Tier list agent harness theo ý kiến của 0xSero
0xSero xếp hạng các coding agent harness theo ý kiến riêng (10/2026): Pi, DeepSeek harness, Claude Code, Codex, OpenCode, Cursor và cách anh nối model local.
✓ Đã duyệt độc lập · cập nhật 20/11/2026 · 37 min
1. Câu mở đầu: Antigravity hạng F, DeepSeek harness hạng S
Video mở đầu bằng hai nhận định. Thứ nhất: Antigravity đang bị thiếu trên bảng, và 0xSero xin lỗi rồi nói Antigravity là hạng F, trừ khi bạn được dùng nó miễn phí, khi đó thì anh đoán là cũng được (theo video đăng ngày 05/10/2026).
Thứ hai: DeepSeek harness là hạng S. Anh không biết bao nhiêu người trong số người xem đã dùng DeepSeek harness, nhưng theo anh cách nó được xây dựng thật sự đáng kinh ngạc. Nó rất đơn giản: bạn nối mọi kết nối của mình vào nó, tức mọi agent, mọi model, các subscription khác nhau, và nó có cache rất cao (theo video đăng ngày 05/10/2026).
2. Để Claude hoặc Codex giao việc cho model local
Một người tham gia nói lần gần nhất người đó nhớ là 0xSero có nói dùng Explore cho những việc mang tính khám phá, những việc chưa được định nghĩa rõ, và hỏi anh có còn dùng model frontier cho loại việc đó không.
0xSero trả lời rằng điều đó tuỳ vào độ phức tạp của việc và ai sẽ xem hoặc tương tác với kết quả. Anh mở trang GitHub của mình để chỉ cho thấy ý anh: một project offload cho DeepSeek V4.1 Flash được làm bởi DeepSeek và Claude cùng nhau, nhưng phần lớn là do Claude làm (theo video đăng ngày 05/10/2026).
Thường thì với những việc thật sự phức tạp, anh để Claude hoặc Codex điều khiển các model local. Những việc tốn kém và chậm như search, gom context, viết documentation, tức bất cứ việc gì không ảnh hưởng trực tiếp tới phần nghiên cứu, thì chúng sẽ giao đi. Và theo anh, chúng thường tự làm việc này; anh không phải bảo chúng nữa, vì anh đã thiết lập sẵn mọi thứ trên máy từ khá lâu (theo video đăng ngày 05/10/2026). Về cơ bản, chúng đang tự tạo ra môi trường làm việc của mình, còn anh chỉ lái chúng về hướng đó.
Rồi anh nói: đây là Astra High, "That sucks", anh vừa dùng hết hạn mức của cả tuần (theo video đăng ngày 05/10/2026). Nhưng anh chỉ cho thấy nó đang tương tác trực tiếp với agent. Anh nghĩ đây là một điều rất quan trọng, vì có quá nhiều việc đang được làm, và việc cho chúng chia nhỏ công việc ra rồi dùng model tốt nhất cho từng việc giúp ích rất nhiều (theo video đăng ngày 05/10/2026).
Anh hỏi còn câu hỏi nào không. Một người tham gia hỏi anh có dùng một model orchestrator kiểu Paperclip hay gì đó không. Có tiếng nói "No". Người hỏi nói rõ thêm ý là một harness orchestrator. Rồi 0xSero nêu một câu hỏi khác: anh đã chuẩn hoá quy trình phỏng vấn người dùng (human interview) cho các feature chưa?
Anh khen đó là câu hỏi hay và nghĩ một chút. Anh cho rằng ở một mức độ nào đó thì anh đã làm, nhưng chưa hoàn toàn. Cách anh bắt các model tạo ra những form để lấy thông tin và tạo mock-up mà anh duyệt qua từ trước là thứ anh đã làm trong một thời gian dài. Đó giống một quy trình cứ được cải thiện dần: mỗi lần làm việc với các model, anh lại bắt chúng cải thiện quy trình của chính mình một chút để dễ quản lý hơn (theo video đăng ngày 05/10/2026).
3. Tách nội dung và website US Library Census
Tiếp theo anh chỉ một thứ dùng để tách một phần nội dung ra khỏi nội dung khác. Đây là một ví dụ, nhưng anh đã làm việc này với những thứ khác nữa. Chẳng hạn anh đưa cho nó một cuốn sách: anh không quan tâm mấy phần này, anh muốn đọc những phần kia ngay bây giờ, hoặc muốn phóng to vào một phần và để nó xử lý các con số. Theo anh, ngay cả Qwen cũng rất giỏi kiểu việc này (theo video đăng ngày 05/10/2026).
Rồi anh chỉ "phiên bản thư viện" của ý tưởng này. Anh để một instance GLM chạy local tạo ra một website liệt kê mọi thư viện ở Hoa Kỳ, thông tin liên hệ của chúng, mọi thông tin anh có thể cần biết. Theo anh, việc đó mất khoảng ba ngày, chỉ là model chạy vòng lặp trong một goal (theo video đăng ngày 05/10/2026). Anh mở bản đồ, rồi các mục contacts, funders, encyclopedia: nó liệt kê mọi thứ ở mọi thành phố. Anh thấy thật sự rất hay khi nó làm được việc này.

