Khi AI cũng chia ra sếp và lính: Thí nghiệm của Cursor cho thấy không phải cứ model mạnh là hiệu quả

SQLite là phần mềm quản lý dữ liệu nhỏ gọn, có mặt trong hầu hết điện thoại, trình duyệt và ứng dụng, dùng để lưu thông tin ngay trên máy mà không cần kết nối tới máy chủ nào. Cursor, công ty đứng sau công cụ lập trình AI cùng tên, vừa thử một việc táo bạo: giao cho một nhóm nhiều AI cùng làm việc song song, gọi là “agent swarm” hay “bầy AI” , tự viết lại toàn bộ SQLite bằng ngôn ngữ Rust. Bầy AI chỉ được đưa bản tài liệu hướng dẫn dài 835 trang, không có mã nguồn gốc, không có bộ đề kiểm tra, cũng không được truy cập internet để tra cứu thêm. Kết quả công bố trên blog chính thức của Cursor ngày 20/7 khiến giới lập trình phải nhìn lại cách họ nghĩ về việc thuê AI viết code.

Cursor từng thử bài toán này trước đó với một phiên bản bầy AI cũ nhưng thất bại. Lần này, họ so sánh trực tiếp bản cũ và bản mới, dùng cùng một model AI tên Grok 4.5, chạy trong cùng 4 tiếng. Mỗi lần một AI viết xong một đoạn code và lưu lại, hệ thống ghi nhận một lượt gọi là “commit”, tương tự việc lưu một phiên bản mới của tài liệu. Bản bầy AI cũ tạo ra 68.000 lượt commit chỉ trong 2 giờ đầu, nhưng liên tục gặp “xung đột”, tức là khi hai AI cùng sửa một đoạn code theo hai hướng khác nhau và hệ thống không biết nên giữ bản nào. Bản cũ dính hơn 70.000 xung đột và phải dừng giữa chừng, riêng một file bị 1.173 AI khác nhau chỉnh sửa chồng chéo tới 7.771 lần. Bản bầy AI mới, dùng đúng model đó, chỉ gặp chưa tới 1.000 xung đột trong suốt 4 giờ, và cuối cùng vượt qua 100% bộ đề kiểm tra vốn được Cursor giữ bí mật để chấm điểm khách quan.

Vì sao cùng một model AI mà kết quả khác nhau hoàn toàn? Câu trả lời nằm ở cách tổ chức công việc, không phải ở bản thân AI. Hãy hình dung một công trường xây dựng: kiến trúc sư vẽ bản thiết kế và quyết định mọi phương án quan trọng, sau đó thợ xây chỉ việc thi công đúng theo bản vẽ. Bầy AI mới của Cursor hoạt động y hệt vậy. Một nhóm AI đóng vai “kiến trúc sư”, dùng model AI mạnh và đắt nhất để chia nhỏ công việc và quyết định thiết kế tổng thể. Một nhóm AI khác đóng vai “thợ”, dùng model rẻ và nhanh hơn để thực thi từng phần việc cụ thể. AI kiến trúc sư không bao giờ tự tay viết code nên đầu óc không bị rối bởi chi tiết vụn vặt, còn AI thợ không phải lo nghĩ bức tranh toàn cảnh nên dồn hết sức cho phần việc trước mắt.

Mỗi khi một AI đọc hoặc viết ra văn bản, hệ thống tính phí theo đơn vị gọi là “token”, tạm hiểu là một từ hoặc một mảnh nhỏ của từ. Càng dùng nhiều token, hóa đơn càng cao, và model càng mạnh thì giá mỗi token càng đắt. Cursor thử 4 cách phối hợp model khác nhau cho cùng bài toán SQLite, và độ chênh lệch chi phí giữa các cách lên tới gần 8 lần. Nếu để một model mạnh như GPT-5.5 tự làm hết từ lên kế hoạch tới viết code, không chia vai kiến trúc sư và thợ, tổng chi phí lên tới 10.565 USD, tương đương khoảng 279 triệu đồng. Nhưng nếu để Opus 4.8 làm kiến trúc sư còn Composer 2.5, một model rẻ hơn, làm thợ, tổng chi phí chỉ còn 1.339 USD, tương đương khoảng 35 triệu đồng, trong khi chất lượng đầu ra gần như tương đương.

Điều thú vị là không phải cứ ghép một AI kiến trúc sư xịn với AI thợ rẻ là luôn tiết kiệm nhất. Khi Cursor thử để model Fable 5 làm kiến trúc sư thay cho Opus 4.8, nhóm này suy nghĩ ít hơn khi lên kế hoạch, nhưng bản kế hoạch kém rõ ràng khiến đội thợ phải làm nhiều việc hơn gấp vài lần để bù lại, kéo tổng chi phí lên cao hơn hẳn. Nói cách khác, chất lượng của người ra quyết định quan trọng hơn việc chọn model đắt hay rẻ.

