Vì sao mình bỏ ChatGPT sang Claude

1. ChatGPT, "mối tình đầu AI", và cú vượt của Anthropic

Nhật Anh mở đầu bằng một giả định. Hồi năm 2023, 2024, khi ChatGPT vừa lập kỷ lục trở thành ứng dụng đạt 100 triệu người dùng nhanh nhất trong lịch sử và OpenAI vẫn đang thống lĩnh thị trường AI, nếu có ai đó bảo anh rằng chỉ hai năm sau thôi Anthropic sẽ vượt lên OpenAI, thì chắc chắn là không đời nào anh tin (theo video đăng ngày 14/10/2026).

Giống như phần lớn mọi người, ChatGPT chính là "mối tình đầu AI" của anh. Từ những tháng đầu tiên của năm 2023, khi mới biết đến ChatGPT, anh dùng nó gần như hằng ngày, cho đến khoảng một năm trước thời điểm quay video (video đăng ngày 14/10/2026). Đó là lúc anh bắt đầu thử Claude và Claude Code, và sau đó thì anh gần như không quay lại ChatGPT nữa.

Và anh nói mình cũng không phải người duy nhất. Anh đưa ra một loạt con số, tất cả là số anh nêu trong video đăng ngày 14/10/2026. Chỉ riêng quý 2 năm 2026, doanh thu của Anthropic, công ty làm ra Claude, đã đạt 11,6 tỷ đô, trong khi OpenAI mới chỉ thu về 6,7 tỷ. Về định giá, hồi tháng 2 Anthropic mới được định giá 380 tỷ đô; đến lúc quay video con số này đã tăng hơn 2,5 lần, lên mức 965 tỷ đô, tức là cao hơn cả OpenAI, khi đó được định giá 852 tỷ.

Số người trả tiền dùng Claude cũng tăng hơn gấp đôi chỉ sau mấy tháng đầu năm. Và tháng 3 năm 2026, Claude còn vượt lên, coi như là đứng số 1 trên App Store ở Mỹ (theo Nhật Anh, video đăng ngày 14/10/2026). Slide minh hoạ cho đoạn này là một bảng "App Store · Top miễn phí · Mỹ · 3/2026" với ChatGPT ở #1, Gemini ở #2 và một dòng Claude tô màu cam ở #42, bên cạnh là một ô "x2: người trả tiền dùng Claude, mấy tháng đầu năm 2026".

Anh nói trong video anh sẽ chia sẻ ba điều: Anthropic đã vượt OpenAI như thế nào, những điểm mà theo anh Claude đang vượt trội hơn ChatGPT tính đến lúc quay video (đăng ngày 14/10/2026), và nếu bạn đang dùng ChatGPT thì vì sao có lẽ bạn nên chuyển sang Claude giống như anh.

2. Người so sánh là ai, và vì sao anh dùng song song cả hai

Anh tự giới thiệu: anh là Nhật Anh, và tính đến lúc quay video (đăng ngày 14/10/2026) anh đang vận hành hai startup cung cấp giải pháp AI agent cho các doanh nghiệp vừa và nhỏ, ở cả Việt Nam lẫn nước ngoài. Vì tính chất công việc là phải triển khai giải pháp AI cho khách hàng doanh nghiệp, anh luôn phải theo rất sát các công cụ AI và tìm hiểu xem công cụ nào là tốt nhất.

Trong một năm trước khi quay video, sau khi chuyển sang dùng Claude làm "main driver", làm model chính, anh vẫn thỉnh thoảng dùng cả ChatGPT, để xem các model mới, các ứng dụng, sản phẩm và tính năng của ChatGPT thay đổi và tiến bộ ra sao. Và vì trong tháng quay video có một số biến chuyển trong tình hình kinh doanh, anh đã đăng ký luôn gói 100 đô của cả Claude lẫn ChatGPT, để có điều kiện làm việc thực tế và so sánh hiệu quả của hai model (theo video đăng ngày 14/10/2026).

Vì thế, anh nói rõ những gì anh chia sẻ trong video chỉ là ý kiến cá nhân. Nhưng ý kiến cá nhân đó dựa trên trải nghiệm thực tế: anh đã dùng hai công cụ này rất nhiều trong một năm qua, và đặc biệt là trong tháng trước khi quay video (video đăng ngày 14/10/2026).

3. Từ Dario và Daniela đến Andrej Karpathy: người rời OpenAI sang Anthropic

Vậy rốt cuộc Claude đã vượt ChatGPT như thế nào? Năm 2021, Dario Amodei và Daniela Amodei, những người từng giữ vai trò rất cốt cán ở OpenAI, đã rời công ty này để thành lập chính Anthropic (theo video đăng ngày 14/10/2026).

Những năm sau đó, ngày càng có nhiều nhân sự nổi bật từ OpenAI tiếp tục chuyển sang Anthropic. Anh lấy ví dụ năm 2024 có Jan Leike, người phụ trách an toàn AI, và Durk Kingma, một trong những co-founder của OpenAI, cùng chuyển sang Anthropic. Slide minh hoạ là một đường thời gian từ 2021 đến 2026: hai tấm thẻ "Jan Leike, phụ trách an toàn AI, 2024" và "Durk Kingma, co-founder của OpenAI, 2024" bay từ logo OpenAI sang logo Anthropic (theo video đăng ngày 14/10/2026).

Và đặc biệt là năm 2026 có một ví dụ rất nổi tiếng: Andrej Karpathy, cũng là một trong những co-founder của OpenAI, chuyển sang Anthropic vào tháng 5 năm 2026 (theo Nhật Anh, video đăng ngày 14/10/2026). Karpathy nổi tiếng là người đứng sau LLM Wiki, cách để chúng ta dựng lên một "bộ não thứ hai" do chính AI viết và tự cập nhật. Theo anh, ý tưởng này từng gây một cơn sốt trong giới AI vào khoảng đầu tháng 4, tháng 5 năm 2026.

Anh nói còn rất nhiều ví dụ khác nữa, khi những nhân sự quan trọng của OpenAI dần dần chuyển sang Anthropic (theo video đăng ngày 14/10/2026).

4. Doanh thu quy đổi vượt 30 tỷ đô và quý đầu tiên có lãi

Như anh đã nói ở trên, tháng 4 năm 2026 là một cột mốc rất lớn: doanh thu quy đổi của Anthropic, tức doanh thu của tháng gần nhất nhân với 12, đã vượt 30 tỷ đô. Trong khi đó, cuối năm 2025 con số này mới chỉ khoảng 9 tỷ đô, nghĩa là tăng hơn ba lần. Cùng thời điểm tháng 4, OpenAI đang ở khoảng 25 tỷ (theo số Nhật Anh nêu, video đăng ngày 14/10/2026).

