AI thực chiến tuần 24–31/10: GPT-6.1 Terra giảm nửa giá, Ollama biết nói, và skill trị “giao diện AI nhìn phát biết”

Tuấn Prompt, Thợ săn AI thực chiến, ThuThuatAI.net. Cập nhật 31/10/2026.

Tuần này có khá nhiều model mới, nhưng thú thật là phần lớn mình thấy chưa có gì quá đặc biệt. Lọc đi lọc lại thì có 8 cái đáng để nghía qua, chủ yếu vì có thể dùng được vào việc thực tế.

Có mấy thứ khá hay: Terra giảm 50% giá API, Mistral Large 4 có giá 0,70 USD/triệu token đầu vào. Ai thích vọc AI local thì có Phonon đọc văn bản trên Mac, hoặc một model context 256K mà bản 4-bit chỉ ngốn khoảng 1 GB RAM.

Có một chuyện mình muốn nhắc kỹ hơn một chút: license. Đừng thấy model miễn phí là nghĩ muốn dùng thế nào cũng được. Trong 8 cái dưới đây có tới 3 cái có điều khoản sử dụng cần chú ý. Nhất là anh em định đưa vào sản phẩm hoặc dùng cho mục đích thương mại thì nên đọc trước, kẻo mất công tích hợp xong lại vướng.

1. GPT-6.1 Terra: model dùng máy tính thay bạn, giá API rẻ đi một nửa

Con số đáng tiền nhất tuần này nằm ở giá API: GPT-6.1 Terra lấy 1 USD cho 1 triệu token đầu vào, 0,05 USD cho token đã cache, 5 USD cho 1 triệu token đầu ra, rẻ hơn 50% so với GPT-5.6 Terra và GPT-6.1 Sol, kiểu rẻ nhìn thấy ngay trong hóa đơn cuối tháng.

Terra ra ngày 26/10, sinh ra để chạy việc văn phòng lặp đi lặp lại với số lượng lớn như đọc hóa đơn nhập phần mềm kế toán, điền form, đọc bản vẽ, dựng proposal. Còn về sức mạnh thì nó không đứng đầu nhà OpenAI, bù lại context tới 1.050.000 token với đầu ra tối đa 128.000 token (theo trang model chính thức, kiểm chứng ngày 31/10/2026).

Hiệu năng, toàn bộ là số hãng tự đo

Phần này mình đọc dè chừng như thường lệ, số thì đẹp thật mà là OpenAI tự chấm bài của mình, chưa có bên độc lập nào xác nhận. Ở mức reasoning trung bình, Terra hơn GPT-5.6 Terra 15 điểm phần trăm mà chi phí chỉ khoảng 1/3, ngang GPT-6 Astra với giá token bằng 1/10 và nhanh hơn gấp 3 lần cả Astra lẫn Sol. Tỉ lệ lỗi trên bộ prompt gài bẫy nội bộ ở reasoning thấp giảm từ 53,6% xuống 16,7%, Terminal-Bench 4.0 được 50,3% trong khi đời trước chỉ 21,5%.

Muốn dùng thì có hai đường: mở ChatGPT Work hoặc Codex (Plus, Pro, Enterprise, Edu) rồi chọn GPT-6.1 Terra, lưu ý là nó chỉ có trong Work với Codex thôi, sang Chat thường là không thấy đâu; hoặc qua API thì đổi model thành gpt-6.1-terra, tool calling bắt buộc qua Responses API.

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},  # mặc định của hãng, đừng vội đẩy lên max
    input="Đọc các hóa đơn trong thư mục này, trích số tiền, ngày, mã số thuế "
          "và xuất ra bảng CSV. Dòng nào không đọc chắc, ghi 'cần kiểm tra' thay vì đoán.",
)
print(resp.output_text)

Mẹo của hãng: cứ bắt đầu ở medium đã, phần âm thầm đội chi phí chính là token reasoning đấy.

