Anthropic làm sáng tỏ nhận thức AI với Claude 3.7 Sonnet

Trong thế giới phát triển trí tuệ nhân tạo không ngừng nghỉ và thường thiếu minh bạch, một bước tiến đáng kể hướng tới sự rõ ràng đã được thực hiện. Anthropic, một công ty nghiên cứu được củng cố bởi sự hậu thuẫn đáng kể từ Amazon, đã hé lộ phần nào về hoạt động bên trong của các mô hình ngôn ngữ lớn (LLMs) với phiên bản mới nhất của mình, Claude 3.7 Sonnet. Mô hình này không chỉ là một bản cập nhật gia tăng khác; nó đại diện cho một sự thay đổi mô hình tiềm năng, giới thiệu cái mà công ty gọi là hệ thống AI lý luận lai hàng đầu thế giới. Các hàm ý rất sâu rộng, hứa hẹn không chỉ hiệu suất nâng cao, đặc biệt là trong các lĩnh vực phức tạp như kỹ thuật phần mềm, mà còn là một liều thuốc minh bạch rất cần thiết vào các con đường ra quyết định của những bộ óc kỹ thuật số ngày càng mạnh mẽ này.

Sự đổi mới cốt lõi nằm ở khả năng của Claude 3.7 Sonnet trong việc kết hợp liền mạch hai chế độ hoạt động riêng biệt: việc tạo ra các phản hồi nhanh chóng thường được mong đợi từ AI đàm thoại, và một khả năng lý luận sâu sắc, có chủ ý hơn. Tính hai mặt này cung cấp cho người dùng một cách tiếp cận năng động, cho phép họ lựa chọn giữa các câu trả lời gần như tức thời cho các truy vấn đơn giản và việc sử dụng một công cụ phân tích sâu hơn cho các tác vụ đòi hỏi quy trình tư duy phức tạp. Sự linh hoạt này nhằm mục đích tối ưu hóa sự đánh đổi lâu năm giữa tốc độ và chiều sâu nhận thức, điều chỉnh hồ sơ hiệu suất của AI cho phù hợp với các yêu cầu cụ thể của nhiệm vụ hiện tại.

Nhìn vào Bên trong Máy móc: Sự ra đời của Visible Scratch Pad

Có lẽ tính năng nổi bật nhất được giới thiệu cùng với Claude 3.7 Sonnet là Visible Scratch Pad. Trong nhiều năm, các tính toán nội bộ của LLMs phần lớn vẫn không thể dò được, hoạt động trong một ‘hộp đen’ gây khó chịu cho các nhà phát triển, nhà nghiên cứu và người dùng đang tìm cách hiểu làm thế nào một AI đi đến một kết luận cụ thể. Sự đổi mới của Anthropic trực tiếp đối mặt với sự mờ đục này.

Tính năng này hoạt động, một cách ẩn dụ, giống như cho phép một học sinh trình bày bài làm của mình cho một bài toán phức tạp. Khi được trình bày với các truy vấn đầy thách thức đòi hỏi phân tích nhiều bước, Claude 3.7 Sonnet giờ đây có thể ngoại hóa các suy nghĩ trung gian và chuỗi logic của nó. Người dùng có khả năng quan sát một biểu diễn của chuỗi lý luận của mô hình, chứng kiến sự phân tích vấn đề và các bước được thực hiện để đi đến giải pháp.

• Tăng cường Tin cậy và Gỡ lỗi: Khả năng hiển thị này là vô giá để xây dựng lòng tin. Khi người dùng có thể theo dõi logic của AI, họ được trang bị tốt hơn để đánh giá tính hợp lệ của đầu ra của nó. Đối với các nhà phát triển, nó cung cấp một công cụ gỡ lỗi mạnh mẽ, giúp dễ dàng xác định nơi lý luận có thể đi chệch hướng hoặc nơi các thành kiến có thể len lỏi vào.
• Giá trị Giáo dục và Diễn giải: Hiểu được ‘tại sao’ đằng sau câu trả lời của AI có thể quan trọng như chính câu trả lời, đặc biệt là trong bối cảnh giáo dục hoặc nghiên cứu. Bảng nháp cung cấp cái nhìn sâu sắc về các chiến lược giải quyết vấn đề của mô hình.
• Điều hướng Sự phức tạp: Đối với các tác vụ liên quan đến phân tích dữ liệu phức tạp, suy luận logic hoặc giải quyết vấn đề sáng tạo, việc quan sát quá trình suy nghĩ của AI có thể giúp người dùng tinh chỉnh lời nhắc của họ hoặc hướng dẫn mô hình hiệu quả hơn.

