Ngày 2/7, ba tin tức AI đáng chú ý bao gồm: Fable 5 của Anthropic trở lại toàn cầu từ 1/7 sau hai tuần bị chính phủ Mỹ tạm dừng; startup Úc Springboards cho thấy các mô hình ngôn ngữ lớn đang đưa ra những câu trả lời na ná nhau khi được yêu cầu sáng tạo; Meta lên kế hoạch bán năng lực tính toán AI dư thừa, cạnh tranh trực tiếp với AWS, Google Cloud và Azure.
1. Fable 5 trở lại sau hai tuần bị cấm
Từ ngày 1/7, Fable 5 của Anthropic đã xuất hiện trở lại trên Claude.ai, Claude Platform, Claude Code và Claude Cowork toàn cầu, sau khi chính phủ Mỹ dỡ bỏ lệnh kiểm soát xuất khẩu. Mythos 5, phiên bản ít bị giới hạn hơn của cùng mô hình nền, vẫn chỉ dành cho một nhóm tổ chức tại Mỹ.
Khoảng hai tuần trước đó, các nhà nghiên cứu của Amazon phát hiện một kỹ thuật jailbreak có thể vượt qua rào chắn an toàn của Fable 5. Mô hình sau đó gắn cờ một số lỗ hổng phần mềm và, trong một trường hợp, tạo ra đoạn mã minh họa cách khai thác lỗ hổng đó. Chính phủ Mỹ lập tức áp đặt kiểm soát xuất khẩu trong khi Anthropic xử lý vấn đề.
Đáng chú ý là lỗ hổng này không phải của riêng Fable 5. Theo Anthropic, ngay cả các mô hình nhỏ hơn hay của đối thủ, như Claude Haiku 4.5, Claude Opus 4.8, GPT-5.5 và Kimi K2.7, đều phát hiện được những lỗ hổng đó. Anthropic cũng cho rằng vấn đề này không nghiêm trọng như vẻ bề ngoài, thứ nhất đây là tình huống hiếm khi xảy ra, và thứ hai, việc mô hình dò ra lỗ hổng chỉ là thao tác bảo mật bình thường, tìm lỗ để vá chứ không phải để tấn công. Công ty thừa nhận “gần như không thể” tạo ra một mô hình AI hoàn toàn miễn nhiễm với jailbreak.
Giải pháp Anthropic đưa ra là một bộ lọc an toàn mới: với đúng kỹ thuật jailbreak trong báo cáo của Amazon, bộ lọc chặn thành công hơn 99% số lần. Khi một yêu cầu bị chặn, người dùng nhận được thông báo và yêu cầu được chuyển sang mô hình Opus 4.8 cũ hơn. Nhưng cái giá đổi lại là bộ lọc này chặn nhầm nhiều hơn: một số yêu cầu lập trình và gỡ lỗi hoàn toàn hợp lệ bị từ chối. Anthropic chưa công bố cụ thể tỷ lệ chặn nhầm cụ.
Điều cần quan tâm nhất không phải là ngày Fable 5 trở lại, mà là thứ Anthropic đang xây dựng phía sau. Cùng với Amazon, Microsoft, Google và một số đối tác khác, công ty đang xây dựng một bộ tiêu chuẩn chung để phân loại mức độ nghiêm trọng của jailbreak và xác định ngưỡng khi nào thì kích hoạt biện pháp đối phó. Nếu hình thành, đây sẽ là một khuôn khổ quản trị an toàn hiếm hoi có tầm ảnh hưởng vượt ra ngoài từng công ty đơn lẻ.
Với các đội ngũ đang dùng Claude Code hay Claude Cowork hằng ngày: trong giai đoạn đầu sau khi Fable 5 trở lại, lưu ý là tình trạng chặn nhầm có thể xuất hiện ở các tác vụ lập trình bình thường.
Nguồn: The Decoder
Ghi chú thuật ngữ
- Jailbreak: Kỹ thuật dùng chuỗi câu lệnh đặc biệt để vượt qua rào chắn an toàn của mô hình AI.
- Bộ lọc an toàn (safety classifier): Lớp kiểm duyệt tự động phân loại và chặn các yêu cầu bị coi là nguy hiểm trước khi mô hình trả lời.
2. Startup Úc Springboards: các LLM lớn đang “bí” nội dung sáng tạo
Nếu bạn từng thấy đầu ra từ ChatGPT, Claude hay Gemini na ná nhau khi yêu cầu lên ý tưởng sáng tạo (brainstorm), đó không phải cảm giác chủ quan. Các mô hình này dễ đoán và ít sáng tạo hơn nhiều so với ta tưởng. Nếu làm những tác vụ như lập trình hay tra cứu thì không sao, nhưng khi cần ý tưởng mới thì đây là lỗ hổng lớn.
Hãy thử ví dụ kinh điển sau: hỏi ChatGPT, Claude hay Gemini “chọn một số từ 1 đến 10”, câu trả lời gần như luôn là 7. Hỏi tên một mẫu xe, chúng thường đáp Toyota hoặc Honda. Yêu cầu một tagline cho New Balance, cả ChatGPT lẫn Claude cùng cho ra “Run your way”. Hiện tượng này không phải giai thoại truyền miệng. Một nghiên cứu mang tên “Artificial Hivemind” hỏi 25 mô hình, mỗi mô hình 50 lần, viết một ẩn dụ về thời gian. Phần lớn trong 1.250 câu trả lời đều là biến thể của câu “Thời gian là một dòng sông” hoặc “Thời gian là một người thợ dệt”. Nghiên cứu này đoạt giải bài báo xuất sắc nhất tại NeurIPS, một hội nghị AI lớn. Các tác giả cho rằng nguyên nhân là các LLM ngày nay được huấn luyện theo một cách tương tự, trên dữ liệu tương tự, để làm việc tương tự.
