Tôi nhìn vào dashboard của mình, thấy con số token tiêu hao nhanh hơn thường lệ. Không phải do tôi viết nhiều hơn. Là do GPT-5.6 Sol – cái tên nội bộ mà OpenAI vừa âm thầm roll out – đang hoạt động khác. Nó không chỉ trả lời câu hỏi; nó tự động triệu tập sub-agent, gọi tool, chờ kết quả, rồi tiếp tục sinh thêm hàng loạt response. Mỗi lần tương tác giờ đây là một chuỗi các bước, không còn là một lần inference đơn lẻ.
OpenAI nhanh chóng giải thích: model mới 'chăm chỉ' hơn, dùng nhiều tool hơn, nhưng họ đã tối ưu để quota kéo dài thêm 18%. Nghe có vẻ như một bản vá. Nhưng với tôi – kẻ đã săn narrative từ thời Bancor ICO – đây là tín hiệu của một sự chuyển đổi lớn. AI đang từ 'cỗ máy trả lời' thành 'agent tự trị', và điều đó phá vỡ mọi giả định về chi phí, định giá và trải nghiệm người dùng.
Hãy cùng mổ xẻ.
Bối cảnh: Từ static generation đến dynamic agent
OpenAI Codex vốn là công cụ dành cho developer, tích hợp sâu vào IDE. Người dùng trả phí hàng tháng để có quota token dùng trong các tác vụ lập trình. Mô hình cũ hoạt động theo kiểu hỏi-đáp: bạn gõ prompt, nó trả lời, kết thúc. Nhưng từ khi GPT-4 trở đi, đặc biệt với phiên bản 'Sol' (có thể là viết tắt của 'Solution' hoặc 'Solid'), model bắt đầu có khả năng tự động phân tích yêu cầu, chia nhỏ thành nhiều bước, gọi hàm, đọc file, chạy code, và thậm chí spawn sub-agent để xử lý song song.
Theo thông báo chính thức, OpenAI thừa nhận rằng model mới 'sẵn sàng làm việc lâu hơn và gọi nhiều tool hơn'. Họ cũng cho biết đã thực hiện tối ưu để 'quota có thể kéo dài thêm 18% trong điều kiện sử dụng thông thường'. Nhưng câu hỏi đặt ra: 'thông thường' là gì? Với ai? Và 18% có thực sự bù đắp được sự gia tăng token tiêu hao từ cơ chế agent?
Core: Phân tích kỹ thuật và tác động
Chi phí inference tăng vọt
Từ góc nhìn kỹ thuật, sự khác biệt nằm ở kiến trúc. Model truyền thống thực hiện một lần forward pass cho mỗi prompt. GPT-5.6 Sol duy trì một internal state machine, nơi nó có thể tạm dừng, gọi tool (ví dụ: chạy Python, truy xuất database), nhận kết quả, rồi tiếp tục sinh response. Mỗi tool call là một hoặc nhiều inference mới. Sub-agent chạy song song càng nhân số lượng token lên gấp bội.
Hãy tưởng tượng một kịch bản đơn giản: bạn yêu cầu 'viết một script Python để crawl dữ liệu từ API, xử lý và xuất ra CSV'. Model cũ: sinh code một lần. Model mới: nó có thể tự động chạy script, gặp lỗi, sửa lỗi, chạy lại, kiểm tra output, và chỉ trả về kết quả cuối cùng. Mỗi bước đó tiêu tốn token. Kết quả: một task mà trước đây tốn 500 token nay có thể tốn 5.000 token.
Tối ưu 18%: Liệu có đủ?
OpenAI tuyên bố đã cải thiện hiệu suất, có thể thông qua KV cache reuse, task merging, hoặc giới hạn số lần tool call. Nhưng 18% chỉ là con số trung bình. Trong thực tế, mức tiêu hao có thể dao động mạnh theo độ phức tạp của task. Người dùng làm việc với các dự án lớn, nhiều file, nhiều dependency sẽ thấy quota cạn nhanh hơn nhiều so với người chỉ dùng chat đơn giản.
Đây là điểm mù: OpenAI không công bố chi tiết thuật toán tối ưu. Liệu họ có áp dụng cắt giảm tool call ở những task phức tạp? Nếu có, chất lượng output có bị ảnh hưởng? Từ kinh nghiệm audit smart contract của tôi, bất kỳ optimization nào cũng đi kèm trade-off. Trong DeFi, tối ưu gas thường làm tăng rủi ro reentrancy. Trong AI, tối ưu token có thể làm giảm độ chính xác của agent.
