Hãy nhờ ChatGPT Work lập kế hoạch lộ trình chạy bộ 5K/10K: Cẩm nang từ GPT-6 Astra

GPT-6 Astra và ChatGPT Work giờ đây có thể nhận một địa chỉ và trả lại cho bạn một vòng chạy bộ 5K hoặc 10K khép kín đúng nghĩa — đường phố thật, quãng đường thật, tải xuống dưới dạng GPX và GeoJSON, kèm bản đồ tương tác nhúng ngay trong cuộc trò chuyện. Mấu chốt là phải biết rằng chúng là hai lớp khác nhau đảm nhiệm hai nhiệm vụ khác nhau. ChatGPT Work là gói sản phẩm agentic của OpenAI — công bố ngày 9 tháng 7 năm 2026, dành cho người đăng ký từ 20 đô-la một tháng trở lên — nơi một mô hình có thể tiếp tục làm việc trong nửa giờ xuyên suốt các tệp, một shell và internet. GPT-6 Astra là mô hình suy luận hàng đầu ra mắt ngày 3 tháng 9 năm 2026, đạt trạng thái sẵn sàng chung vào ngày 5 tháng 9 trên mọi gói ChatGPT trả phí, ChatGPT Work, Codex và API, và là mô hình biến một yêu cầu một dòng thành một phiên lập kế hoạch tuyến đường nhiều bước kéo dài 27 phút. Cẩm nang này bao quát câu lệnh làm việc, những công cụ mà tác nhân thực sự dùng đến (OpenStreetMap, Nominatim, Overpass), những kết quả đầu ra có thể mong đợi, và những lưu ý trung thực — bởi vì quy trình này thực sự hữu ích, và bởi vì phần mà không ai cho bạn thấy chính là phần có thể cắn ngược.

Công thức một đoạn văn

Yêu cầu có tác dụng, như được Simon Willison minh họa vào ngày 12 tháng 9, ngắn đến mức gần như đáng xấu hổ:

• Lời nhắc: "Tôi sống tại <địa chỉ của tôi>. Hãy tìm giúp tôi các cung đường chạy bộ 5K và 10K từ vị trí của tôi, thành vòng lặp từ nhà tôi. Dùng dữ liệu OSM."

• Chuyện xảy ra tiếp theo: ChatGPT Work đã chạy với GPT-6 Astra (mức suy luận Max) trong 27 phút, và trả về một vòng chạy 5K và một vòng chạy 10K, mỗi vòng dưới dạng một bản đồ tương tác được nhúng cùng với các tệp GPX và GeoJSON có thể tải xuống.

• Cung đường đó là có thật: kết quả 5K ("El Granada harbor loop 5.1 km") chạy từ bến cảng về phía bắc dọc theo Đại lộ Granada và Đại lộ Paloma, về phía đông dọc theo Đại lộ San Carlos, về phía nam xuống Phố Francisco, rồi quay trở lại phía tây dọc theo Coastal Trail.

Chi tiết cuối cùng đó chính là điểm mấu chốt của một cuốn cẩm nang. Đây không phải là một danh sách tên đường bị ảo giác — đó là một tuyến đường có vòng lặp, có khoảng cách hợp lý và khớp với mạng lưới đường thực tế của khu vực. Khi mô hình được hỏi nó đã xây dựng nó như thế nào, nó trả lời thẳng thắn: "Tôi đã dùng Nominatim để định vị địa chỉ và Overpass để tải về các con đường và lối mòn OpenStreetMap cục bộ, sau đó tính toán các vòng lặp ngay tại chỗ."

Nói cách khác, quy trình này chính là một lần chạy agent thực thụ: geocode địa chỉ, lấy dữ liệu bản đồ thật, tính toán các vòng khép kín có độ dài phù hợp, kết xuất hình ảnh trực quan hóa, và xuất ra các định dạng trao đổi tiêu chuẩn. Nếu bạn từng mong có một câu lệnh "plan me a route" thực sự hoạt động, thì đây chính là hình dạng của nó.

