Lộ trình
Cơ bản về Kinh doanh Trí tuệ Nhân tạo
12 giờ
Kiểm thử Grok 3 | Đây có phải mô hình suy luận tốt nhất?
Grok 3 là gì?
Grok 3 là mô hình AI mới nhất của xAI, được định vị là đối thủ trực tiếp của o1 từ OpenAI và R1 từ DeepSeek. Nhóm xAI cho biết nó mạnh hơn Grok 2 từ 10 đến 15 lần, và dựa trên các điểm chuẩn trình bày trong buổi demo, có thể nó thực sự đủ sức cạnh tranh với những mô hình tốt nhất trên thị trường.
Nguồn: xAI
Các mô hình suy luận khác gì?
Nếu bạn đã dùng ChatGPT, Claude hoặc Gemini, bạn sẽ quen với cách hầu hết mô hình AI hoạt động: bạn đặt câu hỏi, chúng tạo câu trả lời, và xong.
Các mô hình suy luận như Grok 3 tiếp cận khác. Thay vì đưa ra câu trả lời ngay, chúng phân tách vấn đề theo từng bước, thể hiện suy nghĩ trung gian và thậm chí tinh chỉnh đầu ra trước khi đưa ra phản hồi cuối cùng. Điều này khiến chúng đặc biệt mạnh ở các tác vụ như toán, lập trình và giải quyết vấn đề trong thực tế.
Nguồn: xAI
Grok 3 Mini
Không phải tác vụ nào cũng cần đến khả năng suy luận toàn diện của Grok 3. Grok 3 mini được tối ưu cho tốc độ và mức sử dụng tính toán thấp hơn nhưng vẫn giữ được năng lực suy luận của Grok 3.
Grok 3 mini đặc biệt hữu ích cho nhà phát triển muốn tối ưu chi phí token khi dùng API.
Chúng ta cũng có thể chuyển sang Grok 3 Mini để có phản hồi nhanh hơn trong giao diện chat. Dựa trên các điểm chuẩn, sẽ không có nhiều câu hỏi mà nó không xử lý được.
Chế độ Think của Grok 3
Chế độ Think là tùy chọn kích hoạt quy trình suy luận nhiều bước của Grok 3. Thay vì nhảy ngay đến câu trả lời, nó chia nhỏ vấn đề, đánh giá các hướng giải quyết khác nhau và tinh chỉnh phản hồi trước khi đưa ra kết quả cuối.
Chế độ này đặc biệt hữu ích cho việc giải quyết vấn đề phức tạp, chứng minh toán học, thử thách lập trình và các tác vụ dựa trên logic. Nó mô phỏng lối tư duy có cấu trúc như con người, phù hợp với các tình huống mà chất lượng suy luận quan trọng hơn tốc độ.
Theo những gì tôi thấy, xAI đang định vị Grok 3 vừa là mô hình suy luận vừa là mô hình tổng quát. Khi tắt chế độ Think, nó cư xử giống GPT-4o hoặc Claude 3.5 Sonnet—nhanh, giàu tính đối thoại và tối ưu cho mục đích chung. Nhưng khi bật chế độ Think, nó chuyển sang chế độ suy luận, phân tích vấn đề phức tạp theo từng bước.
Cách tiếp cận lai này càng rõ khi xem các điểm chuẩn. xAI không chỉ so sánh Grok 3 với các mô hình suy luận như O1 của OpenAI hay DeepSeek R1—họ còn thử nghiệm với các mô hình tổng quát như GPT-4o, DeepSeek-V3 và Claude 3.5 Sonnet. Điều này cho thấy họ muốn cạnh tranh ở cả hai hạng mục, thay vì bị giới hạn ở một.
Nguồn: xAI
Chế độ Big Brain của Grok 3
Chế độ Big Brain là thiết lập hiệu năng cao của Grok 3, phân bổ thêm tài nguyên tính toán để xử lý các tác vụ nặng.
