DeepSeek-R1: Khi một mô hình “suy luận” được chia sẻ rộng hơn

Dòng Chảy AI · Hành Trình AI · 18–24/1/2025

Một câu hỏi khó thường không có lời giải xuất hiện ngay lập tức. Người giải có thể thử một cách, kiểm tra kết quả rồi đổi hướng. Trong AI, các nhà nghiên cứu cũng đang tìm cách làm cho mô hình xử lý tốt hơn những nhiệm vụ nhiều bước — dù cách máy hoạt động không giống hệt suy nghĩ của con người.

Ngày 20/1/2025, công ty Trung Quốc DeepSeek công bố R1, một mô hình hướng tới các nhiệm vụ suy luận, đồng thời chia sẻ trọng số của mô hình. Công ty so sánh kết quả của mình với OpenAI o1 trên một số bài kiểm tra; Ars Technica đưa tin về công bố đó ngày 21/1. Các so sánh là kết quả được DeepSeek báo cáo, không đủ để kết luận mô hình này tốt hơn mọi đối thủ trong mọi công việc. 1 2

Điều gì khác với V3?

Cuối tháng 12/2024, DeepSeek công bố V3, một mô hình ngôn ngữ với trọng số được chia sẻ. R1 xuất hiện sau đó như một mốc riêng: nhóm nghiên cứu tập trung vào cách khuyến khích hệ thống xử lý những nhiệm vụ đòi hỏi suy luận, đặc biệt trong toán học và lập trình. V3 là bối cảnh trước kỳ; không nên nhầm ngày ra mắt hai mô hình. 3 1

Trong báo cáo kỹ thuật nộp lên arXiv ngày 22/1/2025, nhóm DeepSeek mô tả việc dùng học tăng cường — một cách huấn luyện trong đó hệ thống được khuyến khích tạo ra kết quả đáp ứng tiêu chí đánh giá. Báo cáo phân biệt R1-Zero, một phiên bản nghiên cứu, với R1, mô hình sử dụng nhiều giai đoạn huấn luyện và thêm dữ liệu ban đầu. Mô tả này đến từ nhóm tạo ra mô hình; các kết quả và giới hạn cần tiếp tục được kiểm tra bởi những nhóm khác. 4

Công ty còn chia sẻ các phiên bản nhỏ hơn được tạo bằng kỹ thuật “chưng cất”: dùng đầu ra từ một mô hình để hỗ trợ huấn luyện mô hình khác. Những phiên bản nhỏ có thể mở thêm lựa chọn cho nhà phát triển, nhưng chất lượng và yêu cầu phần cứng khác nhau tùy phiên bản và cách sử dụng. 1 4

Một lời giải dài không tự bảo đảm đúng

Một mô hình có thể tạo ra các bước giải thích trước khi đưa kết luận. Điều đó đôi khi giúp người đọc xem lại cách tiếp cận. Nhưng một chuỗi giải thích nghe hợp lý vẫn có thể chứa giả định sai hoặc dẫn tới kết quả không đúng. Sự xuất hiện của các bước trung gian không chứng minh hệ thống hiểu mọi vấn đề như con người.

Giả sử một sinh viên dùng AI để xem lời giải một bài toán. Bạn ấy vẫn cần kiểm tra phép tính và điều kiện của đề; nếu chỉ chép lại kết quả, lỗi của công cụ có thể trở thành lỗi của chính mình. Đây là ví dụ minh họa, không phải một thử nghiệm với sinh viên Việt Nam.

DeepSeek nói trọng số R1 được chia sẻ theo giấy phép MIT. Việc có thể tải mô hình tạo thêm cơ hội nghiên cứu và tùy biến, nhưng người triển khai vẫn cần xem điều kiện sử dụng, năng lực tính toán và cách bảo vệ dữ liệu. Bản tải về do người dùng tự vận hành và dịch vụ do một nhà cung cấp vận hành có thể có cách quản lý dữ liệu khác nhau. 1 2

Góc nhìn từ Việt Nam

Ngày 27/1/2025, VnExpress đưa tin về DeepSeek và nhắc đến R1. Đây là bằng chứng xuất hiện sau tuần được nhìn lại. Bài báo cho thấy sự kiện đã được thảo luận bằng tiếng Việt; nó không thay thế một cuộc kiểm tra độc lập về chất lượng tiếng Việt hoặc tác động đối với người dùng trong nước. 5

Việc R1 xuất hiện cùng các mô hình có khả năng xử lý nhiều bước khác mở rộng lựa chọn cho người nghiên cứu và phát triển. Điều đáng theo dõi là những khả năng ấy hoạt động thế nào trong từng nhiệm vụ thực tế, ở mức chi phí nào và với những giới hạn nào — thay vì chỉ nhìn vào một bảng điểm hoặc một lời giới thiệu.

Tài liệu tham khảo

1. DeepSeek — Công bố DeepSeek-R1, 20/1/2025: công bố của nhà phát triển.
2. Ars Technica — DeepSeek-R1 và các mô hình suy luận, 21/1/2025: báo chí độc lập, với kết quả so sánh được quy cho DeepSeek.
3. DeepSeek — Công bố DeepSeek-V3, 26/12/2024: bối cảnh trước kỳ.
4. DeepSeek — Báo cáo kỹ thuật R1, bản arXiv đầu tiên, nộp 22/1/2025: mô tả phương pháp và đánh giá của nhóm nghiên cứu.
5. VnExpress — Thông tin về DeepSeek, 27/1/2025: bài tiếng Việt sau kỳ.