ChatGPT Work thực sự là gì, và tại sao nó lại quan trọng ở đây

ChatGPT Work không phải là một mô hình. Nó là bề mặt sản phẩm nơi một mô hình có thể hành động như một tác nhân: nó có thể thực thi mã, truy cập internet, dùng trình duyệt không giao diện, duy trì một không gian làm việc bền vững qua các phiên, và chạy trong thời gian dài. Nó tách ra một cách khó hiểu thành hai hình thức: Work Cloud (qua chatgpt.com hoặc các ứng dụng di động) và Work Local (ứng dụng desktop trước đây gọi là Codex, có thể chạm tới các tệp và chương trình trên máy tính của chính bạn). Nó khả dụng cho người đăng ký ở các gói từ $20 một tháng trở lên — người dùng miễn phí và người dùng Go $8 không nhận được phần nào của nó — và các phiên Work được tính vào hạn mức Codex của bạn thay vì hạn mức chat của bạn.

Đó là lý do vì sao việc tạo tuyến đường đã hoạt động trong khi một lượt trò chuyện thông thường sẽ thất bại: tác vụ cần thực thi mã, quyền truy cập internet vào các dịch vụ geocoding và dữ liệu bản đồ, cùng đủ sự tập trung bền bỉ để lặp đi lặp lại. ChatGPT chat thông thường trả lời trong vài giây rồi chuyển sang việc khác. ChatGPT Work thì vẫn tiếp tục làm việc. Việc lựa chọn mô hình bên trong Work cũng quan trọng — Open​AI khuyến nghị GPT-6 Astra cho đúng kiểu công việc đa bước từ đầu đến cuối như thế này, với mức nỗ lực suy luận có thể cấu hình lên tới Max.

Vậy quy tắc đầu tiên của cẩm nang: đây là một tác vụ Work, không phải tác vụ Chat. Hãy mở ChatGPT Work, chọn GPT-6 Astra, và để phiên chạy thay vì mong đợi câu trả lời tức thì.

Các công cụ ẩn bên trong: OSM, Nominatim, Overpass

Không có phần nào của cỗ máy thực sự là của riêng OpenAI. Tác nhân đã lắp ghép lộ trình từ hạ tầng địa lý công khai, và thật đáng để biết từng phần làm gì — vừa để bạn kiểm tra tính hợp lý của kết quả đầu ra, vừa để bạn có thể tự tái tạo pipeline nếu có lúc nào muốn chạy nó bên ngoài ChatGPT.

• OpenStreetMap (OSM) là bản đồ thế giới miễn phí, do cộng đồng đóng góp — nguồn dữ liệu cho những con đường và lối mòn mà tuyến đường đi theo.

• Nominatim là dịch vụ geocoding của OSM: nó biến một địa chỉ do con người nhập (“Tôi sống tại <my address>”) thành tọa độ bản đồ.

• Overpass là API truy vấn cho dữ liệu OSM: tác nhân đã dùng nó để tải xuống các tuyến đường bộ và đường mòn cục bộ xung quanh các tọa độ đó.

• Bản thân việc tính toán vòng lặp (“đã tính các vòng lặp cục bộ”) chạy trong không gian làm việc của chính tác nhân — lấy đồ thị đường thô và tìm các chu trình kín có độ dài xấp xỉ như mong muốn.

Sự phân tách đó chính là phần cốt lõi có thể tái tạo. Nếu bạn muốn tự xây dựng thứ tương tự, quy trình sẽ là: geocode bằng Nominatim, lấy mạng lưới đường bộ bằng Overpass, tính các tuyến vòng, xuất GPX/GeoJSON, kết xuất bằng một thư viện bản đồ. ChatGPT Work vừa làm tất cả những việc đó thay bạn, không cần khóa API, không cần nghiên cứu thư viện định tuyến và không cần viết một dòng mã nào.

Những gì bạn nhận lại: kỹ năng trực quan hóa và các tệp

Các kết quả đầu ra chính là phần khiến thứ này có cảm giác hoàn chỉnh chứ không còn kiểu bản demo. Về mặt hiển thị, agent đã dùng kỹ năng visualize tích hợp sẵn của ChatGPT để tạo ra một tệp HTML khép kín — trong lần chạy được quan sát, đó là /workspace/el-granada-5k-share.html — tệp này nhúng bản đồ trực tiếp vào giao diện ChatGPT. Tệp HTML lưu toàn bộ hình học của tuyến đường trong một phần tử <script type="application/json"> và hiển thị bản đồ bằng D3.js được nạp từ CDN. Chính sách bảo mật nội dung của kỹ năng này chỉ cho phép một danh sách origin bên ngoài cụ thể — cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com, fonts.googleapis.com, fonts.gstatic.com, và fonts.bunny.net — và "các origin khác đều bị chặn và thất bại trong im lặng." Chi tiết đó rất quan trọng nếu bạn có lúc nào kiểm tra một tệp được tạo ra: bản đồ sẽ hoạt động với những thư viện đó và âm thầm suy giảm nếu thiếu chúng.