Khi bật, Grok 3 cần nhiều thời gian xử lý hơn nhưng mang lại độ chính xác cao hơn, phân tích sâu hơn và phản hồi chi tiết hơn. Chế độ này đặc biệt hữu ích cho nghiên cứu khoa học, các tác vụ AI nhiều lớp và những kịch bản giải quyết vấn đề rất phức tạp, nơi suy luận tiêu chuẩn có thể chưa đủ.
Grok 3 DeepSearch
DeepSearch là công cụ nghiên cứu tích hợp của xAI, cho phép Grok 3 duyệt web, xác minh nguồn và tổng hợp thông tin thời gian thực trước khi tạo câu trả lời.
Khác với các mô hình AI tiêu chuẩn dựa vào dữ liệu tiền huấn luyện, DeepSearch lấy thông tin mới, rất phù hợp cho tin tức, xu hướng thị trường, nghiên cứu kỹ thuật và kiểm chứng thông tin. Chế độ này đưa Grok 3 trở thành đối thủ của Deep Research từ Gemini và Deep Research của OpenAI.
Nguồn: xAI
Grok 3 được phát triển như thế nào?
Grok 3 được xây dựng dựa trên các nâng cấp hạ tầng lớn, kỹ thuật huấn luyện mới và mở rộng mạnh mẽ năng lực tính toán. Khác với các phiên bản tiền nhiệm được huấn luyện trên phần cứng tương đối hạn chế, xAI hiện đã xây dựng một trong những cụm huấn luyện AI lớn nhất thế giới để hỗ trợ phát triển Grok 3.
Nguồn: xAI
Colossus: siêu máy tính tuỳ chỉnh của xAI
Một trong những thách thức lớn nhất khi huấn luyện các mô hình AI quy mô lớn là khả năng cung cấp tính toán. Để vượt qua điều này, xAI xây dựng cụm siêu máy tính riêng có tên Colossus (bạn có thể thấy nhà kho trong ảnh ở trên).
Giai đoạn đầu, hoàn thành chỉ trong 122 ngày, đã triển khai 100.000 GPU H100, biến nó thành một trong những cụm huấn luyện AI lớn nhất thế giới.
Ở giai đoạn hai, xAI đã nhân đôi năng lực tính toán chỉ trong 92 ngày nữa. Hạ tầng này cho phép huấn luyện liên tục, nghĩa là Grok 3 vẫn đang cải thiện theo thời gian thực khi có thêm người dùng tương tác.
Từ Grok 0 đến Grok 3
Grok 1 được phát hành vào tháng 11/2023, và dù có cá tính, nó chưa ở cùng đẳng cấp với GPT-4o hay Claude 3.5 Sonnet. Grok 2 ra mắt vài tháng sau đó, cho thấy cải thiện lớn, nhưng vẫn còn thua kém các mô hình top đầu.
Nguồn: xAI
Tuy nhiên, Grok 3 đánh dấu bước nhảy vọt lớn hơn nhiều. Nhóm cho biết Grok 3 mạnh hơn Grok 2 từ 10–15 lần nhờ cả cải tiến mô hình lẫn gia tăng đột biến sức mạnh huấn luyện.
Các điểm chuẩn của Grok 3
xAI cho rằng Grok 3 là một trong những mô hình AI mạnh nhất cho đến nay, và các điểm chuẩn từ buổi demo trực tiếp cho thấy nó có thể thực sự cạnh tranh với những mô hình tốt nhất. Hãy phân tích kết quả ở các mảng toán, khoa học và lập trình để xem nó so với GPT-4o, Claude 3.5 Sonnet, Gemini-2 Pro và DeepSeek-V3, cũng như các mô hình suy luận khác như O1 và DeepSeek-R1, ra sao.
Hiệu năng so với các mô hình tổng quát
Bộ điểm chuẩn đầu tiên so sánh Grok 3 và Grok 3 Mini với các mô hình mục đích chung khác.