Anh tự hỏi: việc này có nhất thiết tạo ra tác động kinh tế không? Anh không biết, nhưng nó vui. Lúc đó một người tham gia báo âm thanh của anh đang bị ngắt quãng. Anh xin lỗi và nói lại: anh không biết cái này có tác động kinh tế không, nhưng nó rất hữu ích cho anh và rất hay (theo video đăng ngày 05/10/2026). Câu tiếp theo anh bỏ dở.
4. Vì sao anh làm một tier list cho harness
Rồi anh nói muốn đi qua các harness một chút, vì anh đã dùng chúng. Anh đã nhảy qua lại giữa các harness suốt nhiều tháng, và đã nói là sẽ làm một tier list từ lâu (theo video đăng ngày 05/10/2026). Anh nói bảng còn thiếu vài cái, định thêm Amp, rồi nhận ra bảng đã có Amp.

Một người tham gia lên tiếng, nói vẫn còn câu hỏi về RTX Pro, đã để tin nhắn trong chat Discord và nhờ anh đọc rồi trả lời. 0xSero nói anh nghĩ sẽ trả lời sau; có lẽ câu này hợp hơn để nhắn riêng hoặc đăng lên forum nếu người đó chưa đăng, vì anh phải suy nghĩ về nó.
Anh nói Antigravity đang bị thiếu, xin lỗi, Antigravity là hạng F, trừ khi bạn được dùng nó miễn phí thì anh đoán là cũng được (theo video đăng ngày 05/10/2026). Anh nói "Add anti-gravity to the tier list" rồi xem người khác đang dùng gì nữa. Anh thấy Grok Build và nói "You can get the logo for Grok from the internet". Rồi anh nói "okay, this is local".
5. Step 5 Preview và bài thử game lướt sóng
0xSero hỏi người xem đã nghe về Step 5, model mới, chưa. Theo anh, họ công bố nó trong một ngày rồi gỡ xuống, nhưng nó vẫn còn đó vì nhiều người đã clone trước khi bị gỡ; và nó trông rất tốt ở nhiều thứ (theo video đăng ngày 05/10/2026).

Anh nghĩ Artificial Analysis cũng có đánh giá cho nó. Anh mở trang và đọc: Step 5 Preview hiện là model open weight tốt thứ tư (theo video đăng ngày 05/10/2026). Anh tìm Kimi K3 trong biểu đồ, và nói Step 5 về cơ bản ngang Kimi K3; anh định nói nó tốt hơn GLM 5.3, rồi tự sửa: không, nó hơi kém hơn GLM 5.3. Trên biểu đồ Artificial Analysis Intelligence Index lúc đó, GLM-5.3 (max) có 45 điểm, Step 5 Preview 44 và Kimi K3 (max) 44 (theo video đăng ngày 05/10/2026). Điều anh muốn nói là đây là một model khá tốt. Anh đã tải về, quantize xuống 4 bit, và muốn thử xem nó làm ra sao.
Anh đọc prompt cho một session mới trong DeepSeek harness với model Step-5. Lượt đầu báo lỗi "API key is invalid", anh gửi lại. Nội dung prompt như trên màn hình trong video đăng ngày 05/10/2026:
I want you to build a 3D surfing game completely in the browser. The waves have to be really realistic. There needs to be like a scoring system, sharks, a way to go and race with different players. in the game. The controls need to be very tight. You should use 3.js or whatever you're most comfortable with and load it into the browser when you're done. The fidelity to real surfing has to be Great. If you can search for images regarding surfing and see maybe that'll help, yeah, build it and open it in Brave when you're done.

Anh khá hào hứng với model này, vì theo anh kích thước của nó khá ổn so với các model đang ra mắt dạo này. Anh nghĩ nó sẽ là thứ thông minh nhất mà phần đông mọi người có thể tiếp cận (theo video đăng ngày 05/10/2026).
Anh nói anh không đồng ý với ý kiến rằng các model của Step tệ. Trong mắt anh chúng khá tốt, và cũng rất độc đáo so với mọi thứ khác ngoài kia: dữ liệu training có vẻ khiến các UI, các app chúng tạo ra rất độc đáo (theo video đăng ngày 05/10/2026). Bản 3.5 đã ra được một thời gian, nhưng anh muốn thử chỉ một ví dụ thật nhanh. Theo anh, càng có nhiều model càng tốt, vì kể cả khi một model chỉ tốt hơn một chút ở một việc cụ thể, thế là đủ: bạn chỉ cần chuyển sang model đó và làm việc đó.
Anh nghĩ đây là một model tốt. Anh nghĩ vấn đề là tốc độ chuyển model: mất một lúc để load. Theo anh, tất cả những thứ này đều rất sửa được. Model đang chạy trên bốn máy DGX Spark; nó khá chậm, nhưng như anh nói, nó chưa được phát hành công khai, và anh đang làm phần quant. Anh nghĩ tốc độ có thể tăng gấp 2 hoặc 3 lần trên một session đơn, nhưng lúc này nó đang làm việc của nó, đang reasoning (theo video đăng ngày 05/10/2026).
6. Cursor: từ IDE tới ADE, theo anh đang tốt lên
Anh nói mình không thử cái đó, nói tới Codex, rồi bảo sẽ đi từ trên xuống. Anh cho rằng Codex là một harness tuyệt vời, hạng A (theo video đăng ngày 05/10/2026). Anh sẽ nói mình nghĩ gì về từng harness. Anh chỉ cho thấy Hermes đã có trên bảng.
Anh bắt đầu với Cursor, harness đầu tiên anh dùng gần như mỗi ngày. Khi Cursor mới ra, đó là nơi mọi người đều dùng: bạn có Claude Sonnet 3.5 (anh nói giờ người ta gọi là 3.6 hay gì đó, nhưng lúc ấy chỉ là 3.5), và về cơ bản là miễn phí. Theo anh, bạn trả 20 đô một tháng và dùng thoải mái bao nhiêu tuỳ thích (theo video đăng ngày 05/10/2026). Hồi đó họ chủ yếu sửa ở cấp file: bạn đang ở trong một file, đang làm việc, rồi chat với model về file đó, và như vậy khá hữu ích. Anh dùng nó rất nhiều, và đó là thứ đưa anh vào lĩnh vực này.
Theo anh, khi Cursor đổi gói subscription, vì ai cũng dùng Sonnet liên tục, họ chuyển cách tính tiền sang cơ bản là trả theo mức dùng, thay vì kiểu subscription dùng bao nhiêu cũng được như trước (theo video đăng ngày 05/10/2026).
Còn Cursor mới, tức bản app, theo anh đã đi theo bước của Codex và Claude Code với desktop app: bớt là IDE, nhiều hơn là một ADE, có các session (theo video đăng ngày 05/10/2026). Anh nói mình nhảy giữa các harness liên tục: anh chán, thấy mình như con chuột hamster, phải đổi nhà tù không thì bực.
Điều Cursor làm rất tốt, theo ý anh, là toàn bộ phần kết nối, cách chúng nối tới các server khác nhau: nếu có nhiều máy tính, bạn nối chúng lại được và nó chạy rất tốt. Về model, bạn có thể dùng Grok và Composer được nhiều với giá khá rẻ, rẻ hơn so với việc có một subscription Codex (theo video đăng ngày 05/10/2026). Anh nghĩ Cursor đang làm tốt hơn; vài tuần trước anh sẽ xếp nó thấp hơn, giờ nó đã tốt lên nhiều.
7. Claude Code: goals, loops và Opus 5.5, hạng A
Sau đó anh chuyển sang Claude Code. Theo anh, Claude Code ra mắt khoảng tháng 2 năm ngoái, 2025, quanh thời điểm Cursor đổi cách tính tiền; và Cursor đổi vì Anthropic chiếm phần lớn chi phí của họ, họ đang bù lỗ rất nhiều cho lượng dùng đó (theo video đăng ngày 05/10/2026). Claude Code ra mắt tháng 2 ấy, và khoảng một tháng sau thì ai cũng dùng. Trước đó đã có những công cụ khác, nhưng theo anh đây là cái đầu tiên phần nào trở nên phổ biến rộng rãi, nơi bạn có một terminal và nói chuyện với agent qua terminal. Nó đã trải qua nhiều giai đoạn, có những đợt bị "slopify" rồi lại tốt lên.
Anh đưa prompt game lướt sóng cho Claude Code; prompt trên màn hình trong video đăng ngày 05/10/2026:
You need to build a 3D surfing game in the browser, 3js, make it super realistic, go all out. When you're done, open it in Brave.

Điều tốt của harness này bây giờ, theo anh, là goals và loops chạy rất tốt trên nó. Họ làm tính năng kiểu lên lịch tin nhắn, để bạn hẹn giờ gửi tin cho các agent. Theo ý anh đó là cách tốt nhất để quản lý nhiều agent, vì về cơ bản chúng gửi tin cho nhau theo một lịch nào đó (theo video đăng ngày 05/10/2026).
Còn model hiện tại, Opus 5.5, là model tốt nhất anh từng dùng; nó rất giỏi viết kernel (theo video đăng ngày 05/10/2026). Anh mở GitHub của mình: đây là kiểu đỉnh điểm giống như anh từng có với Opus 4.5, và nhiều người cũng thấy vậy. Anh chỉ cho thấy khi model ra, anh bắt đầu đẩy code nhiều hơn rất nhiều và viết bằng nhiều ngôn ngữ khác nhau thường xuyên hơn.
Theo anh, model này rất đáng tin, theo nghĩa bạn có thể tin nó làm đúng; nó sẽ không làm hỏng máy của bạn, ít nhất là theo trải nghiệm cá nhân của anh tới giờ. Anh có thể giao những việc thật lớn và nó cứ thế làm miệt mài cho tới khi xong. Anh đang thích dùng nó (theo video đăng ngày 05/10/2026).
Anh xếp Claude Code hạng A. Anh nói nó vẫn còn quá nhiều "slop" và quá đắt; anh không biết. Nó đã tốt lên nhiều: từ khi Opus 5.5 ra, nó tốt hơn rất nhiều ở nhiều thứ, và anh dùng nó thường xuyên hơn nhiều (theo video đăng ngày 05/10/2026).
8. Codex: goals, browser use và cảm giác khi dùng model
Sau Claude Code, anh chuyển sang Codex. Lý do chính anh bắt đầu dùng nó là theo anh nó chính xác hơn và làm theo chỉ dẫn tốt hơn. Anh cũng cho rằng họ là bên đầu tiên làm cả mảng goals (theo video đăng ngày 05/10/2026). Ngay khi goals ra, anh nói output của anh tăng vọt theo hình parabol. Anh chỉ cho thấy mốc goals ra mắt: anh đi từ những ngày không làm gì tới chỗ về cơ bản không còn ngày nào như thế, vì anh có thể xếp hàng một goal để nghiên cứu, viết code, build, giúp edit video, và tất cả đều chạy.
