# Model Routing

Topic · 39 talks. Chọn đúng model cho từng task: evaluation, cost per task, AI gateway, traffic split và smart routing.

Canonical: https://homus.dev/topics/model-routing

- [Jev giúp Claude Code nhanh và rẻ hơn thế nào](https://homus.dev/talks/jev-will-10x-your-claude-code-heres-how.md): Jay Enriquez, Jay E | RoboNuggets. Jev, System 1 model chỉ trả lời đúng/sai, chọn mục hoặc chấm điểm, ghép với Claude để chọn model, chọn skill, phân loại hàng loạt và tìm ảnh theo nghĩa.
- [Tăng tốc coding agent với Jev và Google Antigravity](https://homus.dev/talks/make-your-coding-agents-way-faster-jev-google-antigravity.md): Smitha Kolan, Smitha Kolan - Machine Learning Engineer. Jev trả quyết định có kiểu (Choice, Score, Noul) trong khoảng 50 ms cho agent loop; cài TypeSafe skill vào Antigravity và dựng model router Gemini.
- [Theo dùng Opus 5.5 một ngày: rẻ hơn, viết dễ đọc, vẫn có tật](https://homus.dev/talks/my-new-favorite-model.md): Theo Browne, Theo - t3․gg. Theo dùng Opus 5.5 trọn một ngày: giá và benchmark, token efficiency, vì sao tránh mức max, quota thực tế, front-end, demo 3D và tật sợ hết context.
- [Opus 5.5, GPT-6 Sol và Luna qua ba bài test sáng tạo](https://homus.dev/talks/opus-5-5-gpt-6-sol-luna-tested-on-creative-ideas.md): MattVidPro, MattVidPro. Ba brief sáng tạo giống nhau cho Opus 5.5, GPT-6 Sol và Luna: animation Blender về nguyên tử, game đấu boss chanh và cam, băng VHS trên TV CRT, kèm giá.
- [Satya Nadella về làn sóng phản đối AI và sự trỗi dậy của agent](https://homus.dev/talks/satya-nadella-on-the-ai-backlash-and-the-rise-of-agents.md): Alex Heath & Satya Nadella, Sources Podcast. CEO Microsoft nói về Autopilot dựa trên OpenClaw, cách định giá Copilot, chiến lược nhiều model, an toàn AI, trách nhiệm pháp lý và niềm tin của công chúng.
- [Đọc hiểu tên model AI: số B, đuôi A, chữ Q](https://homus.dev/talks/doc-hieu-ten-model-ai-trong-5-phut-khoa-hoc-local-ai-asus-tuf-gaming-a14-3.md): Thanh Trần, Thanh Trần - 5 Phút AI. Bóc tên model AI ra ba phần (số B, đuôi A, chữ Q) để biết máy có chạy nổi không, kèm số đo thật ba hạng model trong LM Studio.
- [Chọn model AI local theo VRAM: context mới là đồng tiền thật](https://homus.dev/talks/i-tested-every-local-ai-model-so-you-dont-have-to.md): Kai, Kai. Vì sao từ card 12 GB tới 48 GB vẫn là cùng một model, KV cache ăn VRAM ra sao, hai cài đặt miễn phí tăng tốc, và khi nào nên thuê thay vì mua.
- [10 level dùng Jev cho agentic engineer](https://homus.dev/talks/10-levels-of-jev-for-agentic-engineers.md): IndyDevDan, IndyDevDan. 10 level dùng Jev của TypeSafe, từ câu lệnh if thông minh tới guardrail hook, compact và agent tự hỏi Jev về file mà không đọc chúng.
- [GPT-6.1 Sol: câu trả lời của OpenAI cho Opus 5.5](https://homus.dev/talks/openai-fights-back.md): Theo Browne, 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).
