# Vì sao Theo ghét dùng 6.2 Astra dù nó rất mạnh

[Theo Browne](https://homus.dev/speakers/theo-browne) · [Theo - t3․gg](https://homus.dev/orgs/theo-t3-gg)

> Theo Browne giải thích vì sao anh ghét dùng 6.2 Astra để code dù benchmark rất tốt: hỏi khó hiểu, giải thích rối, chạy vòng vòng trên task dài.

Topics: Coding Agents, Evals, Model Routing

Canonical: https://homus.dev/talks/astra-6-2-is-unusable

## 1. Số đo rất đẹp, nhưng anh ghét dùng 6.2 Astra

Theo Browne mở đầu: cuối cùng chúng cũng tới. OpenAI vừa giới thiệu 6.2 Astra và 6.2 Sol, theo anh là hai trong những đợt ra mắt model được thổi phồng nhiều nhất cả năm (video đăng ngày 18/11/2026). Anh cho rằng chúng tới vào lúc đặc biệt gấp gáp, vì Anthropic đã thống trị mảng AI viết code liên tục mấy tháng nay; từ khi Opus 5.5 ra, anh có cảm giác không ai chạm được tới Anthropic, và Anthropic còn ra thêm vài model mới cho thấy năng lực đáng kinh ngạc, nhất là khi xét tới giá.

![Trang giới thiệu của OpenAI với chữ Astra, GPT-6.2 và Sol trên nền vệt sao, góc phải là Theo Browne](https://homus.dev/photos/9KvI-zg4mfo-0002.jpg)

Trang giới thiệu GPT-6.2 của OpenAI, với hai tên Astra và Sol, mà Theo mở ở đầu video đăng ngày 18/11/2026.

Theo Theo (video đăng ngày 18/11/2026), trên Artificial Analysis các model mới của OpenAI cho hiệu năng tương đương Fable ở mọi mức trừ Max (anh nói bạn nên bỏ qua Max), trong khi giá rẻ hơn nhiều. Khi xem bản biểu đồ tuyến tính, anh thấy rõ chúng rẻ hơn bao nhiêu so với một model như Fable 5.2.

Trên các bench cá nhân của anh (video đăng ngày 18/11/2026), 6.2 Astra áp đảo trên mọi mặt, còn 6.2 Sol đứng thứ hai rất sát với giá rẻ hơn hẳn. Theo số đo của Theo, chạy bộ bench này Astra tốn khoảng một nửa so với Fable, và Sol thấp gần tới mức một phần tám. Anh gọi đó là thật đáng kinh ngạc, rồi hỏi: vậy đây có phải một cú home run không, OpenAI đã trở lại chưa?

![Bảng Evalboard, tab Standings với các bench TS-RUST, T3 CODE, LAKEBED, REVIEW, D1; GPT-6.2 Astra 100, GPT-6.2 Sol 91, Opus 5.5 78, Fable 5.2 77](https://homus.dev/photos/9KvI-zg4mfo-0043.jpg)

Bảng Evalboard của Theo trong video đăng ngày 18/11/2026: GPT-6.2 Astra đứng đầu với mean standing 100, GPT-6.2 Sol 91, Opus 5.5 78, Fable 5.2 77, Sonnet 5.5 76; ở bảng "Every result", cột Spend ghi $103.44 cho Astra và $24.44 cho Sol.

Anh nói đây là một video khó làm (video đăng ngày 18/11/2026), vì mọi công cụ và kỹ thuật anh tự dựng để đo một model đều cho model này những con số rất tốt. Theo mọi đánh giá và mọi phép đo, đây đáng lẽ phải là một trong những đợt ra mắt hay nhất năm. Và đó là lý do anh thấy rất đau khi phải nói: anh ghét dùng model này. Anh nói chuyện này có nhiều lớp, cũng có nhiều điểm tốt, nhưng anh đã hy vọng nhiều hơn thế.

Theo anh (video đăng ngày 18/11/2026), model này là một bước tăng năng lực đáng kể nếu bạn muốn xem AI giải được bài toán khó tới đâu, hay một model dựng được môi trường 3D đẹp tới đâu: ở những mặt đó, 6.2 Astra ngang ngửa model tốt nhất, nếu không muốn nói là nhỉnh hơn. Nhưng anh nói ngày nay model không chỉ có vậy; cảm giác thật sự làm việc với chúng có rất nhiều lớp, và đó là chỗ anh có nhiều vấn đề nhất với đợt ra mắt này.

Anh muốn yêu model này, nhưng anh không yêu nó. Dù nó đã khá hơn trong mấy ngày test gần đây, anh nói nó vẫn chưa tới mức anh muốn để bắt đầu chuyển việc ra khỏi Claude (video đăng ngày 18/11/2026). Anh đoán mình có lẽ sẽ gặp rắc rối vì những điều sắp nói, trong đó có một lá thư anh viết cho OpenAI trong giai đoạn test sớm để trút bực bội. Anh hứa sẽ chia sẻ tất cả, kể cả lá thư.

## 2. Bị ốm, test lại sát giờ, và lời thú nhận về "Terra"

Theo nói anh đang hơi ốm: anh vừa về từ chuyến đi TwitchCon cùng team, bị ốm khá nặng ở đó, và giờ đang qua một cơn sốt khá cao. Lúc quay là đúng 11 giờ đêm, và anh đã phải mất nhiều thời gian chạy lại các bài test vì OpenAI thay đổi model ngay trước ngày ra mắt, những thay đổi anh chưa kịp thử (video đăng ngày 18/11/2026). Dù vậy anh vẫn cố gắng ngồi quay, và mong mọi người hiểu vì sao giọng anh hơi nghẹt mũi.

Anh cũng nói thẳng ngay từ đầu: trong chu kỳ ra mắt này anh dành ít thời gian cho Sol hơn nhiều so với Astra (video đăng ngày 18/11/2026). Anh sẽ nói thêm một chút về cách mọi người, nhất là nhân viên OpenAI, đang dùng hai model, nhưng lúc này trọng tâm là Astra.

Rồi anh đọc bài giới thiệu của OpenAI (bài OpenAI đăng, trích trong video đăng ngày 18/11/2026): OpenAI giới thiệu 6.2 Astra là model frontier mới cho những project khó nhất, và 6.2 Sol là model hiệu quả, linh hoạt cho công việc hằng ngày. Bài viết nói cả hai cho kết quả tốt hơn ở các task khó với ít output token hơn, để bạn làm được nhiều việc hơn trong giới hạn usage của mình, và với doanh nghiệp và developer, điều đó nghĩa là hiệu năng frontier với chi phí hợp lý khi chạy ở quy mô lớn. Theo chen vào: "để xem".

Bài viết tiếp tục (theo bài của OpenAI mà Theo đọc trong video đăng ngày 18/11/2026): 6.2 Astra đặt một chuẩn chất lượng mới cho AI trong công việc chuyên môn phức tạp; slides, spreadsheet và documents của nó đọc ít giống AI hơn và bám sát hơn các template bạn đưa và các quy ước trong ngành của bạn; nó viết code sạch hơn và dựng front end trông và chạy tốt hơn, đặc biệt cho website, game và 3D design.

Theo nói bình thường anh sẽ đọc hết rồi mới phản bác, nhưng lần này anh phải phản bác ngay, nếu không anh sẽ phát điên và thấy mình không trung thực. Anh không thích cách OpenAI đóng khung model này. Đặc biệt câu "đọc ít giống AI hơn": theo anh (video đăng ngày 18/11/2026), có thể vậy, nhưng chúng đọc giống một người không nói được tiếng Anh hơn.

Câu trong bài giới thiệu của OpenAI và câu Theo phản bác lại, theo video đăng ngày 18/11/2026.

Tới đây anh phải tiết lộ một điều anh không tự hào: anh đã nói dối. Anh đã nói một ví dụ là của Terra, ví dụ về chuyện model tóm tắt rất tệ lý do máy của anh chậm và vì sao work tree tạo quá lâu, nhưng thật ra đó không phải Terra. Anh nói đó là một lớp ngụy trang anh đặt trong editor của mình, T3 Code, để che chuyện anh đang test sớm model Astra mới (video đăng ngày 18/11/2026).

Vậy cái thứ "absolute slop" đó, câu trả lời nói về đủ thứ chi tiết nội bộ kỳ lạ của pnpm và cách anh dùng XFS và VDO mà không nhắc tới việc ổ đĩa đơn giản là chậm hơn (nó có lướt qua ý đó, nhưng không nằm trong những phần nó làm nổi bật), theo Theo không phải ví dụ về một model nhỏ làm kém. Anh nói đó là ví dụ về một model rất lớn, rất dài dòng, không biết ưu tiên thông tin cho đúng, và đây sẽ là một chủ đề lặp lại, vì chuyện này xảy ra nhiều với model này (video đăng ngày 18/11/2026).

