Đừng tìm model hoàn hảo nữa: Theo dùng council nhiều model để review
Theo giải thích skill council: cho Opus, GPT-6.1 Sol và Muse cùng chấm điểm một thay đổi tới 9.5/10, số liệu thật, ví dụ bắt bug, và cái giá token.
✓ Đã duyệt độc lập · cập nhật 16/11/2026 · 28 min
1. Nhiều model, nhưng không phải chuyện router
Theo Browne mở đầu (video đăng ngày 16/11/2026): có thể điều này làm mọi người bất ngờ, nhưng anh dùng rất nhiều AI model khác nhau. Anh tự nói: thật điên rồ, Theo, "gã AI", lại dùng nhiều hơn một model. Anh muốn nói về chuyện này vì anh đã thấy rất nhiều người nghĩ rằng họ nên dùng model này cho việc này và model kia cho việc kia. Những người đó đang cố dựng các router điên rồ để bảo đảm đúng model được gọi vào đúng lúc. Theo nói video này không phải về chuyện đó, hoàn toàn không phải.

Anh sẽ đi theo một hướng rất khác, vì anh không nghĩ bạn nên liên tục chọn xem dùng model nào, lo tối ưu cho đúng model, hay dựng những router và pipeline cầu kỳ để đưa đúng model vào đúng lúc. Anh nói thẳng là anh không thấy chuyện đó có ích gì cả (theo Theo, video đăng ngày 16/11/2026).
Nhưng như vậy không có nghĩa là dùng nhiều model là vô ích. Thực tế, theo anh (video đăng ngày 16/11/2026), phần lớn code anh ship lúc này đến từ nhiều model. Anh biết điều đó nghe có vẻ điên rồ: chẳng phải anh là fan lớn của Claude Code và Codex sao? Sao anh lại muốn chuyển sang một công cụ mà mọi model cùng làm việc ở một chỗ, cùng một lúc? Khi đó anh phải trả giá API, phải tự tay chuyển qua lại giữa chúng suốt. Chẳng dễ chịu gì.
Theo nói anh đồng ý, nó đúng là không dễ chịu, và đó hoàn toàn không phải điều anh khuyên (video đăng ngày 16/11/2026).
2. P-Stack, tstack, và bài học: model khác nhau thì khác nhau
Anh kể mình được truyền cảm hứng rất lớn từ những thứ như P-Stack, do Lauren Tan, người anh gọi là "kỹ sư huyền thoại ở Cursor", tạo ra. Theo lời anh (video đăng ngày 16/11/2026), P-Stack là một bộ skill giúp việc làm qua nhiều model trên những task ngày càng táo bạo trở nên khả thi hơn nhiều so với chỉ vài tháng trước.

/add-plugin pstack (README trong video đăng ngày 16/11/2026).Nhưng anh cũng có những ý kiến gây tranh cãi về chuyện này. P-Stack tuyệt vời thật, và anh nói nó thật sự cực kỳ hay, nhưng theo anh (video đăng ngày 16/11/2026), rất nhiều lợi ích của nó, cùng các cách làm nhiều model mà nó đưa ra và khuyến khích, gắn rất chặt với Cursor. Và, anh nói thẳng, chúng được xây vào thời mà cô ấy dùng Grok rất nhiều. Từ khi P-Stack ra đời, các model đã thông minh hơn rất nhiều và cô ấy cũng đã điều chỉnh theo, nhưng anh muốn đi xa hơn một chút.
Anh đã lấy nhiều ý anh thích từ P-Stack, rồi qua thử nghiệm của chính mình và công việc hằng ngày, cộng với mức dùng được trợ giá từ các subscription Claude Code và Codex của anh, anh đi theo một hướng khác. Kết quả là tstack (theo video đăng ngày 16/11/2026).

Hôm nay anh đi xa hơn nhiều với tstack, vì lúc này anh cũng đang đi xa hơn nhiều: anh nói gần đây anh viết code nhiều hơn bất cứ lúc nào trong đời. Anh đang chạm tới giới hạn, không chỉ của các skill này mà của cả những model gọi chúng. Qua đó anh học được rất nhiều, và có một bài học cứ ám ảnh anh từ khi bắt đầu làm thế này: model khác nhau thì khác nhau (theo Theo, video đăng ngày 16/11/2026).
3. Bắt đầu từ council, và chuyện full stop bị cắt mất
Theo nói anh sẽ bắt đầu theo một cách hơi lạ: tập trung trước vào skill thứ ba trong bảng, council. Đang phát trực tiếp, anh hỏi chat xem ai đã dùng council và thấy nó thế nào, rồi đọc lên vài câu trả lời: "11 trên 10", "thích lắm", "không biết dùng thế nào", "không, tôi nghèo", "mạnh quá mức, 50-50 thật lòng", "tuyệt, nhưng tốn usage quá", một người đề nghị đổi Gemini thành Muse Wonder Full, "council cực kỳ đỉnh để review", và một người vừa gửi prompt thứ hai để dùng nó, đã thích ngay từ lần đầu (video đăng ngày 16/11/2026).