Tuy nhiên, điều quan trọng cần lưu ý là tính minh bạch này không phải là tuyệt đối. Anthropic thừa nhận rằng một số bước nhất định trong bảng nháp có thể bị biên tập lại hoặc đơn giản hóa, chủ yếu vì lý do an toàn hoặc để bảo vệ các yếu tố độc quyền trong kiến trúc của mô hình. Tuy nhiên, động thái hướng tới sự hiển thị dù chỉ một phần cũng đánh dấu một sự khác biệt đáng kể so với bản chất kín đáo truyền thống của các hoạt động LLM.

Tinh chỉnh Động cơ: Kiểm soát của Nhà phát triển và Cân nhắc Kinh tế

Bổ sung cho tính minh bạch hướng tới người dùng là một lớp kiểm soát mới được cung cấp cho các nhà phát triển. Anthropic đã giới thiệu một cơ chế thang đo trượt, được quản lý thông qua giao diện dựa trên token, cho phép các nhà phát triển điều chỉnh ‘ngân sách lý luận’ được phân bổ cho mô hình đối với bất kỳ tác vụ nào.

Tính năng này thừa nhận thực tế thực tế của việc triển khai AI ở quy mô lớn. Lý luận sâu, nhiều bước đòi hỏi tính toán tốn kém. Không phải mọi tác vụ đều yêu cầu toàn bộ sức mạnh phân tích của mô hình. Bằng cách cung cấp một phương tiện để điều chỉnh các tài nguyên được phân bổ, các nhà phát triển có thể tạo ra sự cân bằng có chủ ý giữa chất lượng hoặc chiều sâu mong muốn của đầu ra và chi phí tính toán liên quan (và do đó, chi tiêu tài chính).

• Tối ưu hóa Phân bổ Tài nguyên: Các doanh nghiệp giờ đây có thể đưa ra các quyết định chi tiết hơn về việc triển khai AI. Các tác vụ đơn giản có thể được xử lý với ngân sách lý luận tối thiểu, bảo tồn tài nguyên, trong khi các phân tích chiến lược phức tạp có thể tận dụng toàn bộ chiều sâu khả năng của mô hình.
• Khả năng mở rộng và Quản lý Chi phí: Quyền kiểm soát này rất quan trọng đối với các tổ chức muốn tích hợp AI tinh vi vào các quy trình công việc đa dạng mà không phải chịu chi phí vận hành quá cao. Nó cho phép lập ngân sách và lập kế hoạch tài nguyên dễ dự đoán hơn cho các sáng kiến AI.
• Hiệu suất Ứng dụng Tùy chỉnh: Các ứng dụng khác nhau có nhu cầu khác nhau. Một chatbot dịch vụ khách hàng có thể ưu tiên tốc độ và hiệu quả chi phí, trong khi một công cụ nghiên cứu khoa học có thể ưu tiên độ chính xác và chiều sâu trên hết. Thang đo trượt cho phép tùy chỉnh này.

Sự linh hoạt về kinh tế và hoạt động này có thể chứng tỏ là một yếu tố khác biệt quan trọng trong bối cảnh AI cạnh tranh, đặc biệt hấp dẫn đối với các doanh nghiệp đang tìm kiếm các giải pháp AI thực tế, có thể mở rộng.

Thống trị trong Lò rèn Kỹ thuật số: Xuất sắc trong Tạo mã

Khả năng của Claude 3.7 Sonnet vượt ra ngoài lý luận lý thuyết và tính minh bạch; chúng chuyển thành lợi ích hiệu suất hữu hình, đặc biệt là trong lĩnh vực đòi hỏi cao về mã hóa và phát triển phần mềm. Anthropic đã công bố kết quả benchmark cho thấy lợi thế rõ ràng so với các đối thủ cạnh tranh, cụ thể là mô hình o3-mini của OpenAI, trong các tác vụ trung tâm của lập trình hiện đại.

Trong bài kiểm tra mã hóa SWE-Bench, một đánh giá nghiêm ngặt được thiết kế để đánh giá khả năng giải quyết các vấn đề GitHub trong thế giới thực, Claude 3.7 Sonnet đã đạt được độ chính xác ấn tượng 62.3%. Con số này vượt trội đáng kể so với độ chính xác 49.3% được báo cáo của mô hình tương đương của OpenAI. Điều này cho thấy trình độ cao hơn trong việc hiểu ngữ cảnh mã, xác định lỗi và tạo ra các bản vá mã chính xác – những kỹ năng được đánh giá cao trong kỹ thuật phần mềm.