## 3. Thread làm browser và câu hỏi về Tart

Ví dụ đầu tiên trong mấy ví dụ làm anh đặc biệt bực: anh cho model quyền truy cập một máy Mac của mình để nó thử tự tạo một browser. Theo Theo (video đăng ngày 18/11/2026), tình huống ác mộng nó tự tạo ra cho chính nó tới giờ vẫn làm anh rùng mình. Anh hứa sẽ cho xem ảnh chụp cuối cùng, nhưng trước hết muốn cho thấy nó đã đi tới đó thế nào.

Anh mở một ảnh chụp trong T3 Code và nói định dạng tin nhắn ở đây không rõ: nửa trên là câu nó hỏi, nửa dưới là câu anh trả lời. Thread đang chạy goal dài là tạo browser này bỗng hỏi, như trên màn hình: "When can ProMini be quiet for the first ⌘T test? The latest sample averaged 0.18% idle. The test needs 50%. I can keep working on the browser while waiting." (demo trong video đăng ngày 18/11/2026).

Anh không hiểu chuyện gì đang xảy ra, vì sao máy này không còn chút tài nguyên nào, và nó không cho anh dấu hiệu nào. Nên anh trả lời: cái gì đang dùng máy này vậy, chỉ là một đống iOS simulator thôi mà, dọn đi, máy là của mày. Nó đáp lại bằng một câu hỏi khác, trên màn hình ghi: "Can you unlock the disposable QA guest? On ProMini, open the already-running Tart window titled herk-qa-…, unlock the "Managed via Tart" account, and reply when its normal desktop is visible. The automated console shows only wallpaper. No password needs to be sent here." (demo trong video đăng ngày 18/11/2026).

![Ảnh chụp thread T3 Code mở trong Finder: tin nhắn hỏi khi nào ProMini rảnh, câu trả lời của Theo, và hộp Question yêu cầu mở khoá QA guest trong cửa sổ Tart](https://homus.dev/photos/9KvI-zg4mfo-0703.jpg)

Thread làm browser trong video đăng ngày 18/11/2026: thanh trạng thái ghi "Goal blocked · 137.1m tokens · 59h 21m 8s", hộp Question hỏi Theo mở khoá tài khoản "Managed via Tart", và ô chọn model ghi "6.1 Terra [1m] Ultra", chính là tên ngụy trang anh vừa kể.

Theo nói anh còn không biết Tart là cái gì, và anh chẳng liên quan gì tới những thứ đó (video đăng ngày 18/11/2026). Theo anh, model cứ thế nói ra những thứ nằm trong lập luận nội bộ của nó, và mặc định là bạn biết hết mọi chuyện đã diễn ra trong thread cùng mọi thứ kỳ lạ nó đã làm. Anh nói tới giờ anh vẫn gặp ác mộng về tình trạng mà nó đẩy anh vào.

## 4. Theo anh, model không tôn trọng máy và không tách được ai biết gì

Theo Theo (video đăng ngày 18/11/2026), model này không tôn trọng máy tính của bạn hay tài nguyên trên đó. Anh nói chưa từng có model nào phung phí RAM của anh hung hăng như vậy, làm hỏng permission, làm trống ổ cứng rồi lấp nó bằng rác. Anh có một máy với ổ 8 terabyte gần như còn trống, và Astra bằng cách nào đó đã lấp đầy nó bằng rác dùng một lần, từ chối dọn dẹp, và anh phải nhờ tới Opus mới dọn được đủ dung lượng để tiếp tục làm việc trên máy đó. Anh gọi đó là thật sự khó chịu.

Một ví dụ khác cùng kiểu (demo trong video đăng ngày 18/11/2026): một câu hỏi của model, trên màn hình ghi "The full Disc 3 comparison needs about 14.45 GB free on zbook's /home and one idle physical core. Is there a reserved window I can use for it?" (Theo đọc là khoảng 15 GB). Anh nói máy này có 4 terabyte trống khi anh bắt đầu lần chạy đó, và bằng cách nào đó model đã phá hỏng cái máy: nó dùng nhiều tài nguyên lung tung tới mức không chạy nổi những bước kiểm tra cơ bản.

Ví dụ cuối, theo Theo, là model làm bừa rồi hỏi những câu rõ ràng là dành cho một sub-agent, không phải cho người đang điều khiển cả thread. Trên màn hình, câu hỏi ghi: "Outside BLIN69_1, should the guide still send one Circle for a fully shown, verified ordinary message as originally requested? It will stop at choices and keep Circle disabled throughout BLIN69_1." (demo trong video đăng ngày 18/11/2026). Anh nói anh không hiểu câu đó đang hỏi gì; anh chỉ bảo nó remaster Final Fantasy VII sau khi đã decompile game, và giờ nó gửi cho anh những câu như thế.

Theo anh (video đăng ngày 18/11/2026), model như thể không có khả năng phân biệt đâu là thứ nó hiểu, đâu là thứ nó đã làm trong thread, đâu là thứ sub-agent cần biết và quan tâm, và đâu là thứ người đã prompt nó sẽ biết. Anh nói "sự phân tách kiến thức" của nó ở đây bằng không, thật sự bằng không: nó hoàn toàn không hiểu bạn biết gì và không biết gì. Anh kể OpenAI đã cố prompt để loại bỏ chuyện này trong system prompt kể từ khi anh "crash out" với họ về nó.

Bốn lớp kiến thức Theo kể ra, và nhận xét của anh rằng 6.2 Astra không phân biệt được chúng (video đăng ngày 18/11/2026).

## 5. System prompt được sửa sát ngày ra mắt, và chuyện web design

Theo nói anh đã phân tích system prompt trước và sau, vì OpenAI sửa nó rất sát ngày ra mắt (video đăng ngày 18/11/2026). Anh cho 6.2 Astra làm việc này trước, và đọc câu trả lời của nó trên màn hình: thay đổi lớn nhất là khi nào Codex nên dừng làm việc; prompt public vốn đã bảo nó kiên trì; cả hai prompt signed-in bản release đưa quy tắc đó lên đầu và làm nó cụ thể: nếu còn một bước đã được cho phép thì thực hiện bước đó, nếu một command bị timeout thì chẩn đoán, thử một cách khôi phục được phép, và hoàn thành những gì còn làm được; chúng cũng bảo Codex viết câu trả lời cuối sao cho có nghĩa kể cả khi bạn đã bỏ qua mọi cập nhật tiến độ.

Theo đọc thêm rằng cả hai đều có phần bổ sung cho phép giúp làm game gốc với cơ chế tương tự các game có sẵn, nhưng tránh tái tạo một game cụ thể hay asset của nó; câu trả lời trên màn hình thì xếp ý đó dưới mục "Release Sol" (demo trong video đăng ngày 18/11/2026). Ý anh muốn nói: model này không dễ nói chuyện, vì nó thường nói với bạn theo cách mà có lẽ nó nên dùng để nói với sub-agent, và cũng vì nó không viết tiếng Anh tốt. Anh thừa nhận nó có vẻ tốt hơn so với lúc anh test sớm nhất, câu trả lời này phần lớn đọc được; nhưng nó cũng crash khoảng ba lần sau khi anh bảo nó làm bản cập nhật ở đây.

Để so sánh, anh mở câu trả lời khi gửi cùng yêu cầu đó cho Opus (demo trong video đăng ngày 18/11/2026), và khen ngay: "So clear." Trên màn hình, Opus 5.5 High trả lời trong thread "Codex Model Prompt Differences":

![Thread Codex Model Prompt Differences trong T3 Code: câu trả lời của Opus 5.5 High liệt kê khác biệt giữa prompt public và signed-in](https://homus.dev/photos/9KvI-zg4mfo-1103.jpg)

Câu trả lời của Opus 5.5 trong video đăng ngày 18/11/2026: prompt signed-in bản release là bản viết lại mới hơn; có mục "Completing the user's task" mới ở đầu, mục autonomy được viết lại, permission gộp vào autonomy, quy tắc final answer mới, quy tắc IP mới, và font giờ chỉ là "suggested".

Theo đọc các ý trên màn hình (demo trong video đăng ngày 18/11/2026): prompt signed-in bản release là bản viết lại mới hơn, prompt public trong `models.json` gần như giống prompt EA; bản signed-in đẩy mạnh hơn về autonomy, với mục "Completing the user's task" mới ở đầu; mục autonomy được viết lại; mục permission gộp vào autonomy, và câu "Ask before destructive or irreversible actions, or before sending something externally" giờ được nói thẳng. Rồi tới quy tắc final answer với đoạn mới: viết câu trả lời cuối mới hoàn toàn cho người đọc, không chép lối viết tắt trong lập luận hay jargon từ tool call hay brief của sub-agent.

Theo nói đoạn đó được thêm vào vì lần anh crash out, và anh biết chắc điều này (video đăng ngày 18/11/2026). Anh vui vì giờ nó có ở đó, nhưng việc OpenAI phải thêm nó vào thì theo anh là điên rồ. OpenAI cũng sửa phần design: font giờ chỉ là gợi ý, không còn bắt buộc, vì model làm ra mọi thứ khá thiếu nhất quán. Anh mong như vậy đã giải thích vì sao anh rất khó chịu với câu "documents đọc ít giống AI hơn".

