Đội của bạn vốn đã phân chia công việc giữa các model rồi. Chỉ có điều việc đó diễn ra trong đầu mỗi người. Một kỹ sư chạy mọi thứ trên hạng đắt tiền vì nó ít hỏng hơn. Một người khác chuyển sang hạng rẻ từ tháng trước và chẳng nói với ai. Người thứ ba vẫn dùng đúng thứ mà công cụ mặc định lúc cài. Cách này còn sống được khi chỉ một người chạy một agent. Nhưng nó sụp đổ ngay khi năm Agent chạy song song và không ai nói được cái nào đang tiêu gấp bốn mươi lần mức cần thiết chỉ để viết một docstring, hay cái nào đang âm thầm làm hỏng một job mà nó vốn không đủ mạnh để đảm nhận.
Ngày 22/09/2026, khoảng cách giữa các hạng đã đủ rộng để thành vấn đề. Anthropic ra mắt Claude Opus 5.5. OpenAI ra mắt GPT-6 Sol và GPT-6 Luna. Khoảng cách giữa cái rẻ nhất và cái đắt nhất trong ba model này là 40 lần ở token đầu vào, và cả ba đều đủ tốt để giao một Task thực sự.
Quy tắc định tuyến là một văn bản thành văn, không phải sở thích cá nhân
Quy tắc định tuyến là một văn bản ghi rõ loại Task nào chạy trên Runtime nào, được gắn với Agent thực thi công việc chứ không gắn với người tình cờ khởi chạy.
Đó là toàn bộ ý tưởng, và nửa quan trọng nhất nằm ở chữ “thành văn”. Một sở thích nằm trong terminal của một người và hết hiệu lực khi người đó đi nghỉ phép. Một quy tắc nằm ngay cạnh Agent, nên một Assignee nhận Task sẽ kế thừa nó, một reviewer có thể thấy hạng nào đã tạo ra diff mình đang đọc, và việc đổi ý vào quý sau chỉ tốn một lần sửa thay vì sáu cuộc trò chuyện.
Quy tắc định tuyến không phải là bảng xếp hạng các model. Nó không tuyên bố ai thắng, và cũng không cần điều đó. Nó chỉ nói mỗi loại công việc mặc định đi đâu, và chuyện gì xảy ra khi mặc định đó hóa ra sai.
Ba hạng model tốn bao nhiêu
| Claude Opus 5.5 | GPT-6 Sol | GPT-6 Luna | |
|---|---|---|---|
| API id | claude-opus-5-5 |
gpt-6-sol |
gpt-6-luna |
| Đầu vào / đầu ra mỗi 1M | $4 / $20 | $2 / $10 | $0.10 / $0.50 |
| Đầu vào được cache | $0.20 đọc, $5 ghi | Giảm 90% cho lượt đọc | Giảm 90% cho lượt đọc |
| Context | 1M | 872k | 1M |
Để tham khảo: Claude Opus 5 ở mức $5 / $25, và GPT-6 Astra ở mức $10 / $50. OpenAI mô tả Sol và Luna rẻ hơn 50% so với mức giá khuyến mãi của GPT-5.6. Chữ “khuyến mãi” là do chính OpenAI dùng và nó thay đổi ý nghĩa: mốc so sánh cho con số đứng ở tít đó là giá đã giảm, không phải giá niêm yết. OpenAI cũng nói Astra “vẫn là model tốt nhất của chúng tôi trên mọi phương diện”, một lời nhắc hữu ích rằng Sol là hạng cân bằng giữa giá và hiệu năng trong chính gia đình của nó, chứ không phải flagship.
Một phép kiểm tra thực tế trước khi bạn đưa một hạng vào quy tắc: OpenAI liệt kê Sol và Luna trong ChatGPT Work và trong Codex cho các gói Plus, Pro, Business, Enterprise và Edu, với Free và Go được dùng Luna trên ứng dụng desktop, và cho biết cả hai vẫn chưa có trong Chat. Tính khả dụng định hình quy tắc định tuyến cũng nhiều như giá, bởi một hạng mà nửa Crew của bạn không thể chạm tới thì không phải là một hạng.