Theo anh, Codex cũng là bên đầu tiên làm browser use và computer use, vì nó làm chúng ở chế độ nền (theo video đăng ngày 05/10/2026). Bạn có thể prompt nó, chẳng hạn bảo nó làm thuế cho bạn, mà vẫn dùng máy tính trong lúc nó làm; nó tiến triển và thật sự nộp giấy tờ.
Vấn đề của Codex bây giờ, theo ý anh, là bộ model hiện tại của họ. Anh hiểu chúng rất thông minh, rõ ràng là cực kỳ thông minh, nhưng chúng không dễ dùng; chúng không dễ chịu khi dùng hay tương tác (theo video đăng ngày 05/10/2026).
9. Droid: từng đi đầu nhiều thứ, giờ anh xếp B
Sau đó anh chuyển sang Droid. Anh nói việc này khó, vì một năm trước anh sẽ bảo đây là harness tốt nhất. Giờ anh xếp nó ở hạng B (theo video đăng ngày 05/10/2026). Anh nói tới chuyện nó đã đi đầu ở rất nhiều thứ: missions rất tuyệt; có nhiều model khác nhau từ nhiều nhà cung cấp trong cùng một harness; rồi tính năng wiki, họ có factory wiki, chỉ cần gõ /wiki trong bất kỳ repo nào là nó đi viết ra documentation mà theo anh thật sự rất tốt, và bạn còn nối được các tài liệu đó lại với nhau.
Gói dùng hiện tại của họ, theo anh, khá thú vị. Về cơ bản bạn trả khoảng 200 đô một tháng, và nhận được thứ mà họ nói, hay theo anh hiểu, là tương đương khoảng 500 đô một tháng dùng model frontier, cộng với lượng dùng model open weight về cơ bản thoải mái. Anh dặn đừng trích lời anh về chuyện này, nhưng anh nghĩ đó là điều anh đã kỳ vọng ở nó (theo video đăng ngày 05/10/2026).
10. OpenCode: thứ đầu tiên anh cài trên máy mới
Tiếp theo là OpenCode, theo anh là một thứ rất thú vị (theo video đăng ngày 05/10/2026). Anh hỏi bao nhiêu người còn dùng OpenCode. Có những tiếng trả lời: có tiếng nói vẫn dùng OpenCode; có tiếng hỏi "Do you like it?"; có tiếng nói mình dùng một công cụ khác và thấy nó rất tốt; có tiếng nói chưa thử OpenCode, và cũng chưa thử Oh My Pi, đang tải về ngay lúc đó.
0xSero nói OpenCode là thứ đầu tiên anh cài trên bất kỳ máy tính nào anh có, vì theo anh nó có sẵn một model miễn phí đi kèm (theo video đăng ngày 05/10/2026). Anh không phải đăng nhập gì cả: chỉ bấm nút download, tải app hoặc bản terminal về, là có một model open weight tầm trung. Rồi model open weight đó có thể thiết lập máy cho anh. Đó là việc đầu tiên anh làm trên mọi máy: cài OpenCode, để thiết lập Tailscale, SSH và mọi thứ cần dựng trên một máy mới, miễn phí và ngay lập tức. Anh nói việc đó cực kỳ hữu ích.
Anh nghĩ hiệu năng của các model không phải đỉnh. Anh thích UI của họ, UI rất tốt, nhưng theo anh cách phần kết nối hoạt động là tốt nhất trong mọi harness: bạn chỉ cần nhập thứ bạn muốn, và nó hoặc yêu cầu bạn làm OAuth hoặc nhập API key. Nên anh nghĩ có lẽ là hạng B (theo video đăng ngày 05/10/2026).
Anh nói thêm, họ cũng là bên làm kiến trúc server/client đầu tiên, và anh thấy điều đó rất hay. Khi chạy OpenCode, nó làm hai việc: khởi động TUI, tức terminal user interface, và đồng thời khởi động một server trên một port nào đó. Bạn có thể tắt TUI mà không tắt server, và có thể chạy nhiều server cùng lúc, nên có được kiểu orchestration nhiều agent, khá vui (theo video đăng ngày 05/10/2026). Anh nghĩ họ đã làm rất nhiều thứ hay; họ chỉ cần làm cho tool calling ổn. Anh không biết; có vài thứ anh gặp khi dùng OpenCode mà anh không thấy ở các agent khác, về mặt độ tin cậy.
11. Pi: harness anh thích, theo kiến trúc nhiều lớp
Anh vừa định nói harness tiếp theo thì một người tham gia góp ý: có lẽ bảng này cần thêm các hàng ghi mỗi harness giỏi nhất ở việc gì, và như vậy có lẽ sẽ có sự hợp nhất. 0xSero đáp rằng điều anh có thể làm là lấy buổi này biến thành nội dung, có phần phân tích mỗi cái giỏi ở đâu. Nhưng anh đồng ý: anh nghĩ cần hợp nhất nhiều, hiện tại mọi thứ còn rất lộn xộn (theo video đăng ngày 05/10/2026).