Về phía tệp, bạn có hai định dạng trao đổi mà mọi ứng dụng GPS và công cụ bản đồ đều đã hiểu:

• GPX — định dạng trao đổi GPS tiêu chuẩn. Hãy nhập nó vào Strava, Garmin Connect hoặc bất kỳ ứng dụng lộ trình nào và nó sẽ hiển thị dưới dạng một tuyến đường có thể đi theo.

• GeoJSON — định dạng JSON không gian địa lý. Hãy dùng nó trong QGIS, Leaflet, Mapbox hoặc bất kỳ công cụ không gian địa lý nào; đây cũng là định dạng mà phần trực quan hóa nhúng dùng để lưu trữ hình học của nó.

Nếu mục tiêu của bạn là một tuyến đường mà bạn thực sự có thể chạy được, thì tệp GPX chính là sản phẩm bàn giao — bản đồ nhúng là bằng chứng cho thấy nó hợp lý, còn GeoJSON là bản sao dành cho mọi thứ mang tính lập trình.

Điều mà bản demo không nói với bạn: hai lưu ý thực tế

Việc tạo tuyến đường là có thật, nhưng bức tranh trung thực về ChatGPT Work lại đến từ các dạng thất bại của nó, và người đã thử nghiệm nó đã hé lộ hai trong số đó ngay trong cùng buổi sáng.

1. Quá trình thực thi không minh bạch. Mã của agent và các bước chính xác của nó không hiển thị trong giao diện ChatGPT — chỉ có phần giải thích tóm tắt ("Tôi đã dùng Nominatim… rồi tính các vòng lặp cục bộ"). Đối với một tuyến đường, điều đó không sao; nhưng với bất cứ điều gì hệ trọng, đó là một lỗ hổng về tính minh bạch mà bạn nên mặc định là có. Willison gọi nó là "một anti-feature": bạn thấy kết quả và lời tự thuật của mô hình về kết quả, chứ không phải mã đã tạo ra nó.

2. Việc nén ngữ cảnh có thể xóa sạch công việc. Vào thời điểm anh ấy yêu cầu một bản sao của mã Python, tác nhân không thể tạo ra nó — luồng hội thoại đã bị nén, và ngữ cảnh trước khi nén đã biến mất. Bất kỳ phiên làm việc dài nào với tác nhân mà bạn dựa vào đều mang rủi ro này: luồng hội thoại bị tóm tắt, và những tạo tác hoặc mã chưa từng được lưu vào tệp sẽ không còn truy xuất được nữa. Nếu bạn cần đoạn mã, hãy yêu cầu nó dưới dạng tệp trong lúc chạy, chứ không phải sau đó.

Không lưu ý nào trong hai lưu ý đó làm suy yếu cẩm nang — một tuyến đường cùng các bản xuất GPX/GeoJSON đúng là kiểu sản phẩm bàn giao tồn tại được qua quá trình nén, vì nó đã được ghi ra đĩa. Nhưng chúng đặt ra những kỳ vọng: ChatGPT Work mạnh mẽ, không minh bạch và không phải là một bản ghi lâu bền về mọi thứ nó đã làm.

Tại sao điều này quan trọng hơn một bản demo gọn gàng

Bên dưới các tuyến chạy bộ là một năng lực thực sự mới đáng để tính toán giá: một mô hình tiên phong có thể nhận một yêu cầu chỉ một dòng, thực hiện 27 phút làm việc nhiều bước thực sự trải qua geocoding, truy vấn mạng và tính toán cục bộ, rồi trả về những tệp dùng được. Đó chính là ý nghĩa thực tế của "agentic work", và nó thay đổi những gì bạn nên kỳ vọng từ một yêu cầu gửi tới mô hình. Nó cũng thay đổi bài toán chi phí — và đây chính là chỗ mà góc nhìn định tuyến chứng tỏ được giá trị của mình.

