Tuần qua team mình ngồi xem buổi ra mắt GPT-6 Astra của OpenAI và không khỏi dừng lại ở cảm xúc "wow" hay "AGI đã đến". Câu hỏi thực tế của team là: nếu đây là hướng đi mới, kiến trúc agent của chúng ta cần thay đổi gì? Bài viết này chia sẻ những gì team rút ra từ sự kiện này, benchmark Astra, điểm yếu thật sự của computer-use agent, và code mẫu C# / .NET cho team đang xây dựng agent tương tự.
Transformer - kiến trúc nền tảng của ChatGPT, Gemini, Claude - đang lộ giới hạn: tốn điện, khó mở rộng context, không giỏi lý luận sâu. Một làn sóng startup nhỏ (Subquadratic, Liquid AI, Inception, Pathway, Manifest AI) đang đặt cược vào những kiến trúc hoàn toàn mới: sparse attention, mạng neuron lỏng, diffusion, state space. Cách mạng AI không còn là cuộc đua song mã giữa OpenAI và Anthropic. Cuộc đua năm 2026-2028 sẽ là cuộc đua hạ tầng tính toán, và Việt Nam đang ở một vị trí mà ít người nhìn ra. Nhìn rộng hơn, cuộc cách mạng AI không phải là câu chuyện của OpenAI hay Anthropic hay Google. Đây là câu chuyện về một kiến trúc kỹ thuật có tên "transformer" - sinh năm 2017 từ phòng thí nghiệm Google - đã làm nên tất cả những gì chúng ta đang gọi là AI hiện đại. Và đây cũng là câu chuyện về việc kiến trúc đó đang bắt đầu lộ rõ giới hạn của nó. Trong khi nhiều người đang hỏi "dùng AI gì cho công việc của mình", câu hỏi quan trọng hơn lại ít được đặt ra: điều gì sẽ thay thế transformer, và điều đó thay đổi vị trí của Việt Nam trong bản đồ AI toàn cầu như thế nào? Một bài viết mới đây của MIT Technology Review có tựa đề "Meet the new kids nipping at the heels of the AI giants" (nguồn gốc) đã vẽ ra bức tranh đó rất rõ: năm 2026 không còn là cuộc đua của vài ông lớn. Đây là lúc những cái tên nhỏ bắt đầu cắn vào gót những người dẫn đầu.
Gemma 4 của Google DeepMind – gia đình model open source giấy phép Apache 2.0 – hỗ trợ function calling native ngay từ khi training, không cần prompt engineering để "dụ" model gọi tool. Bài này tôi sẽ hướng dẫn bạn build một AI agent chạy hoàn toàn local qua Ollama, gọi được weather API, currency converter, news – không một dòng code nào cần API key, không một byte data nào rời khỏi máy bạn.
LLM Wiki là pattern biến codebase thành "living knowledge base" – AI đọc một lần, nhớ mãi, kiến thức tích lũy theo thời gian. Khác với RAG truyền thống, LLM Wiki compound knowledge: mỗi lần hỏi đều thông minh hơn lần trước. Tôi nhớ lần đầu tiên tiếp cận một codebase e-commerce 5 năm tuổi. Hệ thống đang chạy ổn định, team cũ đã nghỉ gần hết, và tôi được giao nhiệm vụ thêm một tính năng tưởng đơn giản: hiển thị trạng thái tồn kho real-time trên trang sản phẩm. Ba ngày sau, tôi vẫn còn ngồi đọc code. Không phải vì code xấu. Mà vì không ai – kể cả những dev còn lại trong team – có thể giải thích được tại sao InventoryService lại gọi thẳng vào một endpoint của OrderService thay vì dùng shared database. Confluence có một trang wiki viết năm 2021 với nội dung "TODO: update this section." File README chỉ có hướng dẫn setup môi trường local. Đó là lần đầu tôi thực sự hiểu cái gọi là tribal knowledge – kiến thức nằm trong đầu người, không phải trong code.
Tuần trước tôi test cả ba model trên các task thực tế của BKGlobal và kết quả không theo đúng kỳ vọng ban đầu. Claude Opus 4.7 thắng áp đảo về coding (64.3% SWE-bench Pro). GPT-5.5 bá đạo agentic + terminal workflows. DeepSeek V4 Pro có performance gần ngang Claude với giá rẻ hơn 7 lần — nhưng chỉ support text, không có image. Không có model nào "tốt nhất cho mọi thứ" — đây là guide để chọn đúng tool cho từng bài toán.
Năm 2026, AI agents đang bùng nổ và nhiều người vội vã tuyên bố "prompt engineering đã chết". Sai hoàn toàn. Chain of Thought, flipping roles — những kỹ thuật cơ bản đó vẫn còn sống, chỉ là giờ chúng ta không chạy 1 luồng nữa, mà chạy song song 40 luồng cùng lúc. Bài này là câu chuyện về sự tiến hóa đó. Hôm rồi tôi ngồi cà phê với một ông bạn — tôi gọi anh là Khoa cho tiện — senior developer 6 năm, đang chuyển sang làm AI engineer ở một startup khá hot trong nước. Anh mở màn bằng một câu khiến tôi suýt đổ cà phê: "Anh ơi, prompt engineering giờ chết rồi. Giờ phải học AI agents mới là đúng hướng." Tôi nhìn anh, hỏi: "Chết theo nghĩa nào?" Anh giải thích: "Thì giờ người ta build hệ thống multi-agent rồi, AI tự lo với nhau, mình chỉ cần thiết kế workflow là xong. Ai còn ngồi viết prompt thủ công nữa?" Tôi im lặng một lúc, rồi hỏi ngược: "Thế mấy cái agent đó nó tự nhiên biết làm việc không? Hay vẫn cần ai đó chỉ cho nó cách nghĩ?" Anh Khoa dừng lại. Ừ nhỉ.
Không có một LLM nào tốt nhất cho mọi use case. Dùng nhiều models - đúng model, đúng task - là pattern đang emerge trong production AI systems. Đây là framework tôi đang dùng sau nhiều tháng thực chiến.
RAG pipeline trên cloud thì nhiều tutorial. Nhưng khi bạn build cho hệ thống chính phủ - không được phép gửi data ra ngoài, network isolated, model phải run on-premise - mọi thứ khác hoàn toàn. Đây là những gì tôi học được từ dự án thực tế.