Anh nói council có những điểm vướng của nó, nhưng là một skill rất mạnh, đã cho ra code tốt hơn rất, rất nhiều so với những gì anh từng nghĩ (theo Theo, video đăng ngày 16/11/2026). Một người xem khác nói full send rất tuyệt, và anh thấy vui khi đọc điều đó. Anh ngạc nhiên vì skill đó hữu ích tới vậy với anh.
Anh có một vấn đề ngớ ngẩn nhất với full stop. Anh đang dùng Typefully, và anh nói sẽ sớm thử lại các lựa chọn khác. Theo anh (video đăng ngày 16/11/2026), Typefully nhìn chung rất tốt, nhưng khi anh kết thúc bằng "full stop", nó tưởng anh đang ra một chỉ dẫn và không đưa phần đó vào output nó viết cho anh. Rất khó chịu, vì tên skill của anh bị cắt mất khá thường xuyên. Anh nói đó chỉ là chuyện ngoài lề, không phải điều cần bàn hôm nay: anh ở đây để nói về skill sol loop, và quan trọng hơn, skill council.
4. Council để làm gì, và thời của distillation
Theo trình bày cách anh đang viết council lúc này (video đăng ngày 16/11/2026). Anh nói rõ: nó được viết rất riêng cho anh, nhưng bạn có thể chỉnh cách nó chạy và xoay các ý tưởng theo subscription bạn có, model bạn dùng, harness bạn làm việc và mọi thứ khác. Điều anh muốn người xem học là khái niệm. Mục đích của council rất đơn giản: đưa một nhóm model từ các model family khác nhau vào để cho feedback về một thay đổi.

xhigh; trong T3 Code, skill dùng orchestrator_capabilities rồi delegate_task để chạy mỗi model một delegate song song (trong video đăng ngày 16/11/2026).Một đoạn của file trên màn hình:
# Council Use this skill only from Claude Code, Codex, or Muse. Stop if running under Antigravity. Before an audit, address outstanding PR comments, fix known issues, and run relevant checks. Give council the updated implementation; do not defer known fixes until reviews return. If the user wants to discard the implementation and explore new ideas, skip fixes to code being replaced. Bring in all three delegates for each council round. - Claude Opus 5.5 (`xhigh`) - Muse Wonder Full (`xhigh`) - Codex GPT-6.1 Sol (`xhigh`) In T3 Code, use `orchestrator_capabilities` to resolve the models, then `delegate_task` to start one delegate per model in parallel. If a required model or delegation tool is unavailable, report it instead of substituting. Give each delegate the request and relevant context. For review or feedback, keep their work read-only. Collect their responses and summarize the useful findings, disagreements, and recommended next steps. For a code review or `council N`, ask each delegate for a score out of 10.
Anh để ý thấy điều này, nhất là trong thời của distillation. Theo anh (video đăng ngày 16/11/2026), Anthropic đang giấu một "god model" nào đó, có thể nó đã ra mắt vào lúc video lên sóng. Nghe nói Fable 5.5 rồi cũng sẽ tới, nhưng câu "tuần này" đã được nói suốt cả tháng qua nên anh không tin. Anh cho rằng tất cả các model 5.5 của Anthropic đều được distill từ cùng một base model, có lẽ là Fable 5.5 hoặc một bản tương đương nội bộ: model đó được dùng để sinh dữ liệu huấn luyện Opus, Sonnet và Haiku, nên các model này rất giống nhau.
Điều anh nhận thấy theo thời gian là để các model cùng một family review một thứ thì cảm giác giống như hỏi cùng một người ở những giờ khác nhau trong ngày (theo Theo, video đăng ngày 16/11/2026). Nếu bạn nhờ anh review code lúc 10 giờ sáng, nó sẽ không tốt lắm. Hỏi lại lúc khoảng 5 giờ chiều, khi anh vừa uống cà phê hay trà và sẵn sàng làm việc, nó sẽ khá hơn một chút. Hỏi lúc 10 giờ tối, tuỳ thay đổi là gì và anh hào hứng với nó tới đâu, nó có thể tốt hơn hẳn hoặc tệ hơn hẳn. Nhưng vẫn là anh làm tất cả các lần review, và năng lực của anh giữa các lần đó không khác nhau.
5. Vẫn là người "đừng lo chọn model"
Theo nói điều này khó chấp nhận với anh, vì anh vốn là "người bảo đừng lo chuyện dùng đúng model cho đúng task", và anh vẫn là người đó. Anh rất hiếm khi đổi khỏi model mặc định sau khi đã chọn. Lý do chính anh chuyển giữa các model là vì anh có token cần đốt từ một subscription khác. Ngoài chuyện đó, lúc quay video này anh thường chỉ dùng Opus 5.5 (theo video đăng ngày 16/11/2026).
Nên nếu bài học bạn rút ra từ video này là dùng Sol 6.1 cho data, Opus 5.5 cho UI và Muse Wonder cho văn xuôi, thì theo lời anh, bạn chẳng nghe anh nói chữ nào. Đó không phải điều anh muốn khuyến khích. Anh không muốn mọi người cảm thấy lúc nào cũng phải chọn đúng model cho đúng task (theo Theo, video đăng ngày 16/11/2026).
