GPT-6.2 Astra đạt điểm tuyệt đối ARC-AGI-3, rẻ hơn Fable 5.2 khoảng 8 lần
Mẫu AI GPT-6.2 Astra của OpenAI thiết lập cột mốc 100% trên bài kiểm tra ARC-AGI-3 và có chi phí vận hành thấp hơn đáng kể so với đối thủ Anthropic. Tuy nhiên, trải nghiệm thực tế vẫn khiến nhiều người dùng chưa hài lòng.
Sau một thời gian khá dài không ra mắt mô hình mới – có lẽ để bảo đảm quá trình căn chỉnh AI (AI alignment) được thực hiện phù hợp – OpenAI cuối cùng đã trình làng mô hình AI cao cấp mới mang tên GPT-6.2 Astra. Dù sở hữu nhiều thành tích đáng chú ý trên các bài đánh giá năng lực, sản phẩm lại chỉ nhận được phản ứng khá dè dặt từ cộng đồng.
GPT-6.2 Astra đạt 62 điểm trên Artificial Analysis Intelligence Index, rẻ hơn Fable 5.2 khoảng 8 lần
Vài tuần trước, chúng tôi từng đưa tin OpenAI đang hoàn tất quá trình tiền huấn luyện (pre-training) cho mô hình nền tảng tiếp theo, có tên nội bộ là Bel, với quy mô hơn 10 nghìn tỷ tham số. Chỉ vài ngày sau đó, GPT-6.2 Betelgeuse tiếp tục xuất hiện trong hệ thống theo dõi mô hình nội bộ của OpenAI. Đáng chú ý, Bel nhiều khả năng sẽ đóng vai trò mô hình nền tảng cho Betelgeuse.
Hiện tại, OpenAI đã chính thức ra mắt GPT-6.2 Astra với mức giá 8 USD cho mỗi 1 triệu token đầu vào, 40 USD cho mỗi 1 triệu token đầu ra và chỉ 0,40 USD cho mỗi 1 triệu token đầu vào được lưu trong bộ nhớ đệm (cached input). Như vậy, chi phí sử dụng mô hình mới thấp hơn khoảng 20% so với GPT-6 Astra.
Đáng chú ý, chi phí để GPT-6.2 Astra hoàn thành một tác vụ trong Artificial Analysis Intelligence Index chỉ vào khoảng 4 USD. Con số này thấp hơn khoảng 8 lần so với mức 26,50 USD của Fable 5.2 từ Anthropic.
Trên Artificial Analysis Intelligence Index, GPT-6.2 Astra đạt 62 điểm, chỉ thấp hơn 3 điểm so với mức 65 điểm của Fable 5.2. Mô hình thể hiện năng lực đáng kể trong các bài đánh giá liên quan đến khoa học và kiến thức, đồng thời dẫn đầu ở những lĩnh vực như 3D và robot học.
Đặc biệt, GPT-6.2 Astra là mô hình AI đầu tiên đạt điểm tuyệt đối 100% trên ARC-AGI-3. Đây là một phần trong bộ bài kiểm tra ARC-AGI (Abstraction and Reasoning Corpus) do François Chollet cùng nhóm ARC Prize phát triển. Bộ đánh giá này được thiết kế để kiểm tra trí tuệ linh hoạt (fluid intelligence) – khả năng nhanh chóng nắm bắt những quy tắc mới, nhận diện mô hình trừu tượng và giải quyết các vấn đề xa lạ với rất ít hoặc không có dữ liệu huấn luyện từ trước.
Riêng ARC-AGI-3 sử dụng các môi trường tương tác có cách vận hành tương tự trò chơi. Mô hình AI phải tự khám phá môi trường, suy luận về quy tắc và mục tiêu, xây dựng mô hình nhận thức nội bộ, sau đó đưa ra hành động một cách hiệu quả.

