# Theo dùng Opus 5.5 một ngày: rẻ hơn, viết dễ đọc, vẫn có tật

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

> Theo dùng Opus 5.5 trọn một ngày: giá và benchmark, token efficiency, vì sao tránh mức max, quota thực tế, front-end, demo 3D và tật sợ hết context.

Topics: Coding Agents, Model Routing, Evals

Canonical: https://homus.dev/talks/my-new-favorite-model

## 1. Từ Opus 4.5 tới cú trượt của Opus 5

Theo Browne mở đầu bằng một mốc thời gian: khoảng 10 tháng trước khi video đăng (23/09/2026), cách mọi người viết code bằng AI đã thay đổi tận gốc chỉ với một lần ra mắt model. Model đó là Opus 4.5, ra mắt vào tháng 11 năm trước, tức gần một năm tính tới lúc quay. Theo anh, Opus 4.5 là một lần ra mắt rất thú vị vì vài lý do. Thứ nhất, nó đắt hơn Sonnet rất nhiều, nên không hẳn là lựa chọn mặc định của developer. Thứ hai, Anthropic bỏ qua một loạt số và nhảy thẳng tới .5. Thứ ba, dù đó là một thay đổi mang tính cách mạng trong cách dùng model để viết code, họ không gọi nó là Opus 5 mà là 4.5.

Từ đó tới lúc quay (video đăng ngày 23/09/2026), theo lời Theo, Anthropic đã ra những thứ tuyệt vời ở dòng Fable, nhưng gần như mọi lần ra mắt khác của họ đều "lưng chừng", nhất là các model như Opus 5 và Sonnet 5. Anh nhận một phần lỗi: anh đã "say" Opus 5 khi nó mới ra, vì nó có vẻ chạy rất tốt. Nhưng khi cộng đống chữ "slop" tuyệt đối mà nó viết ra để mô tả việc nó đang làm với phần code thường bỏ sót những thứ rất quan trọng, model đó với anh giống một gánh nặng hơn là thứ có thể dựa vào khi làm việc mỗi ngày.

Theo lời Theo (video đăng ngày 23/09/2026), tất cả những điều đó đặt Anthropic vào một hoàn cảnh khá khắc nghiệt: trước đây họ làm ra những model tuyệt vời ở dòng Opus, rồi có phần để dòng này chết dần. Dù vậy anh vẫn còn chút hy vọng cho Opus, vì anh cần thứ gì đó để dùng nửa còn lại của các gói Anthropic mình đang trả. Anh vẫn còn một góc mềm lòng cho khoảnh khắc tháng 11 năm trước, khi bỗng nhiên anh ngồi nhìn máy tính tự code thay vì chỉ bảo nó sửa chỗ nào.

Vì thế anh rất bất ngờ khi thấy bản mới không phải Opus 5.1 mà là 5.5. Theo anh (video đăng ngày 23/09/2026), con số đó đặt ra một kỳ vọng rất, rất cao. Còn quá sớm để chắc chắn, nhưng anh nghĩ họ có thể đã đạt được. Anh đã dùng Opus 5.5 cả ngày và nó làm anh choáng: rẻ hơn, viết bớt dở hơn, code và làm theo chỉ dẫn tốt hơn hẳn, và làm tốt những việc thường ngày. Đây có phải "kẻ giết Fable" mà anh chờ đợi không? Anh chưa thể biết. Nhưng model này có làm anh choáng không? Chắc chắn có, và anh rất muốn cho người xem thấy mọi lý do khiến anh ấn tượng tới vậy.

![Theo Browne mặc áo hoodie xanh lá, ngồi trước micro cạnh một chiếc laptop](https://homus.dev/photos/jgGyX7MPPVg-0003.jpg)

Theo Browne mở đầu video về Opus 5.5, model anh đã dùng cả ngày trước khi quay (video đăng ngày 23/09/2026).

## 2. Opus 5.5 theo lời Anthropic

Theo nói đây là một trong bốn đợt ra mắt model lớn chỉ trong hai ngày trước khi video đăng (23/09/2026): Grok 4.7, rồi Opus 5.5, rồi GPT-6 Sol và Luna.

Vậy Opus 5.5 có gì hay? Anh bắt đầu từ chính lời Anthropic. Theo bài công bố mà anh đọc trong video (công bố ngày 22/09/2026, video đăng ngày 23/09/2026), model này đạt mức của Fable 5.1 ở phần lớn công việc và tốn ít hơn 40% để chạy so với Opus 5. Bài mở đầu bằng việc nói đây là lần ra mắt đầu tiên kể từ khi Anthropic kêu gọi "pacing the frontier". Theo gác chủ đề đó lại; thứ anh quan tâm hơn nhiều là model thật sự chạy ra sao.

Bài công bố (theo video đăng ngày 23/09/2026) kể một người thử nghiệm đã hoàn thành một đợt migration 680.000 dòng code trong chưa tới một ngày, điều mà Theo thấy thật sự ấn tượng. Bài cũng nhắc tới khả năng sửa những chỗ kém hiệu quả trong phần mềm. Theo nói anh cũng đã trải nghiệm điều này: anh ném cho nó những việc tối ưu hiệu năng khá khó nhằn và anh thấy ấn tượng. Bài còn nói model rất an toàn; tới giờ thì anh cứ tin Anthropic khi họ nói vậy. Rồi anh chuyển sang phần chi phí và tốc độ, nơi "mọi thứ bắt đầu vui".

![Đoạn mở đầu bài công bố Claude Opus 5.5: performs at the level of Claude Fable 5.1 on most work and costs 40% less to run than Opus 5](https://homus.dev/photos/jgGyX7MPPVg-0403.jpg)

Đoạn mở đầu bài công bố mà Theo đọc (video đăng ngày 23/09/2026): Opus 5.5 là model đầu tiên của họ Claude 5.5, "performs at the level of Claude Fable 5.1 on most work and costs 40% less to run than Opus 5"; mục Performance nhắc đợt migration 680.000 dòng trong chưa tới một ngày.

## 3. Giá, tốc độ và cách model viết

Theo phần "Cost and speed" của bài công bố mà Theo đọc (video đăng ngày 23/09/2026): Opus 5.5 cần ít compute để phục vụ hơn Opus 5, và giá phản ánh điều đó. Các bài test của Anthropic cho thấy ở thiết lập mặc định, nó tốn ít hơn 40% so với Opus 5 trên khối việc thông thường. Token input và output giờ rẻ hơn, 4 đô mỗi triệu token input và 20 đô mỗi triệu token output, thấp hơn 20% so với trước.

Anthropic cũng thay đổi lớn ở cache read (theo video đăng ngày 23/09/2026): theo lời Theo, chưa lớn bằng thay đổi họ đã làm cho Fable, nhưng cũng gần. Cache read giờ rẻ hơn 60% so với trước, chỉ 20 cent mỗi triệu token, mà anh gọi là một mức rất hời. Model cũng nhanh hơn khoảng 30%, và Theo nói anh đã thấy điều đó trong số đo của mình: nó nhanh hơn nhiều, điều anh thấy dễ chịu vì Opus có thể khá "đói token", nhất là bản này; anh sẽ nói về token efficiency ở đoạn sau.

Các con số giá và tốc độ của Opus 5.5 theo bài công bố của Anthropic (22/09/2026) mà Theo đọc trong video đăng ngày 23/09/2026.

