# GPT-6.1 Sol: câu trả lời của OpenAI cho Opus 5.5

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

> Theo Browne thử GPT-6.1 Sol: benchmark tự chạy, giá cache read, deep code review, FishSlop, và vì sao anh vẫn giữ Opus 5.5 (09/2026).

Topics: Model Routing, Coding Agents

Canonical: https://homus.dev/talks/openai-fights-back

## 1. Opus 5.5, GPT-6 Sol, Luna và một model đến sớm

Theo Browne mở đầu bằng câu "They're back." rồi tóm tắt nhanh tình hình (theo video đăng ngày 29/09/2026): tuần trước, Anthropic ra một model mới là Opus 5.5, và nó tốt đến mức khó tin. Tốt đến mức, theo anh, OpenAI đã vội tung ra hai model là GPT-6 Sol và GPT-6 Luna. Anh không làm video nào về hai model đó, và anh nói có lý do: chúng không tốt lắm. Anh không ấn tượng mấy với cả hai và cũng không có nhiều điều để nói.

![Theo Browne ngồi sau bàn gỗ, trước micro, cạnh một chiếc laptop](https://homus.dev/photos/vu8X3YroB-w-0003.jpg)

Theo Browne ở phần mở đầu video đăng ngày 29/09/2026.

Nhưng có một model khác mà anh tình cờ được dùng sớm (early access), và tính đến ngày video đăng (29/09/2026) thì nó đã mở cho mọi người: GPT-6.1 Sol. Anh nói anh biết trước là có thứ gì đó sắp tới, một thứ rẻ bất ngờ, giỏi bất ngờ, và điều bất ngờ hơn cả là tốt hơn Astra (theo video đăng ngày 29/09/2026).

![Trang OpenAI với tiêu đề Introducing GPT-6 Sol and Luna trên nền một thiên hà xoắn ốc](https://homus.dev/photos/vu8X3YroB-w-0013.jpg)

Trang giới thiệu của OpenAI hiện trong video đăng ngày 29/09/2026: "Introducing GPT-6 Sol and Luna", dòng phụ "More ways to bring frontier intelligence into the work you do every day."

Anh có rất nhiều điều muốn nói về model này. Anh quay lúc 2 giờ sáng, nên xin lỗi trước nếu có chỗ nói vấp. Anh cố ra video nhanh nhất có thể vì muốn có phần đưa tin của mình, và anh thừa nhận việc nói về các model trước khi chúng ra mắt cũng khá vui. Như vậy người xem nhận được nhận định thật lòng của anh chứ không phải phiên bản đã được chưng cất từ những gì người khác đang nói. Anh tin model này sẽ tạo ra những đợt sóng khá lớn, nên có nhận định của riêng anh ra trước là điều tốt (theo video đăng ngày 29/09/2026).

Như mọi lần, anh thấy cần nhắc: anh có early access, nhưng không được trả tiền dưới bất kỳ hình thức nào. OpenAI không có ảnh hưởng gì tới việc anh nói gì và nói thế nào, chỉ tới việc anh nói lúc nào. OpenAI lịch sự đề nghị anh chờ tới khi model ra mắt mới nói, và anh thấy điều đó rất hợp lý (theo video đăng ngày 29/09/2026).

## 2. Tự chạy Terminal-Bench 4.0 và DeepSWE

Anh nói model này không hẳn như anh chờ đợi, và có lẽ cũng không như người xem chờ đợi, nhất là khi GPT-6 Sol mới ra chừng một tuần trước. Khoảng cách từ 6.0 Sol tới 6.1 Sol sẽ chỉ khoảng một tuần (theo video đăng ngày 29/09/2026).

Anh cũng nói rõ: các con số anh đang chiếu khó mà chính xác hoàn toàn, vì anh tự chạy Terminal-Bench. Hai lần chạy đầu anh làm hỏng; lần thứ ba có vẻ ổn hơn nhiều. Ban đầu anh không chạy mức medium, nên chỗ đó bị thiếu, nhưng có low, high, xhigh và max. Lần chạy max thì chưa xong, nên anh đang lấy điểm của xhigh để lấp vào những task mà max hoặc làm sai ở một lần chạy trước, hoặc chưa làm tới, vì có những task mất tám tiếng trở lên. Anh nói bench này điên rồ thật, và từ khi tự chạy nhiều benchmark hơn để có số liệu như anh muốn, anh hoài nghi benchmark hơn bao giờ hết (theo video đăng ngày 29/09/2026).

![Biểu đồ Terminal-Bench 4.0 score vs cost per task, GPT-6.1 Sol nằm góc trên bên trái](https://homus.dev/photos/vu8X3YroB-w-0848.jpg)

Biểu đồ "Terminal-Bench 4.0 score vs cost per task" (63 CPU tasks, 8 of 17 models) trong video đăng ngày 29/09/2026: GPT-6.1 Sol nằm sát trục giá ở góc trên bên trái, quanh 67%; GPT-6 Astra, Claude Opus 5.5 và Claude Fable 5.1 ở khoảng 57% đến 59% nhưng xa hơn nhiều về phía phải; thấp hơn là Claude Opus 5, GLM-5.3, GPT-5.6 Sol và Grok 4.7.

Với tất cả những dè dặt đó, anh cho biết GPT-6.1 Sol đạt điểm state-of-the-art trên Terminal-Bench 4.0, và cả trên DeepSWE (theo số đo của Theo, video đăng ngày 29/09/2026). DeepSWE thì lạ hơn: điểm giảm ở xhigh và max, còn low và high thì ngang nhau. Nhưng chính điểm ngang nhau ở low và high đó đã xấp xỉ điểm của Astra ở mức high. Khác biệt là 6.1 Sol làm được điều đó với chi phí rẻ tới buồn cười, và nếu chuyển sang log scale thì thấy rõ: model này ở mức low tốn 21 cent, trong khi Astra ở mức low tốn $1.46, còn Opus 5.5 ở mức max đạt cùng điểm với giá $14.65 (theo số đo của Theo, video đăng ngày 29/09/2026).

## 3. Vì sao 6.1 Sol có lẽ không chỉ là bản .1, và bài đăng của Tibo

Anh sẵn lòng thừa nhận DeepSWE còn xa mới là thước đo hoàn hảo cho việc một model làm code hằng ngày tốt tới đâu. Nhưng việc 6.1 Sol đạt cùng điểm với Opus mà còn rẻ hơn 73 lần thì ít nhất cũng đáng để ý (theo số đo của Theo, video đăng ngày 29/09/2026).

