OpenRig, routing model kiểu Ringg và MentalHealthBench cho dev AI
Chạy nhiều coding agent cùng lúc đang chuyển từ "mở thêm tab terminal" sang một hệ thống có vai trò, hàng đợi và snapshot. Bài này gom năm thứ dev AI nên biết: một harness đa agent open-source, cách một nền tảng voice agent chia việc cho nhiều model để giảm chi phí, một benchmark mở để eval chatbot, GPT-6 Astra trên Bedrock, và mùa DevFest sắp mở. Mỗi mục có link repo hoặc docs để thử ngay.
OpenRig: Claude Code và Codex chạy chung một team
mvschwarz/openrig (Apache-2.0, khoảng 1.000 star) là "rig" bọc các harness như Claude Code và Codex thành một hệ thống. Bạn khai báo team agent bằng YAML (RigSpec), boot bằng một lệnh, rồi giao việc qua các "seat" có địa chỉ cố định như dev-owner@first-project. OpenRig gồm daemon local, CLI, TUI và MCP server, chạy trên tmux; mỗi agent là một session bạn attach vào được. Có sẵn starter first-project (một owner và một checker), conveyor (4 seat trộn Claude Code và Codex), adversarial-review, research-team. rig down --snapshot lưu topology, rig up <name> khôi phục. Yêu cầu Node.js 20/22/24 và tmux; xem docs OpenRig.
npm install -g @openrig/cli
rig setup --dry-run
rig up first-project --cwd . --plan
Thử nếu: bạn đang tự điều phối nhiều session Claude Code/Codex bằng tay và muốn có reviewer tách riêng khỏi agent viết code. Skip nếu chưa đọc mục "What OpenRig changes on your machine" trong README: OpenRig ghi hook, trust setting vào ~/.claude.json và ~/.codex/config.toml, nên hãy backup trước khi chạy.
Routing nhiều model: bài học chi phí từ voice agent của Ringg
Ringg, nền tảng voice và chat agent phục vụ doanh nghiệp tại Ấn Độ, xử lý hơn 7 triệu cuộc gọi mỗi tháng và tự giải quyết tới 65% yêu cầu thường gặp mà không cần nhân viên. Điểm đáng học là cách chia việc: GPT-4.1 lo phần lớn traffic realtime, GPT-5.6 Luna dùng khi hợp về latency hoặc giá, GPT-5.6 Terra làm tóm tắt và phân loại sentiment sau cuộc gọi, còn GPT-5.6 Sol dùng cho eval, cải thiện prompt và model-as-judge. Chuyển các workload realtime phù hợp từ GPT-4.1 sang GPT-5.6 giúp họ giảm khoảng 90% chi phí model. Họ cũng test riêng hội thoại trộn tiếng Anh với tiếng địa phương; Terra đạt tới 97% độ chính xác trên các ngôn ngữ vùng phổ biến. Đây là số liệu công ty tự báo cáo.
Dùng khi: app của bạn gọi một model đắt cho mọi request, kể cả tác vụ đơn giản như phân loại hay tóm tắt. Skip nếu chưa có bộ eval nội bộ; routing không có eval chỉ là đoán.
MentalHealthBench: benchmark mở cho chatbot gặp người dùng khủng hoảng
OpenAI công bố MentalHealthBench, benchmark mở gồm 1.215 hội thoại tổng hợp và 5.262 tiêu chí rubric do hơn 80 chuyên gia sức khỏe tâm thần có giấy phép viết (19 ngôn ngữ, hơn 20 quốc gia). Dữ liệu trải từ hội thoại thường ngày (53,5%) tới mức nặng (18,2%) và khẩn cấp (28,3%), với các hồ sơ người dùng như người lớn, teen, người chăm sóc và bác sĩ. Mỗi tiêu chí có trọng số từ -10 đến 10, được xếp vào 10 trục hành vi như hỏi thêm bối cảnh, hiệu chỉnh mức khẩn cấp, tránh gây hại. Grader là GPT-5.6 Sol ở reasoning effort cao. Trong paper, GPT-6 Astra dẫn đầu với 57,3 điểm, tiếp theo GPT-6 Sol (53,9) và Claude Opus 5.5 (52,4). Dataset tải ở file zip chính thức.
Dùng khi: bạn ship chatbot hỗ trợ khách hàng, giáo dục hay sức khỏe, nơi người dùng có thể nói về chuyện cá nhân nặng nề. Skip nếu định dùng điểm số này như bằng chứng hiệu quả lâm sàng; benchmark chỉ đo hành vi phản hồi theo rubric chuyên gia.
GPT-6 Astra trên Amazon Bedrock: Airbnb mở rộng cho team engineering
Airbnb ký thỏa thuận mở rộng quyền truy cập model frontier của OpenAI, gồm GPT-6 Astra, cho team engineering và product qua OpenAI API và Amazon Bedrock. Kỹ sư Airbnb vốn đã dùng một nền tảng AI tooling nội bộ để viết code và tạo remote agent chạy bằng Codex cùng GPT-5.6 Sol, Terra, Luna. Theo Airbnb, Astra giúp truy lỗi khó, định hình thiết kế hệ thống và cân nhắc hướng tiếp cận kỹ thuật. CTO Airbnb cho biết team đang ship nhiều hơn khoảng 80% tính năng so với một năm trước. Con số này là tự báo cáo và không phải phép đo có đối chứng.
Thử nếu: công ty bạn đã chạy trên AWS và cần đi qua Bedrock để giữ billing, IAM và compliance thống nhất. Skip nếu team chỉ cần autocomplete trong IDE; Astra phù hợp hơn với debug khó và thiết kế hệ thống.
DevFest 2026: mùa codelab agentic từ 1/10 đến 31/12
Google Developer Groups (GDG) tổ chức DevFest 2026 từ 1/10 đến 31/12, với hơn 800 sự kiện ở 115 quốc gia. Chủ đề năm nay là "Build, Secure, Scale: Developers and Builders in the Agentic Era". Các sự kiện ưu tiên thực hành qua codelab, workshop và agent-athon với Gemini, Google AI Studio, Google Antigravity, Google Cloud, Firebase, Android, Flutter, Angular và Web MCP. Mỗi GDG tự lên agenda theo nhu cầu cộng đồng địa phương, nên hãy tìm sự kiện gần bạn trong event directory.
Thử nếu: bạn muốn thực hành build agent với stack Google cùng mentor, hoặc tìm cộng đồng dev AI tại thành phố mình. Skip nếu bạn không dùng stack Google; nội dung chủ yếu xoay quanh sản phẩm của họ.
Kết luận
Nếu chỉ chọn một việc trong tuần, hãy liệt kê các request trong app đang gọi model đắt nhất và thử chuyển tác vụ đơn giản sang model rẻ hơn, giống cách Ringg làm. Nếu team đã chạy nhiều coding agent song song, dựng first-project của OpenRig trong một repo thử nghiệm để xem cặp owner và checker có giảm được lỗi lọt review hay không.