Cursor không phải cái tên đầu tiên thử điều này ở quy mô lớn. Trước đó, chính Anthropic, công ty tạo ra Claude, cũng làm một việc tương tự nhưng trên sản phẩm thật đang được hàng triệu người dùng, chứ không phải một bài kiểm tra nội bộ. Tháng 12/2025, Anthropic mua lại Bun, một công cụ chạy JavaScript được xem là đối thủ nhanh hơn của Node.js. Jarred Sumner, người sáng lập Bun, tiếp tục dẫn dắt dự án sau khi về làm việc tại Anthropic.

Bun ban đầu được viết bằng Zig, còn Rust là ngôn ngữ lập trình khác. Cả hai đều thuộc nhóm ngôn ngữ dùng để viết phần lõi phần mềm, nơi cần kiểm soát chặt chẽ cách chương trình sử dụng bộ nhớ máy tính để chạy nhanh và ổn định. Điểm khác biệt là Rust có cơ chế tự động ngăn một số lỗi bộ nhớ nguy hiểm mà Zig không có sẵn, nên được nhiều lập trình viên tin tưởng hơn cho các dự án lớn. Từ ngày 3 đến 14/5, Jarred Sumner cho khoảng 64 AI Claude chạy song song, dùng bản Claude Fable 5 chưa phát hành chính thức, để viết lại toàn bộ gần 1 triệu dòng code của Bun từ Zig sang Rust. Theo Jarred Sumner, nếu làm bằng tay, việc này cần 3 kỹ sư làm trong khoảng một năm. Bầy AI hoàn tất chỉ sau 11 ngày, tiêu tốn khoảng 165.000 USD tiền vận hành AI, tương đương khoảng 4,3 tỷ đồng, thấp hơn nhiều so với chi phí nhân sự ước tính từ 300.000 đến 500.000 USD, khoảng 7,9 đến 13,2 tỷ đồng, cho cùng khối lượng công việc.

Để kiểm soát chất lượng, mỗi đoạn code do một AI viết ra sẽ có thêm hai AI khác đóng vai phản biện, với nhiệm vụ duy nhất là tìm ra lý do khiến đoạn code đó sai. Cách làm này giúp phát hiện một lỗi gọi là “use after free”, tức lỗi xảy ra khi phần mềm vẫn cố dùng một vùng nhớ đã bị xóa trước đó, có thể khiến chương trình treo hoặc bị khai thác thành lỗ hổng bảo mật. Lỗi này nằm trong phần code xử lý tiến trình và được bắt trước khi hợp nhất vào nhánh chính. Bản viết lại sau đó vượt qua toàn bộ bộ đề kiểm tra có sẵn của Bun, với hơn 1 triệu phép thử, đồng thời giảm rò rỉ bộ nhớ, giảm kích thước file cài đặt và tăng nhẹ tốc độ xử lý mạng. Ngay cả Claude Code, công cụ lập trình của chính Anthropic, cũng chuyển sang chạy trên bản Rust này từ giữa tháng 6 và khởi động nhanh hơn 10% trên hệ điều hành Linux.

Không phải ai cũng đồng tình. Andrew Kelley, người tạo ra ngôn ngữ Zig, công khai chỉ trích chất lượng code trong bản viết lại, cho rằng vấn đề nằm ở nợ kỹ thuật tồn đọng nhiều năm của Bun chứ không phải do bản thân Zig có lỗi. Theo Andrew Kelley, Jarred Sumner “đã viết code lộn xộn từ trước khi có mô hình ngôn ngữ lớn”.

Đặt cạnh nhau, hai câu chuyện của Cursor và Anthropic cùng chỉ ra một điểm chung. Một bầy AI biết phối hợp có thể làm những việc từng cần cả đội kỹ sư làm trong nhiều tháng, với chi phí chỉ bằng một phần nhỏ. Nhưng ở cả hai trường hợp, phần khó nhất vẫn là kiểm soát chất lượng, và không phải chuyên gia nào cũng tin rằng code do AI viết ra đã đủ đáng tin để giao toàn quyền.

Toàn bộ chi tiết dự án Bun được Jarred Sumner đăng trên blog chính thức tại bun.com/blog/bun-in-rust ngày 8/7. Báo cáo của Cursor về SQLite, tựa đề “Agent swarms and the new model economics” , do kỹ sư Wilson Lin viết, xuất hiện trên blog công ty này ngày 20/7, kèm mã nguồn công khai tại github.com/anysphere/minisqlite.