# Gemini Argon đứng đầu bảng xếp hạng, nhưng chưa qua phép thử quan trọng nhất

[Nate B Jones](https://homus.dev/speakers/nate-b-jones) · [AI News & Strategy Daily | Nate B Jones](https://homus.dev/orgs/ai-news-strategy-daily-nate-b-jones)

> Vì sao leaderboard không nói AI nào hữu ích, customer obsession là benchmark mới, và bài học từ Dots, Muse và 26 use case agent của Nate.

Topics: Model Routing, AI UX, Startups

Canonical: https://homus.dev/talks/googles-gemini-argon-is-1-on-a-leaderboard-it-hasnt-passed-the-benchmark-that-matters

## 1. Benchmark đã chết, benchmark mới là customer obsession

Nate mở đầu thẳng thừng: bạn có thể thôi đọc mấy bảng xếp hạng (leaderboard) AI đi, anh hứa là bạn sẽ không bỏ lỡ gì cả. Theo anh, benchmark đã chết. Theo video đăng ngày 07/10/2026, model mới của Google tên Argon (phần mô tả video gọi là Gemini 4 Argon) đang đứng đầu một bảng xếp hạng, cụ thể là Vals Index, vậy mà gần như chưa ai dùng được nó vào thời điểm đó. Vì không ai dùng được, nên cũng chẳng ai nói được cho bạn biết nó có thực sự hữu ích hay không.

![Nate B Jones ngồi sau bàn gỗ, phía sau là kệ sách và các mô hình lắp ghép](https://homus.dev/photos/sVQ3XlM9I40-0003.jpg)

Nate B Jones mở đầu video bằng nhận định "benchmark đã chết", ngồi trong phòng làm việc với kệ sách và mô hình lắp ghép phía sau.

Thứ AI đang thắng, theo Nate (video đăng ngày 07/10/2026), là AI được build bởi những người dùng nó một cách ám ảnh và sửa những gì bị hỏng. Đó mới là benchmark mới: customer obsession, tức sự ám ảnh với khách hàng. Và anh nhấn mạnh đây cũng chính là phép thử cho AI mà công ty của bạn đang build.

## 2. Mỗi lab phục vụ khách hàng nào, và dấu hỏi ở Google

Nate nói rằng nếu đi qua các lab và các model đang có (theo video đăng ngày 07/10/2026), ta thấy một tấm bản đồ rất rõ giữa lab và khách hàng của nó, trừ đúng một trường hợp. Anh đi lần lượt:

- **Anthropic**: theo Nate (video đăng ngày 07/10/2026), họ tập trung vào enterprise, vào chuyện bạn dùng AI một cách chuyên nghiệp để thành công.

- **OpenAI**: theo Nate (video đăng ngày 07/10/2026), họ có một mảng enterprise đang lớn dần, đồng thời có một ván cược consumer rất, rất lớn.

- **Meta**: theo Nate (video đăng ngày 07/10/2026), Meta đi sâu vào consumer, Muse là bản phát hành AI gần nhất của họ vào thời điểm đó, và toàn bộ hướng đi mà Zuck thúc đẩy là AI cho người tiêu dùng.

- **Google**: theo Nate (video đăng ngày 07/10/2026), Google kiếm rất nhiều tiền từ compute, hiển nhiên phục vụ rất nhiều người qua search, và có Gemini. Điều Nate không hiểu là Argon hỗ trợ những use case đó ra sao. Vì sao ta lại cần một model ở mức tiên phong như vậy?

![Slide Lab → Customer: Anthropic dẫn tới Enterprise, OpenAI, Meta và Google còn dấu hỏi](https://homus.dev/photos/sVQ3XlM9I40-0043.jpg)

Slide "Lab → Customer": Anthropic được nối với Enterprise (Enterprise AI + Coding), còn OpenAI, Meta và Google tạm để dấu hỏi trong lúc Nate lần lượt điểm qua từng lab; dấu hỏi của Google được tô màu khác.

