So Gemini 4, Opus 5.5, GPT-6 Astra và Muse Wonder qua 5 use case

1. Bốn frontier model, một lâu đài Himeji

Video mở đầu bằng bốn đoạn phim về lâu đài Himeji ở Nhật Bản giữa mùa hoa anh đào. Peter Yang cho biết cả bốn đoạn đều do bốn frontier model khác nhau làm ra, hoàn toàn bằng code. Anh chưa nói ngay đoạn nào của model nào: đâu là Opus 5.5, đâu là GPT-6 Astra, đâu là Gemini 4 mới ra (tính đến video đăng ngày 13/10/2026) và đâu là Muse Wonder. Anh hẹn sẽ tiết lộ ở phần sau.

Theo Peter, trong video đăng ngày 13/10/2026, cuộc đua frontier model không còn chỉ là chuyện giữa OpenAI và Anthropic. Với việc Gemini 4 được phát hành ngay hôm đó và Muse Wonder vừa ra mắt, anh gọi đây là một cuộc đua bốn ngựa (four-horse race). Anh cho biết mình được dùng sớm (early access) tất cả các model này, trừ Muse, tính đến ngày đăng video 13/10/2026.

Trong video, anh so sánh cả bốn model qua năm use case: dựng 3D model, làm game, làm video, thiết kế website và viết. Rồi anh quay lại với lâu đài.

2. Test 1: dựng lâu đài Himeji trong Blender, bản của Opus 5.5

Himeji là một trong những nơi Peter thích nhất ở Nhật. Anh giải thích (video đăng ngày 13/10/2026) vì sao chọn nó làm bài test: những bức tường trắng và các tầng mái chồng lên nhau của lâu đài rất khó để một model làm cho đúng, nên đây là một bài kiểm tra tốt. Anh đưa cho mỗi model cùng một prompt. Trên màn hình, prompt được ghi dưới tiêu đề "Test 1 · 3D models · Himeji Castle":

Build Himeji Castle in Blender and render a 30-second cinematic at dawn in cherry blossom season. Get the architecture right and add music you compose in code.

Tức là: dựng lâu đài Himeji trong Blender, render một đoạn cinematic 30 giây lúc bình minh vào mùa hoa anh đào, làm đúng kiến trúc, và thêm nhạc do chính model sáng tác bằng code. Khi đọc prompt, anh nhấn mạnh thêm là tất cả phải làm hoàn toàn bằng code. Anh chiếu bản tốt nhất trước, theo đánh giá của anh trong video đăng ngày 13/10/2026.

Bản tốt nhất, theo bài test của Peter (video đăng ngày 13/10/2026), đến từ Opus 5.5, và anh thấy nó khá tuyệt vời. Anh thích những cú máy chuyển từ hàng cây anh đào sang lâu đài, và cả những bông tuyết rơi phía sau. Lâu đài cũng được render rất đẹp, đúng như anh nhớ. Anh nói nó thật sự trông như một quảng cáo du lịch đàng hoàng (a proper travel commercial). Kết luận của anh: Opus 5.5 vẫn rất ấn tượng.

3. Test 1: bản của Gemini 4, GPT-6 Astra, Muse Wonder và bảng xếp hạng

Tiếp theo là bản của Gemini 4. Theo bài test của Peter (video đăng ngày 13/10/2026), bản này cũng khá đẹp, lâu đài trông cũng giống Himeji. Gemini dùng nhiều góc máy và cảnh quay hơn, có cả những cảnh quay từ bên dưới cây cầu, và nhìn chung được render rất đẹp. Anh thấy buồn cười là cả Gemini 4 lẫn Opus đều chọn nhạc sáo, những âm thanh truyền thống của Nhật. Với anh, Gemini 4 rõ ràng là á quân (a clear runner-up).

Rồi đến bản của GPT-Astra. Theo bài test của Peter (video đăng ngày 13/10/2026), anh rất thích phần phản chiếu dưới mặt nước, và còn nghe được cả tiếng chim. Nhưng anh thấy lâu đài chưa đúng lắm, không thật sự giống Himeji: nó hơi phẳng quá, và các góc máy cũng không thú vị bằng bản của Opus và Gemini.

Cuối cùng là Muse Wonder của Meta. Theo bài test của Peter (video đăng ngày 13/10/2026), bản này còn cần cải thiện nhiều. Để công bằng, anh nói rằng Alexandr Wang của Meta đã nói model này không được train cho 3D model. Dù vậy, với anh đây rõ ràng là bản tệ nhất: nó trông như một bản render từ vài thế hệ model trước, và còn rất nhiều chỗ để cải thiện.