Rồi anh nói về Pi. Theo anh, đây là harness yêu thích của anh, harness tốt nhất ngoài kia xét từ góc độ kiến trúc, nếu bạn muốn build bằng harness thì Pi rất xuất sắc (theo video đăng ngày 05/10/2026). Nó nhỏ, code siêu sạch và dễ hiểu; anh nghĩ kể cả khi bạn chưa từng đọc code, bạn cũng đọc được Pi. Đó là thứ đầu tiên anh cố dạy mọi người: mỗi khi anh làm các buổi gặp trực tiếp để dạy cách làm AI dev, việc đầu tiên anh làm là cho họ xem repo Pi và nói chuyện với họ về nó.

Theo anh, điều hay ở Pi là cách nó được chia nhỏ. Lõi là phần AI, lo tất cả các provider khác nhau, vì có nhiều kiểu API: API chuẩn của OpenAI, responses API, messages, và cách Google đang làm. Tất cả đều có chuẩn riêng và những thứ chúng chấp nhận, và phải có một thứ lo toàn bộ việc chuyển đổi giữa chúng để có những session nhiều agent. Anh nói Pi là thứ làm việc này tốt nhất (theo video đăng ngày 05/10/2026).
Lớp kế tiếp bọc phần đó là agent, và agent chỉ là agent loop, tức vòng for chạy cho tới khi model xuất ra end token. Rồi coding agent bọc agent. Như vậy nó là kiểu xây theo lớp, và theo anh bạn có thể dùng bất kỳ mảnh nào mà không phải dùng cả bộ nếu không muốn (theo video đăng ngày 05/10/2026).
Anh đã thử tự làm harness, không phải ở phần lõi mà ở phần UI, nhưng anh không muốn build harness nào nữa. Theo anh việc đó không cần thiết: những thứ chúng ta đang có thật ra khá tốt. Vì vậy anh khuyên dùng Pi (theo video đăng ngày 05/10/2026).
Anh nghĩ Pi cũng là thứ tốt nhất cho model local, vì phần context. Anh mở một session, kiểm tra xem nó có chạy không, và nói: bạn thấy đấy, 1,7%; toàn bộ context lúc bắt đầu context window là 5.000 token, nhỏ hơn khoảng 10 lần so với Claude Code (theo video đăng ngày 05/10/2026). Trên màn hình lúc đó, session Pi vừa nhận lời chào "hi" và trả lời "Hi! What can I help you with?", dòng trạng thái ghi 1.9%/524k với model deepseek-v4.1-flash.
Anh bảo bạn có thể hình dung chuyện đó cộng dồn ra sao: sau hơn 20 prompt với Claude Code, bạn đã dùng một triệu cached input token. Có thể con số đó không nhiều, nhưng nó cộng dồn, và đó mới chỉ là system prompt (theo video đăng ngày 05/10/2026). Theo anh Pi có cache hit rate cao nhất, hoặc có thể là DeepSeek harness; anh nói sẽ nói tới chuyện đó sau.
12. Antigravity, Oh My Pi và Amp
Anh nghĩ một chút xem còn gì. Anh đã thử Antigravity vào tuần đầu nó ra mắt và vài tuần sau đó. Theo anh nó hoàn toàn hạng F, là agent harness tệ nhất ngoài kia, cùng với Google CLI, trừ khi bạn được dùng inference miễn phí. Nên có lẽ hạng D, vì họ cho inference miễn phí. Nhưng nếu được miễn phí thì theo anh cứ dùng OpenCode. Anh nghĩ đây là một thứ kinh khủng: nó tệ, chậm, nhiều lỗi (theo video đăng ngày 05/10/2026).
Tiếp theo là Oh My Pi. Theo anh, về cơ bản nó là Pi nhưng được thêm vào cả đống thứ khác (theo video đăng ngày 05/10/2026). Anh tạt qua kiểm tra một cửa sổ đang build: việc này sẽ mất nhiều thời gian, anh thấy nó chạy ở 17 token mỗi giây, và nói "that sucks" (theo số đo của 0xSero, video đăng ngày 05/10/2026).
Điều OMP làm, theo anh, là cho bạn nối mọi subscription, mọi model, dù local hay remote. Rồi bạn có thể chọn, ví dụ, Opus làm model chính, GLM làm reviewer. Và bạn có một vai gọi là advisor: thường thì model local có thể hành xử rất ngốc, nên bạn có thể bật chế độ advisor, để một model như GPT Astra hoặc Sol đọc mọi thứ đang diễn ra trong session với model chính. Bất cứ khi nào model chính đi lệch hướng, nó gửi tin nhắn kéo lại; hoặc nếu model chính quên giao một thứ gì, nó dừng lại và kéo về (theo video đăng ngày 05/10/2026).
Anh đọc prompt cho Oh My Pi: build một game lướt sóng 3D chất lượng siêu cao, có đua, có cầu tàu, bãi biển, đồ hoạ chất lượng rất cao, có cá mập, mở trong trình duyệt, dùng 3JS, cứ thong thả. Anh để nó tự chạy. Theo anh, nó tự đặt một goal và bắt đầu làm; anh nghĩ thiết kế của nó rất đẹp, và tất cả những tính năng khác nhau này phần nào giúp model local chạy tốt hơn (demo trong video đăng ngày 05/10/2026).
