DeepSeek viết 70.000 dòng code, Opus xem xét: bài toán chi phí và lợi ích
Một nhà phát triển đã sử dụng DeepSeek Flash 4.1 để xây dựng một ứng dụng thư viện ảnh phức tạp và dùng Claude Opus 5.5 để rà soát lại, kết quả cho thấy mô hình cao cấp chỉ mang lại lợi ích không đáng kể so với chi phí bỏ ra.
Được dịch tự động từ bản gốc tiếng Anh.
Vào tháng 11 năm 2026, một kỹ sư phần mềm đã công bố báo cáo chi tiết về việc xây dựng ứng dụng quản lý ảnh tự lưu trữ (self-hosted) bằng cách sử dụng hoàn toàn các mô hình ngôn ngữ lớn (LLM) có trọng số mở cho việc tạo mã nguồn. Sau khi hoàn thành dự án với DeepSeek Flash 4.1, nhà phát triển đã tiến hành kiểm toán nghiêm ngặt mã nguồn bằng Claude Opus 5.5 của Anthropic nhằm xác định xem liệu các mô hình tiên phong (frontier models) có xứng đáng với mức giá cao hơn hay không. Thí nghiệm cho thấy mặc dù mô hình cao cấp phát hiện được một số trường hợp biên (edge cases) tinh vi, nhưng nó không tìm ra lỗi nghiêm trọng nào trong kiến trúc lõi, gợi ý rằng hiệu suất sinh lời đang giảm dần đối với các quy trình làm việc theo tác nhân (agentic workflows) được đặc tả rõ ràng.
Chuyện gì đã xảy ra
Nhà phát triển đã dành mười một tuần để xây dựng một ứng dụng thay thế cho Apple Photos, tạo ra 71.161 dòng mã trên 360 tệp. Công nghệ bao gồm backend Rust sử dụng Axum, frontend SvelteKit và SQLite để lưu trữ metadata. Ứng dụng hỗ trợ phân loại AI ngoại tuyến, xử lý ảnh RAW, chuyển đổi video và các tính năng chỉnh sửa phức tạp như ghép HDR và hiệu chỉnh ống kính. Trong suốt quá trình này, con người không viết bất kỳ dòng mã triển khai nào. Thay vào đó, họ tập trung vào việc xác định các bất biến kiến trúc chặt chẽ, viết các đặc tả dưới dạng văn bản và duy trì các tài liệu hướng dẫn như AGENTS.md và SPEC.md. Các tài liệu này thực thi những quy tắc như chỉ dùng SQL tham số hóa, thiết kế ưu tiên cục bộ (local-first) và không có "phép màu" tại thời điểm truy vấn.
Khi ứng dụng ổn định và chạy trên các thiết bị của nhà phát triển, họ bắt đầu giai đoạn rà soát bằng Claude Opus 5.5. Mục đích là để so sánh hiệu suất của mô hình tiên phong với DeepSeek Flash 4.1, vốn đã tạo ra toàn bộ mã nguồn với chi phí khoảng 30 USD trong ba tháng. Việc rà soát bằng Opus bị giới hạn bởi phiên làm việc tối đa năm giờ, đòi hỏi công việc phải được chia nhỏ qua nhiều ngày. Mục tiêu không phải là sửa mã nguồn bị hỏng, mà là xem liệu mô hình đắt tiền hơn có thể tìm ra những vấn đề mà mô hình rẻ hơn đã bỏ sót trong hai tháng sử dụng hàng ngày hay không.
Cách thức hoạt động
Quy trình rà soát dựa trên một khung cấu trúc thay vì các câu lệnh mở (open-ended prompting). Nhà phát triển đã tạo một "kỹ năng" (skill) hướng dẫn LLM đánh giá mã nguồn theo 29 trục cụ thể, được nhóm vào năm danh mục: độ chính xác và bất biến, bảo mật và ranh giới, đồng thời hóa (concurrency), nhất quán xuyên biên giới và chất lượng mã. Mỗi trục có phạm vi hẹp, chẳng hạn như tính toàn vẹn của thẻ địa lý GPS hoặc bảo mật thư mục thả WebDAV. Người rà soát được quyền truy cập vào toàn bộ kho lưu trữ, với SPEC.md và AGENTS.md đóng vai trò là sự thật cơ bản (ground truth) cho hành vi mong đợi.
Hợp đồng cho mỗi lần rà soát yêu cầu các phát hiện cụ thể kèm theo tham chiếu tệp và dòng, liên kết với các vi phạm bất biến cụ thể. Những góp ý về phong cách và suy đoán được loại trừ rõ ràng. Các phát hiện được xếp hạng theo mức độ nghiêm trọng, và quy trình dừng lại để con người phân loại trước khi áp dụng bất kỳ bản sửa lỗi nào. Khi Opus xác định được vấn đề, nó cũng tạo ra các bài kiểm tra hồi quy và thực hiện các bản sửa lỗi trong các commit riêng biệt. Phương pháp này đảm bảo rằng mô hình hoạt động như một kiểm toán viên nghiêm ngặt chứ không phải là một lập trình viên cặp đôi (pair programmer) hời hợt, buộc nó phải xác minh các tuyên bố dựa trên cấu trúc mã thực tế.