Còn web design thì sao? Theo kể một người bạn của anh, người làm trang whichai.dev, đã đưa 6.2 Astra lên đó (video đăng ngày 18/11/2026). Phản ứng của anh: "ôi trời", kết quả khá tệ. Không có design skill thì có vẻ khá hơn một chút, nhưng theo anh nhiều bản có ảnh image gen rất sến, và nó thích làm vậy, có lẽ là quá nhiều. Anh nói các model image gen mới của OpenAI tốt hơn đáng kể và hơi bị đánh giá thấp, dù cá nhân anh vẫn nghĩ image gen nói chung khá sến.

Theo Theo (video đăng ngày 18/11/2026), phần background ở một bản không tệ lắm, có những thứ không phải tệ nhất, nhưng vẫn tệ khi so với Fable 5.2 với những animation đẹp cho kiểu trang này. Dù vậy anh nói bản này tốt hơn đáng kể so với mọi thứ anh từng thấy model OpenAI làm ra; "better, usable, tunable và steerable", điều đó tốt. Nhưng model này có vấn đề "regressing to the mean", mà anh sẽ quay lại khi nói về 3D và game dev.

## 6. Benchmark chính thức và những chỗ anh thấy đáng ngờ

Quay lại bài giới thiệu chính thức, Theo xem các điểm số OpenAI muốn chia sẻ (theo bài của OpenAI mà anh đọc trong video đăng ngày 18/11/2026). Trên Agents' Last Exam, bài test công việc chuyên môn nhiều bước, Astra lập mức cao mới, hơn GPT-6 Astra 5.2 điểm với chưa tới một phần ba chi phí, và hơn Claude Fable 5.2 5.5 điểm với chỉ 5% chi phí. Theo đọc thêm từ biểu đồ: Fable 5.2 có vẻ tốn 60 đô cho bài này và đạt 72.8%, còn Astra đạt 78.3 với $2.89.

Anh nói thêm (video đăng ngày 18/11/2026) rằng Astra ở mức Max lại điểm thấp hơn, và theo anh điều đó một lần nữa xác nhận giả thuyết anh thích: mức reasoning effort Max hầu như không bao giờ nên dùng ngoài chuyện bench-maxing, và kể cả khi đó có lẽ cũng không nên dùng.

Bài viết tiếp (theo bài của OpenAI, trích trong video đăng ngày 18/11/2026): OpenAI tin 6.2 Astra là model tốt nhất thế giới cho nhà khoa học; nó lập mức cao mới trên Terminal-Bench-Science, bài đo model làm công việc khoa học trong terminal tốt tới đâu, và hơn GPT-6 Astra 9 điểm phần trăm với chưa tới một phần ba chi phí. Theo nói cho đáng gì thì điều này có vẻ đúng: nếu mục tiêu của bạn là dùng model cho khoa học, khả năng cao Astra là model khoa học tốt nhất từng có (video đăng ngày 18/11/2026).

Nhưng anh thấy có chỗ đáng ngờ (video đăng ngày 18/11/2026). Trên Vals Science Index, mức X-High điểm thấp hơn nhiều so với High, anh đọc là từ 68.1 xuống 64.8, gần bằng khoảng cách mà Fable có. Anh cũng lưu ý lần chạy của Fable ở đây là High, không phải X-High hay Max, và anh không chắc Fable 5.2 sẽ thay đổi thế nào ở các mức cao hơn. Nên anh không chắc bench này, hay các con số trên bench này, đáng tin tới đâu; theo anh nó có vẻ là một bench khá nhiễu khi thấy những pattern như vậy.

![Biểu đồ Vals Science Index v1 trên trang OpenAI: trục Accuracy theo Cost; tooltip Claude Fable 5.2, Effort High, Cost $8.79, Accuracy 63.7%](https://homus.dev/photos/9KvI-zg4mfo-1423.jpg)

Biểu đồ Vals Science Index v1 trong bài của OpenAI mà Theo mở (video đăng ngày 18/11/2026): đường của GPT-6.2 Astra đi lên rồi tụt ở một điểm; tooltip của Claude Fable 5.2 ghi Effort: High, Cost: $8.79, Accuracy: 63.7%.

Theo Theo (video đăng ngày 18/11/2026), Terminal-Bench-Science nhất quán hơn nhìn chung, nhưng vẫn có cú tụt ở X-High không rõ vì sao; Fable cũng điểm khá tốt ở đây, nhưng vẫn thấp hơn một chút. Anh còn lưu ý có vẻ Astra được đánh giá không bằng mini-swe-agent mà bằng Codex, trong khi lần chạy của Fable dùng mini-swe-agent, mà theo anh là một harness rất tệ. Nên có thể các con số này cũng không hẳn chính xác. Anh nói phải đào sâu hơn mới chắc, nhưng anh đã thấy những lỗi kiểu này đủ nhiều lần để không muốn tin mù quáng.

## 7. Sol được dùng nhiều trong OpenAI, và slide deck merch

Phần tiếp theo của bài tập trung vào GPT-6.2 Sol. Theo kể anh nghe từ người ở OpenAI rằng họ không dùng Astra nhiều bằng 6.2 Sol, và phần lớn dùng 6.2 Sol ở chế độ Ultrafast (video đăng ngày 18/11/2026). Bài viết của OpenAI cũng ghi nhiều nhân viên OpenAI đang dùng Sol làm model mặc định cho cả việc kỹ thuật lẫn phi kỹ thuật. Anh chưa thử Sol nhiều nên bỏ qua phần này, chỉ thấy thú vị khi biết nhiều người thích Sol hơn Astra ngay trong nội bộ OpenAI.

Phần sau nói về professional outputs cho documents, slides và các thứ tương tự, và anh đã tự thử một ít. Bài viết có phần tạo slide deck cho các concept merch (theo bài của OpenAI trong video đăng ngày 18/11/2026). Với ví dụ dùng 6 Astra, Theo nói "ờ, cũng được". Bản 6.2 Astra thì tốt hơn, nhưng theo ý anh vẫn chỉ xếp vào mức "được".

![Tab Merch concept deck trên trang OpenAI: bên trái slide GPT-6 Astra với balo, áo thun hình ếch, bên phải slide GPT-6.2 Astra Marketing / Hype Moth với enamel pin, backpack emblem, T-shirt print](https://homus.dev/photos/9KvI-zg4mfo-1559.jpg)

Tab "Merch concept deck" trong bài của OpenAI (video đăng ngày 18/11/2026): slide 10/13 của GPT-6 Astra ("Finance / Per my last model") và slide 3/19 của GPT-6.2 Astra ("Marketing / Hype Moth"); chú thích ghi hai model được yêu cầu dùng template slide công khai của OpenAI để pitch merch hình con vật cho bốn team.

Theo tò mò một họ model khác sẽ làm thế nào, nên anh cho Fable tự chạy một lần (demo trong video đăng ngày 18/11/2026). Fable không có tool image gen, nên phải tự tạo mọi hình dưới dạng SVG. Theo ý anh, dù không tạo được ảnh, Fable thật ra làm tốt hơn Astra. Nhưng nó có nhiều "Claude-ism" sến, kiểu dòng phụ "Scored 100% on the test. It has seen the test before."

Anh hỏi lại: các bản của OpenAI có những dòng phụ sến như vậy không? Không (demo trong video đăng ngày 18/11/2026). Anh nói chỉ riêng điều đó có thể kéo anh quay lại, vì anh đã học được cách ghét những dòng phụ đó tới mức nào; chỉ vì không có chúng, anh đổi ý và trao phần thắng cho Astra. Anh nói trong system của mình có lẽ còn có một dòng bảo đừng bao giờ làm những dòng phụ này, vậy mà Fable vẫn làm, và điều đó làm anh bực.

## 8. Computer use, cybersecurity, safety và bảng giá

Phần tiếp theo là computer use và interactive web design. Theo nói computer use của model này "absolutely cracked": nó bay (video đăng ngày 18/11/2026). Theo anh, nó rất giỏi đoán việc gì sắp tới và gom rất nhiều thao tác vào một lần gọi, nên cảm giác như nó lướt qua máy bạn. Anh không hiểu sao bài viết đi ngay vào CAD và 3D trong phần computer use, nhưng ít nhất bạn thấy nó làm được những thứ khá điên với các tool CAD và 3D. Anh biết Ben đặc biệt đã thử rất mạnh mảng này, còn trải nghiệm của anh với 3D thì lẫn lộn hơn một chút, nhưng vẫn ấn tượng.

Anh kể một ví dụ (video đăng ngày 18/11/2026): một người chụp ảnh vài tòa nhà họ thích ở Chicago, cho model thiết kế rồi giúp họ dựng một chiếc đèn mới dựa trên tòa nhà đó. Anh thấy khá hay.