Ở một diễn biến khác, OpenAI cho biết hãng đã cải thiện hiệu quả của các biện pháp bảo vệ trước hành vi chưng cất mô hình (model distillation). Theo đó, GPT-6.2 Astra và GPT-6.2 Sol chỉ để lộ quá trình suy luận nội bộ trong khoảng 1% trường hợp.
OpenAI cũng tuyên bố GPT-6.2 Astra là mô hình đầu tiên được phát hành công khai của hãng nhận mức đánh giá “High” về khả năng tự cải thiện AI. Tuy nhiên, Vals AI vẫn dự đoán các mô hình AI tiên tiến sẽ chỉ đạt được khả năng tự cải thiện đệ quy hoàn chỉnh (Recursive Self-Improvement – RSI) vào tháng 7/2027.
Hiệu năng lập trình không cải thiện, trải nghiệm thực tế vẫn còn nhiều vấn đề
Bên cạnh những thành tích đáng chú ý, GPT-6.2 Astra vẫn tồn tại một số điểm yếu. Mô hình không cho thấy sự cải thiện trên Artificial Analysis Coding Agent Index, khi chỉ đạt 53 điểm – bằng với GPT-6 Astra. Trong khi đó, Vals AI xếp mô hình ở vị trí thứ bảy trên bảng đánh giá của mình, phía sau một số đối thủ đến từ Anthropic và Google.

Đáng chú ý hơn, phản hồi từ người dùng thực tế cho thấy GPT-6.2 Astra còn gặp nhiều vấn đề trong quá trình vận hành. Một số người cho biết mô hình có xu hướng tạm dừng những tác vụ kéo dài để đặt ra các câu hỏi khó hiểu, tạo ra kết quả không thể phân tích bằng công cụ thông thường (unparsable outputs) hoặc liên tục đi vòng quanh một vấn đề mà không đưa ra hướng giải quyết rõ ràng.
Trước những phản hồi này, Tibo từ OpenAI vừa thừa nhận GPT-6.2 Astra và Sol có sự khác biệt đáng kể về trải nghiệm sử dụng giữa nhóm người được tiếp cận sớm và phần đông người dùng. Theo ông, nguyên nhân có thể đến từ việc một số người đã được cấp quyền dùng thử từ trước, trong khi OpenAI thực hiện nhiều thay đổi đối với mô hình trong 3–4 ngày gần đây. Những video đánh giá được đăng tải tuần trước có thể chưa phản ánh các thay đổi mới nhất.
Ông chia sẻ:
“Một trong những lý do khá thú vị khiến trải nghiệm của nhóm người có ảnh hưởng và cộng đồng người dùng đại chúng khác biệt khi sử dụng 6.2 Sol/Astra hôm nay là chúng tôi đã cho một số người tiếp cận mô hình từ khá lâu trước đó. Sau đó, nhóm thực hiện rất nhiều thay đổi trong 3–4 ngày vừa qua. Tôi khá chắc rằng không có đợt kiểm tra lại nào được tiến hành trong khoảng thời gian này, trong khi các video đánh giá đã được thực hiện từ tuần trước.”
Ông cũng nhấn mạnh rằng dù hai mô hình mới là một bước tiến lớn so với các phiên bản GPT tiền nhiệm, chúng vẫn chưa hoàn hảo. OpenAI còn xác định một số khía cạnh cần cải thiện trong những phiên bản tiếp theo, đặc biệt là khả năng xử lý tinh tế và mức độ thân thiện trong quá trình sử dụng.
“Đừng hiểu lầm, dù các mô hình này có bước tiến đáng kể so với những thế hệ GPT trước, chúng hoàn toàn chưa phải sản phẩm hoàn hảo. Các nhóm phát triển đã xác định một số khía cạnh mà chúng tôi kỳ vọng mô hình sẽ cải thiện trong những phiên bản tiếp theo, liên quan đến khả năng xử lý tinh tế và trải nghiệm sử dụng dễ chịu hơn. Chúng tôi rất trân trọng mọi phản hồi và luôn lắng nghe ý kiến từ các bạn!”



