GPT-6 Astra của OpenAI: từ trả lời câu hỏi đến thực hiện công việc trên máy tính

Một trợ lý AI hữu ích không chỉ giải thích cách làm bảng tính, sửa lỗi hay kiểm tra website. Nó còn cần thực hiện các bước đó, nhận biết kết quả và biết khi nào phải dừng để hỏi người dùng. GPT-6 Astra thể hiện hướng phát triển này của OpenAI: kết hợp suy luận với khả năng sử dụng công cụ và thao tác trên máy tính, nhằm xử lý công việc nhiều bước thay vì chỉ tạo câu trả lời.[1]

OpenAI giới thiệu Astra cho computer use, duyệt web, kỹ thuật phần mềm, khoa học và công việc chuyên môn; bài cập nhật dành cho doanh nghiệp xác nhận các điểm truy cập gồm ChatGPT Work, Codex và API.[1][2]

Lưu ý thời điểm: Đây là bài tổng hợp về GPT-6 Astra từ tài liệu đọc ngày 04/10/2026, không phải tin model vừa ra mắt trong ngày. Trang giới thiệu Astra đã có cập nhật dẫn tới GPT-6 Sol/Luna ngày 22/09 và GPT-6.1 Sol ngày 29/09. Vì vậy, không nên nhầm Astra với model được OpenAI công bố gần đây nhất.[1]

1. Điểm mới đáng chú ý: AI làm việc trong phần mềm

Theo OpenAI, Astra có thể hỗ trợ điền biểu mẫu, cập nhật CRM, tổ chức lịch, nghiên cứu trực tuyến, phân tích dữ liệu và kiểm tra giao diện website. Các demo còn bao gồm thao tác với KiCad, bảng tính và phần mềm thiết kế.[1]

Ý nghĩa thực dụng là agent có thể tiếp cận những ứng dụng không có API phù hợp, thông qua giao diện người dùng. OpenAI nhấn mạnh hướng này trong ChatGPT Work và Codex: AI làm việc với các ứng dụng con người đang sử dụng, thay vì luôn đòi hỏi xây một lớp tích hợp riêng trước khi bắt đầu.[2]

Tuy nhiên, năng lực của model không đồng nghĩa mọi tính năng tự động xuất hiện trong một lời gọi API. Agent vẫn cần công cụ, môi trường thực thi, quyền truy cập và cơ chế quan sát kết quả. Một ứng dụng chỉ gửi prompt văn bản chưa thể tự điều khiển máy tính nếu không tích hợp phần thực thi tương ứng.

2. Coding và tác vụ dài: giữ bối cảnh tốt hơn

OpenAI công bố Astra đạt 57,9% trên Terminal-Bench 4.0, so với 37,3% của GPT-5.6 Sol và 55,8% của Claude Fable 5.1 trong cấu hình được trình bày. Hãng ước tính chi phí API mỗi tác vụ thấp hơn lần lượt khoảng 9% và 63% trong phép so sánh này.[1]

Đây là kết quả do nhà cung cấp báo cáo, không phải benchmark do AIDaLat tự chạy. Nó cũng không chứng minh Astra luôn rẻ hơn hoặc tốt hơn trong mọi codebase: thời gian, mức reasoning, công cụ và số lần thử đều có thể ảnh hưởng kết quả.

Một thay đổi đáng chú ý khác nằm ở Codex, không chỉ bản thân model. OpenAI mô tả cơ chế thử nghiệm cho phép Astra giữ ghi chú qua nhiều cửa sổ ngữ cảnh và tìm lại yêu cầu hoặc kết quả công cụ trong các cửa sổ trước đó, thay vì chỉ phụ thuộc vào một bản tóm tắt nén liên tục.[1]

Với refactor dài hoặc debug nhiều vòng, hướng tiếp cận này có thể giúp agent giữ lại lý do một phương án thất bại và các ràng buộc đã thống nhất. Nhưng đó không phải lý do bỏ qua tài liệu dự án: ghi chú phiên và tìm kiếm lịch sử vẫn cần được đối chiếu với code, test và đặc tả hiện hành.

3. Tài liệu, bảng tính và công việc chuyên môn

OpenAI cho biết Astra được huấn luyện để bám mẫu tài liệu, phong cách viết và tiêu chuẩn trình bày của tổ chức, đồng thời chọn lọc bối cảnh liên quan thay vì lặp lại thông tin không cần thiết. Các ví dụ gồm slide, bảng tính, phân tích và tài liệu có cấu trúc.[1][2]

Trong đánh giá Agents’ Last Exam được công bố, Astra đạt 59,3%, so với 55,5% của Claude Opus 5 và 53,6% của GPT-5.6 Sol. OpenAI cũng báo cáo kết quả 64,6% trên Terminal-Bench Science 0.1, bộ đánh giá workflow khoa học sử dụng code và terminal.[1]

Những con số này cho thấy hướng đầu tư vào công việc có đầu ra cụ thể. Tuy vậy, chúng không nên được diễn giải thành “AI thay thế chuyên gia” hay “mọi kết quả đều đúng”. Một bảng tính nhìn chuyên nghiệp vẫn cần kiểm tra công thức; một báo cáo có lập luận mạch lạc vẫn cần nguồn và kiểm chứng dữ liệu.

