GPT-6.1 Terra có giá 1 USD mỗi triệu token đầu vào. Một tác vụ hoàn tất tốn bao nhiêu?

Sơ đồ biên tập gốc do Ken Jo thực hiện, dựa trên các nguồn được liệt kê bên dưới.

Một bên màn hình là hóa đơn, bên kia là biểu mẫu kế toán. Đọc số tiền là một nhiệm vụ. Chọn đúng nhà cung cấp, nhập đúng loại tiền và nhận ra rằng bản ghi đã lưu thực sự tồn tại là một nhiệm vụ lớn hơn. Khác biệt này càng quan trọng khi mô hình AI là bên thực hiện thao tác nhấp chuột.

OpenAI giới thiệu GPT-6.1 Terra ngày 26 tháng 10 năm 2026, với giá API tiêu chuẩn là 1 USD mỗi triệu token đầu vào, 0,05 USD mỗi triệu token đầu vào được lưu đệm và 5 USD mỗi triệu token đầu ra. Công ty định vị mô hình cho suy luận hình ảnh, sử dụng máy tính và viết, đồng thời cho biết các mức giá tiêu chuẩn này thấp hơn 50% so với GPT-5.6 Terra và GPT-6.1 Sol. Thông báo chính thức, thẻ hệ thống có ngày phát hành.

Giá thấp hơn giúp nhiều thử nghiệm trở nên khả thi hơn. Để quyết định thử nghiệm nào đáng trở thành quy trình làm việc, cần một thước đo khác: chi phí của kết quả mà bạn có thể chấp nhận. Bài viết này đi qua ba ứng dụng thực tế, một ví dụ chi phí minh bạch và cách đánh giá mô hình mà không nhầm lẫn giữa một lệnh gọi công cụ thành công với công việc đã hoàn tất.

Mô hình chọn hành động bên trong hệ thống thực thi hành động đó

Terra là mô hình do OpenAI, công ty đứng sau ChatGPT và Codex, cung cấp. Chọn mô hình này mang đến cho ứng dụng một tập hợp năng lực ngôn ngữ và hình ảnh nhất định. Ứng dụng bao quanh vẫn quyết định mô hình có thể quan sát màn hình nào, gọi công cụ nào và các công cụ đó được truy cập tài khoản nào.

Hãy xem ví dụ hóa đơn như một quy trình minh họa. Mô hình quan sát biểu mẫu, đề xuất hành động và nhận một góc nhìn cập nhật sau khi công cụ thực hiện. Góc nhìn mới rất quan trọng: một cú nhấp tưởng như đúng có thể mở bảng khác, làm lộ lỗi xác thực hoặc để việc lưu chưa hoàn thành. Quy trình cần nhận biết trạng thái mới trước khi tiếp tục.

Vì vậy, sử dụng máy tính là một vòng lặp chứ không phải một câu trả lời đơn lẻ. Tích hợp hữu ích kết nối quan sát, hành động và kiểm tra trạng thái sau hành động. Nó cũng xác định khi nào tác vụ nên dừng, hỏi người dùng hoặc báo thiếu dữ liệu cần thiết. Đây là những quyết định thuộc thiết kế ứng dụng, ngay cả khi mô hình giỏi diễn giải màn hình.

Tài liệu sử dụng máy tính của OpenAI, được kiểm tra ngày 27 tháng 10, phân biệt sự kiện hoạt động trình duyệt với trạng thái cuối cùng của toàn bộ lượt xử lý. Tài liệu cũng cung cấp tùy chọn đưa ảnh chụp màn hình vào đầu ra dạng luồng. Nhà phát triển có thể dùng các sự kiện đó để hiển thị tiến độ, đồng thời kiểm tra riêng xem kết quả được yêu cầu đã tồn tại hay chưa.

Một vòng lặp sử dụng máy tính mang tính minh họa. Ứng dụng cung cấp công cụ và quyền; bước kiểm tra chấp nhận xác định công việc đã hoàn tất hay chưa. Đây là sơ đồ giải thích tự biên soạn, không phải ảnh giao diện OpenAI.