Theo Theo (video đăng ngày 18/11/2026), model rất giỏi các việc cybersecurity, và đó là chuyện có nhiều lớp: OpenAI đang làm để đưa các model GPT-6.2 vào Daybreak nhưng chưa xong, nên chuyện bạn có dùng được các model này cho cybersecurity hay không vẫn là câu hỏi mở. Nhưng theo lời bạn bè anh ở Vercel, các model này đã đứng đầu mọi bench cybersecurity mà họ có. Anh nói tuỳ bạn hiểu điều đó thế nào.

Rồi tới phần safety và alignment, mà Theo tóm lại là OpenAI nói đã làm các model an toàn hơn bao giờ hết, với những biện pháp bảo vệ mạnh nhất tới nay; OpenAI đã siết hạn chế và tăng cường hệ thống dùng để giám sát model và can thiệp khi cần (theo bài của OpenAI mà Theo đọc trong video đăng ngày 18/11/2026). Theo nói anh đã thấy khá nhiều người báo bị chặn, còn anh thì chưa bị chặn hay đụng tường lần nào. Trước đây trong giai đoạn early access anh không hay gặp, rồi đôi khi về sau gặp nhiều hơn; tới lúc quay, sau khi ra mắt chính thức, anh chưa gặp lần nào.

Về giá và availability, Theo tóm tắt (video đăng ngày 18/11/2026): 6.2 Sol giữ giá như 6.1 Sol, còn Astra rẻ đi một chút. Anh đọc: giờ là 8 đô mỗi triệu token input thay vì 10 trước đây; 0.40 đô cho cached input thay vì khoảng 1 đô trước đây nếu anh nhớ đúng, vì trước đó chỉ giảm 90% còn giờ là 95%; và 40 đô mỗi triệu token output, trước đây là 50. Anh gọi đó là thay đổi rất tốt trên mọi mặt, đặc biệt việc cắt 60% giá cached input là một chiến thắng lớn.

![Mục Pricing and availability trên trang OpenAI, ghi giá GPT-6.2 Astra $8 input, $0.40 cached input, $40 output mỗi triệu token và giá GPT-6.2 Sol](https://homus.dev/photos/9KvI-zg4mfo-1843.jpg)

Mục "Pricing and availability" trong bài của OpenAI mà Theo mở (video đăng ngày 18/11/2026): GPT-6.2 Astra giảm 20% giá input và output token, giảm 60% giá cached input, giá chuẩn $8 input, $0.40 cached input, $40 output mỗi triệu token; GPT-6.2 Sol giữ giá của GPT-6.1 Sol là $2, $0.10 và $10.

## 9. Fish Slop: rất đẹp nhưng đầy UI-ism

Rồi Theo xem thêm những gì anh tự làm với model. Mở một ảnh chụp màn hình, anh kêu "ôi trời, không": anh gọi nó là "Eldritch Horror" vẫn còn ám anh, và nói anh nghĩ về ảnh chụp đó mỗi ngày kể từ khi chụp (video đăng ngày 18/11/2026).

Tất nhiên anh phải mở Fish Slop. Theo Theo (demo trong video đăng ngày 18/11/2026), bản này vẫn đầy "GPT UI-ism": những dòng phụ không cần thiết và những thứ bao quanh màn hình chiếm chỗ lẽ ra dành cho game. Điều khiển cũng lạ, không tệ, chỉ lạ. Nhưng anh nói thật: nó rất đẹp, một trong những thứ đẹp nhất anh từng thấy trong browser, chưa nói tới game do AI tạo hoàn toàn. Mấy con cá placeholder thì trông đúng là placeholder, nhưng những con thật, những con thuộc bể cá của bạn, phần lớn rất đẹp.

![Game fishslop do 6.2 Astra làm: tàu ngầm vàng dưới rạn san hô Sunbreak Reef, ô Dive objective Feed the school, thanh Sub systems ở dưới](https://homus.dev/photos/9KvI-zg4mfo-1928.jpg)

Bản Fish Slop của 6.2 Astra trong video đăng ngày 18/11/2026: tàu ngầm vàng ở "Sunbreak Reef", ô "Dive objective: Feed the school 3/5", thanh "Sub systems" với Drop feed, Sonar pulse, Supply bay và bảng Pilot controls ở góc dưới.

Anh chỉ ra từng lỗi (demo trong video đăng ngày 18/11/2026): hai con cá có vẻ đang xuyên vào nhau, nó dùng sai nút cho việc lên và xuống, và anh chắc chắn có vấn đề với bản này. Nhưng về đồ hoạ, nó rất tốt. Theo anh, nếu muốn kết quả tốt nhất thì có lẽ là kết hợp: dùng một model OpenAI để tạo asset và 3D asset, rồi dùng model Anthropic để làm game dễ chịu khi chơi, vì OpenAI vẫn chưa giải được chuyện đó.

Anh nói anh rất ghét cái này, đặc biệt UI xê dịch khi bạn bấm vào, có quá nhiều chi tiết nhỏ như vậy (demo trong video đăng ngày 18/11/2026). Công bằng mà nói, model Anthropic cũng mắc nhiều lỗi kiểu này; chỉ là giờ anh ít chịu đựng được những chỗ UI hỏng nhỏ như vậy hơn nhiều sau khi bỏ rất nhiều thời gian vào một thứ như T3 Code. Khi một model nhả ra những cạnh thô như vậy, anh thấy khó chịu: dữ liệu đã có đó, cứ train chúng tốt hơn đi.

Nhưng anh nói Fish Slop không đủ để thử thách model này; theo anh, đã qua cái thời Fish Slop là cách hợp lý để xem model làm được gì (video đăng ngày 18/11/2026). Anh không có cách đơn giản để chạy những thứ sau đây trên máy đang dùng, nhưng anh đã quay video: anh bắt đầu cho model làm việc với game thật.

## 10. ROM hack Pokémon: chơi được nhưng không qua mắt fan

Một trong số đó là Black and White 2, một trong những game Pokémon anh thích nhất, nhưng anh muốn làm điều rất khác với nó: một ROM hack cho Black and White 2 biến chúng thành Ultra Sun và Ultra Moon, với vài thay đổi cốt truyện. Theo giải thích cho ai chưa biết: đây là các game Pokémon, và anh là một "Pokémon nerd" chính hiệu. Theo anh, các game Pokémon trên DS là lúc dòng game này có cảm giác tốt nhất, nhưng anh có tình cảm đặc biệt với Gen 7 trên 3DS, và anh muốn đưa chúng về một engine anh cho là tốt hơn, bằng cách backport game mới về engine cũ (video đăng ngày 18/11/2026).

![Video Ultra White P024 Opening Uncut: cảnh pixel art trên đảo Melemele, Route 1, dòng chữ Choose a partner on Kukui's lab porch](https://homus.dev/photos/9KvI-zg4mfo-2148.jpg)

Đoạn quay ROM hack "Ultra White" trong video đăng ngày 18/11/2026: cảnh Route 1 trên đảo Melemele theo phong cách DS, với dòng "Choose a partner on Kukui's lab porch."

Kết quả lúc đầu, theo anh, rất ấn tượng; anh tưởng mình sẽ cực kỳ phấn khích khi thấy nó. Nhưng rồi anh bắt đầu chơi thử. Đây là bản sau rất nhiều lượt sửa anh đã prompt, anh qua lại với model nhiều ngày (demo trong video đăng ngày 18/11/2026). Bạn thấy ngay đủ loại lỗi: sprite bị lẹm vào tường, sprite vẽ rất tệ, như nhân vật ở giữa mà bạn còn không thấy được con ngươi. Anh biết DS bị giới hạn pixel, nhưng nếu đã làm overworld sprite (anh không bảo, nó tự chọn làm) thì phải làm tốt hơn.

Theo kể model đã sửa được nhiều về độ dễ đọc của sprite, vì trước đó sprite không có viền, không thể biết đâu là sprite và nó kết thúc ở đâu, mọi thứ trông nhòe nhoẹt (demo trong video đăng ngày 18/11/2026). Theo anh, đây là chỗ bắt đầu lộ ra giới hạn của model: nó tạo được ảnh và ảnh có thể rất đẹp, nhưng nó không có khả năng tạo pixel art ở đúng độ phân giải cụ thể mà không scale kỳ quặc làm hỏng pixel art. Anh nói bạn phải làm việc trong chính loại hình nghệ thuật đó: khi có một lưới pixel cụ thể, bạn phải làm mọi thứ cho lưới đó, và model này không làm được.

Càng chơi anh càng thấy thêm những cạnh thô như vậy (demo trong video đăng ngày 18/11/2026). Một số animation nó làm cho những con Pokémon không có trong game này khá tệ; nó cũng tìm được nhiều thứ trên mạng, điều đó chắc chắn giúp nó. Tổng thể, theo anh, chơi được nhưng không qua mắt được: phần lớn fan ROM hack thật sẽ ngửi ra ngay mọi chỗ sai và vứt nó đi. Nhưng việc giờ ta đã gần tới mức vibe code được trọn một ROM hack cho một game thì hơi siêu thực; anh nghĩ có lẽ còn vài đợt ra model nữa là một thứ như vậy không chỉ khả thi mà còn tốt.

