Chào bạn, Minh Trung đây! 👋

Nếu phải chọn một câu tóm gọn cả tuần này, thì đây: "AI đang dịch chuyển từ những mô hình to hơn sang bộ khung tốt hơn quanh những mô hình đã có."

Trong khi báo chí vẫn quen đếm xem mô hình nào nhiều tham số hơn, thì tiền thật và công sức kỹ thuật lại đang chảy về một chỗ khác: cách kết nối, điều phối, và kiểm soát các mô hình để chúng làm xong việc. Stripe — công ty thanh toán đứng sau phần lớn thương mại điện tử — chi hơn 7 tỷ đô để mua một "trạm trung chuyển" giúp doanh nghiệp chọn và định tuyến giữa các mô hình. Google biến bảng tính quen thuộc thành một xưởng lắp app mini chỉ bằng câu lệnh. Và giới nghiên cứu thì gần như đồng thanh: đừng cố huấn luyện lại mô hình cho tốn kém — hãy tiến hóa cái "yên cương" đặt lên nó.

Tuần này có gì đáng để dân văn phòng như chúng ta bận tâm? Rất nhiều. Cùng đi vào nhé.

⚡ Đọc nhanh — 5 tín hiệu trong bản tin hôm nay:

Tin lớn nhất tuần không đến từ một phòng lab AI, mà từ một công ty thanh toán. Stripe mua lại OpenRouter với giá hơn 7 tỷ đô la. Nếu bạn chưa biết OpenRouter: đây là một "trạm trung chuyển" (định tuyến) cho phép ứng dụng gọi tới hàng trăm mô hình AI khác nhau qua một cổng duy nhất, rồi tự chọn mô hình rẻ nhất/nhanh nhất/phù hợp nhất cho từng yêu cầu.

Vì sao một hãng thanh toán lại thèm muốn một trạm định tuyến AI? Vì Stripe nói 88% trong danh sách "Forbes AI 50" — gồm cả OpenAI lẫn Anthropic — đang xây dựng trên nền tảng của họ. Khi kết hợp dịch vụ mở công ty (Stripe Atlas) với OpenRouter, Stripe hình dung một thế giới nơi doanh nghiệp không chỉ quản dòng tiền, mà còn quản cả "dòng trí tuệ": đo đếm token, định tuyến yêu cầu tới mô hình tối ưu, xuất hóa đơn, chống gian lận, ví điện tử, và trong tương lai là cả thanh toán do agent tự thực hiện.

Đi kèm là một xu hướng đang tăng tốc: định tuyến mô hình (model routing). Nhu cầu này bị đẩy lên bởi hai lực — chi phí mô hình ngày càng đắt, và các mô hình mã nguồn mở (open-weights) ngày càng phổ biến. Một ví dụ cụ thể: OmniRoute — một cổng AI mã nguồn mở, chạy ngay trên máy bạn, có thể định tuyến Codex, Claude Code, Cursor… Điểm gây chú ý là bạn có thể chạy Codex gần như "miễn phí" qua OmniRoute.

Nhận định: Chữ "miễn phí" ở đây cần đọc kỹ — theo đúng slide, nó nghĩa là tận dụng các gói dùng thử/miễn phí sẵn có của nhiều nhà cung cấp, chứ không phải một quyền dùng Codex không giới hạn chính thức từ OpenAI. Khi một nhà cung cấp hết hạn mức, OmniRoute tự chuyển yêu cầu sang nhà khác. Mặt phải: bạn giảm phụ thuộc vào một hãng duy nhất và tối ưu chi phí. Mặt trái: bạn đang gánh rủi ro về tính ổn định, điều khoản sử dụng, và quyền riêng tư dữ liệu khi luân chuyển qua nhiều bên. Với dân văn phòng Việt Nam, thương vụ Stripe là tín hiệu chiến lược: hạ tầng "đường ống" cho AI đang được các ông lớn thâu tóm — chọn công cụ nào hôm nay nên cân nhắc cả chuyện ai đang nắm đường ống.