Câu hỏi đó khiến Nate nghĩ tới tầm quan trọng của mối quan hệ chặt giữa khách hàng và sản phẩm trong thời đại AI. Anh nói anh rất muốn thấy Google có nhiều customer obsession hơn, vì anh là người tin thế giới tốt hơn khi có nhiều AI hơn chứ không phải ít đi. Nhất là khi ta đang nói về AI mạnh, bạn muốn sức mạnh đó nằm trong tay nhiều người hơn, không phải ít người hơn.

Anh nói với những ai đang lo về AI: nếu bạn nghĩ "tôi không chắc mình tin Anthropic, không chắc mình tin OpenAI, tôi muốn có những người chơi khác", thì tốt, bạn muốn thêm một người chơi? Hãy để Google cùng vào cuộc. Nate muốn có nhiều người chơi hơn, vì nói chung anh nghĩ nhiều người chơi hơn sẽ làm mọi thứ an toàn hơn và tốt hơn cho người tiêu dùng chúng ta. Vì vậy anh muốn Google thành công. Anh nói điều này với thiện ý, nhưng theo video đăng ngày 07/10/2026, anh vẫn chưa thấy Argon kết nối với khách hàng như thế nào.

## 3. Kiếm tiền với AI khi model cứ thay đổi

Từ đó Nate đặt ra những câu hỏi lớn hơn cho tất cả chúng ta. Nếu bạn làm ở một công ty, phần này dành cho bạn. Nếu bạn làm trong enterprise và ở vị trí lãnh đạo, phần này cũng dành cho bạn. Bạn cần hiểu: trong một thế giới mà trí tuệ máy tiến hoá mỗi tuần, làm sao kiếm tiền với AI? Và đặc biệt, làm sao kiếm tiền với AI khi chính model nền bạn đang dùng nhiều khả năng sẽ còn tiếp tục thay đổi?

![Slide The Product Question: How Do You Make Money With AI When The Model Keeps Changing?](https://homus.dev/photos/sVQ3XlM9I40-0223.jpg)

Slide "The Product Question" đặt câu hỏi trung tâm của phần này: làm sao kiếm tiền với AI khi model bên dưới cứ thay đổi.

Nate kể hồi anh làm product, trong một thời gian dài họ chỉ việc phát hành phần mềm. Phần mềm đó có thể được cập nhật mỗi tháng một lần, hoặc hai tháng một lần, họ có một roadmap, và mọi thứ đều ổn. Anh không chắc roadmap còn hiệu quả nữa (theo video đăng ngày 07/10/2026). Anh nghĩ nhiều người làm product sẽ nói là không.

Vấn đề lớn hơn là bạn phải build một sản phẩm với một trí tuệ đang tiến hoá ở bên dưới, và sản phẩm đó còn phải giúp người dùng hiểu điều gì thực sự sẽ xảy ra với thế giới của họ khi AI thay đổi, theo hướng tích cực chứ không theo kiểu doomer (bi quan tận thế). Đó là một yêu cầu rất cao, một bài toán product khó. Theo lời Nate, đó là bài toán mà người ta đang đổ vào đúng nghĩa một nghìn tỷ đô (theo video đăng ngày 07/10/2026).

![Thẻ thông tin $2.59T Worldwide AI Spending 2026 Forecast, nguồn Gartner May 2026](https://homus.dev/photos/sVQ3XlM9I40-0323.jpg)

Trong lúc Nate nói về con số nghìn tỷ đô, trên màn hình hiện thẻ "$2.59T, Worldwide AI Spending 2026 Forecast", ghi nguồn Gartner, 05/2026: dự báo chi tiêu cho AI toàn cầu năm 2026 (số liệu tính đến thời điểm video đăng ngày 07/10/2026).

Nhưng nếu bạn không bắt đầu bằng việc hiểu khách hàng của mình là ai và họ đang làm gì, bạn sẽ không đi được xa. Nghĩ về tin benchmark kia, Nate nói: tin benchmark không quan trọng. Hãy bóc lớp vỏ đó ra, nhìn vào thứ bên dưới.