Góc nhìn thương mại: Invisible price hike hay customer retention?
Về mặt kinh doanh, đây là một động thái thông minh. Thay vì tăng giá, OpenAI âm thầm thay đổi hành vi model, khiến quota tiêu hao nhanh hơn, sau đó 'hào phóng' tối ưu lại một phần. Kết quả: người dùng cảm thấy được lợi (18% dài hơn), nhưng thực tế họ đang trả nhiều hơn cho mỗi đơn vị công việc hoàn thành.
Hãy nhìn vào con số: nếu trước đây một task cần 1000 token, bây giờ cần 5000 token. Dù quota kéo dài thêm 18%, số task hoàn thành trong cùng một quota giảm từ 10 xuống còn khoảng 2.36 (tính toán: quota cũ 10.000 token, task mới 5000 token, 18% thêm = 11.800 token → 2.36 task). Đó là mức giảm 76% năng suất thực tế. Người dùng có thể không nhận ra ngay, nhưng khi họ so sánh số lượng dự án hoàn thành mỗi tháng, sự bất mãn sẽ dâng cao.
OpenAI đánh cược vào việc người dùng sẽ đánh giá cao khả năng agent hơn là số lượng output. Nhưng trong thị trường cạnh tranh, nơi Anthropic Claude và Google Gemini đang rình rập, đây là canh bạc rủi ro.
Contrarian: Agent hóa không phải là tương lai duy nhất
Phần lớn phân tích đều cho rằng agent là xu hướng tất yếu. Nhưng tôi nhìn thấy một góc khuất: chi phí vận hành agent cao đến mức chỉ những công ty có hạ tầng khổng lồ như OpenAI mới trụ được. Các startup AI nhỏ hơn sẽ không thể đốt tiền vào tool call vô tội vạ. Điều này tạo ra một rào cản gia nhập khổng lồ, biến thị trường AI thành sân chơi của những gã khổng lồ.
Hơn nữa, agent hóa có thể dẫn đến 'over-engineering'. Nhiều task đơn giản không cần đến sub-agent hay tool call. Việc ép model phải suy nghĩ phức tạp hơn cần thiết vừa lãng phí token, vừa tăng latency. Một số người dùng có thể quay trở lại các model nhẹ hơn, chuyên biệt hóa cho từng tác vụ, thay vì dùng một model đa năng nhưng ngốn tài nguyên.
Từ góc nhìn của một kẻ săn narrative, tôi thấy sự tương đồng với câu chuyện 'yield farming' trong DeFi. Ban đầu mọi người đổ xô vào các giao thức có APY cao, nhưng sau đó nhận ra rằng impermanent loss và gas fee ăn hết lợi nhuận. Tương tự, người dùng AI có thể bị cuốn vào 'agent farming' – chạy hàng loạt tool call để cảm thấy mình đang tận dụng tối đa model, nhưng thực tế hiệu quả công việc không tăng tương xứng.
Takeaway: Bài học cho ngành blockchain và AI
Sự kiện này không chỉ là câu chuyện của OpenAI. Nó đặt ra câu hỏi cho toàn bộ ngành compute-intensive services: làm thế nào để định giá khi chi phí đầu vào (token) thay đổi linh hoạt theo hành vi model? Trong blockchain, chúng ta đã giải quyết vấn đề này bằng gas fee mechanism – mỗi opcode có chi phí cố định. Nhưng trong AI, mỗi tool call có thể có độ phức tạp khác nhau, khó định lượng trước.
Có lẽ tương lai sẽ xuất hiện một dạng 'tokenomics' mới cho AI services: mỗi model sẽ công bố bảng giá chi tiết cho từng loại hành động (tool call, sub-agent spawn, context extension), giống như Ethereum có gas schedule. Các nền tảng blockchain như Ethereum, Solana đã chứng minh rằng minh bạch về chi phí giúp người dùng đưa ra quyết định tối ưu. OpenAI nếu không làm điều này, sẽ mất dần lòng tin của developer.
Tôi kết thúc bài viết này với một câu hỏi: Liệu bạn có chấp nhận trả nhiều hơn cho một model thông minh hơn nhưng kém minh bạch về chi phí? Hay bạn chọn một model yếu hơn nhưng bạn biết chính xác mỗi lần gọi tốn bao nhiêu? Câu trả lời sẽ định hình cuộc chơi AI trong 5 năm tới.