Tới đây anh nói anh sắp kể vài điều có lẽ không nên nói. GPT-6 Sol ra vào thứ Ba tuần trước, model này ra vào thứ Ba tuần này, nên theo anh, hợp lý để suy ra rằng 6.1 Sol ban đầu không định là 6.1 Sol. Có những điều anh không được phép nói và anh biết mình đang đi trên một lằn ranh mỏng; anh hy vọng việc này chứng minh anh không bị OpenAI mua chuộc (theo video đăng ngày 29/09/2026).

Các dấu hiệu anh đưa ra (theo video đăng ngày 29/09/2026):

- Thứ nhất, 6.1 thông minh hơn GPT-6 Sol một cách đáng kể, nên đây không chỉ là một lần tăng .1; có gì đó khác về bản chất (theo lời Theo, video đăng ngày 29/09/2026).

- Thứ hai, số token mỗi giây chậm hơn một cách rõ rệt. Điều đó thường cho thấy model lớn hơn, dù khó biết chắc; có vẻ model này khác (theo lời Theo, video đăng ngày 29/09/2026).

- Thứ ba, và quan trọng hơn cả, là bài đăng của Tibo (theo lời Theo, video đăng ngày 29/09/2026).

Ngay trước khi anh bắt đầu quay, Tibo đăng một bài khá dài. Bài viết mở đầu: "Tomorrow we are re-opening the Pro $200 subscriptions to new subscribers, but together with it we are also changing how we calculate the usage for it." Câu anh muốn nhấn mạnh là câu được tô sáng: "In effect, if you do the math, it will net out at half the dollar in API spend compared to the old Pro $200 plan." Theo bài đăng, gói Pro $200 mở lại, nhưng cách tính usage thay đổi, và quy ra thì chỉ còn một nửa lượng chi tiêu API so với gói Pro $200 cũ (bài đăng hiện trong video đăng ngày 29/09/2026).

![Bài đăng trên X của Tibo về việc mở lại gói Pro 200 đô, một câu được tô sáng](https://homus.dev/photos/vu8X3YroB-w-0633.jpg)

Bài đăng của Tibo (Codex & ChatGPT) trên X, hiện trong video đăng ngày 29/09/2026. Câu được tô sáng: "In effect, if you do the math, it will net out at half the dollar in API spend compared to the old Pro $200 plan." Bên dưới, bài viết ghi các cam kết như không đưa lại giới hạn 5 giờ và bảo đảm theo thời gian người dùng luôn làm được nhiều việc hơn với chất lượng tăng dần.

Anh hỏi: tại sao lại làm vậy, nhất là lúc này, khi nghe đồn bên trong OpenAI đang có "code red" vì Opus 5.5 quá tốt và đã biến gói Claude Code $200 thành một món hời khó tin? Theo anh, lý do duy nhất để Tibo đăng bài này lúc này là có lẽ một model mới sắp ra mà biên lợi nhuận không tốt bằng, nên khả năng trợ giá giảm xuống (theo lời Theo, video đăng ngày 29/09/2026).

Anh nhắc các con số anh tính (theo video đăng ngày 29/09/2026): với gói Claude Code $200 có thể dùng được $8,000 tới $9,000 usage một tháng, còn gói Codex $200 thì hơn $12,000. Anh đã chạy rất nhiều phép tính trước video này, và lượng dùng được với Astra có giảm một chút, gần mức $8,000. Khó biết chắc vì mỗi người, mỗi nơi một khác và rất khó ghi lại hết, nhưng theo phép tính của anh thì khoảng $9,000 usage mỗi tháng. Và đó là lúc giá của model mới này trở nên quan trọng.

## 4. Giá của 6.1 Sol và cache read

Theo anh (video đăng ngày 29/09/2026), model này có giá $2 cho mỗi triệu input token và $10 cho mỗi triệu output token. Như vậy rẻ hơn nhiều so với GPT-5.6 Sol lúc ra mắt: bằng một nửa giá 5.6 Sol sau khi đã giảm giá, bằng đúng giá GPT-6 Sol, và bằng một phần năm giá Astra.

Nhưng đó chưa phải toàn bộ câu chuyện, vì cache read mới là thứ quan trọng. Giá cache read của model này là 10 cent cho mỗi triệu token, và anh nói đó là chuyện lớn: theo những gì anh biết, OpenAI chưa từng đổi giá cache read. Trước giờ nó luôn đúng bằng 10% giá đọc thường, như vậy là giảm 90%; giờ là giảm 95% (theo lời Theo, video đăng ngày 29/09/2026). Theo anh, như vậy là OpenAI đã cắt một nửa chi phí cache read, giảm mạnh chi phí cho việc dùng agent trong thực tế, mà theo anh đó là việc mọi người đang dùng các model này phần lớn thời gian. Vì thế model này rẻ một cách vô lý cho công việc code thực tế (theo lời Theo, video đăng ngày 29/09/2026).

Giá cache read mà Theo nêu trong video đăng ngày 29/09/2026: trước đây OpenAI luôn để cache read bằng 10% giá input (giảm 90%); với GPT-6.1 Sol là $0.10 cho mỗi triệu token, giảm 95% so với $2.

Điều đó cũng có nghĩa OpenAI gần như chắc chắn đang cắt vào biên lợi nhuận, theo anh (video đăng ngày 29/09/2026). Trước đây, biên lợi nhuận này được đồn là cao tới 95%: cứ $10 người dùng trả thì OpenAI chỉ phải chi 50 cent. Nghe thì điên rồ, nhưng anh nói nó khá hợp lý khi xét tới chi phí làm và train các model này. Biên lợi nhuận đó cũng cho OpenAI khoảng trống để thay đổi mọi thứ một chút, và có vẻ đó là điều đang xảy ra. Anh nói thêm: nếu OpenAI vẫn trợ giá ở mức cũ cho các gói subscription, thì chi phí điện cho gói của bạn sẽ cao hơn số tiền bạn trả. Nên anh hiểu vì sao phải đổi. OpenAI để các chi tiết đó ra cho mọi người tự suy ngược lại, và anh bảo người xem tự cân nhắc (theo video đăng ngày 29/09/2026).

Theo anh (video đăng ngày 29/09/2026), việc 6.1 tới nhanh như vậy cho thấy nó không chỉ là một snapshot mới của GPT-6.