2. Impeccable: skill trị giao diện nhìn phát biết AI làm, đang bùng sao trên GitHub

Thú thật, mấy repo leo top GitHub Trending mình thường lướt qua luôn, vì khoe sao thì khoe mà giới hạn nền tảng với license thì giấu nhẹm, đúng thứ mình ghét nhất. Cơ mà repo này thì khác, nó trị đúng cái bệnh mà ai từng bắt AI dựng landing page cũng đã dính. Tính đến ngày 30/10, pbakaus/impeccable của Paul Bakaus có 96.742 sao, 5.699 fork và vẫn tăng khoảng 2.870 sao mỗi ngày, giấy phép Apache 2.0.

Bệnh này thì dễ tự kiểm tra lắm, cứ mở trang lên là thấy font Inter dùng cho mọi thứ, gradient tím sang xanh, card lồng trong card, chữ xám trên nền màu, ô icon bo tròn kê trên mọi tiêu đề, nhìn phát biết ngay AI làm theo đúng nghĩa đen. Còn Impeccable thì nó là một skill, bộ hướng dẫn kèm công cụ kiểm tra cho coding agent, chứ trong này chẳng có model nào cả.

Ba thứ nó cho anh em

Nó đáng giá ở ba thứ, mà thứ đầu tiên theo mình là đáng nhất: bộ từ vựng thiết kế gồm 24 lệnh có tên, thay cho câu cảm tính “làm cho nó nổi bật lên”: /impeccable bolder (đẩy mạnh tay hơn), quieter (hạ tông), typeset (sửa font, phân cấp chữ), layout, polish, harden.

Người review: critique chấm UX, xếp hạng lỗi cần sửa trước; audit kiểm tra accessibility, hiệu năng, responsive, gắn ưu tiên từ P0 (chặn phát hành) tới P3 (chỉnh cho đẹp).

Máy dò AI slop: 62 quy tắc tất định, không cần LLM hay API key, quét trong agent, CI, tiện ích Chrome.

Cài đặt:

npx impeccable install

Nạp lại coding tool, chạy một lần mỗi dự án:

/impeccable init

Lệnh init đọc code, hỏi những gì nó không tự suy ra được, ghi vào PRODUCT.md để mọi lệnh sau đều đọc:

/impeccable critique the pricing cards
/impeccable polish settings
/impeccable harden checkout

Quét thủ công:

npx impeccable detect src/
npx impeccable detect http://localhost:5173

Nó chạy với Claude Code, Cursor, Codex CLI, Copilot, Gemini CLI, Antigravity và nhiều agent khác, mà chỗ nó mạnh nhất là sửa giao diện có sẵn, còn dựng mới từ số 0 thì vẫn khó hơn nên anh em đọc kỹ trước khi cài. Cài qua hook thì nó tải một engine binary về ~/.impeccable/bin/, repo lạ thì đọc kỹ rồi mới bấm đồng ý.

3. Ollama + Phonon: máy Mac tự đọc thành tiếng, không cần cloud

Kiểu dùng này đời thường lắm, đeo tai nghe nghe bài viết của mình đọc lên để soát lỗi trong lúc tay vẫn làm việc khác. Mà từ 24/10 thì làm được hẳn trên máy Mac, dữ liệu không gửi đi đâu, API cũng chẳng tốn một xu, vì Ollama vừa hỗ trợ model giọng nói mà con đầu tiên là Phonon của Gradium.

Điều kiện thì hơi kén, cần Mac Apple Silicon với Ollama từ 0.40.11 trở lên, còn Windows với Linux thì vẫn “coming soon”, chưa có ngày đâu nên đừng cài vội kẻo hụt. Được cái là dùng ngay được cho mấy việc như lồng tiếng nháp cho video hay cho trợ lý local đọc câu trả lời.

Chạy:

ollama pull phonon
ollama run phonon "Hello from Ollama."

Đổi giọng bằng --voice, danh sách nằm ở ollama show phonon:

ollama run phonon --voice Hadley "Chào anh em, đây là giọng đọc local, không tốn API."

