lý nghiệp vụ |
Bảng so sánh thể hiện định hướng sử dụng của hai mô hình. Chất lượng thực tế cần được đánh giá trên từng quy trình và bộ dữ liệu cụ thể.
Giá API GPT-6.2 Astra và Sol mới nhất
Một trong những thay đổi quan trọng nhất của GPT-6.2 là tối ưu chi phí sử dụng API. Theo bảng giá OpenAI công bố khi ra mắt, chi phí tiêu chuẩn cho mỗi một triệu token như sau:
| Hạng mục | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Input tokens | 8 USD | 2 USD |
| Cached input | 0,40 USD | 0,10 USD |
| Output tokens | 40 USD | 10 USD |
Mức giá trên áp dụng cho nhóm giá API tiêu chuẩn được OpenAI công bố tại thời điểm phát hành. Chi phí thực tế có thể khác khi sử dụng những chế độ xử lý, công cụ hoặc điều kiện tính phí khác.
Có thể thấy, đơn giá input và output của Sol chỉ bằng một phần tư Astra. Tuy nhiên, không nên hiểu rằng mọi hệ thống sử dụng Sol sẽ có tổng chi phí thấp hơn chính xác bốn lần. Chi phí thực tế còn phụ thuộc vào số token mỗi mô hình sử dụng, số lần gọi API và khả năng hoàn thành công việc.
Token là gì?
Token là đơn vị mà hệ thống AI sử dụng để xử lý nội dung. Khi người dùng gửi câu hỏi đến chatbot, nội dung yêu cầu, lịch sử hội thoại và dữ liệu bổ sung có thể được tính vào input tokens. Phần câu trả lời do AI tạo ra được tính vào output tokens.

OpenAI API và quản lý lượng token.
Với những hệ thống AI phục vụ hàng nghìn khách hàng mỗi ngày, lượng token sử dụng có thể tăng đáng kể. Đây là lý do việc lựa chọn mô hình và tối ưu quy trình xử lý rất quan trọng.
Ví dụ: Chi phí tích hợp GPT-6.2 vào chatbot website
Giả sử một doanh nghiệp triển khai chatbot AI trên website và ghi nhận 10.000 lượt hội thoại trong một tháng. Mỗi lượt hội thoại sử dụng trung bình:
- 2.000 input tokens.
- 500 output tokens.
Tổng mức sử dụng tương ứng với 20 triệu input tokens và 5 triệu output tokens. Nếu toàn bộ lượt sử dụng được tính theo giá API tiêu chuẩn, chưa áp dụng cache và chưa bao gồm những chi phí phát sinh khác:
Với GPT-6.2 Sol:
- Chi phí input: 20 × 2 USD = 40 USD.
- Chi phí output: 5 × 10 USD = 50 USD.
- Tổng chi phí mô hình ước tính: 90 USD/tháng.
Với GPT-6.2 Astra:
- Chi phí input: 20 × 8 USD = 160 USD.
- Chi phí output: 5 × 40 USD = 200 USD.
- Tổng chi phí mô hình ước tính: 360 USD/tháng.
Trong ví dụ này, Sol giúp giảm khoảng 75% chi phí token so với Astra nếu hai mô hình sử dụng cùng lượng token. Tuy nhiên, đây chỉ là phép tính minh họa, không phải báo giá triển khai chatbot hoàn chỉnh.
Một hệ thống thực tế còn có thể phát sinh chi phí máy chủ, cơ sở dữ liệu, lưu trữ hội thoại, tìm kiếm tài liệu, phát triển phần mềm, giám sát và bảo trì. Ngoài ra, các cuộc hội thoại dài hoặc AI Agent có nhiều lần gọi công cụ có thể tiêu thụ lượng token lớn hơn đáng kể.
Inference là gì? Vì sao tối ưu inference quan trọng?
Inference là quá trình một mô hình AI đã được huấn luyện sử dụng dữ liệu đầu vào để tạo ra kết quả. Ví dụ, khi khách hàng gửi câu hỏi cho chatbot, hệ thống sẽ chuyển yêu cầu đến mô hình AI, mô hình xử lý thông tin và tạo câu trả lời. Đó là một hoạt động inference.

Hạ tầng tính toán AI.
Khác với quá trình huấn luyện mô hình, inference diễn ra liên tục trong quá trình người dùng sử dụng sản phẩm. Đối với doanh nghiệp, chi phí inference có thể trở thành khoản chi thường xuyên. Nếu website có số lượng người dùng lớn, chatbot có thể phải xử lý hàng nghìn hoặc hàng chục nghìn yêu cầu mỗi ngày.