Định tuyến theo chi phí cho mỗi tác vụ hoàn thành, không theo đơn giá token
Giá token chỉ là đại diện cho con số bạn thực sự trả. Một model có đơn giá bằng một phần năm nhưng cần bốn lần thử và một người vào cứu thì không hề rẻ hơn. Trong lần ra mắt này, OpenAI công bố chi phí mỗi tác vụ song song với điểm số — một điều hiếm thấy vì quá trực diện, và đúng là dạng bằng chứng mà một quyết định định tuyến cần.
| Benchmark, theo cách OpenAI công bố | Kết quả | Chi phí mỗi tác vụ, tương đối |
|---|---|---|
| AutomationBench 1.0.6, Sol ở mức extra-high | 33.2% | $0.27 mỗi tác vụ |
| AutomationBench 1.0.6, GPT-6 Astra ở mức low | 30.3% | Gấp 3.9 lần Sol |
| AutomationBench 1.0.6, Claude Opus 5 ở mức max | 26.9% | Gấp 11.1 lần Sol |
| AutomationBench 1.0.6, Fable 5.1 với fallback sang Opus 5 ở mức max | 31.4% | Hơn 8.9 lần Sol |
| Agents’ Last Exam V1, Sol ở mức max | 56.4%, cao hơn kết quả tốt nhất của Opus 5 | Thấp hơn Opus 5 60% |
| OSWorld 2.0 offline, Sol ở mức extra-high | 60.5% so với 60.3% của Opus 5 ở mức medium | Rẻ hơn khoảng 80% |
| DeepSWE 1.1, Luna ở mức max | 66.6% | Rẻ hơn Opus 5 93% |
| DeepSWE 1.1, Sol ở mức max | 68.8%, chỉ kém Fable 5 ở mức extra-high 1.1 điểm phần trăm | Rẻ hơn khoảng 80% |
Hai điều cùng đúng ở bảng đó một lúc. Biên lợi thế rất lớn, và chúng được đo so với Claude Opus 5, không phải Opus 5.5 — model chưa tồn tại khi bài viết của OpenAI ra đời và chỉ ra mắt vài giờ sau đó, với chi phí vận hành thấp hơn Opus 5 40% theo chính lời Anthropic. Chưa ai chạy lại phép so sánh này. Hãy coi các dòng đó là những con số được công bố gần nhất, và thứ hạng mà chúng ngụ ý là một giả thuyết cần kiểm chứng trên chính repository của bạn.
Điều còn trụ được qua lưu ý đó là hình dạng tổng thể, và chính hình dạng đó là thứ một quy tắc định tuyến cần. Các hạng rẻ vẫn đứng vững với công việc có phạm vi rõ ràng, lặp đi lặp lại, chỉ với một phần nhỏ chi phí. Những tuyên bố của chính Anthropic về Opus 5.5 hoàn toàn không nói về giá mỗi tác vụ: vận hành rẻ hơn Opus 5 40%, đầu ra nhanh hơn khoảng 30%, tối đa 128k output, và bám trụ công việc liên tục 18 giờ hoặc hơn. Đó là mô tả về một model bạn nhắm vào những việc dài, xấu xí, chứ không phải thứ bạn dùng cho hàng trăm việc nhỏ.
Quy tắc, viết rõ ra thành văn bản
Đây là sản phẩm cụ thể. Nó cố tình nhàm chán, và nó phải nằm ở nơi cả đội đọc được, chứ không phải trong một file config riêng tư trên một chiếc laptop.
ROUTING RULE (owner: platform, review: end of Sprint)
Tier 1 Runtime: Codex on gpt-6-luna
Triage, labelling, changelog and release notes, first-pass review
comments, test scaffolding, dependency bumps, doc edits.
Rule of thumb: if a wrong answer costs a reviewer one minute, route here.
Tier 2 Runtime: Codex on gpt-6-sol <- default
Bounded feature work, bug fixes with a reproduction, refactors inside
one module, anything repeated many times a day and cheap to retry.
Tier 3 Runtime: Claude Code on claude-opus-5-5
Migrations, cross-cutting refactors, work that must hold context for
hours, anything where stopping halfway costs more than the tokens.
ESCALATION
A Tier 1 or Tier 2 Task that fails twice returns to the Task with its
log and does NOT silently re-run on Tier 3. A person moves it.
EXCEPTIONS
Named on the Task, with a reason, by the Assignee. Not in a DM.
Ba dòng làm nên phần việc thực sự. Hạng mặc định được nêu tên, nên một Task không ai để ý vẫn rơi vào một chỗ hợp lý. Việc leo thang được ghi rõ, nên một thất bại rẻ tiền không thể âm thầm dẫn tới một thất bại đắt đỏ. Các ngoại lệ được ghi lại trên Task, và đó chính là khác biệt giữa một quy tắc và một lời gợi ý.
Leo thang là nửa phần mà các đội hay bỏ qua
Khoản tiết kiệm trong bảng trên là thật, tính theo từng lần thử. Nó bốc hơi nếu một lần thử rẻ tiền thường xuyên biến thành một lần chạy lại đắt đỏ cộng thêm một người vào cứu, vì khi đó bạn phải trả tiền cho cả hai lần chạy lẫn sự gián đoạn. Đây chính là kiểu hỏng hóc của các chuỗi fallback tự động: chúng giấu chi phí của hạng rẻ vào trong hóa đơn của hạng đắt, và không ai nhìn ra được tỷ giá quy đổi.