## 4. Dots và Muse: rà toàn bộ gói đăng ký cá nhân lẫn công ty

Theo Nate, những sản phẩm AI tốt nhất (theo nhận định trong video đăng ngày 07/10/2026) đang được build bởi những người dùng chúng một cách ám ảnh, để ý xem cái gì sai, và khiến những thất bại đó được coi trọng. Đây là một kỷ luật kinh doanh không kém gì một kỷ luật kỹ thuật. Anh muốn chia sẻ một ví dụ, vì chính anh đã gặp một use case rất thực tế khi tự dùng AI.

Vài tuần trước, Nate đã kể rằng anh dùng Muse để rà các gói đăng ký (subscription) cá nhân của mình, trong một video trước đó. Nhưng anh không muốn dừng ở đó, vì anh còn có các gói đăng ký của công ty. Cùng một vấn đề tồn tại ở nhiều phần trong cuộc sống của anh, và thông tin nằm rải rác ở rất nhiều tài khoản, rất nhiều dịch vụ khác nhau.

Vì vậy, trong một chuyến bay gần đây (tính đến video đăng ngày 07/10/2026), anh đi xa hơn. Anh dùng công cụ Dots của ChatGPT để kết nối tới mọi nguồn anh cần. Anh kết nối được với Mercury, với các nguồn tài chính khác, và có thể để các connector do OpenAI xây sẵn giúp gom toàn bộ dữ liệu về gói đăng ký lại một chỗ, kèm email để kiểm tra chéo. Rồi anh dùng Dots xử lý hết chỗ thông tin đó và dựng cho anh một mô hình tài chính (financial model) về các gói đăng ký, gồm cả cá nhân lẫn công ty, tất cả ở một nơi. Đó là thứ anh chưa từng thấy trước đây.

![Slide Dots → Muse: bốn bước Accounts, Dots, Spreadsheet, Muse](https://homus.dev/photos/sVQ3XlM9I40-0423.jpg)

Slide "Dots → Muse, One Job. Two Different Strengths." tóm luồng việc: 01 Sources (tài khoản Mercury, tài chính, email), 02 Connect (Dots dựng model), 03 Handoff (spreadsheet cá nhân + công ty), 04 Act (Muse huỷ các gói đăng ký).

Sau đó anh lấy spreadsheet ấy đưa cho Muse, và để Muse làm "drone săn diệt" (hunter killer drone) của anh: Muse đi qua danh sách, giúp anh xử lý từng gói đăng ký và đưa ra quyết định đúng với từng cái. Một phần vì theo trải nghiệm của Nate (video đăng ngày 07/10/2026), Muse nhanh hơn Dots vào thời điểm đó; một phần vì Muse biết tận dụng tốc độ đó để điều hướng trên web và làm việc trực tiếp, nên anh có thể giao luôn những việc như huỷ một gói đăng ký.

Khi Nate kể chuyện này, có người nhắn hỏi anh: sao lại dùng Muse cho việc đó? Anh hoàn toàn có thể tự bấm qua và làm lấy mà. Anh trả lời: đúng, tôi làm được. Nhưng khi đang kẹt thời gian, được giao một việc cho AI và để nó cứ thế làm xong thì thật dễ chịu.

## 5. Dùng thật để biết AI giỏi ở đâu: 20.000 lượt like và 741 cuốn sách

Nate nói anh kể câu chuyện đó vì khi bàn về khách hàng và về điều gì quan trọng, nó cho thấy tầm quan trọng của việc thực sự dùng AI. Khi dùng Dots và dùng Muse, anh thấy chỗ AI "toả sáng" và chỗ nó chưa làm được, nhờ thử nó trong những sản phẩm như vậy.