Theo anh, đây là cột mốc rất lớn vì đó là lần đầu tiên kể từ khi ChatGPT ra đời có một công ty AI vượt qua chính OpenAI về doanh thu (nhận định trong video đăng ngày 14/10/2026).

Về dòng tiền, anh nói quý 2 năm 2026 cũng là quý đầu tiên Anthropic có lãi, khoảng 559 triệu đô, trong khi OpenAI vẫn lỗ tới 12,3 tỷ đô trong cùng quý đó. Trên slide minh hoạ cho câu này ("Quý đầu tiên Anthropic có lãi", "kết quả · quý 2/2026") thì con số in ra là "+508 triệu đô" kèm con dấu "CÓ LÃI"; lời nói và màn hình chênh nhau ở điểm này (video đăng ngày 14/10/2026).

Trong doanh thu đó, có một con số anh thấy rất đáng chú ý: 80% doanh thu của Anthropic đến từ khách hàng doanh nghiệp (theo Nhật Anh, video đăng ngày 14/10/2026). Với anh, đây là minh chứng cho một trong những khác biệt lớn nhất giữa OpenAI và Anthropic trong những năm qua: tốc độ và sự tập trung.

5. Sự tập trung: OpenAI làm quá nhiều thứ cùng lúc

Bản thân Nhật Anh rất thích sự tập trung trong kinh doanh. Từ khi còn là product manager cho đến lúc tự ra làm startup của riêng mình, anh luôn đánh giá cao những công ty có một tầm nhìn rõ ràng và tập trung cao độ cho tầm nhìn đó, thay vì cái gì cũng làm một chút, làm nhiều mà không sâu. Theo anh, OpenAI trong những năm trước khi quay video là điển hình của kiểu thứ hai (nhận định trong video đăng ngày 14/10/2026).

Nếu để ý theo dõi OpenAI, bạn sẽ thấy trong 12 tháng trước video công ty này làm rất nhiều thứ. Ngoài ChatGPT là sản phẩm chính, còn có Sora, ứng dụng tạo video; trình duyệt Atlas; một thiết bị phần cứng đang làm cùng Jony Ive, người từng thiết kế iPhone; tính năng mua sắm trực tiếp ngay trong ChatGPT; và cuối cùng là một nền tảng chạy quảng cáo (theo Nhật Anh, video đăng ngày 14/10/2026).

Phần quảng cáo, theo anh, cũng thú vị: nó đã được chạy thử từ tháng 2 năm 2026, dù trước đây Sam Altman, founder và CEO của OpenAI, từng nói đây là "last resort", tức là lựa chọn cuối cùng của họ, nghĩa là họ sẽ không động đến cách kiếm tiền này nếu không bắt buộc. Nhưng đến lúc quay video thì họ cũng đã phải làm điều đó rồi (theo video đăng ngày 14/10/2026).

Gần đây nhất, chỉ mấy tuần trước khi quay video, OpenAI còn ra mắt thêm một sản phẩm trợ lý AI cá nhân luôn chạy 24/7 để làm việc thay cho bạn, dành cho người dùng cá nhân (theo Nhật Anh, video đăng ngày 14/10/2026). Ở mảng này, OpenAI phải cạnh tranh với các sản phẩm như Grok Bot của xAI, công ty của Elon Musk, hay Muse của Meta, công ty của Mark Zuckerberg, founder của Facebook. Còn trong mảng AI cho doanh nghiệp thì OpenAI vẫn đang đấu với Anthropic. Slide minh hoạ là một cửa sổ "openai · mặt trận": ô "người dùng cá nhân" có Grok Bot của xAI và Muse của Meta, mũi tên chĩa vào logo OpenAI.

"Bạn có thấy là OpenAI đang phải đánh trên rất nhiều mặt trận, với nhiều đối thủ cùng một lúc không?", anh hỏi. Theo anh, điều này không hề dễ một tí nào. Vấn đề là khi một công ty làm quá nhiều thứ, nó dễ dẫn đến cạnh tranh nguồn lực ngay trong chính công ty đó (nhận định trong video đăng ngày 14/10/2026).

Anh đưa hai ví dụ, theo lời anh trong video đăng ngày 14/10/2026. Sora, nền tảng tạo video bằng AI, đã bị đóng cửa sau chưa tới 6 tháng kể từ khi ra mắt. Và hồi tháng 3 năm 2026, chính lãnh đạo mảng ứng dụng của OpenAI đã chia sẻ với nhân viên trong một email nội bộ rằng đây là một thời điểm rất quan trọng trong AI, và OpenAI không thể bỏ lỡ thời điểm này chỉ vì bị phân tâm làm quá nhiều thứ như lúc đó.

6. Anthropic dồn lực vào công việc chuyên môn, coding và AI tự cải thiện

Còn Anthropic thì, theo Nhật Anh, hoàn toàn ngược lại. Họ gần như chỉ tập trung toàn bộ nguồn lực vào việc làm sao để model và sản phẩm của mình trở nên hữu ích nhất cho công việc chuyên môn, đặc biệt là coding, tức lập trình. Nói cách khác, họ tập trung gần như toàn bộ vào AI cho doanh nghiệp, hay còn gọi là B2B (nhận định trong video đăng ngày 14/10/2026). Slide minh hoạ đặt cạnh nhau hai cửa sổ: bên OpenAI là sáu ô sản phẩm, bên Claude là một mũi tên duy nhất kèm chữ "toàn bộ nguồn lực".

Với tầm nhìn như vậy, ngoài việc nhắm đúng vào đối tượng có tiền, là người đi làm và doanh nghiệp, Anthropic còn có thêm một lợi thế khi tập trung cải thiện AI trong lập trình. Khi AI giỏi hơn trong lập trình, công ty có thể dùng chính AI của mình để cải thiện và phát triển phiên bản tiếp theo, phiên bản tương lai của chính các model và sản phẩm đó (theo Nhật Anh, video đăng ngày 14/10/2026).

Giới AI có một thuật ngữ cho chuyện này: Recursive Self-Improvement, gọi tắt là RSI, hiểu nôm na là AI tự cải thiện chính nó. Trên màn hình, cạnh khung hình của anh hiện một nhãn "RSI, AI tự cải thiện chính nó" với biểu tượng một vòng mũi tên.

Và theo chính chia sẻ của Anthropic mà Nhật Anh dẫn lại (video đăng ngày 14/10/2026), phần lớn code đưa vào sản phẩm của họ lúc đó đã do Claude viết. Người đứng đầu Claude Code còn chia sẻ là ông đã không tự tay viết dòng code nào trong suốt cả năm trước đó. Tất nhiên, Anthropic cũng nói rõ họ chưa đạt đến mức AI có thể tự tạo ra phiên bản tiếp theo của mình 100%. Slide của anh vẽ một thanh tiến độ chưa chạm lá cờ "phiên bản tiếp theo", gắn nhãn "CHƯA 100%". Nhưng anh nghĩ với tốc độ phát triển như lúc quay video, điều này sớm hay muộn cũng sẽ xảy ra.