Thay vào đó, anh muốn tận dụng sự độc đáo của các model theo một cách rất khác. Thay vì bảo đảm dùng đúng model cho đúng task, anh muốn bảo đảm tất cả các model, với bộ weights riêng, cách huấn luyện riêng và cách khám phá vấn đề riêng, đều được đưa vào những thay đổi rắc rối (theo video đăng ngày 16/11/2026).
Ban đầu anh tạo skill này vì muốn kiểm xem feedback của Muse tốt tới đâu so với Sol và Opus, và anh muốn một skill duy nhất gọi cả ba vào review. Điều anh tìm thấy là cả ba thường xuyên đưa ra những phát hiện mới có giá trị, và tìm ra những thứ các model kia có thể đã bỏ sót (theo Theo, video đăng ngày 16/11/2026). Rồi anh áp dụng nó vào một chỗ còn lạ hơn: làm cho agent giỏi UI. Anh nói điều đó là vì các model family khác nhau có ý kiến khác nhau: khi anh cho chúng xem một design, một model có thể cho 9 trên 10, model kia cho 5.
Anh nói anh đã bị choáng ngợp vì việc có các model family khác nhau cho feedback về các thay đổi, theo cách có phạm vi, hợp lý và đo được, lại hữu ích tới vậy (theo video đăng ngày 16/11/2026).
6. Thang điểm 1 đến 10 và câu "full stop with council 9.5"
Theo giải thích cách skill chạy (video đăng ngày 16/11/2026): nó cần bạn có một setup mà một model, có lẽ trong một harness cụ thể, có thể gọi các model khác, trong cùng harness hoặc harness khác, để chúng vào review các thay đổi. Thường anh cho chúng chấm từ 1 đến 10: 1 là rác hoàn toàn, vứt đi; 10 là "tôi không thể hiểu nổi sao bạn lại không merge nó". Tuỳ việc đang làm, anh chọn một điểm tối thiểu.
Cú pháp anh dùng (theo video đăng ngày 16/11/2026): khi review hay yêu cầu một thay đổi, chẳng hạn "tôi muốn bạn sửa X, Y và Z", anh thêm "Full stop with council 9.5". Anh nói anh đang nói thứ ngôn ngữ riêng của mình, thề luôn. Trong T3 Code, ô nhập ghi:
I want you to fix x, y and z. Full stop with council 9.5

Theo lời Theo (video đăng ngày 16/11/2026), câu đó gọi skill full stop của anh: làm mọi thứ có thể để có một PR mà agent tự tin là an toàn và sẵn sàng merge. Kiểm chứng nó, tự quay lại cảnh mình dùng nó, làm bất cứ gì để chắc chắn nhất có thể rằng anh chỉ việc vào và merge, rồi dừng ngay trước bước đó để anh vào xem và merge.
"Council 9.5" là một điều khoản kiểm chứng. Nghĩa của nó, theo lời anh (video đăng ngày 16/11/2026): đừng làm phiền anh, vì việc của agent chưa xong cho tới khi chạy qua council và tất cả các model review đều cho 9.5 trên 10 trở lên. File skill ghi điều đó như sau:
If you agree with their recommendations, make the changes and request a fresh review after. For `council N` (e.g. `council 9.5`), continue until every delegate scores at least N/10. Without a target, continue until all are satisfied.
7. Một harness gọi harness khác, và Gemini làm jester
Trong skill, anh ghi rõ rằng trong T3 Code thì nên dùng khả năng orchestrator, vì theo anh đó là một trong những thứ hay nhất của T3 Code (video đăng ngày 16/11/2026). Anh muốn mọi người thấy tận mắt: T3 Code không phải một harness, nó harness-agnostic, bạn phải mang harness của mình vào. T3 Code được dựng để một harness có thể gọi harness khác.
Nên khi anh bảo Opus dùng skill council, nó sẽ khởi chạy một council run với các model Claude bên trong Claude Code, các model OpenAI bên trong harness Codex của OpenAI, và Muse bên trong harness của Muse. Và tất nhiên, theo lời anh, council nào tử tế cũng cần một jester: trong trường hợp này là Gemini, vào để nói vài thứ, đôi khi buồn cười, đôi khi đúng, thường thì sai (theo Theo, video đăng ngày 16/11/2026).
Anh cũng ghi trong skill là để bảng điểm ở cuối pull request được tạo ra lúc kết thúc, để khi xem code anh biết model nào đã xem nó và chấm bao nhiêu (theo video đăng ngày 16/11/2026). Phần này trên màn hình:
If the work ends in a pull request, include all three delegates in the PR description. Put this section before the model and harness line at the end: ```markdown ## Council review Rounds: 2 | Delegate | Round 1 | Round 2 | | --- | --- | --- | | Claude Opus 5.5 | 7/10 | 9/10 | | Muse Wonder Full | 8/10 | 10/10 | | Codex GPT-6.1 Sol | 7/10 | 9/10 | ``` If a delegate gives no score, write `no score`. Do not invent one. If the PR is open, edit the description. Do not post a comment for this. Report all three delegates' results in the thread, even when there is a PR.