## 11. Làm lại Final Fantasy VII: nét hơn mà vẫn xấu hơn

Vậy là anh phải đẩy mạnh hơn. Theo là fan khá lớn của Final Fantasy VII. Anh nói anh không thấy các bản remake thú vị như người khác; anh hiểu, chúng tuyệt, chắc chắn vui, chỉ là anh không thích hệ thống combat lắm. Anh mong có một bản gốc độ phân giải cao hơn và được chỉnh chu thêm một chút, nên anh quyết định tự làm. Anh tìm được một bản decomp FF7 gần hoàn chỉnh rồi hoàn thành nó, và sau đó bắt đầu render lại, dựng lại nhiều thứ để nó trông bớt tệ trên máy hiện đại (video đăng ngày 18/11/2026).

Theo Theo (demo trong video đăng ngày 18/11/2026), khi anh mới cho nó làm việc này, nó bắt đầu tạo những ảnh AI gen rất sến và nhét khắp nơi, với cảnh nhấp nháy liên tục giữa asset gốc và asset mới. Anh bảo người xem nhìn Cloud bên phải khi anh bấm play: thấy chưa, ngay đó nó chuyển sang asset mới, nhưng cũng làm hỏng shading của chính asset mới đó. Nên dù độ phân giải cao hơn, nó trông tệ hơn vì không khớp với môi trường.

![So sánh hai khung Final Fantasy VII: bên trái US DISC 3 ORIGINAL 320 × 240, bên phải BUILD 393 SAFER-SEPHIROTH 1280 × 720, cùng một cảnh chiến đấu](https://homus.dev/photos/9KvI-zg4mfo-2443.jpg)

So sánh cạnh nhau trong video đăng ngày 18/11/2026: bên trái nhãn "US DISC 3 | ORIGINAL | 320 × 240", bên phải "BUILD 393 | SAFER-SEPHIROTH | 1280 × 720"; phía trên là thư mục ff7-decomp với các file side-by-side.

Một cảnh khác cho thấy nó tệ tới đâu: bên trái là bản gốc, bên phải là bản high res mới của anh; anh đọc là bản gốc 240p và bản mới 720p, và nói bản mới đơn giản là tệ hơn, thậm chí rõ ràng là vậy (demo trong video đăng ngày 18/11/2026). Theo anh, bản bên trái mờ, nhưng mờ có chủ ý, nó có một vibe riêng; bản bên phải nét chỉ để nét, và đánh mất mọi sự tinh tế của bản gốc. Anh không mong nó hoàn hảo, nhưng bản kia có vibe.

Anh nói nó không hợp lý, đơn giản là không tốt lắm (video đăng ngày 18/11/2026). Anh đã mong nhiều hơn ở việc này, tưởng sẽ tương đối dễ, nhưng phần lớn công việc asset nó làm không thật sự gây ấn tượng với anh. Anh còn nói bản bên trái trông đẹp hơn, vì nó gai góc hơn, và sự gai góc là một nét thẩm mỹ của FF7 đã mất trong bản port này.

## 12. Bellwether: một hành tinh mới cho Outer Wilds

Nhưng theo Theo, không thứ nào ở trên là thứ gây ấn tượng nhất với anh, ít nhất lúc đầu: phải nói tới Outer Wilds, rồi sau đó mới tới bài "crash out" và lá thư gửi OpenAI. Trước hết anh nhắc một bài đăng mơ hồ anh viết vài tuần trước, chỉ có một chữ: "Bellwether". Nhiều người tưởng anh làm lộ tên một model mới; có vẻ trong OpenAI có một model nội bộ tên Bell, B-E-L, nhưng anh không biết gì về chuyện đó, bài đăng không nhắc tới nó, và nếu có liên quan thì hoàn toàn là tình cờ (video đăng ngày 18/11/2026).

Anh viết "Bellwether" vì model đã làm một màn chơi trong game anh thích nhất mọi thời đại, Outer Wilds, và đặt tên nó là Bellwether. Với ai chưa biết, theo anh (video đăng ngày 18/11/2026) Outer Wilds là một trong những tác phẩm nghệ thuật vĩ đại nhất từng được làm ra; anh tìm mọi cớ để nói về nó, và bạn càng biết ít trước khi chơi thì càng tốt. Đó là một game khám phá, xoay quanh sự khám phá và tò mò, và anh đã đuổi theo cảm giác "phê" từ game đó kể từ lần đầu chơi năm 2018.

Anh nói anh rất yêu game này, và với anh, một trong những thước đo thật sự cho AGI là khả năng thêm vào một game như Outer Wilds một thứ có sức sáng tạo và khơi gợi tò mò tương tự. Theo anh (video đăng ngày 18/11/2026), model chưa làm được điều đó, nhưng model này đã tới đủ gần để anh hơi xúc động. Game xoay quanh việc khám phá một hệ mặt trời, nên anh nghĩ việc dễ nhất là bảo nó làm một hành tinh mới.

![Đoạn quay 01-planet-approach-and-harbor: hành tinh mới phủ nước màu xanh với cấu trúc đá, HUD O2, FUEL và Gravity 0.0x](https://homus.dev/photos/9KvI-zg4mfo-2636.jpg)

Đoạn quay "01-planet-approach-and-harbor" trong video đăng ngày 18/11/2026: hành tinh nước mới mà 6.2 Astra thêm vào Outer Wilds, với HUD O2, FUEL và "GRAVITY 0.0x".

Nó làm ra một màn nước mà theo anh, ở nhiều mặt, rất ấn tượng: có thuỷ triều lên xuống theo các vòng lặp, có nhạc, có chuông, có chủ đề và ý tưởng, nhưng hoàn toàn không có phần thưởng thật sự nào (demo trong video đăng ngày 18/11/2026). Theo anh, một trong những điều lớn nhất Outer Wilds làm đúng là thưởng cho sự tò mò của bạn. Hành tinh mới này thất bại tệ tới mức anh qua lại với model cả tiếng rưỡi để hiểu vì sao mình bị kẹt, rồi mới nhận ra mình đã tới cuối từ lâu mà không biết, vì chẳng có phần thưởng nào ở đó. Về thẩm mỹ nó làm đúng một phần, nhưng mặt đó thì sai.

Và phần chữ thì theo anh tệ khủng khiếp, không gần chút nào với thứ anh nhắm tới hay thứ game gốc có (video đăng ngày 18/11/2026). Anh nói rõ: nếu bạn chưa chơi Outer Wilds thì những điều này chẳng có nghĩa gì; và nói chung, theo anh, người xem có chơi game thì nên chơi Outer Wilds, nó không thể tin được; có thể bạn không phải kiểu người nó chạm tới, nhưng nếu đúng thì bạn sẽ rất biết ơn. Nếu việc anh nói mãi về nó khiến một người chưa chơi chịu chơi, thì đáng công. Anh nói game này đã thay đổi anh.

Theo Theo (video đăng ngày 18/11/2026), một điều xuất sắc của game là phần viết, vì nó do chị/em gái của đạo diễn viết; hai người rất thân và hiểu rõ nhau cũng như điều họ muốn làm. Nên lời thoại và cách viết rất quan trọng trong game này, và điều lớn nhất là chữ không làm mất thời gian của bạn: nếu nó ở đó thì nó có ý nghĩa.

Còn chữ model này viết, dù được dặn cụ thể là phân tích mọi lời thoại trong game và cố khớp về giọng điệu và nhân vật, thì thất bại hoàn toàn (demo trong video đăng ngày 18/11/2026). Anh đọc một câu của nhân vật Chert, trên màn hình ghi: "On the chart I drew a boat at the bell. That boat is a guess. The bell is real, and there is Nomai writing at its foot. Start there, not with my guess." Anh nói anh muốn nói những lời có thể làm video bị tắt kiếm tiền về đoạn chữ này: với một fan của game, nó xúc phạm. Và đó là sau khi anh đã nhiều lần bảo nó phải làm chữ có cảm giác giống bản gốc hơn.

Anh kéo Muse vào và nó làm tốt hơn, nhưng vẫn chưa hay (demo trong video đăng ngày 18/11/2026). Anh đọc đoạn sau khi qua Muse, trên màn hình ghi: "Child Ilex waited upstairs while the gallery flooded around Rue. Both knocked, but Ilex mistook Rue's one tap for the sound of the sea. Beside the hollow bell, the traveler learns why two knocks ask for one quick answer. Their real disagreement is whether Ilex should come looking if Rue misses it." Theo anh, nó vẫn tệ, vẫn có cảm giác "AI robot", ít tệ hơn nhiều so với bản của 6.2 Astra nhưng vẫn tệ.

## 13. Một bạn trẻ 19 tuổi viết dialogue tốt hơn, và lượt của Fable

Rồi Theo muốn khen một bạn trẻ mà anh gọi là "particularly cool kid" (video đăng ngày 18/11/2026). Anh để ý bạn này trong phần reply của mình, khi bạn nói về model personification, tức cố làm model nói và hành xử giống những người hay nhân vật cụ thể hơn, và làm những thứ để cải thiện phần viết của model. Bạn ấy điều hành một doanh nghiệp tên The Intention Company, theo anh có vẻ còn nhỏ và mới.

