Tại sao các mô hình ngôn ngữ lớn đang cần một 'Lôi Quân'?

"Lều có thể bay"

Ở giai đoạn này của cuộc đua vũ trang về mô hình nền tảng (foundation model), thứ chúng ta đang khao khát chính là khả năng định nghĩa sản phẩm mà Xiaomi đã thể hiện với chiếc Pengcheng cùng chiếc lều tích hợp sẵn của nó.

Việc thêm một chiếc lều vào xe SUV không đòi hỏi kỹ thuật quá tinh vi hay chiếm tỷ trọng lớn trong chi phí, nhưng nó lại mang sức nặng vô cùng lớn trong tâm trí người dùng. Vài đêm trước, tôi đã thức khuya để nghiêm túc lướt trang web của Xiaomi Pengcheng, thậm chí còn tự cấu hình chiếc xe cho riêng mình — chỉ vì tôi không đủ tiền mua. Tôi thường đi chiếc Ninebot của mình, nó rất tuyệt.

Nhưng tôi thực sự đã bị cám dỗ. Suốt thời gian đó, tôi chưa một lần nhìn vào các thông số kỹ thuật như mất bao nhiêu giây để tăng tốc từ 0 lên 100.

Sau nhiều năm cạnh tranh khốc liệt, xe điện (EV) đã vượt qua giai đoạn chạy đua thông số thuần túy — ở cùng một mức giá, các chỉ số kỹ thuật không còn khác biệt nhiều nữa. Người dùng đã trở nên chai sạn với điều đó.

Điều tương tự cũng xảy ra với các mô hình nền tảng, vốn cũng đã qua giai đoạn chạy đua số lượng tham số thuần túy. Những cải tiến của Fable 5.1 còn lâu mới gây kinh ngạc. Và sau những bước nhảy vọt của các mô hình Trung Quốc trong vài tháng qua, sự nhạy bén của mọi người đối với số lượng tham số thô và điểm số benchmark cũng đang dần phai nhạt.

Hãy lấy bảng xếp hạng lập trình làm ví dụ. Điểm số ở đó thực tế đã trở thành những lá bùa hộ mệnh cho các đợt ra mắt mô hình tại Trung Quốc — các đội ngũ sẽ làm mọi cách để giành thêm vài điểm, tình cờ nuôi sống cả một thế hệ các công ty dữ liệu chuyên về chưng cất (distillation) có mục tiêu cho họ.

Những công ty dữ liệu này, với công việc kinh doanh chính là gia công chưng cất cho các phòng thí nghiệm mô hình và nghề tay trái là bán lại các câu hỏi kiểm tra, gần đây đang bận rộn rao giảng về RSI — mà bản thân điều đó cũng là một dạng RSI, phải không?

Đối với các trang web giao diện người dùng, thị trường nội địa đã hoàn toàn bị thống trị bởi Kimi của Moonshot AI. Khi một mô hình mới ra mắt tuyên bố giao diện của họ rất tuyệt vời, chẳng còn ai quan tâm nữa — giờ đây ai cũng có hiệu ứng hạt (particle effects). Và cái đó là bản sao từ trang web của Lxson; họ nên cân nhắc việc kiện tụng.

Sau đó là các tác vụ dài hạn kéo dài hàng chục giờ mà ai cũng khoe khoang. Ngoài việc để người dùng phổ thông thốt lên "chúa ơi, AI kìa", thì chẳng ai thực sự sử dụng chúng cả.

Vậy nên chúng ta đang ở đây: mọi mô hình tham số lớn mới ra mắt đều tự nhận là đứng thứ ba thế giới, mọi mô hình hạng Flash đều tự nhận là ngưỡng sát thủ — nó tạo ra cảm giác như thế giới thứ ba đang không ngừng chém giết lẫn nhau.

Tất nhiên, đánh giá này chỉ áp dụng cho một vài người chơi đang cố gắng vươn tới đỉnh cao. Những người chơi ở tầng thứ hai, thứ ba và thứ tư muốn có một chỗ đứng trong cuộc chơi trước tiên nên hoàn thành một cách trung thực việc triển khai các khả năng mà người khác đã định nghĩa.