## 5. Terminal-Bench lần nữa: chi phí mỗi task

Quay lại Terminal-Bench, anh nói model có vẻ rất giỏi ở bench này. Mỗi lần làm mới thì số liệu lại đổi vì có lần chạy mới về; có vẻ max đã làm hỏng vài task mà xhigh qua được, nên điểm vừa tụt một chút. Nhưng, anh nói, gần như mọi mức, kể cả high và xhigh, đều đang đạt điểm cao hơn mọi thứ khác từng đạt (theo số đo của Theo, video đăng ngày 29/09/2026).

Anh lưu ý số liệu này đến từ việc anh chạy benchmark trên các VM ngẫu nhiên trong mạng của anh, nên không phải bộ chạy tốt nhất để đo. Anh cũng phải bỏ ba task vì chúng cần một card H100. Anh nói anh kiếm được kha khá tiền, nhưng không kiếm tiền "cỡ H100" (theo video đăng ngày 29/09/2026).

Không cái nào trong số này là code thực tế, nên anh sẽ nói tới chuyện đó; FishSlop và mấy phần vui sẽ có ở gần cuối. Trước đó anh muốn nói thêm về chi phí: lần chạy đắt nhất của 6.1 Sol với anh là khoảng $1.38 mỗi task, còn lần chạy rẻ nhất của Opus 5.5 là $5.12. Từ Opus rẻ nhất tới Sol đắt nhất là khoảng cách 4 tới 5 lần (theo số đo của Theo, video đăng ngày 29/09/2026). Tới đây, anh đoán người xem đang mong model này tốt và thay được Opus 5.5 cho công việc hằng ngày, và anh hứa sẽ có câu trả lời ở phần sau.

![Biểu đồ Terminal-Bench với ô chú thích cho Claude Opus 5.5 mức high](https://homus.dev/photos/vu8X3YroB-w-0943.jpg)

Cùng biểu đồ Terminal-Bench 4.0, con trỏ đặt lên điểm Claude Opus 5.5 mức high (video đăng ngày 29/09/2026): Score 55.8%, Cost per task $5.12, Source "Artificial Analysis, mini-swe-agent, 3 attempts; GPU tasks taken as Fable 5.1's".

## 6. Hành vi model: Astra vừa thông minh vừa ngớ ngẩn

Trước khi đi vào đó, anh muốn nói về hành vi của model, vì 6.1 Sol thuộc họ GPT-6 và mang những hành vi đáng bàn của họ model này (theo lời Theo, video đăng ngày 29/09/2026). Anh nói anh hay trích một biểu đồ, và có lý do cho việc đó.

![Bài đăng của Theo trên X với biểu đồ Response Quality, đường GPT-6 Astra dao động mạnh, đường Fable 5.1 phẳng hơn](https://homus.dev/photos/vu8X3YroB-w-1023.jpg)

Bài đăng của Theo ngày 07/09/2026, hiện trong video đăng ngày 29/09/2026: "GPT-6 Astra has done incredible things I never thought a model could do. It has also done some of the stupidest things I've ever seen a model do. Generally speaking, Fable 5.1 just does what I ask." Biểu đồ "Response Quality" vẽ đường GPT-6 Astra lên xuống rất mạnh, đường Fable 5.1 dao động nhẹ quanh một mức.

Điều khiến anh bực với GPT-6 Astra không phải là nó kém thông minh hơn các model tốt nhất của Anthropic, vì nó thông minh hơn, và anh cho là ở nhiều mặt vẫn thông minh hơn. Vấn đề là nó cũng ngớ ngẩn. Nó vừa thông minh vừa ngớ ngẩn cùng lúc. GPT-6 Astra thỉnh thoảng lại vọt vào những trò ngớ ngẩn nhất anh từng thấy một model làm trong năm nay, tệ hơn cả vài model open weight nhỏ anh hay thử. Anh vẫn rất bực vì Astra như vậy, vì ở đầu kia, khi nó làm tốt thì tốt không tưởng (theo lời Theo, video đăng ngày 29/09/2026).

Những cú vọt đó tới mức về thực chất anh đã rời bỏ: anh chỉ dùng các gói Codex cho computer use, còn phần lớn công việc hằng ngày thì anh dựa vào Fable 5.1, và giờ đương nhiên là Opus 5.5 (theo video đăng ngày 29/09/2026).

Vậy OpenAI đã xử lý được độ thất thường đó chưa? GPT-6.1 Sol có sửa được những vấn đề khiến anh bực với Astra không? Câu trả lời của anh là phần lớn đã sửa. Không hoàn toàn, nhưng nhìn chung đây là một model tốt hơn nhiều. Đỉnh của nó không cao bằng; đây không phải khả năng 3D mang tính cách mạng như với Astra. Thực tế, ở các loại việc đó anh xếp nó thấp hơn Opus 5.5 một chút (theo lời Theo, video đăng ngày 29/09/2026).

## 7. Computer use: để 6.1 Sol xử lý hoá đơn

Theo anh (video đăng ngày 29/09/2026), 6.1 Sol không giỏi computer use bằng Astra, nhưng đủ gần để anh vui vẻ dùng nó cho mọi công việc hằng ngày của mình.

Anh kể (video đăng ngày 29/09/2026): anh cho 6.1 Sol đọc qua toàn bộ email để tìm những hoá đơn anh quên trả hoặc đang trễ, chủ yếu là các khoản liên quan đầu tư. Model mở các tab mới trong Chrome cho từng khoản đầu tư cần chuyển tiền, điền hết thông tin, rồi để anh chỉ việc bấm gửi. Nó không sai một chỗ nào, và còn chỉ ra thêm những thứ anh chắc chắn sẽ bỏ sót nếu tự làm. Anh nói anh thực sự tin model này để chuyển tiền thay mình; nó đủ đáng tin cho việc đó. Và thật lòng, anh không chắc mình đã tin Astra làm việc này, vì độ thất thường của nó. 6.1 Sol ít thất thường hơn rất nhiều.

Việc chuyển tiền mà Theo kể trong video đăng ngày 29/09/2026: 6.1 Sol đọc email, tìm hoá đơn quên trả hoặc trễ hạn, mở một tab Chrome cho mỗi khoản cần chuyển và điền thông tin; anh chỉ bấm gửi.

Theo những gì anh nghe từ các tester khác, họ có vẻ đồng ý với nhận xét này. Anh biết chắc hai người khác cũng đang thử nghiệm đã có trải nghiệm tốt hơn nhiều so với Astra về độ thất thường. Một người gọi model này là "incredible", người kia gọi nó là "incredibly boring", và anh nghĩ đó là vị trí tốt nhất một model có thể ở trong một lần ra mắt như thế này (theo video đăng ngày 29/09/2026).

Nhưng như anh đã nói, đỉnh của nó không ấn tượng bằng. Dù phần lớn thời gian nó làm việc có chất lượng, có những task nằm ở rìa khả năng của nó mà nó bắt đầu làm những thứ kỳ quặc hơn. Phần lớn thì ổn, nhưng anh vẫn dùng Opus khá nhiều; phần so sánh sẽ có ở sau. Dù vậy anh mặc định dùng model này cho khá nhiều việc (theo lời Theo, video đăng ngày 29/09/2026).

Trước hết là computer use. Anh nói anh rất mong "ultra fast" trở thành thứ dùng được thật với các model OpenAI, vì khi đó model này sẽ rất kinh khủng: nó đã tự xoay xở computer use hoàn toàn ổn, và nếu bỗng nhanh hơn sáu lần thì sẽ cực kỳ vui. Vẫn chưa bằng Astra, nhưng thừa đủ tốt để với mức chênh giá như vậy anh không phải nghĩ lần thứ hai (theo lời Theo, video đăng ngày 29/09/2026).

## 8. Deep code review: audit Orchestrator V2

Có những việc anh thỉnh thoảng vẫn dùng Astra, và giờ anh hoàn toàn vui vẻ dùng Sol cho chúng. Một trong số đó là deep code review. Anh vẫn thấy các model OpenAI có tính cách như chó Rottweiler: chúng cắn vào một vấn đề, lắc nó, xé nó ra từng mảnh tới khi tìm được mọi chỗ sai. Anh thấy 6.1 Sol có năng lực rất mạnh theo đúng kiểu đó (theo lời Theo, video đăng ngày 29/09/2026).

Vì thế anh cho 6.1 Sol làm vài đợt audit sâu trên Orchestrator V2 và các phần khác trong codebase thực tế của anh. Trong lần audit Orchestrator V2, kết quả của nó gần như giống hệt Astra. Anh nghĩ nó còn cao hơn một chút; rồi anh sửa lại: không phải trong bảng phân tích này, mà trong một bảng phân tích khác của anh, nó cao hơn một chút xíu, nhưng với khoảng một nửa chi phí (demo trong video đăng ngày 29/09/2026). Anh đọc là 297 và 584 đô, còn bảng trên màn hình ghi chi phí là $2.97 so với $5.84. Sonnet vẫn rẻ hơn, và Opus cũng rẻ hơn một chút. Khác biệt là, theo anh, không model nào trong hai model đó phân tích kỹ được như vậy. 6.1 Sol đào rất sâu, nên mới đạt điểm ngang Astra, dù phải thừa nhận nó đốt nhiều token hơn hẳn (theo số đo của Theo, video đăng ngày 29/09/2026).

![Trang Orchestrator V2 audits: cost and time vs score, với danh sách kết quả và biểu đồ Cost vs score](https://homus.dev/photos/vu8X3YroB-w-1323.jpg)

Trang "Orchestrator V2 audits: cost and time vs score" trong video đăng ngày 29/09/2026: "GPT-6.1 Sol ties Astra for first at half the cost. $2.97 vs $5.84, score 8.21 vs 8.22", xong sau 11m 12s so với 14m 37s; 95% input của nó đến từ cache; 96 API calls và 198 tool calls, gồm 2 subagent chạy song song; Sonnet 5.5 đứng thứ ba với 7.81 cho $1.24, trên Opus 5.5 (7.71, $2.40). Biểu đồ bên dưới còn có Fable 5.1 ($4.35), Grok 4.7 ($0.90) và GPT-6 Sol ($0.30).

## 9. Tìm cơ hội cải thiện T3 Code, và Opus chấm một model giấu tên

Một task khác anh rất thích dùng để thử là yêu cầu model tìm cơ hội cải thiện một codebase, ở đây là T3 Code. Đây là bài mà Grok 4.7 từng đạt điểm cao một cách lạ. Đương nhiên Astra cao hơn nhiều, 83.8 so với 80.7 của Grok 4.7, nhưng GPT-6.1 Sol thì vượt hẳn với 87.4 (theo số đo của Theo, video đăng ngày 29/09/2026).

Anh không lưu hết giá của các lần chạy này, vì đã khá lâu rồi. Nhưng với Opus 5.5 là $5, Sonnet 5.5 gần $9, còn GPT-6.1 Sol là $2.15. Đó là khác biệt. Theo anh, giá token của model này rẻ hơn Sonnet, nhưng mức dùng token vẫn giữ được độ hiệu quả quen thuộc của OpenAI, nên tỉ lệ giá trên hiệu năng thật sự điên rồ (theo số đo của Theo, video đăng ngày 29/09/2026).

Điểm ở bài tìm cơ hội cải thiện T3 Code mà Theo nêu trong video đăng ngày 29/09/2026: GPT-6.1 Sol 87.4 (khoảng $2.15), GPT-6 Astra 83.8, Grok 4.7 80.7; anh nói Opus 5.5 tốn $5 và Sonnet 5.5 gần $9.

Anh nói cả thread này đặc biệt vui, vì anh cho Opus 5.5 review model này dưới một cái tên khác, để Opus không biết đó là model gì; anh sửa lại lịch sử sau đó. Opus kết luận rất nhanh rằng đây là một model hạng frontier (demo trong video đăng ngày 29/09/2026). Phần trả lời của Opus trên màn hình ghi: "The remote T3 Code review also says frontier tier. Its reviews and bug reproductions matched the fixes that later merged. Its first-draft code had real bugs, which review bots caught. Four reviewers are still running."

Tiếp theo, bản review T3 Code chạy local trả về: lại là hạng frontier. Trong một benchmark mù 10 model trên cùng một prompt T3 Code, GPT-6.1 Sol xếp thứ nhất với 87.4 (demo trong video đăng ngày 29/09/2026). Opus còn tự tìm các lần chạy FishSlop và so sánh chúng, phần anh sẽ cho xem ở sau. Trong thread, dòng kết quả FishSlop 3D ghi GPT-6.1 Sol đứng thứ 3 trên 10.

![Thread trong T3 Code: mục My honest tier call của Opus và câu hỏi của Theo về giá](https://homus.dev/photos/vu8X3YroB-w-1543.jpg)

Thread "Audit GPT-6.1 Sol Work Quality" trong T3 Code, video đăng ngày 29/09/2026: mục "My honest tier call" của Opus (Scoped work: top of the frontier; Long unattended building: below frontier; Judgment about your real machines: lower than its intelligence), kèm lưu ý rằng người review là các agent Opus chấm một đối thủ, nhưng bằng chứng của họ cụ thể (PR đã merge, điểm benchmark, log). Bên dưới là câu Theo hỏi về giá.

Anh muốn nhấn mạnh giá: lần chạy đó với 6.1 Sol chỉ tốn $7, so với $15 cho Sonnet 5.5 và $50 cho Opus (theo số đo của Theo, video đăng ngày 29/09/2026).

## 10. Đánh giá thẳng của Opus, port TS sang Rust và fleet

Mục "My honest tier call" của Opus trên màn hình ghi (demo trong video đăng ngày 29/09/2026): với scoped work (review, audit, debug, ops, các task trình duyệt và email) model này ở đỉnh frontier; với kiểu việc "find what is wrong and tell me the truth", Opus sẽ chọn nó hơn Astra và xếp nó ngang Opus. Với việc build dài không ai trông, nó dưới frontier: nó làm theo quy tắc quy trình ngay cả khi các quy tắc đó chặn hết tiến độ, và nó không hỏi xin giúp đỡ.

Điểm này anh thấy rất rõ (theo video đăng ngày 29/09/2026). Port TypeScript sang Rust mà anh đang làm với Opus 5.5 đang chạy tốt hơn nhiều so với hồi anh làm cùng port đó bằng Astra và Sol. Anh đã để port đó chạy một thời gian với model này và nó không tiến được chút nào: đốt một đống token mà không cải thiện được compiler. Opus thì khởi động lại từ đầu và làm nó chạy được trong một ngày, sau khi anh đã tốn nhiều tháng và hàng trăm nghìn đô tiền token với model này, với Astra và với 5.6 Sol. Opus làm điều đó với khoảng một nghìn đô, trong khoảng một đêm, chỉ với hai gói subscription Claude. Nên với kiểu việc dài, không người trông, viết lại nặng, theo anh Anthropic lúc này đang dẫn xa tới mức buồn cười (theo video đăng ngày 29/09/2026).

Model này cũng không có phán đoán tốt khi anh dùng nó quản lý fleet của mình. Fleet là tất cả các máy tính anh dùng để chạy agent và code, vì một máy là không đủ; anh không chạy cái nào trên chiếc MacBook này nữa. Khi dùng model này để quản lý fleet, nó mắc vài lỗi ngớ ngẩn chỗ này chỗ kia. Công bằng mà nói, Opus cũng vậy. Theo anh, Astra là model duy nhất chưa mắc nhiều lỗi ngớ ngẩn kiểu đó, nhưng anh nói thẳng: sau model này, anh hoàn toàn thôi dùng Astra (theo video đăng ngày 29/09/2026).

## 11. Opus đoán giá, rồi nghe giá thật

Sau khi Opus review xong, anh hỏi nó nghĩ model này nên có giá bao nhiêu (demo trong video đăng ngày 29/09/2026). Câu anh gõ:

```
How much do you think this model should cost? Don't look for answers I just want an honest guess
```

Opus đoán $5 cho mỗi triệu input token, 50 cent cho cache và $30 cho mỗi triệu output, đặt nó gần ngang giá Opus (demo trong video đăng ngày 29/09/2026). Lý do Opus đưa ra: model này làm việc như Opus; tốc độ nên cộng thêm một khoản vì nó khá nhanh; và nó không phải một model "pro", loại mà Opus nghĩ mới có những mức giá cao kiểu $100 cho output. Anh chen vào rằng model "pro" giờ không còn thật sự là một thứ nữa, mọi người chỉ dùng Fable và Astra, nhưng ý thì vẫn hiểu được (theo video đăng ngày 29/09/2026).

Anh nói phần buồn cười nhất của cả thread là đây: nếu OpenAI muốn mọi người dùng nó, Opus nghĩ giá sẽ là $3 cho mỗi triệu input, 30 cent cho cache và $20 cho output, và đó vẫn là một giá công bằng cho những gì nó làm (demo trong video đăng ngày 29/09/2026). Rồi anh hỏi lại:

```
If I told you it was $2 in, $10 out with $0.10/mil cache read (95% below normal reads), what would you think?
```

![Câu hỏi của Theo về giá thật và câu trả lời của Opus kèm bảng so sánh chi phí](https://homus.dev/photos/vu8X3YroB-w-1803.jpg)

Câu trả lời của Opus trong video đăng ngày 29/09/2026: "I'd call that very aggressive pricing. For how you use it, it costs about a quarter of what I guessed." Bảng bên dưới so sánh giá Opus đoán với mức $2 / $0.10 / $10: All 153 sessions about $5,700 so với about $1,550; ts-rust run about $5,000 so với about $1,400; 1-minute email task about $0.15 theo giá mới; PR review or audit $3 to $10 so với $1 to $3.

Opus trả lời đó là mức giá rất hung hăng; với cách anh dùng, nó tốn khoảng một phần tư mức Opus đoán. Giá cache làm phần lớn công việc: workload của agent có khoảng 96% là cache read, nên 10 cent cho cache read quan trọng hơn hai con số $2 và $10 được nêu ra (demo trong video đăng ngày 29/09/2026). Khi xem toàn bộ các session của anh, theo mức giá Opus đoán thì tổng sẽ là $5,700, nhưng với giá mới Opus tính lại ra $1,550. Anh nói đó là một mức giảm rất lớn. Với các task kiểu review PR, Opus từng nghĩ sẽ tốn tới $10, nhưng thật ra chỉ tới $3, và đó là với các PR nặng có hàng chục nghìn dòng code (theo số đo trong video đăng ngày 29/09/2026).

## 12. Bốn kết luận của Opus và chuyện context

Anh đọc tiếp các kết luận và dặn rằng đây là lời của Opus, đừng trách anh (demo trong video đăng ngày 29/09/2026):

- Thứ nhất, Opus nói model này trở thành model mặc định cho scoped work (demo trong video đăng ngày 29/09/2026).

- Thứ hai, system prompt phình to hầu như không còn đáng kể nhờ giá cache; nó chỉ là nhiễu. Trên màn hình, câu này là "The bloat stops mattering. Its 70K-token harness overhead on every call is expensive at $0.50 cached. At $0.10 it is noise." (demo trong video đăng ngày 29/09/2026).

- Thứ ba, vòng lặp dài vẫn là ý tồi, nhưng không phải vì tiền: theo Opus, lần chạy port ts-rust đã phí bốn ngày mà không tiến được gì (demo trong video đăng ngày 29/09/2026).