Đây là tín hiệu "dùng được ngay" dễ thương nhất tuần với dân văn phòng. Google vừa tung Sheets Canvas: dùng Gemini để biến dữ liệu trong bảng tính thành các "app mini" tương tác được tạo bằng câu lệnh — như bảng điều khiển (dashboard), bảng Kanban, lịch, sơ đồ chỗ ngồi, bảng theo dõi học tập…

Điểm hay nhất: đây là một lớp đọc–ghi trực tiếp trên bảng tính. Bạn chỉnh trên giao diện trực quan (kéo thẻ Kanban, đổi ngày trên lịch), dữ liệu trong bảng tính gốc tự cập nhật theo. Cách tạo: vào Google Sheets, chọn qua menu Tools, Insert, menu Canvas ở dưới cùng, hoặc bảng "Ask Gemini" bên hông; rồi tinh chỉnh bằng các câu lệnh tiếp theo. Không cần biết viết mã hay công thức — chỉ cần lưu ý một điều: dữ liệu nguồn nên được sắp gọn trong một thẻ (tab) duy nhất.

Nhận định: Với người làm hành chính, nhân sự, dự án nhỏ — vốn đã sống trong bảng tính — đây gần như là "món quà" đúng nhu cầu. Bạn không phải học Notion hay Trello mới; bảng tính quen thuộc tự "mọc" thêm giao diện. Mặt trái cần nhớ: đây vẫn là công cụ của Gemini, phụ thuộc vào chất lượng sắp xếp dữ liệu đầu vào; dữ liệu lộn xộn nhiều thẻ sẽ cho kết quả kém. Và như mọi tính năng AI mới, hãy kiểm tra lại số liệu quan trọng trước khi trình sếp.

Nếu năm ngoái AI trả lời câu hỏi, thì năm nay AI tự làm ra kết quả. Tuần này hai ông lớn cùng đẩy mạnh hướng này.

OpenAI ra "Work" (cho gói trả phí): ngay trong chatgpt.com, bạn gạt công tắc từ Chat sang Work. Đây là chế độ agent hướng-kết-quả, chạy trên đám mây. Bạn mô tả việc cần làm, chọn đúng tác vụ hoặc plugin, rồi để nó tự thu thập ngữ cảnh, lập kế hoạch từng bước, dùng các công cụ đã được duyệt, và trả về sản phẩm có thể xem lại: tài liệu, bảng tính, slide, phân tích, quy trình, thậm chí cả web app. Việc lớn có thể chạy tiếp trên đám mây trong lúc bạn đi làm chuyện khác. Bạn theo dõi tiến độ, trả lời câu hỏi, chỉnh hướng, và duyệt các hành động quan trọng ra bên ngoài.

Anthropic đưa Claude Cowork vào Chrome: bảng bên hông của Chrome giờ chạy trọn một phiên Claude Cowork, chứ không còn là ô chat cô lập trong trình duyệt.

Điểm mạnh của Cowork trong Chrome: hội thoại lưu vào lịch sử và nối tiếp liền mạch trên desktop, web hay mobile mà không phải kể lại từ đầu; mọi kỹ năng, plugin, connector bạn đã có đều dùng được tự động; và Claude có thể đọc trang, điều hướng, bấm, gõ, điền biểu mẫu bằng chính các phiên đăng nhập sẵn của bạn. Hiện mở cho gói Max và Team, gói Pro sẽ đến sau.

Nhận định: Đây là bước ngoặt về cách chúng ta làm việc với AI: từ "hỏi–đáp" sang "giao–duyệt". Nhưng cân bằng lại: chính vì AI thao tác được trên trình duyệt đăng nhập của bạn, rủi ro cũng lớn hơn. Lời khuyên từ chính slide rất đáng nghe — bắt đầu với các trang tin cậy, rủi ro thấp, dùng nhóm tab để giới hạn phạm vi làm việc, và soi kỹ mọi thao tác chạm tới dữ liệu nhạy cảm. Với ChatGPT Work, hãy nhớ: rà lại mọi kết quả — nhất là công thức, nguồn, link, quyền truy cập, và bất cứ thứ gì gửi cho khách hàng — trước khi tin dùng.

Trong khi phương Tây bàn về mô hình khổng lồ, Trung Quốc tiếp tục tung ra loạt mô hình mã nguồn mở vừa mạnh vừa nhẹ — kèm cả "yên cương" (harness) để dùng chúng.

Nổi bật nhất là DeepSeek Harness: Ollama nay hỗ trợ sẵn — chỉ cần gõ ollama launch dsh, nếu chưa cài nó sẽ tự cài và tự kết nối mô hình của bạn. Tìm kiếm web được tích hợp thẳng vào harness — không cần máy chủ MCP hay khóa API riêng. Thiết kế cốt lõi của nó rất đáng học: lịch sử phiên chỉ-ghi-thêm (append-only) — không sửa các tin nhắn cũ mà mô hình đã thấy, chỉ nối thêm phần đính chính. Nhờ vậy phần đầu của mỗi yêu cầu được giữ nguyên, tận dụng được cơ chế cache của nhà cung cấp, tránh chi phí "nhập chưa cache" đắt hơn nhiều. Triết lý của nó: "Mọi thứ đều là plugin" — mô hình, công cụ, môi trường cô lập, bộ nhớ, vòng lặp agent… đều thay thế được độc lập.

