qw

Ngày 8/9, OpenAI công bố một bài viết dài, cho biết một hệ thống đa tác tử nội bộ của công ty đã đưa ra lời giải cho phương trình Navier–Stokes, bài toán khiến giới toán học bế tắc trong gần 90 năm. Hệ thống hoạt động trong 88 giờ, huy động gần 10.000 tác tử AI, tạo ra khoảng 13 tỷ token và 2,7 triệu tin nhắn tương tác giữa các tác tử. Hệ thống cũng sử dụng mô hình nội bộ GPT-6 Astra để hoàn tất xác minh hình thức bằng Lean, đồng thời công bố một bài nghiên cứu dài 165 trang cùng kho mã Lean để bên ngoài có thể kiểm chứng độc lập.

Tuy nhiên, cần làm rõ một giới hạn quan trọng trong "lời giải" của OpenAI. Bài toán do Viện Toán học Clay định nghĩa chính thức gồm bốn hướng: Hướng A và B yêu cầu chứng minh nghiệm trơn luôn tồn tại trong điều kiện không có ngoại lực; Hướng C và D cho phép xây dựng một ngoại lực trơn khiến phương trình không thể duy trì nghiệm trơn trong thời gian hữu hạn. OpenAI đã chứng minh hướng C và D, tức khi bổ sung điều kiện "ngoại lực trơn", vận tốc cục bộ của chất lưu sẽ trở nên không bị chặn trong thời gian hữu hạn. Đây không phải phiên bản kinh điển nhất, trong đó không có ngoại lực. Tính đến thời điểm bài viết được công bố, trang chính thức của Viện Clay vẫn xếp bài toán này vào nhóm "chưa được giải". Đây không phải là một khác biệt vụn vặt: "giải bài toán thiên niên kỷ theo phiên bản chính thức" và "chứng minh hiện tượng bùng nổ trong một phiên bản có thêm điều kiện" là hai thành tựu có ý nghĩa hoàn toàn khác nhau. Người đọc không nên chỉ dựa vào tiêu đề "giải bài toán thiên niên kỷ" để mặc nhiên chấp nhận tuyên bố này.

Điểm gây chấn động thực sự của câu chuyện nằm ở cuộc tranh cãi học thuật phía sau cách thức đạt được kết quả. Nhà toán học Tristan Buckmaster của Đại học New York công khai cho biết ông và nhà toán học Levent Alpöge của Anthropic đã dành gần một năm nghiên cứu hướng "có thêm ngoại lực", dựa trên con đường do hai nhà toán học Cordoba và Martinez-Zoroa mở ra trước đó, với sự hỗ trợ của Codex và Claude. Toàn bộ bản thảo của họ được lưu trong Codex của OpenAI, và tiến độ nghiên cứu tăng rõ rệt từ giữa tháng 8.

Buckmaster cáo buộc sau khi nghe những thông tin liên quan, OpenAI đã nhanh chóng huy động lượng năng lực tính toán khổng lồ để tạo ra một kết quả cạnh tranh. Ông đặt câu hỏi liệu các mô hình OpenAI có từng đọc hoặc được huấn luyện bằng những bản thảo riêng tư mà hai người lưu trong Codex hay không. Buckmaster cũng cho biết ông từng được yêu cầu chỉ có thể nhận ghi công nếu loại người đồng tác giả Alpöge, một nhân viên Anthropic, khỏi dự án. Sebastien Bubeck, người phụ trách dự án của OpenAI, công khai phủ nhận việc sử dụng các câu lệnh hoặc chứng minh của hai nhà toán học này để chỉ đạo mô hình của công ty. Tuy nhiên, bài viết chính thức của OpenAI cũng thừa nhận rằng "không thể hoàn toàn loại trừ khả năng dữ liệu sử dụng của người dùng, sau khi được khử nhận dạng, đã từng góp phần cải thiện mô hình". Tranh cãi này vượt xa một cuộc "tranh chấp quyền ưu tiên học thuật" thông thường — vấn đề đặt ra là các công ty AI có sử dụng dữ liệu riêng tư của khách hàng để cạnh tranh với chính khách hàng hay không, câu hỏi mà lãnh đạo một số công ty công nghệ khác cũng đã công khai nêu lên gần đây.

Trong khi đó, bình luận của nhà toán học Terence Tao không tập trung vào cuộc đua tiêu hao nguồn lực. Ông lo ngại cách làm dựa vào năng lực tính toán khổng lồ để giành câu trả lời có thể biến một bài toán mở vốn thúc đẩy sự phát triển của cả lĩnh vực toán học thành một công cụ quảng bá lan truyền đơn thuần, từ đó làm suy giảm động lực chia sẻ công khai tiến độ nghiên cứu của các nhà khoa học. Tao đồng thời mô tả công trình của Buckmaster và Alpöge là "một thành tựu đáng kinh ngạc".

