GPT-6 đấu Claude Opus 5.5: mười ngày sau lời kêu gọi giảm tốc, ba mô hình mới ra đời cùng một buổi

Thứ Bảy 12/9/2026, CEO Anthropic Dario Amodei đăng một bài viết dài khoảng 3.800 chữ trên trang cá nhân, tựa đề *We Must Pace the Frontier* — tạm dịch: phải điều tiết tốc độ ở tuyến đầu. Luận điểm chính: ngành AI cần chủ động làm chậm tốc độ nâng cao năng lực mô hình, để công việc an toàn theo kịp. Trong vài giờ, CEO OpenAI Sam Altman lên tiếng đồng ý. Elon Musk viết: Dario nói đúng.

Thứ Ba 22/9, Anthropic phát hành Claude Opus 5.5. Vài phút sau, OpenAI phát hành hai mô hình GPT-6 mới là Sol và Luna.

Mười ngày.

Bài này có hai phần, cho hai loại người đọc. Phần đầu dành cho người đang phải chọn mô hình: dòng GPT-6 gồm những gì, Opus 5.5 đứng ở đâu, và đọc bảng so sánh thế nào cho khỏi bị dẫn dắt. Phần sau dành cho người muốn hiểu lời kêu gọi giảm tốc thật ra cam kết điều gì, và vì sao mười ngày sau nó vẫn chưa bị vi phạm — dù ba mô hình mới đã ra đời.

Một lưu ý về nguồn số liệu. Phần lớn các con số đối đầu trực tiếp dưới đây do chính Anthropic công bố trong thông cáo phát hành Opus 5.5. Chúng tôi ghi rõ chỗ nào là số của hãng, chỗ nào là số của bên đo độc lập. Và vì phần sau của bài phê bình cả hai công ty, trong đó Anthropic là bên đưa ra lời kêu gọi, chúng tôi áp cùng một thước đo cho cả hai.

Dòng GPT-6 gồm những gì

Tính tới hôm nay, dòng GPT-6 có ba mô hình, cùng phương pháp huấn luyện, khác nhau ở cỡ và giá:

• GPT-6 Astra — phát hành 3/9, mô hình đầu bảng. Giá 10 đô mỗi triệu token đầu vào, 50 đô mỗi triệu token đầu ra. Đây là mô hình đầu tiên bị chính OpenAI xếp mức Critical về năng lực an ninh mạng; chúng tôi đã viết riêng về nó trong bài GPT-6 Astra: bỏ qua tuyên bố AGI, ba con số này mới đáng để ý.
• GPT-6 Sol — phát hành 22/9, bậc giữa. Giá 2 đô đầu vào, 10 đô đầu ra.
• GPT-6 Luna — phát hành 22/9, bậc rẻ nhất. Giá 0,1 đô đầu vào, 0,5 đô đầu ra.

Cả ba có cửa sổ ngữ cảnh — lượng chữ mô hình đọc được trong một lượt — khoảng 1,05 triệu token. Phần đầu vào đã lưu tạm tính bằng một phần mười giá thường. Có một điều khoản dễ bị bỏ sót: yêu cầu nào có hơn 272 nghìn token đầu vào thì cả yêu cầu bị tính gấp đôi giá đầu vào và gấp rưỡi giá đầu ra, không chỉ phần vượt.

Đời trước, GPT-5.6, có ba bậc tên Sol, Terra và Luna. Dòng GPT-6 hiện không có Terra, và thêm Astra ở trên cùng. Nên cái tên Sol ở hai đời không cùng vị trí: GPT-5.6 Sol từng là mô hình đầu bảng, còn GPT-6 Sol là bậc giữa.

Về năng lực, bên đo độc lập Artificial Analysis ghi nhận Sol và Luna đời mới giữ nguyên mức điểm trí tuệ tổng hợp của GPT-5.6 cùng bậc, với giá bằng khoảng một nửa. Nói cách khác, điểm mới của ngày 22/9 ở phía OpenAI không phải mô hình thông minh hơn, mà là cùng mức thông minh với giá rẻ đi một nửa.