Và đây là triết lý đúc kết của cả tuần, cũng là câu mở đầu buổi seminar: biên giới AI đang dịch từ "mô hình to hơn" sang "bộ khung tốt hơn". Hai khái niệm cần nhớ:

Minh họa rõ nhất là nghiên cứu AutoDesign, với khẩu hiệu thẳng thừng: "Đừng huấn luyện mô hình, hãy tiến hóa yên cương." AutoDesign giữ nguyên (đóng băng) mô hình bên dưới, chỉ cải thiện bộ khung chạy được bao quanh nó: câu lệnh, bộ nhớ, công cụ, bộ kiểm chứng, điều phối, logic dựng kết quả. Một vòng lặp bên trong tự phê bình và sửa từng sản phẩm (ví dụ một tấm poster hội thảo); một vòng "meta" bên ngoài phân tích các lỗi lặp lại, đề xuất thay đổi ở cấp mã nguồn, thử nghiệm, và giữ lại những thay đổi có tính khái quát.

Kết quả rất thuyết phục: trên bộ đo PosterBench (100 bài báo, biến thành poster), AutoDesign đạt 78,32 điểm, vượt Claude Design 7,45 điểm — và hoàn thành một lượt chạy tự động trong 40 phút với chi phí dưới 3 đô. Bài học cốt lõi: bộ khung chuyên biệt, tự cải thiện, có thể nâng cấp đáng kể một mô hình cố định mà không cần tinh chỉnh trọng số.

Nhận định: Với người không làm kỹ thuật, ý nghĩa lại rất đời: giá trị đang dịch từ "công cụ" sang "quy trình". Người thắng cuộc không phải người có mô hình xịn nhất, mà là người thiết kế được vòng lặp làm việc rõ ràng: định nghĩa được thế nào là "xong tốt", có bước tự kiểm, có giới hạn để không sa lầy. Đó chính xác là điều tiến sĩ Andrew Ng nhấn mạnh trong khóa học agent 2 tiếng tuần này — các mẫu thiết kế cốt lõi của agent là lập kế hoạch, dùng công cụ, tự phản chiếu, phối hợp nhiều agent, và bộ nhớ. Mặt trái phải nhắc: hệ thống càng tự động, càng cần rào chắn và điểm dừng để con người duyệt những hành động hệ trọng — đừng dựng vòng lặp rồi bỏ mặc nó chạy.

Xâu năm tín hiệu lại, "từ khóa tuần này" hiện lên rất rõ: cuộc đua đã đổi trục. Stripe không mua một phòng lab — họ mua đường ống điều phối. Google không tung mô hình mới — họ gắn AI vào công cụ bạn dùng mỗi ngày. Trung Quốc không chỉ ra mô hình mở — họ ra cả harness để dùng chúng. Và giới nghiên cứu thì gọi thẳng tên kỷ nguyên này: kỹ nghệ vòng lặp và yên cương. Mô hình vẫn quan trọng, nhưng lợi thế cạnh tranh đang nằm ở lớp bao quanh mô hình.

Vài tin bổ sung đáng chú ý tuần này:

Nhìn rộng ra: Nếu bạn từng lo "AI to quá, mình theo không kịp", tuần này là liều thuốc trấn an. Xu hướng đang nghiêng về phía người biết dùng chứ không chỉ người sở hữu mô hình. Kỹ năng quý nhất năm nay không phải viết câu lệnh khéo, mà là thiết kế được quy trình làm việc rõ ràng để giao cho AI và biết cách kiểm chứng kết quả. Tin tốt: đó là kỹ năng của người quản lý giỏi — thứ dân văn phòng hoàn toàn học được.

Hẹn gặp bạn trong bản tin tiếp theo với những cập nhật mới nhất!

Theo dõi và phản hồi để chúng tôi ngày càng hoàn thiện bản tin cho bạn!

Tái bút: Chúng tôi làm bản tin AI này hoàn toàn miễn phí mỗi ngày. Sự ủng hộ của bạn là động lực giúp chúng tôi tiếp tục. Nếu bạn thấy hữu ích, chia sẻ cho ít nhất một, hai (hoặc 20) bạn bè của bạn nhé 😉

Hẹn gặp lại ở bài viết sau!