Công bằng mà nói, theo Nhật Anh, OpenAI cũng có một đội ngũ rất mạnh và những nhân sự rất giỏi (nhận định trong video đăng ngày 14/10/2026). Nhưng chính sự thiếu tập trung trong tầm nhìn và chiến lược khiến những tính năng mới mà OpenAI đưa ra, với anh, một người đi làm và một chủ doanh nghiệp, đôi khi không liên quan đến những thứ anh thực sự cần trong công việc. Chúng không thực sự mang lại cho anh sự cải thiện về năng suất. Còn những thứ quan trọng, liên quan đến anh, thì khi OpenAI có, họ đã đi sau mất mấy tháng rồi.

7. Tốc độ đổi mới: Anthropic thường nghĩ ra trước

Ví dụ đầu tiên anh đưa ra là Claude Cowork, một tính năng anh đánh giá là rất hay, cho phép người dùng bình thường không cần biết code tự xây dựng các tự động hoá của mình. Theo anh, Anthropic ra mắt nó từ tháng 1 năm 2026, trong khi ChatGPT Work, tính năng tương tự của OpenAI, đến tháng 7 năm 2026 mới có, tức là đi chậm hơn khoảng 6 tháng (theo video đăng ngày 14/10/2026).

Chính sự tập trung và tầm nhìn rõ ràng này, theo anh, đã giúp Anthropic thường là công ty nghĩ ra được những đổi mới, những sáng tạo trước các công ty khác (nhận định trong video đăng ngày 14/10/2026). Anh kể thêm các ví dụ:

• MCP, cách để các AI kết nối với các công cụ khác một cách dễ dàng, được Anthropic ra mắt vào cuối năm 2024. Chỉ vài tháng sau, OpenAI và Google cũng đã phải hỗ trợ framework này, vì ai cũng dùng nó (theo Nhật Anh, video đăng ngày 14/10/2026).
• Khái niệm skills, có lẽ quen thuộc hơn với nhiều người, được Anthropic ra mắt trong Claude Code vào tháng 10 năm 2025. Khoảng 2 tháng sau, OpenAI cũng dùng định dạng đó cho Codex và ChatGPT (theo Nhật Anh, video đăng ngày 14/10/2026).
• Artifacts được Anthropic ra mắt vào giữa năm 2024; khoảng 4 tháng sau, ChatGPT ra mắt Canvas với các tính năng tương tự (theo Nhật Anh, video đăng ngày 14/10/2026).
• Gần nhất, chỉ tuần trước khi quay video, Claude Code mới có thêm tính năng Dashboards và Motion. Anh đánh giá đây cũng là những tính năng rất hay và rất thiết thực trong công việc hằng ngày của người đi làm cũng như doanh nghiệp, mà ChatGPT lúc đó chưa có. Có lẽ người dùng ChatGPT sẽ phải đợi thêm vài tháng nữa, vì theo anh OpenAI thường đi sau ở những tính năng như thế này (nhận định trong video đăng ngày 14/10/2026).

8. Về model, hai bên khá sát nhau

Nhật Anh nói xem đến đây, có thể một số bạn hay theo dõi tin AI sẽ thắc mắc: OpenAI cũng thường xuyên ra model mới, những model xịn được đánh giá là thông minh ngang ngửa model của Anthropic mà? Anh nói điều này thực ra là đúng. Nếu chỉ xét về model thôi, thì phải nói là Anthropic và OpenAI ngang ngửa nhau (nhận định trong video đăng ngày 14/10/2026).

Anh lấy ví dụ Artificial Analysis Intelligence Index, theo anh là bảng xếp hạng các model AI phổ biến nhất trên thế giới. Họ cho các model làm 10 bài test khác nhau thuộc nhiều lĩnh vực rồi đánh giá. Theo bảng cập nhật mới nhất lúc anh quay video, ngày 13/10/2026, Opus 5.5 vẫn đứng đầu với 58 điểm, Sonnet 5.5 theo ngay sau với 56 điểm, GPT-6 Astra được 53 và GPT-6.1 Sol được 52 (theo video đăng ngày 14/10/2026).

Ngoài ra, trong nhóm top đầu lúc đó còn có thêm Muse Wonder của Meta và Gemini 4 Argon của Google, những model mới ra (theo video đăng ngày 14/10/2026). Trên slide, cột Muse Wonder hiện mờ với 56 điểm và gắn nhãn "mới vào nhóm đầu". Hôm nay anh chỉ tập trung so sánh Anthropic và OpenAI.

Trên lý thuyết, khi chỉ so mức độ thông minh của các model với nhau, Anthropic và OpenAI rất ngang ngửa. Nhưng trong trải nghiệm thực tế, cảm nhận cá nhân của anh thôi, model của Claude cho cảm giác hiểu ý anh nhanh hơn và có "gu" hơn, nhất là trong các tác vụ liên quan đến thiết kế hay trực quan. Để ra được một kết quả đẹp theo ý mình, anh thường phải tốn nhiều lượt mô tả với ChatGPT hơn là với Claude hay Claude Code (theo Nhật Anh, video đăng ngày 14/10/2026).

9. Phép thử thật: một app phân tích đối thủ trên YouTube

Để minh hoạ, anh lấy một ví dụ thực tế. Trong thời gian trước khi quay video (đăng ngày 14/10/2026), anh đang bắt đầu làm video YouTube. Một phần rất quan trọng của việc làm video là phải nghĩ ra được những ý tưởng thú vị, cũng như cách đóng gói ý tưởng đó thành thumbnail và title, và phần hook, những giây đầu tiên của video, làm sao cho ấn tượng nhất.

Để làm được điều đó, anh phải nghiên cứu rất nhiều, dành rất nhiều giờ để xem, bên cạnh những thông tin anh tự góp nhặt, các creator và các kênh khác ở Việt Nam và nước ngoài đang làm video về chủ đề gì và đóng gói video ra sao. Anh nói đặc biệt là ở nước ngoài, vì với AI, thị trường nước ngoài thường đi trước một chút. Vì thế anh muốn làm một ứng dụng cho phép anh phân tích đối thủ trên YouTube, để biết video nào đang thắng trong mảng của mình và tại sao (theo video đăng ngày 14/10/2026).

Prompt anh dùng được mở trên màn hình. Đoạn đầu mô tả mục tiêu:

Mình làm 1 kênh YouTube tiếng Việt về Claude và AI cho người đi làm: chủ doanh nghiệp và quản lý muốn tự dùng AI để tự động hoá công việc, không cần biết code. Mình muốn 1 app phân tích đối thủ trên YouTube, để biết video nào đang thắng trong mảng của mình và vì sao, thay vì ngồi lướt YouTube hàng giờ.