Anh nhắn DM cho bạn trẻ ngẫu nhiên có 90 follower này: có một thử thách kỳ lạ, anh không thể nói thêm chi tiết, nhưng anh đang thêm một màn chơi vào một game cụ thể; bạn có muốn lấy phần dialogue và xem có làm nó giống dialogue bản gốc hơn được không? Có vẻ bạn ấy là fan của bản gốc và nhận lời. Bạn ấy gửi lại cho anh sau khoảng một ngày kể từ khi anh gửi hết asset; anh nói anh mất nhiều thời gian gửi đồ cho bạn ấy hơn là bạn ấy mất để gửi lại (video đăng ngày 18/11/2026).

Và dù người làm chỉ là một bạn trẻ 19 tuổi ngẫu nhiên với công ty nhỏ của mình, theo Theo dialogue bạn ấy viết tốt hơn tới mức buồn cười (video đăng ngày 18/11/2026). Anh đọc lời của Chert trong bản này, trên màn hình ghi: "Slate, I found your wrench! It was in the ship the whole time. The ship, unfortunately, was underwater... I've put the new berth rather higher up." Anh nhận xét đoạn này đọc y như bản gốc. Rồi đọc tiếp: "Oh, and I was all strapped in to come home when I felt two knocks through the boards! So the engine's off again... I sent my Little Scout right inside that old bell, and there isn't a thing in there to swing against the rim. How am I supposed to leave that alone?" Anh kêu lên: thật sự đúng chất.

Anh nói rõ đây không phải quảng cáo, anh không nhận được gì từ bạn ấy; anh chỉ thật sự ấn tượng vì lần này khi anh nhắn ai đó nhờ giúp, thứ họ làm ra rất xuất sắc (video đăng ngày 18/11/2026). Anh nói nếu bạn ấy gọi vốn thì báo anh, anh sẽ góp một khoản; anh không nghĩ bạn ấy làm được, nhưng bạn ấy đã làm được. Và với các lab, có khi nên mua lại bạn này: theo anh, bạn ấy làm model nói tiếng Anh tốt hơn bất kỳ lab nào từng làm được, và chỉ mất một ngày. Anh nói anh thật sự rất ấn tượng.

Còn một thứ nữa (demo trong video đăng ngày 18/11/2026). Như anh đã nói, tất cả những thứ trên là từ GPT-6.2 Astra, dựng màn chơi mới, thêm puzzle mới vào game và làm ra một thứ có cảm giác gần bản gốc một cách bất ngờ, nhưng vẫn chưa tới. Khi Fable 5.2 ra, anh muốn xem nó làm tốt hơn tới đâu. Sau lượt của Fable, theo anh, nước đẹp hơn đáng kể, các model khớp hơn đáng kể, kích thước hành tinh và toàn bộ trải nghiệm tốt hơn đáng kể. Nó vẫn chơi game rất dở, không xoay camera gì khi bay quanh, nhưng làm level design tốt hơn nhiều và làm nó có cảm giác thuộc về game.

Điều anh muốn nói: một lần nữa chính sự kết hợp các model đã làm nên kết quả (video đăng ngày 18/11/2026). Anh dừng xem đoạn quay vì chưa chơi lại từ khi Fable tiếp quản và anh có dialogue mới; đó là phần thưởng vui của anh tối nay sau khi quay xong, nếu không quá ốm tới mức phải đi ngủ ngay. Theo anh, kết hợp một bạn trẻ anh tìm thấy trên Twitter, Fable cho game design tổng thể và dọn dẹp, và 6.2 Astra cho design chung và 3D có vẻ là một combo khá tốt. Anh vẫn đang tìm xem việc nào hợp với model nào; anh nói có thể sẽ cho 6.2 Astra làm playtester và tiếp tục dùng Fable làm người implement.

Combo Theo đang thử cho màn chơi Outer Wilds, theo video đăng ngày 18/11/2026; anh nói vẫn đang tìm sự cân bằng.

## 14. Bốn yêu cầu khác nhau, cùng một cái tên "Bellwether"

Nhưng chưa có gì ở trên giải thích bài đăng "Bellwether". Theo nói lý do anh nhắc tới nó là vì hành tinh đó tên Bellwether: một màn nước mới thêm vào Outer Wilds, có chủ đề âm nhạc, trong đó một chiếc chuông là trung tâm (video đăng ngày 18/11/2026).

Vậy vì sao điều này đáng để anh đăng lên? Anh kể về Ben, người cùng dẫn podcast với anh. Ben là người truyền cảm hứng để anh thử thêm màn chơi mới với các model mới, vì Ben đang cố thêm dungeon mới vào Majora's Mask. Ben đưa một prompt tương tự anh, không giống chính xác chút nào, chỉ cùng vibe, và hai người còn không xem prompt của nhau. Ben nhờ model thêm một màn mới vào Majora's Mask, anh nhờ thêm một hành tinh mới vào Outer Wilds, và cả hai đều nhận được những màn chơi chủ đề nước, chủ đề nhạc, nhiều chuông, tên Bellwether (demo trong video đăng ngày 18/11/2026). Anh nói model này "regress to the mean" theo kiểu anh chưa từng thấy trong đời.

Rồi Theo mở thêm các bài đăng khác (bài trên X, trích trong video đăng ngày 18/11/2026). Ethan Mollick nhờ 6.2 Astra làm một game spy giải đố với bất kỳ bối cảnh nào nó muốn, và nó đặt game ở "Bellwether Station". Một người dùng khác nhờ 6.2 Astra tạo một con quái vật mới trong một game; Theo đoán là Zelda, rồi tự sửa: không phải Zelda, đó là game riêng của người này. Người đó bảo nó sáng tạo và làm thứ gì đáng sợ, và nó làm ra một con quái tên Bellwether.

Bốn yêu cầu khác nhau Theo kể ra, đều nhận về cái tên Bellwether từ 6.2 Astra (video đăng ngày 18/11/2026).

Theo nói anh không hiểu chuyện gì đang xảy ra, và anh ghét điều này (video đăng ngày 18/11/2026). Anh thật sự ghét ý nghĩ rằng thứ anh ban đầu tưởng là sáng tạo hoá ra có vẻ là một cái tên được hard-code cùng một bộ khái niệm mơ hồ. Anh nói anh biết chuyện này sẽ xảy ra, vì anh và Ben đụng cùng một thứ nhanh tới vậy; với anh điều đó thật điên rồ.

## 15. Lá thư gửi OpenAI: phần tốt trước

Gác những chuyện đó lại, Theo khép video bằng lá thư anh viết cho OpenAI trong giai đoạn early access, gửi khi mọi người còn đang test model (video đăng ngày 18/11/2026). Lúc đó anh có cảm giác mọi người phần lớn tích cực với model, hoặc không nói gì nhiều; anh đã nói chuyện riêng với vài người bạn cũng có early access, những người không mê nó lắm. Rồi anh viết lá thư này và nhận thấy chiều gió đổi rất nhanh; đặc biệt sau khi Fable 5.2 ra, có vẻ mọi người khá chán Astra.

Anh viết lá thư vì quá bực với cách model hành xử, và cũng vì anh biết OpenAI sẽ lắng nghe; và OpenAI đã lắng nghe, sửa nhiều thứ trước ngày ra mắt để giải quyết nhiều nhất có thể (video đăng ngày 18/11/2026). Anh trân trọng điều đó, nhưng không nghĩ như vậy là đủ, và nghĩ lá thư đáng được nghe trọn vẹn, dù có người cho rằng lỗi là ở anh vì không thử lại sau đó. Anh nói anh đã thử lại, vẫn gặp đủ nhiều những vấn đề này, và anh giữ nguyên từng chữ.

Rồi anh đọc lá thư, trên màn hình là một bài Article trên X tên "Why I hate GPT-6.2 Astra" (trích trong video đăng ngày 18/11/2026). Lá thư mở đầu: anh thấy áy náy, nhưng biết OpenAI sẽ lắng nghe và dùng feedback để làm model tốt hơn; "slight crash out incoming". Tin hay không thì tuỳ, anh viết tất cả bằng tay, không có LLM nào hỗ trợ, và xin lỗi vì lỡ gửi sớm trước khi viết xong. Anh nhấn mạnh anh chép nguyên văn những gì đã gửi cho OpenAI.

Câu chính của lá thư (video đăng ngày 18/11/2026): anh không thích 6.2 Astra, và anh sẽ không chọn nó thay Opus 5.5 cho bất kỳ việc gì của mình với tư cách developer. Rồi anh kể nhanh phần tốt. Theo anh, nó là một reviewer tuyệt vời, bắt được những thứ model khác bỏ sót; trong mọi eval của anh nó đạt điểm gần như tuyệt đối, tìm ra rất nhiều thứ mà phần lớn model trước nó không tìm được, và không bao giờ nói dối, điều anh thấy rất tốt. Theo anh, mọi model khác đều có thói hơi "fib" một chút, buồn cười là nhất là Fable. Anh nói model này "slaughtered" trong mọi eval của anh, và nó là reviewer tuyệt vời vì về cơ bản đó chính là thứ các eval của anh đo.

