Grok 3 và câu hỏi đằng sau bảng điểm AI

Hành Trình AI · 15–21/2/2025

Một bài toán được giải đúng có đủ để kết luận một chatbot là tốt nhất? Câu hỏi ấy theo chân Grok 3 khi xAI giới thiệu mô hình mới giữa một cuộc cạnh tranh AI đang tăng tốc.

Buổi trình diễn diễn ra tối 17/2/2025 theo giờ Mỹ, tương ứng sáng 18/2 tại Hà Nội. VnExpress đưa tin về sự kiện và những bài kiểm tra do xAI trình bày. Elon Musk gọi hệ thống là AI thông minh nhất; đó là tuyên bố của người đứng đầu công ty, không phải một kết luận đã được xác lập cho mọi nhiệm vụ.

Bài thi đo được gì?

Trong thông báo ngày 19/2, xAI mô tả Grok 3 và Grok 3 mini cùng các phiên bản thử nghiệm tập trung vào suy luận. Công ty công bố kết quả ở những bài kiểm tra toán, khoa học và lập trình, đồng thời nói mô hình vẫn đang được huấn luyện và cải tiến. Reuters tường thuật việc ra mắt và bối cảnh cạnh tranh với các công ty AI khác.

Điểm chuẩn — benchmark — là cách kiểm tra mô hình trên một tập câu hỏi theo điều kiện nhất định. Nó có thể cho thấy một năng lực đáng chú ý, nhưng câu trả lời phụ thuộc cả vào bài thi, phiên bản mô hình và cách chạy. TechCrunch ghi nhận các so sánh do xAI đưa ra; CBS News lưu ý rằng các tuyên bố về năng lực và sức tính toán chưa được xác minh độc lập trong bản tin của họ.

Điểm toán cao cũng chưa cho biết chatbot có xử lý tốt một câu hỏi pháp luật Việt Nam, một tài liệu y tế hay tiếng lóng địa phương hay không. Những ví dụ ấy nêu giới hạn của phép đo, không phải kết quả thử nghiệm của Dòng Chảy AI.

Khi công cụ tìm kiếm cũng bước vào cuộc đua

xAI giới thiệu DeepSearch như một công cụ dùng AI để tổng hợp thông tin. Theo TechCrunch, công cụ tìm trên internet và X để tạo bản tóm tắt. Trước đó trong tháng, OpenAI đã giới thiệu deep research; hai sản phẩm có tên và cách triển khai khác nhau. Cả hai đặt ra cùng một nhiệm vụ cho người dùng: kiểm tra xem nguồn có thực sự ủng hộ điều bản tổng hợp nói hay không.

Ngay trong tuần, điều kiện tiếp cận cũng thay đổi. Reuters đưa tin quyền truy cập Grok 3 ban đầu dành cho người đăng ký Premium+ trên X. Đến ngày 21/2, VnExpress tường thuật thông báo mở dùng miễn phí trong thời gian có hạn và ghi nhận công cụ hỗ trợ tiếng Việt trong trải nghiệm của báo. Một lần trải nghiệm không đủ để kết luận về chất lượng tiếng Việt trên mọi chủ đề hoặc cho mọi nhóm người dùng. Điều kiện này thuộc tháng 2/2025, không phải hướng dẫn sử dụng hiện tại.

Nếu là sinh viên cần giải một bài tập hay người làm việc muốn tóm tắt tài liệu, điều hữu ích nhất không nhất thiết là chọn người chiến thắng trên bảng điểm. Hãy xem bài toán của mình cần gì, đọc nguồn và kiểm tra những chỗ có thể gây hậu quả nếu sai. Trong tuần Grok 3 xuất hiện, lời quảng bá rất lớn; bài học bền hơn là đặt kết quả cạnh phương pháp đo và bối cảnh sử dụng.

Tài liệu tham khảo

1. VnExpress — Elon Musk ra chatbot AI ‘thông minh nhất Trái Đất’, 18/2/2025 giờ Việt Nam; tường thuật buổi trình diễn và tuyên bố của xAI.
2. xAI — Grok 3 Beta, 19/2/2025; thông báo và kết quả thử nghiệm do nhà phát triển công bố.
3. Reuters — Musk’s xAI unveils Grok-3, 18/2/2025 UTC.
4. TechCrunch — xAI releases Grok 3, 17/2/2025 giờ Thái Bình Dương.
5. CBS News — Musk launches Grok 3 AI chatbot, cập nhật 18/2/2025; lưu ý việc thiếu xác minh độc lập các tuyên bố.
6. VnExpress — Cách dùng thử miễn phí Grok 3, 21/2/2025; trải nghiệm và điều kiện lúc đó.
7. OpenAI — Introducing deep research, 2/2/2025; bối cảnh trước tuần, trang có cập nhật sau này.