Vì sao các nhà phát triển luôn chọn Claude thay vì những AI khác?

Mọi người sử dụng các công cụ lập trình AI mỗi ngày. Claude Code là lựa chọn chủ yếu. Một số người đã thử các lựa chọn thay thế - Gemini, Codex, các mô hình mã nguồn mở khác. Nhưng vẫn quay lại với Claude. Không phải vì lòng trung thành, không phải vì tiếp thị, mà vì các lựa chọn thay thế làm họ thất vọng theo cùng một cách cụ thể.

Các bài kiểm tra hiệu năng không hề nói dối, nhưng chúng không nói cho bạn biết những gì bạn nghĩ

Khi một mô hình AI mới đứng đầu các bài kiểm tra hiệu năng lập trình, những bài kiểm tra đó thường chính xác. Mô hình thực sự tạo ra code tốt hơn trên các bài toán riêng lẻ. Độ chính xác cao hơn trên HumanEval. Các giải pháp sạch hơn trên những bài toán kiểu LeetCode. Các con số là có thật.

Các bài kiểm tra hiệu năng cũ như HumanEval hoạt động chính xác như vậy - bạn được giao một hàm riêng lẻ để viết và được chấm điểm dựa trên việc nó có vượt qua các bài kiểm tra hay không. Các bài kiểm tra hiệu năng mới hơn như SWE-bench thực tế hơn. Chúng cung cấp cho mô hình các vấn đề GitHub thực tế từ những kho lưu trữ thực và yêu cầu nó tạo ra các bản vá. Điều đó gần hơn với quá trình phát triển thực tế.

Nhưng ngay cả SWE-bench vẫn là một môi trường được kiểm soát. Công việc lập trình thực tế có nhiều thứ diễn ra hơn. Bạn phải quản lý cuộc hội thoại với người dùng, quyết định đọc file nào và bỏ qua file nào. Bạn đang thực hiện các chỉnh sửa có mục tiêu mà không làm hỏng code xung quanh. Bạn gặp phải các lỗi không mong muốn và quyết định xem có nên yêu cầu trợ giúp hay thử một cách tiếp cận khác. Bạn đang tập trung vào nhiệm vụ xuyên suốt hơn 20 bước mà không bị phân tâm. Loại quy trình làm việc tương tác, bền vững như vậy rất khó nắm bắt trong bất kỳ bài kiểm tra hiệu năng nào.

Khoảng cách giữa quy trình làm việc và Trí tuệ thô

Anthropic dường như đã huấn luyện Claude rất nhiều về quy trình lập trình, chứ không chỉ là kết quả đầu ra. Quy trình làm việc là chuỗi các quyết định mà một nhà phát triển có năng lực thực sự đưa ra khi được giao một nhiệm vụ trong một codebase thực tế.

Nói rõ hơn - mọi công cụ lập trình chính đều có thể đọc file, chỉnh sửa code và chạy các lệnh terminal. Codex, Antigravity, Gemini CLI - tất cả đều có những khả năng này. Sự khác biệt nằm ở mức độ nhất quán mà mô hình đằng sau chúng thực hiện quy trình làm việc. Đọc đúng file trước khi thực hiện thay đổi. Thực hiện các chỉnh sửa có mục tiêu thay vì viết lại toàn bộ file một cách không cần thiết. Biết khi nào nên hành động, khi nào nên dừng lại và hỏi để tập trung vào nhiệm vụ ban đầu thay vì bị phân tâm.

Tất cả các công cụ này đều có thể làm được, nhưng Claude làm điều đó đáng tin cậy hơn. Các mô hình khác tạo ra code xuất sắc - đôi khi có thể nói là tốt hơn cả code của Claude xét trên từng snippet riêng lẻ. Khoảng cách không nằm ở bất kỳ sản phẩm đầu ra riêng lẻ nào, mà nằm ở tính nhất quán trong toàn bộ tác vụ. Chúng lặp lại thường xuyên hơn, mất dấu những gì đang làm giữa chừng. Chúng thực hiện các chỉnh sửa làm phá vỡ ngữ cảnh xung quanh. Chúng cần được hướng dẫn nhiều hơn để đi đúng hướng. Không phải lúc nào cũng vậy - nhưng đủ thường xuyên để làm thay đổi mức độ tin tưởng của bạn vào khả năng hoạt động không cần giám sát của công cụ.