Theo lá thư (video đăng ngày 18/11/2026), nó thỉnh thoảng nghĩ ra những giải pháp mới thật sự hay: nó giúp anh nghĩ ra một giải pháp reverse proxy mới cho T3 Code mà nếu triển khai sẽ tiết kiệm cho anh và nhóm tới 25.000 đô một tháng (dòng trên màn hình ghi "will save me $25k/month"), trong khi Opus không đủ gan để khám phá đủ các lựa chọn. Anh nói có lẽ anh sẽ ship nó trong thời gian tới; nếu ship và nó chạy, bạn sẽ nghe anh khen model này rất nhiều, còn nếu hỏng thì ngược lại.

Lá thư còn ghi nó đẳng cấp thế giới ở 3D và game; Theo nói từ khi Fable ra anh thấy hơi khác (video đăng ngày 18/11/2026). Computer use thì "nuts", tới lúc quay vẫn vậy. Chất lượng code đã cải thiện đáng kể so với Astra trước, nhưng theo anh vẫn chưa tốt khi so với Opus hay Fable. Nó viết prompt cho sub-agent khá tốt. Nhưng anh nói như vậy chưa đủ, và muốn OpenAI hiểu rằng lá thư xuất phát từ tình yêu: anh thật sự muốn họ làm ra thứ anh chọn trong model picker mỗi ngày.

Các điểm tốt Theo đọc từ lá thư gửi OpenAI, kèm ghi chú anh thêm khi đọc lại (video đăng ngày 18/11/2026).

Nói vậy rồi, theo lá thư, anh thật lòng ghét mọi thứ khác ở model này (video đăng ngày 18/11/2026). Anh nói khó chọn vấn đề nào để nhấn mạnh vì có quá nhiều; một số vấn đề đã có ở model OpenAI từ trước và anh bỏ qua chúng, nhưng có một loạt hành vi mới tệ không thể tin được khiến nó dùng rất khổ sở.

## 16. Không biết người dùng không biết gì, và nói thứ tiếng chỉ nó hiểu

Vấn đề thứ nhất trong lá thư: nó không có khái niệm về khoảng trống kiến thức (video đăng ngày 18/11/2026). Theo anh, khi làm các task dài, model này có thể kéo vào rất nhiều sub-agent và quản lý chúng khá tốt, rồi bỗng hỏi bạn một chi tiết implement nội bộ kỳ quặc mà bạn không thể nào hiểu nổi, chưa nói tới việc có ý kiến. Anh gửi `/goal make a new level for Outer Wilds`; hai giờ sau nó bị "blocked" vì muốn hỏi anh, trên màn hình ghi: "does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?"

Theo lá thư (video đăng ngày 18/11/2026), anh chưa từng thấy model nào làm vậy; GPT-5.6 Sol không làm vậy. Anh không biết hành vi này từ đâu ra, nhưng nó kinh khủng và khiến anh không bao giờ muốn để nó lái những việc chạy dài. Nó làm anh khó khiến model làm được thứ gì hay ho hơn đáng kể, và buộc anh phải dựng các agent khác chạy theo cron chỉ để kiểm tra xem 6.2 Astra có lại hỏi một câu ngớ ngẩn và tự chặn mình không. Có phải chuyện này xảy ra nhiều hơn vì anh dùng T3 Code? Có thể, nhưng anh cho là khó: anh đã thử trong Codex để kiểm tra và vẫn gặp đúng những vấn đề đó.

Đọc lại tới đây, Theo nói thêm (video đăng ngày 18/11/2026): các thay đổi system prompt gần đây đã giúp phần này, và anh cũng ship rất nhiều thay đổi cho T3 Code để giúp; lẽ ra phải tốt hơn, nhưng chuyện vẫn xảy ra và vẫn rất tệ, vì agent tự chặn mình vì những thứ vô nghĩa.

Vấn đề tiếp theo, mà anh gọi là "personal favorite": nó nói một thứ tiếng chỉ 6.2 Astra hiểu (video đăng ngày 18/11/2026). Theo lá thư, model này có output khó đọc nhất trong mọi LLM anh dùng năm nay; nó đơn giản không biết cách giải thích một việc sau khi làm việc đó. Mỗi lời giải thích anh bắt nó đưa ra đều đi sâu vào chi tiết tới mức gần như sai trong câu trả lời. Anh viết: nó thấy cây mà không thấy rừng, rồi còn nói cây là sinh vật sống duy nhất trong rừng. Anh nói rất khó mô tả, nhưng chuyện này xảy ra gần như mỗi lần anh giao nó một task phức tạp.

Anh kể (video đăng ngày 18/11/2026) anh đã quen chuyển sang Opus 5.5 ở cuối mỗi lần chạy 6.2 Astra dài chỉ để có một bản tóm tắt đọc được về những gì nó nói; không có bước đó thì thật sự không thể hiểu nó đã làm gì với bất kỳ việc gì vượt quá sửa bug đơn giản. Theo anh, tệ nhất là có vẻ bạn không thể prompt để loại bỏ chuyện này: anh đã thử chỉnh system prompt, đã năn nỉ nó giải thích như cho trẻ năm tuổi.

Ví dụ trong lá thư (video đăng ngày 18/11/2026): anh hỏi nó vì sao work tree chậm trên một máy nhưng nhanh trên ba máy khác. Anh và model làm đủ thứ, từ bench pnpm tới cài lại máy trên một file system mới. Cuối cùng anh hỏi thẳng, đại ý: anh nghĩ mình sắp phát điên, nói cho anh biết vì sao nó chậm được không? 6.2 Astra viết bốn đoạn về lý do các thành phần nội bộ của pnpm chạy theo cách nào đó. Opus 5.5 thì nói: vì SSD chậm.

Theo nói từ khi system prompt được sửa, anh đã chạy lại câu hỏi này và câu trả lời tốt hơn, vẫn chưa tốt nhưng tốt hơn (demo trong video đăng ngày 18/11/2026). Anh đọc câu trả lời mới: cup2, tên của VPS đó, mất nhiều thời gian hơn để tạo và link nhiều file nhỏ, đó là việc pnpm làm phần lớn thời gian trong một lần warm install; nguyên nhân lớn nhất cô lập được là đường dẫn lưu trữ `/work` của cup2. Theo anh vẫn chưa đủ rõ, nhưng đã chỉ ra chỗ có vấn đề; nó nói về XFS nhiều hơn mức cần, nhắc vài chuyện về RAM, nhưng không câu nào nói thẳng đáp án: virtual storage chậm hơn nhiều.

Theo nói rõ đáp án (video đăng ngày 18/11/2026): các máy kia có ổ NVMe riêng; ổ trên VPS này chậm, còn ổ trên các VPS khác là kết nối trực tiếp, nhanh hơn nhiều, và đó là lý do có khác biệt. Model không nói ra được điều đó, anh không biết vì sao. Tốt hơn, nhưng vẫn tệ.

## 17. Chạy vòng vòng trên ts-rust và không tới đâu

Theo gọi phần tiếp theo là tệ nhất; anh còn không nhớ ra nó, vì anh nghĩ đầu óc anh đã cố chặn nó lại. Vấn đề thứ ba trong lá thư: nó chạy vòng vòng và không tới đâu (video đăng ngày 18/11/2026). Anh giao nó ts-rust, mà tin hay không, là project anh bắt đầu ban đầu để đẩy giới hạn của model OpenAI khi anh có early access, và tất cả đều thất bại trong việc port TypeScript sang Rust. Cuối cùng anh cho Opus 5.5 làm, nó làm rất nhanh và tới mức anh dùng được trong project thật.

![Bài Article trên X của Theo, mục 3. It runs in loops and goes nowhere, đoạn về ts-rust, $300k+ token, Opus dưới 2 tuần với khoảng $20k, Astra chạy 7 ngày, 56% SLOWER](https://homus.dev/photos/9KvI-zg4mfo-4023.jpg)

Mục "3. It runs in loops and goes nowhere" trong lá thư Theo đọc (video đăng ngày 18/11/2026): không model OpenAI nào làm được gì dù đã tốn hơn $300k token; Opus xong trong dưới 2 tuần với khoảng $20k token; Astra chạy 7 ngày, không có cải thiện nào và làm compiler chậm hơn 56%.

Theo lá thư (video đăng ngày 18/11/2026), không model OpenAI nào làm được chút tiến triển nào trên project này, kể cả sau khi đã tốn hơn 300.000 đô token. Anh quyết định giao cho Opus, và nó xong trong chưa tới hai tuần với khoảng 20.000 đô token; Theo nói thêm số đó chỉ tương đương 500 đô tiền subscription, rất khả thi.

