Vì sao Claude Opus 5.5 là phiên bản Claude tuyệt vời nhất trong suốt một thời gian dài?

Vấn đề với các trợ lý AI không phải lúc nào cũng nằm ở việc chúng không thể thực hiện một tác vụ nào đó. Thay vào đó, đôi khi việc yêu cầu chúng hoàn thành một công việc lại tốn nhiều công sức hơn là tự tay làm lấy. Một phản hồi ban đầu đầy hứa hẹn có thể nhanh chóng biến thành chuỗi chỉnh sửa lặp đi lặp lại, các yêu cầu bị bỏ quên, và bạn lại phải giải thích thêm một lần nữa về điều mình thực sự mong muốn.

Claude Opus 5.5 mang đến một bước tiến đáng kể để khắc phục tình trạng này. Mọi thứ – từ các dashboard Home Assistant, dự án CAD, những tác vụ lập trình, cho đến việc nghiên cứu thông tin – đều đã cải thiện rõ rệt. Tuy nhiên, sự tiến bộ này không chỉ dừng lại ở việc tạo ra code tốt hơn; Claude đang trở nên hữu ích hơn hẳn trong việc theo sát một yêu cầu từ đầu đến cuối để đưa ra kết quả hoàn chỉnh, thường chỉ với một câu lệnh duy nhất.

Bắt đầu dễ dàng: Opus 5.5 thực sự hoàn thành công việc đến nơi đến chốn

Trong quá trình thử nghiệm, Opus 5.5 cho thấy sự vượt trội rõ rệt so với bất kỳ phiên bản Claude nào trước đây trong việc thiết kế giao diện; minh chứng rõ nhất chính là các dashboard Home Assistant. Trong ví dụ, Opus 5.5 đã xây dựng một dashboard cho ngôi nhà chính và một dashboard khác để theo dõi chi phí điều hòa cũng như phân chia tiền thuê nhà - tất cả đều hoàn thiện ngay trong lần thử đầu tiên, dù dashboard thứ hai chỉ được cung cấp rất ít thông tin ngữ cảnh.

Đây là hai bài toán khác biệt: Một bên là tổ chức các thông tin và công cụ điều khiển hàng ngày, bên kia là giúp các khoản chi tiêu trong gia đình trở nên dễ hiểu hơn. Điều ấn tượng nhất không chỉ là việc Opus tạo ra một màn hình đầy đủ các thẻ (card), mà là người dùng không cần phải tự tay lắp ghép hay chỉnh sửa đi chỉnh sửa lại nhiều lần. Ưu điểm tương tự cũng thể hiện rõ khi giao cho Opus các công việc liên quan đến CAD, thiết kế 3D và lập trình.

Trải nghiệm này hoàn toàn phù hợp với định hướng của Anthropic: Tập trung vào các tác vụ phức tạp, kéo dài qua nhiều bước - chẳng hạn như chuyển đổi hệ thống (migration) hay kiểm định (audit) - thay vì chỉ xử lý các đoạn code rời rạc. Điều này cũng thay đổi cách định nghĩa một câu lệnh (prompt) hiệu quả. Thay vì phải chỉ định chi tiết từng bước trung gian, giờ đây người dùng chỉ cần mô tả kết quả mong muốn, đặt ra các ràng buộc và xác định những tiêu chí cần kiểm tra trước khi coi như công việc đã hoàn tất.

Khả năng hoàn thành công việc chỉ với một câu lệnh không có nghĩa là không có quá trình xử lý phức tạp nào diễn ra phía sau. Nó có nghĩa là chỉ cần một câu lệnh hoặc bản tóm tắt yêu cầu là đủ để khởi động toàn bộ quy trình, thay vì người dùng phải đích thân theo dõi từng bước một.

Opus 5.5 còn có thể làm sạch code do người khác viết

Xây dựng một thứ gì đó mới mẻ chỉ là một phần của bức tranh toàn cảnh. Công việc duy trì phần mềm đòi hỏi phải thấu hiểu các quyết định của người đi trước - cụ thể hơn là hiểu được những đoạn code có thể chẳng hề có tài liệu hướng dẫn đi kèm. Việc tìm ra nguyên nhân gốc rễ của một lỗi trong những trường hợp như vậy, rồi sửa chữa nó mà không làm ảnh hưởng đến các chức năng khác, thực sự là một thử thách không nhỏ.

Các bài kiểm tra độc lập mang lại cái nhìn thực tế hơn về khả năng này. Cấu hình tiêu chuẩn của Opus 5.5 từ CodeRabbit đã phát hiện được 51 trong số 80 dạng lỗi đã biết, so với con số 49 của phiên bản cơ sở (baseline) đang được sử dụng thực tế. Dù đây không phải là một bước tiến vượt bậc, nhưng nó vẫn cho thấy sự cải thiện trong quá trình đánh giá. Công cụ này cũng xác định được một lỗi liên quan đến vấn đề đồng thời (concurrency bug) trong các thao tác cập nhật cơ sở dữ liệu chéo – điều mà phiên bản cơ sở đã bỏ sót.

Điều này thú vị hơn nhiều so với việc chỉ tạo ra thêm một trang đích (landing page) tự động. Các công việc như gỡ lỗi, xem xét thay đổi và cải tiến công cụ hiện có chính là những yếu tố giúp một dự án duy trì giá trị ngay cả khi giai đoạn phát triển ban đầu đã chậm lại. Tuy nhiên, việc Opus 5.5 tổng thể tốt hơn không có nghĩa là nó vượt trội trong mọi khía cạnh. Suy cho cùng, nên coi nó như một trợ lý đánh giá khá năng lực, chứ không phải là lý do để bỏ qua các bước kiểm thử.