Sự khác biệt không phải là trí thông minh thuần túy, mà là kỷ luật quy trình. Và việc huấn luyện điều đó khó hơn hầu hết mọi người nhận ra.

Điều thực sự cần để "giỏi lập trình"

Việc tạo ra code chính xác có lẽ chỉ chiếm khoảng 40% những gì một trợ lý lập trình AI cần làm tốt. 60% còn lại liên quan đến mọi thứ xung quanh mã nguồn:

• Chỉnh sửa file mà không làm hỏng code xung quanh
• Đọc đúng file trước khi thực hiện thay đổi
• Hoàn thành một tác vụ nhiều bước mà không bị lạc hướng giữa chừng
• Truyền đạt rõ ràng về những gì nó đang làm và những gì nó tìm thấy
• Biết khi nào cần hỏi thay vì giả định
• Tập trung vào nhiệm vụ thay vì thực hiện các thay đổi không được yêu cầu đối với những file không liên quan

Mọi công cụ lập trình tự động chính đều cố gắng thực hiện tất cả những điều này. Câu hỏi đặt ra là chúng thành công bao nhiêu lần ở mỗi bước trong suốt một tác vụ hoàn chỉnh. Theo kinh nghiệm khi sử dụng Claude Code hàng ngày - xây dựng các API endpoint, gỡ lỗi những sự cố sản xuất, tái cấu trúc các thành phần - nó luôn đạt được những điều này. Không hoàn hảo, nhưng đủ nhất quán để bạn không cảm thấy cần phải theo dõi từng bước.

Với các công cụ khác, bạn phải can thiệp nhiều hơn. Code mà chúng tạo ra thường cũng tốt, nhưng ở đâu đó giữa một tác vụ nhiều file, điều gì đó bị sai sót - một file bị ghi đè một phần, hoặc mô hình đi sai hướng và bắt đầu "cải thiện" một thứ gì đó mà bạn không yêu cầu. Đó là khoảng cách, chứ không phải khả năng. Điều quan trọng là công cụ đó duy trì hoạt động ổn định bao nhiêu lần mà không cần bạn phải điều chỉnh lại.

Tại sao Google lại gặp vấn đề về cấu trúc ở đây?

Gemini viết code rất tốt. Mô hình cơ bản rõ ràng là rất có khả năng. Chỉ cần cung cấp cho nó một vấn đề được xác định rõ ràng với đặc tả cụ thể, nó sẽ tạo ra một giải pháp tốt, đôi khi là một giải pháp tuyệt vời.

Vấn đề dường như mang tính cấu trúc. Google về cơ bản là một công ty tìm kiếm và sử dụng chung. Các mô hình của họ được tối ưu hóa trên một phạm vi nhiệm vụ khổng lồ - dịch thuật, tóm tắt, hiểu đa phương thức, hội thoại chung. Phát triển phần mềm agentic là một quy trình làm việc phạm vi hẹp, cụ thể, đòi hỏi đào tạo tập trung riêng.

Đào tạo cho các quy trình làm việc agentic nghĩa là mô hình cần phải hoàn thành thành công những chuỗi dài các lệnh gọi công cụ, phục hồi một cách khéo léo khỏi các lỗi giữa chừng, duy trì ngữ cảnh trong nhiều bước mà không bị lệch. Điều này đòi hỏi học tăng cường tập trung vào chính xác kịch bản đó, chứ không chỉ đơn thuần là mở rộng mô hình cơ bản.

