---
title: "Biệt đội models nhà Anthropic"
description: "Haiku, Sonnet, Opus và Fable khác nhau ở đâu, việc nào nên giao cho model nào? Góc nhìn từ trải nghiệm dùng nhà A của mình từ thời Claude 3."
canonical: "https://200lab.io/blog/chon-model-claude-haiku-sonnet-opus-fable"
published: "2026-09-29T10:37:59Z"
updated: "2026-09-29T12:00:57Z"
authors: ["Việt Trần"]
tags: ["AI", "Agent"]
reading_minutes: 7
access: "public"
---

Tình hình hiện tại thì có thể sau hôm nay nhiều bạn sẽ "quay lại" hoặc thử nghiệm nhà A (Anthropic). Đặc biệt trong bối cảnh nhà O (OpenAI) sắp điều chỉnh cách tính quota, còn nhà A đang có deal giảm 50% cho Pro/MAX tháng đầu.

Với tư cách là công dân đã hiến máu cho nhà A từ thời các model còn tụt quần tắm mưa (bộ ba Claude Haiku, Sonnet và Opus thời 3.0), chắc chỉ thua mấy anh chị xài từ thời Claude Instant và 2.1, mình sẽ giới thiệu sơ lược các model và đặc tính của từng model để các bạn có thể vận dụng tốt trong các workflow, subagent xử lý công việc hiệu quả.

## Thanh slider "ảo giác" của nhà A

Xài các model nhà A, các bạn hãy tưởng tượng mình có 1 thanh slider về độ "ảo giác", tính từ thấp lên cao: **Fable, Haiku, Sonnet, Opus**.

Mặc kệ mấy cái benchmark ngoài kia. Bạn chỉ cần nhớ cơ bản là:

> 💡 Task nào cần sáng tạo nhất thì chơi với **Opus**, task nào cần ổn định với độ khó cao nhất thì chơi với **Fable**. Còn lại là 2 con ngựa thồ **Haiku** và **Sonnet**. (Riêng Mythos không tính vì chưa được xài.)

| Model | Thế mạnh | Giao việc gì |
|---|---|---|
| Haiku | Nhanh, gọn, ít ảo giác | Scout source code, tổng hợp tài liệu, tra cứu, sửa nhỏ ở nhiều chỗ đã biết rõ |
| Sonnet | Gánh team coding | Implement, refactor, các task coding agentic hằng ngày |
| Opus | Thiết kế, sáng tạo | Design, ý tưởng, video, game 2D/3D |
| Fable | Giải bài toán khó | Giải pháp hệ thống, nghiên cứu, task mà đám đàn em không gánh nổi |

## Haiku: em út nhanh, gọn

Đầu tiên là em út Haiku.

Em này chuyên các công việc không cần não, kiểu task quá bé, quá dễ và phạm vi nhỏ. Từ hồi Haiku 3 thì mình dùng để viết hàm, refactor các biến trong 1-2 file code, hoặc hỏi mấy câu vô tri "ê anh quên syntax câu kết nối Postgres rồi". Hồi đó mấy agent app có Chat Mode nên em này xài rất ổn, tốn ít credit (hồi đó Cursor tính theo credit).

![Haiku: task nhỏ, biết rõ chỗ cần sửa, cần nhanh và gọn.](https://assets.200lab.io/sha256/b4/b4207462d4ff5491e4974b01b0d436a9d9288e862d67aedeceb4789ee663f3e8/generations/944cb811c9a9a6a25226f594bd2a5e655f4c0542af0fceb88714523626824b93)

Sau này Haiku cũng mạnh lên nhiều. Kéo theo là em nó cũng gánh được nhiều việc hơn:

- Các task có sao nói vậy như tổng hợp tài liệu, scout source code, tìm kiếm thông tin, tra cứu nguồn gốc... thì nên để Haiku làm. Nó làm rất nhanh, rất gọn, ít ảo giác nhất.
- Các task chỉnh CSS hay sửa nhẹ chỗ này chỗ nọ, task biết rõ sửa ở đâu, dòng nào, nhưng lại ở rất nhiều nơi... cũng nên để Haiku làm luôn.

