Hướng dẫn chạy Agent Claude Sonnet 5.5 trên Sharkly

Anthropic đã ra mắt Claude Sonnet 5.5 vào ngày 28 tháng 9 với mức giá 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra, ngang bằng giá niêm yết của Sonnet 5 và chỉ bằng một nửa so với Opus 5.5. Theo Anthropic, mô hình này chạy nhanh hơn hơn 30% so với Sonnet 5 và tiết kiệm tới 30% chi phí cho mỗi tác vụ. Đối với các nhóm vận hành nhiều coding agent, điểm đáng chú ý là mô hình dành cho các Agent hàng ngày nay chỉ kém phiên bản flagship vài điểm trên phần lớn các hạng mục trong bảng công bố của Anthropic.

Tuy nhiên, đưa mô hình này lên bảng điều khiển lại không hề đơn giản và tự động như bạn tưởng. Mô hình default của Claude Code mặc định trỏ về Opus 5.5 trên các gói Pro, Max, Team, Enterprise cũng như Anthropic API, vì vậy một Computer chạy Claude Code sẽ tiếp tục dùng mô hình flagship cho đến khi có người thay đổi cấu hình. Bí danh sonnet chỉ trỏ đến Sonnet 5.5 trên Anthropic API; còn trên Bedrock, Google Cloud và Microsoft Foundry, nó vẫn trỏ về Sonnet 4.5. Một nhóm tưởng chừng đã “chuyển sang Sonnet” rốt cuộc có thể chạy ba mô hình khác nhau trên ba Computer mà không có cách nào biết lượt chạy nào đã dùng mô hình nào. Hướng dẫn này sẽ chọn con đường tinh gọn và thiết thực nhất: một Computer, một Agent, một Task thực tế, sau đó đánh giá xem Opus 5.5 còn xứng đáng với chi phí bỏ ra ở những trường hợp nào.

Tóm tắt nhanh

Cập nhật Claude Code trên Computer lên phiên bản v2.1.284 hoặc mới hơn, ghim mã định danh đầy đủ claude-sonnet-5-5 thay vì dùng bí danh sonnet, và quét lại (rescan) cho đến khi Claude Code Runtime hiển thị trạng thái Available. Thiết lập chỉ dẫn (instructions) cho Agent nhằm hạn chế thói quen hỏi lại quá sớm hoặc tự ý bổ sung những thứ không yêu cầu của Sonnet 5.5, đặt thư mục làm việc ở chế độ Temporary, định cấu hình thời gian timeout phù hợp với các tác vụ có phạm vi rõ ràng, và giao một Task. Trong một Crew, hãy phân công các thành viên đảm nhận tác vụ thông thường dùng Sonnet 5.5, đồng thời giữ Opus 5.5 cho vai trò nhóm trưởng và người đánh giá (reviewer). Agent sẽ nghiên cứu, thực thi, kiểm thử và báo cáo. Con người sẽ định hướng, cấp thẩm quyền và nghiệm thu kết quả.

Cài đặt mô hình nằm ở đâu?

Sharkly không trực tiếp chọn mô hình. Tài liệu về Agent nêu rõ: “Agent tuân theo mô hình mặc định của Runtime. Nó không cam kết hay hiển thị một tên mô hình cụ thể. Hãy thay đổi mô hình trong cấu hình công cụ của Runtime hoặc Computer, chứ không phải trên Agent.” Trang này cũng cho biết thêm rằng Agent không cung cấp giao diện chọn mô hình hay tùy chỉnh độ sâu suy nghĩ (thinking depth).

Điều này rất quan trọng đối với Sonnet 5.5, bởi mức độ nỗ lực suy nghĩ (effort) là yếu tố làm thay đổi hành vi của mô hình này nhiều nhất, và effort lại nằm ở nơi mô hình vận hành: trong Claude Code trên Computer. Agent xác định cách thức xử lý công việc, Computer cung cấp máy chủ lưu trữ (host), Runtime (ở đây là Claude Code) thực thi phiên làm việc, còn Task đóng vai trò là bản ghi chia sẻ chung.