Claude Opus 5.5 là gì

Opus 5.5 là mô hình đầu tiên của dòng Claude 5.5, phát hành 22/9. Giá 4 đô đầu vào, 20 đô đầu ra mỗi triệu token, token đầu vào đã lưu tạm 0,2 đô. So với Opus 5 ở mức 5 và 25 đô, đơn giá giảm 20%; Anthropic nói trên khối lượng công việc điển hình, tổng chi phí thấp hơn khoảng 40% vì mô hình dùng ít token hơn cho cùng việc.

Anthropic mô tả Opus 5.5 là mô hình làm được việc ở mức ngang Claude Fable 5.1 — mô hình đắt nhất của chính họ — với chi phí thấp hơn nhiều. Họ cũng nói Opus 5.5 đạt kết quả tốt nhất từ trước tới nay trên bộ kiểm tra hành vi sai lệch tự động gồm gần 2.000 tình huống, và đã được các bên đánh giá bên ngoài gồm METR và Frontier Design kiểm tra trước khi phát hành.

Trên chỉ số trí tuệ tổng hợp của Artificial Analysis, Opus 5.5 đứng đầu với 58 điểm ở mức suy luận cao nhất. GPT-6 Astra và Claude Fable 5.1 cùng 53. GPT-6 Sol ở mức cao nhất đạt 48.

Đối đầu: đọc bảng số thế nào

Bảng so sánh trong thông cáo của Anthropic — tức là số do chính hãng công bố — cho kết quả như sau giữa Opus 5.5 và GPT-6 Astra:

• Lập trình tự động trên dòng lệnh (Terminal-Bench 4.0): Opus 5.5 66,4%, Astra 57,9%.
• Công việc văn phòng thực tế ở 44 nghề (GDPval-AA, điểm xếp hạng kiểu cờ vua): Opus 5.5 1846, Astra 1542.
• Câu hỏi chuyên sâu đa ngành, có dùng công cụ (Humanity's Last Exam): Opus 5.5 67,7%, Astra 57,2%.
• Lập trình trên kho mã thật (FrontierCode): Opus 5.5 54,4%, Astra 53,3% — chênh 1,1 điểm, nằm trong sai số đo.
• Quy trình tự động hoá nghiệp vụ (AutomationBench, do Zapier chạy và công bố): Astra 41,4%, Opus 5.5 40,0%.
• Nghiên cứu khoa học tự động (Terminal-Bench-Science): Astra 64,6%, Opus 5.5 58,7%.

Ba điều nên rút ra từ bảng này, theo thứ tự quan trọng.

Thứ nhất, ai công bố thì chọn bài đo. Đây là bảng của Anthropic, nên nó gồm những bài Anthropic chọn. Điều đó không làm các con số sai, nhưng có nghĩa những việc Astra mạnh mà không có trong bảng thì bạn sẽ không thấy ở đây. Chỉ số độc lập 58 so với 53 là con số nên dựa vào nhiều hơn, và nó vẫn cho Opus 5.5 lợi thế — chỉ là hẹp hơn vài dòng đầu của bảng hãng gợi ý.

Thứ hai, không có người thắng toàn bộ. Astra thắng ở tự động hoá nghiệp vụ và nghiên cứu khoa học; Opus 5.5 thắng ở lập trình trên dòng lệnh và công việc văn phòng. Nếu việc của bạn nằm ở nhóm Astra mạnh, bảng tổng không nói gì hữu ích cho bạn.

Thứ ba, và đây là điều quan trọng nhất với doanh nghiệp Việt Nam: cuộc đấu giữa hai mô hình đầu bảng không phải cuộc đấu bạn đang tham gia. Nhìn vào giá mỗi triệu token đầu ra:

• GPT-6 Astra: 50 đô
• Claude Opus 5.5: 20 đô
• GPT-6 Sol: 10 đô
• GPT-6 Luna: 0,5 đô

Opus 5.5 rẻ hơn Astra 2,5 lần. Nhưng Luna rẻ hơn Opus 5.5 40 lần và rẻ hơn Astra 100 lần. Phần lớn việc mà doanh nghiệp vừa và nhỏ giao cho mô hình ngôn ngữ — phân loại email, trích thông tin từ hoá đơn, tóm tắt cuộc họp, trả lời câu hỏi theo tài liệu nội bộ — không cần mô hình đầu bảng. Chọn nhầm bậc tốn nhiều tiền hơn hẳn so với chọn nhầm hãng.

