Elon Musk: Trí tuệ AI đang cải thiện theo cấp số nhân trong cuộc đua mã nguồn mở

Elon Musk (Elon Musk) đánh giá trí tuệ và năng lực của trí tuệ nhân tạo (AI) đang được cải thiện 'theo cấp số nhân', trong bối cảnh các mô hình ngôn ngữ lớn mã nguồn mở được cho là đã vượt qua những sản phẩm từng được xem là tiên tiến nhất vào cuối năm 2025.

PANews đưa tin ngày 21 rằng Musk đã bình luận “Intelligence is improving exponentially (Trí tuệ đang được cải thiện theo cấp số nhân)” dưới một bài đăng về sự phát triển của các mô hình mã nguồn mở.

Bài đăng đề cập GLM 5.3 Flash, DeepSeek V4.1 Flash, Qwen 3.8 Next Flash và Qwen 3.8 27B. Nội dung cho rằng các mô hình này đã vượt qua toàn diện những mô hình chủ chốt từng được xem là có 'trí tuệ tiên tiến nhất' vào cuối năm 2025, xét trên trí tuệ và năng lực tổng thể.

Tuy nhiên, đây là đánh giá được nêu trong bài đăng và chưa thể khẳng định kết quả giống nhau trong mọi tác vụ cũng như mọi tiêu chí đánh giá. Thứ hạng giữa các mô hình có thể thay đổi tùy benchmark và điều kiện tác vụ.

DeepSeek cho biết đã phát hành V4.1 Flash ngày 10 tháng 9 với một kiến trúc mới. Mô hình này hỗ trợ khả năng hiểu hình ảnh gốc, đồng thời được thiết kế để sử dụng quy mô tham số khác nhau khi xử lý đầu vào và đầu ra.

DeepSeek giải thích V4.1 Flash là mô hình chuyên gia hỗn hợp sử dụng 552 tỷ tham số. Mô hình kích hoạt 8 tỷ tham số ở đầu vào và 16 tỷ tham số ở đầu ra, đồng thời giảm KV cache so với thế hệ trước nhằm hạ gánh nặng bộ nhớ và thiết bị lưu trữ.

GLM 5.3 Flash cũng đã được đăng ký trên kho lưu trữ mô hình công khai. Phần mô tả mô hình cho biết trong tổng số 320 tỷ tham số, 18 tỷ tham số được kích hoạt, với kiến trúc kết hợp attention thưa và attention tuyến tính.

GLM 5.3 Flash được giới thiệu là mô hình đa phương thức hỗ trợ xử lý hình ảnh và video. Zhipu AI trước đó cho biết hiệu suất lập trình của GLM-5.3 cao hơn 50% so với thế hệ trước trong đánh giá nội bộ.

Mô hình mã nguồn mở là các mô hình AI công khai một phần kiến trúc hoặc trọng số, cho phép nhà phát triển và doanh nghiệp bên ngoài sử dụng hoặc cải tiến. Phạm vi công khai và điều kiện sử dụng có thể khác nhau giữa các mô hình, vì vậy không thể xác định phạm vi ứng dụng thực tế chỉ dựa trên phân loại 'mã nguồn mở'.

Trong trường hợp này, tiêu chí cạnh tranh không chỉ nằm ở chất lượng câu trả lời. Khi xử lý ngữ cảnh dài hoặc thực hiện tác vụ lập trình và tác vụ tác nhân, tốc độ xử lý, chi phí suy luận và yêu cầu phần cứng cũng ảnh hưởng đến khả năng sử dụng thực tế.

Mô hình chuyên gia hỗn hợp không kích hoạt toàn bộ tham số cùng lúc mà chỉ sử dụng một phần tham số cần thiết cho đầu vào. Việc giảm số tham số được kích hoạt có thể nâng hiệu quả xử lý, nhưng hiệu suất và chi phí thực tế cần được xem xét cùng với kiến trúc mô hình và môi trường sử dụng.

KV cache là vùng bộ nhớ lưu thông tin ngữ cảnh đã được mô hình xử lý trước đó để sử dụng khi tạo câu trả lời. Việc giảm quy mô cache có thể hạ gánh nặng bộ nhớ, nhưng không thể vì vậy mà khẳng định tốc độ xử lý hoặc chi phí được cải thiện trong mọi tác vụ.

DeepSeek V4.1 Flash và GLM 5.3 Flash được công bố lần này đều nhấn mạnh hiệu quả bên cạnh hiệu suất, trong đó có tham số được kích hoạt và KV cache. Ngay cả với cùng một mô hình, chi phí xử lý và tốc độ phản hồi có thể thay đổi tùy độ dài đầu vào, phần cứng và phương thức gọi.

Phát biểu của Musk cho thấy nhận thức rằng các mô hình mã nguồn mở đang thu hẹp khoảng cách hiệu suất với mô hình đóng. Tuy nhiên, cần đối chiếu tài liệu chính thức cùng kết quả thử nghiệm độc lập để xác định các mô hình được đề cập đạt hiệu suất đến đâu trong môi trường sử dụng thực tế.

Cuối cùng, phạm vi áp dụng của cụm từ 'cải thiện theo cấp số nhân' vẫn là vấn đề then chốt. Khi benchmark và điều kiện tác vụ của từng mô hình được công khai nhiều hơn, mức độ cạnh tranh thực tế giữa các mô hình mã nguồn mở có thể được so sánh cụ thể hơn.