Bước 1: Cấu hình Sonnet 5.5 trong Claude Code trên Computer

Theo tài liệu cấu hình mô hình của Claude Code, Sonnet 5.5 yêu cầu Claude Code phiên bản v2.1.284 trở lên. Hãy cập nhật trên Computer và đăng nhập bằng gói trả phí hoặc API key có quyền truy cập; Claude Code không hỗ trợ gói Claude Free (tài khoản chat thông thường có thể và không thể chạy những gì). Sau đó, hãy chạy claude --model claude-sonnet-5-5 trong terminal thông thường trên host đó. Nếu một phiên làm việc khởi chạy thành công, Sharkly đã có thể sử dụng mô hình này.

Hãy ghim ID đầy đủ thay vì dùng bí danh. Dưới đây là mô hình thực tế mà sonnet sẽ trỏ đến trong Claude Code hiện tại:

ID này là claude-sonnet-5-5 ở khắp mọi nơi ngoại trừ Bedrock, nơi mô hình hoạt động thông qua profile đa vùng toàn cầu global.anthropic.claude-sonnet-5-5. Chế độ opusplan cũng gặp phải vấn đề tương tự với bí danh: nó lập kế hoạch bằng Opus và thực thi trên bất kỳ mô hình nào mà sonnet đang đại diện.

Sau đó, hãy cố định thiết lập này: cài đặt mô hình trong cấu hình của Claude Code trên Computer đó, để mọi lượt chạy do dịch vụ cục bộ khởi tạo đều sử dụng Sonnet 5.5 thay vì mặc định Opus 5.5, rồi kiểm tra lại trong terminal.

Quay lại Sharkly, mở trang chi tiết Computer và dùng thao tác rescan (quét lại) hoặc kiểm tra kết nối. Claude Code Runtime phải hiển thị trạng thái Available. Trạng thái Computer báo online chỉ có nghĩa là dịch vụ cục bộ đang gửi tín hiệu heartbeat; chính trạng thái của Runtime mới cho biết một lượt chạy có thể bắt đầu hay không.

Bước 2: Xây dựng Agent dựa trên đặc tính hành vi của Sonnet 5.5

Mở mục Agents, chọn New Agent, rồi chọn Computer và Claude Code Runtime tương ứng. Hướng dẫn viết prompt cho Sonnet 5.5 của Anthropic đã chỉ ra những thói quen dễ khiến công việc bị ứ đọng trong hàng đợi đánh giá.

Mức độ nỗ lực (effort) quyết định mô hình bạn thực sự nhận được. Claude Code mặc định chạy Sonnet 5.5 ở mức effort medium, và không thể tắt tính năng suy nghĩ (thinking) tại đây. Hầu hết các con số ấn tượng trong ngày ra mắt đều được đo ở mức max. Các biểu đồ của Anthropic cho thấy Sonnet 5.5 đạt 39,2% trên CursorBench 4.0 ở mức medium và 55,5% ở mức max, với chi phí ước tính lần lượt là 0,70 USD và 9,67 USD cho mỗi tác vụ. Đây là hai mức ngân sách hoàn toàn khác nhau, chứ không phải thiết lập đúng hay sai. Bản hướng dẫn khuyên nên dùng mức medium cho coding tự động với các tác vụ có yêu cầu rõ ràng, và chỉ dành xhigh cùng max cho những trường hợp đã kiểm chứng được hiệu quả thực sự.

Hay dừng lại hỏi ý kiến quá sớm. Ở mức effort low và medium, Sonnet 5.5 thường có xu hướng dừng lại để hỏi ý kiến trong các tác vụ tự động kéo dài. Trên Sharkly, câu hỏi này sẽ xuất hiện dưới dạng bình luận trong Task, khiến Task chuyển sang trạng thái chờ con người phản hồi và nằm trong Inbox của ai đó cho đến khi có câu trả lời. Hãy chỉ thị cho Agent tự động tiếp tục công việc dựa trên các giả định đã nêu rõ. Ở mức low effort, mô hình cũng có thể báo cáo mã nguồn đã hoàn thành mà chưa hề chạy kiểm thử, vì vậy cần bắt buộc thực hiện kiểm tra.