Nối model chat vào, âm thanh phát ngay sau câu đầu tiên:

ollama run gemma4 --hidethinking "Tell me a fun fact about owls in two sentences." | ollama run phonon

Lưu thành file WAV:

ollama run phonon "Save this to a file." > speech.wav

Qua API (endpoint tương thích OpenAI /v1/audio/speech, đổi base URL sang http://localhost:11434/v1):

curl http://localhost:11434/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "phonon", "voice": "Zoey", "input": "Hello from Ollama."}' \
  --output speech.wav

Thông số thì gọn: 24 kHz mono, mặc định WAV, đổi "response_format": "pcm" nếu cần sample thô 16-bit, mỗi request tối đa 4.096 ký tự. Tốc độ thì trên MacBook Pro M5 Max, bản của Ollama nhanh hơn 35% so với runtime của chính Gradium (số Ollama tự đo, trên máy cấu hình cao nhất của Apple), còn máy M1, M2 tuy chậm hơn mà model nhỏ thế này vẫn thừa sức chạy real-time.

Xem thêm: hướng dẫn cài đặt Ollama và Open WebUI chạy LLM offline.

Giờ tới phần giấy phép, phần mà nhiều bài giới thiệu tool hay “quên”, mà hướng dẫn nhảy đoạn thì là thứ mình ghét nhất. Bản phonon tiếng Anh gốc là Apache 2.0 nên dùng thương mại thoải mái, riêng các bản 40M (tiếng Pháp phonon:40m-fr, Đức, Tây Ban Nha, Bồ Đào Nha, bản đa ngôn ngữ) lại là CC BY-NC 4.0, cấm thương mại. Làm demo thì không sao chứ đóng gói đem bán mà dính bản NC là mệt đấy. Riêng tiếng Việt thì chưa có trong 5 ngôn ngữ đầu tiên đâu. Anh em định dùng vào việc thật thì nên đọc license trước cho chắc, đừng để tới lúc tích hợp xong mới phát hiện ra là vướng.

4. LFM3 của Liquid AI: model 1,7 tỉ tham số, nặng khoảng 1 GB, chạy agent ngay trên máy cá nhân

Con số mình quan tâm nhất ở mục này hoá ra lại nằm ở dung lượng, đúng 1 GB, vì 1 GB đó chính là bộ nhớ của LFM3-1.7B ở 4-bit, một model text có context 256K token mà ngốn có khoảng đó thôi. Mà với mình thì model nhỏ chạy local đúng việc vẫn đáng giá hơn hẳn mấy con khổng lồ chỉ để ngắm benchmark, nhất là khi con này sinh ra đúng cho việc nền chạy trên máy cá nhân.

Ngày 27/10, Liquid AI mở weights LFM3: 6 model quanh mức 2 tỉ tham số (bản text, bản nhìn hình và video, bản nghe nói, bản omni, 2 model ra quyết định), tất cả đều từ backbone LFM3-1.7B-Base, huấn luyện trên 22 nghìn tỉ token.

Theo số Liquid tự đo bằng llama.cpp (Q4_0, context 32K) thì giải mã nhanh hơn đối thủ gần nhất từ 1,8 đến 2,8 lần trên cả 3 thiết bị, bộ nhớ ngốn ít nhất. Nhồi đầy context 128K cũng chỉ tốn 1,6 GB KV cache so với 4,3 GB của Qwen3.5-4B. (Benchmark hãng công bố bao giờ cũng chọn sân nhà, nói hoài vẫn không thừa.)

Kiểm chứng bên thứ ba của MacPaw

Phần này có kiểm chứng độc lập hẳn hoi, nhóm MacPaw thử LFM3-1.7B với 65 tác vụ agent đời thường trên macOS. Tỉ lệ hoàn thành 64% so với 48% của Qwen3.5-2B, token mỗi tác vụ ít hơn 58%, tỉ lệ kẹt cứng dưới 1% trong khi bên kia tới 15%, kết quả do MacPaw công bố, Liquid trích lại trong bài ra mắt.