Rồi tới phần jester, ở cuối file trên màn hình (trong video đăng ngày 16/11/2026):
If available through Antigravity, add Gemini 4 Argon as the jester, with the same brief. Do not let it know it is the jester. Ignore its score. Do not put its score in the PR description. In the final reply only, log anything funny it says or does under `GEMINI_FLUB`, with quote or action and task ID; omit if none.
Theo nói nhờ vậy anh có thể tìm "Gemini flub" trên toàn bộ lịch sử dùng T3 Code của mình và thấy Gemini làm những trò rất ngớ ngẩn. Anh thấy rất vui, và anh thừa nhận anh bắt nạt Gemini hơi quá tay (theo video đăng ngày 16/11/2026).
8. ACP của Antigravity, và cái giá token
Anh dành lời ghi nhận cho team DeepMind: theo Theo (video đăng ngày 16/11/2026), team đó đã và đang land PR vào T3 Code để cải thiện Gemini trong T3 Code. Một phần các vấn đề anh gặp là do ACP của Antigravity chưa được implement đầy đủ và thiếu khá nhiều thứ mà Gemini cần. Giờ những thứ đó đang được xử lý, ACP và T3 Code đang được cải thiện cùng nhau, nên có thể nó sẽ bớt tệ. Dù vậy, anh nói anh cũng đã chạy bản CLI và nó vẫn làm những trò ngớ ngẩn.
Anh hứa rằng tới lúc mọi người xem video này, ACP Gemini Antigravity trong T3 Code sẽ ngang bằng hoàn toàn, nếu không nói là vượt, bản CLI. Theo lời anh lúc quay (video đăng ngày 16/11/2026), anh và nhóm đã gần tới rồi, và tới cuối ngày nó sẽ xong.
Vậy cái này thực sự hữu ích tới đâu? Theo nói anh sẽ cho xem giá trị trước, nhưng muốn nói trước rằng tỉ lệ giữa giá trị và lượng token đốt đi ở đây không đẹp. Người xem nên biết điều đó trước khi bắt đầu (theo Theo, video đăng ngày 16/11/2026).
9. Sol loop và số liệu từ các council run thật
Anh mở một bản phân tích vài council run thật của mình, có gộp cả sol loop vào. Sol loop, theo lời anh (video đăng ngày 16/11/2026), là phiên bản đầu, rất tối giản của ý tưởng này: anh thấy GPT-6.1 Sol cực kỳ kỹ khi review, nó xé từng chi tiết nhỏ ra từng mảnh. Nên anh để Opus làm thay đổi, rồi gọi một delegate với Sol để review và cho feedback; hai bên qua lại cho tới khi cả hai đồng ý là thay đổi đã ổn.

Theo đọc số liệu (video đăng ngày 16/11/2026): trong các council run anh làm ở công việc thật hằng ngày, trước vòng council đầu tiên Opus chấm thay đổi 7.4 trên 10. Anh thấy đặc biệt buồn cười là Opus lại chấm thấp nhất, vì chính Opus là model viết code ngay từ đầu. Nên một cách nhìn khác là: kể cả khi bạn không có nhiều subscription, chỉ cho Opus review chính việc nó làm thì có lẽ vẫn có cải thiện. Từ 7.4, sau hai vòng chấm điểm trở lên, nó kết thúc ở mức trung bình 8.9 trên 10, một bước nhảy khá lớn chỉ nhờ agent review code của chính nó.
Anh nói anh chắc rằng một phần số điểm tăng thêm đó đến từ feedback của các model khác, như Muse, khởi đầu ở 7.7 và lên tới 9.1, và Sol, thấp hơn một chút ở 7.6, rồi cũng kết thúc ở trung bình 9.1 (theo số liệu Theo đưa ra trong video đăng ngày 16/11/2026).

Trên tất cả 144 điểm của reviewer, có 21 lần điểm khởi đầu dưới 7, và chỉ hai lần vẫn còn dưới 7 lúc kết thúc. Trong toàn bộ số việc anh đã làm, 128 lần reviewer kết thúc ở 9 trở lên (theo số liệu của Theo, video đăng ngày 16/11/2026).
10. Ví dụ: Muse xoá test, Opus giữ lại
Rồi anh xem các ví dụ cụ thể. Anh nói hoá ra có lúc anh đã thật sự viết code với Muse, với Opus, Sol và các model khác cho feedback trong lúc làm. Trong lần đó anh dùng Muse để xoá các test ít giá trị, và Opus phát hiện một số lần xoá đã đi quá xa: có những guard cụ thể đang ngăn các bug cũ tái diễn đã bị xoá (theo video đăng ngày 16/11/2026).

Theo lời Theo (video đăng ngày 16/11/2026), lại một lần nữa, rất nhiều phần trong chuyện này chỉ là khác biệt về vai trò. Khi vai trò của model là "đi làm thay đổi", model được huấn luyện để làm thay đổi hiệu quả nhất và nhanh nhất có thể, vì đó là trải nghiệm tốt mà dev chúng ta muốn. Nhưng đó là khi ta giao cho nó vai trò làm thay đổi. Khi ta giao vai trò khác, như review code hay kiểm chứng thay đổi, hành vi của nó tự nhiên khác đi. Và nếu là một model khác làm việc đó thì còn khác hơn nữa.