Anh thích OMP nhiều. Anh nói sẽ xếp nó hạng A, nhưng nó quá cồng kềnh để lên S. Nó cũng đốt token rất dữ, dù chuyện này đã đỡ hơn từ khi anh bắt đầu dùng (theo video đăng ngày 05/10/2026).
Amp, tương tự, theo anh cũng rất tốt. Nếu bạn chưa thử Amp, không nhiều người đã thử, nhưng họ rất có chủ kiến, và anh cho đó là điều tuyệt vời (theo video đăng ngày 05/10/2026). Anh mở harness Amp: họ có những thứ như handoff, và về cơ bản họ quyết định bạn nên dùng model nào ở lúc nào. Bạn có smart mode, fast mode, và họ cấu hình mọi thứ cho bạn.
13. Z Code, Kimi Code, Crush, OpenClaw và Hermes
Theo anh, Z Code là harness đầu tiên anh dùng cho model local mà tốt ở dạng desktop app, vì nó có kiểu kết nối cho phép bạn quét mã QR, nó mở trong trình duyệt và ghép đôi, để anh dùng được từ trình duyệt. Có một thời gian đó là lựa chọn duy nhất để dùng model local dễ như vậy (theo video đăng ngày 05/10/2026). Nó có goals, có loops, về cơ bản rất giống Codex, có mọi thứ Codex có.
Anh nói model của họ rất tốt, thuộc nhóm model hàng đầu. Họ cho rất nhiều token miễn phí, reset và những thứ như vậy, nên theo anh rất đáng tiền. Anh cho rằng GLM 5.3 chắc chắn ở mức frontier về độ thông minh và khả năng làm những việc rất phức tạp (theo video đăng ngày 05/10/2026).
Anh đã thử Kimi Code; theo anh nó rất nhiều lỗi, nên anh không muốn đi sâu (theo video đăng ngày 05/10/2026). Anh cũng thử Crush từ lâu: nó rất đẹp, trông rất ổn, nhưng hiệu năng không tốt lắm, rất chậm và lúc đó chạy không tốt, nhưng có lẽ giờ nó đã tốt lên nhiều.
Anh hỏi bao nhiêu người đã dùng OpenClaw. Anh bắt đầu với OpenClaw trước khi có Hermes. Anh nghĩ Hermes là hạng B ổn. Anh thích Hermes nhiều, nhưng nó quá, quá cồng kềnh; anh biết bạn có thể bỏ bớt, nhưng mặc định thì nó rất cồng kềnh. Dù vậy, theo anh nó tốt hơn OpenClaw khi dùng với Discord (theo video đăng ngày 05/10/2026). Anh dựng nó cho gia đình trong Discord và dùng cho những việc cơ bản. Nó có quá nhiều thứ và anh không thích điều đó. Anh nghĩ mình thích các coding agent hơn những assistant agent kiểu này.
14. DeepSeek harness và Sitegeist
Anh nói DeepSeek harness là hạng S. Anh không biết bao nhiêu người đã dùng nó, nhưng theo anh cách nó được xây dựng thật sự đáng kinh ngạc. Nó rất đơn giản: bạn nối mọi kết nối vào, mọi agent, mọi model, các subscription khác nhau, và nó có cache hit rate rất cao (theo video đăng ngày 05/10/2026).
Anh chỉ một session và nói cache hit rate ở đây thấp vì nó đang evict dữ liệu. Rồi anh lấy một ví dụ khác: theo anh, cache hit rate 97% với AI chạy local là rất tốt; anh chạy được những session khoảng 60 triệu token khá dễ trong đó, và đây là một session gần 100 triệu token (theo số đo của 0xSero, video đăng ngày 05/10/2026).

Anh đọc một yêu cầu cho agent: lấy cấu hình hiện tại của mọi provider của anh từ DeepSeek harness, hoặc Z Code, hoặc chỗ nào có file để lấy; không được làm lộ bất kỳ phần nào, không được nói ra; rồi đưa vào app mới mà nó vừa build và khởi động app để anh thử (demo trong video đăng ngày 05/10/2026).
Theo anh, DeepSeek harness là desktop app tốt nhất lúc này, rất tốt (theo video đăng ngày 05/10/2026). Anh cũng dùng lại Sitegeist. Theo lời anh, Sitegeist là bản fork riêng của anh từ một browser harness, và nó chạy rất tốt với anh: agent dùng được, anh cũng dùng được (theo video đăng ngày 05/10/2026). Nếu cần làm gì đó bằng hình ảnh, anh dùng harness này; nếu muốn việc được làm qua một coding agent, chúng có thể tự mở session như anh chỉ: đây là một session do DeepSeek harness mở ra để tìm thứ gợi ý cho anh. Anh dùng nó cùng DeepSeek harness và thấy rất suôn sẻ, rất thích.
15. Grok Build, Devin và bảng xếp hạng lúc chốt
Tới Grok Build. Anh đã dùng, nó đẹp, nhưng không thật sự hợp với anh. Anh tự hỏi thứ gì khiến nó tốt hơn, và cho rằng Cursor có vẻ tốt hơn một chút: trưởng thành hơn, nhiều lựa chọn model hơn, giá tương tự (theo video đăng ngày 05/10/2026).