Tiếp theo là dòng "Các kênh tham khảo (kênh tiếng Anh, vì mảng này ở tiếng Anh đi trước):" và một danh sách chín kênh YouTube tiếng Anh. Anh giải thích đây là danh sách những kênh ở thị trường nước ngoài mà anh muốn tham khảo.

Phần còn lại của prompt chia việc làm hai bước. Bước đầu tiên, anh muốn AI tạo ra một sơ đồ thành phần, một bản kế hoạch để anh có thể nhìn vào một cách trực quan, đánh giá được dữ liệu đi từ đâu, qua những bước xử lý nào, chỗ nào có thể khó. Sau khi anh đã duyệt kế hoạch, anh muốn AI lấy dữ liệu thật hằng ngày để đưa ra một báo cáo ngắn gọn và hiệu quả: với những video trong mảng AI đang perform tốt, đang nhiều người xem và quan tâm, thì thumbnail có bố cục ra sao, chữ trên ảnh là gì, khuôn mặt và cảm xúc thế nào, thứ gây tò mò là gì; tiêu đề theo công thức nào, độ dài, cảm xúc chính, và những câu hỏi khiến người xem phải bấm vào để có câu trả lời; và cuối cùng là phần hook 30 giây đầu thường được bố trí và thể hiện thế nào để gây tò mò và khiến người xem tiếp tục xem (theo video đăng ngày 14/10/2026). Nguyên văn trên màn hình:

YouTube Data API key nằm trong file .env (YOUTUBE_API_KEY). Ngoài key này không có API key nào khác.

BƯỚC 1, TRƯỚC KHI VIẾT CODE: tạo file docs/so-do-thanh-phan.html: 1 sơ đồ trực quan (mở được bằng trình duyệt) cho thấy dữ liệu đi từ đâu, qua những bước xử lý nào, các màn hình của app, và các component chính trong từng màn hình. Ghi rõ những chỗ khó (ví dụ cách lấy lời 30 giây đầu của video) và bạn định xử lý thế nào. Xong thì DỪNG LẠI, tóm tắt kế hoạch trong vài dòng, và chờ mình duyệt.

BƯỚC 2, SAU KHI MÌNH DUYỆT: xây app với những phần sau.

1. Lấy dữ liệu thật: video dài (không lấy Shorts) của các kênh trên trong 90 ngày gần nhất: tiêu đề, thumbnail, lượt xem, ngày đăng, thời lượng. Tính trung vị lượt xem của mỗi kênh, và điểm outlier của mỗi video = lượt xem / trung vị kênh. Có 1 lệnh để lấy lại dữ liệu mới.
2. Phân tích từng video theo 3 phần, do chính bạn phân tích và lưu lại để app hiển thị:
   - Thumbnail: bố cục, chữ trên ảnh (bao nhiêu chữ, nói gì), khuôn mặt và cảm xúc, màu, và thứ gây tò mò.
   - Tiêu đề: công thức (ví dụ "Tôi đã làm X và đây là kết quả", "N cách để..."), độ dài, cảm xúc chính (tò mò, mong muốn, hay sợ bỏ lỡ), và câu hỏi người xem phải bấm vào mới có câu trả lời.
   - Hook, 30 giây đầu: lời nói (từ phụ đề nếu có), kiểu mở đầu, và video có nói rõ lời hứa, bằng chứng và kế hoạch không. Nếu không lấy được lời của video nào thì ghi rõ lý do, không được đoán.
   Thumbnail, tiêu đề và hook có cùng nói 1 lời hứa không? Chấm điểm sức mạnh của từng phần.
3. Tổng quan: các kênh, video mới nhất, chủ đề nào đang kéo lượt xem, và 5 pattern quan trọng nhất rút ra được, mỗi pattern có ví dụ cụ thể và số liệu đi kèm.
4. Bảng video: lọc theo kênh, chủ đề và khoảng thời gian; sắp xếp theo điểm outlier hoặc điểm hook. Bấm vào 1 video để xem toàn bộ phân tích, so với trung vị của kênh đó, và mức độ tin cậy (ví dụ 1 pattern chỉ dựa trên 2 video thì phải nói rõ).

Khi cuộn tiếp, màn hình còn cho thấy mục 5 về phần gợi ý cho kênh: 3 ý tưởng video dựa trên những gì đang thắng, mỗi ý tưởng có 3 phương án tiêu đề tiếng Việt, 1 concept thumbnail mô tả bằng chữ và 1 kịch bản hook 30 giây bằng tiếng Việt, kèm điểm cho từng ý tưởng và 2 phương án để A/B test; tiếng Việt phải tự nhiên, xưng "mình / bạn", không dịch word-by-word từ tiếng Anh. Mục 6 bắt đầu bằng yêu cầu giao diện: tiếng Việt, dễ đọc, không bị ngợp chữ, dùng tốt trên điện thoại, rồi tới bảng màu (màn hình trong video đăng ngày 14/10/2026).

Anh đánh giá đây là một yêu cầu xây app tương đối phức tạp, đủ để đánh giá chính xác model nào của OpenAI hay của Anthropic perform tốt hơn, từ khâu lên kế hoạch cho đến khâu thực thi và kết quả cuối cùng. Anh đưa đúng prompt này cho hai model mà theo anh là xịn nhất của OpenAI và Anthropic lúc đó. Bên OpenAI là GPT-6 Astra, để chế độ Effort là Extra High; ô chọn model trên màn hình ghi "GPT-6 Astra Extra High". Bên Anthropic là Opus 5.5, chế độ Thinking Effort cũng để Extra; màn hình ghi "Opus 5.5 · Extra". Anh thấy đây là một phép thử tương đối công bằng (demo trong video đăng ngày 14/10/2026).

10. So sánh hai bản kế hoạch

Đầu tiên anh xem bản kế hoạch, sơ đồ thực hiện. Bản sáng màu, nền trắng là của ChatGPT; bản màu sẫm là của Claude. Nhìn qua, anh thấy cả hai đều tương đối ổn. Nhưng có một điểm anh thích hơn ở Claude: Claude đưa ra nhiều chi tiết hơn (demo trong video đăng ngày 14/10/2026).

Ví dụ ở phần mô tả dữ liệu đi từ đâu đến đâu, bản của Claude mô tả rất rõ nguồn ở đâu, lấy về xong sẽ xử lý thế nào, tính toán ra sao. Nó còn highlight luôn những chỗ khó, đúng như trong prompt anh đã dặn, và khi anh click vào một chỗ khó, trang nhảy xuống đúng phần giải thích chỗ khó đó, rất chi tiết (demo trong video đăng ngày 14/10/2026). Trên màn hình, trang "Sơ đồ thành phần" của Claude mở đầu bằng năm ô số liệu, ghi rõ là dữ liệu thật kiểm tra ngày 13/10/2026 bằng API key trong .env: 9/9 kênh tìm được, 230 video dài trong 90 ngày (đã bỏ Shorts), 40 video đạt từ 3 lần trung vị kênh trở lên, 0/230 video có phụ đề do người làm, và khoảng 30 đơn vị quota mỗi lần lấy dữ liệu trên hạn mức 10.000/ngày. Mục "Dữ liệu đi từ đâu đến đâu" là năm cột Nguồn, Lấy về, Tính toán, Phân tích, App; ô phân tích có viền riêng là phần "Claude phân tích, lưu thành file", và các nhãn "Chỗ khó" bấm vào được.

Bản của ChatGPT, theo anh, hơi sơ sài một chút. Nó đơn giản hơn, cũng dễ đọc hơn. Nhưng mục đích của việc làm kế hoạch là anh muốn nhìn vào chi tiết: thứ nhất là để tự học, thứ hai là để xem trong kế hoạch xây một ứng dụng phức tạp như vậy có vấn đề gì anh cần góp ý, cần định hướng cho AI không. Khi kế hoạch không đủ chi tiết, anh khó đưa ra định hướng, khó đưa feedback cho AI hơn. Và khi không đưa được feedback, kết quả cuối cùng có thể khó được như kỳ vọng (nhận định trong video đăng ngày 14/10/2026).

Còn bản của Claude đưa ra thông tin rất cụ thể, chi tiết. Nó giải thích các loại màn hình khác nhau và các phần chính; thậm chí còn visualize, vẽ trực quan luôn phần tổng quan video trông như thế nào và lấy dữ liệu ở đâu, bảng video, mặt thẻ video thể hiện thông tin từ YouTube ra sao và lấy như thế nào, chi tiết video, gợi ý cho kênh, mỗi video sẽ được phân tích theo những yếu tố nào và chấm điểm ra sao, tất cả rất rõ ràng (demo trong video đăng ngày 14/10/2026).

Khi đọc kế hoạch này, anh có thể đưa ra quan điểm của mình, chẳng hạn có đồng ý với cách chấm điểm đó không. Và khi anh đưa feedback kỹ, định hướng kỹ, nó sẽ làm giống như anh mong muốn hơn. Bản kế hoạch cũng nói rất rõ những chỗ khó cần xử lý, vấn đề cụ thể là gì, nó muốn xử lý thế nào, và khi không làm được theo cách đó thì phương án dự phòng ra sao, rất chi tiết. Trên màn hình, mục "4. Những chỗ khó và cách xử lý" chia mỗi chỗ khó thành ba cột Vấn đề, Cách xử lý và Khi không lấy được; chỗ khó số 1 là lấy lời 30 giây đầu của video, chỗ khó số 2 là tách video dài khỏi Shorts (demo trong video đăng ngày 14/10/2026).

Theo anh, review được một kế hoạch kỹ như vậy giúp anh tìm ra những điểm chưa ổn và định hướng AI trước khi nó bắt đầu xây dựng. Vì khi đã bắt đầu xây thì sẽ tốn thời gian và tốn token, và nếu xây xong mà cần sửa nhiều thì lại tốn thêm thời gian và token nữa. Ở phần này anh đánh giá Opus 5.5 làm tốt hơn GPT-6 Astra trong thí nghiệm của anh (demo trong video đăng ngày 14/10/2026). Trên màn hình còn có mục "5. Công nghệ và lệnh chạy" của Claude: app chỉ dùng Node, không thêm thư viện, các lệnh npm start, npm run fetch, npm run status, và một cây thư mục với scripts/, data/, public/, docs/.

Anh cũng không góp ý gì vào kế hoạch của Claude hay của ChatGPT. Anh để mỗi bên lập kế hoạch thế nào thì chạy theo như vậy, để đánh giá kết quả cuối cùng (demo trong video đăng ngày 14/10/2026).

11. App do ChatGPT xây

Tiếp theo là kết quả cuối cùng. Bản ChatGPT xây theo kế hoạch vừa rồi là bản màu sáng. Ở phần tổng quan, app cho biết các video dài trong những kênh anh liệt kê đã được phân tích là 249 video. Màn hình ghi 67 video vượt mặt bằng từ 2 lần trở lên, tức là những video có số view vượt ngưỡng trung bình của kênh đó, những video viral (demo trong video đăng ngày 14/10/2026). Trang tổng quan mang tiêu đề lớn "Bớt lướt. Thấy điều đáng làm.", với các ô "Video dài trong mẫu 249", "Vượt mặt bằng ≥ 2× 67 video", "Đã đọc ảnh & tiêu đề 249/249" và "Hook có phân tích 0/249".

Sau đó app highlight một số video có mức độ overperform, mức độ viral cao, và cho thấy người xem đã chọn xem những chủ đề gì. Nhìn qua, anh thấy cũng rất ổn và đúng yêu cầu. Nhưng anh nói lát nữa khi nhìn sang phiên bản của Claude, ta sẽ thấy sự khác biệt (demo trong video đăng ngày 14/10/2026).

Đi tiếp, mục khám phá video là danh sách video của các kênh anh quan tâm. App liệt kê hết ở đây, có ô tìm kiếm, có bộ lọc, và đang sắp xếp theo outlier, tức mức độ viral của video. Trên màn hình là trang "Video nào đang vượt mặt bằng?" với các bộ lọc Kênh, Chủ đề, Thời gian, Phù hợp kênh Việt, Sắp xếp "Outlier: cao → thấp", và dòng "249 video" (demo trong video đăng ngày 14/10/2026).

Sau đó app đưa ra ý tưởng: ba ý tưởng, "Giao Claude làm báo cáo tuần", "Một việc, hai cách dùng Claude" và "Dùng AI với tài liệu công ty". Anh đánh giá các ý tưởng này cũng tạm được. Nhưng cái thiếu, cũng tương tự như ở phần kế hoạch, là chi tiết: lý do, reasoning, vì sao nó recommend các ý tưởng này, và các chi tiết nên thực thi thế nào. Có một chút ở đây, nhưng còn hơi nông, hơi "surface level" (demo trong video đăng ngày 14/10/2026). Cuối cùng là mục dữ liệu và cập nhật.

Nói chung, với "one shot", tức là chỉ một prompt, anh đánh giá đây rõ ràng là một kết quả tốt (demo trong video đăng ngày 14/10/2026).

12. App do Claude xây: 5 pattern và phân tích từng video

Nhưng khi chuyển sang phiên bản của Claude, anh thấy nó có nhiều chi tiết hơn, rất nhiều. Điều đầu tiên anh thích là nó chỉ ra luôn 5 pattern quan trọng nhất (demo trong video đăng ngày 14/10/2026).