Xếp hạng của Peter cho bài test 3D model, theo đánh giá "khiêm tốn" của chính anh trong video đăng ngày 13/10/2026: Opus thắng rõ ràng, Gemini là á quân, Astra đứng thứ ba và Muse thứ tư. Rồi anh chuyển sang bài test tiếp theo: để cả bốn model làm một game.

4. Test 2: game rail shooter Star Fox gặp StarCraft, bản của Opus

Mỗi khi một model mới ra, Peter luôn thích bảo nó build Star Fox để xem nó làm được tới đâu. Anh cho xem lần gần nhất anh làm việc này trước video đăng ngày 13/10/2026, khi so GPT 5.6 với Fable: trên màn hình là một bài đăng của anh trên X, đặt hai game cạnh nhau. Lần này anh thử trên cả bốn model, và thêm một điểm xoắn thú vị vào prompt: anh muốn model build một game rail shooter kiểu Star Fox nhưng dùng asset của StarCraft.

StarCraft có lẽ là game anh thích nhất. Ai từng chơi sẽ biết game xoay quanh Terran, tức loài người, tự vệ trước Zerg, và còn có cả Protoss. Ý của anh là có một phi thuyền Terran bắn hạ một loạt quái bay của Zerg. Prompt và câu follow-up trên màn hình, dưới tiêu đề "Test 2 · Games · Star Fox x StarCraft":

Build a Star Fox-style rail shooter in three.js, with the ship, enemies, boss, and terrain modeled in Blender. Include a barrel roll, lasers, a boss fight, and a soundtrack.

Switch up the level to Terrans against the Zerg, and model all the Zerg properly in Blender. The Terran ship can be a Wraith.

Prompt đầu yêu cầu một game rail shooter kiểu Star Fox viết bằng three.js, với phi thuyền, kẻ địch, boss và địa hình đều được model trong Blender, có barrel roll, laser, trận đánh boss và nhạc nền. Câu follow-up đổi màn chơi thành Terran đánh Zerg, model tất cả Zerg cho đúng trong Blender, và phi thuyền Terran có thể là một chiếc Wraith.

Anh bắt đầu với bản tốt nhất, mà theo bài test của Peter (video đăng ngày 13/10/2026) một lần nữa là Opus. Anh tắt tiếng khi chơi, nhưng nói rằng mình thích các góc máy, thích nhạc và hiệu ứng âm thanh. Có hơi quá nhiều lens flare so với gu của anh, quá nhiều thứ lấp lánh, nhưng đây là một màn chơi khá vui. Anh cho xem con boss đang bắn vào mình, anh thử bắn hạ nó, và còn có đoạn hội thoại với đồng đội (wingman) hiện ở góc dưới bên trái. Nhìn chung, anh thấy bản này khá vui.

5. Test 2: Gemini làm nhiều feature, Astra cơ bản, Muse đứng cuối

Tiếp theo là bản tốt nhì. Lúc đầu, theo bài test của Peter (video đăng ngày 13/10/2026), anh nghĩ đó là một trận hoà giữa Gemini và Astra, nên anh cho xem bản của Gemini trước. Ngay từ đầu đã thấy Gemini build nhiều feature hơn hẳn. Khi chơi, anh thấy nó không bóng bẩy (polished) bằng Opus, nhưng anh thử các feature mới: bấm V để chuyển sang góc nhìn thứ nhất, một điểm khá độc đáo; bấm B để gọi một chiếc battlecruiser có pháo đến, khá vui; và anh vẫn barrel roll được, cùng nhiều thứ khác.

Theo bài test của Peter (video đăng ngày 13/10/2026), game này trông không bóng bẩy bằng bản của Opus và hơi quá chật chội (crowded), nhưng anh khá ấn tượng với số feature mà Gemini build được chỉ trong một lần (one shot). Anh nhận xét có vẻ model này thích làm việc rất chăm để cố gây ấn tượng với bạn.

Rồi đến bản của Astra. Theo bài test của Peter (video đăng ngày 13/10/2026), nó chắc chắn có được không khí u tối, cái atmosphere mà anh đang tìm, nhưng trông cơ bản hơn. Khi chơi thử thì đúng là cơ bản hơn nhiều: anh chỉ thấy một loại kẻ địch, và phông nền không thú vị bằng. Sau khi thật sự chơi cả hai bản, anh đổi ý: dù bản của Gemini hơi chật chội, anh nghĩ nó rõ ràng là á quân sau Opus, còn Astra xếp sau.