Anh nghĩ điều Grok đang làm tốt là Grok Bot, và nói chắc chắn nó sẽ thành công với họ. Nếu họ làm Grok Build và Grok Bot chạy cùng nhau trơn tru thì sẽ rất thú vị. Nhưng theo anh chúng khá đắt, model không tốt bằng, và anh không thấy giá trị ở đó (theo video đăng ngày 05/10/2026).
Với Devin, anh chưa thật sự cho nó một cơ hội công bằng, nên anh không xếp nó vào. Còn ô kia chỉ là Z Code, do model làm nhầm (theo video đăng ngày 05/10/2026).

16. Meta harness và CLI proxy API
Anh hỏi có ai không đồng ý hoặc muốn thêm harness nào. Một người tham gia nói mình có một cái, nhưng là tự làm và không hẳn là harness: nó dùng tất cả các harness. Có tiếng đáp "I see". 0xSero nói những meta harness như vậy cũng rất tốt, anh dùng nhiều, nhưng có quá nhiều thứ dàn trải (theo video đăng ngày 05/10/2026). Anh nghĩ một phần công việc của anh là review những thứ này nên anh phải dùng, nhưng thật sự là quá nhiều.
Người đó giải thích ý tưởng chính: bạn cứ phải đi qua các màn hình khác nhau, các khu vực khác nhau cho từng harness; thay vì vậy, ở một chỗ, bạn chọn harness muốn dùng trong session đó, nhất là khi chúng nằm trên tailnet thì dễ hơn một chút (theo video đăng ngày 05/10/2026).
0xSero nói anh hiểu ý người đó. Anh nói bạn có thể chạy mọi provider trong DeepSeek harness: anh nghĩ là bất kỳ provider nào, bất kỳ subscription nào, có lẽ trừ Anthropic, nhưng vẫn làm được (theo video đăng ngày 05/10/2026).
Anh cũng nói tới một thứ gọi là CLI proxy API. Anh không biết bao nhiêu người đã nghe, nhưng theo anh nó là một công cụ CLI nhỏ: bạn đăng nhập bằng harness bạn đang dùng, bằng mọi subscription bạn trả tiền, đăng nhập vào tất cả, và về cơ bản nó mở chúng ra thành một endpoint để bạn kết nối và dùng (theo video đăng ngày 05/10/2026). Như vậy bạn gom được mọi subscription lại, có fallback: nếu có nhiều subscription Claude, bạn đăng nhập hết, và nó tự động chuyển sang cái kế tiếp. Rồi bạn đặt API đó vào đâu đó, và bất kỳ harness nào cũng dùng được.
Anh thấy thú vị khi chúng giờ giải quyết được bao nhiêu vấn đề cho bạn. Anh chỉ cho thấy DeepSeek chính xác thế nào khi build. Điều anh thích, theo anh, là đưa nó một prompt thì nó làm hết sức: lo từng chi tiết, nghĩ qua mọi thứ, thử mọi thứ nó build; nó rất giỏi đồ hoạ 3D, và bạn thấy nó lên kế hoạch công việc ra sao (demo trong video đăng ngày 05/10/2026).
Anh nói anh thích Droid, nhưng anh nghĩ nó cần ổn định hơn, vì anh đã gặp nhiều vấn đề về hiệu năng với nó, và dùng nó hơi khó (theo video đăng ngày 05/10/2026).
17. Astra, Sol, Local Studio và chạy model local qua đêm
Anh nêu một câu hỏi: harness tốt là nhờ framework "quarters v4" phải không. Anh nói không biết "quarters v4" là gì. Rồi anh nêu một ý kiến khác: Astra tốt khi so sánh, nhưng hay bỏ qua chỉ dẫn. Anh đáp rằng theo anh Astra là model tệ nhất anh dùng trong vài tháng gần đây: nó tệ, không thật sự làm gì, chỉ ngồi đi vòng vòng, thử mọi thứ, cứ chạy vòng tròn liên tục. Anh thấy nó khá vô dụng (theo video đăng ngày 05/10/2026).
Anh đoán Sol 6.1 thì thú vị, nhưng đồng thời, nếu Opus đang làm được việc thì sao anh phải muốn dùng nó. Anh nói thêm "it's horrible", và anh nghĩ nó chỉ cần thêm thời gian; có lẽ họ sẽ làm đúng (theo video đăng ngày 05/10/2026).

Theo anh, Local Studio đang thay đổi: anh có DeepSeek đang dựng lại Local Studio. Đầu tiên nó dựng trên T3 Code, nên đây là Local Studio với T3 Code; anh có tab local; anh nói không định bấm vào lúc này, nhưng có lẽ có thể. Nó vẫn còn hơi nhiều lỗi, anh chỉ đang thử nghiệm (demo trong video đăng ngày 05/10/2026). Anh không muốn build harness nào nữa; anh chỉ muốn build phần kết nối: anh có inference của mình, có tất cả những harness anh dùng, vậy làm sao để inference của anh chạy được với các harness.

Anh xem việc build đã tới đâu. Theo anh, dù bạn có phần cứng gì, nếu nó chạy chậm như thế này, bạn chỉ cần chạy qua đêm bằng goals và loops, và automations cũng rất tốt. Anh nghĩ automations và loops là thứ chính bạn có được khi chạy inference local; tất nhiên bạn có thể có chúng ở chỗ khác, nhưng chúng đội chi phí lên rất nhanh. Nếu bạn cố chạy goals cả ngày với Codex, anh nói có lẽ bạn sẽ cần khoảng sáu subscription (theo video đăng ngày 05/10/2026).