- Thứ tư, Opus nói nó sẽ nghi ngờ việc mức giá này kéo dài, và nghĩ giá sẽ tăng trong tương lai. Anh nói anh không thể hình dung OpenAI có lúc tăng giá một model, nhưng việc Opus nghĩ vậy thì rất buồn cười và cho thấy model này đáng giá tới mức nào (theo video đăng ngày 29/09/2026).

Một câu anh rất thích trong thread: GPT-6.1 Sol làm ba vòng việc với khoảng một nửa chi phí của một vòng duy nhất của Sonnet (demo trong video đăng ngày 29/09/2026). Theo anh, phần lớn khác biệt nằm ở cách quản lý context: 6.1 Sol hiệu quả hơn nhiều, nên không gọi nhiều lần làm context phình ra, và không xuất nhiều token tích tụ dần theo thời gian. Số token trung bình được đọc ở mỗi request chỉ khoảng 110,000, so với 360,000 của Sonnet. Kết quả là Sol dùng chưa tới một nửa số input token của Sonnet, nên model này hiệu quả hơn đáng kể (theo số đo của Theo, video đăng ngày 29/09/2026).

Số token đọc trung bình mỗi request mà Theo nêu trong video đăng ngày 29/09/2026: khoảng 110,000 với GPT-6.1 Sol, khoảng 360,000 với Sonnet.

## 13. DeepSWE và một router tối ưu chi phí

Nhân chuyện hiệu quả, anh muốn nói thêm về điểm DeepSWE, vì đây là một bench lạ để anh fork và đưa vào. Thật ra anh làm vậy vì một lý do khác, không phải để so với 6.1 Sol, mà để so với một sản phẩm mới: một dịch vụ API trung gian cho model vừa ra mắt một router nhằm tối ưu chi phí cho từng request (theo video đăng ngày 29/09/2026). Anh nghĩ đó là một ý tưởng cực kỳ ngớ ngẩn, và khi bắt đầu chạy benchmark thì anh xác nhận được điều đó. Theo anh, hoá ra một model không biết suy luận, nhận một prompt mà không có context, thì không thể quyết định tốt bài toán khó tới mức nào.

![Biểu đồ DeepSWE score vs cost per task với GPT-6.1 Sol, GPT-6 Sol, GPT-6 Astra và Claude Opus 5.5](https://homus.dev/photos/vu8X3YroB-w-1943.jpg)

Biểu đồ "DeepSWE score vs cost per task" (share of 20 tasks solved, 4 of 5 models) trong video đăng ngày 29/09/2026: GPT-6.1 Sol ở mức 75% đến 80% với chi phí thấp ở góc trái, GPT-6 Sol quanh 70%, GPT-6 Astra lên tới hơn 80% rồi xuống còn khoảng 65%, Claude Opus 5.5 đạt 80% ở mức chi phí cao nhất bên phải.

Theo số đo của anh (video đăng ngày 29/09/2026), router đó phần lớn các lần chạy chuyển sang DeepSeek v4.1 Flash: khoảng 60% tổng số request đi thẳng tới DeepSeek 4.1 Flash. Router cũng chuyển sang các model thông minh hơn, điều lẽ ra phải cho nó lợi thế, nhưng rốt cuộc nó đắt hơn GPT-6 Astra ở mức low, và còn lâu hơn 4 tới 5 lần: Astra low mất 4.6 phút, router mất 20 phút. Một task trung bình của router cần 104 bước, còn GPT-6 Astra cần 19. Anh nói nó không tốt lắm.

Toàn bộ ý của router đó là đạt một mức điểm nhất định với chi phí rẻ nhất có thể; đó là lời hứa ghi trên vỏ hộp. Tin hay không là việc của người xem, nhưng anh nghĩ đó là chuyện nhảm (theo video đăng ngày 29/09/2026). Dù router chuyển sang những model open weight nhỏ rẻ nhất có thể, từ bất kỳ nhà cung cấp nào cho dùng miễn phí, 6.1 Sol ở mức low vẫn đạt cùng điểm với một phần tám chi phí. Anh nói OpenAI có mặt để phá mọi lợi thế về hiệu quả của bất kỳ ai khác (theo lời Theo, video đăng ngày 29/09/2026).

Hoàn thành bench này trong 4.8 phút với 21 cent, với điểm cao thứ hai anh từng thấy trên bench này, là một thành tích lớn, theo anh. Nó ngang điểm Opus 5.5, model mất 50 phút cho mỗi task ở mức max: một phần mười thời gian, một phần bảy mươi chi phí, cùng điểm số (theo số đo của Theo, video đăng ngày 29/09/2026).

## 14. Cho Opus 5.5 gọi 6.1 Sol

Lời khuyên của anh (video đăng ngày 29/09/2026): nếu công việc của bạn nằm trong những thứ 6.1 Sol làm tốt, có lẽ bạn nên dùng nó cho mọi thứ. Nhưng nếu công việc không hợp lắm, có lẽ nên tiếp tục dùng Opus, và có thể cho Opus khả năng gọi 6.1 Sol khi cần cho các task khác nhau.

Anh nói gần như chắc chắn anh sẽ thiết lập để Opus 5.5 gọi được 6.1 Sol để làm việc điều tra: tìm root cause của bug, phân tích codebase, tìm ra những chỗ cần đụng tới và vì sao, giúp anh phân loại công việc thực tế, giúp anh review việc Opus làm, và nhiều thứ khác (theo video đăng ngày 29/09/2026).

Cách Theo định thiết lập, theo video đăng ngày 29/09/2026: Opus 5.5 làm việc chính và gọi 6.1 Sol cho điều tra, tìm root cause, phân tích codebase, phân loại việc và review việc Opus làm.

Anh nhận ra mình đang hé lộ kết luận: anh sẽ tiếp tục dùng Opus 5.5 lúc này. Trước khi giải thích vì sao, anh làm phần anh mong nhất (theo video đăng ngày 29/09/2026).

## 15. FishSlop: đồ hoạ đẹp, UI tệ, chơi dở

Đó là FishSlop. Anh nói điều đầu tiên có thể thấy là chữ "slop" trong tên: model này đã làm điều kinh khủng mà anh ghét, bao quanh trò chơi bằng một đống UI tệ hại. Và anh thấy rất đau khi so với Sonnet 5.5: Sonnet 5.5 làm đồ hoạ không đẹp được tới mức này, nhưng ít ra nó làm UI không tệ như thế này (demo trong video đăng ngày 29/09/2026).

![Game FishSlop: chiếc tàu ngầm vàng giữa rạn san hô, chữ Your fish are waiting và một cột bên phải đầy thẻ cá](https://homus.dev/photos/vu8X3YroB-w-2226.jpg)

FishSlop do GPT-6.1 Sol làm, trong video đăng ngày 29/09/2026: cảnh 3D một chiếc tàu ngầm vàng giữa rạn san hô, bị bao quanh bởi rất nhiều chữ: "The shallows", "Your fish are waiting.", nút "Take the helm", cột "Make yourself at home." với các thẻ Guppy, Star guppy, Breeder, mục "Your little ecosystem" và "A reef that thrives."

Và anh ước gì vấn đề chỉ dừng ở UI xấu. Anh bật âm thanh, nó kêu rất to. Hình ảnh thì tuyệt đẹp: cá nằm trong số đẹp nhất, model tàu ngầm tốt hơn nhiều, các cánh quạt chạy tốt hơn nhiều. Anh tắt tiếng vì âm thanh nghe khá tệ, dù anh nói thật ra chưa nghe kỹ. Nhưng trông rất đẹp (demo trong video đăng ngày 29/09/2026).

Nhưng khi chơi thật, điều đầu tiên nhận ra là di chuyển cảm giác tệ hơn đáng kể so với các bản do Opus hay Sonnet làm. Nó di chuyển giật cục. Tốc độ khung hình cũng tệ hơn đáng kể so với các bản của các model khác. Nó có độ chi tiết đồ hoạ cao hơn nên điều đó cũng dễ hiểu: các model cây cỏ tốt hơn nhiều so với bản của Sonnet, và khác biệt về độ chi tiết của các vật trang trí trong bể buồn cười tới mức nào (demo trong video đăng ngày 29/09/2026).

Nhưng anh nói anh rất mệt với chữ thừa ở khắp nơi, và model này làm việc đó tệ hơn gần như mọi model anh từng thấy (theo lời Theo, video đăng ngày 29/09/2026). Anh đọc to các dòng chữ trong game: màn hình tạm dừng "Paused." với "Take a breather", "Your little world can wait.", "Back to the reef"; rồi "start a new tank", "a little underwater chaos", "the big little goal", "your little ecosystem", "little fish become big earners", "four meals and they're all grown up", "makes the family a little bigger", "a little golden overachiever". Anh nói có tới hơn 20 câu như vậy.

Anh kể ngay khi thấy cảnh này, anh chụp màn hình gửi cho OpenAI và nổi đoá trong Slack, vì anh không hiểu nổi sao họ vẫn chưa sửa được vấn đề này. Theo anh, model này kém UI tới mức không chấp nhận được; nó lại thụt lùi. Nếu bạn tìm một model làm front end không tệ, anh nói hãy tiêu tiền ở chỗ khác. Model này tệ ở front end, tệ ở design, không có gu, và bạn vẫn phải tự mang gu của mình vào (theo lời Theo, video đăng ngày 29/09/2026).

Nhưng phải thừa nhận nó rất giỏi Blender. Nếu đưa nó một screenshot của thứ bạn muốn dựng 3D và nói "bạn có Blender qua CLI, dựng cái này đi", nó sẽ làm, và làm khá tốt. Nhưng anh sẽ không bao giờ để nó làm phần cơ chế cho game của mình, vì chơi cảm giác rất tệ (theo lời Theo, video đăng ngày 29/09/2026).

Game cũng có vòng lặp gameplay ít hơn rất nhiều. Lần đầu anh thử demo trước khi quay, game tự dưng game over khi anh mới bắt đầu, trong 30 giây đầu, và không nói vì sao; rồi anh nói có lẽ thật ra anh đã thắng (demo trong video đăng ngày 29/09/2026). Anh cũng muốn lấy bản này đưa cho Opus hoặc Sonnet và bảo làm cho nó chơi tốt hơn, vì đồ hoạ đẹp nhưng game dở. Nhưng khi tính tới chi phí làm ra nó, anh nghĩ là $5, thì thật đáng kinh ngạc (theo lời Theo, video đăng ngày 29/09/2026).

Và nếu kết hợp thêm ultra fast, nếu điều đó có ngày xảy ra, bạn sẽ làm được một game trong vài phút theo yêu cầu. Theo anh, mọi người đang tới ngưỡng mà phát triển game sắp bị đảo lộn, vì các model cuối cùng đã hiểu không gian ba chiều và hiểu tooling cần để làm những việc như thế này. "It's happening", anh nói (video đăng ngày 29/09/2026).

## 16. Review một PR thật trong T3 Code

Như mọi lần, anh nói anh không được đưa code viết bằng model này vào T3 Code hay các dự án open source khác trong thời gian thử nghiệm, nên anh chỉ dùng nó cho các project nội bộ và để audit những việc khác. Vì thế phần lớn anh dùng nó để audit, và anh rất ấn tượng (theo video đăng ngày 29/09/2026).

Đây là một PR thật anh đang làm để sửa một bug: cửa sổ setup worktree mới hiện ra trong một thread mới của T3 Code sẽ biến mất nếu rời đi rồi quay lại. Anh đã cho Claude Code làm việc này, nhưng vấn đề đi khá sâu, nên anh muốn giải pháp nào anh chọn cũng phải được kiểm tra rất, rất kỹ. Dù cá nhân anh vẫn chưa tin model này viết code mà anh định merge, anh hoàn toàn tin nó để review (theo video đăng ngày 29/09/2026). Anh bảo bỏ qua chữ "GPT-6-Sol" ở ô chọn model, đó chỉ là placeholder.

Tin nhắn anh gửi, mở đầu bằng link tới PR #11836 trên GitHub (demo trong video đăng ngày 29/09/2026):

```
What risks are involved with merging this PR? What concerns would you have if I was to ship this right now?
```

![Thread Assess Persistent Worktree Setup Risks trong T3 Code với câu trả lời liệt kê hai vấn đề](https://homus.dev/photos/vu8X3YroB-w-2607.jpg)

Thread "Assess Persistent Worktree Setup Risks" trong T3 Code, video đăng ngày 29/09/2026: sau 6m 32s, model trả lời "I would hold #11836 for two async setup fixes" và liệt kê "Follow-up messages can stay blocked after the agent starts" cùng "Recovered setup progress disappears too early."

Khi anh cho 6.1 Sol xem qua, nó tìm ra những vấn đề thật mà Fable và Opus hoàn toàn bỏ sót (demo trong video đăng ngày 29/09/2026). Thứ nhất, tin nhắn tiếp theo có thể bị chặn sau khi agent bắt đầu chạy, điều rất khó chịu nếu bạn muốn xếp hàng một tin nhắn. Thứ hai, tiến trình setup được khôi phục lại biến mất quá sớm. Nó tìm ra những điều này bằng cách kết hợp đọc và phân tích code với computer use. Theo anh, nó đã giúp anh tránh merge một regression thật vào T3 Code.

Anh copy-paste nguyên những điểm đó sang Claude và bảo xem lại. Lần review tiếp theo trả lời: "Better, but I would still fix two small gaps before merging #11836." (demo trong video đăng ngày 29/09/2026). Vì lúc đó không được dùng model này để code cho dự án, anh lại copy-paste sang Claude, và cuối cùng Claude làm đủ tốt để anh merge.

Đó là thứ anh thích ở model này, và anh rất mong được đẩy giới hạn của nó khi code thật. Nhưng anh nói, từ phần code anh "không may" phải đọc, code này khó biện minh để merge hơn code của Opus (theo lời Theo, video đăng ngày 29/09/2026).

## 17. Dùng song song, và 1.3 triệu dòng code thừa

Anh nói thẳng: anh thích dùng hai model song song, vì thấy Sol giỏi hơn hẳn ở review và đào vào chi tiết, còn Opus là người cộng tác dễ chịu hơn và giỏi hơn đáng kể ở việc thật sự viết code mà không bị chặn liên tục giữa chừng (theo lời Theo, video đăng ngày 29/09/2026).

Ngay cả bây giờ với bản viết lại TypeScript bằng Rust, anh thấy mình theo cùng một nhịp: Opus 5.5 cứ chạy, chạy mãi, làm codebase chạy được và chạy tốt; rồi anh cho Sol vào audit. Và anh nói đây là phần buồn cười nhất. Anh đã cho Sol và Astra làm port TS sang Rust đó trong nhiều tháng. Lần này port đi từ 83.7% lên 100% trong chưa tới một ngày, gỡ được chỗ mà công việc của 5.6 Sol, 6.1 Sol và Astra đã kẹt nhiều tuần, sau nhiều tháng, và hoàn thành nó. Anh rất choáng vì điều đó (theo video đăng ngày 29/09/2026).

Nhưng anh còn choáng hơn khi cho 6.1 Sol xem lại phần việc đó và phê bình nó. Nó chỉ ra rằng trong 1.8 triệu dòng code, 1.3 triệu dòng không được dùng tới. Lý do là Opus đã kết luận rằng toàn bộ code từ các agent khác là slop vô dụng, không có cách nào cứu, nên nó tự viết lại từ đầu trong một crate khác (demo trong video đăng ngày 29/09/2026). Vậy một mặt, lý do duy nhất code chạy được là Opus; mặt khác, lý do duy nhất đống slop vẫn còn đó cũng là Opus. Anh phải cho model này vào dọn mớ hỗn độn mà các model OpenAI khác bày ra, vì Opus thậm chí không nhận ra mớ đó vẫn còn đó.

Kết quả review mà Theo kể trong video đăng ngày 29/09/2026: trong 1.8 triệu dòng của port TypeScript sang Rust, 1.3 triệu dòng không được dùng vì Opus đã viết lại phần đó trong một crate khác.

## 18. Kết luận: model tốt, nhưng chưa thay được Opus 5.5

Điều anh muốn nói là model này chắc chắn có chỗ trong workflow của bạn. Có lẽ nó còn có thể là model code mặc định của bạn mà không gặp quá nhiều vấn đề. Nhưng anh vẫn thấy Opus là người cộng tác tốt hơn nói chung. Dù vậy, anh gần như không còn lý do dùng Sonnet nữa, vì model này về cơ bản sẽ thay chỗ của nó (theo lời Theo, video đăng ngày 29/09/2026).

Anh nói ngay khi model này ra mắt, anh sẽ chỉnh lại config Claude của mình. Anh đã thiết lập sẵn để dùng được Sol bên trong Claude Code, vì muốn Opus biết đây là model để review việc của nó và điều tra những gì đang diễn ra trong codebase (theo video đăng ngày 29/09/2026).

Theo anh, đây là một model rất tốt và anh rất vui khi có nó. Anh ước có thứ gì đó lớn hơn, thông minh hơn và mạnh hơn về tổng thể; anh đã rất mong một thứ thật sự hạ bệ được Opus 5.5 làm model dùng hằng ngày của anh. Đây không phải thứ đó. Anh không định huỷ gói Claude nào vì lần ra mắt này, nhưng định tận dụng các gói Codex nhiều hơn trong công việc hằng ngày, mà phải thừa nhận là dùng bên trong Claude Code (theo video đăng ngày 29/09/2026).

Anh gọi đây là một bản phát hành tuyệt vời với một mức giá khó tin cho những gì nhận được, nhưng nó cũng có thể đánh dấu sự khởi đầu của hồi kết cho thời kỳ trợ giá (theo lời Theo, video đăng ngày 29/09/2026).

Anh hy vọng video này không khiến anh bị "cancel" trên mạng. Anh không biết người khác nghĩ gì về model này ngoài một số ít tester early access mà anh đã nói chuyện. Anh thật sự không biết mọi người sẽ thích, ghét hay ở đâu đó giữa hai thái cực; anh nói vài tiếng nữa sẽ biết. Lúc đó là 3 giờ sáng, anh đi ngủ, vì đây là một video mệt, và anh hy vọng mình đã làm tốt. Anh chào tạm biệt, và câu cuối cùng là: "God, I'm so dead." (video đăng ngày 29/09/2026).

## Nguồn và liên kết

- Tên gốc: OpenAI fights back
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=vu8X3YroB-w](https://www.youtube.com/watch?v=vu8X3YroB-w)

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

- T3 Code, codebase Theo dùng để thử model trong video đăng ngày 29/09/2026 (repo đọc ngày 07/11/2026): [github.com/pingdotgg/t3code](https://github.com/pingdotgg/t3code)

- PR #11836 của T3 Code, "fix: keep worktree setup visible after leaving and reopening the thread" (đọc ngày 07/11/2026): [github.com/pingdotgg/t3code/pull/11836](https://github.com/pingdotgg/t3code/pull/11836)

- Terminal-Bench, benchmark Theo tự chạy trong video (trang chủ ghi "A benchmark to measure and evolve with the frontier of agent work", đọc ngày 07/11/2026): [tbench.ai](https://www.tbench.ai)

Nguồn: https://homus.dev/talks/openai-fights-back · cập nhật 2026-11-07