OpenAI đã giấu đi phần thú vị nhất của sự ra mắt GPT-5.6 Sol dưới tin tức về vấn đề liên quan đến chính phủ. Cùng với dòng mô hình mới, OpenAI đã giới thiệu hai tính năng kiểm soát khả năng suy luận mới: một nỗ lực suy luận "tối đa" ("max") cho phép Sol có nhiều thời gian nhất để suy nghĩ, và một chế độ "siêu cấp" ("ultra") mà theo lời của OpenAI, "vượt xa một tác nhân duy nhất bằng cách tận dụng các tác nhân phụ để đẩy nhanh công việc phức tạp." Tính năng thứ hai này là một sự thay đổi thực sự trong cách một lệnh gọi mô hình duy nhất hoạt động.
Đầu tiên, thực tế về quyền truy cập. GPT-5.6 Sol hiện đang trong giai đoạn xem trước giới hạn thông qua OpenAI API và Codex mà thôi. Nó chưa có mặt trong ChatGPT và bị giới hạn cho khoảng 20 đối tác mà tên của họ đã được chính phủ Hoa Kỳ phê duyệt riêng lẻ. Vì vậy, bạn không thể bật chế độ ultra hôm nay trừ khi bạn là một trong số họ. Bài viết này dành cho các nhà phát triển muốn hiểu những thay đổi mà các tác nhân phụ bên trong một lệnh gọi mô hình mang lại cho thiết kế tác nhân, độ trễ và chi phí, để bạn có thể quyết định xem có đáng để chờ đợi hay không. OpenAI cho biết khả năng khả dụng rộng rãi trong ChatGPT, Codex và API sẽ ra mắt trong những tuần tới.
TL;DR
- Nỗ lực suy luận "tối đa" ("max") là một phiên bản sâu hơn của một cài đặt hiện có: nhiều thời gian suy nghĩ hơn, một tác nhân, một chuỗi công việc.
- Chế độ "siêu cấp" ("ultra") là một loại mới: mô hình tự sinh ra các tác nhân phụ để chia nhỏ công việc phức tạp, theo OpenAI.
- Bạn chưa thể sử dụng một trong hai chế độ này. GPT-5.6 là bản xem trước bị chính phủ giới hạn, chỉ có qua API và Codex, không có trong ChatGPT.
- Đầu ra của Sol có giá 30 đô la cho mỗi 1 triệu token, vì vậy chế độ ultra mà phân tán thành nhiều tác nhân phụ thì không hề rẻ. Hãy dành nó cho những công việc khó, có thể song song hóa.
- Đây là cùng một ý tưởng về điều phối viên đa tác nhân mà các phòng thí nghiệm khác đang triển khai, giờ đây được tích hợp bên trong một lệnh gọi mô hình duy nhất. Để kiểm tra mô hình điều phối này hôm nay, bạn phải sử dụng một mô hình mà bạn có thể truy cập.
Nỗ lực suy luận "tối đa" ("max") hoạt động như thế nào
OpenAI đã cho phép bạn điều chỉnh mức độ hoạt động của một mô hình suy luận thông qua cài đặt nỗ lực suy luận. GPT-5.6 bổ sung một cấp độ cao nhất mới có tên "max". Khi đặt cài đặt này, Sol sẽ có nhiều thời gian nhất để suy luận sâu sắc trước khi trả lời.
Hãy hình dung "max" như việc vặn một núm xoay mà bạn đã biết. Mô hình vẫn chạy như một tác nhân duy nhất và vẫn tạo ra một chuỗi suy luận. Bạn đang trả tiền cho nhiều suy luận hơn, cả về token và thời gian thực, để đạt được độ chính xác cao nhất trên một vấn đề khó. Sự đánh đổi này quen thuộc: suy nghĩ sâu hơn tốn kém hơn và mất nhiều thời gian hơn, và hầu hết các lời nhắc đều không cần đến nó. Max là cài đặt phù hợp khi một câu hỏi khó duy nhất cần thêm sự cân nhắc kỹ lưỡng, chẳng hạn như một lần tái cấu trúc tinh tế hoặc một kế hoạch nặng về toán học. Nó không thay đổi hình thức công việc. Nó thay đổi thời gian mà một tác nhân dành cho công việc đó.