Bảng giá là điểm khởi đầu cho ngân sách khối lượng công việc

Các mức giá tiêu chuẩn trong thông báo ngày 26 tháng 10 khá dễ so sánh, miễn là dùng cùng điều kiện tính phí. Đầu vào và đầu ra có giá khác nhau, còn đầu vào lưu đệm là một nhóm riêng. Vì vậy, một câu trả lời dài hoặc vòng quan sát lặp lại có thể làm thay đổi hóa đơn ngay cả khi số yêu cầu của người dùng không đổi.

Thẻ mô hình, được kiểm tra ngày 27 tháng 10, liệt kê thêm các điều kiện tính phí. Ghi vào bộ nhớ đệm có giá riêng, prompt vượt 272.000 token đầu vào chịu điều chỉnh cho ngữ cảnh dài, và chế độ dịch vụ có thể làm thay đổi giá. Hãy dùng mức giá áp dụng cho yêu cầu thực tế thay vì coi mức thấp nhất trong bảng là giá phổ quát.

Trong ví dụ tính toán dưới đây, giả sử xử lý tiêu chuẩn, không dùng bộ nhớ đệm và yêu cầu dưới ngưỡng ngữ cảnh dài. Mỗi lần thử sử dụng 10.000 token đầu vào và 1.000 token đầu ra được tính phí. Chi phí token do đó là 0,01 USD + 0,005 USD = 0,015 USD mỗi lần thử. Đây là số lượng được chọn để minh họa phép tính, không phải số đo Terra hay quy trình hóa đơn.

Sự phân biệt này là nền tảng cho một ngân sách hữu ích. Trước hết, xác định hóa đơn của một lần thử với các giả định rõ ràng. Sau đó hỏi quy trình cần bao nhiêu lần thử, dùng dịch vụ nào khác và cần kiểm tra bao nhiêu trước khi có người chấp nhận kết quả.

Thử lại và kiểm tra làm thay đổi chi phí của công việc được chấp nhận

Giả sử một lô giả định gồm 100 công việc được yêu cầu. Trong một kịch bản, hệ thống thực hiện 100 lần thử và 90 công việc được chấp nhận. Trong kịch bản khác, thao tác khôi phục làm số lần thử tăng lên 150 và số công việc được chấp nhận đạt 95. Thành công bổ sung là hữu ích, nhưng phép so sánh chi phí đã thay đổi.

Bảng thêm kịch bản thứ ba: 30 mục được con người kiểm tra, mỗi mục 20 giây, với chi phí lao động giả định 30 USD mỗi giờ. Tổng cộng là 600 giây, tức 10 phút, tốn 5 USD. Mọi số lượng công việc, số kết quả được chấp nhận và giả định lao động trong bảng đều mang tính minh họa; không con số nào mô tả kết quả sản phẩm đã đo được.

Mẫu số là công việc được chấp nhận, không phải câu trả lời được tạo ra. Thông báo hoàn tất trau chuốt không làm mẫu số tăng nếu bản ghi được lưu sai. Ngược lại, một quy trình yêu cầu làm rõ ngắn gọn có thể tạo kết quả hữu ích hơn quy trình tự tin tiếp tục khi thiếu thông tin.

Có thể gọi phần việc bổ sung là hóa đơn hoàn tất: các nguồn lực cần để biến một lần thử hành động thành kết quả được chấp nhận. Giá token là một khoản trên hóa đơn đó. Phí công cụ, môi trường thực thi, khôi phục và kiểm tra của con người có thể thêm các khoản khác. Bảng bỏ qua các dịch vụ bổ sung để phép tính dễ thấy; ước tính cho môi trường sản xuất cần tính các dịch vụ mà tích hợp thực tế sử dụng.

Nhận định của chúng tôi: tác động có giá trị nhất của mô hình rẻ hơn là có thêm dư địa cải thiện khả năng hoàn tất. Nhóm có thể đủ ngân sách so sánh chỉ dẫn, xem xét ca thất bại và kiểm tra đường khôi phục. Hạ giá một câu trả lời chưa kiểm tra kém hữu ích hơn dùng khoản tiết kiệm để tạo ra công việc cần ít sửa chữa hơn.