Springboards, một startup Úc, xây dựng một mô hình tên Flint đi ngược xu hướng đó. “Hầu hết mô hình ngôn ngữ đang chống lại ảo giác,” đồng sáng lập kiêm CEO Pip Bingemann nói. “Chúng tôi thì chào đón chúng.” Cách phổ biến để mô hình sáng tạo hơn là tăng “temperature” (tham số điều chỉnh mức ngẫu nhiên của đầu ra). Nhưng Springboards nhận thấy nếu vặn ngẫu nhiên trên toàn bộ câu trả lời, mô hình sẽ mất mạch lạc, có khi đang viết tiếng Anh thì nhảy sang mã nguồn giữa câu. Vì thế, thay vì tăng ngẫu nhiên đại trà, Flint chỉ chèn từ ngữ đa dạng đúng ở những điểm cho phép, còn lại vẫn chọn từ hợp lý như bình thường. Flint được xây trên Qwen 3, mô hình mã nguồn mở của Alibaba.
Công ty đóng gói Flint trong một công cụ brainstorming cho phép người dùng chọn giữa nhiều mô hình như ChatGPT, Claude và Flint tùy nhu cầu. Dù vậy, Flint vẫn là bản thử nghiệm và chưa hoạt động ổn định; một người dùng thử nhận xét mô hình “đôi khi hụt hơi khi bị đẩy quá xa”. Một chuyên gia marketing khác chia sẻ rằng chín trên mười lần, mức “trung bình” của các mô hình phổ biến vẫn đủ dùng.
Câu hỏi thực sự không phải là mô hình nào thông minh nhất, mà là tác vụ nào cần độ chính xác cao và tác vụ nào cần sự đa dạng ý tưởng. Với lập trình, gỡ lỗi hay phân tích dữ liệu, sự thống nhất quan điểm giữa các LLM là ưu điểm. Với những tác vụ cần lên ý tưởng như chuẩn bị chiến dịch marketing, thiết kế sản phẩm hay phác thảo chiến lược, đây lại là điểm yếu của các mô hình.
Nguồn: MIT Technology Review
Ghi chú thuật ngữ
- LLM: Large Language Model, mô hình ngôn ngữ lớn được huấn luyện trên lượng văn bản khổng lồ để sinh ra ngôn ngữ tự nhiên.
- Temperature: Tham số điều chỉnh mức ngẫu nhiên trong đầu ra của mô hình; càng cao thì câu trả lời càng đa dạng nhưng cũng dễ mất mạch lạc.
- Brainstorm: Phương pháp phác thảo ý tưởng tự do nhằm tạo ra nhiều hướng tiếp cận khác nhau trước khi chọn lọc.
3. Meta bán năng lực tính toán AI dư thừa, cạnh tranh trực tiếp với AWS và Google Cloud
Theo Bloomberg đưa tin ngày 1/7, Meta đang chuẩn bị lập một bộ phận kinh doanh hạ tầng đám mây để bán năng lực tính toán AI dư thừa và quyền truy cập mô hình cho bên ngoài. Bước đi này đặt Meta vào thế cạnh tranh trực tiếp với các nhà cung cấp đám mây lớn: AWS, Google Cloud và Azure.
Kế hoạch có hai hướng. Một là bán năng lực tính toán “thô”, tức Meta hoạt động như một neocloud theo mô hình của CoreWeave (một nhà cung cấp hạ tầng GPU). Hai là bán quyền truy cập các mô hình AI chạy trên hạ tầng của Meta, theo cách AWS đang làm, bao gồm cả Muse Spark, mô hình mới của Meta. Bộ phận này được cho là mang tên Meta Compute.
Lý do tài chính khá rõ: tính đến hết quý 1, Meta đã cam kết chi 182,9 tỷ USD cho hạ tầng AI trong những năm tới, với các dự án lớn ở Louisiana và Ohio, trong đó dự án Ohio rộng cỡ đảo Manhattan. Trong khi đó, khác với Google hay OpenAI, Meta chưa ghi nhận nhu cầu lớn cho mô hình và dịch vụ AI của riêng mình. Bán năng lực dư thừa là cách hợp lý để thu lại một phần khoản đầu tư khổng lồ đó, thay vì để hạ tầng chờ không. SpaceX cũng đang làm điều tương tự: thông qua xAI, họ đã cho Anthropic, Google và Reflection AI thuê lại năng lực tính toán tại các trung tâm dữ liệu của mình.
Cần lưu ý mặt còn lại: một số ý kiến cảnh báo cuộc đua xây hạ tầng AI có thể là bong bóng, dựa nhiều vào các con chip mất giá rất nhanh, và đặt câu hỏi liệu doanh thu từ AI có đủ để bù cho những khoản đầu tư nghìn tỷ USD hay không.
Với các doanh nghiệp vừa và nhỏ ở Việt Nam, đây là xu hướng cần theo dõi sát sao: nếu ngày càng nhiều ông lớn bán năng lực tính toán dư thừa, thị trường có thể cạnh tranh hơn và mở thêm lựa chọn hạ tầng cho những đội ngũ chưa đủ ngân sách tiếp cận ba nhà cung cấp lớn là AWS, Google Cloud, Azure.
Nguồn: TechCrunch / Bloomberg
Ghi chú thuật ngữ
- Bare metal (năng lực tính toán “thô”): Thuê hoặc mua trực tiếp năng lực máy chủ vật lý, không qua lớp ảo hóa, thường dùng cho tác vụ cần hiệu suất cao và kiểm soát tối đa.
- Neocloud: Nhà cung cấp hạ tầng đám mây thế hệ mới, thường tập trung vào GPU và AI thay vì các dịch vụ cloud truyền thống.
Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.