Chế độ "siêu cấp" ("ultra") thay đổi điều gì
Ultra là một khái niệm khác. Theo OpenAI, chế độ ultra "vượt xa một tác nhân duy nhất bằng cách tận dụng các tác nhân phụ để đẩy nhanh công việc phức tạp." Thay vì một mô hình xử lý vấn đề trong một chuỗi duy nhất, mô hình điều phối nhiều tác nhân phụ giải quyết các phần của nhiệm vụ, sau đó tổng hợp lại công việc của chúng.
Nếu bạn đã tự xây dựng hệ thống tác nhân, bạn đã làm điều này theo cách khó khăn. Bạn viết một bộ điều phối. Nó phân rã một nhiệm vụ thành các nhiệm vụ phụ, phân phối chúng tới các lệnh gọi mô hình riêng biệt, sau đó thu thập kết quả và đưa ra câu trả lời cuối cùng. Bạn quản lý các lời nhắc, trạng thái, các lần thử lại và mã "glue code" giữa mỗi bước.
Chế độ ultra đưa mô hình đó vào bên trong lệnh gọi mô hình. Bạn chỉ cần yêu cầu một lần. Mô hình sẽ quyết định cách chia công việc, chạy các tác nhân phụ và trả về kết quả. Việc điều phối mà trước đây bạn tự quản lý giờ đây diễn ra đằng sau một lệnh gọi API duy nhất. Đó là phần thực sự mới lạ. Để hiểu thêm về ngữ cảnh chung của dòng sản phẩm, bài tổng quan về GPT-5.6 Sol bao gồm các cấp độ, cách đặt tên và lý do tại sao toàn bộ mọi thứ bị khóa sau một bản xem trước của chính phủ.
Điều này thay đổi gì đối với thiết kế tác nhân
Khi di chuyển việc điều phối vào bên trong mô hình, ba điều sẽ thay đổi trong cách bạn xây dựng.
Ít mã "glue code" hơn. Logic phân rã, phân tán và hợp nhất từng nằm trong ứng dụng của bạn có thể được thu nhỏ lại. Bạn mô tả mục tiêu và để mô hình xử lý việc phân chia. Điều này giúp giảm diện tích bề mặt cần bảo trì và ít nơi hơn để việc điều phối của bạn lệch khỏi hành vi của mô hình.
Ít kiểm soát hơn. Mặt trái là bạn mất đi khả năng hiển thị. Khi bạn sở hữu bộ điều phối, bạn thấy mọi nhiệm vụ phụ, kết quả trung gian và lần thử lại, và bạn có thể ghi nhật ký chúng hoặc can thiệp. Với các tác nhân phụ bên trong một lệnh gọi duy nhất, cơ chế đó trở nên không rõ ràng. Bạn thấy đầu vào và đầu ra cuối cùng, chứ không phải các nhánh ở giữa. Đối với các quy trình làm việc cần một bản kiểm toán, một bộ điều phối tự xây dựng vẫn là lựa chọn tốt hơn.
Các chế độ lỗi khác nhau. Một tác nhân duy nhất thường gặp lỗi theo cách bạn có thể dễ dàng theo dõi. Một mô hình chạy các tác nhân phụ nội bộ gặp lỗi theo những cách khó gán nguyên nhân hơn. Liệu một tác nhân phụ nào đó đã đi chệch hướng? Liệu bước hợp nhất đã bỏ sót điều gì đó? Bạn sẽ không phải lúc nào cũng có thể biết được từ bên ngoài, điều này quan trọng khi bạn đang gỡ lỗi một tác nhân trong môi trường sản xuất.
Đây là cùng một sự căng thẳng tồn tại trong mọi hệ thống đa tác nhân, nhưng được định vị lại. Để xem cách các bộ điều phối chuyên dụng định hình nó, bài viết Fugu Ultra so với Fable 5 so với Mythos sẽ phân tích một mô hình được xây dựng rõ ràng như một bộ điều phối đa tác nhân, tạo ra sự đối lập hữu ích với việc OpenAI tích hợp ý tưởng này vào bên trong một mô hình duy nhất.