Bắt đầu với bản nháp hóa đơn có đích đến rõ ràng

Kịch bản thực tế đầu tiên là trợ lý công nợ phải trả chuẩn bị bản ghi nháp từ hóa đơn được cung cấp. Dùng tài khoản thử nghiệm và một tập tài liệu mẫu có giới hạn. Xác định trước các trường bắt buộc về nhà cung cấp, loại tiền, số tiền và mã tham chiếu trước khi yêu cầu mô hình thao tác biểu mẫu.

Kết quả được chấp nhận ở đây là bản nháp đã lưu, có trường khớp nguồn và có thể truy xuất mã bản ghi. Nhấp Save chỉ là sự kiện trung gian. Quy trình nên kiểm tra bản ghi hoặc trạng thái xác nhận sau đó và báo trường chưa được giải quyết, thay vì điền bằng một phỏng đoán có vẻ hợp lý.

Thử nghiệm nên gồm tài liệu thông thường và các ví dụ cố tình khó: loại tiền không rõ, thiếu mã nhà cung cấp hoặc số hóa đơn đã tồn tại. Chúng làm lộ các dạng lỗi khác nhau. Đọc đúng văn bản, chọn đúng tài khoản và tránh tạo bản ghi trùng là những phần riêng của công việc.

Giữ lần thử đầu đủ nhỏ để kiểm tra mọi kết quả. Khi có lỗi, tìm quan sát hoặc hành động sai sớm nhất thay vì viết lại toàn bộ chỉ dẫn ngay lập tức. Chẩn đoán hẹp hơn giúp biết vấn đề nằm ở diễn giải tài liệu, điều hướng, dữ liệu tài khoản hay bước kiểm tra chấp nhận.

Kịch bản này minh họa thiết kế ứng dụng; nó không khẳng định Terra đi kèm trình kết nối kế toán hay một sản phẩm kế toán cụ thể đã được thử cho bài viết. Mô hình là một thành phần trong quy trình mà công cụ và quy tắc nghiệp vụ cần được cung cấp.

Đối chiếu danh mục kiểm tra phán đoán hình ảnh trước khi hành động

Kịch bản thứ hai là đối chiếu ảnh sản phẩm với một mục danh mục hiện có. Thẻ mô hình OpenAI được kiểm tra ngày 27 tháng 10 nêu rõ đối chiếu ảnh sản phẩm là một mục đích sử dụng dự kiến của Terra. Với nhà bán lẻ, kết quả hữu ích có thể là đề xuất khớp kèm đủ thông tin để người kiểm tra phân biệt sự giống nhau về hình thức với đúng mặt hàng.

Tạo một tập đánh giá nhỏ gồm trường hợp dễ khớp, bao bì tương tự và ảnh thiếu chi tiết. Giữ các mã danh mục mong đợi tách khỏi chỉ dẫn đưa cho mô hình. Yêu cầu trả về mã được đề xuất và những đặc điểm nhìn thấy hỗ trợ lựa chọn đó, cùng tùy chọn chưa xác định rõ ràng khi ảnh không đủ thông tin.

Chưa xác định có thể là kết quả đúng. Nếu hai bao bì chỉ khác nhau ở thông tin không nhìn thấy, quy trình cần ảnh khác hoặc mã định danh không dựa vào hình ảnh. Mô tả bao bì lưu loát không thể tạo ra bằng chứng vốn vắng mặt trong đầu vào.

Hãy bắt đầu bằng đề xuất khớp trước khi cho phép chỉnh sửa danh mục. Như vậy quy tắc chấp nhận dễ kiểm tra hơn và nhóm có một tập lỗi có thể hiểu được. Nếu sau này ứng dụng thêm bước viết, hãy đánh giá xem bản mô tả nháp có giữ nguyên dữ kiện danh mục đã xác minh hay đưa vào chi tiết chưa xác nhận từ sự giống nhau về hình ảnh.