- [Microsoft đưa agent OpenClaw vào công ty bạn: năm thói quen để dùng tốt](https://homus.dev/talks/openclaw-was-too-dangerous-to-install-7-months-later-microsoft-is-bringing-it-to-your-company.md): Nate B Jones, AI News & Strategy Daily | Nate B Jones. Theo video đăng ngày 02/10/2026, Copilot Autopilot đưa agent nền OpenClaw vào Outlook, Teams, Excel; Nate nêu năm thói quen để lấy việc thật từ AI công ty cho phép.
- [Tự dựng agentic harness bằng Python thuần, từ chat completion tới harness đầy đủ](https://homus.dev/talks/build-your-own-agentic-harness-in-python-full-tutorial.md): Tim Ruscica, Tech With Tim. Dựng agentic harness bằng Python không framework: gọi LLM, tool calling, agentic loop, MCP server, memory bằng file markdown và chuyển giữa các model.
- [Pi 1.0: Codemode, virtual model routing và Pi Durable](https://homus.dev/talks/pi-2-0-codemode-durable-tools-more-native-via-codemode-custom-model-routing-pi-durable.md): AICodeKing, AICodeKing. Đi qua bản Pi 1.0: MCP native qua Codemode, Jev, virtual model routing, deferred tool, cache warming, theme mới, và Pi Durable cho agent chạy lâu.
- [DeepSeek Harness hay Pi: coding agent miễn phí nào thắng](https://homus.dev/talks/deepseek-harness-vs-pi-which-free-coding-agent-wins.md): Devsplainers, Devsplainers. So Pi 1.0 và DeepSeek Harness qua sáu round: cài đặt, benchmark cùng model, chi phí, model local, tính năng sẵn có, MCP codemode và quyền riêng tư.
- [AI model chạy vượt khỏi một GPU như thế nào](https://homus.dev/talks/how-ai-models-scale-beyond-a-single-gpu-across-llm-workloads.md): Grace Ableidinger, IBM Technology. Distributed inference: data, pipeline, tensor, expert parallelism, tách prefill/decode và cách ghép chúng để phục vụ LLM quá lớn cho một GPU.
- [Jev từ A đến Z: mô hình AI không sinh text](https://homus.dev/talks/jev-tat-tan-tat-tu-a-den-z-ve-mo-hinh-ai-khong-sinh-text.md): Việt Nguyễn, Việt Nguyễn AI. Jev của TypeSafe AI là gì, ba kiểu câu hỏi Noul, Choice, Score, vì sao nhanh và rẻ, con số calibrate, điểm yếu, và demo Python phân loại tin nhắn lừa đảo.
- [Local AI năm 2026: chạy model trên máy của bạn](https://homus.dev/talks/everything-you-know-about-local-ai-is-outdated.md): Madeline Zhang, Maddy Zhang. Vì sao local AI đáng học năm 2026, quantization và bộ nhớ, chạy model với LM Studio hay Ollama, coding agent, fine-tune LoRA, khi nào dùng cloud.
- [Gemini Argon đứng đầu bảng xếp hạng, nhưng chưa qua phép thử quan trọng nhất](https://homus.dev/talks/googles-gemini-argon-is-1-on-a-leaderboard-it-hasnt-passed-the-benchmark-that-matters.md): Nate B Jones, AI News & Strategy Daily | Nate B Jones. Vì sao leaderboard không nói AI nào hữu ích, customer obsession là benchmark mới, và bài học từ Dots, Muse và 26 use case agent của Nate.
- [24 giờ thử Haiku 5.5 cạnh Sonnet và Opus](https://homus.dev/talks/i-spent-24-hours-testing-haiku-5-5-here-are-the-results.md): Nick Saraev, Nick Saraev. Nick Saraev cho Haiku 5.5, Sonnet 5.5 và Opus 5.5 cùng prompt qua mười bài game, web, video, audit, rồi so chất lượng với chi phí và giá token.
- [GPT-6 Astra hay GPT-6.1 Sol: đừng phí usage limit](https://homus.dev/talks/gpt-6-astra-vs-gpt-6-1-sol-stop-wasting-your-usage-limit.md): ByteGrad, ByteGrad. So GPT-6 Astra với GPT-6.1 Sol theo chi phí, thinking effort và benchmark để chọn daily driver và quyết định có bật fast mode, theo video 08/10/2026.