Opus 5.5 không còn giới hạn mình trong vai trò một công cụ lập trình đơn thuần

Opus 5.5 có thể xử lý bảng tính, tìm kiếm thông tin và phân tích ảnh chụp màn hình mà không cần người dùng phải cầm tay chỉ việc.

Các trường hợp sử dụng Opus 5.5 không nhất thiết phải dừng lại ở code. Các công việc như nghiên cứu, làm bảng tính, soạn bài thuyết trình hay kiểm tra tài liệu đều có thể hưởng lợi từ một trợ lý có khả năng kết nối các giai đoạn công việc một cách trơn tru.

Trong bài kiểm tra nội bộ của Anthropic về phân tích sáp nhập, Opus 5.5 đã tạo ra một mô hình Excel cùng một bài thuyết trình dành cho cấp điều hành chỉ trong 63 phút – nhanh hơn 30 phút so với 93 phút của phiên bản Opus 5. Dù đây là ví dụ do chính nhà cung cấp đưa ra với các công ty giả định (và chắc chắn chưa thể thay thế những chuyên gia phân tích tài chính trong tương lai gần), nó vẫn cho thấy một bước chuyển dịch thực tế: Từ việc chỉ gợi ý quy trình sang trực tiếp thực hiện quy trình đó.

Nghiên cứu cũng là một lĩnh vực được hưởng lợi từ mô hình mới này. Theo báo cáo từ Anthropic, trong một bài kiểm tra nội bộ – nơi các kết quả chứa số liệu hoặc trích dẫn bịa đặt sẽ bị loại bỏ – một hệ thống chấm điểm tự động đã chấp nhận 16 trên 18 báo cáo do mô hình tạo ra. Các nhà báo luôn phải tự tay kiểm chứng từng nguồn tin mà mô hình AI sử dụng; tuy nhiên, việc ưu tiên tính chính xác của dữ liệu thay vì chỉ tạo ra những văn bản nghe có vẻ tự tin là một cải tiến rất đáng hoan nghênh.

Cuối cùng nhưng không kém phần quan trọng, khả năng xử lý hình ảnh của Opus 5.5 cũng đã được cải thiện. Việc diễn giải các biểu đồ, lần theo các kết nối trong sơ đồ, so sánh ảnh chụp màn hình và phân tích hình ảnh đều là những tác vụ có thể được thực hiện với độ chính xác và tốc độ cao hơn nhờ mô hình mới này. Đối với một dự án kỹ thuật, điều đó đồng nghĩa với việc bạn có thể thảo luận trực tiếp dựa trên sơ đồ thực tế, thay vì phải tốn công mô tả thủ công từng kết nối một.

Ít từ ngữ hơn, tốn ít token hơn và bớt những lời lẽ rườm rà kiểu AI

Một mô hình AI mạnh mẽ hơn chưa chắc đã là một trợ lý tốt hơn nếu bạn cứ phải liên tục kiểm tra lại kết quả đầu ra của nó. Theo Anthropic, Opus 5.5 ưu tiên các thông tin quan trọng và tuân thủ những chỉ dẫn viết lách một cách đáng tin cậy hơn. Hiện tại, nhiều người thường dùng Opus để tóm tắt các codebase hoặc cơ sở kiến thức quy mô lớn – những nơi mà họ không có thời gian để tự mình xem xét từng chi tiết – và thật vui khi thấy bản thân không bị lạc giữa một "biển" văn bản vô ích.

Opus đặt những thông tin quan trọng nhất lên hàng đầu, các nội dung khác sẽ theo sau. Nó đi thẳng vào vấn đề nhanh hơn, và kết quả thường không còn dài dòng như phiên bản tiền nhiệm. Nhờ đó, bạn cũng đỡ phải đọc nhiều hơn; các bản báo cáo hay tóm tắt giờ đây chỉ tập trung vào dữ kiện thực tế thay vì những lời bình luận mang tính trấn an vô thưởng vô phạt.

Thay đổi về giá cả cũng là một điểm cộng. Mức phí API tiêu chuẩn hiện là 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra – rẻ hơn 20% so với Opus 5. Anthropic ước tính rằng nhờ cải thiện hiệu suất, người dùng có thể tiết kiệm được nhiều hơn thế trong các tác vụ thông thường, dù đây không phải là mức giảm giá áp dụng đồng loạt cho mọi tác vụ.

Hãy tin tưởng giao việc, nhưng đừng quên khâu kiểm tra cuối cùng

Opus 5.5 có lẽ là bước tiến đáng giá nhất của Claude trong thời gian gần đây, nhưng điều đó không có nghĩa là bạn có thể bỏ qua bước xác thực. Bảng theo dõi chi phí vẫn cần các phép tính chính xác; những bản vẽ kỹ thuật (CAD) vẫn cần được kiểm tra kích thước và khoảng hở; code vẫn cần chạy thử nghiệm; và các nghiên cứu vẫn cần những nguồn tin đã được kiểm chứng.

Bạn có thể mô tả một vấn đề thực tế, cung cấp cho Claude bối cảnh cần thiết, và phần lớn thời gian sẽ nhận lại được kết quả gần như hoàn thiện. Đó chính là sự khác biệt. Opus 5.5 không chỉ giỏi hơn trong việc phản hồi các câu lệnh (prompt), mà còn hỗ trợ tốt hơn trong việc biến các ý tưởng thành những dự án có thể đưa vào sử dụng thực tế.