Hơn nữa, trong lĩnh vực luồng công việc agentic, liên quan đến các hệ thống AI tự động thực hiện các chuỗi hành động, Claude 3.7 Sonnet cũng thể hiện hiệu suất vượt trội. Trên TAU-Bench, nó đạt 81.2%, so với 73.5% của OpenAI. Benchmark này kiểm tra khả năng của mô hình trong việc tương tác với các công cụ, API và môi trường kỹ thuật số để hoàn thành các tác vụ phức tạp, gợi ý về các agent AI có khả năng và đáng tin cậy hơn cho tự động hóa.

• Hàm ý đối với Phát triển Phần mềm: Độ chính xác cao hơn trong các benchmark mã hóa chuyển trực tiếp thành lợi ích năng suất tiềm năng cho các nhà phát triển. Các trợ lý AI như Claude có thể trở thành đối tác đáng tin cậy hơn trong việc viết, gỡ lỗi và bảo trì codebase.
• Nâng cao Khả năng Agentic: Hiệu suất mạnh mẽ trên TAU-Bench nhấn mạnh sự tập trung của Anthropic vào việc xây dựng các hệ thống AI tự chủ hơn. Khả năng này rất quan trọng để hiện thực hóa tầm nhìn về các agent AI có thể quản lý các tác vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người.
• Benchmarking Cạnh tranh: Những kết quả này định vị Anthropic một cách mạnh mẽ trong ‘cuộc chạy đua vũ trang AI’ đang diễn ra, đặc biệt là trong lĩnh vực tạo mã và công cụ phát triển quan trọng về mặt thương mại.

Tái cấu trúc Kiến trúc: Vượt ra ngoài Mô hình Hộp đen

Trong nhiều thập kỷ, kiến trúc phổ biến của nhiều mô hình AI tinh vi đã góp phần vào bản chất ‘hộp đen’ của chúng. Thông thường, các đường xử lý đơn giản hơn, nhanh hơn được xử lý riêng biệt với các tác vụ lý luận phức tạp hơn, tốn nhiều tài nguyên hơn. Sự tách biệt này có thể dẫn đến sự kém hiệu quả và gây khó khăn cho việc hiểu biết toàn diện. Bước đột phá của Anthropic với Claude 3.7 Sonnet một phần bắt nguồn từ việc thiết kế lại cơ bản kiến trúc này.

Dario Amodei, CEO của Anthropic, đã trình bày rõ ràng sự thay đổi này: “Chúng tôi đã vượt ra ngoài việc coi lý luận như một khả năng riêng biệt—giờ đây nó là một phần liền mạch của chức năng cốt lõi của mô hình.” Tuyên bố này chỉ ra một kiến trúc lý luận tích hợp. Thay vì chuyển các vấn đề phức tạp sang một mô-đun chuyên biệt, các khả năng lý luận sâu được đan xen vào cấu trúc của mô hình cốt lõi.

Sự thống nhất này mang lại một số lợi thế tiềm năng:

1. Chuyển đổi Mượt mà hơn: Mô hình có khả năng chuyển đổi giữa các phản hồi nhanh và suy nghĩ sâu sắc một cách linh hoạt hơn, mà không cần chi phí gọi một hệ thống riêng biệt.
2. Bối cảnh Toàn diện: Việc giữ lý luận tích hợp có thể cho phép mô hình duy trì bối cảnh và sự mạch lạc tốt hơn giữa các chế độ hoạt động khác nhau.
3. Tăng hiệu quả: Mặc dù lý luận sâu vẫn tốn nhiều tài nguyên, việc tích hợp nó có thể mở khóa hiệu quả kiến trúc so với việc quản lý các hệ thống khác nhau.

Triết lý kiến trúc này phù hợp với những tiến bộ của Anthropic trong AI agentic. Dựa trên tính năng Computer Use của họ, được giới thiệu vào đầu năm 2024, cho phép các mô hình Claude tương tác với các ứng dụng phần mềm giống như người dùng (nhấp vào nút, nhập văn bản), mô hình mới tăng cường các khả năng này. Lý luận cải tiến và kiến trúc tích hợp có khả năng đóng góp vào những thành công benchmark được thấy trong các luồng công việc agentic.

Jared Kaplan, Nhà khoa học trưởng của Anthropic, nhấn mạnh quỹ đạo của những phát triển này, nhấn mạnh rằng các agent AI trong tương lai được xây dựng trên nền tảng này sẽ ngày càng thành thạo trong việc sử dụng các công cụ đa dạng và điều hướng các môi trường kỹ thuật số năng động, không thể đoán trước. Mục tiêu là tạo ra các agent không chỉ có thể tuân theo hướng dẫn mà còn có thể lập chiến lược và thích ứng để đạt được các mục tiêu phức tạp.

