# Mô hình thông minh hơn, công cụ tệ hơn?

Đăng ngày: 2026-07-10

Đôi khi tôi vẫn thấy một nghịch lý lạ lùng trong thế giới AI: những mô hình được đánh giá là đỉnh cao nhất lại không phải lúc nào cũng hoạt động trơn tru với các công cụ. Armin Ronacher, một chuyên gia có tiếng, đã chia sẻ một vấn đề anh ấy gặp phải khi làm việc với Pi – nền tảng viết code của mình. Cụ thể, các mô hình Claude mới hơn của Anthropic, như Opus 4.8 và Sonnet 5, lại có xu hướng gọi công cụ chỉnh sửa (edit tool) của Pi với những trường dữ liệu (fields) tự bịa ra trong mảng edits[]. Dù bản thân lệnh chỉnh sửa thì đúng, nhưng đối số lại không khớp với schema, khiến Pi từ chối lệnh và yêu cầu thử lại. Điều đáng ngạc nhiên là các mô hình Claude đời cũ hơn không gặp phải lỗi này. Đây là một vấn đề không hề nhỏ, bởi nó cho thấy rằng những mô hình "State-of-the-Art" (SOTA) trong cùng một họ lại kém hiệu quả hơn các phiên bản cũ ở khía cạnh tương tác công cụ cụ thể này. Armin đưa ra một giả thuyết khá hợp lý: các mô hình Anthropic gần đây có thể đã được huấn luyện đặc biệt, có lẽ thông qua Reinforcement Learning (học tăng cường), để tối ưu hóa việc sử dụng các công cụ chỉnh sửa đã được tích hợp sẵn trong Claude Code của chính Anthropic. Ví dụ, công cụ chỉnh sửa của Claude sử dụng cơ chế "search and replace", trong khi Codex của OpenAI lại dùng "apply_patch", và OpenAI cũng từng nói về việc họ huấn luyện mô hình để sử dụng công cụ đó hiệu quả. Và đây là mấu chốt: việc huấn luyện chuyên biệt cho các công cụ nội bộ có thể vô tình làm suy giảm khả năng tương tác của mô hình với các công cụ tùy chỉnh của bên thứ ba, như trường hợp Pi. Điều này đặt ra một câu hỏi lớn cho các nhà phát triển nền tảng bên ngoài: liệu chúng ta có cần phải triển khai nhiều công cụ chỉnh sửa khác nhau chỉ để phù hợp với hiệu suất tối ưu của từng mô hình AI mà người dùng lựa chọn? Theo tôi, đây không chỉ là một lỗi kỹ thuật đơn thuần, mà nó còn là tín hiệu về một sự phân mảnh ngầm trong cách các mô hình AI tương tác với hệ sinh thái công cụ. Nó buộc chúng ta phải cân nhắc lại chiến lược phát triển công cụ, để không bị kẹt giữa năng lực ngày càng cao của AI và khả năng thích ứng ngày càng giảm sút của chúng với những chuẩn mực bên ngoài.

Canonical: https://www.tungpham.vn/blog/mo-hinh-thong-minh-hon-cong-cu-te-hon