Một Crew leader hầu như không viết code. Nó đọc Task, quyết định ai nên hành động, nhắc đến những member cần thiết, chờ đợi, đọc kết quả trả về, rồi hoặc tổng hợp lại hoặc gửi trả ngược. Với GPT-6 Astra ở mức $10 mỗi triệu token đầu vào và $50 mỗi triệu token đầu ra, Agent tạo ra ít code nhất lại đang ngốn mức giá cao nhất trong Crew.
OpenAI ra mắt GPT-6 Sol vào ngày 22/09/2026 với giá $2 vào và $10 ra, API id gpt-6-sol, chỉ bằng một phần năm mức giá của Astra ở cả hai chiều. Điều đó không khiến Sol trở thành model thông minh nhất hiện có. Nó chỉ khiến chiếc ghế điều phối trở nên đủ rẻ để lúc nào cũng có người ngồi trong mọi Crew bạn vận hành.
Chúng tôi đã trình bày quan điểm ủng hộ Astra trong bài GPT-6 Astra làm Crew leader của bạn: hãy trao chiếc ghế quyết định cho người có phán đoán tốt nhất trong nhóm, còn các member có thể chỉ ở mức bình thường. Lập luận đó vẫn đúng. Thứ đã thay đổi là cái giá để hiện thực hóa nó. Thứ chưa thay đổi là hàng đợi công việc đã xong đang chờ một người phê duyệt.
TL;DR
Crew là một nhóm People và Agent có thể tái sử dụng, được điều phối bởi một leader Agent, và quá trình thực thi diễn ra theo kiểu leader-first: leader đọc ngữ cảnh của Task cùng hướng dẫn của Crew trước khi bất kỳ member nào bắt đầu. Chiếc ghế đó nặng về đầu vào và chạy nhiều hơn một lần cho mỗi Task, nên hóa đơn của nó phản ánh việc đọc chứ không phải việc viết. Sol ở mức $2 / $10 với ưu đãi giảm 90% khi đọc input từ cache khiến việc duy trì một leader trên mọi Crew trở nên vừa túi tiền. Hãy giữ Astra hoặc Claude Opus 5.5 ở chiếc ghế đó khi bản thân yêu cầu còn mơ hồ. Agent nghiên cứu, thực thi, kiểm thử và báo cáo. Con người định hướng, trao quyền và phê duyệt kết quả.
Chiếc ghế leader thực sự tiêu tốn những gì
Tài liệu Sharkly mô tả quá trình thực thi Crew như một chuỗi cố định. Nếu Task đang ở trạng thái có thể thực thi và leader đã sẵn sàng, leader Agent sẽ khởi chạy trước tiên. Nó đọc ngữ cảnh Task và hướng dẫn của Crew, sau đó hoặc tự xử lý công việc, hoặc nhắc đến các Agent member đủ điều kiện để đóng góp những phần cụ thể. Kết quả của họ được trả về Task, và leader tổng hợp những gì nhận được.
Hãy đọc điều đó dưới góc độ chi phí. Mỗi lượt của leader đều bắt đầu bằng việc đọc: phần mô tả, các bình luận từ lần trước đến giờ, hướng dẫn của Crew, những role hiện có, và mọi thứ mà các member đã đăng. Nó kết thúc bằng việc viết ra một quyết định ngắn hoặc một lượt nhắc tên. Nặng đầu vào, nhẹ đầu ra, lặp đi lặp lại.
Và chiếc ghế này bận rộn hơn mức mà hầu hết các nhóm tưởng, bởi leader không chỉ chạy một lần cho mỗi Task. Với một Task được giao cho Crew, một bình luận thông thường đủ điều kiện từ một member cũng có thể khởi chạy Crew leader, theo đúng yêu cầu về tính sẵn sàng như mọi lượt chạy khác. Một Task có thảo luận đang diễn ra là một Task mà leader đã đọc thread đó vài lần.
| Ứng viên cho chiếc ghế leader | API id | Input / output mỗi 1M | Cached input |
|---|---|---|---|
| GPT-6 Astra | không nêu rõ | $10 / $50 | không nêu rõ |
| Claude Opus 5.5 | claude-opus-5-5 |
$4 / $20 | $0.20 đọc, $5 ghi |
| GPT-6 Sol | gpt-6-sol |
$2 / $10 | giảm 90% khi đọc |
| GPT-6 Luna | gpt-6-luna |
$0.10 / $0.50 | giảm 90% khi đọc |
Đó là mức giá API của nhà cung cấp, và chúng được nêu ở đây để so sánh tỷ lệ chứ không phải để tính hóa đơn. Việc sử dụng model vẫn diễn ra thông qua các gói subscription hoặc API key được cấu hình trong công cụ lập trình của bạn, nên khoản nhóm bạn phải trả phụ thuộc vào những gói mà bạn kết nối.
Chi phí theo task, không phải chi phí theo token
Một leader đọc sai yêu cầu sẽ tốn cả một ngày chạy của các member, nên bảng giá không phải là nơi để giải quyết vấn đề này. OpenAI công bố chi phí theo task song song với điểm số, và đó mới là thứ gần với câu hỏi thực sự hơn.
| AutomationBench 1.0.6, theo công bố của OpenAI | Điểm | Chi phí mỗi task |
|---|---|---|
| GPT-6 Sol, extra-high effort | 33.2% | $0.27 |
| GPT-6 Astra, low effort | 30.3% | 3.9x Sol |
| Claude Opus 5, max effort | 26.9% | 11.1x Sol |
Trên Agents’ Last Exam V1, Sol ở max effort đạt 56.4%, cao hơn kết quả tốt nhất của Opus 5, với chi phí mỗi task thấp hơn 60%.
Ba lưu ý thành thật trước khi bạn chi đồng nào dựa trên sức mạnh của bảng đó. Đây là các lượt chạy benchmark cho toàn bộ agent, không phải các lượt chạy của leader; không ai công bố con số chi phí điều phối, và hóa đơn thực tế của leader phụ thuộc vào mức độ "nói nhiều" của các Task bạn tạo. Dòng Astra là ở mức low reasoning effort, đây là lựa chọn điểm so sánh của chính OpenAI chứ không phải Astra đang làm việc hết sức. Và OpenAI nói thẳng rằng Astra "tiếp tục là model tốt nhất của chúng tôi trên mọi phương diện", trong khi Artificial Analysis, một bên thứ ba, đặt chỉ số thông minh của Sol ở mức 48 so với 58 của Claude Opus 5.5. Sol không phải là model mạnh nhất bạn có thể đặt vào chiếc ghế đó. Nó là model mạnh nhất mà bạn có thể đủ khả năng để nó ngồi đó thường trực trên mọi Crew.
Caching là ưu đãi dành riêng cho chiếc ghế leader
GPT-6 nâng tỷ lệ cache hit mặc định và giảm 90% chi phí đọc input từ cache. Hai thay đổi có ý nghĩa hơn với leader so với member: việc thay đổi reasoning effort hoặc tập công cụ khả dụng không còn làm mất hiệu lực cache, và các breakpoint tường minh cho phép bạn chọn nơi một prefix được cache kết thúc. OpenAI dẫn chứng GitHub ghi nhận số token prompt cần xử lý mới giảm hơn 50% trên hàng tỷ request.
Leader là đối tượng gửi lại ngữ cảnh nhiều nhất trong một Crew. Nó đọc cùng một hướng dẫn Crew, cùng các quy ước repository, và một thread Task ngày càng dài ở mỗi lượt, và prefix đó gần như y hệt nhau mỗi lần. Đó chính xác là hình dạng mà một cached prefix được sinh ra để phục vụ. Cấu hình này nằm trong Runtime trên Computer, chứ không nằm trên Agent; bài cách chạy agent GPT-6 Sol trong Sharkly trình bày nơi cần đặt nó.
Khi nào Astra hoặc Opus 5.5 giữ chiếc ghế
Hãy dùng Sol làm leader khi Crew xử lý nhiều Task có phạm vi rõ ràng mỗi ngày, các role ổn định, và phần lớn phán đoán có thể được viết ra trong hướng dẫn Crew thay vì phải suy diễn lại mỗi lượt chạy. Hãy giữ một model đắt hơn ở chiếc ghế đó khi bản thân yêu cầu còn mơ hồ, khi một cách hiểu sai sẽ đẩy ba member đi sai đường, hoặc khi Task là một khối công việc dài thay vì nhiều việc ngắn.
Một leader rẻ hơn không phải là lý do để giao cho Crew những việc mà chỉ một Agent là đủ làm. Tài liệu nói rất rõ: với công việc nhỏ, đã được định nghĩa rõ ràng, hãy giao Task trực tiếp cho một Agent. Chỉ dùng Crew khi leader cần diễn giải mục tiêu, huy động các Agent member khác, và gom kết quả của họ về một Task. Một bản sửa chỉ liên quan một file mà lại đi qua Crew thì sẽ phải trả tiền cho một lượt chạy điều phối hoàn toàn không cần thiết, dù ở mức giá nào.
Việc thay đổi model của leader cũng không thay đổi gì về quyền sở hữu. Owner quản lý Crew; leader điều phối việc thực thi.
Viết phán đoán ra thành văn bản là điều giúp một chiếc ghế rẻ hơn trở nên khả thi:
You lead this Crew. Read the Task and the comments added since your
last turn, then pick the smallest set of members that can finish it.
Mention @backend for API and job changes, @tests for coverage,
@docs for user-facing pages.
Ask a person only when two readings of the requirement would produce
different designs. Otherwise state your assumption and proceed.
Combine member results into one summary: what changed, what you ran,
what failed, what you did not cover. Leave acceptance to a person.
Một lưu ý vận hành trước khi bạn tin tưởng một lượt chạy leader dài. Artificial Analysis đo được 102.15 giây cho token đầu tiên ở biến thể max reasoning của GPT-6 Sol, đây là con số của bên thứ ba cho một cấu hình max effort chứ không phải con số của nhà cung cấp. [VERIFY] Cả Crew đều chờ ở lượt đầu tiên của leader, nên một leader đang suy nghĩ và một leader đã bị treo trông giống hệt nhau cho đến khi có trạng thái nói khác đi.
Hóa đơn không hề thay đổi
OpenAI báo cáo rằng nhà nghiên cứu ở mức trung vị của họ chi hơn $600 mỗi ngày cho các agent lập trình, và nhóm phân vị thứ 90 chi $7,000. Với mức giá của Sol, một nhóm trước đây phải tiết chế các lượt chạy Crew giờ có thể chạy nhiều gấp mấy lần, và mỗi lượt trong số đó đều kết thúc bằng một kết quả mà con người phải đọc.
Đó chính là điểm nghẽn mà việc giảm giá làm trầm trọng thêm chứ không hề cải thiện. Điều phối rẻ hơn đồng nghĩa với nhiều công việc song song hơn, nhiều diff hơn, và nhiều quyết định hơn mỗi tuần, trong khi năng lực review được đo bằng số giờ con người thì không hề thay đổi vào ngày 22/09/2026. Agent nghiên cứu, thực thi, kiểm thử và báo cáo. Con người định hướng, trao quyền và phê duyệt kết quả. Tự động hóa dừng lại ở đúng nơi cần đến phán đoán của nhóm.
Đó là lý do vì sao đầu ra của leader quan trọng hơn mức giá của nó. Một lượt chạy leader kết thúc bằng một mớ log cuộn màn hình thì vô giá trị dù ở $0.27 hay $3. Một lượt chạy leader trả về kế hoạch, kết quả của các member, các bước kiểm tra, những thất bại, và câu hỏi còn bỏ ngỏ trong một Task duy nhất mới là thứ giúp con người phê duyệt công việc trong vài phút thay vì phải dựng lại từ đầu. Hãy để ngữ cảnh, tiến độ, điểm nghẽn, kết quả và bước review của con người luôn hiển thị từ lúc đưa ra yêu cầu đến lúc phát hành, và chiếc ghế rẻ hơn sẽ trở thành thông lượng thay vì tồn đọng.
Cần thay đổi gì trong tuần này
- Chọn một Crew đang có leader đắt tiền và trỏ Runtime của nó sang
gpt-6-soltrên Computer đó. - Chuyển những phán đoán mà bạn đang trả tiền để leader tự ứng biến vào hướng dẫn Crew, dưới dạng văn bản.
- Chạy một Sprint và so sánh hai con số với Sprint trước: số Task hoàn thành, và số Task bị gửi trả sau review. Nếu số bị gửi trả tăng lên, thì chiếc ghế cũ đã làm được nhiều hơn bạn tưởng.
Nếu bạn đã đang chạy nhiều agent, Sharkly cho bạn một nơi để quản lý task và kết quả của chúng.