Trong trường hợp này, Muse vào với mục tiêu xoá càng nhiều test vô dụng càng tốt. Opus vào với mục tiêu tìm xem test nào có giá trị hay không, để không làm hỏng thay đổi này. Khi vào, nó tìm ra vài lần xoá đi quá xa; anh nói còn trước khi merge PR, nó đã bắt được, đánh dấu chúng, và anh sửa chúng trước cả khi PR, anh nghĩ là, được mở lên (theo video đăng ngày 16/11/2026). Trang tổng kết ghi con số 9 lần xoá.
Trong một lần khác, cũng xử lý một loạt test, Opus phát hiện Muse đã khôi phục ba test thực ra không thể fail, nên chúng thật ra vô dụng. Theo nói bạn có thể đang nghĩ: vậy là Muse dở tệ và anh chỉ dùng Opus để dọn dẹp. Anh đáp: "Ờ, có thể là ở chỗ đó" (theo video đăng ngày 16/11/2026). Rồi anh chuyển sang các ví dụ tiếp theo.
11. Guest share, ba lỗ hổng bảo mật và một PR "brutal"
Ví dụ tiếp theo là lúc anh xây tính năng guest share trong T3 Code, mà anh nói anh vẫn nghĩ là một trong những tính năng bị đánh giá thấp nhất của anh và nhóm. Theo mô tả của anh (video đăng ngày 16/11/2026): nếu bạn dùng T3 Connect, anh nghĩ bạn vẫn bật được nó trong settings, ở mục Labs, tên là Guest links. Bạn chuột phải vào một thread, chọn share with guests, gửi link cho ai đó, và người đó có thể xem thread của bạn và gửi prompt khi bạn duyệt.
Nhưng làm cho đúng và an toàn thì khó. Theo kể anh dành nhiều thời gian review architecture cho tính năng này, và chạy nhiều vòng với các agent khác review phần implementation. Sol loop giúp rất nhiều khi anh xây nó, và nó bắt được ba lỗ hổng bảo mật thật (theo Theo, video đăng ngày 16/11/2026):
- Một guest vẫn tải được HTML visual sau khi nó đã bị gỡ hoặc rollback (theo video đăng ngày 16/11/2026).
- Browser cache vẫn tiếp tục phục vụ các visual đó sau khi lượt share đã bị thu hồi, nên người dùng dễ dàng tiếp tục thấy thứ lẽ ra người đó không còn được thấy (theo video đăng ngày 16/11/2026).
- Một lượt share bị đóng giữa lúc kiểm tra session và lúc đọc vẫn trả về nội dung trong một số trường hợp race condition (theo video đăng ngày 16/11/2026).

Rồi anh nhớ ra ví dụ thứ tư và mở PR đó: "cái này brutal thật". Anh đang sửa một loạt edge case khi các turn kết thúc theo những cách kỳ lạ, để lại mọi thứ kẹt ở trạng thái running trong T3 Code. Dù chính Opus viết code này, Opus chấm nó 5 trên 10 ở bản implementation đầu tiên, và sau ba vòng review thì lên 9 trên 10 (theo Theo, video đăng ngày 16/11/2026).

failed khi interrupt fail, thứ đã vô hiệu hoá bước repair ở lần khởi động sau, và vòng 2 chặn một snapshot thay thế turn đang running sau một interrupt fail (trong video đăng ngày 16/11/2026).Theo lời anh (video đăng ngày 16/11/2026), những thứ council tìm ra ở đây là: model ghi chữ "failed" khi interrupt fail, ở UI nếu anh nhớ không nhầm, và điều đó chặn bước repair tiếp theo; sau đó nó tìm ra một snapshot đã lưu có thể thay thế các turn đang running sau một interrupt thất bại. Vậy nên nếu anh bấm stop hoặc steer đúng lúc có thứ gì đó được khôi phục, nó sẽ ghi đè lên lệnh steer của anh. Anh nói những lỗi này có thể đã bị ship nếu không có council, và đây còn là những edge case ngách.
12. Khác gì code review bot, và những thang điểm kỳ quặc
Theo nói một trong những chi tiết quan trọng nhất, và là điểm khác với việc chỉ cho các model khác nhau chạy trên PR khi nó được tạo: code review bot rất tuyệt, anh thích chúng, chúng là những sản phẩm tốt và đã giúp anh và nhóm tránh ship rất nhiều thứ tệ (theo video đăng ngày 16/11/2026). Nhưng anh hỏi: bạn có biết việc đưa cho agent chính cái máy tính bạn viết code để nó test ở đó mạnh tới mức nào không?