Anh để bản buồn cười nhất xuống cuối: bản do Muse build. Theo bài test của Peter (video đăng ngày 13/10/2026), bản này trông không đẹp lắm. Một lần nữa, để bênh Muse, anh nói nó không thật sự được train cho 3D model và game. Có thể có những use case khác, như Personal Agent, mà nó làm tốt hơn các model kia. Nhưng ở bài test này, nó không hề ấn tượng.

6. Test 3: phim hoạt hình ngắn đầy cảm xúc, bản của Opus và Gemini

Bài test thứ ba để xem bốn model kể chuyện giỏi tới đâu: tạo một phim hoạt hình ngắn đầy cảm xúc, để lại cho người xem một cảm xúc mạnh, và một lần nữa mọi khung hình lẫn âm thanh đều phải làm bằng code. Prompt trên màn hình, dưới tiêu đề "Test 3 · Videos · Emotional short":

Make a 30-second animated short that tells a story and leaves viewers with a strong emotion. Make every frame and sound in code, with no stock assets.

Với bài này, Peter nói người thắng rõ ràng tuỳ vào gu của mỗi người, nên anh chiếu lần lượt từng bản, bắt đầu với Opus. Theo bài test của Peter (video đăng ngày 13/10/2026), xét về đồ hoạ và animation, Opus một lần nữa là bản ấn tượng nhất. Câu chuyện có vẻ kể về một người vợ chờ chồng trở về và để đèn sáng cho anh ấy. Anh thấy cũng được, nhưng nó có làm anh xúc động thật sự không thì anh không chắc.

Tiếp theo là bản của Gemini 4. Theo bài test của Peter (video đăng ngày 13/10/2026), bản này thật sự được làm rất có tính nghệ thuật, với những cánh chim bồ câu bay và các cảnh khác nhau. Anh đoán câu chuyện nói về một người mải làm việc và không giữ liên lạc với những người mình thương, ít nhất đó là cảm nhận của anh. Anh thấy bản này làm rất tốt, rất nghệ thuật. Thành thật mà nói, anh thấy xúc động hơn một chút với bản của Opus, nhưng xét về thiết kế và nghệ thuật thì Gemini làm rất tuyệt.

7. Test 3: chú robot của Astra và cú bất ngờ của Muse

Bản tiếp theo là của Astra. Theo bài test của Peter (video đăng ngày 13/10/2026), nhìn chung bản này cũng được làm rất tốt. Anh thích chú robot, rất dễ thương. Theo anh hiểu, câu chuyện kể về một robot tưới cây, cái cây lớn dần, về những hy sinh nó đã làm, và vì lý do nào đó chú robot sống lại ở cuối video. Điều duy nhất anh không thích là một đoạn trông như chú robot đang tè vào chậu cây thay vì tưới cây, nên anh không hiểu chuyện gì đang xảy ra ở đó. Về cảm xúc, anh thấy nó khá buồn cười, nhưng không chắc nó làm anh xúc động nhiều.

Một lần nữa anh để bản tốt nhất, hoặc có thể là tệ nhất, xuống cuối: bản của Muse. Và theo bài test của Peter (video đăng ngày 13/10/2026), anh nghĩ Muse đã tạo ra video cảm xúc nhất. Ban đầu, phim chỉ kể về một ông lão chăm sóc một cái cây. Nhưng hoá ra ông chăm cây để nó nở một bông hoa đẹp, rồi đặt bông hoa lên bia mộ của người mà anh đoán là vợ hoặc chồng của ông. Chi tiết bia mộ ở cuối là một bất ngờ với anh.

Theo bài test của Peter (video đăng ngày 13/10/2026), Muse làm tốt nhất ở bài này, dù đồ hoạ không bằng Opus và vài lựa chọn khác. Vì vậy, với phim ngắn cảm xúc, anh trao giải cho Muse. Muse đã làm rất tốt.

8. Test 4: thiết kế lại website, bản của Opus và Gemini

Bài tiếp theo Peter muốn cho xem là để cả bốn model thiết kế lại website của anh mà không có chút context nào về website đang có của anh. Prompt trên màn hình, dưới tiêu đề "Test 4 · Website design":

Redesign the brand and homepage for Behind the Craft, my newsletter, YouTube channel, and podcast. Create a logo, a color and type system, and a homepage that doesn't look AI-generated. Don't look at my current site.

Tức là: thiết kế lại thương hiệu và trang chủ cho Behind the Craft, gồm bản tin, kênh YouTube và podcast của anh; tạo logo, hệ màu và hệ chữ, và một trang chủ trông không giống do AI làm. Không được nhìn vào site đang có. Khi đọc prompt, anh thêm: hãy bắt đầu từ con số không.

Một lần nữa anh bắt đầu với Opus. Theo bài test của Peter (video đăng ngày 13/10/2026), anh thấy website này khá hay. Có một góc trang để kéo ra xem phía sau có gì, kèm dòng tiêu đề "Learn AI by watching it get built." trên màn hình, và anh thấy đây là một interaction pattern khá thú vị. Phần còn lại thì ổn, nhưng hơi nhàm, không thú vị lắm. Anh chấm đây là một bài làm mức B. Anh ước có thêm hình ảnh và những thứ khác, nhưng anh cũng nhắc là Claude không có khả năng tạo ảnh (image generation), tính đến video đăng ngày 13/10/2026.

Tiếp đến bản của Gemini. Theo bài test của Peter (video đăng ngày 13/10/2026), tiếc là Gemini làm không tốt lắm: có quá nhiều chữ (copy), lượng nội dung trên trang cực kỳ choáng ngợp. Nó có nắm được những thứ anh làm và mọi thứ khác, nhưng có quá nhiều chữ, quá nhiều thứ để đọc. Anh thấy chuyện này giống với game Gemini làm: nó build rất nhiều feature, rất cố gắng, nhưng kết quả là website trông hơi bị nhồi nhét. Anh nghĩ Gemini còn có thể cải thiện nhiều ở bài này.

Điều anh thích, theo bài test của Peter (video đăng ngày 13/10/2026), là Gemini đã dựng hẳn một design system, với các màu khác nhau, typography và nhiều thứ khác, như một phần công sức của nó. Anh nói trong cả bốn model, Gemini là model cố gắng nhiều nhất: nó cứ làm tiếp và cố làm bạn hài lòng. Nhưng ở bài này, nó đã đi hơi quá đà.

9. Test 4: Astra thắng phần thiết kế website

Đến bản của Astra, và theo bài test của Peter (video đăng ngày 13/10/2026), anh rất thích nó. Nó rất đơn giản. "Make something of AI" có vẻ là một tagline hay. Có một lời kêu gọi hành động (call to action) rõ ràng để nhập địa chỉ email. Kéo xuống dưới, anh rất thích cách Astra dùng ChatGPT image generation để thêm ảnh những người anh từng phỏng vấn và thêm hình minh hoạ. Anh thích sự đơn giản, sạch sẽ của nó.

Peter nhận xét, trong video đăng ngày 13/10/2026, rằng OpenAI không hẳn nổi tiếng là có gu thiết kế tốt nhất cho các model của mình, nhưng Astra thật sự đã làm tốt. Anh nói trừ khi Muse làm anh choáng ngợp, Astra sẽ là người thắng bài này.

Nhân nhắc tới Muse, đây là bản Muse làm cho anh. Theo bài test của Peter (video đăng ngày 13/10/2026), tiếc là Muse làm không tốt: cực kỳ nhàm, toàn chữ, đọc như đọc báo giấy chứ không giống một landing page. Anh nghĩ Muse làm không tốt ở bài này.

Quay lại trang so sánh, anh chốt: theo bài test của Peter (video đăng ngày 13/10/2026), giải thưởng thuộc về Astra. Ít nhất trong ví dụ cụ thể này, thiết kế website của Astra là tốt nhất, tiếp theo là Opus. Gemini và Muse đồng hạng ba: Gemini thêm hơi quá nhiều thứ, còn bản của Muse trông cực kỳ nhàm.

10. Test 5: khả năng viết, chấm bằng một sub-agent Opus

Đến đây Peter đã làm ba bài test về 3D model và video, cộng một bài test thiết kế website. Giờ anh chuyển sang một use case phổ biến hơn nhiều, có thể không hào nhoáng bằng: mỗi model viết giỏi tới đâu.

Anh có một skill biến bản chép lời thô của một cuộc phỏng vấn (lần này là cuộc phỏng vấn của anh với một khách mời podcast) thành một bài đăng bản tin. Bài đăng có phần giới thiệu và một loạt takeaway, tức những insight hay nhất rút ra từ cuộc phỏng vấn. Dù đã cố hết sức, anh chưa bao giờ cập nhật được skill tới mức nó viết một lần (one-shot) ra những takeaway này mà vẫn hay. Anh luôn phải góp ý và qua lại nhiều lần, tính đến video đăng ngày 13/10/2026. Điều anh muốn biết là các frontier model có thể tiến gần tới đâu so với bản cuối mà anh đã tự tay giúp biên tập.

Ở bài này anh chỉ test Astra, Opus và Gemini; anh chưa có dịp test Muse. Cách chấm: anh nhờ Opus review phần copy mỗi model viết ra và so với bản cuối của anh, theo ba tiêu chí: mức độ cá nhân (personal), mức độ sâu sắc (insightful), và bao nhiêu chi tiết khớp với bản cuối. Anh giải thích thêm: sub-agent Opus này không có context về bất kỳ cuộc trò chuyện nào trước đó, nó chỉ nhìn output của ba model khác nhau so với bản cuối của anh (theo mô tả của Peter trong video đăng ngày 13/10/2026).

Kết quả, theo bài test của Peter (video đăng ngày 13/10/2026), khá bất ngờ: Gemini đứng đầu, trên cả Opus và Astra. Lời giải thích của bản review: Gemini thắng vì đó là bản nháp duy nhất nghe giống giọng của anh. Nó dùng đúng câu trích dẫn mở đầu, có ví dụ cá nhân, vẫn còn chút jargon nhưng nhìn chung là tốt nhất. Opus là bản sâu sắc nhất nhưng điểm cá nhân thấp nhất. Astra chính xác nhưng điểm cá nhân và sâu sắc đều không cao. Trên màn hình, phần nhận xét còn ghi Astra đứng cuối ở mọi hạng mục.

11. Use case làm Peter bất ngờ: nghiên cứu y khoa với Gemini 4

Peter nói anh thật sự bất ngờ với tiến bộ về viết của Gemini 4. Theo nhận xét của anh trong video đăng ngày 13/10/2026, nó tốt hơn nhiều so với Gemini 3.8, phiên bản trước, vì theo anh hiểu team Google đã dành rất nhiều thời gian để cải thiện output phần viết. Trước nay output của Gemini vốn rất dài dòng (verbose), và theo anh bây giờ đã tốt hơn nhiều.

Điều đó dẫn sang một use case khác anh muốn kể. Mẹ anh đang gặp một số vấn đề sức khoẻ, và anh đã làm rất nhiều nghiên cứu y khoa với AI để tìm cách bắt đầu điều trị cho bà. Theo trải nghiệm của Peter (video đăng ngày 13/10/2026), anh bất ngờ với câu trả lời của Gemini 4 cho các câu hỏi y khoa. Ví dụ anh cho xem không phải bệnh thật của mẹ anh, chỉ là một ví dụ minh hoạ.

Theo bài test của Peter (video đăng ngày 13/10/2026), anh thích việc kết quả rất cụ thể và được nghiên cứu kỹ. Nó tìm ra những điều mà các frontier model khác không tìm ra. Và với anh đây là một use case thật, một việc thật sự quan trọng với anh, khác với chuyện tạo game 3D hay 3D model.

Vì vậy, theo đánh giá của Peter trong video đăng ngày 13/10/2026, anh thật sự bất ngờ một cách dễ chịu với việc Gemini 4 làm nghiên cứu y khoa và trả lời các câu hỏi của anh tốt đến vậy. Anh nghĩ Gemini luôn là model toàn diện (comprehensive) và dài dòng nhất. Ở trường hợp này, đó lại đúng là thế mạnh của nó, vì với các câu hỏi y khoa anh thật sự muốn một câu trả lời được nghiên cứu cực kỹ. Cộng thêm tiến bộ về viết, điều đó khiến model này rất tốt cho viết và nghiên cứu. Anh xếp nó hạng nhất ở hai mảng này.

12. Tổng kết: model nào thắng ở use case nào

Vậy model nào thắng? Theo Peter, câu trả lời thật sự tuỳ vào use case. Tổng kết theo bài test của Peter (video đăng ngày 13/10/2026): Opus vẫn đứng đầu (best in class) ở 3D model, animation, dựng video, thêm nhạc và đủ thứ khác. Anh nói Opus có lẽ là model hào nhoáng nhất tính đến thời điểm đó.

Astra thắng ở thiết kế website, theo bài test của Peter (video đăng ngày 13/10/2026), vì bản của nó sạch nhất và tận dụng được ChatGPT image generation. Thành thật mà nói, anh nghĩ Gemini cũng làm được việc đó với Nano Banana, nhưng vì lý do nào đó nó đã không làm. Anh mong Google sẽ sửa chuyện này.

Gemini thắng ở viết và nghiên cứu, theo bài test của Peter (video đăng ngày 13/10/2026). Nếu nghĩ kỹ, đây là những việc không hào nhoáng nhưng thật sự quan trọng mà người làm công việc tri thức (knowledge worker) phải làm. Còn với Muse, anh nghĩ có thể Muse giỏi nhất ở việc hỗ trợ personal agent qua app Muse, và anh để dành chuyện đó cho một video sau.

Anh kết video bằng lời hẹn gặp lại lần sau.