Anh nêu câu hỏi: có lý do gì khiến anh dần thôi build harness của riêng mình không? Anh trả lời lý do là anh không thật sự quan tâm tới việc đó; anh quan tâm tới việc đưa inference vào các harness. Anh không thật sự muốn build harness của riêng mình, và anh nghĩ DeepSeek và Pi đang làm đủ tốt (theo video đăng ngày 05/10/2026).
18. Phần cứng của anh và những gì anh thấy ở phía trước
Anh nêu câu hỏi: anh có định thử Devin không. Anh nghĩ là không: mọi thứ đang chạy ổn; anh nhảy qua lại nhiều, nhưng mọi thứ vẫn chạy, nên anh muốn chúng tiếp tục chạy. Anh nói có rất nhiều người giỏi đang làm inference, làm harness lúc này; và cũng có quá nhiều model, cả một đống model (theo video đăng ngày 05/10/2026).
Anh nghĩ vậy là đã gần đủ, mọi người đã nói chuyện hơn một tiếng. Anh nói thêm Manus từng tốt, rất tốt khi mới ra, là một browser agent thật sự tuyệt; anh từng giao cho nó các việc nghiên cứu (theo video đăng ngày 05/10/2026). Anh hỏi còn câu hỏi nào không, còn khoảng bốn phút trước khi phải kết thúc.
Anh nói DeepSeek V4.1 Flash đang chạy trên RTX Pro 6000, không phải trên Spark. Các máy Spark lúc này đang chạy Step 5, và khá chậm vì chưa được tối ưu. Anh có bốn máy, thường dùng hai máy một lúc: hai cho việc này, hai cho việc khác. Nhưng trong tháng qua anh chỉ dùng chúng cho nghiên cứu: chạy quant và tạo các bản quantization; theo anh chúng khá tốt cho kiểu việc đó (theo video đăng ngày 05/10/2026).
Anh nói anh thấy bước tiến tiếp theo của AI sẽ là những use case cho người bình thường. Theo anh, hiện có khoảng một tỉ người dùng AI, nếu không nói là hơn, và chỉ khoảng 25 tới 30 triệu người từng dùng một agent (theo video đăng ngày 05/10/2026). Đó là một bài toán onboarding cần được giải: làm sao để người bình thường dùng agent cải thiện cuộc sống của họ. Vấn đề là họ không nhất thiết biết tự làm điều đó, không phải ai cũng được học khoa học máy tính hay là dân mê công nghệ.
Rồi khi đã onboard họ, inference của họ sẽ đến từ đâu? Theo anh, lý do chính khiến các công ty đang chật vật với phần cứng là agent chứ không phải AI; bản thân AI khá rẻ, chỉ là khi chạy goals, sub-agent, swarm và mọi thứ như vậy thì server bị quá tải. Bạn phải xử lý chuyện cache của hàng chục triệu người liên tục bị evict, vì họ tạo ra quá nhiều nội dung (theo video đăng ngày 05/10/2026).
Điều thứ hai là robotics và ứng dụng ngoài đời thực. Theo anh, tới giờ chưa có nhiều về robotics, nhưng sắp tới sẽ có những công ty robotics tốt tạo ra sản phẩm giá vài trăm hoặc vài nghìn đô (theo video đăng ngày 05/10/2026). Anh đã tới vài nơi: anh chỉ những cánh tay robot có bàn tay, làm được các việc dùng tay. Hiện chúng đang trong giai đoạn training và production, nên sẽ mất thời gian để những thứ này đi vào đời thực; nhưng bạn thậm chí điều khiển được chúng bằng một kính VR. Anh chỉ một hình của anh với robot, và nói họ dùng Spark và Thor để làm việc đó. Anh nói chúng ta sẽ thấy nhiều thứ hơn ở robotics, và anh nghĩ sẽ có nhiều mối đe doạ an ninh mạng hơn.
Anh cũng đã chạy một model trên điện thoại, iPhone 15 Pro Max: model LFM của Liquid AI, khoảng 2.6B. Theo anh, chúng giờ chạy được trên iPhone và có lẽ cả điện thoại Android, nhưng hơi quá ngốc, vì thường khoảng 2 tới 4 tỉ tham số, nên khá ngốc (theo video đăng ngày 05/10/2026).
Anh cảm ơn mọi người đã dành thời gian có mặt, mong buổi này hữu ích; anh nói anh đang cố làm những buổi này mang tính giáo dục nhiều nhất có thể, và chúc mọi người một ngày tốt lành.
Nguồn và liên kết 6 nguồn
- Tên gốc: AI Agent Tierlist
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=c9l0CYY1v6w youtube.com
- Kênh YouTube 0xSero (0xSero): youtube.com/channel/UCeNLqAes-kUMjWksPA6d-BA youtube.com
- Repo Pi mà 0xSero mở trong video; trang repo tự mô tả là "AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI" (đọc ngày 20/11/2026): github.com/earendil-works/pi github.com
- Artificial Analysis, trang bảng xếp hạng model mà anh mở khi nói về Step 5 Preview (đọc ngày 20/11/2026): artificialanalysis.ai artificialanalysis.ai