Trong ChatGPT Work, phiên 27 phút đó được tính vào hạn mức Codex của gói đăng ký của bạn, và trên GPT-6 Astra, token bị đốt rất nhanh. Cùng mô hình đó cũng có sẵn theo token thông qua API: GPT-6 Astra niêm yết ở mức 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh khoảng 1,05 triệu token, và một hạng ngữ cảnh dài trên 272.000 token đầu vào với mức giá cao hơn — giá niêm yết của nhà cung cấp. Đối với một vòng lặp agent giữ toàn bộ phiên trong ngữ cảnh, hạng ngữ cảnh dài đó chính là nơi chi phí phát sinh.

Đó chính xác là chi phí mà một lớp định tuyến tồn tại để quản lý. Một API cho hơn 200 mô hình với giá niêm yết từ nhà cung cấp được chuyển tiếp nguyên vẹn ở mức markup 0% nghĩa là một mô hình tiên tiến giá $10 và $50 như GPT-6 Astra nằm ngay cạnh GPT-5.6 Sol giá $4 và $20 trên cùng một khóa, và bạn có thể chuyển đổi giữa chúng bằng một chuỗi mô hình — không cần hợp đồng thứ hai, không cần đổi code, không cần tích hợp riêng từng nhà cung cấp. Nếu bạn muốn thử nghiệm một agent lập kế hoạch tuyến đường hoặc một agent tầm xa khác với mô hình mới nhất mà không đặt cược một luồng production vào nó, failover tự động cho phép bạn chạy một phần lưu lượng trên đó trong khi một mô hình đã được kiểm chứng vẫn giữ vai trò nền tảng bên dưới. Và khi một nhà cung cấp giảm giá, cơ chế chuyển tiếp nguyên vẹn nghĩa là giá mới được cập nhật phía chúng tôi ngay trong cùng ngày — đúng giá niêm yết, không có lớp markup nào xen ở giữa.

Lập luận tương tự cũng áp dụng cho mẫu công cụ, không chỉ riêng mô hình. Pipeline OSM/Nominatim/Overpass mà agent đã dùng đúng là kiểu thứ mà lập trình viên có thể muốn gọi một cách tất định — và nếu bạn tự xây dựng nó, bạn sẽ định tuyến lớp mô hình qua một endpoint duy nhất thay vì hard-code một nhà cung cấp, để mô hình lập kế hoạch tuyến đường có thể được hoán đổi hoặc chuyển sang dự phòng mà không cần viết lại pipeline.

Cẩm nang, bản rút gọn

Nếu bạn muốn tự mình tái tạo điều này, hình dạng là:

• Sử dụng ChatGPT Work (không phải chat thông thường), với GPT-6 Astra được chọn ở mức suy luận cao.

• Câu lệnh (prompt) kèm một địa chỉ thực tế và các quãng đường mục tiêu: "Tôi sống tại <address>. Hãy tìm cho tôi các cung đường chạy bộ 5K và 10K xuất phát từ nhà tôi và chạy vòng trở về nhà. Dùng dữ liệu OSM."

• Hãy mong đợi nó sẽ mất hàng chục phút, không phải vài giây — và hãy mong đợi nó sẽ tự hoạt động.

• Yêu cầu xuất đầu ra dưới dạng tệp ngay khi thực hiện: GPX cho đồng hồ hoặc ứng dụng của bạn, GeoJSON cho mọi thứ mang tính lập trình, và bản trực quan hóa mà nó hiển thị trong cuộc trò chuyện.

• Nếu bạn cần đoạn mã nó đã viết, hãy yêu cầu lưu nó thành tệp trong lúc chạy — việc nén có thể xóa nó sau đó.

Bước cuối cùng đó là bước ai cũng bỏ qua, và cũng là bước thực sự khiến bạn phải trả giá. Mô hình sẽ vui vẻ vạch kế hoạch cho các vòng lặp của bạn cả ngày; chỉ có điều đến lúc bạn hỏi thì nó có thể không còn nhớ đoạn mã đã làm điều đó.

Cùng một khóa đó cũng truy cập được phần còn lại của danh mục, và bạn có thể duyệt toàn bộ danh mục mô hình để xem còn gì khác nằm sau một endpoint tương thích với OpenAI.