Tự ý thêm những thứ không được yêu cầu. Hướng dẫn cũng lưu ý rằng ở bất kỳ mức effort nào, mô hình cũng có thể tự tạo thêm các bài test, tài liệu và các tệp nhỏ không ai yêu cầu, thậm chí còn tự mở thêm các vòng review hoặc tạo thêm subagent đánh giá ở mức xhigh và max. Chú thích trong thông báo ra mắt của Anthropic đã cho thấy cái giá phải trả: Sonnet 5.5 đạt điểm trên FrontierCode ở mức max thấp hơn so với xhigh vì nó thường xuyên kích hoạt kỹ năng code-review của Claude Code hơn—kỹ năng này phân nhánh ra nhiều subagent, và trong hai trường hợp mà Cognition phân tích, điều này đã dẫn đến việc hết thời gian (timeout) hoặc chỉnh sửa ngoài phạm vi. Đối với người đánh giá, điều đó đồng nghĩa với một bản diff lớn hơn chứa nhiều chỉnh sửa nằm ngoài phạm vi Task.

Thời gian chờ (timeout) và thư mục làm việc. Anthropic định vị Sonnet 5.5 cho “các tác vụ thường nhật có phạm vi rõ ràng”, vì vậy hãy điều chỉnh timeout cho từng Task cho phù hợp, và khi một lượt chạy chạm ngưỡng timeout, hãy chia nhỏ Task trước khi tăng giới hạn thời gian. Giữ thư mục làm việc ở chế độ Temporary: mỗi Task sẽ nhận được một thư mục riêng biệt, và các lượt chạy liên kết với kho lưu trữ (repository) sẽ chuẩn bị một worktree mới tinh, giúp các lượt chạy song song không ghi đè lên nhau. Hãy giữ mức xử lý đồng thời (concurrency) ở giá trị mặc định là 50% giới hạn của Computer cho đến khi Computer đã xử lý ổn thỏa tải công việc thực tế.

Chỉ dẫn mẫu để áp dụng:

Read the Task description and recent comments before editing.
Keep changes limited to the requested behavior. Do not add tests,
docs, or new files unless the Task asks for them; list any you
think are missing in your report instead.
Do not stop to ask whether to continue. When a detail is ambiguous,
proceed with a stated assumption and record it in your report.
Ask only when different interpretations would materially change
the result.
Run the closest relevant checks before reporting done, and report
failures without hiding them.
Do not start extra review rounds or reviewer subagents.
If a safeguard notice or refusal appears, say so in your report.
Stop and ask before anything destructive or outside the attached
repositories.

Bước 3: Giao một Task, sau đó xây dựng Crew hai tầng

Chọn một Task có tiêu chuẩn nghiệm thu rõ ràng, chỉ định Agent làm Assignee, rồi chuyển nó từ Backlog (nơi các Task đã phân công đang chờ) sang một trạng thái sẵn sàng để xử lý. Lượt chạy sẽ lần lượt chuyển qua các trạng thái queued, dispatched và running, đồng thời tab Executions sẽ phát trực tiếp log theo thời gian thực.

Hãy giữ Task đầu tiên đó cho một Agent duy nhất. Crew là một nhóm có thể tái sử dụng gồm People (con người) và Agent dưới sự điều phối của một Agent trưởng nhóm (leader), và nó chỉ phát huy giá trị khi người trưởng nhóm cần diễn giải mục tiêu và tổng hợp kết quả của nhiều thành viên vào một Task duy nhất. Đối với một tác vụ sửa lỗi (bug fix) có phạm vi giới hạn, một Agent duy nhất là lựa chọn chuẩn xác.

Trong một Crew, sự phân công tuân theo đúng định vị của Anthropic. Opus 5.5 “vẫn vượt trội rõ rệt ở các tác vụ phức tạp, mở”, rất phù hợp với vai trò của trưởng nhóm: lập kế hoạch, phân chia công việc và đánh giá (review). Công việc của các thành viên là những việc có phạm vi rõ ràng mà Sonnet 5.5 hướng tới, và một người thử nghiệm sớm được trích dẫn trên trang ra mắt cũng mô tả mô hình phân chia tương tự: Sonnet 5.5 hiện thực hóa kiến trúc do Opus 5.5 vạch ra.