Và như chúng tôi đã viết trong bài về chi phí thật của một mô hình nằm ở token tiêu thụ, so bảng giá là so chưa đủ. Một mô hình rẻ mà phải chạy lại ba lần mới đúng thì không còn rẻ. Cách duy nhất biết được là chạy trên việc của chính bạn — phần cuối bài có hướng dẫn cụ thể.

Lời kêu gọi giảm tốc: nó thật sự nói gì

Quay lại bài viết ngày 12/9, vì cách nó được tóm tắt trên báo chí và điều nó thật sự đề xuất khác nhau khá xa.

Amodei đề xuất ba bước:

• Một: đặt bên đánh giá độc lập bên trong công ty, với quyền truy cập thường trực ngang nhân viên, để kiểm tra việc tuân thủ cam kết an toàn, báo cáo sự cố và đánh giá mức độ căn chỉnh của mô hình ngay trong lúc huấn luyện. Anthropic cam kết đơn phương làm bước này ngay.
• Hai: các công ty AI ở các nước dân chủ thống nhất tiêu chuẩn an toàn chung và giới hạn đối với việc tăng năng lực không kiểm soát.
• Ba: phối hợp toàn cầu, bao gồm cả với Trung Quốc, tiến tới thoả thuận quốc tế. Chính Amodei thừa nhận bước này khó xảy ra sớm, vì các nước có động cơ mạnh để phá thoả thuận.

Và có một câu làm rõ mà mọi bản tóm tắt nên giữ lại: điều tiết tốc độ không có nghĩa là dừng huấn luyện hay dừng tiến bộ kỹ thuật. Nó có nghĩa là để đủ thời gian cho công việc căn chỉnh, kiểm chứng bởi bên thứ ba và kỷ luật vận hành theo kịp năng lực mô hình.

Altman đồng ý trong cùng ngày và cam kết OpenAI cũng sẽ cho bên đánh giá độc lập quyền truy cập ngang nhân viên. Musk đồng ý. CEO Meta Mark Zuckerberg thì bác bỏ lời kêu gọi.

Mười ngày sau: đặt lời nói cạnh hành động

Công bằng thì phải bắt đầu bằng những việc đã làm thật:

• Tháng 8, sau sự cố trong đợt đánh giá nội bộ, OpenAI tạm dừng hai tuần khâu huấn luyện tăng cường trên các mô hình sắp triển khai để gia cố môi trường nghiên cứu, và giữ lại vô thời hạn đợt huấn luyện lớn nhất đã lên kế hoạch cho tới khi có thêm biện pháp bảo vệ.
• Ngày 18/9, Anthropic chọn Accenture làm bên đánh giá đầu tiên đặt bên trong công ty, do Faculty — đơn vị AI chuyên biệt của Accenture — dẫn dắt. Người đánh giá có quyền truy cập tương đương nhân viên: quan sát quá trình huấn luyện, theo dõi quyết định vận hành, trao đổi trực tiếp với nhân sự. Mỗi bên dự kiến đầu tư ít nhất 1 tỷ đô trong năm năm cho mảng này.
• Opus 5.5 được METR và Frontier Design kiểm tra trước khi phát hành.

Đó là những bước có thật, và bên đánh giá có quyền truy cập thường trực là nhiều hơn những gì ngành này có trước tháng 9.

Giờ đặt cạnh đó những việc diễn ra trong cùng mười ngày:

• Ngày 18/9 — cùng ngày thông báo Accenture — có tin Anthropic và OpenAI đi tìm thêm các trung tâm dữ liệu cỡ nhỏ 20 tới 30 megawatt, vì nhu cầu vượt tiến độ xây các khu gigawatt. Tức là tìm cách có thêm sức tính toán sớm hơn.
• Ngày 22/9, ba mô hình mới ra đời trong một buổi.
• Opus 5.5 đứng đầu chỉ số độc lập, cao hơn 5 điểm so với Fable 5.1 — mô hình tốt nhất trước đó của chính Anthropic.
• Cả hai hãng đều giảm giá: Opus 5.5 giảm 20% đơn giá, Sol và Luna rẻ khoảng một nửa so với đời trước.

Anthropic trả lời trực tiếp mâu thuẫn này. Thông cáo gọi Opus 5.5 là bản phát hành đầu tiên kể từ lời kêu gọi, và lập luận của công ty là: giảm tốc đơn phương không có tác dụng, vì tốc độ do cạnh tranh quyết định chứ không do ý muốn của một bên; điều tiết là về cách thức và nhịp tăng năng lực đi kèm đầu tư an toàn tương xứng, không phải một mức trần.

Lập luận đó có lý ở phần đầu. Còn phần "Opus 5.5 chỉ ở mức ngang Fable 5.1" thì nên đối chiếu với số liệu: trong chính bảng của Anthropic, Opus 5.5 vượt Fable 5.1 ở cả chín bài đo được liệt kê, và chỉ số độc lập đặt nó cao hơn 5 điểm. Một số khoảng chênh rất nhỏ — dưới một điểm ở bài đọc biểu đồ, hơn một điểm ở bài dùng máy tính — nhưng hướng thì nhất quán: tuyến đầu năng lực đã dịch lên, và giá để chạm tới nó đã giảm xuống.

Vì sao lời kêu gọi chưa thể bị vi phạm: nó không có con số nào

Đến đây mới nói được điều quan trọng nhất, và nó không phải chuyện ai đạo đức giả.

Nếu đọc kỹ các cam kết, sẽ thấy chúng chia thành hai loại. Loại thứ nhất là cam kết về kiểm chứng: cho bên đánh giá vào, cho họ quyền truy cập, cho họ báo cáo sự cố. Loại này có hành động cụ thể — Accenture, 1 tỷ đô, METR. Loại thứ hai là cam kết về tốc độ: làm chậm nhịp tăng năng lực. Loại này không có một con số nào.

Không có khoảng cách tối thiểu giữa hai lần phát hành. Không có mức tăng năng lực tối đa mỗi quý. Không có giới hạn sức tính toán. Không có ngưỡng nào mà vượt qua thì phải dừng và công bố. Một cam kết không có con số thì không thể bị vi phạm — và vì thế cũng không thể được kiểm chứng. Ba mô hình trong mười ngày không phá vỡ lời kêu gọi, vì lời kêu gọi không định nghĩa thế nào là quá nhanh.

Thêm vào đó là cấu trúc có điều kiện. Bước một là đơn phương, nhưng nó là bước kiểm chứng. Bước hai và ba — những bước thật sự làm chậm lại — đều đòi hỏi các bên khác cùng tham gia. Và lập luận "giảm tốc đơn phương không có tác dụng" có nghĩa là mỗi bên chỉ chậm lại khi các bên kia cũng chậm lại. Khi ai cũng chờ người khác đi trước, kết quả là không ai đi.

Ngay cả bước kiểm chứng cũng có câu hỏi. Cùng ngày 18/9, hơn 100 nhà nghiên cứu, trong đó có Geoffrey Hinton, ký một thư công khai yêu cầu bên đánh giá phải thật sự độc lập: không thuộc sở hữu hay chịu quản trị của công ty AI, không có quan hệ kinh doanh đáng kể với công ty đó, và không nhận khoản thanh toán nào phụ thuộc vào kết luận đánh giá. Đặt cạnh ba tiêu chí đó, thoả thuận Accenture vướng ít nhất hai: Accenture và Anthropic đã có một liên doanh kinh doanh từ tháng 12/2025 để đưa Claude tới khách hàng doanh nghiệp, và theo chính thông báo của Anthropic, giai đoạn đầu công việc đánh giá do Anthropic trực tiếp chi trả — về lâu dài họ muốn chuyển sang nguồn quỹ chung hoặc của nhà nước. Thông báo cũng không nói báo cáo của bên đánh giá có được công bố hay không. Những điều này không có nghĩa kết quả đánh giá sẽ sai, nhưng chúng có nghĩa người ngoài chưa có căn cứ để tin rằng nó sẽ đúng.

Nói gọn: lời kêu gọi giảm tốc không phải chỉ là lời nói — nó đã sinh ra hành động về kiểm chứng. Nhưng về tốc độ, nó chưa có con số nào để hành động theo, nên nó vẫn là lời nói. Cho tới khi có một con số công khai mà người ngoài đo được, cách đúng để lập kế hoạch là coi như tốc độ sẽ không chậm lại.