Vậy nên hãy để việc leo thang diễn ra thủ công và hiển thị rõ. Một lần chạy thất bại sẽ quay về Task kèm log, diff tính đến lúc đó, và câu hỏi mà nó bị kẹt. Một người sẽ quyết định xem nên chuyển nó lên hạng cao hơn, tách nhỏ nó, hay làm rõ nó. Agent nghiên cứu, thực thi, kiểm thử và báo cáo. Con người định hướng, trao quyền và nghiệm thu kết quả. Nếu đường leo thang của bạn là một vòng lặp chạy lại, thì bạn vừa tự động hóa đúng cái quyết định cần đến con người.
Còn một điều nữa đáng để mắt trước khi bạn định tuyến công việc nhạy cảm với độ trễ xuống một hạng thấp hơn. Artificial Analysis, một bên thứ ba chứ không phải nhà cung cấp nào, đo được các biến thể suy luận “max” đạt 115.2 token đầu ra mỗi giây với Sol, kèm 102.15 giây tới token đầu tiên, và 153.9 token mỗi giây với Luna, kèm 124.23 giây. Hãy kiểm chứng lại với bảng niêm yết hiện hành trước khi dựa vào chúng. [VERIFY] Điểm mấu chốt nằm ở hình dạng: khi ở mức suy luận tối đa, các model rẻ không phải là những model khởi đầu nhanh, và một Agent đang suy nghĩ cả trăm giây trông chẳng khác gì một Agent đã treo. Dù bạn định tuyến tới hạng nào, cách Runtime báo hiệu tiến độ và thất bại sẽ quyết định liệu có ai nhận ra sự khác biệt hay không.
Khi nào không nên viết quy tắc định tuyến
Nếu bạn chỉ chạy một agent trên một repository, đừng làm bất cứ điều gì trong số này. Chọn hạng phù hợp với công việc của bạn rồi đi tiếp. Định tuyến tiêu tốn một văn bản phải duy trì và một cuộc tranh luận phải trải qua, và nó chỉ sinh lời khi nhiều Agent chạy cùng lúc với chi phí hoặc kiểu thất bại khác nhau.
Ngưỡng đại khái là thế này: hãy viết quy tắc khi có từ hai người trở lên có thể khởi chạy, hoặc khi một ngân sách bao trùm nhiều Agent chạy đồng thời. Dưới ngưỡng đó, quy tắc chỉ là chi phí phụ trội. Trên ngưỡng đó, việc thiếu nó chính là lý do không ai giải thích nổi hóa đơn tháng trước.
Con số không hề nhúc nhích
Chi phí cho mỗi tác vụ hoàn thành đã giảm mạnh ở cả hai phía trong lần ra mắt này. Để hình dung quy mô, OpenAI báo cáo rằng nhà nghiên cứu ở mức trung vị của họ chi hơn $600 mỗi ngày cho coding agent, với phân vị thứ 90 là $7,000. Các đội nằm dưới mức đó vừa có thêm gấp mấy lần khối lượng công việc agent đã hoàn thành với cùng một ngân sách, điều này đáng để theo dõi theo từng Runtime thay vì theo hóa đơn.
Nhưng họ không có thêm một giờ review nào. Định tuyến là một đòn bẩy về chi phí và độ tin cậy, chứ không phải đòn bẩy về thông lượng, bởi hàng đợi công việc chờ một người nghiệm thu vẫn không đổi. Điều định tuyến có thể làm là khiến hàng đợi đó trở nên dễ đọc: hạng nào đã tạo ra diff này, tốn bao nhiêu, mất bao nhiêu lần thử, và Task đã thất bại hai lần đang nằm trong Inbox của ai đó hay chẳng nằm ở đâu cả. Hãy giữ mục tiêu, lần chạy, chi phí, các điểm tắc và phần review trên Task từ lúc yêu cầu đến lúc phát hành, và quy tắc định tuyến sẽ trở thành một thiết lập mà cả đội cùng sửa, thay vì một thói quen mà sáu người giữ riêng.
Sharkly không chạy model và cũng không chọn model thay bạn. Nó là lớp Task, Computer, context và review dùng chung bao quanh những công cụ làm việc đó — và đó chính là nơi một quy tắc định tuyến phải nằm nếu muốn tồn tại lâu hơn người viết ra nó. Nếu bạn đã chạy nhiều coding agent, model nào nhận task nào và agent nào nhận nó là cùng một quyết định nhìn từ hai phía. Kết nối một Computer, tạo một Agent cho mỗi hạng, và giao cho cái rẻ nhất một việc gì đó nhàm chán.