Chi tiết quan trọng
- Khối lượng mã: Dự án bao gồm 71.161 dòng mã, trong đó 58.319 dòng là logic mã thực tế, được viết hoàn toàn bởi DeepSeek Flash 4.1.
- Kết quả rà soát: Claude Opus 5.5 tìm thấy 72 vấn đề: 0 nghiêm trọng, 8 chính và 64 phụ. Không có vấn đề chính nào liên quan đến mất dữ liệu hoặc vi phạm bảo mật trong các luồng đã triển khai.
- So sánh chi phí: DeepSeek Flash 4.1 tốn khoảng 30 USD trong 11 tuần thông qua đăng ký OpenCode Go, trong khi Claude Opus 5.5 tốn 17 USD cho một tháng nhưng gặp phải tình trạng giới hạn phiên làm việc nghiêm ngặt.
- Bản chất của lỗi: Các phát hiện chính là những trường hợp biên tinh vi, chẳng hạn như tương tác giữa các chức năng cắt và nghiêng, hoặc tài liệu lỗi thời sau khi tái cấu trúc. Các pipeline lõi như nhập ảnh và xử lý video không có phát hiện nào.
- Đánh giá mô hình: Opus xếp hạng mã do DeepSeek tạo ra ở cấp độ senior, khen ngợi việc phân lớp chặt chẽ và kỹ thuật xử lý đường dẫn lỗi, nhưng phê phán xu hướng sửa các trường hợp cụ thể mà không lan truyền thay đổi đến tất cả các điểm gọi.
- Vai trò của con người: Đóng góp chính của nhà phát triển là xác định tầm nhìn, viết các quy tắc và phân loại các phát hiện. Việc viết mã được ủy quyền hoàn toàn cho mô hình.
Tại sao điều này quan trọng
Đối với các nhà sáng lập kỹ thuật và trưởng nhóm kỹ sư, nghiên cứu tình huống này thách thức giả định rằng các mô hình tiên phong là cần thiết cho việc sản xuất phần mềm chất lượng cao. Thực tế rằng một mô hình trọng số mở đã tạo ra một ứng dụng phức tạp, mạnh mẽ mà không có lỗi kiến trúc nghiêm trọng cho thấy các đặc tả rõ ràng và bất biến chặt chẽ có giá trị hơn trí tuệ thô của mô hình. Mức phí "cao cấp" trả cho Opus không mua được độ chính xác trong hệ thống lõi; nó mua được một cuộc quét sâu hơn về phương sai thống kê và các trường hợp biên chưa biểu hiện trong môi trường sản xuất. Điều này ngụ ý rằng đối với nhiều công cụ nội bộ hoặc sản phẩm có phạm vi rõ ràng, các mô hình rẻ hơn có thể cung cấp tỷ lệ giá trị/giá tốt hơn.
Tuy nhiên, cuộc rà soát cũng nhấn mạnh một điểm yếu dai dẳng trong các quy trình lập trình theo tác nhân hiện nay: khó khăn trong việc duy trì tính nhất quán xuyên biên giới. Opus lưu ý rằng mã thường sửa một trường hợp cụ thể của lỗi mà không cập nhật các handler liên quan, tài liệu hoặc hằng số phản chiếu. Vấn đề "quét toàn bộ" (sweep problem) này vẫn là rủi ro đáng kể khi ủy quyền tạo mã cho LLM. Nó khẳng định rằng mặc dù các mô hình có thể viết các module đơn lẻ xuất sắc, chúng gặp khó khăn với tác động tổng thể của các thay đổi trên một mã nguồn lớn. Sự giám sát của con người vẫn rất cần thiết để thực thi các bất biến toàn cục và đảm bảo rằng việc tái cấu trúc không để lại mã chết hoặc hợp đồng lỗi thời.
Bạn có thể làm gì
- Xác định các bất biến kiến trúc chặt chẽ trong các tệp markdown chuyên dụng như
AGENTS.mdtrước khi bắt đầu bất kỳ dự án lập trình hỗ trợ bởi AI nào. - Sử dụng các mô hình trọng số mở hoặc chi phí thấp cho việc tạo mã ban đầu và lặp lại để giảm thiểu chi phí trong phần lớn quá trình phát triển.
- Triển khai một khung rà soát cấu trúc với các trục hẹp, cụ thể thay vì yêu cầu cải thiện mã chung chung.
- Yêu cầu các reviewer LLM trích dẫn dòng tệp cụ thể và vi phạm bất biến, từ chối các gợi ý phong cách mơ hồ hoặc tối ưu hóa suy đoán.
- Tự tay phân loại tất cả các phát hiện tự động để phân biệt giữa rủi ro kiến trúc nghiêm trọng và các trường hợp biên nhỏ.
- Tập trung nỗ lực cá nhân vào việc viết các đặc tả chính xác và duy trì bộ quy tắc, vì đây là đòn bẩy quyết định chất lượng mã.