Chạy thử bằng llama.cpp, cần bản có hỗ trợ LFM3 từ v0.8.0/b11960 trở đi:

llama-cli -hf LiquidAI/LFM3-1.7B-GGUF:Q4_K_M \
  --temp 0.1 --top-k 50 --repeat-penalty 1.1

Mấy thông số trên là hãng khuyến nghị cho việc thường và tool calling; gặp bài toán với khoa học thì đổi sang --temp 1.0 --top-p 0.95 --top-k 20. GGUF chạy được qua Hugging Face với Ollama; hệ sinh thái thì có llama.cpp, MLX, vLLM, LM Studio.

Phần hãng tự dìm mình thì model card ghi rõ là không khuyến nghị dùng cho agentic coding hay suy luận nhiều bước phức tạp, việc nặng kiến thức thì nên gắn thêm tìm kiếm với truy hồi. Còn giấy phép LFM Open License v1.0 thì doanh nghiệp doanh thu trên 10 triệu USD mỗi năm là hết diện miễn phí. Chỗ nó hợp nhất, nói chung là vẫn việc nền thôi: phân loại hộp thư, tóm tắt tài liệu dài, gọi tool đơn giản.

5. Mistral Large 4, biệt danh Le Chonk: model mở 1.000 tỉ tham số cho dân code

Còn ai thật sự cần một model 1.000 tỉ tham số nữa thì tuần này phe open-weight đáp lại bằng quân của Mistral ở cực ngược hẳn với con LFM3 ở trên. Mistral Large 4 mở weights ngày 29/10 sau 3 tuần huấn luyện tăng cường từ bản preview, được hãng tự đặt biệt danh “Le Chonk”, dịch nôm na là Cục Mỡ, mà đúng là mỡ thật, model cỡ này thì đừng mơ chạy trên laptop, muốn tự host là phải có cụm GPU với vLLM hoặc SGLang.

Số liệu hãng công bố

Số Mistral tự công bố thì thế này, FrontierCode 2.0 của Cognition dẫn đầu với 19,7%, Artificial Analysis Coding Agent Index được 48%, ngang GLM-5.3 mà token mỗi tác vụ ít hơn 47% (số hãng tự đo). Terminal-Bench 4.0 lên 41%, tăng 13 điểm so với bản preview, token đầu ra giảm 30% (số hãng tự đo). Còn mảng an ninh mạng phòng thủ thì 51% trên Cyber Index, tỉ lệ từ chối yêu cầu độc hại 96,6% (số hãng tự đo), cao nhất trong đám model mở Mistral từng đo.

Nói thẳng thì con số đáng quan tâm hơn đống benchmark trên là giá API, 0,70 USD input, 0,07 USD cached, 2,10 USD output, tính trên mỗi 1 triệu token, kèm 3 chế độ reasoning là Low cho việc đơn giản, Medium cho việc hằng ngày và High (mặc định) cho việc khó.

Thử thì không cần hạ tầng: mở Mistral Studio hoặc OpenRouter, chọn Large 4, quẳng cho nó một bug thật, hoặc thử Vibe Code trên chat.mistral.ai để xem nó dựng tính năng đầu cuối.

Xem thêm: làn sóng open-weight LLM và bài toán tự chủ dữ liệu của doanh nghiệp.

Giấy phép Mistral Ecosystem Open-Weight (MIT sửa đổi) thì dùng, sửa, fine-tune, thương mại đều được, trừ dịch vụ Model-as-a-Service bán lại là phải mua giấy phép thương mại riêng, còn chuyện tự host chỉ đáng tính khi tổ chức có sẵn cụm GPU với lý do chủ quyền dữ liệu rõ ràng. Chưa có hai thứ đó thì cứ dùng API cho nhàn, khỏi phải nuôi thêm một con model nghìn tỉ tham số trong nhà.

6. Gemini: tạo file xong sửa luôn trong khung chat

Quy trình trước giờ nó thế này, AI tạo file, anh em tải xuống, mở app khác ra sửa, sửa xong lại tải lên, ba bước hai lần chờ mà một đống bản nháp lẫn lộn, thì ngày 29/10 Gemini cắt đúng cái vòng lặp đó.