Cổng thông tin cũ biến khôi phục thành một phần của nhiệm vụ

Kịch bản thứ ba là chuẩn bị bản cập nhật nháp trên cổng nội bộ có giao diện trình duyệt. Nhiệm vụ có thể gồm tìm bản ghi, đổi mô tả bằng nội dung được cung cấp và để sẵn cho người phê duyệt. Lợi ích đến từ việc nối yêu cầu nghiệp vụ dễ hiểu với chuỗi hành động trên giao diện.

Các ca khó thường liên quan đến trạng thái. Phiên đăng nhập có thể hết hạn, trường bắt buộc có thể xuất hiện sau lựa chọn trước đó, hoặc trang cập nhật chậm hơn dự kiến. Đánh giá hữu ích ghi lại cách quy trình phản ứng với các điều kiện này thay vì chỉ tính đường điều hướng dễ nhất.

Xác định ngân sách khôi phục trước khi thử. Ví dụ, ứng dụng có thể cho phép quan sát lại một lần sau thao tác lưu chưa chắc chắn, rồi dừng để kiểm tra nếu kết quả vẫn chưa rõ. Đây là lựa chọn chính sách minh họa, không phải giới hạn sản phẩm Terra. Nó tạo ra hành vi có giới hạn để kiểm thử và ngăn vòng lặp không hiệu quả tiêu tốn tài nguyên.

Cũng cần phân biệt lỗi tích hợp với lỗi mô hình. Công cụ không truy cập được trang đích, tài khoản không có quyền sửa và mô hình chọn sai điều khiển cần những cách sửa khác nhau. Giữ rõ các nhóm này giúp cả ước tính chi phí lẫn cải thiện chất lượng có ý nghĩa hơn.

Tính sẵn có cho biết nơi bắt đầu, không nói lên quyền thao tác của mọi tài khoản

Thông báo ngày 26 tháng 10 nêu Terra có trong ChatGPT Work và Codex cho Plus, Pro, Enterprise và Edu, cùng mã API gpt-6.1-terra. Đây là các đường truy cập mô hình. Công cụ và quyền trong một quy trình cụ thể vẫn phụ thuộc vào sản phẩm, tài khoản và tích hợp đang dùng.

Với nhà phát triển, thẻ mô hình được kiểm tra ngày 27 tháng 10 chỉ định Responses API cho gọi công cụ và mức nỗ lực suy luận mặc định là medium. Ghi lại mô hình và cấu hình suy luận trong đánh giá để có thể so sánh hai lần chạy một cách có ý nghĩa. Đổi đồng thời mô hình, chỉ dẫn và môi trường công cụ khiến khác biệt kết quả khó diễn giải hơn.

Với nhóm dùng Work hoặc Codex, hãy bắt đầu bằng quy trình đã được hỗ trợ và xem các điều khiển thực tế. Với ứng dụng tùy chỉnh, dùng tài liệu tích hợp sử dụng máy tính hiện hành để cấu hình môi trường thực thi và hành động cho phép. Chỉ mã mô hình không tự tạo kết nối đã xác thực tới ứng dụng của công ty.

So sánh cấu hình trên cùng những tác vụ được chấp nhận

Một lần thử đầu hữu ích đủ nhỏ để xem xét nhưng đủ đa dạng để bao gồm điều kiện thực tế mà quy trình sẽ gặp. Chọn quy tắc chấp nhận trước khi xem kết quả tạo ra. Quy trình sau là phương pháp đánh giá được đề xuất, không phải kết quả benchmark.