Đằng sau việc Luna giảm giá 80%: Từ "bán số lượt gọi" sang "bán độ chắc chắn"

Cũng trong ngày 8/9, Giám đốc tài chính OpenAI Sarah Friar trình bày những kết quả mới nhất của mô hình suy luận cấp cơ bản Luna tại hội nghị công nghệ "Communacopia + Technology" do Goldman Sachs tổ chức. Tuy nhiên, cần lưu ý rằng quyết định giảm 80% giá Luna đã được OpenAI công bố từ ngày 31/7. Những gì Friar đưa ra tại hội nghị là số liệu sau khoảng 5 tuần triển khai mức giá mới, không phải một thông báo mới.

Theo số liệu Friar công bố, lượng sử dụng Luna tăng khoảng 10 lần so với tháng trước sau khi giảm giá. Doanh thu mảng khách hàng doanh nghiệp của OpenAI tăng 32% theo tháng trong giai đoạn tháng 6-7, cao hơn nhiều so với tốc độ tăng trưởng bình quân thường niên 20% của toàn công ty. Trợ lý lập trình Codex đã vượt mốc 25 triệu người dùng lũy kế. Quy mô doanh thu từ khách hàng doanh nghiệp và người dùng cá nhân cũng đạt mức gần cân bằng từ trước giữa năm, sớm hơn mục tiêu cân bằng vào cuối năm của công ty. Toàn bộ số liệu này do OpenAI tự công bố, chưa được kiểm toán độc lập bởi bên thứ ba, dù nhiều cơ quan truyền thông tài chính độc lập đưa tin với cách diễn giải tương đồng.

Tại hội nghị, Friar còn trực tiếp so sánh Luna với mô hình GLM 5.3 của Z.ai, thương hiệu quốc tế thuộc Zhipu AI, về chi phí triển khai trên nền tảng đám mây và khẳng định Luna rẻ hơn. Việc nêu đích danh đối thủ cho thấy mục tiêu thực sự trong đợt giảm giá của OpenAI không chỉ đơn giản là giành thị phần. Công ty muốn đẩy giá các mô hình đóng xuống gần bằng, thậm chí thấp hơn, chi phí phần cứng và vận hành một cụm mã nguồn mở do doanh nghiệp tự xây dựng. Khi ngay cả mô hình đóng rẻ nhất cũng có giá thấp hơn chi phí tự huấn luyện và vận hành một kiến trúc mã nguồn mở, con đường "triển khai riêng" sẽ ngày càng khó khả thi đối với phần lớn doanh nghiệp không sở hữu đội ngũ thuật toán hàng đầu.

Friar cũng đề cập tiến độ của OpenAI trong lĩnh vực thiết kế chip. Chip Jalapeño do công ty phối hợp phát triển với Broadcom đã hoàn tất giai đoạn tape-out, chỉ mất chưa đến 9 tháng. Các mẫu ban đầu cho thấy chi phí có thể thấp hơn khoảng một nửa so với các bộ xử lý đồ họa AI thông thường, với mục tiêu đưa vào triển khai trước cuối năm 2026. Đây không phải con chip do OpenAI tự phát triển độc lập mà là kết quả hợp tác với Broadcom. Tuy vậy, lợi thế chi phí ở tầng hạ tầng phía sau nó chính là nền tảng phần cứng giúp Luna có thể mạnh dạn giảm giá sâu.

Sự thay đổi mang tính cơ cấu do chiến lược giá thấp tạo ra mới là logic kinh doanh đáng chú ý nhất trong câu chuyện này. Khi chi phí cho một lần gọi AI thấp hơn chi phí để một nhân viên cấp thấp kiểm tra thủ công, việc doanh nghiệp mua AI sẽ chuyển từ một khoản chi phí tài chính thành nguồn tạo lợi nhuận. Trong vài quý tới, cần theo dõi liệu các startup AI gia nhập thị trường dịch vụ doanh nghiệp bằng chiến lược giá thấp có thể trụ vững trước cuộc chiến trợ giá của các tập đoàn lớn hay không. Đồng thời, khi AI ngày càng tham gia sâu vào các lĩnh vực khoa học nền tảng, căng thẳng giữa giới học thuật và các công ty AI về việc sử dụng dữ liệu và tính liêm chính nghiên cứu có lẽ sẽ tiếp tục leo thang — cuộc tranh cãi quanh Navier–Stokes có thể mới chỉ là khởi đầu.