Nhận xét của anh, theo trải nghiệm trong video đăng ngày 07/10/2026: Dots chậm hơn Muse một chút. Dots rất, rất giỏi với connector. Dots giữ được rất nhiều thông tin và ghép chúng lại một cách mạch lạc. Anh thấy mình dùng cả hai: nghiêng về Dots khi cần một việc phức tạp làm dần theo thời gian và có thể giao hẳn đi.

Ví dụ, vào lúc quay video (đăng ngày 07/10/2026), Dots đang xử lý đúng nghĩa hơn 20.000 lượt like và bookmark trên tài khoản X của anh, nhai dần từng cái để tìm ra tất cả những bài đăng anh đã like hoặc bookmark có nói về một cuốn sách. Lý do: anh mê đọc sách và muốn có một chỗ duy nhất làm danh sách sách, để quay lại chọn một cuốn mà đọc. Anh chưa bao giờ làm được việc đó trước đây, vì nó quá lớn và đòi hỏi quá nhiều phân tích.

![Thẻ 741 Books cạnh Nate B Jones](https://homus.dev/photos/sVQ3XlM9I40-0638.jpg)

Thẻ "741 Books": số cuốn sách Dots đã lọc ra từ like và bookmark của Nate tại thời điểm quay video (đăng ngày 07/10/2026). Thẻ trước đó trên màn hình ghi "20,000+ Likes And Bookmarks Sorted By Dots".

Theo số Nate kể (video đăng ngày 07/10/2026), Dots mất vài ngày để lặng lẽ xử lý hết, và đã lên tới 741 cuốn sách; anh đoán vài phút nữa con số sẽ còn cập nhật, nhưng lúc đó nó đang ở 741 cuốn đã xử lý xong. Điều anh muốn chia sẻ, anh nói, là trải nghiệm khách hàng có được khi bạn dùng một AI, đẩy nó tới giới hạn và khám phá cách nó hoạt động.

Và điều các doanh nghiệp cần làm nhiều hơn là dùng chính sản phẩm họ đang bán, để họ tự tin về những use case cụ thể nào chạy tốt và những cái nào không.

## 6. Còn chỗ cho rất nhiều người thắng

Nate nghĩ trong AI còn chỗ cho rất nhiều người thắng, và anh không nghĩ chúng ta cần than phiền về những agent có ích thật và chạy được. Nếu nó chạy, nếu agent làm xong việc, thì với một số người trong chúng ta, nó sẽ thực sự hữu ích.

Hành tinh này có 8 tỷ người (theo con số Nate nêu trong video đăng ngày 07/10/2026). Chúng ta có rất nhiều use case khác nhau, và có rất nhiều chỗ để agent giải quyết chúng. Khi nhìn thế giới theo cách đó, điều đầu tiên là nó đưa anh trở lại ý ban đầu: chúng ta cần nhiều người chơi hơn trong AI, như Google, nhưng không chỉ Google. Những người chơi có thể đưa AI tới tay khách hàng theo một cách gần gũi, dễ liên hệ.

Lập luận "còn chỗ cho nhiều người thắng" của Nate: 8 tỷ người, vô số use case, nên cần nhiều người chơi đưa AI tới tay khách hàng một cách gần gũi.

Nate nói anh thực sự lạc quan cho các builder vào lúc này (theo video đăng ngày 07/10/2026), và cho những người ở các công ty đã có sẵn quan hệ với khách hàng. Chúng ta đang ở một thế giới mà việc build cho khách hàng quan trọng hơn bao giờ hết, vì tất cả chúng ta cùng đối mặt với sự bất định quanh AI. Không có chỗ nào để trốn. Ai cũng phải là chuyên gia AI, và không phải ai cũng sẵn sàng cho điều đó, nhưng tất cả đều bị kỳ vọng như vậy theo cách này hay cách khác.

Vì thế, đây là cơ hội của chúng ta: nhìn vào không gian riêng, lĩnh vực riêng của mình, ngồi xuống và tự hỏi: làm sao để build một thứ mà chính mình muốn dùng trong lĩnh vực này, một thứ tiến hoá cùng AI khi AI tiến hoá, và thực sự, thực sự hữu ích cho những khách hàng cụ thể?

## 7. Build thứ chính bạn muốn dùng: ví dụ đi dạo trong rừng

Khách hàng của bạn có thể là bất kỳ ai. Nate kể gần đây (tính đến video đăng ngày 07/10/2026) anh thấy một sản phẩm mới tập trung vào nhận diện hình ảnh bằng AI. Đó là một sản phẩm rất đơn giản, để trẻ em đi dạo trong rừng và nhận ra được cây cối, thực vật quanh mình.

![Hình minh hoạ Built For Parents. Built For Kids.: người lớn và trẻ em giữa những cái cây, một thiết bị nhận diện một cái cây](https://homus.dev/photos/sVQ3XlM9I40-0843.jpg)

Hình minh hoạ "Built For Parents. Built For Kids.": một người lớn dắt một đứa trẻ giữa rừng, thiết bị trong tay nhận diện một cái cây. Chú thích dưới hình ghi đây là minh hoạ khái niệm nhận diện hình ảnh, không gắn với thương hiệu nào.

Anh không biết sản phẩm đó sẽ đi tới đâu. Nhưng anh thích nó, vì là một phụ huynh, anh muốn trẻ con được tìm hiểu về những gì quanh mình, giữ cho chúng gắn với thế giới thật chúng đang sống, không phải nhìn màn hình quá nhiều, mà vẫn có được lợi ích của AI.

Đó là ví dụ về một sản phẩm đã được nghĩ kỹ cho phụ huynh, nghĩ kỹ cho trẻ em. Theo Nate, chúng ta cần nhiều sản phẩm như vậy hơn, cần nhiều người hơn nghĩ về việc AI có thể đi tới đâu và mang lại giải pháp hữu ích thế nào. Anh không biết tất cả chúng có thành công không, nhưng anh biết chắc là còn nhiều chỗ trống hơn ta tưởng rất nhiều.

## 8. Sự thống trị của chatbot, và Argon sẽ nằm ở đâu

Nate cho rằng chúng ta đang bị mắc kẹt trong "sự thống trị của chatbot" (the tyranny of the chatbot). Theo con số anh nêu trong video đăng ngày 07/10/2026, ChatGPT đã đạt khoảng 1,2 tỷ người dùng. Mọi sản phẩm khác ra đời sau đó, theo một nghĩa nào đó, đều vay mượn triết lý thiết kế ban đầu ấy. Chúng lấy ý tưởng ChatGPT rồi nói: giờ ta thêm một thanh công cụ (toolbar), giờ ta thêm một chỗ cho artifact.

![Slide The Tyranny Of The Chatbot: một ô Message quen thuộc và nút + Toolbar](https://homus.dev/photos/sVQ3XlM9I40-0943.jpg)

Slide "The Tyranny Of The Chatbot": "One Familiar Box", một ô nhập "Message..." quen thuộc, và một nút "+ Toolbar" như thứ được gắn thêm sau. Chú thích dưới slide ghi đây là sơ đồ khái niệm, không phải giao diện sản phẩm thật.

Anh nói (video đăng ngày 07/10/2026) chúng ta mới chỉ ở điểm khởi đầu của việc hiểu AI nghĩa là gì, và cần một cảm quan thiết kế rộng hơn. Cần nhiều sự đồng cảm và thấu hiểu khách hàng hơn.

Vì vậy, khi nghĩ về Argon, dù biết nó có benchmark rất tốt (theo video đăng ngày 07/10/2026), điều đầu tiên Nate nghĩ tới là: nó xuất hiện ở đâu trên các bề mặt sản phẩm của Google, và nó xuất hiện cho những khách hàng nào?

![Slide Where Does Argon Go? với ô Search và dấu hỏi, dòng Which Customer Does It Serve?](https://homus.dev/photos/sVQ3XlM9I40-1015.jpg)

Slide "Where Does Argon Go?": một ô "Search" kèm dấu hỏi lớn và câu "Which Customer Does It Serve?", đúng câu hỏi Nate đặt cho Google.

Đó là lý do anh nói với Google: làm ơn phát hành nó đi, làm ơn chia sẻ nó, anh muốn nó thành công. Nó có vào search không? Nó có vào Gemini không? Vì sao nó vào Gemini? Nó thành công ở chỗ nào trong Gemini? Vì sao nó hữu ích hơn model Gemini đang có ở thời điểm video đăng ngày 07/10/2026? Điều gì ở Argon làm nó "toả sáng"?

Và đó mới chỉ là một ví dụ. Nate nghĩ chúng ta cần nhiều customer obsession hơn và nhiều sự lạc quan cho khách hàng hơn trong AI. Anh cho rằng rất thường xuyên, những luận điệu doomer đang nổi lên khiến chúng ta không còn hy vọng cho khách hàng của mình, không còn hy vọng vào những gì trí tuệ có thể làm được nếu trí tuệ có mặt ở khắp nơi.

## 9. Một phụ huynh, một món đồ chơi và Muse

Nate kể cuối tuần trước đó anh nói chuyện với một người đã dùng Muse để tìm cách xử lý đúng khi đứa con bị một món đồ chơi va vào mắt. Anh trấn an ngay: đứa bé ổn, con mắt ổn, đừng lo. Nhưng lúc đó người phụ huynh muốn nói chuyện với ai đó đang ở ngay đấy, có thể cho họ một góc nhìn. Họ biết Muse không phải bác sĩ, nhưng họ cần một góc nhìn ngay trong khoảnh khắc ấy.

![Thẻ A Friend. A Kid. A Toy In The Eye. Muse Is Not A Doctor.](https://homus.dev/photos/sVQ3XlM9I40-1101.jpg)

Thẻ "A Friend. A Kid. A Toy In The Eye. Muse Is Not A Doctor.", với ghi chú đây là lời Nate kể lại, chỉ có lời, không có ảnh chụp cuộc trò chuyện.

Nate nói chính anh cũng thấy mình nói chuyện với AI khi cần một góc nhìn tức thời. Không phải vì anh đang hình thành một kiểu quan hệ cận xã hội (parasocial) kỳ lạ nào với AI, mà vì có nó ở đó giúp anh nghĩ thành lời và nghĩ tốt hơn. Nói cách khác, anh nghĩ ra được rất nhiều use case cụ thể mà ở đó AI thực sự mở rộng khả năng ghi nhớ, khả năng suy nghĩ, khả năng hiểu điều đang xảy ra của anh. Anh thấy điều đó diễn ra trong những khoảnh khắc riêng lẻ như khoảnh khắc "bác sĩ" của người bạn kia. Và nó xảy ra nhiều hơn khi ta ám ảnh với khách hàng.

Người bạn gửi cho Nate một ảnh chụp nhỏ đoạn tin nhắn của Muse. Cô để ý thấy Muse đã nghĩ tới cảm giác của con trai cô. Đại ý: "Này, chắc con bạn vừa trải qua một lúc khó khăn. Có lẽ lúc này bé không cần nghe bạn giảng về đồ chơi đâu. Bé sẽ ổn thôi, bạn chỉ cần cho bé một chút thời gian."

Theo Nate, đó là một model thực sự có một khoảnh khắc làm người ta thích thú (delight), ngay giữa một khoảnh khắc khó khăn về cảm xúc, khi phụ huynh lo, đứa trẻ cũng lo, và AI tìm được cách đi trên lằn ranh: không đưa lời khuyên y tế, nhưng vẫn có sự đồng cảm. Đó là customer obsession. Đó là thứ chúng ta cần nhiều hơn. Khi nghĩ về tương lai của AI và vì sao anh đặt hy vọng vào các builder lúc này (theo video đăng ngày 07/10/2026), đó là những câu chuyện anh nghĩ tới.

## 10. 26 use case trong ba tháng

Chúng ta đã có đủ chuyện về benchmark, Nate nói. Đủ chuyện về các nhà nghiên cứu đang phá vỡ giới hạn của frontier. Đủ chuyện về phương trình Navier-Stokes và tất cả chỗ toán học đó. Anh hỏi: bạn có để ý là anh không nói nhiều về các đột phá toán học trên kênh này không? Đó là cố ý. Anh không nghĩ chuyện đó có nhiều ý nghĩa với phần đông chúng ta. Trên màn hình, thẻ "Navier-Stokes" ghi thêm "OpenAI's Claim, Credit Disputed" (tuyên bố của OpenAI, đang bị tranh cãi về công trạng), kèm ngày 08/09/2026.

Anh nghĩ hợp lý hơn là nói về việc chúng ta thực sự dùng AI cho chuyện thường ngày ra sao. Hôm quay video, anh đã tự lập một danh sách tất cả những việc khác nhau anh từng dùng agent. Theo con số anh tự đếm (video đăng ngày 07/10/2026), có 26 use case riêng biệt chỉ trong ba tháng gần nhất:

- chuẩn bị khai thuế;

- lên kế hoạch du lịch;

- sắp xếp lịch học của bọn trẻ;

- tìm hiểu bệnh sử;

- và đủ thứ khác.

Anh tìm ra tất cả những việc đó chỉ vì anh chịu đào sâu và cố gắng giao bớt (offload) ngày càng nhiều phần phức tạp, để tập trung vào điều quan trọng.

Bốn ví dụ Nate nêu trong 26 use case anh dùng agent trong ba tháng (theo video đăng ngày 07/10/2026).

## 11. Nút thắt đã chuyển sang trải nghiệm sản phẩm

Nate biết mọi thứ chưa hoàn hảo. Một phần, trong 2024 và 2025, sự chưa hoàn hảo đến từ model. Nhưng càng nghĩ, anh càng thấy những điểm đau trong trải nghiệm AI của chúng ta không còn đến từ model nữa, mà đến từ trải nghiệm sản phẩm (product experience). Anh nói video này được làm ra chính vì anh nghĩ model không còn là nút thắt cổ chai nữa (theo video đăng ngày 07/10/2026).

![Slide The Bottleneck Moved: Then 2024-25 Imperfect Models, Now Product Experience](https://homus.dev/photos/sVQ3XlM9I40-1343.jpg)

Slide "The Bottleneck Moved": bên trái là "Then, 2024–25: Imperfect Models" với output không đáng tin; bên phải là "Now: Product Experience", luồng Request → Response → "Result?" với ma sát trong workflow. Dòng dưới cùng: điểm đau đã chuyển sang trải nghiệm sản phẩm.

Benchmark cũng không còn là nút thắt. Theo Nate, vào thời điểm video đăng ngày 07/10/2026, trải nghiệm sản phẩm, tức customer obsession, mới là nút thắt. Và anh chưa thấy nhiều ví dụ về những trải nghiệm AI thực sự ám ảnh với khách hàng như anh mong muốn. Anh muốn thấy nhiều hơn.

Anh mời người xem: nếu bạn biết những ví dụ anh chưa nhắc tới trong video, hãy cho anh biết. Anh biết có rất nhiều startup ngoài kia, rất nhiều người đang tìm kiếm trải nghiệm ám ảnh với khách hàng, rất nhiều người đang đổi mới.

Anh lấy ví dụ Instinct, một startup AI khác, theo video đăng ngày 07/10/2026 vừa ra mắt tính năng chat nhóm với AI. Bạn có thể thả một Instinct vào nhóm chat với bạn bè, và Instinct giúp điều phối lần gặp tiếp theo, lần tới đi xem phim, lần tới đi ăn tối, ăn ở đâu, đủ mọi thứ như vậy. Để xem nó có cất cánh không, Nate nói, nhưng ít nhất đó là một đề xuất nhắm vào một kiểu use case cụ thể của khách hàng.

Chúng ta cần nhiều thứ như vậy hơn. Nate muốn nghe người xem kể họ thấy những ví dụ đó chạy tốt ở đâu, vì anh nghĩ điều này thực sự, thực sự quan trọng.

## 12. Tin đồn Fable 5.5 và sự tập trung vào enterprise của Anthropic

Nhân chuyện benchmark, Nate nhắc tới tin đồn (tính đến video đăng ngày 07/10/2026) rằng Fable 5.5 sắp ra mắt, và các tin đồn nói đó là một model đáng kinh ngạc. Anh nói chắc chắn anh đã thấy những thứ đáng kinh ngạc trên Twitter. Ai cũng thấy những thứ đáng kinh ngạc trên Twitter, và không phải cái nào cũng đúng.

![Thẻ Fable 5.5, Rumored, Not Yet Released, As Of Recording Oct 5, 2026](https://homus.dev/photos/sVQ3XlM9I40-1446.jpg)

Thẻ "Fable 5.5: Rumored, Not Yet Released", với ghi chú "As Of Recording, Oct 5, 2026": vào ngày quay (05/10/2026), Fable 5.5 mới chỉ là tin đồn và chưa được phát hành.

Fable 5.5 có thể dẫn đầu bảng xếp hạng hoặc không, Nate nói (video đăng ngày 07/10/2026), nhưng điều nó chắc chắn sẽ làm là chạy tốt cho enterprise. Sao anh biết? Sao anh tự tin như vậy? Vì đó là thứ Anthropic ám ảnh: theo Nate, họ ám ảnh với việc giải quyết vấn đề cho enterprise. Và Fable 5.5 sẽ là một vũ khí nữa trong kho của họ để mang lại giá trị phi thường cho enterprise, vì đó là điều cả công ty đang ám ảnh vào thời điểm video đăng ngày 07/10/2026. Đúng, họ cũng ám ảnh với việc làm ra model tốt hơn, nhưng họ có bối cảnh mô hình kinh doanh (business model) và có customer obsession.

Nate nói tất nhiên anh sẽ làm một bài review đầy đủ về Fable 5.5, nhưng không phải vì nó đứng đầu một leaderboard nào. Anh sẽ làm vì giá trị nó mang lại cho khách hàng. Đó mới là điều anh thực sự quan tâm.

Nên nếu bạn xem video này và tự hỏi "Fable 5.5 đâu rồi?", thì câu trả lời là vậy: nó đang tới (theo video đăng ngày 07/10/2026, khi Fable 5.5 mới là tin đồn). Anh sẽ có bài review, và đó là lý do anh sẽ nói về nó, chứ không phải vì điểm số trên các bảng xếp hạng. Anh kết luận: năm tới trong AI sẽ là một năm của sản phẩm, không phải một năm của benchmark.

## Nguồn và liên kết

- Tên gốc: Google's Gemini Argon Is #1 On A Leaderboard. It Hasn't Passed The Benchmark That Matters.
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=sVQ3XlM9I40](https://www.youtube.com/watch?v=sVQ3XlM9I40)

- Kênh YouTube AI News & Strategy Daily | Nate B Jones (Nate B Jones): [youtube.com/channel/UC0C-17n9iuUQPylguM1d-lQ](https://www.youtube.com/channel/UC0C-17n9iuUQPylguM1d-lQ)

- Vals Index, bảng xếp hạng được nhắc trong phần mô tả video (trang bảng xếp hạng và phương pháp; thứ hạng trên trang thay đổi theo thời gian, khác với lúc video đăng ngày 07/10/2026): [vals.ai/benchmarks/vals_index](https://www.vals.ai/benchmarks/vals_index)

Nguồn: https://homus.dev/talks/googles-gemini-argon-is-1-on-a-leaderboard-it-hasnt-passed-the-benchmark-that-matters · cập nhật 2026-10-21