Về mặt UI, UX, anh nói thậm chí bạn có thể cho rằng phiên bản của OpenAI nhìn gọn hơn, tinh gọn hơn. Nhưng mục đích của ứng dụng này là anh muốn có đầy đủ chi tiết, đầy đủ dữ liệu để quyết định làm video gì. Và ngay từ đầu, Claude đã chỉ ra cho anh 5 pattern quan trọng nhất (nhận định trong video đăng ngày 14/10/2026).

Pattern đầu tiên là tiêu đề đánh vào nỗi sợ tụt hậu. Anh thấy rất đúng: những video nói về nỗi sợ tụt hậu trong AI, nỗi sợ FOMO, thường perform tốt gấp đôi các video còn lại. Pattern thứ hai là chủ đề danh sách skill, repo, công cụ nên cài, cũng có khả năng viral gấp hơn 2 lần. Trên màn hình, pattern 1 ghi trung vị 2,1x so với 1,0x của phần còn lại, và 10/29 video kiểu này đạt từ 3x trở lên so với 15% ở nhóm còn lại; pattern 2 ghi trung vị 2,3x, cao nhất trong 10 chủ đề (demo trong video đăng ngày 14/10/2026).

Ở mỗi pattern, app đưa ra luôn một số ví dụ. Khi anh bấm vào một video, anh thấy nó phân tích rất chi tiết: video này bao nhiêu lượt xem, trung bình kênh bao nhiêu, mức độ overperform so với trung bình kênh thế nào, rồi đến các phân tích dữ liệu được vẽ rất trực quan để thấy rõ (demo trong video đăng ngày 14/10/2026). Video anh mở là một video có tiêu đề "Everything You Know About Skills IS OUTDATED", kèm biểu đồ chấm "So với các video khác của kênh".

Nó phân tích rõ hơn: thumbnail này được chấm 8 trên 10 điểm, và giải thích vì sao. Bố cục "mặt + chữ"; chữ hai dòng ở góc trên trái; mũi tên chỉ xuống một thư mục vàng ghi "Skill.md"; một người đang nói chuyện. Anh nói vậy là nó hiểu đúng hình ảnh này. Phần thứ gây tò mò được phân tích là: luật nào đã đổi với file Skill.md mà mình đang dùng? Và lời hứa ở đây là khi người xem bấm vào, họ mong có được thông tin làm skill bây giờ có luật mới như thế nào để hiệu quả (demo trong video đăng ngày 14/10/2026).

Về tiêu đề, công thức ở đây là "tuyên bố mạnh": "Mọi thứ bạn biết về [X] đã LỖI THỜI". Rồi đến độ dài, và cảm xúc chính là sợ bị bỏ lỡ. Anh giải thích thêm: khi xem YouTube, nhiều khi mình bấm vào một thumbnail là vì một cảm xúc rất mạnh nào đó mà mình resonate được, và ở thumbnail này app phân tích cảm xúc đó là sợ bỏ lỡ. Tiếp đến là "câu hỏi phải bấm mới biết": người xem thường có câu hỏi gì sau khi nhìn thumbnail, khiến họ bấm vào để xem (demo trong video đăng ngày 14/10/2026).

Sau đó app đánh giá luôn phần hook 30 giây của video: 30 giây đầu nói gì và có hiệu quả hay không. Rồi nó kiểm tra thumbnail, tiêu đề và hook có cùng một lời hứa không. Anh giải thích: thumbnail là hình ảnh bạn nhìn thấy, tiêu đề là tên video, còn hook là những giây đầu tiên của video; ba thứ này có một "through line", một sự đồng nhất trong lời hứa mà video sẽ đem lại cho người xem hay không. Màn hình đặt câu hỏi "Thumbnail, tiêu đề và hook có cùng một lời hứa không?" và chấm 8/10 kèm nhãn "Khớp" (demo trong video đăng ngày 14/10/2026).

Đó mới chỉ là một video, và app làm điều này cho tất cả các video của những kênh anh muốn phân tích. Anh nói đây là những thông tin vô cùng hữu ích trong quá trình anh làm YouTube (nhận định trong video đăng ngày 14/10/2026).

Tiếp tục, app phân tích các pattern tiếp theo, và mỗi pattern đều giải thích rất rõ tại sao nó dễ gây viral, kèm những ví dụ rất cụ thể. Rồi đến mục "Chủ đề nào đang kéo lượt xem": skill, repo, công cụ nên cài, với số lượng video làm về chủ đề này và trải qua bao nhiêu kênh; model mới ra mắt, thử và so sánh. Đây là những ý tưởng, những chủ đề chung mà anh có thể đánh vào. Trên màn hình, thanh dài nhất là "Skill, repo, công cụ nên cài" (14 video, 7 kênh) với 2,3x, tiếp theo là "Model mới: ra mắt, thử, so sánh" (39 video, 9 kênh) với 1,8x và "Kiếm tiền với AI" với 1,1x; các chủ đề còn lại từ 1,0x trở xuống (demo trong video đăng ngày 14/10/2026).

Sau đó là các video mới nhất từ các creator anh quan tâm, với những video đang overperform kênh nhiều được highlight màu xanh. Tiếp theo là danh sách video, tương tự như ở phiên bản của ChatGPT (demo trong video đăng ngày 14/10/2026).

13. Gợi ý ý tưởng video, và điều phép thử cho thấy

Phần anh quan tâm hơn là phần gợi ý, tức là app gợi ý video nào anh nên làm. Ý tưởng 1: "Bạn đang dùng Claude kiểu năm ngoái". Nó đánh vào nỗi sợ FOMO, nỗi sợ tụt hậu của pattern 1, cộng với uy tín của Anthropic. App ghi rằng trong 90 ngày qua có 3 kênh khác nhau cùng thắng lớn với góc này, và chỉ ra đó là kênh nào (demo trong video đăng ngày 14/10/2026).

App đưa ra 3 phương án tiêu đề rất chi tiết cho video này. Trên màn hình là "Bạn đang dùng Claude sai: 7 thói quen đã lỗi thời", "Anthropic vừa đổi cách dùng Claude. Đa số vẫn làm kiểu cũ" và "Đừng prompt Claude như năm ngoái nữa". Rồi đến thumbnail: bố cục so sánh hai bên. Bên trái là một khung chat có prompt dài kiểu cũ bị gạch chéo, bên phải là một prompt ngắn có dấu tích; màn hình ghi thêm chữ trên ảnh là "ĐỪNG VIẾT THẾ NÀY" (demo trong video đăng ngày 14/10/2026).

Anh nói với ứng dụng này, anh thậm chí có thể đi xa hơn một bước: bảo nó code luôn tính năng thử generate một concept thumbnail mẫu để anh review. Nhưng đây là phiên bản đầu tiên, anh chưa yêu cầu điều đó nên nó chưa làm (theo video đăng ngày 14/10/2026).