Vì vị trí cấu hình mô hình theo tài liệu là trong cấu hình công cụ của Computer, mô hình thiết lập hai tầng trực quan nhất là sử dụng hai Computer: một Computer giữ nguyên mặc định Opus 5.5 của Claude Code cho trưởng nhóm, và một Computer được ghim mã claude-sonnet-5-5 cho các thành viên. Ranh giới phân chia giữa chúng là một quy tắc điều hướng rất đáng để văn bản hóa; bài viết Sonnet 5.5 hay Opus 5.5 sẽ hướng dẫn chi tiết điều này, và bài viết So sánh Sonnet 5.5 với GPT-6 Sol đề cập đến tùy chọn Runtime khác ở cùng tầm giá. Mức sử dụng mô hình vẫn được tính qua các gói đăng ký hoặc API key đã cấu hình trong các công cụ đó, do đó các khoản phí này sẽ xuất hiện trên hóa đơn từ nhà cung cấp mô hình của bạn chứ không phải trên Sharkly.

Những thay đổi trên bảng điều khiển

Tốc độ chạy nhanh hơn dồn gánh nặng lên cùng một nhóm người đánh giá. Khối lượng công việc hoàn thành mỗi ngày nhiều hơn với cùng một ngân sách không đồng nghĩa với việc người đánh giá có thêm thời gian, chưa kể thói quen tự ý thêm kiểm thử và tài liệu khiến mỗi bản diff trở nên đồ sộ hơn. Hãy lập kế hoạch dựa trên năng lực đánh giá (review capacity), chứ không phải giá mô hình.

Một lượt chạy bị gắn cờ có thể không còn là Sonnet 5.5 nữa. Đây là phiên bản Sonnet đầu tiên được tích hợp các cơ chế bảo vệ an ninh mạng (cyber safeguards). Anthropic cho biết các tác vụ an ninh mạng có độ rủi ro cao hơn “sẽ tự động chuyển về Sonnet 5 một cách rõ ràng”, và thẻ hệ thống (system card) cũng cảnh báo sẽ có nhiều lượt từ chối hơn ngay cả với các tác vụ bảo mật lành tính. Điều hiển thị rõ trong phiên làm việc lại không hề hiển thị trên bảng điều khiển: Sharkly không hiện tên mô hình, nên trên Task sẽ không có thông tin nào cho biết mô hình nào đã phản hồi trừ khi Agent tự ghi lại. Đó là lý do tại sao chỉ dẫn ở phần trên yêu cầu ghi rõ điều này.

Khối suy luận (reasoning) gắn liền với chính mô hình tạo ra nó. Sonnet 5.5 không thể đọc các khối tư duy (thinking blocks) của Opus 5.5, không mô hình nào khác đọc được của Sonnet 5.5, và các khối không thể đọc được sẽ bị loại bỏ mà không báo lỗi. Ngay cả trong cùng một phiên Claude Code, việc chuyển đổi qua lại giữa hai mô hình sẽ chỉ giữ lại văn bản hiển thị và làm mất đi mạch suy luận đằng sau. Giữa các Agent trong một Crew, luồng suy luận vốn dĩ không bao giờ được chuyển tiếp: người đánh giá chỉ nhận được những gì thành viên đã ghi lại trên Task. Bài viết Chuyển giao giữa các mô hình làm mất mạch suy luận sẽ hướng dẫn cách khắc phục, và các mẫu chuyển giao (handoff templates) sẽ giúp định hình cấu trúc đó.

Mô hình đã thay đổi trong tuần này. Nhưng việc phân công, ngữ cảnh, tiến độ, rào cản, kết quả và sự đánh giá của con người vẫn luôn hiện diện ở nơi cả nhóm có thể theo dõi. Bạn có thể tự thiết lập quy trình này bằng các worktree, hoặc sử dụng Sharkly để quản lý toàn bộ luồng công việc.