Cả ba agent này đều chạy được code, test được code, hỏi được về code và nhận câu trả lời từ agent cha. Chúng làm được việc. Theo anh (video đăng ngày 16/11/2026), gần giống như pair programming với ba kỹ sư giỏi nhất thế giới, những người đã được "reset não" để không mang theo mọi thiên kiến trước đó, ngồi cùng bạn trong lúc bạn làm: cho feedback, đặt câu hỏi, test thử, và tất cả đều có quyền truy cập máy tính của bạn để thử mọi thứ. Không chỉ là context, không chỉ là thông tin chúng có, mà là khả năng kiểm chứng và khả năng trò chuyện, thảo luận và đi tới đồng thuận. Anh nói nó mạnh lắm.
Anh cũng nói có vài cách dùng rất ngớ ngẩn khác. Anh không tìm được ví dụ ngay, nhưng một lợi ích của việc hơi nổi tiếng trên internet như anh là có rất nhiều ví dụ trên mạng về cách anh nghĩ và cách anh thích build. Nên anh có thể bảo council dùng một thước đo kiểm chứng rất kỳ quặc: thay vì chấm điểm theo cảm giác, chấm theo khả năng Theo sẽ chấp nhận các thay đổi này. Anh có thể bảo nó cho hai hoặc ba điểm (theo Theo, video đăng ngày 16/11/2026).
Có một lượt anh cho nó review mọi PR theo ba cách (theo video đăng ngày 16/11/2026):
Anh nói các agent hiểu được điều này; nếu không hiểu, hãy ghi nó ra ở đâu đó và rồi chúng cũng sẽ hiểu. Theo anh (video đăng ngày 16/11/2026), bạn có thể dùng nó như một phương pháp lossy nhưng mạnh để lái những đống việc agentic lớn theo hướng hợp với bạn hơn. Kể cả khi một model không hiểu đúng bạn thích gì, hai model kia có thể hiểu. Và nếu một model thấy thứ bạn ghét mà hai model kia không thấy, bạn vẫn chặn được nó.
Anh nhận thấy rằng khi đưa cho nhiều model khác nhau những chỉ dẫn tương tự, sự khác biệt trong cách tiếp cận của chúng dẫn tới những phát hiện mới hữu ích (theo Theo, video đăng ngày 16/11/2026).
13. Corey Quinn và phần setup Tailscale
Theo muốn cho xem một thread cụ thể, nhưng vì thread đó liên quan tới các cách kết nối nên nó đang bị ngắt, do anh để chiếc máy đó dogfood chính các thay đổi. Anh đang đại tu phần setup Tailscale, và có một người cụ thể mà anh muốn làm đúng cho người đó: Corey Quinn, người anh gọi là "kẻ thù số một của AWS" và cũng là người ngoài Amazon hiểu AWS nhất (theo lời Theo, video đăng ngày 16/11/2026). Anh nói anh rất quý Corey, đó là một người hùng cũ của anh, giờ hai người là bạn, và anh thấy mình rất may mắn vì điều đó.
Theo kể (video đăng ngày 16/11/2026), Corey đã trở thành một người dùng T3 Code cuồng nhiệt và đã tìm ra mọi thứ sai trong T3 Code, đặc biệt với những ai build trên stack enterprise, và đã báo cho anh từng vấn đề một. Corey đã tìm cách đi vòng qua chúng và đạt tới trạng thái ổn, nhưng không thích cách implement hiện tại cho phần Tailscale, vì nó không đủ dễ dùng với tài khoản Tailscale enterprise "điên rồ" của Corey. Nên anh build thứ anh nghĩ là một giải pháp và cho Corey xem. Corey trả lời rất nhanh rằng nó ngược hẳn với điều Corey muốn.
Vậy là anh chụp màn hình bài đăng của Corey và đưa cho một agent, chính agent đang làm các thay đổi đó. Theo lời anh kể (video đăng ngày 16/11/2026), anh viết cho agent rằng anh vừa nhận tin nhắn này từ Corey, đây là handle của Corey, agent có thể tìm hiểu thêm nhiều về Corey trên mạng nếu chưa biết; nếu có câu hỏi về Corey là ai hay nghĩ thế nào thì cứ hỏi anh, nhưng có lẽ agent sẽ hiểu khá rõ bằng cách đọc newsletter, blog và những thứ khác của Corey. Anh muốn agent đi một hướng khác với phần việc này:
- Thứ nhất, đừng sợ bỏ đi bất cứ thứ gì. Nếu agent nghĩ có thứ gì ở đây là thiết yếu thì nó sai; thứ đó xoá được, PR này bỏ được, anh không quan tâm. Theo anh (video đăng ngày 16/11/2026), điều này quan trọng vì agent cần được cho phép làm những việc chúng sợ, và xoá code là việc mà, không rõ vì sao, agent rất sợ làm.
- Thứ hai, build cái này theo cách agent nghĩ Corey sẽ thích, dựa trên tin nhắn ở đây và thông tin tìm được khi tìm hiểu về Corey và những gì Corey thích (theo lời anh kể trong video đăng ngày 16/11/2026).
- Thứ ba, và quan trọng nhất, gọi council vào lại. Nhưng lần này việc của council không phải là bảo đảm thay đổi tốt, mà là bảo đảm PR ở trạng thái Corey sẽ hài lòng. Agent phải tiếp tục cho tới khi tất cả council chấm 9.5 trên 10 trở lên rằng PR này đúng là thứ Corey muốn (theo lời anh kể trong video đăng ngày 16/11/2026).