## Sonnet: trùm ngựa thồ coding quay trở lại

Tiếp theo là Sonnet và Opus.

Hôm nay Sonnet 5.5 ra mắt, nó quá mạnh và tiệm cận Opus 5.5 ở tác vụ agentic coding. Điều này làm mình nhớ về đầu năm 2025, Sonnet 3.7 cũng làm một cơn "địa chấn" toàn cầu. Sonnet 3.7 ra đời đánh dấu thời đại coding agent thực sự biết code như một Software Engineer, chứ không phải mấy con khỉ biết code hồi xưa.

![Sonnet 5.5 đưa ngôi vương coding về lại với Sonnet.](https://assets.200lab.io/sha256/d6/d6e1ee86b4d33a3f3dd2dfec1a9d9ee6c01194d1e6c9ca2b86c7512f6ce3ef63/generations/9859d78b86d6bbe6888b09c2d974e15a669d7f43ced6e5626958655c989be0d9)

Sonnet nào giờ vẫn là model chuyên làm task coding với chất lượng agentic rất ổn. Opus khi xưa cũng rất đắt, nên gần như task implement coding là Sonnet gánh hết. Con dân nhà A khi xưa chỉ dám mở Opus lên xài để plan mấy cái phức tạp, lập thành task cụ thể rồi mang về cho Sonnet và Haiku xử.

Ở triều đại Opus 4.5 (model đầu tiên chính thức đạt Agentic Level), model này cũng rẻ đi rất nhiều (rẻ hơn 3 lần so với Opus 4), khiến mọi người chuyển qua dùng nó gần như làm model chính.

Đây là quãng thời gian mà mọi người tìm tới nhà A rất nhiều với sức mạnh bá chủ của Opus 4.5. Bà con xài phê quá, nâng thẳng từ 20$ lên 100$ rồi 200$ gần như trong tuần đầu tiên và chỉ xài Opus là chính.

Sonnet dần bị lãng quên, Haiku cũng thế. Nhưng với những con dân lâu đời thì họ vẫn dùng trong các subagent và pipeline thường ngày.

Hôm nay, Sonnet 5.5 đã đưa vị vua gánh task coding, trùm ngựa thồ coding quay trở lại. Ngôi vương này vốn là của Sonnet, dù dưới áp lực của các model Trung Quốc giá cực rẻ nhưng chất lượng còn cách xa Sonnet.

## Opus: từ ngáo đá đến giác ngộ

Opus 5.5 thì những ngày qua mọi người đã được thưởng thức tài năng của em ấy. Nhưng đó là thành quả của một series truyền kỳ về độ ảo giác. Opus 4.7, 4.8 và 5 như những đứa chơi đá, bay lắc bung nóc, vừa overengineer vừa ngáo đá.

![Từ Opus 4.7, 4.8, 5 bay lắc đến Opus 5.5 giác ngộ.](https://assets.200lab.io/sha256/2c/2cb9cb29d4206db5506196e02783c6306fd7b2bb8b8da909c8ebd6b83a3406b3/generations/003f10b38534bea5c489b602de1a15acf6bcede302ec83af8b77eeadd14c9f53)

Mình méo hiểu sao nhà A có thể làm được con model kiểu thế. NHƯNG task design giao cho Opus thực sự là chưa bao giờ mình thất vọng: rất đẹp, rất bay, rất sáng tạo. Task code thì... thôi quên đi, giao Sonnet 4.5 còn tốt hơn.

Đi qua đỉnh cao của ảo giác là sự giác ngộ của Opus 5.5. Ừ nó vậy đó, cách chơi của nhà A là kiểu: thả rông, phá làng phá xóm, ngáo đá cho đã xong rồi... à thì ra tao có thể làm được video, game 2D/3D, đẩy năng lực design và sáng tạo lên một tầm cao chưa từng có. Quan trọng nhất là: Opus 5.5 không còn ngáo nhiều như trước nữa.