Bàn cờ Chiến lược: Cạnh tranh và Quỹ đạo Tương lai

Việc ra mắt Claude 3.7 Sonnet không xảy ra trong chân không. Nó đến giữa sự cạnh tranh khốc liệt, chủ yếu với OpenAI, công ty được nhiều người dự đoán sẽ phát hành mô hình thế hệ tiếp theo, GPT-5. Các nhà quan sát trong ngành suy đoán rằng GPT-5 cũng có thể kết hợp một dạng lý luận lai, khiến việc phát hành hiện tại của Anthropic trở thành một động thái chiến lược đúng thời điểm để thiết lập lợi thế sớm.

Bằng cách đưa ra thị trường một mô hình lai với tính minh bạch nâng cao và kiểm soát dành cho nhà phát triển ngay bây giờ, Anthropic đạt được một số mục tiêu:

• Thu hút Sự chú ý: Nó định vị công ty như một nhà đổi mới, đặc biệt là trong các lĩnh vực quan trọng về lý luận, minh bạch và khả năng agentic.
• Thu thập Dữ liệu Thực tế: Việc triển khai sớm cho phép Anthropic thu thập dữ liệu có giá trị về cách người dùng và nhà phát triển tương tác với các tính năng mới này, cung cấp thông tin cho các cải tiến trong tương lai.
• Thiết lập Benchmark: Kết quả benchmark mã hóa ấn tượng đặt ra một tiêu chuẩn cao cho các đối thủ cạnh tranh phải đáp ứng hoặc vượt qua.

Sự nhấn mạnh vào các tính năng như visible scratch pad và thanh trượt ngân sách lý luận cũng phù hợp với các xu hướng và nhu cầu mới nổi:

• AI có thể giải thích (XAI): Khi các hệ thống AI ngày càng được tích hợp vào cơ sở hạ tầng quan trọng và các quy trình ra quyết định (trong tài chính, chăm sóc sức khỏe, luật pháp, v.v.), các cơ quan quản lý trên toàn thế giới (như EU với Đạo luật AI) ngày càng yêu cầu tính minh bạch và khả năng diễn giải. Bảng nháp trực tiếp giải quyết nhu cầu về AI có thể giải thích này.
• Tính khả thi về Kinh tế: Việc tập trung vào hiệu quả chi phí thông qua thanh trượt ngân sách lý luận làm cho AI tinh vi trở nên dễ tiếp cận và thiết thực hơn đối với nhiều doanh nghiệp hơn, vượt ra ngoài các triển khai thử nghiệm hướng tới tích hợp hoạt động có thể mở rộng.

Nhìn về phía trước, Anthropic đã vạch ra một lộ trình rõ ràng để xây dựng trên nền tảng do Claude 3.7 Sonnet đặt ra:

• Khả năng Mã hóa Doanh nghiệp: Việc mở rộng hơn nữa Claude Code được lên kế hoạch, nhằm cung cấp các công cụ mạnh mẽ và phù hợp hơn đặc biệt cho các nhóm phát triển phần mềm doanh nghiệp.
• Kiểm soát Lý luận Tự động: Công ty dự định phát triển các cơ chế có thể tự động xác định thời lượng hoặc độ sâu lý luận tối ưu cần thiết cho một tác vụ nhất định, có khả năng loại bỏ nhu cầu điều chỉnh thủ công thông qua thanh trượt trong nhiều trường hợp.
• Tích hợp Đa phương thức: Các phiên bản trong tương lai sẽ tập trung vào việc tích hợp liền mạch các loại đầu vào đa dạng, chẳng hạn như hình ảnh, dữ liệu từ API và có khả năng là dữ liệu cảm biến khác, cho phép Claude xử lý một phổ rộng hơn nhiều các quy trình công việc phức tạp, trong thế giới thực đòi hỏi sự hiểu biết và tổng hợp thông tin từ nhiều nguồn.

Jared Kaplan đã đưa ra một cái nhìn thoáng qua về tầm nhìn dài hạn, gợi ý về tốc độ phát triển nhanh chóng: “Đây mới chỉ là khởi đầu,” ông nhận xét. “Đến năm 2026, các agent AI sẽ xử lý các tác vụ một cách liền mạch như con người, từ nghiên cứu vào phút cuối đến quản lý toàn bộ codebase.” Dự đoán đầy tham vọng này nhấn mạnh niềm tin rằng những cải tiến về kiến trúc và khả năng được thấy trong Claude 3.7 Sonnet là những bước đệm hướng tới các hệ thống AI thực sự tự chủ và có năng lực cao có thể định hình lại cơ bản công việc tri thức và tương tác kỹ thuật số trong vài năm tới. Cuộc đua đang diễn ra, và Anthropic vừa thực hiện một bước đi rất quan trọng.