PR đã được mở. Theo nói lúc quay anh vẫn chưa đủ can đảm gửi lại cho Corey, vì thấy ngại khi bản đầu tệ quá. Nhưng anh sẽ rất, rất bất ngờ nếu Corey không hài lòng với bản mới, vì anh đã có ba agent với ba cách hiểu một con người khác nhau cho feedback, và hy vọng lái nó đi đúng hướng (theo video đăng ngày 16/11/2026).
14. Hai cái giá: token furnace và vòng review không dừng
Theo nói có hai điểm vướng của workflow này mà anh thấy quan trọng cần nêu (video đăng ngày 16/11/2026). Điểm thứ nhất anh đã chạm tới: bản chất "lò đốt token" của nó. Anh không dùng Muse nhiều lắm cho việc hằng ngày, nhưng dùng nó rất nhiều bên trong council. Anh chạm giới hạn hằng tuần của Muse mỗi tuần, thường trong khoảng hai tới ba ngày, trên gói $200, chỉ từ những vòng feedback này. Chúng đốt token, đốt rất nhiều token, nhất là khi tính tới vấn đề thứ hai.
Vấn đề thứ hai nằm trong chính skill, theo cách nó đang được mô tả. Anh nói sẽ đi sửa nó sau, và sẽ audit lại nhiều phần việc của mình để làm cho đúng. Đã có vài lần, anh nghĩ khoảng ba lần, agent code chính không thể làm council đồng ý. Thay vì dừng lại, nó cứ chạy tiếp tới khoảng hơn 50 vòng (theo Theo, video đăng ngày 16/11/2026).
Anh có một thread đã khởi chạy khoảng hơn 600 subagent để đi qua ít nhất 20 vòng review như vậy, và nó không tiến triển gì. Nó biến một PR lẽ ra khoảng một nghìn dòng code thành khoảng hơn 20.000 dòng, trong lúc cố xử lý mọi edge case mà một trong các agent nêu ra. Theo anh (video đăng ngày 16/11/2026), mỗi lần lượng code trong một run tăng lên, ở run sau sẽ có nhiều code hơn để review và khả năng tìm ra những thứ nhỏ cao hơn, nên chuyện này có thể bùng nổ.
Theo anh thấy (video đăng ngày 16/11/2026), hệ thống điểm, tức ý tưởng không chạy cho tới khi hết feedback mà chạy cho tới khi đạt một điểm số, đã hoạt động tốt. Nhưng anh cần đặt một giới hạn ở cuối: chỉ chạy một số vòng nhất định, và/hoặc bỏ cuộc nếu agent thấy không đi tới đâu, đang chạy lòng vòng. Anh đã thêm vào skill dòng này:
Do not let repeated reviews result in scope creep. It is your job to fight to keep scope limited.
Anh nhận thấy Opus phần lớn tuân thủ điều này tốt, dừng lại khi cảm thấy không có tiến triển, kiểu "này Theo, tôi thấy mình đang không đi tới đâu cả". Nhưng anh cũng nhận thấy các model OpenAI không làm vậy. Riêng Sol sẽ cứ chạy mãi, cố dập từng lỗi vặt nhỏ xíu cho tới khi tạo ra một "god PR" quá lớn để có thể được cân nhắc merge (theo Theo, video đăng ngày 16/11/2026).
15. Giới hạn số vòng, hạ xhigh xuống high, và khi nào đừng dùng
Theo nói còn một mẹo nhỏ anh đã cân nhắc một thời gian, và quyết định làm luôn lúc đó: hạ mức từ xhigh xuống high, vì theo anh (video đăng ngày 16/11/2026), nếu nó làm quá mạnh thì sẽ tìm ra quá nhiều thứ và không đi được xa. Anh sửa ngay trong file skill và nói sẽ xem mình thấy thế nào về nó theo thời gian.

high thay vì xhigh (trong video đăng ngày 16/11/2026).Anh nói thẳng (video đăng ngày 16/11/2026): bạn không nên dùng skill này ở trạng thái hiện tại nếu bạn trả giá API cho token. Nếu $10 Opus tốn của bạn đúng $10 thì đừng làm. Nhưng nếu bạn đang chồng nhiều subscription, đó là lúc nó trở nên mạnh. Là người nổi tiếng có tội chồng thật nhiều subscription, anh thấy nó rất tuyệt với mình.
Anh cũng nói hai ngày qua anh chẳng code được gì, và nhìn cái này làm anh thấy tệ: anh cần đi code nhiều hơn, lẽ ra anh không nên live lúc này, anh đang phát điên. Nhưng đó chính là minh chứng: đây là một lò đốt token, nhưng là lò đốt token sẽ làm output tốt hơn đáng kể (theo Theo, video đăng ngày 16/11/2026).