Anh rất hào hứng giao Astra mới việc này để xem nó có thu hẹp được khoảng cách giữa ts-rust và các bản viết lại bằng Rust khác không (video đăng ngày 18/11/2026). Theo lá thư, nó chạy bảy ngày và không đưa vào được cải thiện nào. Nó bị ám vào một phần của `/goal`, là làm cho nhỏ hơn, và cuối cùng làm compiler chậm hơn 56% trong lúc cố làm nó nhỏ lại. Theo nhắc goal là làm nó nhỏ hơn và nhanh hơn BunCheck và TSRS, hai compiler TypeScript viết bằng Rust khác mà anh cho là đáng kể. Nó làm compiler chậm hơn trước, nhỏ hơn đáng kể nhưng chậm hơn; không đưa vào thay đổi compiler nào, chỉ có các thay đổi bundling để cố làm nó nhỏ hơn, trong khi làm nó chậm đi rất nhiều.

Anh bảo nó dừng làm về kích thước, thay vào đó thu hẹp khoảng cách hiệu năng; nó chạy thêm bốn ngày và không có thay đổi nào (video đăng ngày 18/11/2026). Anh chuyển lại Opus, và theo số đo của Theo, nó đưa vào rất nhiều thay đổi trong hai ngày sau đó, làm compiler nhanh hơn 50%.

Theo anh (video đăng ngày 18/11/2026), model này không thể vừa xoa đầu vừa xoa bụng cùng lúc: nó không làm được hai việc một lúc, và nếu một việc có thể làm hại việc kia thì nó sẽ giết việc kia. Anh nói nó đơn giản không có khả năng hoàn thành công việc phức tạp nhiều mặt. Model rõ ràng rất thông minh, nhưng theo anh làm việc với nó trên project thật thì không chịu nổi: nó như sống trong thế giới riêng và tuỳ ý quyết định phần nào của bộ não được cho ta thấy. Ở task dài, nó tự chặn mình vì lý do ngớ ngẩn hoặc chạy vòng vòng không tới đâu; ở task ngắn, nó viết code ổn rồi giải thích bằng những từ ngữ phức tạp hơn cả code nó viết. Anh nói anh tốn token để hiểu output của nó nhiều hơn token để tạo ra thay đổi ngay từ đầu.

## 18. Dự đoán về ngày ra mắt, và điều anh mong ở model kế tiếp

Lá thư tiếp: nó "regress to the mean" quá thường xuyên, và đây là chỗ anh kể chuyện Bellwether. Rồi anh dự đoán buổi ra mắt sẽ diễn ra thế nào (Theo đọc trong video đăng ngày 18/11/2026). Ngày 1, mọi người sẽ mê nó, Twitter bùng nổ với đủ kiểu one-shot điên rồ; người ta sẽ bắt nó port project từ ngôn ngữ này sang ngôn ngữ khác, hoặc decompile xong những project huyền thoại kẹt nhiều năm; nó sẽ được dùng cho những thứ tuyệt vời và mọi người sẽ hào hứng.

Ngày 2, theo dự đoán trong lá thư (video đăng ngày 18/11/2026), chiều gió bắt đầu đổi: người ta sẽ thấy nó đốt bao nhiêu usage và làm được ít hơn bao nhiêu so với Opus; họ sẽ bắt đầu merge code tệ vì không hiểu 6.2 Astra nói gì về nó nhưng tin là ổn; họ sẽ thấy những vòng lặp quên mất đang chạy từ hôm ra mắt mà không tiến được chút nào. Ngày 5, phần lớn mọi người sẽ chán nó, sẽ có những bài viral kiểu "Sol có phải bí mật tốt hơn Astra không?". Theo chen vào: buồn cười là chuyện đó đã xảy ra ngay ngày 1, ngay cả trong OpenAI, điều anh thấy rất hài vì lúc viết anh còn chưa thử Sol. Rồi "Astra đã bị ngu đi chưa?", vân vân. Tới ngày 14, model sẽ bị lãng quên.

Dự đoán Theo viết trong lá thư gửi OpenAI và đọc lại trong video đăng ngày 18/11/2026; chính anh nói anh thật sự mong mình sai.

Lá thư kết bằng câu anh thật sự mong mình sai về tất cả những điều này (video đăng ngày 18/11/2026). Anh viết có lẽ mình đang phản ứng thái quá, và thừa nhận anh nổi tiếng vì điều đó; anh có thể bình tĩnh lại trước, chờ một chút và đưa ra một nhận định cân nhắc hơn, nhưng anh chọn trút hết ra vì muốn OpenAI biết anh thật sự cảm thấy thế nào về model này. Vậy đó, Theo nói: giờ bạn biết mọi điều OpenAI biết về cảm nhận của anh với model này.

Theo nói đây là lần anh minh bạch nhất trong một video về trải nghiệm early access và những điều anh không thích, vì anh muốn người xem nhìn sâu nhất có thể vào đầu anh, vào mọi sự bực bội và trải nghiệm tệ anh đã gặp (video đăng ngày 18/11/2026). Theo anh, với mỗi demo anh thử mà chạy, có hai demo thất bại và làm anh bực tới mức không còn nhớ để đưa vào. Anh nói model này không chỉ "spiky": anh có cảm giác nó gần như mặc định là tệ, với những cú vọt ngẫu nhiên lên tốt và đôi khi cả tuyệt vời.

Anh nói chắc chắn có những chỗ model này sẽ làm nhiều người choáng ngợp và thật sự thay đổi những gì ta làm được với LLM, nhưng không chỗ nào trong số đó là việc anh làm (video đăng ngày 18/11/2026). Anh ghét model này, không thích dùng nó, và không định dùng nó nhiều về sau, ngoài code review và có lẽ làm một thành viên trong "council" của anh. Đây hoàn toàn không phải cú trở lại anh mong.

Theo anh (video đăng ngày 18/11/2026), anh muốn OpenAI làm một bản phát hành kiểu Snow Leopard, nơi model tiếp theo không cần tốt hơn hay thông minh hơn, kể cả có ngu hơn anh cũng chấp nhận, miễn là sửa được những tật hành vi này và bám việc tốt hơn theo những cách không đo đẹp trên benchmark nhưng có ích khi dùng thật. Anh nói anh rất muốn model OpenAI tiếp theo không cải thiện gì trên benchmark mà chỉ đơn giản là tốt hơn.

Anh nói đây là một video khó kết: trong đợt early access này anh có nhiều suy nghĩ hơn thường lệ và nhiều bực bội hơn bao giờ hết (video đăng ngày 18/11/2026). Anh mong tất cả đã truyền tải được, và cũng mong người xem hiểu anh vẫn thật lòng rất tôn trọng OpenAI. Việc OpenAI cho một người như anh vào test early access, để anh chê tơi bời vì không thích model, rồi đăng một video như thế này, đồng thời bảo đảm với anh rằng điều đó sẽ không ảnh hưởng tới quyền early access của anh, theo anh là tuyệt vời. Anh nói có rất ít công ty anh tôn trọng tới mức đó, và còn ít hơn những công ty sẵn lòng để một người như anh làm vậy, nên anh gửi lời cảm ơn tới OpenAI vì điều đó.

Theo Theo (video đăng ngày 18/11/2026), điều đó có lẽ là thứ cho anh nhiều niềm tin nhất rằng những vấn đề này sẽ được sửa: OpenAI đang lắng nghe, họ quan tâm, và anh thật sự hy vọng các model tương lai sẽ cân nhắc sâu hơn những bực bội của anh và của nhiều người khác. Anh nói có vẻ gần như mọi người test early access đều có nhiều bực bội giống anh, và anh thật lòng hy vọng OpenAI sửa được, để anh lại có thể nói với mọi người model OpenAI tuyệt thế nào cho công việc dev thực tế. Còn tới lúc đó, anh nói chắc anh phải đi mở thêm một tài khoản Claude nữa.

Anh chào "peace, nerds", rồi chợt nhận ra mình đang mặc áo sơ mi công sở với quần nỉ, và nói không có phép so sánh nào hợp hơn cho model này (video đăng ngày 18/11/2026). Anh dặn người dựng video giữ lại câu đó.

## Nguồn và liên kết

- Tên gốc: Astra 6.2 Is Unusable
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=9KvI-zg4mfo](https://www.youtube.com/watch?v=9KvI-zg4mfo)

- Kênh YouTube Theo - t3․gg (Theo Browne): [youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA](https://www.youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA)

- T3 Code, app Theo dùng trong các demo; repo mô tả nó là công cụ điều khiển Claude Code, Codex và các agent khác từ máy tính hay điện thoại (đọc ngày 18/11/2026): [github.com/pingdotgg/t3code](https://github.com/pingdotgg/t3code)

- [whichai.dev](https://whichai.dev), trang Theo nhắc; trang ghi là so sánh UI do AI tạo từ cùng một prompt giữa các model, có và không có frontend design skill (đọc ngày 18/11/2026): [whichai.dev](https://whichai.dev)

Nguồn: https://homus.dev/talks/astra-6-2-is-unusable · cập nhật 2026-11-18