Độ trễ và chi phí: tại sao ultra không miễn phí
Các tác nhân phụ hoạt động song song, vì vậy đối với nhiệm vụ phù hợp, ultra có thể hoàn thành nhanh hơn so với một tác nhân làm việc từng bước tuần tự. Đó là lời hứa "đẩy nhanh công việc phức tạp".
Về mặt chi phí, bạn cần phải thẳng thắn. Sol là cấp độ cao cấp nhất, và đầu ra của nó có giá 30 đô la cho mỗi 1 triệu token, với đầu vào là 5 đô la cho mỗi 1 triệu (Terra và Luna là các cấp độ rẻ hơn trong cùng dòng). Bây giờ hãy hình dung ultra sinh ra nhiều tác nhân phụ, mỗi tác nhân tạo ra suy luận và token đầu ra riêng. Các token đó cộng lại trên mỗi tác nhân phụ, vì vậy một lệnh gọi ultra duy nhất có thể tốn kém hơn nhiều so với một lệnh gọi max duy nhất trên cùng một lời nhắc. Ultra đánh đổi token để lấy tốc độ và độ sâu cho những công việc khó, có thể song song hóa. Nếu nhiệm vụ của bạn không phân rã thành các phần độc lập, bạn đang trả tiền cho các tác nhân phụ chờ đợi lẫn nhau hoặc trùng lặp nỗ lực. Đó là trường hợp lãng phí.
Bộ nhớ đệm lời nhắc (prompt caching) giúp giảm chi phí. GPT-5.6 hỗ trợ các điểm ngắt bộ nhớ đệm rõ ràng với thời gian sống bộ nhớ đệm tối thiểu là 30 phút. Ghi vào bộ nhớ đệm được tính phí gấp 1.25 lần tỷ lệ đầu vào không được đệm, và đọc từ bộ nhớ đệm được giảm giá 90% đầu vào đã được đệm. Nếu các tác nhân phụ của bạn chia sẻ một ngữ cảnh chung lớn, như một lời nhắc hệ thống lớn hoặc một cơ sở mã cố định, việc lưu vào bộ nhớ đệm một lần và đọc lại với chi phí thấp qua các lệnh gọi sẽ giúp tiết kiệm đáng kể. Tuy nhiên, nó không thay đổi chi phí token đầu ra, vốn là nơi ultra tiêu tốn nhiều nhất.
Khi nào ultra hữu ích, và khi nào nó là quá mức cần thiết
Sử dụng ultra khi nhiệm vụ chia thành các phần độc lập có lợi từ công việc song song và khi độ chính xác biện minh cho chi phí. Hãy nghĩ đến một thay đổi lớn trong codebase ảnh hưởng đến nhiều tệp cùng lúc, một nhiệm vụ nghiên cứu mở rộng ra nhiều nguồn, hoặc một công việc tác nhân phức tạp với các nhánh song song. Đây là những công việc mà OpenAI đang định vị Sol cho, bao gồm công việc mã hóa và khoa học.
Bỏ qua ultra khi nhiệm vụ là tuần tự, nhỏ hoặc nhạy cảm về độ trễ với ngân sách hạn chế: một câu trả lời ngắn, một chỉnh sửa tệp đơn lẻ, một phân loại nhanh. Đối với những trường hợp đó, ultra sẽ kích hoạt các tác nhân phụ không có gì để song song hóa, và nỗ lực suy luận tối đa (max) hoặc thậm chí nỗ lực mặc định là lựa chọn chân thực hơn.
Đây là một cách thẳng thắn để quyết định. Nếu bạn không thể chia nhiệm vụ cho nhiều nhà thầu con người làm việc cùng lúc, thì mô hình có lẽ cũng không thể nhận được nhiều giá trị từ các tác nhân phụ. Công việc tuần tự vẫn là tuần tự bất kể bạn sử dụng bao nhiêu tác nhân.
