Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

Chênh lệch token đầu ra của AI lên tới 44,3% giữa các kiểu giọng điệu

Cùng một câu hỏi nhưng được diễn đạt bằng các kiểu giọng điệu khác nhau khiến số token đầu ra của mô hình AI thay đổi; mức chênh lệch lớn nhất là 44,3%. Độ chính xác biến động khác nhau tùy mô hình, còn con số này không đồng nghĩa người dùng bị tính phí chênh lệch tương ứng.

Nhóm nghiên cứu Đại học Bang Pennsylvania (Pennsylvania State University) công bố kết quả trong một bản tiền công bố ngày 27 tháng 7 năm 2026. Đây là bản nghiên cứu được phát hành trước khi trải qua quy trình thẩm định và đăng trên tạp chí hoặc kỷ yếu hội nghị.

Nhóm nghiên cứu chuyển 570 câu hỏi trắc nghiệm tiếng Anh thành bảy kiểu giọng điệu, rồi đưa vào bốn mô hình: ChatGPT 4o, ChatGPT 5-nano, Gemini 2.5 Flash và Gemini 2.5 Flash Lite. Mỗi điều kiện được thử nghiệm 10 lần.

Gemini 2.5 Flash Lite có chênh lệch đầu ra lớn nhất: trung bình 2.195,24 token trong điều kiện lịch sự và 1.221,76 token trong điều kiện trung tính. Khoảng cách giữa hai điều kiện là 973,5 token; mức biến động tối đa mà nghiên cứu ghi nhận là 44,3%.

Chênh lệch đầu ra giữa các kiểu giọng điệu là 23,2% với ChatGPT 4o, 13,1% với ChatGPT 5-nano và 23% với Gemini 2.5 Flash. Trong bốn mô hình, mức 44,3% của Gemini 2.5 Flash Lite là cao nhất.

Nhóm nghiên cứu dùng số token đầu ra để ước tính chi phí tạo câu trả lời. Nghiên cứu không đo khoản phí thực tế người dùng phải trả hay lượng điện năng tiêu thụ.

Chi phí thực tế còn phụ thuộc vào token đầu vào và biểu phí của từng mô hình. Do cách tính token khác nhau giữa các mô hình, nhóm nghiên cứu không so sánh các con số tuyệt đối giữa chúng mà chỉ xem xét chênh lệch theo giọng điệu trong từng mô hình.

Tất cả mô hình đều nhận cùng yêu cầu: trình bày lý do cho câu trả lời theo từng bước, rồi đánh dấu một lựa chọn đúng ở cuối. Nhóm nghiên cứu đặt lượng token suy luận riêng của các mô hình Gemini ở mức 0; vì vậy, token đầu ra được đo trong điều kiện này tương ứng với độ dài câu trả lời hiển thị trên màn hình.

Độ chính xác cũng thay đổi theo giọng điệu, nhưng chiều hướng khác nhau tùy mô hình. ChatGPT 4o đạt 89,04% trong điều kiện thô lỗ và 87,84% trong điều kiện trung tính.

Ngược lại, Gemini 2.5 Flash Lite đạt 88,25% trong điều kiện trung tính và 85,26% trong điều kiện thô lỗ. Gemini 2.5 Flash lần lượt đạt 90,12% và 87,65% trong hai điều kiện này.

Trong thử nghiệm, hướng dẫn về giọng điệu và cách trả lời không được tách biệt hoàn toàn. Điều kiện trung tính yêu cầu chỉ đưa ra một chữ cái đáp án, còn điều kiện thô lỗ yêu cầu bỏ phần giải thích thêm.

Do đó, khó có thể quy kết kết quả chỉ cho tác động của lời lẽ thô lỗ. Thử nghiệm cũng chỉ giới hạn ở câu hỏi trắc nghiệm tiếng Anh và bốn mô hình, nên chưa thể kết luận kết quả tương tự sẽ xuất hiện trong hội thoại tiếng Việt hay mọi dạng câu hỏi mở.

Trong một thử nghiệm trước đó vào năm 2025, cùng nhóm nghiên cứu đưa 50 câu hỏi trắc nghiệm về toán học, khoa học và lịch sử cho ChatGPT 4o với năm kiểu giọng điệu. Khi ấy, độ chính xác là 84,8% trong điều kiện rất thô lỗ và 80,8% trong điều kiện rất lịch sự.

Một nghiên cứu riêng khác do nhóm trình bày tại hội nghị cũng ghi nhận độ chính xác khác nhau theo giọng điệu. Trong thử nghiệm với 570 câu hỏi của nghiên cứu này, ChatGPT 4o đạt 81,3% ở điều kiện thô lỗ, 81,0% ở điều kiện trung tính và 79,3% ở điều kiện đe dọa.

Trong nghiên cứu riêng đó, ChatGPT 5-nano đạt 82,4% ở điều kiện trung tính và 71,2% ở điều kiện đe dọa. Thử nghiệm năm 2025 và nghiên cứu tại hội nghị sử dụng câu hỏi, điều kiện khác với nghiên cứu token đầu ra lần này, nên không thể gộp các số liệu thành một.

Anthropic cho biết trong thông báo sửa đổi chính sách sử dụng công bố ngày 8 tháng 10 năm 2026 rằng hành vi lạm dụng dai dẳng và không cần thiết nhắm vào mô hình bị cấm. Điều khoản mới có hiệu lực từ ngày 12 tháng 11; việc bày tỏ bất mãn thông thường, phản bác và thử nghiệm hoặc nghiên cứu mô hình không thuộc phạm vi áp dụng.

Một khảo sát trên mẫu người dùng tại Mỹ cũng cho thấy 33% từng gửi lời chửi thề hoặc cách diễn đạt xúc phạm cho chatbot ít nhất một lần. TokenPost từng đưa tin về khảo sát việc sử dụng chatbot tại Mỹ và chính sách của Anthropic.

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1