AI nào code tốt nhất? Những gì 1.200 lập trình viên thực sự khởi chạy

Phần lớn câu trả lời cho câu hỏi này bắt đầu từ một benchmark hoặc từ sở thích của ai đó. Chúng tôi có một điểm xuất phát khác: bản ghi về mô hình mà mọi người chọn khi có việc cần làm.

AgentsRoom là ứng dụng desktop chạy các coding agent cạnh nhau. Khi ai đó khởi chạy một agent, ứng dụng ghi lại CLI và mô hình, và không ghi gì về bản thân công việc. Bài viết này đọc 28 ngày của những bản ghi đó, từ ngày 9 tháng 10 đến ngày 5 tháng 11 năm 2026: 205.366 lượt khởi chạy và 1.194 tài khoản đã đăng nhập.

Câu trả lời ngắn gọn. Nếu bạn muốn một cái tên, đó là Opus trên Claude Code: nó đứng đầu dù chúng tôi đếm theo cách nào. GPT-6.1 Sol trên Codex đứng thứ hai. Nhưng một phần đáng kể của khoảng cách dẫn trước đó là một giá trị mặc định do chính chúng tôi đặt, và các con số nói về cách mọi người chọn nhiều hơn là về việc mô hình nào viết code tốt hơn.

Bảng xếp hạng, đếm theo ba cách

Các lượt khởi chạy phân bố rất không đều. Tài khoản trung vị đã khởi chạy 10 agent trong 28 ngày, và mười tài khoản chiếm 35% tổng số lượt khởi chạy. Một tài khoản với vài tác vụ theo lịch có thể làm một mô hình dịch chuyển vài điểm, nên đây là cùng một bảng xếp hạng được đếm theo ba cách: tất cả lượt khởi chạy, lượt khởi chạy không tính mười tài khoản dùng nhiều nhất, và mỗi tài khoản một phiếu (mô hình mà mỗi tài khoản khởi chạy nhiều nhất).

Có ba điều cần đọc trong bảng này.

Hai dòng đầu của Opus là cùng một mô hình. Alias opus đi theo bản phát hành mới nhất, và Claude Code đã trỏ nó đến Opus 5.5 từ phiên bản 2.1.280. Cộng lại, Opus 5.5 chiếm 37% số lượt khởi chạy và là mô hình chính của hơn một nửa số tài khoản một chút.

Sonnet là mô hình thứ hai. Nó chiếm 13% số lượt khởi chạy nhưng chỉ là mô hình chính của 6% số tài khoản: mọi người dùng nó bên cạnh một mô hình khác.

Đếm theo người làm bức tranh thay đổi. Gemini 3.8 Flash đi từ 1,3% số lượt khởi chạy lên 4,6% số tài khoản. Ở cấp độ CLI, khoảng cách còn rộng hơn:

Giá trị mặc định của chính chúng tôi nằm trong bảng xếp hạng này

Đây là phần mà một benchmark của nhà cung cấp không bao giờ phải thừa nhận. Trong AgentsRoom, mỗi vai trò có sẵn đi kèm một mô hình gợi ý: Opus cho fullstack, frontend, backend, kiến trúc sư, bảo mật và mobile, Sonnet cho QA, PM, DevOps và git, Haiku cho marketing và dịch thuật. Tạo một agent fullstack và bộ chọn đã ở sẵn Opus.

Bạn có thể thấy điều này trong dữ liệu. Trên Claude Code, mô hình được khởi chạy nhiều nhất cho các agent DevOps, PM và QA là Sonnet, còn cho các agent fullstack, backend và kiến trúc sư là Opus. Đó gần như từng dòng là bảng mặc định của chúng tôi. Vì vậy chúng tôi sẽ không nói với bạn rằng lập trình viên thích Sonnet cho QA. Phần lớn họ chỉ giữ nguyên những gì chúng tôi gợi ý.

Quán tính làm nốt phần còn lại: với 70% số tài khoản, mô hình đầu tiên được khởi chạy trong kỳ cũng là mô hình họ khởi chạy nhiều nhất.

Tín hiệu trung thực hơn nằm ở những lựa chọn không ai có được một cách tình cờ. 198 tài khoản đã tự tay ghim Opus 5.5 dù alias đã cho họ cùng mô hình đó. 116 tài khoản đã khởi chạy Fable và 121 tài khoản đã ghim Sonnet 5.5, và cả hai đều không phải mặc định của vai trò nào. Những nhóm này nhỏ hơn, và họ là những người đã xem danh sách rồi tự quyết định.

Những gì mọi người giao cho tự động hóa

Không tính mười tài khoản dùng nhiều nhất, 28% số lượt khởi chạy đến từ một ticket backlog, một lần chạy theo nhóm hoặc một trigger, phần còn lại chủ yếu đến từ việc ai đó mở hoặc tiếp tục một agent. Mười tài khoản dùng nhiều nhất là một thế giới khác: 68% số lượt khởi chạy của họ bắt đầu từ tự động hóa. Những tài khoản này phần lớn đã ngừng khởi chạy agent bằng tay.

Tỷ lệ lượt khởi chạy của mỗi mô hình bắt đầu từ tự động hóa, không tính mười tài khoản đó:

Trên Claude Code, các cấp mô hình tách ra đúng như bạn dự đoán: khoảng 20% cho Opus, khoảng 40% cho Sonnet và Haiku. Giá trị mặc định của chúng tôi thổi phồng con số của Sonnet, vì các vị trí QA và PM trong một lần chạy theo nhóm bắt đầu bằng nó, và Sonnet 5.5 đã ghim nằm ở 18%. Trên Codex không có kiểu phân tách đó, và GPT-6 Astra, mô hình tiên phong của danh sách, ở mức 40%. Vì vậy chúng tôi sẽ không biến điều này thành quy luật. Điều gần với một quy tắc nhất mà chúng tôi có thể bảo vệ: trên Claude Code, mọi người giữ cấp mạnh nhất cho công việc họ theo dõi, và giao nhiều việc thường ngày hơn cho các cấp rẻ hơn.

Mức suy luận cũng theo cùng logic. Trong các lượt khởi chạy có đặt một mức, high dẫn đầu trên Opus (48%) và trên GPT-6.1 Sol (59%), còn medium dẫn đầu trên Sonnet (61%). Mức suy luận là một cài đặt riêng, và những người ghim Opus 5.5 đẩy nó xa hơn: xhigh hoặc max ở 25% số lượt khởi chạy của họ, so với 20% trên alias.

Ít người dừng lại ở một

30% số tài khoản đã khởi chạy một mô hình duy nhất trong 28 ngày, và 21% đã khởi chạy từ sáu mô hình trở lên. Các mặc định theo vai trò thổi phồng con số đó, vì chúng có thể đặt Opus và Sonnet vào cùng một tài khoản mà không ai quyết định. Đếm theo CLI sạch hơn, vì một CLI thứ hai đồng nghĩa với một lần cài đặt và một lần đăng nhập: 45% số tài khoản đã khởi chạy ít nhất hai CLI.

Sự chồng lấn này lệch hẳn về một phía. Hơn tám trên mười tài khoản Codex cũng đã khởi chạy Claude. Chưa đến ba trên mười tài khoản Claude đã khởi chạy Codex. Với một phần đáng kể các lập trình viên này, câu trả lời cho “mô hình nào tốt nhất” là một cặp, và đó là một kết quả hợp lý.

Một chi tiết nhỏ, trên một mẫu nhỏ: 6 trong số 34 tài khoản trên GitHub Copilot đã khởi chạy bất cứ thứ gì vào cuối tuần, so với 47% tài khoản Claude và 52% tài khoản Codex. Điều đó có thể phù hợp với một công cụ do chủ lao động trả tiền, dù chúng tôi không thể chứng minh.

Một mô hình mới chiếm chỗ trong khoảng một tuần, nếu nó là mặc định

GPT-6.1 Sol lần đầu xuất hiện trong bản ghi của chúng tôi vào ngày 29 tháng 9, và vào ngày 1 tháng 10 nó trở thành mô hình mà một agent Codex mới nhận được trừ khi bạn chọn mô hình khác. Trong số các mô hình Codex chính, tỷ lệ lượt khởi chạy của nó diễn ra như sau, từng tuần một: 19%, 50%, 53%, 61%, 68%, 65%. Trong cùng sáu tuần đó, GPT-5.6 Sol đi từ 82 tài khoản xuống 24.

24 tài khoản đó rất đáng chú ý. 17 tài khoản vẫn khởi chạy Opus 5 trong tuần của ngày 2 tháng 11 cũng vậy, tuần đó vẫn chưa kết thúc khi chúng tôi lấy các số liệu này. Một số ở lại vì lựa chọn, một số vì gói đăng ký không cung cấp mô hình mới hơn. Dữ liệu của chúng tôi không thể tách họ ra.

Trên Claude Code, bạn gần như không nhìn thấy một bản phát hành. Tất cả những ai dùng alias đều chuyển sang mà không cần làm gì, và đó là lý do Opus 5.5 đã ghim phản ánh thấp hơn thực tế của mô hình này.

Còn một cái bẫy khi đọc lượt khởi chạy như độ phổ biến. Không tính mười tài khoản dùng nhiều nhất, Codex giảm từ 26% số lượt khởi chạy trong tuần của ngày 21 tháng 9 xuống 16% trong tuần của ngày 2 tháng 11. Tuy nhiên, tỷ lệ tài khoản đang hoạt động khởi chạy Codex là 36% ở cả hai đầu, và nằm trong khoảng 33% đến 38% ở giữa. Gần như cùng một tỷ lệ người, nhưng khởi chạy một phần nhỏ hơn số agent của họ trên đó. Nếu chỉ có con số đầu tiên, bạn sẽ viết sai tiêu đề.

Mô hình miễn phí và cục bộ

Nhiều người tìm mô hình miễn phí tốt nhất, hoặc mô hình tốt nhất để chạy cục bộ. Dữ liệu này không thể trả lời điều đó. Freebuff, miễn phí và sống bằng quảng cáo, chiếm 0,3% số lượt khởi chạy. Các mô hình cục bộ qua Ollama chiếm 0,2%, trên 47 tài khoản. Người dùng của chúng tôi phần lớn đã trả tiền cho một gói đăng ký, nên một tỷ lệ thấp ở đây không phải là phán quyết. Nếu bạn đang tìm giải pháp cục bộ, hãy bắt đầu với cách chúng tôi chạy Ollama bên cạnh các agent trên cloud.

Những gì các con số này không thể nói

• Một lượt khởi chạy không phải điểm chất lượng. Không có gì ở đây đo việc code có hoạt động hay được merge hay không.
• Một lượt khởi chạy không phải khối lượng công việc. Một bản sửa năm phút và một lần chạy qua đêm được tính như nhau, và một phiên được tiếp tục tính là một lượt khởi chạy (20% tổng số).
• Nhóm được đo không phải toàn bộ lập trình viên. Đây là những người đã điều khiển nhiều agent từ một ứng dụng desktop khởi đầu xoay quanh Claude Code, nên Claude được đại diện quá mức, và chỉ những tài khoản giữ bật chia sẻ dữ liệu sử dụng mới được tính.
• Các giá trị mặc định của chúng tôi nằm trong các con số, như đã mô tả ở trên.

Cách chọn trên chính code của bạn

Vì không bảng xếp hạng nào biết repo của bạn, đây là bài kiểm tra chúng tôi sẽ làm:

1. Lấy một tác vụ thật mà bạn đánh giá được kết quả, tốt nhất là tác vụ bạn đã giải quyết rồi.
2. Đưa đúng cùng một prompt cho hai hoặc ba mô hình, mỗi mô hình trong git worktree riêng để chúng không thể đụng vào file của nhau.
3. So sánh các diff, thời gian và chi phí.
4. Làm ba lần trên các tác vụ khác nhau. Một lần thử không chứng minh được gì.

So sánh agent thực hiện bước 2 và 3 từ một trình khởi chạy duy nhất, và trang đó cũng đưa ra phương pháp làm tay với các lệnh git thông thường, nếu bạn không muốn cài đặt gì. Để tìm cùng một cấp mô hình giữa các CLI, hãy dùng bảng mô hình AI tương đương. Về việc chọn công cụ thay vì mô hình, xem cách chọn theo cách bạn làm việc. Phiên bản trực tiếp của các số liệu này, trong 7, 30 hoặc 90 ngày hoặc 12 tháng, có trên trang mức sử dụng.

Câu hỏi thường gặp

Hiện nay AI nào code tốt nhất?

Không phép đo nào có thể chỉ ra một cái tên cho code của bạn. Điều chúng tôi có thể nói là những gì được sử dụng: trong 28 ngày kết thúc vào ngày 5 tháng 11 năm 2026, Opus trên Claude Code là mô hình được khởi chạy nhiều nhất, 37% số lượt khởi chạy khi cộng alias và Opus 5.5 đã ghim, và là mô hình chính của hơn một nửa số tài khoản một chút. GPT-6.1 Sol trên Codex đứng thứ hai với 13%. Một phần lợi thế của Opus đến từ giá trị mặc định của chính chúng tôi, và một lượt khởi chạy không nói gì về chất lượng của kết quả.

AI miễn phí nào code tốt nhất?

Các con số này không thể trả lời điều đó. Những người trong nhóm được đo này phần lớn trả tiền cho một gói đăng ký: Freebuff, miễn phí và sống bằng quảng cáo, chiếm 0,3% số lượt khởi chạy, và các mô hình cục bộ qua Ollama chiếm 0,2%. Một tỷ lệ thấp ở đây không phải là phán quyết về các công cụ đó. Hãy chạy cùng bài kiểm tra được mô tả ở trên trên một tác vụ của bạn, với các lựa chọn miễn phí mà bạn thực sự dùng được.

Opus có code tốt hơn GPT-6.1 Sol không?

Chúng tôi không biết, và dữ liệu này không thể cho biết. Nó cho thấy nhiều tài khoản khởi chạy Opus hơn, chứ không cho thấy Opus viết code tốt hơn. Hơn tám trên mười tài khoản Codex cũng đã khởi chạy Claude trong kỳ, điều này gợi ý rằng nhiều lập trình viên giữ cả hai thay vì phân định dứt khoát. Bài kiểm tra trung thực là cùng một tác vụ trên cả hai, trên repo của bạn, lặp lại vài lần.

Nên ghim một phiên bản mô hình hay dùng alias?

Một alias như opus đi theo bản phát hành mới nhất, nên bạn có mô hình mới mà không cần làm gì, và kết quả của bạn có thể thay đổi không báo trước. Một phiên bản đã ghim như Opus 5.5 giữ nguyên cho đến khi bạn tự đổi, điều này hữu ích cho các tác vụ theo lịch và để so sánh các lần chạy. 198 tài khoản đã ghim Opus 5.5 trong kỳ dù alias đã trỏ đến nó.

Lập trình viên dùng mức suy luận nào?

Trong các lượt khởi chạy có đặt một mức, high dẫn đầu trên Opus (48%) và trên GPT-6.1 Sol (59%), còn medium dẫn đầu trên Sonnet (61%). Các tài khoản ghim Opus 5.5 đi xa hơn alias: xhigh hoặc max ở 25% số lượt khởi chạy so với 20%.

Các con số này được thu thập như thế nào?

Khi một agent khởi động, ứng dụng desktop AgentsRoom ghi lại CLI, mô hình, mức suy luận, vai trò agent và cách agent được khởi chạy, không gì khác: không prompt, không dự án, không file, không tên. Chỉ những người dùng giữ bật “Chia sẻ dữ liệu sử dụng” mới đóng góp. Phiên bản trực tiếp, cập nhật mỗi mười phút, có trên trang mức sử dụng công khai.