Điều này phù hợp với xu hướng đa tác nhân rộng lớn hơn như thế nào
OpenAI không phải là người đầu tiên đưa ra ý tưởng rằng nhiều tác nhân được phối hợp sẽ hiệu quả hơn một tác nhân. Các phòng thí nghiệm khác đã phát hành các mô hình và framework nơi một bộ điều khiển ủy quyền cho các chuyên gia và ghép nối các kết quả lại với nhau. Điều mới là cách đóng gói: OpenAI cung cấp mô hình đó như một chế độ trên một mô hình duy nhất thay vì một hệ thống riêng biệt mà bạn phải tự lắp ráp.
Đó là một sự đặt cược về hướng phát triển của việc xây dựng tác nhân. Nếu việc điều phối nội tại mô hình đủ tốt, nhiều lớp điều phối được tự xây dựng thủ công sẽ trở nên dư thừa cho các trường hợp phổ biến. Nếu nó vẫn không rõ ràng và khó gỡ lỗi, các nhóm cần kiểm soát sẽ tiếp tục tự xây dựng hệ thống của riêng họ. Cả hai điều này đều có thể đúng cùng lúc, với ultra xử lý các trường hợp dễ dàng và điều phối tùy chỉnh xử lý những trường hợp cần theo dõi kiểm toán. Bài phân tích điểm chuẩn GPT-5.6 Sol đi sâu vào việc liệu các con số có ủng hộ các tuyên bố về điều phối hay không, tập trung vào quyết định duy nhất bạn có thể đưa ra ngay bây giờ: chờ đợi hay tiếp tục.
Những gì bạn có thể làm hôm nay
Bạn không thể chạy chế độ ultra, vì vậy động thái thực tế là xây dựng và thử nghiệm mô hình điều phối trên một mô hình mà bạn có thể gọi. Các mô hình tiên tiến hiện có sẵn, như Claude Mythos 5, Claude Fable 5, GPT-5.5, Gemini 3.5 Pro, GLM-5.2 và Fugu Ultra, đều cung cấp các điểm cuối trò chuyện tương thích với OpenAI hoặc tiêu chuẩn mà bạn có thể kết nối ngay hôm nay.
Đó là nơi Apidog phù hợp. Bạn có thể gửi yêu cầu đến bất kỳ API mô hình nào trong số này, đặt các tham số như nỗ lực suy luận (reasoning effort) nơi mô hình hỗ trợ, khẳng định các phản hồi và lưu các lệnh gọi dưới dạng các kịch bản kiểm thử có thể tái sử dụng. Khi bạn có quyền truy cập bản xem trước GPT-5.6, thiết lập tương tự đã sẵn sàng: chỉ cần hoán đổi điểm cuối và mã nhận dạng mô hình, và bạn đang kiểm thử Sol ngay ngày bạn được cấp quyền. Bạn không kiểm thử Sol hôm nay, vì không ai bên ngoài các đối tác được phê duyệt có thể làm điều đó. Bạn đang chuẩn bị bộ công cụ kiểm thử của mình để ngày đầu tiên không phải là một sự vội vàng.
Kết luận
Chế độ Ultra là phần có tầm nhìn xa nhất của đợt ra mắt GPT-5.6: việc điều phối từng nằm trong mã của bạn, giờ đây được di chuyển vào bên trong một lệnh gọi mô hình duy nhất. Nó cũng là một thứ bạn chưa thể chạm tới, và khi bạn có thể, nó sẽ không hề rẻ, vì vậy nguyên tắc là phải điều chỉnh cài đặt phù hợp với công việc. Hãy sử dụng "max" khi một tác nhân cần suy nghĩ kỹ hơn. Chỉ nên dùng "ultra" khi nhiệm vụ thực sự chia thành các phần song song đáng giá với chi phí token.
Bạn muốn bộ công cụ kiểm thử của mình sẵn sàng cho ngày Sol được mở? Tải xuống Apidog và bắt đầu kiểm thử các API mô hình tiên tiến mà bạn có thể gọi hôm nay.