Rồi đến kịch bản hook 30 giây, những giây đầu tiên: từ giây 0 đến giây 4 nói gì, từ giây 4 đến 14 nói gì, từ giây 14 đến 25 nói gì, từ giây 25 đến 30 nói gì. Rất chi tiết. Câu mở đầu trên màn hình, cho đoạn 0 đến 4 giây, là: "Nếu bạn vẫn mở đầu prompt bằng câu 'Bạn là chuyên gia 20 năm kinh nghiệm', có thể bạn đang làm Claude trả lời tệ đi." Anh nói anh rất thích ứng dụng này, thực sự là như vậy (demo trong video đăng ngày 14/10/2026).

Ý tưởng 2 cũng có các chi tiết như vậy, kèm các video ví dụ làm bằng chứng, có thể mở trên YouTube luôn nếu muốn, rất tiện. Anh bảo hãy nhìn vào mức độ chi tiết mà Claude đã làm được trong ứng dụng này (demo trong video đăng ngày 14/10/2026).

Trong khi đó, nếu quay lại phiên bản của ChatGPT, ta thấy ý tưởng 1, ý tưởng 2, ý tưởng 3 cũng có một chút chi tiết, nhưng thực sự không quá trực quan, và quan trọng hơn là không đủ chi tiết với anh. Muốn nó chi tiết hơn, anh sẽ phải quay lại và prompt nó rất nhiều để đạt được mức chi tiết như Claude (demo trong video đăng ngày 14/10/2026).

Đây chính là điều anh muốn nói khi bảo rằng Claude, thứ nhất, tự động hiểu được ý của anh tốt hơn, tự động đưa ra những tính năng, những chi tiết để đạt được mục tiêu anh giao. Và thứ hai là cái "gu" trong design của nó: anh đánh giá rất trực quan, rất dễ nhìn, đủ chi tiết và đẹp. App của Claude cũng làm cả hai chế độ sáng và tối, và thực ra ChatGPT cũng vậy; trên màn hình, app của Claude có nút "Sáng", app của ChatGPT có nút "Chế độ tối" (demo trong video đăng ngày 14/10/2026).

Đây là ý anh khi nói rằng giữa ChatGPT và Claude, khi dùng Claude anh thấy nó hữu ích hơn cho công việc của mình rất nhiều. Nhất là những công việc càng phức tạp thì Claude lại càng làm tốt hơn, và khoảng cách so với ChatGPT lại càng xa hơn (theo Nhật Anh, video đăng ngày 14/10/2026).

14. Người dùng bình chọn, và vì sao model chỉ là một nửa

Theo anh, trải nghiệm và cảm nhận cá nhân này cũng khớp với cả những người dùng khác trên thế giới. Anh lấy ví dụ WebDev Arena, nơi người dùng bình chọn ẩn danh giữa hai kết quả. Tính đến lúc quay video (đăng ngày 14/10/2026), Opus 5.5, cũng chính là model anh vừa dùng, đang đứng đầu bảng tổng sắp. Và từ tháng 7 năm 2026 đến lúc đó, 4 model của Anthropic liên tục xếp hạng nhất.

Ở hạng mục fullstack thì GPT-6 Astra, cũng là model anh vừa dùng, cũng đang được đánh giá cao; slide của anh ghi GPT-6 Astra đứng #1 ở tab "Fullstack". Nhưng như ví dụ vừa rồi và theo trải nghiệm thực tế của mình, anh vẫn thích Opus 5.5 hơn (theo Nhật Anh, video đăng ngày 14/10/2026).

Tuy vậy, anh nói có một điều rất quan trọng chúng ta cần biết về hiệu quả khi một AI agent làm công việc của chúng ta: model thực ra chỉ là một nửa. Phần harness, hay phần khung, cũng đóng vai trò rất quan trọng. Nếu model AI, LLM, là động cơ, thì harness chính là chiếc xe. Cả hai phải tốt thì chúng ta mới có một chiếc xe tốt để đi lại hằng ngày (theo Nhật Anh, video đăng ngày 14/10/2026).

Harness, theo cách anh giải thích, là phần khung bao quanh model AI, giống như thân xe, hộp số, bánh xe và vô lăng bao quanh động cơ. Nó quyết định model, tức là động cơ, được sử dụng như thế nào. Thử tưởng tượng bạn lắp một động cơ V8 thật xịn vào một chiếc xe cũ: nó vẫn chạy khá nhanh. Ngược lại, một chiếc xe đời mới với động cơ bình thường cũng chạy được nhanh. Nhưng cả hai chiếc này đều không thể so được với một chiếc xe đời mới lắp động cơ xịn nhất. AI cũng vậy: model mạnh phải đi cùng một harness tốt thì mới phát huy hết được sự thông minh, hết được tiềm năng của nó (nhận định trong video đăng ngày 14/10/2026).

15. Harness gồm hai phần: hướng dẫn và tính năng

Anh chia harness thành hai phần. Phần thứ nhất là phần hướng dẫn, chính là system prompt: bản hướng dẫn mà model AI đọc trước mỗi cuộc hội thoại. Bạn sẽ không nhìn thấy nó, nhưng model luôn đọc system prompt này ở phía dưới. Đi kèm là mô tả cho từng công cụ mà model có. Đây là chỗ chúng ta dặn model cách làm việc: khi nào thì lên kế hoạch trước, khi nào nên hỏi lại, dùng công cụ nào cho việc nào, làm xong thì tự kiểm tra ra sao, và nên trả lời ngắn hay dài trong bối cảnh nào (theo Nhật Anh, video đăng ngày 14/10/2026).

Slide minh hoạ phần này bằng một khung "system prompt (minh hoạ)", gắn nhãn "ẩn, nhưng model luôn đọc", cạnh hình một chiếc xe có nhãn "model", "hướng dẫn" và "tính năng" (video đăng ngày 14/10/2026). Nội dung trong khung:

Đọc kỹ yêu cầu trước khi bắt tay vào làm.
Giữ giọng văn rõ ràng, thân thiện.
Không đoán khi chưa chắc chắn.

# Công cụ
read_file: đọc nội dung 1 file.
run_code: chạy code, trả về kết quả.
web_search: tìm thông tin trên web.

Phần thứ hai là phần tính năng: những gì model được phép làm, được phép đưa vào "bàn làm việc" của nó. Ví dụ đọc và sửa file, chạy code, kết nối với các app khác, ghi nhớ, dùng skill khi cần, và chia việc cho các subagent (theo Nhật Anh, video đăng ngày 14/10/2026).

Harness ảnh hưởng đến kết quả nhiều hơn bạn nghĩ rất nhiều. Cùng một model, chỉ cần một harness khác tốt hơn thôi, điểm trên các bài test lập trình đã có thể chênh nhau tới 5 điểm, theo một nghiên cứu mà anh nhắc tới nhưng không nêu tên (video đăng ngày 14/10/2026).