File tạo xong thì xem trước, sửa luôn trong khung chat, có ba cách: mở full-screen gõ trực tiếp; bôi đen đoạn chưa ưng rồi yêu cầu Gemini sửa đoạn đó, kể cả sửa hình; hoặc ra lệnh tinh chỉnh toàn file. Mình chấm cách bôi đen là đáng tiền nhất vì nó giống cách sửa văn thật, đoạn nào chưa ưng thì chỉ đúng đoạn đó mà sửa thôi.

Định dạng hỗ trợ thì có PDF, Google Docs, Google Sheets, slide, Markdown, TXT với code. Cách làm là mở Gemini trên web, tải lên ảnh ghi chép tay hoặc tài liệu nguồn, yêu cầu tạo PDF học tập, Doc hay Sheet rồi sửa ngay trên bản xem trước, ưng rồi mới tải xuống.

Giới hạn thì nhớ kỹ, PDF sửa được cả web lẫn mobile còn các định dạng còn lại thì chỉ web thôi, được cái là ai cũng dùng được tính năng này, không khoá sau gói trả phí, chỉ vậy thôi mà đỡ mệt hẳn.

7. ChatGPT Pro và Business: tới 500 đô credit API mỗi tháng đang chờ claim

Mục này thì anh em đang trả ChatGPT Pro hoặc Business nên claim trước rồi đọc sau cũng được, vì grant hết hạn cuối chu kỳ, không cộng dồn sang tháng sau đâu.

Đường claim thì vào chatgpt.com, mục Settings, chọn Billing, claim API credits rồi chọn tổ chức API sẽ nhận, xong xuôi vào platform.openai.com ở đúng tổ chức đã liên kết, mục Billing, chọn Credit grants để kiểm tra tiền đã về chưa với ngày hết hạn.

Ngày 28/10, OpenAI thông báo trên Developer Community chính thức: thuê bao trả phí được nhận credit API hằng tháng, cao nhất tới 500 USD.

Mức credit theo gói

Pro được 100 USD, 200 USD hoặc 500 USD mỗi tháng theo tier đang trả, còn Business thì được 20 USD cho mỗi ghế Standard trả phí và 100 USD cho mỗi ghế Premium, gộp tối đa 500 USD mỗi workspace mỗi tháng.

Có hai điều kiện ẩn là gói phải đủ 7 ngày tuổi và người claim phải là chủ sở hữu của cả thuê bao lẫn tổ chức API nhận credit. Mà quan điểm của mình rõ lắm, credit này chỉ thật sự miễn phí khi anh em có sẵn việc để đốt trong chu kỳ thôi. Ai trả Pro 200 USD mà mỗi tháng cũng đốt chừng đó tiền API thì coi như tự hoàn tiền, còn để hết hạn oan thì khác gì làm khuyến mãi cho OpenAI.

8. Claude Code 2.1.314: session dài để idle không còn bị tính lại 200K token

Một session refactor lớn treo qua giờ nghỉ trưa, quay lại gõ tiếp một câu thì thấy ngữ cảnh bị xử lý lại từ đầu, cái cảm giác mà ai dùng Claude Code nhiều cũng từng trải qua rồi.

Bản 2.1.314 (changelog ngày 30/10 của Anthropic) lo chuyện đó bằng Idle Compaction, lại thêm một khóa settings mình cho là nên bật trước tiên, permissions.blockWritesOutsideWorkingDirectories, bật lên thì Write, Edit, NotebookEdit bị từ chối với mọi đường dẫn ngoài thư mục làm việc ở mọi chế độ quyền. Anh em hay để agent chạy tự do thì đừng lười, bật đi cho yên tâm.

Idle Compaction chạy thế nào

Giờ nó mở rộng sang cả VS Code lẫn tab Code của Claude Desktop, hội thoại từ 200K token trở lên để idle là được tự tóm tắt. Prompt cache hết hạn thì tin nhắn tiếp theo dùng bản tóm tắt, khỏi xử lý lại toàn bộ ngữ cảnh, nên ai hay treo session lớn thì khoản token tiết kiệm được là thấy rõ đấy.

Việc của anh em thì gọn, cập nhật lên 2.1.314, kiểm tra Idle Compaction trong /config rồi bật khóa ghi file là xong, còn session dưới 200K token thì chưa có gì thay đổi.

Bonus: Prompt tự chấm điểm, mượn kỹ thuật self-assessment của Anthropic để bóp ảo giác

Bonus tuần này mình dành cho một thói quen, mượn từ kỹ thuật self-assessment Anthropic vừa công bố.

Cách hãng dùng thì đơn giản, Claude trả lời xong là chính Claude quay lại tự đánh giá cuộc hội thoại. Mà theo số Anthropic tự công bố thì cách này bắt được 78% hội thoại có dấu hiệu lạm dụng mà bộ phân loại mạnh của họ gắn cờ, 94% ca ưu tiên cao với tỉ lệ dương tính giả khoảng 1%. Chi phí cộng thêm thì rất nhỏ, vì model đã đọc sẵn ngữ cảnh rồi mà.

Đem khung đó áp vào việc chống bịa thì tách bước đánh giá ra khỏi bước trả lời, để model thôi vừa viết vừa tự khen mà đứng hẳn sang vai người kiểm duyệt, còn prompt dưới đây mình biên soạn lại theo khung đó chứ không chép nguyên bản gốc của Anthropic đâu.

Sau khi trả lời xong, hãy tự đánh giá chính câu trả lời của bạn, đúng 4 dòng:
1. Mức tin cậy tổng thể: Cao / Trung bình / Thấp.
2. Những khẳng định nào chưa có nguồn, hoặc có thể sai?
3. Chỗ nào bạn đang đoán thay vì đang biết?
4. Nếu người đọc chỉ kiểm tra lại một chỗ, đó nên là chỗ nào, và kiểm tra ở đâu?
Không sửa lại câu trả lời ở bước này. Chỉ đánh giá.

Dùng nó cho mọi output anh em sắp copy đi nơi khác, tin mình đi, dòng số 3 thỉnh thoảng đọc mà giật mình đấy.

Chọn nhanh AI thực chiến theo nhu cầu

• Việc văn phòng số lượng lớn, cần AI thao tác phần mềm: GPT-6.1 Terra, bắt đầu ở reasoning medium.

• Web do AI dựng mà nhìn rất AI: cài Impeccable, chạy /impeccable critique thay vì cãi bằng tính từ.

• Giọng đọc offline, dữ liệu không rời máy: Phonon trên Ollama, cần Mac Apple Silicon; bản không phải tiếng Anh giới hạn giấy phép.

• Agent local chạy nền 24/7 trên máy cá nhân: LFM3-1.7B bản GGUF, 1 GB, context 256K.

• Code agent open-weight mạnh để tự chủ hạ tầng: Mistral Large 4, thử qua API hoặc OpenRouter trước, tự host tính sau.

• Tạo và sửa tài liệu ngay trong chat: Gemini trên web, mở cho mọi người dùng; mobile chỉ sửa được PDF.

• Đang trả ChatGPT Pro hoặc Business: claim credit API tới 500 USD trước khi hết chu kỳ, grant không cộng dồn.

• Session Claude Code dài hay để idle: cập nhật 2.1.314 để hưởng Idle Compaction ở ngưỡng 200K token, bật luôn khóa ghi file ngoài thư mục làm việc.

Anh em đã dùng con nào trong 8 con này thì kể trải nghiệm thật ở phần bình luận nhé. Benchmark của hãng thì hãng nào chả đẹp, nghe trải nghiệm của người dùng thật vẫn đáng tin hơn thông cáo báo chí nhiều.

Tuấn Prompt

Nguồn tham khảo

• OpenAI, giới thiệu GPT-6.1 Terra
• OpenAI, trang model GPT-6.1 Terra
• GitHub, pbakaus/impeccable
• Ollama Blog, Speech models
• Ollama Docs, Speech
• Liquid AI, LFM3
• Hugging Face, LFM3-1.7B-GGUF
• Mistral, Large 4 open weight
• Anthropic Safeguards, Self-Assessment
• Google, Gemini edit files
• OpenAI Developer Community, API credits
• Anthropic, Claude Code Changelog