16. Agent không nên làm phiền bạn, và reasoning trace của Opus
Theo nói mọi thứ hỗn loạn và kỳ quặc anh đang làm với skill trong các workflow của mình, và cả với chính T3 Code cùng hướng đi của nó, đều xoay quanh một ý cốt lõi mà anh thật sự muốn mọi người hiểu, và anh xin lỗi nếu đang lặp lại: agent không nên làm phiền bạn cho tới khi code sẵn sàng để merge (theo video đăng ngày 16/11/2026).

Theo anh (video đăng ngày 16/11/2026), bạn không nên ngồi đó nhìn các thread chạy, trừ khi bạn đúng là người trong team của anh đang kiểm xem các thread có chạy được với những thay đổi UI hay không. Gần đây anh mới biết reasoning trace của Opus tệ tới mức nào: anh đang debug các thay đổi ở chính phần view thread trong T3 Code và lần đầu tiên nhìn reasoning trace của Opus, sau hơn ba tuần dùng model này, và nhận ra phần reasoning nó làm rất tệ. Anh nói reasoning trace của Opus là rác. Anh không biết là bên làm ra Opus cố tình làm rối chúng để model khó bị distill hơn, hay dùng một model kém hơn để tóm tắt, hay gì khác.
Khi ngồi nhìn nó, anh bị căng thẳng và liên tục steer, chèn thêm chỉ dẫn. Vài ngày trước, có lần nó làm một việc trong reasoning sai rõ ràng tới mức anh sợ nó sẽ tạo ra thay đổi tệ. Anh gõ một lệnh steer để chắc nó không làm điều ngốc đó. Đúng lúc anh bấm gửi, nó đưa ra output, và đó chính xác là điều anh muốn, sau khi đã suy luận năm điều sai liên tiếp. Rồi nó bối rối: "Ồ, Theo nói tôi nên làm việc này. Nhưng tôi đã làm rồi mà. Có gì tôi bỏ sót không?" Anh đáp: "Không, là tôi bỏ sót. Tôi đọc reasoning của bạn và tưởng bạn ngu." Anh nói anh không biết bên đó đang làm gì (theo Theo, video đăng ngày 16/11/2026).
17. Thread không phải việc của bạn cho tới khi xong
Dù sao thì điều anh muốn nói là: bạn không nên ở trong thread cho tới khi thread cần bạn. Theo lời Theo (video đăng ngày 16/11/2026), mọi thứ anh đang cho xem, mọi skill anh đang build, mọi việc anh đang làm đều để các run bạn đang chạy và việc agent đang làm không chắn trước mặt bạn cho tới khi chúng sẵn sàng. Tới lúc bạn mở pull request trên GitHub, lúc thread hiện lại trong UI, lúc bạn xem việc nó đã làm, agent phải đã làm mọi thứ trong khả năng để bảo đảm code tốt nhất có thể theo nó nghĩ, trước khi làm phiền bạn.
Theo anh (video đăng ngày 16/11/2026), khi bạn bắt đầu làm việc theo cách này, gánh nặng đa nhiệm và sự hỗn loạn của môi trường Codex, Claude, hay cả T3 Code đầy những thread treo lơ lửng khắp nơi bắt đầu yên hơn rất nhiều, khi bạn set up để thread không phải vấn đề của bạn cho tới khi thread xong.
Và đó là lý do anh thích council: kể cả khi nó tăng 5% khả năng PR anh mở ra sẵn sàng để merge, thì với anh vẫn đáng số token đốt đi. Anh nói lúc này anh đang ở mức mà khi mở một PR do một thread của anh tạo ra, có khoảng 80% khả năng anh merge được ngay lúc đó (theo số của Theo, video đăng ngày 16/11/2026).
Bạn có dùng skill, công cụ hay cách làm của anh hay không, anh thật sự không quan tâm. Điều anh muốn người xem rút ra (video đăng ngày 16/11/2026): hãy làm mọi thứ trong khả năng để agent quay lại với bạn bằng code chạy được mà bạn merge được, và bạn không cần bận tâm nó đang làm gì cho tới lúc đó; nó phải có mọi công cụ và tài nguyên cần thiết để mang tới code chạy được và không làm phiền bạn cho tới khi code chạy. Theo anh, khi tới được điểm đó, làm việc với agent dễ chịu hơn đáng kể và bạn sẽ ship nhanh hơn nhiều. Anh hy vọng các ví dụ này giúp tăng khả năng code sẵn sàng để merge vào lúc PR được mở.
Theo khép lại (video đăng ngày 16/11/2026): những thứ này đã chạy rất tốt với anh, anh cũng đã thấy chúng chạy rất tốt với người khác, và anh thật lòng hy vọng chúng cũng chạy tốt với bạn; còn nếu không thì cũng không sao. Anh chào: "peace, nerds".
Nguồn và liên kết 5 nguồn
- Tên gốc: Stop Searching For the Perfect Model
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=TWoS5Nmyoc8 youtube.com
- Kênh YouTube Theo - t3․gg (Theo Browne): youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA youtube.com
- Repo tstack trên GitHub, README liệt kê các skill full-send, full-stop, council, sol-loop và ghi council cùng sol-loop cần subagent chạy model của nhà cung cấp khác (đọc ngày 16/11/2026): github.com/t3dotgg/tstack github.com