Ở phần harness này, anh thấy Claude có nhiều thứ hữu ích hơn cho công việc chuyên môn (nhận định trong video đăng ngày 14/10/2026). Đầu tiên là khả năng tự làm việc nhiều bước trên file và các công cụ trên máy, trong Claude Code cũng như Claude Cowork; anh nói trước đây là Claude Cowork, đến lúc quay video thì đã gộp vào Claude chat. Rồi các skill, các hook, các subagent, các connector, project, và nhiều thứ khác; việc chạy theo lịch; kể cả các artifact như Docs, Slides, Dashboards nằm ngay bên trong Claude.

Nhưng anh cũng nói dần dần, dù ChatGPT có đi sau đi nữa, OpenAI cũng có thể xây những tính năng này, xây những harness tốt như vậy, tương tự Claude Code (nhận định trong video đăng ngày 14/10/2026).

16. Hiệu năng sử dụng: cùng một gói, làm được bao nhiêu việc

Một khác biệt quan trọng nữa mà anh thấy qua quá trình dùng ChatGPT và Claude là hiệu năng sử dụng. Thoạt nhìn vào các gói của Claude hay ChatGPT, ta thấy giá như nhau. Nhưng trong thực tế sử dụng, anh không cảm thấy giống nhau như thế (theo Nhật Anh, video đăng ngày 14/10/2026).

Anh quay lại ví dụ chiếc xe. Số việc bạn làm được mỗi tháng phụ thuộc vào hai thứ. Thứ nhất là bình xăng to cỡ nào, tức là gói cước cho bạn dùng được bao nhiêu. Thứ hai, ít được nói đến hơn, là mức độ hao xăng của xe, tức là mỗi việc bạn làm tốn bao nhiêu xăng. Khi model hiểu ý nhanh hơn, ta ít phải làm lại. Và khi một model tốt đi kèm một harness tốt, nó không tốn nhiều công làm đi làm lại. Vì thế cùng một gói 20 đô, có bên làm được 10 việc, có bên làm được tới 50 việc. Slide của anh ghi rõ đây là "ví dụ minh hoạ" (video đăng ngày 14/10/2026).

Từ trải nghiệm dùng song song gói 100 đô của cả ChatGPT và Claude trong tháng quay video, anh thấy đúng là Claude cho anh làm được nhiều việc hơn thật. Anh nói rõ anh không đo chính xác mức chênh lệch này là bao nhiêu (theo Nhật Anh, video đăng ngày 14/10/2026).

Nhưng SemiAnalysis, theo lời anh là một công ty phân tích ngành chip và AI, vừa thử các gói 200 đô của ChatGPT và Claude. Họ thấy khi dùng gói Claude Max 200 đô cho Opus 5.5, lượng sử dụng tương đương khoảng 11.700 đô: nếu bạn dùng hết ga, thả ga, bạn sẽ dùng được giá trị khoảng 11.700 đô tiền API mỗi tháng. Ngược lại, với ChatGPT Pro, cũng là gói 200 đô, khi dùng hết ga cho GPT-6 Astra thì chỉ được khoảng 5.700 đô. Tức là chênh nhau gấp đôi (các con số Nhật Anh dẫn từ SemiAnalysis trong video đăng ngày 14/10/2026). Slide của anh ghi nguồn là "báo cáo 5/10"; bài của SemiAnalysis mang tiêu đề "Anthropic Subscriptions Offer 5x+ More Value Than OpenAI", đăng ngày 05/10/2026 (đọc ngày 26/10/2026).

Và cuối tháng 9 năm 2026, theo Nhật Anh, OpenAI lại công bố giảm hạn mức của gói 200 đô này xuống còn một nửa. Vậy nên trên thực tế, theo anh, mức chênh lệch lúc quay video không chỉ là 2 lần mà là 4 lần (video đăng ngày 14/10/2026).

17. Khi nào vẫn nên dùng ChatGPT

Khi Claude đã vượt trội hơn ChatGPT ở nhiều điểm như vậy, theo đánh giá của anh trong video đăng ngày 14/10/2026, liệu có trường hợp nào bạn vẫn nên dùng ChatGPT thay vì Claude không? Anh đưa ra ba trường hợp.

Trường hợp thứ nhất: nếu công ty bạn đang dùng ChatGPT và bạn không có lựa chọn nào khác, thì cứ tiếp tục dùng ChatGPT thôi, và dùng nó thật tốt (theo Nhật Anh, video đăng ngày 14/10/2026).

Trường hợp thứ hai: nếu bạn cần tạo hình ảnh. Tính đến lúc quay video (đăng ngày 14/10/2026), Claude không có model tạo hình ảnh riêng; nó chỉ hiểu được hình ảnh chứ không tạo được ảnh. Slide của anh ghi nguồn cho ý này là "FAQ của Anthropic". Còn model tạo hình ảnh của OpenAI, theo anh, là một trong những model tạo hình ảnh tốt nhất, đẹp nhất trên thế giới lúc đó. Bản thân anh cũng dùng model này, kể cả khi không có subscription ChatGPT: anh dùng qua API để tạo hình ảnh, rồi đưa cho Claude Code xử lý tiếp.

Trường hợp thứ ba, nếu bạn nâng cao hơn một chút và muốn dùng harness bên thứ ba, ví dụ Hermes Agent hay OpenClaw: tính đến lúc quay video (đăng ngày 14/10/2026), OpenAI cho phép bạn đăng nhập và dùng gói subscription ChatGPT một cách rõ ràng và đơn giản. Khác biệt giữa subscription và API, theo cách anh giải thích nôm na, là khi dùng qua subscription thì bạn dùng được nhiều hơn và rẻ hơn.

Còn chính sách của Anthropic với các harness bên thứ ba, những harness không thuộc hệ sinh thái của Anthropic, thì theo anh thực sự không rõ ràng. Anh kể trong năm 2026 Anthropic đã đổi chính sách tới 3 lần: đầu tiên, tháng 4 thì cấm luôn; sau đó nhiều người phàn nàn quá nên tháng 5 họ mở lại, nhưng chỉ mở một phần, có điều kiện; rồi tháng 6 họ lại hoãn luôn thay đổi này. Đến lúc quay video, nhiều người bảo là có thể dùng được subscription Claude trong harness bên thứ ba, nhưng thực tế kết quả cũng không ổn định. Cho nên nếu bạn rơi vào trường hợp này, bạn có thể dùng ChatGPT (theo Nhật Anh, video đăng ngày 14/10/2026).

Còn nếu không rơi vào ba trường hợp trên, Nhật Anh khuyên bạn nên chuyển sang dùng Claude và Claude Code của Anthropic (lời khuyên trong video đăng ngày 14/10/2026).