Nguồn: xAI
Grok 3 dẫn đầu ở mọi hạng mục với khoảng cách lớn, nhưng toán, khoa học và lập trình chỉ chiếm một phần nhỏ trong các trường hợp sử dụng của mô hình tổng quát—mọi người còn dựa vào nó để viết, phân tích báo cáo, hỗ trợ khách hàng, và nhiều hơn nữa.
Sẽ rất thú vị nếu xem Grok 3 thể hiện thế nào trên các điểm chuẩn như MMLU (kiến thức rộng trên 57 chủ đề), BBH (suy luận phức tạp và giải quyết vấn đề trừu tượng) hoặc TruthfulQA (độ chính xác khi trả lời câu hỏi mơ hồ hoặc gây tranh cãi) để có bức tranh đầy đủ hơn về năng lực thực tế.
Hiệu năng so với các mô hình suy luận
Khi tận dụng tối đa năng lực suy luận của Grok 3—tức là bật chế độ Think và Big Brain—hiệu năng của mô hình tăng vọt. Bộ điểm chuẩn thứ hai so sánh Grok 3 Reasoning Beta và Grok 3 mini Reasoning với các mô hình suy luận tiên tiến khác, bao gồm O1, DeepSeek-R1 và Gemini-2 Flash Thinking.
Nguồn: xAI
Khả năng suy luận của Grok 3 đẩy điểm toán lên 93–96, một bước nhảy lớn từ chế độ tổng quát (52).
Điểm khoa học và lập trình cũng cải thiện đáng kể, vượt qua o1, DeepSeek-R1 và Gemini-2 Flash Thinking.
Grok 3 mini Reasoning thể hiện ngang ngửa với Grok 3 đầy đủ trong các tác vụ suy luận (thậm chí có thể tốt hơn—tôi phải thừa nhận biểu đồ hơi khó hiểu với các lớp màu), nghĩa là ngay cả biến thể nhỏ hơn cũng vẫn cạnh tranh được trong giải quyết vấn đề phức tạp.
Cách truy cập Grok 3?
xAI đang triển khai Grok 3 dần dần, dự kiến mở rộng phạm vi trong vài tháng tới. Chúng ta sẽ có thể dùng Grok 3 trong giao diện chat và qua API.
Giao diện dựa trên chat
Hiện mô hình được tích hợp vào X (trước đây là Twitter) và có sẵn cho người đăng ký Premium+. Người dùng có thể trò chuyện trực tiếp trong nền tảng, tương tự các phiên bản Grok trước. Bạn có thể tìm nút Grok trên menu bên trái:
Ngoài X, xAI đã ra mắt grok.com, một giao diện web độc lập nơi người dùng tương tác với mô hình ngoài nền tảng mạng xã hội. Truy cập Grok qua website này hiện chưa khả dụng tại EU và Vương quốc Anh.
Cũng có ứng dụng di động riêng, nhưng hiện chỉ có trên iOS.
API của Grok 3
Tại thời điểm bài viết này, Grok 3 chưa được phát hành qua API, nhưng có khả năng sẽ sớm khả dụng. Hãy theo dõi trang mô hình để cập nhật mới nhất.
Kết luận
Grok 3 rõ ràng là bản phát hành tham vọng nhất của xAI cho đến nay, nhưng tôi vẫn chờ xem nó thể hiện thế nào ngoài các điểm chuẩn trong chính buổi demo của họ. Hiện tại, nó trông như một mô hình suy luận vững vàng, cạnh tranh với OpenAI và DeepSeek trong giải quyết vấn đề nhiều bước.
Cách tiếp cận lai—có thể chuyển đổi giữa phản hồi nhanh, đối thoại và suy luận sâu với chế độ Think—rất hợp lý trên lý thuyết. Nhưng tôi muốn xem nó khái quát hóa ra sao ngoài toán, lập trình và khoa học, đặc biệt ở các tác vụ như viết, tóm tắt và nghiên cứu thực tế. Bạn cũng có thể xem hướng dẫn về mô hình mới nhất, Grok 4.1 của chúng tôi.