Thay đổi Theo thích hơn cả là cách model giao tiếp. Bài công bố (theo video đăng ngày 23/09/2026) viết rằng Opus 5.5 giao tiếp tự nhiên hơn các model trước. Những người thử sớm thấy cách nó viết rõ ràng và dễ theo dõi hơn, điều giải quyết một phần phản hồi phổ biến mà Anthropic nghe về Opus 5. Nó đưa thông tin quan trọng lên đầu, và phong cách đó khiến nó thành một người cộng tác tốt hơn trong những phiên làm việc dài. Một người thử sớm nói: "nó viết theo cách tôi viết". Bài cũng chỉ ra rằng dễ đọc, dễ theo dõi hơn vừa là lợi ích về an toàn vừa là lợi ích thực tế.

Cuối bài có một đoạn "nhá hàng" vui: Sonnet 5.5 và Haiku 5.5 sẽ ra trong vài tuần tới (theo bài công bố, video đăng ngày 23/09/2026). Theo lưu ý đó sẽ là bản Haiku đầu tiên sau một năm, điều anh thấy thật điên rồ khi họ mất lâu tới vậy. Theo anh, tại thời điểm video đăng (23/09/2026), Anthropic đang bị OpenAI "đè bẹp" ở mảng model nhỏ, rẻ, nhưng có vẻ họ đang dẫn khá chắc ở các model lớn.

## 4. Benchmark trong bài công bố

Trước hết là bảng benchmark. Theo lời Theo đọc (video đăng ngày 23/09/2026), Opus 5.5 dẫn ở mọi hàng, trừ bench nghiên cứu khoa học theo kiểu agent (Terminal-Bench Science) và bench business workflow với AutomationBench. Còn vài bench khác không có trong bảng, nơi nó không đạt điểm tốt bằng, nhưng anh vẫn chờ số liệu cập nhật cho mấy bench đó, đặc biệt là DeepSWE. Anh nói thẳng với nhóm làm bench: "Làm ơn cập nhật đi, tôi đã nhắn các bạn trên Slack mãi rồi, dữ liệu của các bạn cũ quá rồi."

Rồi tới phần kết quả thật sự: biểu đồ chi phí so với điểm số. Ở Terminal-Bench, theo lời Theo (video đăng ngày 23/09/2026), Opus 5.5 đang "tàn sát": Opus 5.5 ở mức medium đạt điểm cao hơn Fable ở mức max với chưa tới một nửa giá, thực ra còn thấp hơn nhiều: 20 đô cho Fable 5.1 ở max, và 2,94 đô cho Opus 5.5 ở medium. Mức max của Opus 5.5 có hơi tụt một chút, và anh nói anh có "nhiều cảm xúc" về mức effort max, sẽ nói ở đoạn sau.

![Biểu đồ Terminal-Bench 4.0, điểm số theo chi phí mỗi lần thử, Opus 5.5 ở trên cùng với các mức low, med, high, xhigh, max](https://homus.dev/photos/jgGyX7MPPVg-0643.jpg)

Biểu đồ Terminal-Bench 4.0 (Accuracy vs Cost) trong bài công bố mà Theo mở (video đăng ngày 23/09/2026): đường Opus 5.5 nằm trên Fable 5.1, Opus 5, GPT-6 Astra và GPT-5.6 Sol; điểm max của Opus 5.5 thấp hơn điểm xhigh một chút.

Ở FrontierCode, theo lời Theo (video đăng ngày 23/09/2026), ta thấy sự kỳ lạ của bench này: điểm đi xuống cũng thường như đi lên khi tăng mức reasoning. Opus 5.5 lập điểm cao mới ở cả medium lẫn max, và buồn cười là điểm tốt nhất của nó lại ở medium. Anh không hiểu sao họ đưa bench này vào; với anh, đây vẫn là một bench kỳ lạ.

Rồi tới CursorBench, theo anh là một trong những bench vui nhất. Tiếc là tại thời điểm video đăng (23/09/2026), theo lời Theo, CursorBench không còn có Astra vì OpenAI đã cấm Cursor dùng model của họ, nhưng vẫn có thể so với Fable, và một lần nữa medium của Opus 5.5 lại cao hơn max của Fable 5.1. Theo anh, khá điên khi Opus 5.5 ở medium cho điểm cao hơn Fable nhiều ở phần lớn các bench code sát thực tế.

## 5. Biểu đồ chi phí Theo tự vẽ lại

Theo có "nhiều cảm xúc" về cách các biểu đồ này được trình bày, tới mức anh dành thời gian làm một bản trực quan hoá thay thế (video đăng ngày 23/09/2026). Anh chỉ dùng dữ liệu từ Artificial Analysis, nhưng muốn làm rõ hơn khoảng cách chi phí thật giữa các lựa chọn. Khi để trục chi phí tuyến tính, nó nhấn mạnh Luna rẻ tới mức nào, vì Luna bị dồn hết vào một bên so với các model khác. Anh chuyển sang thang log để dễ đọc hơn một chút, nhất là ở vùng cần xem.

Theo số liệu Theo đọc trên biểu đồ đó (video đăng ngày 23/09/2026), model này đắt hơn Astra trong nhiều trường hợp, nhưng cũng cho kết quả tốt hơn nhiều. Ví dụ, Opus 5.5 ở high tốn nhiều hơn GPT-6 Astra ở high, nhưng đạt điểm tốt hơn rõ rệt: 53 trên Artificial Analysis so với 50,9 của Astra. Nên nó vẫn không rẻ, phần lớn vì không tiết kiệm token, nhưng theo anh các điểm số này "điên rồ".

![Biểu đồ Intelligence Index vs cost per task trên thang log, với Claude Opus 5.5, Claude Fable 5.1, GPT-6 Astra, GPT-6 Sol, GPT-5.6 Sol và GPT-6 Luna](https://homus.dev/photos/jgGyX7MPPVg-0823.jpg)

Biểu đồ "Intelligence Index vs cost per task" Theo tự làm (dữ liệu Artificial Analysis ngày 2026-09-23 ghi ở chân biểu đồ, video đăng ngày 23/09/2026): mỗi chấm là một mức reasoning effort; đường kẻ ngang đánh dấu GPT-6 Astra high effort ở 50,9 điểm, chi phí 1,73 đô mỗi task.

Nhưng mức low thì rất tệ. Theo nhận xét của Theo (video đăng ngày 23/09/2026), model này thú vị ở chỗ low và max có vẻ nguy hiểm và nói chung nên tránh, còn medium, high, xhigh thì theo trải nghiệm của anh tới lúc quay đều rất tốt.

Anthropic cũng báo cáo cải thiện ở knowledge work (theo bài công bố, video đăng ngày 23/09/2026), điều Theo thấy hay và tuyệt nếu bạn thích dùng Excel với model; anh chắc nó rất quan trọng với nhiều người xem, dù đó không phải thứ anh đặc biệt quan tâm. Số đẹp, hay, vui khi thấy vậy.

## 6. Opus 5 và Opus 5.5 giải thích cùng một bug

Rồi tới thứ Theo nói anh hào hứng nhất: giao tiếp. Bài công bố (theo video đăng ngày 23/09/2026) viết rằng Anthropic đã cải thiện lớn cách Opus 5.5 viết và giao tiếp, một trong những mảng phản hồi phổ biến nhất họ nghe về Opus 5. Bài có ví dụ: cùng câu hỏi "Please explain the issue to me", trả lời của Opus 5 và của Opus 5.5 đặt cạnh nhau.

Theo đọc bản của Opus 5: "What I found: The extra drop isn't the free tier", rồi một dấu gạch dài (mà anh đọc thành "mdash"), "it's a regression in" một commit hash ngẫu nhiên; rồi "The bug", một khối code, "used to do a half-open interval". Theo anh (video đăng ngày 23/09/2026), đó là "vô nghĩa hoàn toàn", và chỉ trong câu trả lời đó đã có ba dấu gạch dài.

Còn bản của Opus 5.5 mở đầu bằng: "The extra drop is a bug in the billing refactor." Thay đổi ở free tier chỉ chiếm 1,50 đô trong khoản tụt tháng Tám của Acme; 9,92 đô còn lại đến từ một bug trong một commit cụ thể. Commit đó được gắn nhãn "No behaviour change", nhưng nó ngừng tính usage của ngày cuối tháng. Rồi tới mục "What changed" với trước và sau. Theo anh (video đăng ngày 23/09/2026), bản này dễ đọc hơn hẳn, và bài công bố có vài ví dụ kiểu này.

![Hai khung trả lời đặt cạnh nhau: Claude Opus 5 bên trái mở đầu bằng What I found, Claude Opus 5.5 bên phải mở đầu bằng The extra drop is a bug in the billing refactor](https://homus.dev/photos/jgGyX7MPPVg-0943.jpg)

Ví dụ trong bài công bố mà Theo đọc (video đăng ngày 23/09/2026): Opus 5 (trái) bắt đầu bằng commit hash và khối code, còn Opus 5.5 (phải) nói kết luận trước, nêu 1,50 đô và 9,92 đô, rồi mới tới phần "What changed".

Theo nói khác biệt hiện ra ngay; anh đã cảm thấy điều đó từ lúc bắt đầu dùng (video đăng ngày 23/09/2026). Anh còn dành thời gian xoá phần chỉ dẫn "unslop" khỏi file CLAUDE.md của các agent, để xem model này tự nhiên nói chuyện ra sao. Anh không nghĩ mình sẽ thêm lại, vì nó đang làm rất tốt.

## 7. Zero data retention, một tweet xin lỗi và văn hoá Anthropic

Một điểm cuối từ bài công bố trước khi Theo chuyển sang những thứ thú vị hơn người ta đang làm với model: chính sách lưu dữ liệu. Theo anh (video đăng ngày 23/09/2026), dòng Fable đặc biệt ở chỗ không có zero data retention (ZDR) đúng nghĩa, nên những công ty cần nhà cung cấp không lưu bất kỳ dữ liệu nào của họ thì không dùng được Fable. Opus vẫn là model số một cho doanh nghiệp và cũng là model code số một nói chung, vì nó cho tỉ lệ giá trên hiệu năng tốt với nhiều doanh nghiệp, nhưng còn hơn thế là vì chính sách ZDR áp dụng được cho Opus, trong khi không áp dụng được cho Fable và Mythos.

Nghĩa là, theo lời Theo (video đăng ngày 23/09/2026), những công ty chi rất nhiều tiền cho AI khó mà bật được Fable cho nhân viên, còn Opus thì hoàn toàn bật được. Vì vậy anh cho rằng model này gần như ngay lập tức sẽ thành model phổ biến nhất để code với AI, bỏ xa các model khác, chỉ nhờ một chi tiết đó. Và có vẻ người dùng sẽ có trải nghiệm khá tốt.

Rồi Theo mở một tweet (video đăng ngày 23/09/2026): "Opus 5.5 is way, way, way better than Opus 5. Sorry about that model. Please try this one." Anh nói tweet này tuyệt vì vài lý do; anh không muốn đọc quá sâu vào phép lịch sự trên mạng xã hội, nhưng tin anh, nó đáng. Đây là sự thừa nhận rằng Opus 5 đã trượt. Đó là một cách nói đùa nhẹ với khán giả và người dùng mà anh rất thích, rất cá nhân, rõ ràng không qua một vòng duyệt PR thông thường.

Nhưng quan trọng hơn cả, theo lời Theo (video đăng ngày 23/09/2026), có vẻ Anthropic đang nới sợi dây rất chặt về những gì nhân viên được làm trên Internet. Trước đây, có vẻ nhân viên Anthropic sợ bình luận về gần như mọi thứ. Với lần ra mắt này anh không cảm thấy vậy chút nào; có vẻ ai cũng được đăng bài, và anh thấy đó là một thay đổi văn hoá rất dễ chịu ở Anthropic, mong họ giữ được.

Anh biết người xem nghĩ giờ anh là "fan cuồng Anthropic"; ít nhất Sam Altman nghĩ vậy. Nhưng với ai chưa quen, anh đã có những vấn đề lớn với cách Anthropic vận hành kinh doanh từ lâu. Nên anh rất nhẹ nhõm khi thấy những thay đổi trong cách họ hoạt động công khai, và theo anh (video đăng ngày 23/09/2026), cả lần ra mắt này cũng cho cảm giác như vậy: một bước chuyển tốt theo đúng hướng.

## 8. Một bản sao Dark Souls và chuyện đổi effort giữa chừng

Trước khi quay lại benchmark, Theo cho xem trước một ít demo 3D, vì anh biết người xem thích những demo 3D hào nhoáng. Đây là một bản sao Dark Souls do một người làm editor kiêm trợ lý làm ra. Theo anh (video đăng ngày 23/09/2026), việc model làm được tất cả chừng này là điên rồ; thật lòng anh sẽ gọi demo này là giả nếu không tự có những kết quả tương tự với dự án của mình.

![Một hiệp sĩ mặc giáp đứng trước cổng đá, chữ The Ashen Gate ở giữa, bên trái là một bàn thờ có lửa](https://homus.dev/photos/jgGyX7MPPVg-1220.jpg)

Bản sao Dark Souls làm bằng Opus 5.5 mà Theo cho xem (video đăng ngày 23/09/2026): khu vực "The Ashen Gate", với dòng hướng dẫn "Rest at an ember altar… Resting restores health and flasks, but the fallen rise again."

Rồi anh thừa nhận "nói dối", vì còn một chi tiết trước khi vào bench. Theo lời Theo (video đăng ngày 23/09/2026), Opus 5.5 đã sửa một trong những điều khó chịu nhất ở model của Anthropic: mức effort hiện tại nằm ở đầu thread, như một phần của system prompt. Nghe thì có vẻ ngớ ngẩn, nhưng nó khiến cache bị phá mỗi khi đổi mức reasoning. Giờ có thể đổi mức reasoning giữa phiên mà không phá cache, một thay đổi rất hay. Anh cảm ơn một người trên X đã chỉ ra điều này, vì có thể anh đã bỏ lỡ.

## 9. Artificial Analysis: điểm cao, nhưng tốn token

Tới benchmark. Theo lời Theo đọc trên Artificial Analysis (video đăng ngày 23/09/2026), Opus 5.5 giờ dẫn rất xa trên Artificial Analysis Intelligence Index, nhảy năm điểm so với Fable 5.1. Để so sánh, khoảng cách giữa Astra và Grok 4.7 không lớn hơn bao nhiêu, và khoảng cách giữa Astra và Muse Spark xấp xỉ như vậy. Nên nếu bạn nghĩ Fable tốt hơn Muse Spark nhiều, mà theo anh đúng là vậy, thì theo bench, khoảng cách từ Fable tới Opus cũng cỡ đó, nghiêng về Opus. Với anh, điều này cho thấy các benchmark này dở tới đâu nhiều hơn. Nhưng cũng đáng ghi nhận rằng Opus 5.5 đang "đè bẹp" gần như mọi bench ném vào nó; nó đứng đầu ở gần như mọi thứ.

Đặc biệt là ở output token, và đây là một trong những điều đáng buồn mà Theo thấy cần nói rõ (video đăng ngày 23/09/2026). Việc giảm giá là thật, model rẻ hơn, nhưng không phải vì nó hiệu quả hơn. Thực tế nó kém hiệu quả hơn Opus 5 rõ rệt. Theo số liệu Artificial Analysis mà anh đọc: Opus 5 ở max dùng 73k token mỗi task, Fable dùng 78k, còn Opus 5.5 ở max dùng gần 120.000 token mỗi task. Để tham chiếu, GPT-6 Astra dùng 27k token mỗi task. Theo anh, đúng là có khoảng cách gấp 4 về hiệu quả ở đây.

Lượng output token mỗi task mà Theo đọc từ Artificial Analysis (video đăng ngày 23/09/2026): Opus 5.5 ở max dùng gần 120k, khoảng gấp 4 GPT-6 Astra.

Theo lời Theo (video đăng ngày 23/09/2026), điều này đáng nói vì nhanh gấp đôi cũng chẳng có nghĩa gì nếu phải sinh nhiều token gấp bốn. Nó cũng thu hẹp một phần khoảng cách chi phí, và đó là lý do các con số trong biểu đồ so sánh của anh trông thú vị như vậy. Opus 5.5 suýt thành model đắt nhất mà Artificial Analysis từng chạy, đơn giản vì lượng token nó dùng: Opus 5 tốn 5,86 đô, Opus 5.5 tốn gần 6 đô, và Fable tốn 7,63 đô.

Nhưng đây còn xa mới là toàn cảnh, theo anh (video đăng ngày 23/09/2026), vì đó chỉ là mức reasoning max của mỗi model. Anh đã thêm low, medium và high cho tất cả vào biểu đồ của mình, để cho thấy chi phí không quá khắc nghiệt nếu không dùng max, điều anh sẽ còn "càm ràm" nhiều hơn ngay sau đây. Opus 5.5 ở xhigh gần với chi phí của Astra hơn nhiều; nếu chịu hạ xuống high, nó tốn khoảng một nửa Astra ở max. Hạ xuống medium thì rẻ hơn hẳn: 1,34 đô so với 3,26 đô của Astra, hay 6 đô của Opus 5.5 (ở max). Vậy là chi phí co giãn tốt hơn nhiều. Anh không đưa low vào vì cho rằng low khá ngớ ngẩn: nó không đủ năng lực so với giá.

## 10. Đường Pareto, Grok và MiMo

Thứ thú vị hơn nhiều, theo lời Theo (video đăng ngày 23/09/2026), là đường Pareto frontier: đường cho biết đâu là giá tốt nhất ở một mức hiệu năng. Opus 5.5 đã chiếm trọn đường này; nó là mức giá tốt nhất cho mọi điểm số trong vùng từ 50 trở lên.

Anh ước Artificial Analysis làm các công cụ trực quan này tốt hơn một chút. Như đã nói, anh phải lấy dữ liệu ra và tự làm bản của mình, và đúng như người xem đoán, anh làm bằng Opus 5.5. Theo anh (video đăng ngày 23/09/2026), làm loại việc này với nó rất dễ chịu: nó lấy được dữ liệu từ trang chủ Artificial Analysis và làm ra một bản trực quan hoá tốt hơn trong rất ít thời gian.

Anh "lén" thêm vài thứ. Anh đưa Grok 4.7 và 4.6 vào biểu đồ để người xem thấy vì sao theo anh (video đăng ngày 23/09/2026) chúng không còn mấy liên quan: chúng kém hơn và đắt hơn mọi đối thủ khác trong mảng này tại lúc quay, liên tục cho điểm thấp hơn với chi phí cao hơn.

Thứ anh thật sự muốn thêm vào là MiMo V2.6, vì theo anh (video đăng ngày 23/09/2026) model này đang chạy rất tốt so với giá, và nó nối mượt phần đường của Opus 5 trước khi tới các model Luna siêu rẻ. Chuyển sang thang log thì càng thấy MiMo 2.6 độc đáo thế nào trên biểu đồ. Theo anh, có vẻ Xiaomi đang "nấu" rất tốt dòng open weight mới của họ. Nhưng hôm nay anh đang nói về Opus; anh chỉ muốn nhắc nhanh vì thấy hay.

## 11. Vì sao Theo khuyên tránh mức max

Artificial Analysis có đăng một phân tích ngắn giải thích vì sao model không đắt hơn nhiều dù dùng gấp đôi số token. Theo bài đăng đó mà Theo mở (video đăng ngày 23/09/2026), lượng token tăng lẽ ra đẩy chi phí mỗi task lên khoảng 80%, tới 10,51 đô; việc giảm 20% giá token gốc đưa nó về 8,41 đô, rồi giảm giá cache read xuống 0,20 đô đưa nó về 5,98 đô, gần với 5,86 đô của Opus 5 ở max. Theo lời Theo, hai thay đổi đó giúp model không thành một đợt tăng giá lớn.

Anh thích một nhận xét của một người dùng trên X (video đăng ngày 23/09/2026), giống điều anh đã nói về các mức reasoning effort: medium hiệu quả hơn nhiều. Người đó nói medium của Opus 5.5 có trí thông minh ngang Fable 5.1. Theo thấy câu đó hơi quá, nhưng nó chỉ tốn 1,34 đô mỗi task trên Artificial Analysis, so với hơn 6 đô của Fable.

Theo lời Theo (video đăng ngày 23/09/2026), lần ra mắt này càng làm rõ sự "khinh ghét" của anh với các mức effort max. Chúng khiến model chạy lòng vòng không bao giờ xong và đốt nhiều token hơn mức cần thiết cho đại đa số task. Tin hay không, chính anh cũng dính: một thread chạy sáu tiếng 30 phút chỉ để viết một bản plan bằng markdown, vì anh để ở max và nó chạy vòng mãi. Cuối cùng anh phải dừng, chuyển sang xhigh và hỏi cập nhật; hoá ra nó mới làm được một nửa. Anh hy vọng nó sẽ xong sớm, dù tiếc là demo đó có lẽ không kịp cho video này.

Bằng chứng cuối cho sự khinh ghét đó: anh chạy model qua SkateBench cùng GPT-6 Sol và Luna. Thứ anh quan tâm không phải điểm cao bao nhiêu. Điểm tạm được, có cải thiện nhưng không lớn; rồi anh tự sửa: thực ra nó còn thấp hơn Opus 5 trên SkateBench (kết quả theo video đăng ngày 23/09/2026). Điều anh thấy hấp dẫn hơn là khoảng cách số token sinh ra mỗi câu hỏi giữa xhigh và max.

Anh nói (video đăng ngày 23/09/2026) ở xhigh nó chỉ dùng khoảng 330 reasoning token mỗi câu hỏi, và từ xhigh lên max, chỉ là một nấc nhỏ trên thanh trượt, nó nhảy từ khoảng 300 token lên gần 5.000 token mỗi task. Anh không phóng đại: theo anh đó là khoảng cách hơn 10 lần cho một bước nhảy nhỏ xíu, mà điểm gần như không cải thiện, chỉ tăng 1%. Trên bảng kết quả anh mở trong video, dòng claude-opus-5.5-xhigh ghi 78% đúng với trung bình 338 token, còn claude-opus-5.5-max ghi 80% với 4.684 token, và vẫn còn 5 test đang chạy; Opus 5 ở xhigh và max cùng ghi 83%.

![Terminal chạy Skatebench v2 với bảng các model, cột Tests, % Right, Avg Cost, Avg Tokens, Avg Duration](https://homus.dev/photos/jgGyX7MPPVg-1803.jpg)

Bảng SkateBench v2 trong terminal của Theo (video đăng ngày 23/09/2026): claude-opus-5.5-xhigh 78% với 338 token trung bình, claude-opus-5.5-max 80% với 4.684 token, trong khi claude-opus-5-xhigh và claude-opus-5-max cùng 83%.

Anh nói vẫn còn hai lượt đang chạy vì chúng mất mãi, do đốt quá nhiều token. Theo anh (video đăng ngày 23/09/2026), đó là chi phí tăng hơn 10 lần mà không vì lý do gì cả. Nên lời khuyên của anh: đừng dùng max với model này, không đáng, trừ khi bạn chỉ muốn nhìn token cháy. Anh biết câu đó nghe hơi lạ khi đến từ người hay nói về "lò đốt token" của mình, nhưng theo anh model này rất dễ chịu ở khoản đó.

## 12. Một ngày làm việc thật, bao nhiêu phần trăm quota

Như đã nói, Theo đã dùng model này hết cỡ cả ngày. Anh nhắc rằng anh có năm gói Claude, vì anh rất thích Fable 5.1. Anh refresh trang quota để xem sau một ngày dùng nặng thì đã dùng hết bao nhiêu: "Không nhiều." Theo anh (video đăng ngày 23/09/2026), một tài khoản chịu phần lớn; một tài khoản khác tốn thêm chút vì anh dùng nó trong app desktop của Claude Code. Phần lớn nằm ở tài khoản anh chỉ vào, chỉ khoảng 40% hạn mức tuần, nhưng khoảng một nửa trong số đó đến từ việc anh dùng Fable trong hai ngày trước. Nên thực tế, theo anh, Opus 5.5 chiếm gần với khoảng 20% hạn mức tuần, điều anh thấy điên rồ khi anh đã cố tình "ép" model cả ngày.

Và anh đã làm được việc thật với nó (theo video đăng ngày 23/09/2026). Anh làm bản trực quan hoá mới đã cho xem ở trên, port nó nhiều lần sang những nơi anh muốn host kèm thêm tính năng, cho nó dùng computer use để kiểm tra kết quả và cũng để lấy dữ liệu từ trang Artificial Analysis gốc.

Anh cũng phát hiện một bug ở Lakebed, "cloud của anh", trong lúc làm việc. Anh bảo model tự tìm repo trên máy và làm một PR. Theo lời anh (demo trong video đăng ngày 23/09/2026), nó tìm được repo, nhận ra bản clone trên máy đã quá cũ, cập nhật nó, tạo một worktree, mở PR với bản sửa, kiểm tra bản sửa, và merge tất cả giúp anh. Tất cả những việc đó cộng lại tốn 1% hạn mức tuần. "Họ đã sửa được vấn đề."

![Một phiên chat với Opus 5.5 trong app desktop, báo PR pingdotgg/lakebed#224 sẵn sàng merge, thanh dưới ghi Merged](https://homus.dev/photos/jgGyX7MPPVg-2003.jpg)

Phiên "Artificial Analysis chart recreation" chạy Opus 5.5 ở mức High (demo trong video đăng ngày 23/09/2026): model báo PR pingdotgg/lakebed#224 đã qua mọi check (Verify, Cursor Bugbot, Macroscope, CodeRabbit và ba deploy Vercel), chưa có người duyệt, hỏi "Should I merge it?", và thanh dưới ghi #224 fix/refresh-apps-without-socket Merged.

## 13. Giá trị so với Codex, và bench review code

Theo không tin nổi mình nói điều này, nhưng nếu model này hoá ra là một "daily driver" ổn, mà có vẻ là vậy, thì theo anh (video đăng ngày 23/09/2026) đó là bước cải thiện lớn về giá trị nhận được so với một thứ như gói Codex. Tại lúc quay, anh thấy đốt hết gói Codex hơi quá dễ, và lựa chọn chỉ có Astra, có năng lực nhưng "spiky" và quá đắt, hoặc Sol. Nên theo anh, Opus 5.5 đáng giá hơn nhiều cho 200 đô của bạn. Khá điên khi chuyện này xảy ra nhanh vậy, nhưng nó đã xảy ra.

Hôm đó anh chỉ dùng nhẹ các gói Codex để thử bản GPT-6 Sol mới, không thật sự với tới nó nhiều. Theo anh (video đăng ngày 23/09/2026), anh thật sự ấn tượng với Opus 5.5 ở mọi việc anh làm với nó hôm đó. Anh đã ép model này để tìm điểm yếu, và tới lúc quay, điểm yếu của nó giống điểm yếu của Fable.

Anh đã làm một bench thử xem các model có thể đào sâu vào codebase lớn và đưa ra đề xuất thực tế để cải thiện chất lượng code tới đâu. Theo lời Theo (video đăng ngày 23/09/2026), bench đó cho thấy Grok 4.7 làm tốt vượt xa so với năng lực chung của nó, vì anh thật sự thấy Grok 4.7 khá giỏi ở việc kỹ lưỡng với code, review rất kỹ và đào sâu. Anh nghi lý do là công sức Cursor đã bỏ vào các pipeline review code như BugBot và toàn bộ dữ liệu họ có từ đó; dữ liệu kiểu này rất hữu ích khi fine-tune model để đào vào chi tiết và review code, và anh nghi đó là lý do họ làm Grok giỏi đặc biệt ở việc này. Sol cũng có vẻ rất giỏi. Opus và Fable thì kém hơn.

Dù vậy, theo anh (video đăng ngày 23/09/2026), khoảng cách từ Opus 5 lên 5.5 trên bench này "buồn cười": gần gấp đôi về độ chính xác và độ tin cậy của các phát hiện. Còn Gemini 3.8 Flash vẫn ở mức "meme" như dự đoán.

![Bảng kết quả bench review code với các cột Confirmed quality, Upper bound, Run 1 / run 2](https://homus.dev/photos/jgGyX7MPPVg-2118.jpg)

Bench review code của Theo (video đăng ngày 23/09/2026), cột Confirmed quality: GPT-6 Astra 83,8, Grok 4.7 80,7, GPT-6 Sol 79,9, Fable 5.1 69,7, Claude Opus 5.5 67,5, Opus 5 37,9, Gemini 3.8 Flash High 33,8.

Nên nếu bạn định dùng model này để review code thật kỹ, tìm mọi thứ sai, hay đề xuất cải tổ lớn cho codebase, theo lời Theo (video đăng ngày 23/09/2026) nó có thể không mạnh bằng frontier của OpenAI ở những việc đó. Nhưng anh nói thật: đó không phải việc anh làm mỗi ngày, mà khoảng hai tuần một lần, chủ yếu để thử model mới. Có một model đào được mọi chi tiết trong codebase, chọc mọi lỗ hổng và cho phản hồi thật để cải thiện là rất hữu ích, nhưng đó không phải trường hợp mặc định, cũng không phải thứ sát thực tế nhất để làm bench. Anh chỉ thấy các con số này thú vị, và đây là một trong số ít thứ anh làm được cho thấy điểm yếu mà anh cảm nhận ở model của Anthropic so với OpenAI.

Còn lại là front-end và những demo điên rồ người ta làm với model. Theo anh (video đăng ngày 23/09/2026), model này cực giỏi 3D và những thứ anh đã thấy "thổi bay não".

## 14. Front-end: Fable vẫn có nét riêng

Front-end là phần thú vị, theo lời Theo (video đăng ngày 23/09/2026), vì model có vẻ có bản năng thiết kế rất tốt, nhưng anh không nghĩ nó thể hiện điều đó rõ trong khả năng thiết kế front-end. Anh từng sửng sốt với việc Fable 5.1 giỏi hơn bao nhiêu ở gu thiết kế tinh tế, ở các animation và chi tiết nhỏ trong những thứ thiết kế cùng nó. Anh chưa có trải nghiệm tương tự với Opus 5.5.

Phần lớn các demo, theo anh (video đăng ngày 23/09/2026), không "slop", nhưng rồi anh tự sửa: thật lòng thì có hơi slop. Đó là các bản dùng skill thiết kế chính thức của Claude Code; tắt skill đi thì khá hơn một chút, nhưng không nhiều. Anh vẫn thấy một nửa trông như template Tailwind, nửa kia theo một phong cách rất riêng mà anh không biết gọi là gì, kiểu màu pastel với bóng đổ lớn, hoàn toàn không phải gu của anh.

![Trang landing Commonplace với dòng chữ Write it on a card. We'll file it next to everything it relates to, và menu chọn model đang chọn Opus 5.5](https://homus.dev/photos/jgGyX7MPPVg-2515.jpg)

Một trang landing "Commonplace" trong bộ so sánh thiết kế mà Theo mở (video đăng ngày 23/09/2026); menu chọn model ở góc phải liệt kê Fable 5.1, Fable 5, Opus 5.5 (đang chọn), Opus 5, Sonnet 5, Opus 4.8, 4.7, 4.6 để so các bản cùng một đề.

So với Fable, model mà theo anh là model thiết kế giỏi nhất trong thời gian gần đây, thì ngay cả ở những thiết kế tương tự, như trang "station", animation, gu và bố cục trang của Fable tốt hơn rõ rệt (nhận định của Theo, video đăng ngày 23/09/2026). Điều đó cho thấy Fable vẫn là "goat" ở một số việc. Anh sẽ biết thêm khi dùng Opus 5.5 nhiều hơn cho việc thường ngày, nhưng cảm giác ban đầu là chắc chắn có những mảng Fable mạnh hơn. Fable vẫn kỹ lưỡng hơn một chút. Astra vẫn kỹ lưỡng nhất, nhưng cũng rất "spiky" và lạ.

Theo lời Theo (video đăng ngày 23/09/2026), Opus có lẽ là lựa chọn mặc định đúng cho đại đa số việc, nhưng đừng ngại dùng Fable cho front-end, nhất là khi làm một trang marketing hay một đợt đại tu thiết kế lớn; anh vẫn nghĩ Fable đáng một chút ở đó.

Nhưng người khác có trải nghiệm khác (theo video đăng ngày 23/09/2026). Một người dùng trên X, người không phải lúc nào cũng đồng ý với Theo ở những chuyện kiểu này, đã cho Opus 5.5 tạo 100 trang HTML và nói rất quả quyết rằng đây là model tốt nhất người đó từng thử. Theo mở ba trang đầu: một bố cục kiểu giấy cắt, các vật thể như thật, rất skeuomorphic với cảm giác giấy; nút "Recut" chạy lại animation, và theo anh, với một thứ model làm một phát trong 100 lần tạo thì nó "đẹp choáng". Trang "Neon Rain" thì vẫn hơi quá cái theme terminal retro mà skill hay gợi ý. Và có cả một ván cờ vua, mà anh nói anh sẽ chơi nếu nó không làm anh xấu hổ quá. Theo anh, model làm ra những trang khá ổn.

## 15. Những demo người khác làm với Opus 5.5

Ngay trước khi quay, Theo được nhắn một demo vui: một người đã port toàn bộ T3 Code vào Minecraft. Theo anh (video đăng ngày 23/09/2026), vừa buồn cười vừa hay khi người đó có thể chơi Minecraft mà không phải rời cửa sổ để xem agent đang làm gì.

Không phải demo trực tiếp, nhưng theo lời Theo nó cho thấy model mạnh thế nào: một người từng là một trong các lead dev và researcher của Sora ở OpenAI, gần đây rời đi lập công ty riêng, đã quảng bá những thứ OpenAI sắp ra và nói rằng với Anthropic, cảm giác như phải chờ một tuần xem model mới có vấn đề thảm hoạ nào không. Vài giờ sau, người đó viết tiếp: thôi bỏ đi, Opus 5.5 giỏi điên rồ (theo video đăng ngày 23/09/2026).

Tiếp theo là loạt demo của người làm bản Dark Souls ở trên (Theo nói anh còn nợ người này một lời hồi âm). Đầu tiên là bản sao Dark Souls, một game rất nổi tiếng mà nhiều người thích "gào thét" với nó. Tất nhiên, theo lời Theo (video đăng ngày 23/09/2026), nó còn xa mới được tinh chỉnh và thiết kế tốt như các game chính chủ của FromSoftware ("nói líu cả lưỡi", anh nói), nhưng việc model làm được thứ như vậy là điên rồ. Còn có một flight simulator mà theo anh tốt hơn nhiều so với những flight sim trước đây anh thấy người ta làm bằng các model này. Theo anh, thật điên khi tiến bộ nhanh vậy: các demo 3D chỉ vài tháng trước còn chưa gần bằng những gì người ta làm bây giờ (tính tới lúc video đăng, 23/09/2026).

Một animation khác đi kèm nhạc do AI tạo; Theo xin lỗi vì không chịu nổi nhạc AI, "không phải gu của tôi". Theo lời Theo, có vẻ toàn bộ animation được thiết kế bằng Claude; nó làm được, và theo anh (video đăng ngày 23/09/2026) nó trông rất tốt: model có nhiều gu ở các loại animation 2D, 2.5D và đôi khi cả 3D, thứ rất khó làm đúng.

Bijan Bowen cũng làm vài demo rất hay. Anh ấy có quyền dùng sớm, còn Theo thì không ("Anthropic, các bạn biết cách liên lạc với tôi mà"), nên đã làm sẵn nhiều thứ. Bijan dành thời gian làm một bản sao kiểu Tony Hawk's Pro Skater, viết từ đầu bằng C++, có vẻ không dùng game engine nào. Theo lời Theo (video đăng ngày 23/09/2026), dù model không làm tốt trên SkateBench, có vẻ nó làm khá tốt trên "SkateGameBench", kể cả chi tiết tấm ván văng đi khi nhân vật ngã. Tất nhiên còn xa mới hoàn hảo, nhưng anh thấy ngành đã tiến bộ nhanh tới điên rồ.

Model cũng giỏi FPS một cách lạ (theo video đăng ngày 23/09/2026). Trong demo bắn súng ở ga tàu điện ngầm, màn hình hiện "WAVE 1, Something is coming down the stairs". Theo nói các demo này đều là web demo: game trượt ván là game native C++, còn bản này chạy trên web, và tới lúc quay, model có vẻ giỏi những thứ như Three.js hơn nhiều so với công nghệ native. Demo này viết hoàn toàn bằng Three.js trong trình duyệt, khác với bản trước là demo native C++ không engine. Nó vẫn có nhiều cạnh nhấp nháy lạ. Theo nói anh thấy nó dùng computer use để nhận ra và sửa những lỗi kiểu này giỏi một cách bất ngờ, nhưng không phải lúc nào cũng được. Anh cảm ơn Bijan đã cho dùng các ví dụ.

## 16. Fish Slop: demo của chính Theo

Rồi tới demo của Theo: Fish Slop. Bản đầu tiên hiện lên "trông không ổn", và anh nhận ra đó là bản của Grok 4.7, mở nhầm. Với bản của Opus 5.5, điều đầu tiên anh để ý là nó chạy tốt thế nào (demo trong video đăng ngày 23/09/2026): di chuyển rất tốt, frame rate "điên rồ", chạy mượt hoàn hảo ở 120 fps trên máy anh, và các mô hình trông khá chắc tay. Anh ấn tượng ngay.

Rồi anh nhận ra mình đã sai: anh để reasoning ở medium. Anh đang vội gom mọi thứ cho kịp, và medium là mức reasoning mặc định của model, nên anh mong đó là lỗi có thể hiểu được. Sau đó anh bảo nó tinh chỉnh và làm cho đẹp nhất có thể, lần này ở mức cao hơn nhiều, xhigh, và đây là kết quả dựng trên bản đầu (demo trong video đăng ngày 23/09/2026). Anh không ngờ nó tốt tới gần như vậy, và nói anh từng nghĩ OpenAI sẽ giữ vị trí dẫn đầu ở mảng này thêm một thời gian.

![Game Fish Slop: một chiếc tàu ngầm nhỏ màu vàng dưới nước, phía trên là một con cá đuối lớn, thanh mua cá ở dưới](https://homus.dev/photos/jgGyX7MPPVg-3143.jpg)

Bản Fish Slop do Opus 5.5 làm ở mức xhigh (demo trong video đăng ngày 23/09/2026): tàu ngầm của người chơi ở bể "Shallow Reef", con cá đuối phía trên, thanh mua Guppy, Star, Breeder, Carnivore, Food+, Food cap, Laser, Magnet, Egg ở dưới.

Anh chỉ vào con cá đuối: "Bạn có biết thiết kế thứ như vậy trong Blender khó thế nào không? Rồi làm animation đúng với ngần ấy polygon để rig?" Theo anh (demo trong video đăng ngày 23/09/2026), đó không phải chuyện đơn giản và nó làm rất tốt. Tất nhiên có vài vấn đề, như ánh sáng bị hoà sai khi cá đập cánh, nhưng anh thốt lên "cái quái gì vậy?".

Điều điên nhất, theo lời Theo (demo trong video đăng ngày 23/09/2026), là không chỉ chuyển động và cơ chế chính như bơi lượn trong nước là tốt, mà vòng lặp gameplay cũng đúng. Đây là bản Fish Slop 3D đầu tiên có model làm ra mà anh phải tự nhắc mình đây chỉ là demo và anh còn phải đi quay. Các bản khác thì anh kiểu "ồ, hay, trông đẹp" rồi đóng lại; bản này thì "à, giờ tôi thật sự thấy được tầm nhìn cho game". Các animation nhỏ khi cá ăn, nhất là khi chúng lớn lên, rất tốt. Còn có một nút camera điện ảnh "điên rồ" để cứ thế ngồi xem. Rồi đợt alien đầu tiên kéo tới, và anh thốt: "Sao nó có thể tốt tới vậy? Tôi không nghĩ chúng ta tới được đây nhanh vậy. Thật sự không nghĩ."

## 17. Tật xấu: sợ hết context window

Dù vậy, model này không phải không có tật. Theo lời Theo (video đăng ngày 23/09/2026), các tật hiền hơn nhiều và không "tận thế" như Opus 5, nhưng vẫn có. Một trong những tật làm anh bực nhất là chứng hoang tưởng về context window.

Anh giải thích (video đăng ngày 23/09/2026): hồi compaction còn chưa tốt và chưa đáng tin, các model chủ yếu được huấn luyện trên dữ liệu vừa trong context window. Nếu được giao một task và xong trước khi chạm giới hạn, tốt; nếu quá lâu và hết context thì thất bại. Kết quả là vô tình dạy model sợ những giới hạn đó và cố giữ mọi thứ dưới mức đó. Theo anh, OpenAI đã "đánh bật" hoàn toàn điều này khỏi model của họ: chúng không quan tâm nữa, cứ làm điều chúng muốn và tin compaction giữ chúng đúng hướng. Anthropic thì ít hơn; họ dựa nhiều hơn vào context window một triệu token, trong khi OpenAI thường giới hạn ở 272k, dù model OpenAI làm được một triệu token context.

Anh đã gặp vài lần kiểu cảnh báo này (theo video đăng ngày 23/09/2026). Anh để ý một lượt cải thiện hiệu năng cho Fish Slop có vẻ không tiến triển. Anh không tự khởi động lượt đó: anh để Claude Code trên máy anh SSH vào một máy khác để chạy Claude Code ở đó, và nó làm được. Điều đáng lo không nằm ở chỗ nó nói là đáng lo. Báo cáo của nó trên màn hình ghi:

```
Concern: it is slow to commit. After almost 3 hours all its changes are still local, and its context is 10% from auto-compact. If it crashed, that work would be lost. Do you want me to tell it to commit the depth-of-field change now? It would then finish the shader hunt as a separate step.
```

![Terminal Claude Code với báo cáo công việc chưa commit, những gì tìm thấy, và dòng Concern về context còn 10% trước auto-compact](https://homus.dev/photos/jgGyX7MPPVg-3416.jpg)

Báo cáo của phiên Claude Code mà Theo cho xem (demo trong video đăng ngày 23/09/2026): các mục "Uncommitted work", "What it found along the way" (hitch khi khởi động bể, đo nhiệt GPU bằng macmon, bug shader), và dòng "Concern" về việc chậm commit.

Theo lời Theo (video đăng ngày 23/09/2026), phần đầu không sao: instance Opus 5.5 đang cải thiện game chậm commit, sau gần ba giờ mọi thay đổi vẫn ở local. Chỗ đáng ngờ là nửa sau câu: context còn 10% nữa là auto-compact, và "nếu nó crash, công việc sẽ mất". Anh nói không cái nào hợp lý cả; đó không phải thứ model nên nghĩ hay bận tâm. Context còn 10% tới auto-compaction thì sao? Model compact tốt, xử lý compaction rất ổn, và compaction còn nhanh hơn, điều khá hay. Còn "nếu crash thì mất việc" là sao? Đó là một máy thật trong mạng của anh, model biết nó là máy thật, biết đó là một chiếc MacBook. Nó chọn máy đó vì đó là một máy Mac giống máy của anh trong "fleet" của anh. Nó không có lý do gì để lo crash làm mất việc.

Những khoảnh khắc này không xảy ra thường (theo video đăng ngày 23/09/2026). Chúng thường đến khi anh đang soi xem vì sao mọi thứ chậm, lúc mà theo cách anh nói mọi thứ đã ở trạng thái tệ, và anh đang hỏi lại xem sao lại tới đó. Đó là lúc khả năng phân định của model này có vẻ yếu hơn. Theo anh, gần như không benchmark nào đo điều này, nên khó thấy trong các con số; phần lớn benchmark thậm chí chưa chạm tới compaction khi chạy xong. Nhưng nó vẫn cho cảm giác "model nhỏ" khi chạm những cạnh này, vì anh không nghĩ Fable sẽ nói điều vô nghĩa như vậy. Astra thì có thể, Fable thì không.

Trong lúc đó, bản Fish Slop đã được cải thiện hiệu năng đang chạy "bay" (demo trong video đăng ngày 23/09/2026): trông đẹp như vậy mà chạy 120 FPS, tới mức anh nghĩ có thể đây là bản đầu tiên anh phải publish để mọi người chơi thử, vì khó tin. Nó vẫn có vài lỗi lạ: khi xuống đủ thấp và nhìn lên, độ trong suốt của cá bị hỏng, nhất là con sứa với hiệu ứng nước trên trần. Ngoài ra thì rất, rất tốt.

## 18. Độ "spiky", hạn mức và kết luận

Theo muốn nói về độ "spiky" của model, liên quan tới những cú tụt ngớ ngẩn vừa thấy, vì model này có thể vẫn có những cú tụt như vậy. Anh chưa biết chúng thường và ngớ ngẩn tới đâu, vì tới lúc quay mới là ngày đầu thử nghiệm của anh. Anh không có quyền dùng sớm và chưa ship gì nhiều ngoài khoảng năm PR với model này (theo video đăng ngày 23/09/2026).

Theo các số đo sơ bộ của Theo trên những pull request đó (video đăng ngày 23/09/2026), model cho tỉ lệ lỗi nghiêm trọng mức cao tương đương hoặc thấp hơn, và số lỗi nhỏ, nitpick tương đương hoặc hơi nhiều hơn, so với một model như Fable 5.1. Nhưng đó mới là một ngày với các pull request cỡ vừa, chưa đủ dữ liệu để chắc 100%.

Tóm tắt số đo sơ bộ Theo nêu trên các PR anh ship với Opus 5.5 trong ngày đầu (video đăng ngày 23/09/2026).

Cảm giác của anh, nếu nhìn lại biểu đồ chất lượng phản hồi trước đây anh vẽ cho Fable 5.1 và Astra, là Opus 5.5 rất giống Fable 5.1, với chất lượng tổng thể hơi cao hơn, nhất là nếu bạn quan tâm tới chất lượng văn xuôi và những gì nó nói khi làm việc cùng bạn: dễ đọc hơn hẳn. Nhưng các cú tụt của nó chắc chắn xuống thấp hơn Fable một chút. Thấp hơn bao nhiêu, anh không biết; thường xuyên cỡ nào, anh chưa chắc (nhận định của Theo, video đăng ngày 23/09/2026).

Anh muốn mọi người đừng quá hào hứng mà vứt hẳn Fable để chọn Opus, vì theo anh (video đăng ngày 23/09/2026) model này nhỏ hơn, "ngu" hơn, nó sẽ mắc lỗi. Fable cũng vậy, chỉ ít hơn. Khi mọi người giao những việc ngày càng dài với ngày càng nhiều khối lượng, khả năng gặp một lỗi như thế tăng lên chứ không giảm. Kết quả là đôi khi bạn sẽ thấy Opus 5.5 kẹt lại sửa những thứ không cần sửa khi được giao việc tối ưu hiệu năng, hoặc tự nhốt mình trong suy nghĩ rằng context window sắp đóng và nó sắp "chết" trong khi không phải vậy. Opus sẽ có những tật này; ít hơn nhiều so với Opus 5, nhưng đủ để cân nhắc, và theo anh mọi người nên thực tế về những gì model này làm được.

Dù vậy, theo lời Theo (video đăng ngày 23/09/2026), thật khó tin bạn dùng được nhiều hơn bao nhiêu, không chỉ so với Fable trong gói Claude Code, mà so với mọi model bạn dùng được bằng gói Codex. Thật lạ khi nói Anthropic đưa ra một thứ đáng giá, nhưng họ đã làm vậy. Có thể không phải ở giá API nếu trả theo token, nhưng ít nhất với giá trị nhận được từ gói Claude 200 đô, nó đang "chạy vòng quanh" OpenAI.

Anthropic cũng nâng hạn mức năm giờ, điều đáng ghi nhận (theo video đăng ngày 23/09/2026). Theo anh, nó chưa hào phóng bằng việc OpenAI hoàn toàn không có hạn mức tuần ở gói 100 và 200 đô, nhưng ít nhất hạn mức năm giờ nay đã hào phóng hơn nhiều. Anh nói anh chưa chạm gần tới nó.

Anh vẫn rất hào hứng đào sâu GPT-6 Sol, model mà theo anh (video đăng ngày 23/09/2026) còn rẻ hơn Opus và có vẻ chạy khá tốt. Theo anh, xưa nay OpenAI giỏi hơn trong việc lấy năng lực của model lớn, đắt và ép vào các model nhỏ, rẻ hơn; Anthropic chưa bao giờ giỏi nhất ở việc đó. Anh gọi họ là "vua pre-training", còn OpenAI là "vua post-training", nhưng có vẻ Anthropic đã bắt kịp nhiều ở phía post-training. Anh nói tuần này hỗn loạn tới mức mới thứ Ba thôi.

Kết luận của Theo (video đăng ngày 23/09/2026): Opus 5.5 là giải pháp tốt hơn nhiều so với Opus 5, và đang đủ gần Fable để hợp lý hơn nhiều trong gói Claude. Anh chúc mừng những ai làm ở công ty giới hạn model được dùng: Opus 5.5 sẽ là một trải nghiệm thay đổi cuộc sống với họ. Và với những ai đang cố tận dụng tối đa gói đăng ký, chúc mừng: giờ có thể làm điều đó một cách hợp lý, với code mà anh không còn sợ phải nhìn, càng không sợ merge. Anh muốn đi chơi tiếp với các model này, và chào: "Bye, nerds."

## Nguồn và liên kết

- Tên gốc: My new favorite model.
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=jgGyX7MPPVg](https://www.youtube.com/watch?v=jgGyX7MPPVg)

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

- Bài công bố của Anthropic, "Introducing Claude Opus 5.5" (đăng ngày 22/09/2026, đọc ngày 07/11/2026): [anthropic.com/news/claude-opus-5-5](https://www.anthropic.com/news/claude-opus-5-5)

- Bài công bố của Anthropic, "Introducing Claude Opus 4.5" (đọc ngày 07/11/2026): [anthropic.com/news/claude-opus-4-5](https://www.anthropic.com/news/claude-opus-4-5)

- Artificial Analysis, nguồn dữ liệu cho các biểu đồ chi phí và Intelligence Index trong video (đọc ngày 07/11/2026): [artificialanalysis.ai](https://artificialanalysis.ai/)

- SkateBench, repo bench của Theo (đọc ngày 07/11/2026): [github.com/T3-Content/skatebench](https://github.com/T3-Content/skatebench)

- T3 Code, trang tự mô tả là "the open-source control plane for coding agents" (đọc ngày 07/11/2026): [t3.codes](https://t3.codes/)

Nguồn: https://homus.dev/talks/my-new-favorite-model · cập nhật 2026-11-07