4. Thông số API và giá sử dụng

Trang model API liệt kê Astra dưới mã gpt-6-astra, với các thông số sau:[3]

• Cửa sổ ngữ cảnh: 1.050.000 token.
• Đầu ra tối đa: 128.000 token.
• Đầu vào: văn bản và hình ảnh; đầu ra văn bản.
• Audio và video trực tiếp: không được hỗ trợ trên model này.
• Reasoning effort: low, medium, high, xhigh, max.
• Function calling và structured outputs: được hỗ trợ.

Tài liệu cũng liệt kê hỗ trợ công cụ qua Responses API, gồm web search, file search, code interpreter, hosted shell, apply patch và computer use.[3] Đây là khả năng tích hợp, không phải quyền truy cập không giới hạn vào thiết bị hay dữ liệu của người dùng.

Giá token Standard được công bố trên mỗi triệu token:[3]

• Input: 10 USD.
• Cached input: 1 USD.
• Cache writes: 12,50 USD.
• Output: 50 USD.

Một chi tiết quan trọng: prompt vượt 272.000 token đầu vào áp dụng mức giá gấp đôi cho input và cache, cùng mức output gấp 1,5 lần cho toàn bộ request. Tài liệu ghi Batch và Flex có giá bằng 50% Standard; Fast mode có giá gấp đôi mức áp dụng.[3]

Vì thế, cửa sổ một triệu token không có nghĩa nên đưa toàn bộ kho tài liệu vào mọi lượt gọi. Lựa chọn ngữ cảnh đúng vẫn là một cách kiểm soát cả chi phí lẫn chất lượng.

5. Dùng Astra ở đâu? Đừng nhầm thuê bao với API

Thông báo ra mắt mô tả triển khai theo giai đoạn tới các nhóm ChatGPT Plus, Pro, Business và Enterprise, cùng API và các nền tảng cloud đối tác. Bài cập nhật công việc hướng người dùng tới ChatGPT Work, Codex hoặc API; với Enterprise, quản trị viên cần bật quyền truy cập theo thỏa thuận và rate card áp dụng, vì quyền truy cập tắt mặc định lúc ra mắt.[1][2]

Điểm cần tránh là suy luận rằng mọi gói đều có Astra trong mọi chế độ ChatGPT, hoặc thuê bao ChatGPT tự bao gồm tiền sử dụng API. Thông báo tổng quát về rollout không thay thế việc kiểm tra quyền lợi cụ thể theo sản phẩm và tài khoản.

Trước khi nâng cấp hay tích hợp, người dùng nên kiểm tra nơi mình muốn dùng Astra — Work, Codex hay API — cùng quota và thiết lập của tổ chức. Bài viết này không cam kết quyền truy cập trên một tài khoản cụ thể.

6. An toàn: model mạnh hơn vẫn cần giới hạn quyền

OpenAI xếp năng lực an ninh mạng của Astra vào ngưỡng Critical trong Preparedness Framework và cho biết đã bổ sung biện pháp chống lạm dụng, hành động vượt quyền cùng cơ chế kiểm tra tự động. Khả năng ở đánh giá nghiên cứu không đồng nhất với những tác vụ được sản phẩm thực tế cho phép.[1][2]

Ở cấp doanh nghiệp, OpenAI mô tả các kiểm soát để giới hạn website và ứng dụng được phép dùng, quản lý upload/download, yêu cầu xác nhận trước thao tác quan trọng và review tự động các lời gọi công cụ có rủi ro.[2]

Với một agent có thể sửa file hoặc thao tác hệ thống, nguyên tắc triển khai nên là quyền tối thiểu, môi trường thử nghiệm và xác nhận cho hành động có hậu quả. Không nên bỏ cơ chế phê duyệt chỉ vì model được quảng bá hiểu ý người dùng tốt hơn.

Kết luận: đánh giá bằng công việc hoàn thành, không chỉ câu trả lời

Điểm đáng chú ý ở GPT-6 Astra là sự kết hợp giữa suy luận, thao tác phần mềm và đầu ra chuyên môn. Đối với lập trình viên và doanh nghiệp, thước đo hữu ích không chỉ là model trả lời hay, mà là nó hoàn thành nhiệm vụ đúng phạm vi, với chi phí và rủi ro có thể kiểm soát.

AIDaLat đề xuất bắt đầu bằng các tác vụ có tiêu chí nghiệm thu rõ: sửa một lỗi có test, kiểm tra một luồng giao diện, hoặc tạo báo cáo từ bộ dữ liệu đã xác minh. Sau đó đo tỷ lệ hoàn thành, số lần cần can thiệp và tổng chi phí — thay vì mặc định benchmark của nhà cung cấp sẽ chuyển nguyên vẹn sang workflow của mình.

Bài viết tổng hợp tài liệu chính thức; AIDaLat chưa thực hiện benchmark hoặc chạy kiểm thử trực tiếp GPT-6 Astra cho bài này.

Sources

[1] https://openai.com/index/gpt-6-astra — OpenAI — GPT-6 Astra: A new generation of intelligence [2] https://openai.com/index/gpt-6-astra-next-generation-work — OpenAI — GPT-6 Astra for work [3] https://developers.openai.com/api/docs/models/gpt-6-astra — OpenAI API — GPT-6 Astra model