Lựa chọn giữa GPT-6.1 Terra và GPT-6.1 Sol thực chất quy về một bài toán đánh đổi: Terra có chi phí trên mỗi token chỉ bằng đúng một nửa Sol và theo OpenAI thì chạy nhanh hơn gấp ba lần, trong khi Sol đạt 54 điểm so với 48 điểm của Terra trên một benchmark độc lập dành cho coding agent. OpenAI đã phát hành Terra vào ngày 26 tháng 10 với định danh gpt-6.1-terra, đóng vai trò là phân khúc tầm trung mới nằm giữa Sol và GPT-6 Luna.
Nếu bạn chỉ chạy một coding agent duy nhất, hãy cứ chọn model mình tin tưởng nhất. Nhưng nếu bạn vận hành hàng chục agent, cấu hình mặc định sẽ quan trọng hơn nhiều so với ngoại lệ, bởi phần lớn các bước xử lý (step) của agent đều được tính phí theo model mặc định này. Bài viết này mang đến cho bạn một quy tắc định tuyến cho Crew trong Sharkly: đặt Terra làm mặc định cho các thành viên, dành Sol cho vị trí trưởng nhóm (leader) cùng các tác vụ phức tạp còn tồn đọng (hard tail), kèm theo phân tích chi phí trên mỗi 1.000 bước của agent cho từng mô hình phối hợp.
Tóm tắt nhanh (TL;DR)
Hãy đặt GPT-6.1 Terra làm runtime model mặc định cho các thành viên trong Crew khi thực hiện các công việc lập trình thông thường, viết lách và computer-use. Giữ GPT-6.1 Sol cho vị trí Crew leader và cho các Task đã thất bại 2 lần trên Terra. Theo kịch bản tính toán mẫu của chúng tôi, cấu hình toàn bộ bằng Sol tốn $26,55 trên mỗi 1.000 agent step, toàn bộ bằng Terra tốn $13,28, còn cấu hình thành viên dùng Terra dưới sự chỉ đạo của leader dùng Sol tốn $14,60. Quy tắc ưu tiên Terra trước và chuyển giao (escalate) sang Sol vẫn luôn tiết kiệm hơn so với dùng toàn bộ Sol cho đến khi có tới một nửa số Task cần chuyển giao.
Tổng quan so sánh GPT-6.1 Terra và GPT-6.1 Sol
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| API id | gpt-6.1-terra |
gpt-6.1-sol |
| Input / cached / output per 1M tokens | $1 / $0.05 / $5 | $2 / $0.10 / $10 |
| Coding Agent Index (Artificial Analysis) | 48 | 54 |
| Speed (OpenAI) | nhanh hơn trung bình hơn 3 lần | mức chuẩn (baseline) |
| Lowest effort level | none |
low |
| OpenAI’s positioning | computer use, viết lách, hiểu hình ảnh | các tác vụ lập trình phức tạp nhất |
Mọi mức giá của Terra đều rẻ hơn đúng một nửa. Điều này giúp bài toán chi phí trở nên rất rõ ràng, đồng thời đưa câu hỏi thực sự về mặt chất lượng: điểm số lập trình thấp hơn của Terra sẽ dẫn đến việc phải chạy lại (rerun) với tần suất như thế nào?
Một vài chi tiết về biểu phí của Terra rất đáng lưu ý đối với các vòng lặp agent (agent loop) kéo dài. Chế độ Batch và Flex có giá chỉ bằng một nửa giá niêm yết, trong khi chế độ Fast có giá gấp đôi. Một request có hơn 272K token đầu vào (input) sẽ bị tính phí gấp đôi cho input và cache, cùng với 1,5 lần cho output trên toàn bộ request đó. Bạn có thể tham khảo bảng giá đầy đủ trên trang bảng giá của OpenAI.
Vai trò quyết định của runtime mặc định
Runtime model mặc định là model mà Agent sẽ sử dụng khi không có cấu hình cụ thể nào được chỉ định cho một lượt chạy. Trong một Crew, model này quyết định phần lớn chi phí các bước xử lý, thời gian các Task trong hàng đợi phải chờ và số lượng kết quả được gửi đi đánh giá (review) mỗi ngày.
Ở đây, một agent step được hiểu là một lượt gọi model bên trong vòng lặp của agent: đọc ngữ cảnh, suy luận, thực hiện một tool call hoặc một chỉnh sửa mã nguồn. Một Task đơn lẻ có thể tốn hàng chục step. Đó là lý do vì sao phép tính chi phí theo từng step lại hữu ích hơn so với tính theo Task khi so sánh các runtime: độ dài của Task thay đổi rất lớn, nhưng cấu trúc của một step thì tương đối ổn định.
Chi phí trên 1.000 bước xử lý của agent
Để so sánh các mô hình kết hợp, hãy xét một step mẫu điển hình: 30K token input (với 85% trúng prompt cache) cùng 1.500 token output bao gồm cả phần suy luận (reasoning). Các vòng lặp agent dài thường gửi lại ngữ cảnh repository ở mỗi step, do đó tỷ lệ cache cao là điều rất phổ biến khi phiên làm việc đã ổn định.
Dựa trên giá niêm yết khi thanh toán qua API key, một step như vậy tốn $0,0133 với Terra và $0,0266 với Sol. Khi quy đổi ra quy mô 1.000 step:
| Crew mix | Share of steps on Sol | Cost per 1,000 steps |
|---|---|---|
| Toàn bộ dùng Sol | 100% | $26.55 |
| Thành viên dùng Terra, leader dùng Sol | 10% | $14.60 |
| Thành viên dùng Terra, leader và hard tail dùng Sol | 25% | $16.59 |
| Toàn bộ dùng Terra | 0% | $13.28 |
| Toàn bộ dùng Terra ở mức effort cao hơn (3.000 token output) | 0% | $20.78 |
Có hai điểm đáng chú ý rút ra từ bảng trên. Thứ nhất, việc chuyển leader sang Sol chỉ tốn thêm khoảng $1,30 trên 1.000 step so với việc dùng toàn bộ Terra, bởi vì leader đảm nhận việc lập kế hoạch và phân chia công việc nên chỉ chiếm một tỷ lệ nhỏ trong tổng số step. Thứ hai, Terra ở mức effort cao hơn vẫn có chi phí rẻ hơn Sol ở mức mặc định: việc nhân đôi lượng token output trên Terra vẫn tốn ít chi phí hơn so với việc đổi hẳn sang model khác.
Các con số này chưa bao gồm phí ghi cache (cache-write). Nếu các Computer của bạn đăng nhập bằng gói ChatGPT thay vì dùng API key, phần tiết kiệm được sẽ thể hiện qua số lượt chạy nhiều hơn trước khi chạm hạn mức gói, thay vì giảm trừ trực tiếp bằng tiền mặt. OpenAI cho biết Terra “khả dụng cho tất cả người dùng Plus, Pro, Enterprise và Edu trong ChatGPT Work và Codex”; các gói Free và Go không bao gồm model này.
Quy tắc định tuyến cho một Sharkly Crew
Một Crew trong Sharkly là một nhóm tái sử dụng được gồm Con người và các Agent được điều phối bởi một Agent đóng vai trò leader. Quá trình thực thi diễn ra theo cơ chế ưu tiên leader (leader-first): leader sẽ đọc Task cùng hướng dẫn của Crew, sau đó tự xử lý công việc hoặc đề cập (mention) đến các Agent thành viên cho từng phần việc cụ thể. Cấu trúc này kết hợp rất liền mạch với mô hình hai runtime.
- Leader dùng GPT-6.1 Sol. Leader sẽ diễn giải những mục tiêu chưa rõ ràng và quyết định xem ai sẽ thực hiện bước tiếp theo. Một kế hoạch sai sẽ khiến mọi thành viên đi chệch hướng, vì vậy vị trí này cần model mạnh hơn. Bài hướng dẫn về Crew leader của chúng tôi giải thích rõ vì sao nâng cấp vị trí leader lại là khoản đầu tư rất tiết kiệm.
- Thành viên dùng GPT-6.1 Terra ở mức
medium. Các công việc lập trình thông thường, tái cấu trúc (refactor), viết test, tài liệu hóa, viết mô tả cho PR và các Task computer-use đều bắt đầu từ đây. - Chuyển giao khi thất bại lần thứ hai. Khi một thành viên dùng Terra thất bại trong một Task hai lần, con người sẽ gán lại Task đó cho phiên bản dùng Sol. Đừng để các Agent tự ý chuyển giao theo phỏng đoán; bạn cần quyết định này được hiển thị rõ ràng trên Task.
- Theo dõi việc chuyển giao theo từng loại Task. Nếu một nhóm Task nhất định, chẳng hạn như migration giữa các service, lần nào cũng phải chuyển giao, hãy định tuyến nhóm Task đó sang Sol ngay từ đầu.
- Hạ tác vụ phân loại (triage) xuống Luna. Các việc như gán nhãn và phân loại sơ bộ có thể chuyển xuống một bậc model thấp hơn; bài hướng dẫn về GPT-6 Luna sẽ nói rõ hơn về luồng công việc này.
Đây là quy tắc xuất phát điểm, không phải là kết quả benchmark tuyệt đối. Hãy chạy thử trong một Sprint và để chính tỷ lệ chuyển giao thực tế của bạn quyết định ranh giới phù hợp.
Khi nào chiến lược ưu tiên Terra không còn hiệu quả
Việc chuyển giao luôn đi kèm chi phí: một lần thử thất bại trên Terra đồng nghĩa với việc tiêu tốn chi phí trước khi lượt chạy trên Sol bắt đầu. Hãy tính cho kịch bản xấu nhất, khi lượt thử nghiệm trên Terra ngốn số lượng step ngang ngửa với một lượt chạy hoàn chỉnh trên Sol. Giả sử một lượt chạy Sol tốn chi phí là S. Một lần thử trên Terra tốn 0,5S. Nếu có tỷ lệ f các Task phải chuyển giao, chi phí kỳ vọng trên mỗi Task sẽ là 0,5S + f nhân với S.
Con số này sẽ bằng chi phí chạy toàn bộ Sol khi f chạm mức 0,5. Như vậy, chiến lược ưu tiên Terra vẫn kinh tế hơn cho đến khi một nửa số Task của bạn phải chuyển giao. Phép tính tương tự cũng áp dụng cho các lượt chạy dài hơn: Terra vẫn rẻ hơn trên mỗi Task cho đến khi nó cần số step nhiều gấp đôi so với Sol để hoàn thành công việc.
Điểm hòa vốn về mặt tài chính nằm ở ngưỡng khá xa, do đó rào cản thực sự thường là thời gian của con người. Mỗi lần thử thất bại là một bản diff cần ai đó mở ra xem, một file log cần ai đó đọc, một lượt phân công lại do con người thực hiện. Nếu tỷ lệ chuyển giao vượt quá 20% đối với một loại Task cụ thể, hãy chuyển hẳn loại Task đó sang Sol, ngay cả khi bài toán chi phí token trên lý thuyết vẫn nghiêng về Terra.
Tốc độ cũng làm thay đổi bài toán này. Một model hoàn thành nhanh hơn gấp ba lần sẽ giải phóng Computer sớm hơn, nhờ đó các Task trong hàng đợi được bắt đầu nhanh hơn và có nhiều lượt chạy kịp hoàn thành trước khi chạm ngưỡng thời gian chờ (timeout) của Task.
Cách thiết lập quy tắc trong Sharkly
Sharkly không bán token. Các lượt chạy được tính vào gói Codex hoặc API key đã được gắn sẵn vào Runtime trên từng Computer, vì vậy trước tiên hãy xác nhận rằng Terra hoạt động tốt tại đó: Codex CLI phiên bản 0.159.0 trở lên, sau đó gõ codex -m gpt-6.1-terra trong terminal.
Trong Sharkly, tài liệu về Agents nêu rõ rằng một Agent “mặc định tuân theo model của Runtime”, và hàng Model cho phép bạn chọn một model khác từ danh mục mà Runtime đó báo cáo. Bạn cũng có thể thiết lập model trong Custom arguments của Agent hoặc Runtime.
Hãy xây dựng quy tắc dựa trên các biến thể (variant) thay vì chỉnh sửa trực tiếp. Dưới đây là phác thảo sơ lược về ba cấu hình:
Agent "Codex, routine" Custom arguments: --model gpt-6.1-terra effort: medium
Agent "Codex, hard tail" Custom arguments: --model gpt-6.1-sol effort: medium
Crew leader Custom arguments: --model gpt-6.1-sol
Tài liệu liệt kê “sử dụng một model mặc định khác” là lý do để tạo một biến thể Agent: nó giữ nguyên hướng dẫn và repository của bản gốc nhưng chỉ ghi đè riêng model. Việc dùng hai biến thể giúp bảng công việc luôn trực quan và dễ theo dõi, bởi mỗi Task đều hiển thị rõ luồng nào đã xử lý nó. Đối với một lượt chạy thử nghiệm đơn lẻ, tùy chọn model theo lượt chạy trong bảng chọn Assignee sẽ ghi đè thiết lập mặc định của Agent chỉ riêng cho lượt chạy đó.
Sharkly lưu giữ ngữ cảnh, tiến độ, các điểm nghẽn (blocker), kết quả và đánh giá của con người ngay trên Task bất kể model nào thực thi, và đó chính là yếu tố giúp chúng ta có thể thống kê được tỷ lệ chuyển giao.
Những điều mà mức giá mặc định rẻ hơn không thay đổi được
Terra giúp giảm chi phí tạo ra các thay đổi, nhưng không làm giảm chi phí kiểm duyệt và phê duyệt chúng. Các lượt chạy với giá rẻ một nửa cùng tốc độ nhanh gấp ba lần có thể khiến số lượng diff tồn đọng chờ con người phê duyệt vào thứ Sáu tăng lên đáng kể. Hãy kiểm tra hàng đợi review trước khi bổ sung thêm thành viên; bài viết khâu đánh giá của con người là điểm nghẽn sẽ phân tích kỹ hơn về khía cạnh này.
Nó cũng không thể giải quyết được những công việc khó nhất. Bản thân OpenAI cũng khuyến nghị sử dụng Sol hoặc GPT-6 Astra cho các tác vụ lập trình phức tạp nhất, và khoảng cách 6 điểm trên Coding Agent Index cũng phản ánh điều tương tự. Quy tắc nêu trên được thiết kế để giữ các công việc phức tạp đó trên Sol một cách có chủ đích.
Kết luận
Hãy để Terra làm mặc định và Sol là ngoại lệ. Với mô hình step mẫu của chúng tôi, phương pháp này cắt giảm hóa đơn gần như một nửa so với việc dùng toàn bộ Sol, trong khi leader và các tác vụ khó (hard tail) vẫn được đảm nhận bởi model mạnh hơn. Hãy theo dõi tỷ lệ chuyển giao thay vì chỉ nhìn vào giá token để quyết định thời điểm cần chuyển một nhóm Task cụ thể.
Bước tiếp theo của bạn: tạo một biến thể Terra cho Codex Agent, đưa vào một Crew dưới sự điều phối của leader dùng Sol và chạy thử trong một Sprint. Theo trang bảng giá, Sharkly hiện đang miễn phí cho các tổ chức có quy mô tối đa 5 người.
FAQ
GPT-6.1 Terra có lập trình tốt hơn GPT-6.1 Sol không?
Không. Sol đạt 54 điểm trên Coding Agent Index của Artificial Analysis còn Terra đạt 48 điểm. Terra vượt trội về giá thành và tốc độ, đó là lý do vì sao nó phù hợp với các tác vụ lập trình thông thường hơn là những Task khó nhất.
GPT-6.1 Terra rẻ hơn GPT-6.1 Sol bao nhiêu?
Rẻ hơn đúng một nửa ở mọi hạng mục: $1 so với $2 cho input, $0,05 so với $0,10 cho cached, và $5 so với $10 cho output trên mỗi triệu token.
Crew leader có nên chạy bằng Terra không?
Hãy bắt đầu với Sol. Leader chỉ chiếm một phần nhỏ trong tổng số step nên chi phí nâng cấp không đáng kể, trong khi một bản kế hoạch sai có thể khiến toàn bộ thành viên đi chệch hướng.
Tôi có thể dùng mức effort none trên Sol không?
Không. GPT-6.1 Sol đã loại bỏ mức none, và mức thấp nhất của nó là low. Terra đã đưa mức none quay trở lại.
GPT-6.1 Terra có miễn phí không?
Không. Không có gói API miễn phí, và các gói ChatGPT Free lẫn Go đều không bao gồm model này. Bài viết của chúng tôi về cách chạy GPT-6.1 Sol không cần API key sẽ giải thích rõ việc sử dụng theo gói thuê bao so với tính phí theo từng token.
Làm thế nào để chuyển riêng một Task sang Sol mà không cần thay đổi Agent?
Hãy dùng tính năng chọn model theo từng lượt chạy trong mục chọn Assignee. Thao tác này sẽ ghi đè thiết lập mặc định của Agent chỉ riêng cho lượt chạy đó.