Vì vậy, việc mô hình AI sử dụng ít tài nguyên hơn hoặc có đơn giá thấp hơn có thể giúp giảm chi phí vận hành. Tuy nhiên, tiết kiệm chi phí chỉ có ý nghĩa khi chất lượng phản hồi vẫn đáp ứng yêu cầu kinh doanh.
Làm thế nào để tối ưu chi phí AI khi tích hợp vào website?
Doanh nghiệp không nhất thiết phải sử dụng mô hình AI mạnh nhất cho mọi yêu cầu. Một hệ thống được thiết kế hợp lý có thể kết hợp nhiều phương pháp để cân bằng chi phí và hiệu suất.
1. Chọn mô hình phù hợp với từng nhiệm vụ
Những câu hỏi đơn giản về giờ hoạt động, chính sách bảo hành hoặc thông tin dịch vụ có thể không cần mô hình suy luận phức tạp. Trong khi đó, yêu cầu phân tích tài liệu chuyên sâu hoặc xử lý nhiều điều kiện có thể cần mô hình mạnh hơn. Doanh nghiệp có thể phân loại yêu cầu để lựa chọn mô hình phù hợp.
2. Tối ưu lượng dữ liệu gửi vào AI
Nếu chatbot liên tục gửi toàn bộ lịch sử hội thoại và tài liệu dài, chi phí input có thể tăng nhanh. Hệ thống có thể sử dụng những phương pháp quản lý ngữ cảnh, tóm tắt hội thoại hoặc tìm kiếm thông tin liên quan nhằm giảm lượng dữ liệu không cần thiết. Tuy nhiên, việc cắt giảm dữ liệu cần được thực hiện cẩn thận để tránh mất thông tin quan trọng.
3. Sử dụng Prompt Caching
Prompt Caching có thể giúp giảm chi phí xử lý những phần nội dung đầu vào được tái sử dụng và đủ điều kiện lưu cache. Ví dụ, nếu nhiều lượt yêu cầu sử dụng cùng một phần hướng dẫn hệ thống dài, cơ chế cache có thể giúp tiết kiệm chi phí so với xử lý lại toàn bộ. Hiệu quả phụ thuộc vào cách xây dựng prompt, tỷ lệ cache hit và chính sách tính phí của nhà cung cấp.
4. Hạn chế những lần gọi API không cần thiết
Một AI Agent có thể thực hiện nhiều bước trong cùng một nhiệm vụ. Nếu thiết kế không hợp lý, hệ thống có thể gọi API nhiều lần để xử lý những thao tác không cần thiết. Việc cải thiện luồng xử lý, sử dụng công cụ đúng mục đích và kiểm soát số lần thử lại có thể giúp giảm chi phí.
5. Theo dõi chi phí theo người dùng và chức năng
Doanh nghiệp nên theo dõi lượng token, số yêu cầu, tỷ lệ lỗi và chi phí theo từng chức năng. Ví dụ, chatbot tư vấn sản phẩm và AI Agent xử lý đơn hàng có thể có mức tiêu thụ khác nhau. Dữ liệu này giúp doanh nghiệp xác định tính năng nào cần tối ưu trước.
GPT-6.2 có ảnh hưởng gì đến ngành phát triển website và phần mềm?
Sự ra mắt của GPT-6.2 tiếp tục cho thấy các mô hình AI đang được tối ưu để hỗ trợ công việc thực tế. Đối với các công ty thiết kế website và phát triển phần mềm, những thay đổi này tạo ra một số cơ hội đáng chú ý.
Hỗ trợ lập trình và kiểm thử
Các mô hình có khả năng xử lý mã nguồn ngày càng tốt có thể hỗ trợ lập trình viên xây dựng giao diện, phát triển chức năng và phân tích lỗi. AI có thể rút ngắn thời gian thực hiện một số công việc, nhưng vẫn cần quy trình kiểm thử và đánh giá kỹ thuật trước khi bàn giao.
Tích hợp chatbot AI với chi phí hợp lý hơn
Khi xuất hiện những mô hình có chi phí thấp nhưng đủ năng lực xử lý những tác vụ phổ biến, việc triển khai chatbot AI có thể trở nên khả thi hơn đối với doanh nghiệp vừa và nhỏ. Tuy nhiên, hiệu quả còn phụ thuộc vào dữ liệu sản phẩm, thiết kế hội thoại và mức độ tích hợp với website.
Xây dựng AI Agent chuyên biệt
Doanh nghiệp có thể phát triển AI Agent phục vụ các quy trình như tiếp nhận yêu cầu, hỗ trợ bán hàng, xử lý dữ liệu hoặc phối hợp công việc. Những tác vụ liên quan đến giao dịch, quyền truy cập hoặc dữ liệu quan trọng vẫn cần cơ chế xác nhận và kiểm soát phù hợp.
Góc nhìn NAVI Website: Nên chọn Astra hay Sol cho website khách hàng?
Đối với những dự án tích hợp AI vào website, việc lựa chọn mô hình nên bắt đầu từ yêu cầu kinh doanh thay vì chỉ nhìn vào điểm benchmark.
GPT-6.2 Sol là lựa chọn đáng thử nghiệm cho các chatbot tư vấn, trợ lý hỗ trợ khách hàng và AI Agent thực hiện những quy trình phổ biến. Mô hình có chi phí API thấp hơn, phù hợp để đánh giá trong những hệ thống có lượng tương tác thường xuyên.
GPT-6.2 Astra đáng cân nhắc khi hệ thống cần phân tích chuyên sâu, xử lý nhiều điều kiện hoặc thực hiện những công việc phức tạp mà các mô hình nhỏ hơn chưa đáp ứng tốt.
Một giải pháp khác là kết hợp nhiều mô hình. Ví dụ, chatbot có thể sử dụng Sol để xử lý những yêu cầu thông thường. Khi gặp câu hỏi phức tạp, hệ thống có thể chuyển sang Astra theo quy tắc đã định. Tuy nhiên, mô hình kết hợp cần được kiểm thử để đảm bảo việc phân loại tác vụ chính xác, đồng thời tính đến chi phí phát sinh khi chuyển đổi giữa các mô hình.
Hiệu quả thực tế cần được đo lường
Khi triển khai AI cho doanh nghiệp, NAVI nên đánh giá các tiêu chí:
- Chi phí trung bình cho một lượt hội thoại.
- Tỷ lệ câu trả lời chính xác.
- Thời gian phản hồi.
- Khả năng tra cứu dữ liệu doanh nghiệp.
- Tỷ lệ hoàn thành nhiệm vụ.
- Mức độ hài lòng của người dùng.
- Khả năng bảo mật và kiểm soát dữ liệu.
Đây là những yếu tố có ý nghĩa trực tiếp đối với hiệu quả vận hành, thay vì chỉ lựa chọn mô hình dựa trên tên gọi hoặc khả năng xử lý tối đa.
Những giới hạn cần lưu ý khi ứng dụng GPT-6.2
Mặc dù có nhiều cải tiến, GPT-6.2 Astra và Sol vẫn có thể tạo thông tin không chính xác hoặc thực hiện chưa đầy đủ nhiệm vụ. Trong tài liệu đánh giá an toàn, OpenAI cũng đề cập những trường hợp mô hình không báo cáo đầy đủ trở ngại khi thực hiện công việc trong môi trường thử nghiệm. Điều này cho thấy việc kiểm tra kết quả của AI vẫn rất quan trọng.
Đối với những hệ thống được sử dụng trong hoạt động kinh doanh, nên triển khai cơ chế ghi log, giám sát, xử lý lỗi và xác nhận của con người đối với các hành động quan trọng. Đồng thời, doanh nghiệp cần xem xét chính sách dữ liệu, quyền truy cập và các giới hạn sử dụng API trước khi tích hợp vào hệ thống chính thức.
Kết bài
Kết luận
Việc OpenAI phát hành GPT-6.2 Astra và GPT-6.2 Sol đánh dấu bước phát triển mới trong quá trình tối ưu trí tuệ nhân tạo cho công việc chuyên môn và ứng dụng doanh nghiệp. Astra tập trung vào khả năng giải quyết những vấn đề phức tạp, trong khi Sol hướng đến sự cân bằng giữa chất lượng, tốc độ và chi phí.
Đặc biệt, mức giá API thấp hơn và khả năng sử dụng token hiệu quả hơn có thể giúp các doanh nghiệp triển khai AI với ngân sách hợp lý hơn. Trong tương lai, lợi thế cạnh tranh của hệ thống AI không chỉ nằm ở việc sử dụng mô hình mạnh nhất, mà còn ở khả năng lựa chọn và vận hành mô hình phù hợp với từng nhiệm vụ.
Đối với các doanh nghiệp đang xây dựng website, chatbot và phần mềm quản lý, đây là thời điểm phù hợp để đánh giá lại kiến trúc AI, chi phí vận hành và khả năng mở rộng hệ thống.
NAVI Website – Cập nhật tin tức công nghệ, trí tuệ nhân tạo và xu hướng chuyển đổi số dành cho doanh nghiệp Việt Nam.
Nguồn tham khảo:
- OpenAI – Introducing GPT-6.2 Astra and Sol (17/11/2026)
- OpenAI Help Center – Model Release Notes (17/11/2026)
- OpenAI – GPT-6.2 System Card (17/11/2026)
- The Neuron – Everything That Happened in AI Today (18/11/2026)