- [Hai update lớn của Grok Bot và việc nên làm ngay](https://homus.dev/talks/grok-bot-just-got-2-massive-upgrades-do-these-things-now.md): Nate Herk, Nate Herk | AI Automation. Model routing tự động và X search miễn phí trong Grok Bot, vì sao nên tách skill, và cách chạy Claude Code, Codex bằng subscription riêng trong Grok Bot.
- [AI có rẻ đi không? Theo đo lại chi phí theo mức trí tuệ](https://homus.dev/talks/i-thought-ai-was-gonna-get-cheaper.md): Theo Browne, Theo - t3․gg. Theo giải thích vì sao hoá đơn AI tăng dù AI đã rẻ đi: giá token, token cho mỗi việc, giá theo mức trí tuệ, và nghịch lý Jevons.
- [Meta bắt kịp Anthropic: Theo dùng thử Muse Wonder Full](https://homus.dev/talks/meta-just-caught-up-with-anthropic.md): Theo Browne, Theo - t3․gg. Theo thử Muse Wonder và Wonder Full của Meta: điểm yếu 3D và UI, orchestration, review code, bench tự làm, token efficiency so với Opus và GPT.
- [Theo thử Gemini 4 Argon: giỏi trượt ván, dở code thật](https://homus.dev/talks/so-ive-been-testing-gemini-4.md): Theo Browne, Theo - t3․gg. Theo thử Gemini 4 Argon: giá thật sau cache, frontend, game 3D, rồi các bài audit code cho thấy tỉ lệ claim sai rất cao so với Opus, Sol và Muse.
- [Chạy Claude Code miễn phí trên chính máy của bạn](https://homus.dev/talks/unlimited-claude-code-for-free-runs-on-your-computer.md): Sharbel Ayyoub, Sharbel A.. Giữ Claude Code, thay model trả phí bằng model local qua Ollama: chọn model theo RAM, ollama launch claude, test thật, rồi so với FreeLLMAPI và OpenCode.
- [Jev, LLM, BERT và XGBoost cùng giải một bài toán phân loại ngân hàng](https://homus.dev/talks/i-made-jev-llms-bert-xgboost-solve-the-same-problem-raw-results.md): Maryam Miradi, Dr. Maryam Miradi. So Jev, GPT-4.1 nano, MiniLM và XGBoost trên 120 tin nhắn BANKING77: accuracy, Macro-F1, latency, chi phí, cách từng model chạy và khi nào dùng cái nào.
- [Durable agent dùng Pi và Jev tuyển tin: hype, fact hay signal](https://homus.dev/talks/my-jev-pi-durable-agent-curates-news-hype-fact-or-signal.md): IndyDevDan, IndyDevDan. Một proactive news agent dựng trên Pi Durable, chạy cron mỗi phút, dùng Jev gác cổng và chấm mỗi tin theo hype, facts, signal để đi từ in loop ra out loop.
- [Software factory thật ra là gì](https://homus.dev/talks/what-a-software-factory-actually-is.md): Zach Lloyd, Warp. Zach Lloyd giải thích cloud software factory: hạ tầng mở định nghĩa bằng code, factory engineering, scoring, self-improvement và benchmark trên việc thật.
- [Dựng trạm AI local chạy offline cho cả nhà và văn phòng](https://homus.dev/talks/ai-local-cho-ca-nha-van-phong-khong-can-mang-dung-tram-ai-rieng-chay-ngay-tren-may-minh.md): Thanh Trần, Thanh Trần - 5 Phút AI. Chạy AI offline trên máy riêng với LM Studio, Whisper và Open WebUI: chọn model theo bộ nhớ card, đọc tài liệu riêng, nhiều người dùng chung.
- [Mac Mini có thay được gói AI 200 đô mỗi tháng?](https://homus.dev/talks/can-a-899-mac-mini-replace-your-200-ai-subscription.md): Sharbel Ayyoub, Sharbel A.. Test model local qwen3.5:9b trên Mac Mini 16 GB so với Claude: memory, tốc độ, prefill, chi phí, và khi nào nên dùng brain local hay trả phí.