Tôi nghĩ những gì các mô hình nền tảng cần là một vài thứ "hardcore" như một chiếc lều tích hợp. Trong khi mọi nhà sản xuất xe điện đều tranh giành không gian cabin, Lôi Quân đã bảo mọi người hãy nhìn lên bầu trời.

Chỉ cần bay thôi ✈️

Nhưng một chiếc lều tích hợp không dễ để thực hiện — đó là một nỗ lực kỹ thuật hệ thống. Điều khiến tôi bị thuyết phục là cả một bộ tính năng: xe có sưởi sàn, nên thoải mái hơn nhiều so với việc bật điều hòa vào mùa đông; lều cũng có đường ống dẫn điều hòa; và có không gian lưu trữ chuyên dụng cho nước.

Bạn cần một người định nghĩa rõ ràng nhu cầu người dùng, một người có thể "trói buộc" các kỹ sư — và khiến họ vui vẻ, tự nguyện bị trói buộc — dạy cho họ rằng phục vụ tốt nhu cầu người dùng chính là con đường dẫn đến AGI, với tất cả mọi người cùng hợp tác để củng cố chuỗi cung ứng.

GPT-6 Astra thực sự đang làm công việc tương tự như Lôi Quân. Khả năng 3D của nó thực lòng mà nói là tầm thường — các hình người do nó tạo ra rất lộn xộn, không hề gần với các mô hình 3D AI chuyên nghiệp. Nhưng kết hợp với khả năng sử dụng máy tính, nó rất mạnh mẽ; nó thao tác các phần mềm công cụ rất tốt. Đó là lý do tại sao trường hợp GPT-6 sử dụng Blender để xây dựng các mô hình 3D lại lan truyền rộng rãi đến vậy.

Thêm một điều nữa ở đây: khả năng sử dụng máy tính của GPT-6 thực sự rất mạnh. Nó có thể xử lý hoàn toàn việc chỉnh sửa video ngắn từ cắt thô đến cắt tinh. Hiện tại tôi đang sử dụng Codex để điều khiển CapCut nhằm chỉnh sửa — các bản cắt cuối cùng về cơ bản chỉ gặp một vài vấn đề về ghép âm thanh. Con người chỉ cần xem lại bản cắt và đưa ra phản hồi, và việc bảo nó nhìn vào chính dạng sóng âm sẽ giải quyết phần còn lại. Tôi về cơ bản đã nói lời tạm biệt với việc thao tác thủ công trên CapCut.

Có thể dự đoán rằng tất cả các nhà sản xuất mô hình Trung Quốc sẽ theo đuổi các khả năng 3D và sử dụng máy tính, cố gắng đạt được những kết quả lớn cùng với OpenAI. Chỉ cần thời gian — ý tôi là, chưng cất là một quá trình. Điều này không khẩn cấp, nhưng phải nhanh.

Tuy nhiên, tôi vẫn cảm thấy đây là một lĩnh vực mà sự đổi mới độc lập là hoàn toàn khả thi.

Việc GPT-6 chú trọng vào 3D chỉ là chọn quả chín thấp — gặt hái lợi nhuận từ một không gian mà các mô hình khác chưa tối ưu hóa nhiều. Các mô hình Trung Quốc hoàn toàn có thể làm điều tương tự. Đây là một câu hỏi về sản phẩm và công nghệ, không phải là một câu hỏi thuần túy về kỹ thuật.

Tóm lại, so với Luofu Li, các startup mô hình nền tảng cần một Lôi Quân hơn. Tôi đề nghị lần tới khi Xiaomi ra mắt mô hình mới, Lôi Quân nên tự mình chủ trì sự kiện ra mắt.

Tôi muốn nghe Lôi Quân nói thêm lần nữa.

(Ảnh bìa của bài viết này được tạo bởi ChatGPT; phần nội dung hoàn toàn do con người viết)

⬇️

Đăng ký Substack của chúng tôi: funeralai.substack.com