1. Chọn một công việc có phạm vi rõ ràng. Nêu đầu ra cần thiết và người quyết định nó có đạt hay không. Lần thử đầu nên ưu tiên bản nháp hoặc hành động trong môi trường thử nghiệm.
2. Chuẩn bị tập trường hợp cố định. Bao gồm đầu vào thông thường, thiếu thông tin và các gián đoạn giao diện phù hợp. Giữ kết quả mong đợi ngoài chỉ dẫn của mô hình.
3. Ghi lại cấu hình. Lưu mã mô hình, mức suy luận, chỉ dẫn, phiên bản công cụ và quyền tài khoản liên quan.
4. Định nghĩa quy tắc dừng và khôi phục. Nêu khi nào được quan sát thêm, khi nào thử lại hữu ích và khi nào con người phải giải quyết điều chưa chắc chắn.
5. Thu thập kết quả quan sát được. Ghi kết quả được chấp nhận, kết quả sai, ca chưa giải quyết, số lần thử, thời gian và mức sử dụng tính phí. Trạng thái thao tác công cụ chỉ là một phần của hồ sơ này.
6. Thêm chi phí vận hành thực tế. Bao gồm phí công cụ, môi trường áp dụng và thời gian kiểm tra đo được. Chia cho số công việc được chấp nhận với định nghĩa nhất quán.
7. Thay đổi một biến có ý nghĩa. So sánh chỉ dẫn hoặc mức suy luận mới trên cùng tập trường hợp, rồi xem lỗi nào thay đổi trước khi mở rộng thử nghiệm.

Mô hình chi phí được đề xuất: cộng các nguồn lực quy trình thực sự tiêu thụ rồi chia cho số công việc được chấp nhận. Các thành phần là khung đánh giá, không phải số đo vận hành Terra đã công bố.

Hồ sơ thu được vẫn hữu ích ngay cả khi lần thử đầu gây thất vọng. Nó chỉ ra nên cải thiện diễn giải hình ảnh, thiết kế quy trình, độ tin cậy công cụ hay lượng sửa chữa của con người. Đó là cơ sở tốt hơn nhiều để quyết định tự động hóa điều gì tiếp theo so với chỉ nhìn chi phí trung bình của một yêu cầu.

Sử dụng máy tính rẻ hơn có ý nghĩa khi việc hoàn tất dễ chi trả hơn

Giá token tiêu chuẩn thấp hơn của Terra tạo cơ hội thử nghiệm kỹ hơn và hỗ trợ nhiều công việc hơn trong ngân sách. Câu hỏi kinh doanh là liệu một tích hợp cụ thể có biến cơ hội đó thành kết quả được chấp nhận, với công sức kiểm tra và khôi phục có thể quản lý được hay không.

Mô hình có thể đọc màn hình và chọn cú nhấp là hữu ích. Một quy trình có thể cho thấy điều gì đã đổi, nhận ra khi nào hoàn tất và tính đủ nỗ lực để đạt tới đó là thứ mà nhóm có thể đánh giá và cải thiện.

Nguồn

• Introducing GPT-6.1 Terra, OpenAI, ngày 26 tháng 10 năm 2026: định vị, giá tiêu chuẩn khi ra mắt và đường truy cập.
• Thẻ hệ thống GPT-6.1 Terra, OpenAI, ngày 26 tháng 10 năm 2026: bản phát hành có ngày và bối cảnh đánh giá.
• Thẻ mô hình GPT-6.1 Terra, kiểm tra ngày 27 tháng 10 năm 2026: mã mô hình, điểm cuối gọi công cụ, mức suy luận và điều kiện tính phí.
• Tài liệu tích hợp sử dụng máy tính, kiểm tra ngày 27 tháng 10 năm 2026: hoạt động trình duyệt, ảnh chụp màn hình và cơ chế tích hợp.

Ba kịch bản, dữ liệu đầu vào chi phí và quy trình đánh giá đều mang tính minh họa. Các phép tính bằng USD sử dụng giá tiêu chuẩn đã nêu và giả định được chọn rõ ràng; chúng không phải kết quả đo độ trễ, độ chính xác hay chi phí vận hành.

---

Gợi ý Telli.sh: Giữ ghi chú thử nghiệm, tài liệu tham khảo và lý do sửa đổi quy trình ở nơi dễ xem lại. Tạo tài khoản Telli.sh để sắp xếp ghi chú đánh giá của bạn.