Điều gì sẽ biến nó thành ràng buộc thật? Không cần gì phức tạp: một khoảng cách tối thiểu công khai giữa các lần phát hành mô hình đầu bảng; báo cáo của bên đánh giá được công bố, kể cả khi nó bất lợi; bên đánh giá không có quan hệ thương mại với công ty được đánh giá; và một ngưỡng năng lực mà vượt qua thì dừng phát hành cho tới khi bên đánh giá xác nhận. Nếu những thứ đó xuất hiện, chúng tôi sẽ viết lại đoạn này.

Doanh nghiệp nên làm gì

Hệ quả thực tế của tất cả những điều trên khá đơn giản: lên kế hoạch như thể mô hình sẽ đổi mỗi tháng, vì đó là điều đang xảy ra. Bốn việc cụ thể.

Một — dựng bộ thử của riêng bạn. Lấy ba mươi tới năm mươi yêu cầu thật đã chạy qua hệ thống trong tháng gần nhất, gồm cả những ca từng làm sai. Với mỗi ca, ghi lại thế nào là kết quả chấp nhận được. Khi có mô hình mới, chạy lại toàn bộ, ghi số ca đạt và số token tiêu thụ. Việc này mất một buổi để dựng lần đầu, rồi vài chục phút mỗi lần chạy lại. Nó là thứ duy nhất trả lời được câu "có nên đổi không", vì mọi bảng điểm ở trên đo trên việc của người khác.

Hai — bắt đầu từ bậc rẻ nhất. Chạy bộ thử trên Luna hoặc bậc tương đương của hãng khác trước. Ca nào đạt thì giữ ở đó. Ca nào trượt mới đẩy lên bậc giữa, rồi mới tới đầu bảng. Với khoảng cách giá một trăm lần giữa hai đầu, chỉ riêng việc định tuyến đúng bậc thường tiết kiệm nhiều hơn mọi cuộc tranh luận Opus hay Astra.

Ba — giữ cho mô hình thay được trong một buổi. Đặt mọi lời gọi mô hình sau một lớp giao tiếp chung của riêng bạn. Lưu lời nhắc trong tệp có quản lý phiên bản, không rải trong mã. Chỉ dùng tính năng riêng của một hãng khi bộ thử cho thấy nó đáng. Đây cũng là nguyên tắc không phụ thuộc vào một nhà cung cấp mà chúng tôi áp dụng cho mọi hệ thống xây cho khách hàng — không phải vì hãng nào đáng tin hơn, mà vì giá và năng lực đổi quá nhanh để đặt cược vào một bên.

Bốn — với phần an ninh, đừng chờ ai chậm lại. Mô hình đầu bảng hiện đã có năng lực tìm lỗ hổng chưa ai biết, và thứ giữ năng lực đó lại là cơ chế giám sát của từng hãng. Những việc phòng thủ căn bản — đóng các cổng đang mở ra Internet, cập nhật thiết bị biên, quy tắc gọi lại trước khi chuyển tiền — vẫn là những việc nên làm ngay. Chúng không phụ thuộc vào việc lời kêu gọi giảm tốc có thành hiện thực hay không.

Kết

Về cuộc đối đầu: Opus 5.5 đang dẫn trên chỉ số độc lập, Astra thắng ở một số nhóm việc cụ thể, và với phần lớn doanh nghiệp, mô hình đáng quan tâm nhất ra đời ngày 22/9 có lẽ là Luna — vì nó làm cho rất nhiều việc trở nên đủ rẻ để tự động hoá.

Về lời kêu gọi giảm tốc: nó đã tạo ra một thứ thật — bên đánh giá có mặt bên trong công ty. Nhưng thứ đó là để biết chứ chưa phải để chậm lại. Phần về tốc độ vẫn chưa có con số nào, nên chưa có gì để giữ lời.

Câu hỏi dùng được cho mọi cam kết tương tự trong tương lai — dù của hãng nào — là: *con số nào sẽ cho tôi biết lời này bị phá vỡ?* Nếu câu trả lời là không có, hãy lập kế hoạch như thể nó chưa được nói ra.

Nếu bạn muốn có người dựng bộ thử trên chính dữ liệu của bạn, hoặc thiết kế lớp định tuyến giữa các bậc mô hình để chi phí không tăng theo mỗi lần hãng ra mô hình mới, liên hệ với chúng tôi hoặc xem năng lực AI & ML của KonexForge.