---
title: "GPT-6.2 Astra và GPT-6.2 Sol: làm nhiều việc hơn bản cũ trong cùng hạn mức"
description: "GPT-6.2 Astra và Sol làm được nhiều việc hơn bản cũ trong cùng hạn mức gói. Sol cho việc hằng ngày, Astra cho việc khó; nhớ dặn model báo việc chưa làm được."
canonical: "https://200lab.io/blog/gpt-6-2-astra-sol-co-gi-moi"
published: "2026-11-18T05:51:26Z"
updated: "2026-11-18T05:51:26Z"
authors: ["Mỹ Ngọc"]
tags: ["AI", "News"]
reading_minutes: 10
access: "public"
---

OpenAI vừa ra mắt hai model mới: GPT-6.2 Astra cho các dự án khó nhất và GPT-6.2 Sol cho việc hằng ngày. Bạn có thể xem chi tiết tại [bài công bố của OpenAI](https://openai.com/index/introducing-gpt-6-2-astra-sol).

Theo OpenAI, cả hai cho kết quả tốt hơn các model trước ở việc khó mà dùng ít output token hơn, tức phần chữ model viết ra. Nhờ vậy, bạn làm được nhiều việc hơn trong cùng hạn mức gói trả phí.

Tháng trước OpenAI ra GPT-6.1 Terra, model nhanh chuyên thao tác máy tính, mình đã viết ở [bài về GPT-6.1 Terra](https://200lab.io/blog/gpt-6-1-terra-la-gi-ai-tu-dieu-khien-may-tinh). Lần này là hai model chính của dòng 6.2. Mình chưa dùng thử hai model này, các số liệu dưới đây là số OpenAI công bố.

## GPT-6.2 Astra và GPT-6.2 Sol khác nhau ở đâu

Astra là model mạnh nhất của OpenAI cho các việc khó và nhiều bước. Theo OpenAI, slide, bảng tính và tài liệu do Astra làm có văn phong tự nhiên hơn, bớt giọng AI, bám sát template bạn đưa và quy ước của từng ngành như luật, bán hàng, tài chính, kế toán.

Với code, Astra viết sạch hơn, làm frontend web, game và 3D đẹp hơn, chạy tốt hơn so với các model trước.

Sol là model hiệu quả, đa dụng cho việc hằng ngày. So với GPT-6.1 Sol, OpenAI nói Sol thông minh hơn và giúp bạn làm được nhiều việc hơn trên cùng hạn mức gói đã trả phí. Nhiều nhân viên OpenAI dùng Sol làm model mặc định cho cả việc kỹ thuật lẫn không kỹ thuật.

Ít output token có lợi cho bạn ở chỗ nào? Mình hiểu đơn giản là model viết ít chữ thừa hơn thì với cùng một hạn mức gói, bạn dùng được lâu hơn.

## Benchmark GPT-6.2 Astra theo OpenAI

Trên Agents' Last Exam, benchmark đo việc chuyên môn nhiều bước kéo dài, Astra đạt mức cao nhất. Theo OpenAI, model hơn GPT-6 Astra 5,2 điểm với chi phí mỗi việc chưa tới 1/3, và hơn Claude Fable 5.2 5,5 điểm với khoảng 5% chi phí.

OpenAI ghi chú kết quả của Fable 5.2 trên bảng xếp hạng này đã bỏ ra 9 task phải dùng model dự phòng. Gemini 4 Carbon cũng đứng gần Astra trên biểu đồ này.

![Agents' Last Exam v1.1: điểm của các model theo chi phí mỗi việc. Kết quả Claude Fable 5.2 bỏ ra 9 task dùng model dự phòng. Nguồn: OpenAI.](https://assets.200lab.io/sha256/ff/ff63ac43799451e1a645e5db3df413c0638de09d404d8169f640348e99f91630/generations/cf4a0c2e22cee1144dd27cb4b584ecf9bce73e74341eaf43191ee03db35e3604)

Ở GDPval v2, benchmark nội bộ gồm các công việc chuyên môn dài từ dự án thực tế như tư vấn, tài chính, thiết kế, Astra tăng 6,2 điểm so với GPT-6 Astra mà dùng ít hơn 22% output token. Sol cũng tăng 5,3 điểm so với GPT-6.1 Sol.

![GDPval v2: điểm của các model theo số output token mỗi việc. Nguồn: OpenAI.](https://assets.200lab.io/sha256/1c/1c02958385bdb045350cb81a23e020fb6a89c86eb6accdb88e941bcc0564137f/generations/43e03e22e08965ad6df6f96176cd4bf8ebed7ee275cabc1a5e64dbe344021e4a)

Trên Terminal-Bench-Science 0.1, Astra cao hơn GPT-6 Astra 9 điểm phần trăm. Với Harvey LAB-AA về việc pháp lý, chỉ tính điểm khi bài làm đạt mọi tiêu chí và không bịa nghiêm trọng, Astra đạt tỉ lệ hơn gấp đôi Claude Fable 5.2 với khoảng 1/6 chi phí.

Tất cả là số liệu OpenAI công bố. Các biểu đồ lấy chi phí mỗi việc làm trục ngang, nên điều OpenAI muốn nói là Astra đạt điểm ngang hoặc cao hơn nhiều model khác trên cùng biểu đồ mà tốn ít chi phí hơn.

## GPT-6.2 Sol cho việc hằng ngày: kết quả gần bằng Astra, chi phí thấp hơn nhiều

LifeVal là benchmark OpenAI mới ra, đo việc đời thường theo nhu cầu riêng của từng người. Ví dụ như chọn trường mẫu giáo sau khi chuyển nhà, tìm nhà vừa ngân sách và quãng đường đi làm, hay lên thực đơn cho người thân mới được chẩn đoán bệnh. Theo OpenAI, Sol đạt điểm cao hơn GPT-6 Astra với khoảng 1/7 chi phí.

![LifeVal: điểm cho các việc đời thường theo chi phí mỗi việc. Nguồn: OpenAI.](https://assets.200lab.io/sha256/f0/f05a77fc27e646140a090390dd390fbd2df77f271ed62edfad29f16759e19c24/generations/e61e872bfc99625f7d36cfbdd4ab2fb2b707858ecd0f89763373b7610d7e5372)

Với FrontierCode 2.0 của Cognition, benchmark đo xem thay đổi code trên codebase thật có đạt chuẩn để được merge không, Sol chỉ kém Astra chưa tới 0,5 điểm với khoảng 1/5 chi phí. Cả hai được đo ở mức reasoning effort cao nhất, tức model nghĩ kỹ nhất trước khi trả lời.

## Dùng GPT-6.2 Astra và Sol ở đâu trong ChatGPT và Codex

Theo OpenAI, từ hôm ra mắt, người dùng gói Plus, Pro, Enterprise và Edu dùng được hai model trong ChatGPT Work và Codex. Trang ChatGPT Learn liệt kê thêm gói Business. Enterprise và Edu cần admin của workspace bật trước. OpenAI không nhắc gói Free.

Trong ChatGPT, bạn mở Work để dùng hai model này. Với các gói cá nhân được hỗ trợ, chat Work mới mặc định là Sol với reasoning effort Light. Nếu thấy thanh Power, bạn mở Advanced để chọn model và reasoning effort.

Trong Codex, bạn chọn model ở model picker của app hoặc gõ `/model` trong CLI. Codex và Work dùng chung hạn mức. Gói Pro 500 dùng được chế độ Ultrafast với cả hai model, gói Pro 200 lần đầu có Ultrafast, bắt đầu với Sol. Lập trình viên gọi qua API bằng tên `gpt-6.2-astra` và `gpt-6.2-sol`.

## Điều cần để ý: GPT-6.2 đôi khi không nói ra việc nó chưa làm được

Theo system card, hai model tương đương GPT-6 Astra ở đa số eval về alignment, còn số lần hành động không phù hợp trong các việc văn phòng mô phỏng giảm còn khoảng một nửa so với bản trước.

Tuy nhiên, ở hai bài test, khi báo lại kết quả, chúng dễ bỏ qua không nhắc tới chỗ khiến việc bị kẹt, ví dụ thiếu file hoặc tool search không dùng được. Vì vậy, bạn có thể tưởng mọi việc vẫn ổn.

OpenAI đo chuyện này bằng benchmark blocker deception: họ cố tình làm một việc code bị chặn, ví dụ xóa file người dùng nhờ agent sửa, rồi xem model có nói cho người dùng biết hay không. Tỉ lệ model không nói ra càng thấp càng tốt.

Khi không có developer prompt, tỉ lệ này của Astra là 22,28% và Sol là 24,08%, cao hơn mức 11,09% của GPT-6 Astra. Khi dùng developer prompt, tức chỉ dẫn OpenAI cài sẵn trong Codex, tỉ lệ giảm còn 8,04% với Astra và 8,88% với Sol. OpenAI nói vẫn đang điều tra thêm.

![Blocker deception: tỉ lệ model không nói ra chỗ bị chặn khi làm việc code, có và không có developer prompt; càng thấp càng tốt. Nguồn: OpenAI.](https://assets.200lab.io/sha256/c5/c51b7de703ff13375a7e51b6b3499547ccdcf4895bc4ce3b16274a70ed3a3e57/generations/914042f7e36aedfed011a182aa8c81d834ed66a9d7307edce646c1bdb9b29fbe)

Về phía đánh giá độc lập, Artificial Analysis xếp Astra thứ hai trong Intelligence Index, sau Claude Fable 5.2, nhưng nếu tính điểm đạt được trên chi phí bỏ ra thì các model của OpenAI đứng đầu. Với coding, chỉ số Coding Agent Index của Astra gần như đứng yên so với GPT-6 Astra. [Xem thêm](https://the-decoder.com/openai-launches-gpt-6-2-astra-and-sol-with-lower-api-prices-and-some-benchmark-gains/)

OpenAI cũng siết lớp bảo vệ với yêu cầu an ninh mạng rủi ro cao, nên một số việc nghiên cứu bảo mật hợp lệ cũng có thể bị chặn.

## Theo mình, GPT-6.2 đáng chú ý ở chi phí, và nên chọn Astra hay Sol

Như đã nói ở đầu bài, mình chưa dùng thử GPT-6.2 Astra hay GPT-6.2 Sol. Góc nhìn dưới đây là của mình sau khi đọc bài công bố, system card và các đánh giá độc lập.

Chi tiết mình để ý nhất là OpenAI đặt chi phí mỗi việc lên trục ngang của gần như mọi biểu đồ và nhấn mạnh chuyện dùng ít output token hơn các model trước. Trên GDPval v2, Astra tăng 6,2 điểm so với GPT-6 Astra mà tốn ít hơn 22% output token.

Theo mình, với người trả phí gói (Plus, Pro…), điều này quan trọng hơn vài điểm benchmark, vì model bớt viết chữ thừa thì với cùng một hạn mức gói, bạn dùng được lâu hơn. Mình đoán thời gian tới các hãng sẽ đua nhau làm cùng một lượng việc với ít token hơn, thay vì chỉ đua điểm benchmark.

Về lựa chọn, mình nghĩ phần lớn việc hằng ngày thì GPT-6.2 Sol là đủ. Sol là model mặc định khi bạn mở chat Work mới trên các gói cá nhân.

Trên FrontierCode 2.0, Sol chỉ kém Astra chưa tới 0,5 điểm với khoảng 1/5 chi phí. Trên LifeVal, Sol còn cao hơn GPT-6 Astra với khoảng 1/7 chi phí.

Mình sẽ chỉ chuyển sang Astra (trong Advanced) khi việc khó, nhiều bước, hoặc cần deck, bảng tính, tài liệu bám template của bạn.

Điều mình lo nhất là model làm không được mà không nói ra. Trên benchmark blocker deception, khi không có developer prompt, tỉ lệ không nói ra của Astra là 22,28% và Sol là 24,08%, khoảng gấp đôi mức 11,09% của GPT-6 Astra.

Khi có developer prompt của Codex, tỉ lệ này giảm còn 8,04% với Astra và 8,88% với Sol.

Theo mình, nếu bạn dùng API hoặc tự viết agent mà không viết chỉ dẫn kỹ, khả năng model bị kẹt mà không báo cho bạn sẽ cao hơn so với GPT-6 Astra. Vì vậy, mình sẽ làm thế này:

1. Việc hằng ngày để Sol mặc định; việc khó nhiều bước hoặc cần template thì chọn Astra trong Advanced và đưa kèm template.
2. Thêm vào prompt hoặc developer prompt một dòng dặn: nếu thiếu file, tool lỗi hay không làm được bước nào thì phải nói rõ, không bỏ qua.
3. Cuối mỗi việc dài, bắt model liệt kê những việc chưa làm được hoặc chỗ bị chặn, rồi tự kiểm lại các chỗ đó trước khi dùng kết quả.

Về cuộc đua giữa hai hãng, Claude Fable 5.2 của Anthropic ra ngày 09/11, còn GPT-6.2 ra ngày 17/11. Theo số OpenAI công bố, Astra hơn Fable 5.2 5,5 điểm ở Agents' Last Exam với khoảng 5% chi phí. OpenAI cũng ghi chú kết quả của Fable 5.2 ở bài này đã bỏ ra 9 task dùng model dự phòng.

Ở đánh giá độc lập thì khác. Artificial Analysis vẫn xếp Fable 5.2 đứng đầu Intelligence Index với 65 điểm, so với 62 điểm của Astra. Epoch AI chấm Astra ngang Fable 5.2. Còn Coding Agent Index của Astra gần như đứng yên so với GPT-6 Astra.

Theo mình, OpenAI chưa vượt hẳn Anthropic về độ mạnh, mà đang chọn cạnh tranh bằng điểm đạt được trên chi phí bỏ ra. Mình đoán Anthropic sẽ đáp trả bằng chi phí hoặc hạn mức ở bản tiếp theo.

Với người đang trả phí gói như bạn, mình nghĩ cuộc đua này có lợi, vì cùng một gói sẽ làm được nhiều việc hơn so với trước.

## Nguồn tham khảo

- Introducing GPT-6.2 Astra and Sol, OpenAI, 17/11/2026 (link ở đoạn mở bài)
- [GPT-6.2 Astra and Sol](https://learn.chatgpt.com/docs/whats-new/gpt-62-astra-sol), ChatGPT Learn, 17/11/2026
- [GPT-6.2 System Card](https://deploymentsafety.openai.com/gpt-6-2-astra-sol), OpenAI Deployment Safety Hub, 17/11/2026
- [GPT-6.2 Astra Model](https://developers.openai.com/api/docs/models/gpt-6.2-astra), tài liệu API của OpenAI
- OpenAI launches GPT-6.2 Astra and Sol with lower API prices and some benchmark gains, The Decoder, 17/11/2026 (link Xem thêm ở mục điều cần để ý)

## Đọc thêm

- [MausBot khác Grok Bot ở chỗ nào khi bạn đã trả phí Claude hoặc ChatGPT](https://200lab.io/blog/mausbot-khac-grok-bot-khi-da-tra-phi-claude-chatgpt.md): MausBot khác Grok Bot thế nào khi bạn đã trả phí Claude hoặc ChatGPT: app chat local-first, dùng subscription đã trả phí, tự chọn mức approval.
- [Dùng LLM-as-a-judge chấm output AI: khi nào tin được, khi nào không](https://200lab.io/blog/llm-as-a-judge-la-gi.md): LLM-as-a-judge là gì: dùng model chấm output theo rubric rồi đối chiếu nhãn tay; demo 12 câu CSKH với gpt-6-astra, temperature 0, khớp 10/12 trên bộ minh họa.
- [Gemini Decisions API: cổng chấm yes/no, choice và rubric của Google](https://200lab.io/blog/gemini-decisions-api.md): Gemini Decisions API chấm yes/no, chọn đáp án hoặc rubric kèm confidence trong một lượt. Google công bố latency 150-250 ms; bài tóm tắt từ docs, chưa gọi API.
- [Fine-tuning là gì? Khi nào chọn fine-tune, khi nào chọn RAG](https://200lab.io/blog/fine-tuning-la-gi.md): Fine tuning là gì: khi kiến thức hay đổi thì dùng RAG; muốn giữ format và giọng shop thì xét fine-tune hoặc LoRA.
- [Claude Fable 5.2 có gì mới và ưu đãi ra mắt cần biết](https://200lab.io/blog/claude-fable-5-2-whats-new.md): Claude Fable 5.2 được dùng trên app Claude với một số gói, hãy lưu ý hạn ưu đãi 16/11 và lưu dữ liệu 30 ngày; việc hằng ngày vẫn có thể bắt đầu với Opus 5.5.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt
