Công bố mô hình AI 975 tỷ tham số: Bước đột phá hay chiêu trò truyền thông?

Mira Murati – cựu CTO của OpenAI – vừa khiến giới công nghệ dậy sóng khi thông báo ra mắt mô hình ngôn ngữ lớn mã nguồn mở mang tên Inkling, sở hữu tới 975 tỷ tham số. Con số này vượt xa Llama 3.1 405B của Meta và thậm chí còn lớn hơn cả các mô hình đóng như GPT-4 của chính OpenAI. Nhưng liệu đây có phải là bước tiến thực sự trong cuộc đua AI, hay chỉ là một tuyên bố gây sốc nhằm đánh bóng tên tuổi startup non trẻ của bà? Bối cảnh: làn sóng mã nguồn mở đã thay đổi cục diện AI. Meta với dòng Llama, Mistral AI với Mixtral đã chứng minh rằng các mô hình mở có thể cạnh tranh sòng phẳng với các ông lớn đóng. Tuy nhiên, việc huấn luyện một mô hình 975 tỷ tham số đòi hỏi nguồn lực khổng lồ: hàng chục nghìn GPU H100, chi phí hàng trăm triệu USD, và một đội ngũ kỹ sư hàng đầu. Một startup mới thành lập như Thinking Machines Lab liệu có đủ sức? Điểm cốt lõi của câu chuyện nằm ở thông tin kỹ thuật – thứ hoàn toàn vắng bóng trong bài báo gốc. Không có kiến trúc chi tiết, không điểm benchmark, không thông tin về dữ liệu huấn luyện. Từ góc nhìn chuyên môn, rất có thể Inkling là mô hình MoE (Mixture of Experts) với tổng tham số 975B nhưng chỉ kích hoạt khoảng 200-300B mỗi lần suy luận. Điều này giúp giảm chi phí vận hành nhưng vẫn duy trì hiệu năng cao. Tuy nhiên, nếu đúng là mô hình dense thuần túy, thì đây là một kỳ quan kỹ thuật – hoặc một lời nói dối. "Fork là dễ, bản địa hóa là khó." – Câu nói này vốn dành cho blockchain nhưng hoàn toàn áp dụng được vào AI. Việc tuyên bố một mô hình mã nguồn mở khổng lồ là chuyện dễ, nhưng để nó thực sự hữu ích, tối ưu cho phần cứng địa phương và được cộng đồng đón nhận mới là thử thách. Hãy nhìn vào Llama: Meta đầu tư hàng tỷ USD vào hệ sinh thái, tối ưu hóa inference, xây dựng công cụ. Thinking Machines Lab hiện chưa cho thấy bất kỳ dấu hiệu nào về điều đó. "Hype qua đi, infrastructure còn lại." – Lịch sử crypto đã chứng minh điều này. Những dự án chỉ dựa trên hype con số (TPS, tham số) thường sụp đổ khi cơn sốt kết thúc. Với AI, cơ sở hạ tầng suy luận (inference) và khả năng triển khai thực tế mới là yếu tố quyết định. Mô hình 975B dù mạnh đến đâu cũng vô dụng nếu không ai có đủ GPU để chạy nó. Góc nhìn phản trực giác: Nếu Inkling là thật, nó không chỉ đe dọa OpenAI mà còn kích hoạt làn sóng rủi ro an ninh chưa từng có. Một mô hình mã nguồn mở mạnh ngang GPT-4 sẽ bị lạm dụng để tạo deepfake, viết malware, thậm chí phát triển vũ khí sinh học. Các chính phủ sẽ lập tức siết chặt quy định, và Thinking Machines Lab có thể đối mặt với vụ kiện hoặc lệnh cấm. Bài báo trên Crypto Briefing – một trang tin về tiền mã hóa – càng làm dấy lên nghi ngờ về động cơ thực sự: có thể đây là chiêu trò PR để gây quỹ từ các quỹ đầu tư mạo hiểm ưa thích câu chuyện "đột phá". Kết luận: Đừng vội mua hype. Chờ báo cáo kỹ thuật từ Thinking Machines Lab, chờ điểm benchmark độc lập từ LMSYS hoặc EleutherAI. Câu chuyện thực sự không nằm ở con số tham số, mà nằm ở khả năng vận hành và tác động đến hệ sinh thái. Như tôi vẫn nói: "Hype qua đi, infrastructure còn lại." Và lần này, cơ sở hạ tầng đó có thể là một mô hình 975B hoặc chỉ là một màn kịch truyền thông.