OpenAI ra mắt GPT-6.2 Astra: Đạt điểm tuyệt đối ARC-AGI-3 nhưng người dùng thực tế chưa ấn tượng
OpenAI vừa chính thức ra mắt mô hình AI thế hệ mới GPT-6.2 Astra với mức giá rẻ hơn đáng kể và đạt điểm số tối đa 100% trên benchmark ARC-AGI-3. Tuy nhiên, mô hình này vẫn vấp phải nhiều phàn nàn từ người dùng thực tế về trải nghiệm sử dụng và khả năng lập trình.

Sau một thời gian khá dài im ắng, có lẽ là để đảm bảo quá trình căn chỉnh phù hợp, OpenAI cuối cùng đã cho ra mắt mô hình thế hệ mới nhất mang tên GPT-6.2 Astra, nhưng chỉ nhận lại sự hưởng ứng ở mức trung bình.
GPT-6.2 Astra đạt 62 điểm trên Artificial Analysis Intelligence Index, rẻ hơn 8 lần so với Claude Fable 5.2 của Anthropic
Chúng tôi từng lưu ý vài tuần trước rằng OpenAI đang hoàn tất quá trình huấn luyện sơ bộ cho mô hình nền tảng tiếp theo, có tên nội bộ là Bel, với hơn 10 nghìn tỷ tham số. Sau đó, chỉ vài ngày trước, GPT-6.2 Betelgeuse đã xuất hiện trong hệ thống theo dõi mô hình nội bộ của OpenAI. Xin lưu ý rằng Bel có khả năng đóng vai trò là mô hình nền tảng cho Betelgeuse.
Giờ đây, OpenAI đã chính thức ra mắt GPT-6.2 Astra, định giá mô hình ở mức 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 trữ cache, khiến mô hình này rẻ hơn khoảng 20% so với GPT-6 Astra. Mô hình chỉ tốn 4 USD cho mỗi tác vụ trên Artificial Analysis Intelligence Index, rẻ hơn khoảng 8 lần so với chi phí tương đương 26.50 USD của Fable 5.2!
Ngoài ra, GPT-6.2 Astra đã đạt điểm số 62 trên Artificial Analysis Intelligence Index, thấp hơn 3 điểm so với mức 65 của Fable 5.2. Mô hình này tỏ ra rất mạnh mẽ trong các bài kiểm tra chuẩn về khoa học và kiến thức, đồng thời dẫn đầu trong các lĩnh vực không gian 3D và robot.
GPT-6.2 Astra là mô hình đầu tiên đạt điểm số 100 phần trăm trên ARC-AGI-3. Để bạn đọc dễ hình dung, ARC-AGI (Abstraction and Reasoning Corpus) là một chuỗi bài kiểm tra khó do François Chollet và đội ngũ ARC Prize tạo ra. Nó kiểm tra trí thông minh linh hoạt: khả năng nhanh chóng nắm bắt các quy tắc mới, các mẫu trừu tượng và giải quyết các vấn đề chưa từng gặp với rất ít hoặc không có dữ liệu huấn luyện trước. Hơn nữa, ARC-AGI-3 đặc biệt sử dụng các môi trường tương tác giống như trò chơi, nơi mô hình phải khám phá, suy luận ra các quy tắc và mục tiêu, xây dựng một mô hình nội bộ và hành động một cách hiệu quả.
Ở những diễn biến khác, phòng thí nghiệm AI cho biết họ đã tăng hiệu quả của các biện pháp bảo vệ chưng cất (distillation safeguards), với việc GPT-6.2 Astra và GPT-6.2 Sol chỉ làm rò rỉ lập luận cơ bản của chúng ở mức 1 phần trăm thời gian. Ngoài ra, OpenAI cho biết GPT-6.2 Astra là mô hình đầu tiên được phát hành công khai được đánh giá mức 'Cao' về khả năng tự cải thiện của AI. Cần lưu ý rằng Vals AI vẫn kỳ vọng các mô hình thế hệ mới sẽ đạt được khả năng Tự Cải Thiện Đệ Quy (Recursive Self-Improvement - RSI) hoàn toàn vào tháng 7 năm 2027.
Những điểm hạn chế
Bây giờ là những mặt hạn chế. GPT-6.2 Astra của OpenAI không cho thấy bất kỳ sự cải thiện nào trên Coding Agent Index của Artificial Analysis, khi vẫn giữ nguyên điểm số 53 của GPT-6 Astra. Hơn nữa, Vals AI đã xếp hạng mô hình này ở vị trí thứ sáu, đồng nghĩa với việc nó đứng sau một số mô hình từ Anthropic và Google.
Người dùng thực tế cũng đã chỉ ra một số vấn đề, bao gồm xu hướng tạm dừng các tác vụ dài để đặt ra những câu hỏi kỳ lạ, các 'đầu ra không thể phân tích', và thói quen đi vòng vo trong các vòng lặp. Trên thực tế, Tibo của OpenAI vừa thừa nhận rằng GPT-6.2 Sol và Astra mang lại cảm nhận khác biệt, đồng thời quy nguyên nhân là do việc cấp quyền truy cập sớm và có quá nhiều thay đổi trong thời gian giữa chừng:
"Một trong những lý do buồn cười dẫn đến sự khác biệt về cảm nhận giữa những người có ảnh hưởng và cộng đồng ngày nay đối với 6.2 Sol/Astra là chúng tôi đã cấp quyền truy cập cho một số ít người từ trước đó một thời gian, rồi sau đó thực hiện rất nhiều thay đổi trong 3-4 ngày qua và tôi khá chắc chắn rằng không có đợt kiểm tra lại nào được thực hiện trong những ngày đó và các video đã được sản xuất từ tuần trước."
"Đừng hiểu lầm ý tôi, mặc dù các mô hình này là một bước nhảy vọt đáng kể so với các thế hệ GPT tiền nhiệm, nhưng chúng hoàn toàn không hoàn hảo và có một số điểm mà các đội ngũ rất hào hứng mong đợi các mô hình sẽ cải thiện tốt hơn trong các phiên bản tương lai về mặt thị hiếu và sự thân thiện khi sử dụng. Rất cảm ơn mọi ý kiến đóng góp và chúng tôi đã ghi nhận!"
Dường như OpenAI lại một lần nữa sẩy chân!
Nguồn: Wccftech · Bản dịch tiếng Việt của VGSNews, chỉ để tham khảo.