- [GPT-6.1 Terra và Claude Opus 5.5 với cùng một prompt](https://homus.dev/talks/gpt-6-1-terra-vs-claude-5-5-same-prompt-not-even-close.md): MattVidPro, MattVidPro. Một prompt RX-7 có động cơ Wankel chạy được giao cho Terra Light, Terra High, Sol Medium và Opus 5.5, rồi bảng giá, benchmark và ba kết quả toán của OpenAI.
- [Các tầng delegation model trong Hermes Agent](https://homus.dev/talks/dont-use-1-model-for-everything-hermes-agent-advanced-delegation.md): Callum Lootsma, Wanderloots. Cách route model trong Hermes Agent: auxiliary models, model routes fast/balanced/deep với Advanced Delegation plugin, profile routes và Kanban.
- [Agent 100 tool là một cái bẫy: scale bằng semantic router và JIT context](https://homus.dev/talks/the-100-tool-agent-is-a-trap-scaling-with-semantic-routers-and-jit-context.md): Sohail Shaikh & Ankush Rastogi, Prosodica. Nạp mọi tool vào prompt làm accuracy rơi từ 78% xuống 13% ở 741 tool; semantic routing (RAG cho tool) với JIT context giữ trên 83% và cắt 99% token.
- [Nói vào, hình ra: nỗi khổ và niềm vui](https://homus.dev/talks/voice-in-visuals-out-the-agony-and-the-ecstasy.md): Allen Pike, Forestwalk Labs. Vì sao voice-in, visuals-out là UX tốt nhất cho AI, và ba trụ cột giữ phản hồi dưới một giây: model nhanh, inference chu kỳ ngắn, prefix caching ổn định.
- [Kết quả cỡ frontier, chạy ngay trên thiết bị](https://homus.dev/talks/frontier-results-on-device.md): RL Nabors, Arize. Thay lời gọi frontier model bằng SLM chạy local: golden dataset, capability eval với Phoenix, chọn SAGE model, prompt few-shot và post-processing.
- [Tương lai thuộc về domain-specific agent](https://homus.dev/talks/the-future-is-domain-specific-agents.md): Justin Schroeder, StandardAgents. Composition over inheritance cho agent: thay vì nhồi MCP và skill vào một agent lớn, ghép nhiều agent nhỏ theo domain, tiết kiệm token, dùng được small model.
- [Agent của bạn cần một nút Save](https://homus.dev/talks/your-agents-need-a-save-button.md): Hamza Tahir, ZenML. Checkpoint state của agent trong một durable runtime để replay run production với model hay tool khác, diff kết quả và quyết định trên cả cohort.
- [Thiết kế voice agent cho hội thoại thật](https://homus.dev/talks/designing-voice-agents-for-real-conversations.md): Chintan Agrawal & Daniel Wirjo, AWS. Turn-taking cho voice agent qua ba level: Silero VAD, turn detection trong STT, rồi VAD cộng Smart Turn; kèm latency budget, LLM TTFT và demo Pipecat.
- [Voice agent không cần frontier model](https://homus.dev/talks/your-voice-agent-doesnt-need-a-frontier-model.md): Ornella Bahidika & Joel Allou, Microsoft. Voice tutor Ace chọn model nhỏ vì latency budget khoảng 950 ms: state machine và mastery tracking nằm trong code, model chỉ nói, nhờ đó Haiku 4.5 thay được Opus 4.7.
- [Từ chọn model tới smart routing: dùng đúng LLM cho từng task](https://homus.dev/talks/from-model-selection-to-smart-routing-how-to-use-the-right-llm-for-every-task.md): Viktoria Semaan, Databricks. Chọn LLM theo cost per task chứ không theo benchmark: build eval set với MLflow, govern qua AI gateway với budget và traffic split, rồi để smart routing tự chọn model.

Nguồn: https://homus.dev/topics/model-routing · cập nhật 2026-11-08