Anthropic đã công bố nghiên cứu về tính tự chủ của agent cho thấy rằng kỹ thuật phần mềm chiếm gần 50% tổng hoạt động agentic trên API của họ. Một nửa số lần sử dụng agentic của họ là lập trình. Khi đó, bạn sẽ phải rèn luyện cho nó, tối ưu hóa việc sử dụng công cụ, chỉnh sửa file, quy trình làm việc nhiều bước - bởi vì đó là những gì người dùng trả phí của bạn thực sự đang làm. Google không chịu áp lực tương tự. Mô hình của họ phục vụ tìm kiếm, dịch thuật, các tác vụ đa phương thức, trò chuyện chung. Lập trình chỉ là một trường hợp sử dụng trong số hàng tá trường hợp khác. Mô hình của Anthropic thành công hay thất bại phụ thuộc vào khả năng lập trình của nó.

Tình hình thực tế

Đánh giá trung thực với tư cách là người sử dụng các công cụ này cho công việc thực tế hàng ngày:

Claude là công cụ chính. Claude Code xử lý mọi thứ, từ việc tạo cấu trúc cho các tính năng mới đến gỡ lỗi những sự cố sản xuất phức tạp. Quy trình làm việc đủ tin cậy để bạn có thể tin tưởng nó trong các tác vụ mà bạn không muốn tự mình giám sát.

Codex đã cải thiện đáng kể trong các tác vụ agentic. Khoảng cách đã thu hẹp hơn mong đợi trong vài tháng qua. Nó chưa đáng tin cậy như Claude, nhưng đáng để theo dõi.

Gemini có khả năng thực hiện các tác vụ riêng lẻ. Nó tạo ra những code thực sự ấn tượng cho nhiều bài toán được xác định rõ ràng. Tuy nhiên, với tư cách là một hệ thống hoạt động độc lập trên các tác vụ nhiều bước, nó vẫn gặp khó khăn. Các vòng lặp, hiện tượng bị kẹt, việc cần phải liên tục điều hướng lại – đó là những lỗi thực tế, thường xuyên xảy ra mà mọi người gặp phải.

Nhiều người đã thử cách tiếp cận "lập kế hoạch trong một mô hình, thực thi trong một mô hình khác". Sử dụng Gemini để tư duy kiến ​​trúc, sau đó chuyển sang Claude để thực hiện công việc thực tế. Trên thực tế, điều này làm tăng tính phức tạp mà không tạo ra giá trị. Tốt hơn hết là bạn nên sử dụng Claude cho toàn bộ quá trình.

Điều này có nghĩa gì trong tương lai?

Các mô hình dẫn đầu sẽ liên tục thay đổi. Một mô hình mới sẽ đứng đầu bảng xếp hạng. Các nhà phát triển sẽ thử nghiệm chúng. Một số sẽ chuyển đổi, nhưng hầu hết sẽ quay trở lại.

Khoảng cách sẽ thu hẹp. Google có đủ nguồn lực để khắc phục vấn đề kỷ luật quy trình nếu họ quyết định đó là ưu tiên hàng đầu. OpenAI rõ ràng đang xem xét nghiêm túc các quy trình làm việc dựa trên agent với Codex. Lợi thế mà Claude có được ngày nay không phải là vĩnh viễn.

Nhưng điều mà Anthropic đã tìm ra - đào tạo cho quy trình làm việc, chứ không chỉ là đầu ra - là một hiểu biết có ý nghĩa. Các phòng thí nghiệm khác sẽ phải sao chép rõ ràng trọng tâm đó để thu hẹp khoảng cách. Chỉ riêng các mô hình lớn sẽ không làm được điều đó. Bạn có thể có mô hình thông minh nhất thế giới, nhưng điều đó sẽ không có ý nghĩa gì nếu nó không thể chỉnh sửa một file mà không làm hỏng file bên cạnh.

Các tiêu chuẩn sẽ cho bạn biết một điều. Những nhà phát triển sử dụng các công cụ này hàng ngày sẽ cho bạn biết một điều khác. Thông thường, bạn nên lắng nghe các nhà phát triển.