## Fable: đệ của Mythos, gánh bài toán khó nhất

Tiếp theo là về Fable. Con hàng đầu bảng, a.k.a đệ của Mythos, chắc không cần giới thiệu nhiều.

![Fable lần ra chỗ sai từ thiết kế ban đầu.](https://assets.200lab.io/sha256/61/6129208230a449a2dd23fee034588e05ad6fc1d6905c17904fc16145b7fee278/generations/c8a2a8820d59017e74aca4343d06166c53d97f2944d7984914f74c7571c82fe5)

Với cá nhân mình, Fable luôn là model uy tín nhất, mạnh nhất và ổn định nhất cho các task tìm giải pháp hệ thống, nghiên cứu hoặc các task khoai sọ nhất mà đám đàn em không thể gánh nổi.

Fable có khả năng "thoát pressing" một cách thần kỳ. Kiểu cái project sai từ cái thiết kế giải pháp xa tít từ thời nhà Tần, xong ảnh hưởng xuống cả một rừng kiến trúc và tính năng phía sau. Fable vẫn thoát ra để tìm lời giải mới và chỉ thẳng: "mày làm sai từ đầu".

## Nhà A và nhà O: dùng cả hai

Khi đến với nhà A, các bạn có thể sẽ phải làm quen với việc "không tuân thủ prompt cho lắm" của các model =))).

So với Astra 6, một model với AGI 99.99% nhưng cũng không thể làm được chuyện này. Astra thường bị ám ảnh vào việc "phải làm chính xác tuyệt đối", dẫn tới nó cũng không dám "bước ra ngoài".

Đây là một kiểu năng lực sáng tạo và ảo giác có kiểm soát của nhà A. Trái ngược với năng lực audit, check tính đúng đắn, review kỹ lưỡng, thuần túy logic của nhà O.

Vì thế cả A và O mình đều dùng chứ không bỏ được nhà nào. Quan trọng là mỗi phase, mỗi thể loại hệ thống, mỗi tác vụ đều có thể có sự góp mặt của cả 2 nhà.

Chúc các bạn enjoy nhà A vui vẻ và tạo thêm giá trị cho các sản phẩm của mình.

## Đọc thêm

- [Function calling là gì? Phân biệt với Structured Outputs và MCP](https://200lab.io/blog/function-calling-la-gi.md): Function calling nối model với dữ liệu thật qua host app: vòng tool call, các bước app phải kiểm tra, và điểm khác với Structured Outputs cùng MCP.
- [Multi-agent là gì? Khi nào một agent không đủ và 3 cách chia việc](https://200lab.io/blog/multi-agent-la-gi.md): Multi-agent là gì: mạnh ở bài toán rộng chạy được song song, nhưng chỉ nên tách khi phần việc làm độc lập được và bù nổi chi phí token.
- [Cách nhờ Grok Bot lọc khách quen và soạn nháp tin hỏi thăm](https://200lab.io/blog/grok-bot-repeat-customer-check-in.md): Soạn tin hỏi thăm khách quen bằng Grok Bot: bot lọc khách theo thời gian cháy, ghi rõ cách tính và chỉ viết nháp để bạn đọc lại rồi tự gửi.
- [Cách nhờ Grok Bot viết checklist đóng gói đơn hàng cho người mới](https://200lab.io/blog/grok-bot-packing-checklist.md): Soạn checklist đóng gói bằng Grok Bot từ lời kể lộn xộn của chủ shop: bot xếp rõ từng việc cho người thời vụ, hỏi lại chỗ thiếu và chỉ bám sát ý bạn.
- [Hướng dẫn nhờ Grok Bot và Jev phân loại email Gmail mỗi sáng cho shop nhỏ](https://200lab.io/blog/grok-bot-gmail-inbox-triage.md): Phân loại email bằng Grok Bot và Jev: Jev gắn nhãn kèm confidence, Grok Bot tóm tắt và soạn nháp, ca ngoài quy định chờ chủ shop, bot không tự gửi thư.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt