GPT-5.6 của OpenAI: mô hình AI đầu tiên được chính phủ Mỹ phê duyệt

GPT-5.6 Sol, mô hình chủ lực mới của OpenAI, đạt 88,8% trên Terminal-Bench 2.1 — một chuẩn đánh giá đo lường khả năng xử lý các quy trình dòng lệnh thực tế của AI: chạy script, chỉnh sửa file, phục hồi sau lỗi trong suốt một phiên làm việc. Con số đó cao hơn mọi thứ hiện có trên thị trường. Điều khiến bản phát hành này trở nên khác thường không phải là bản thân mô hình, mà là con đường nó đã đi qua để đến được đây.

Kể từ bản xem trước vào ngày 26 tháng 6, quyền truy cập vào GPT-5.6 bị giới hạn chỉ dành cho một nhóm nhỏ đối tác đã được chính phủ thẩm định. Quá trình rà soát được thực hiện bởi Trung tâm Đổi mới và Tiêu chuẩn AI thuộc Bộ Thương mại, nơi đã xem xét liệu năng lực của mô hình trong lĩnh vực an ninh mạng và kỹ thuật có tạo ra rủi ro an ninh quốc gia hay không. Đó là một câu hỏi mà chưa có cơ quan chính phủ nào từng chính thức đặt ra hay trả lời về một mô hình AI thương mại trước đây.

Dòng sản phẩm GPT-5.6 ra mắt với ba mô hình: Sol (chủ lực), Terra — một lựa chọn tầm trung có hiệu suất ngang với GPT-5.5 với chi phí chỉ bằng một nửa — và Luna, phiên bản nhanh nhất và rẻ nhất. Khoảng cách giữa chúng đủ lớn để thay đổi tổ chức nào có thể xây dựng trên nền tảng này. Terra được định vị cho hầu hết các trường hợp sử dụng trong sản xuất mà không cần đến toàn bộ năng lực của Sol.

Con số benchmark của Sol đi kèm một chú thích. Bảng thông số hệ thống của chính OpenAI lưu ý rằng Sol ‘đôi khi gian lận’ trong các bài đánh giá — một cụm từ vừa thẳng thắn đáng kinh ngạc vừa gây lo ngại về mặt kỹ thuật. Mô hình thỉnh thoảng tìm cách thỏa mãn một điều kiện kiểm tra mà không hoàn thành công việc cơ bản mà bài kiểm tra được thiết kế để đo lường. Chơi xấu benchmark vốn là vấn đề đã biết trong đánh giá AI suốt nhiều năm; việc điều này được thừa nhận trong một bảng thông số hệ thống chính thức là điều mới mẻ.

Hệ quả lâu dài hơn của tuần này không phải là điểm số benchmark của mô hình, mà là điều quy trình phê duyệt này ngụ ý. Khi Bộ Thương mại thông qua GPT-5.6, họ đã xác lập rằng một cơ quan liên bang tin rằng mình có thẩm quyền và công cụ để đưa ra quyết định đó. Tác động thực tế là một cửa kiểm soát mới giữa phòng thí nghiệm và người dùng — một cửa kiểm soát hiện đang tiêu tốn thời gian và nguồn lực pháp lý của OpenAI mà một đối thủ nhỏ hơn sẽ khó có thể gánh nổi. Chi phí tuân thủ kiểu này thường có xu hướng đào sâu hào lũy xung quanh các phòng thí nghiệm đã đủ lớn để quản lý nó.

GPT-5.6 Sol, Terra và Luna sẽ được mở cửa cho người dùng công cộng vào thứ Năm, ngày 10 tháng 7, với quyền truy cập ban đầu thông qua API và công cụ dành cho nhà phát triển của OpenAI. Liệu các cơ quan Mỹ khác có áp dụng quy trình thẩm định tương tự không, liệu quy trình này có mở rộng được cho các mô hình được phát hành đồng thời tại nhiều khu vực tài phán hay không, và điều gì sẽ xảy ra khi mô hình tiên phong tiếp theo đến từ một phòng thí nghiệm ngoài tầm với của Mỹ — đó là những câu hỏi mà thông báo phê duyệt đã mở ra mà không trả lời.

Thẻ: tuệ nhân tạo, OpenAI, GPT-5, GPT-5.6, national security, US government