OpenAI Ra Mắt Hai Mô Hình Open-Weights: Khác Gì Với AI Mã Nguồn Mở?

Sau nhiều năm, OpenAI đã giới thiệu hai mô hình AI mới theo dạng open-weights, mang tên gpt-oss-120b (120 tỷ tham số) và gpt-oss-20b (20 tỷ tham số). Đây là lần đầu tiên kể từ GPT-2 năm 2019, công ty này phát hành mô hình cho phép cộng đồng tiếp cận một phần cấu trúc bên trong thay vì chỉ cung cấp sản phẩm “hộp đen” như ChatGPT, Gemini hay Copilot.

 Để hiểu rõ hơn, cần phân biệt giữa open-weights và open-source. Các mô hình open-weights công khai trọng số – những con số thể hiện cách AI đánh giá và kết nối dữ liệu trong quá trình huấn luyện. Nhờ vậy, lập trình viên có thể xem được cách mô hình hoạt động, thậm chí chạy thử trực tiếp trên máy tính cá nhân. Trong khi đó, mô hình mã nguồn đóng hoàn toàn không cho phép điều này.

 Omar Khattab, trợ lý giáo sư khoa học máy tính tại MIT, cho biết: “Điều quý giá nhất trong các mô hình ngôn ngữ lớn chính là trọng số. Khi có được chúng, bạn có thể làm được rất nhiều điều.”

 Ví dụ, chatbot được huấn luyện để dự đoán từ tiếp theo trong câu. Từ nào thường xuyên xuất hiện cùng nhau sẽ được gán trọng số cao hơn. Với open-weights, không chỉ các con số này được công khai, mà còn cả sơ đồ kiến trúc để người dùng hiểu mô hình được tổ chức thế nào.

 Hai mô hình mới của OpenAI có điểm khác biệt ở quy mô: bản 120B sở hữu 128 “chuyên gia” cùng cửa sổ ngữ cảnh 128.000 từ, trong khi bản 20B có 32 “chuyên gia” nhưng vẫn giữ cùng độ dài ngữ cảnh. Theo báo cáo, mô hình 120B đạt hiệu năng gần tương đương với o4-mini, còn bản 20B tương tự o3-mini và có thể chạy trên laptop hoặc thậm chí một số smartphone, tùy vào cấu hình thiết bị.

 Cả hai mô hình được phát hành theo giấy phép Apache 2.0, cho phép sử dụng và phát triển rộng rãi. Thông tin chi tiết, bộ trọng số và tài liệu hướng dẫn hiện đã có trên HuggingFace và Github.

 Tuy nhiên, cần lưu ý rằng open-weights không đồng nghĩa với open-source. Nếu ví open-weights là chiếc bánh đã nướng kèm danh sách nguyên liệu, thì open-source chính là công thức đầy đủ với tỷ lệ và cách chế biến. Các mô hình open-weights thường không công khai dữ liệu huấn luyện cũng như mã nguồn, bởi đây là tài sản giá trị và còn liên quan đến vấn đề bản quyền.

 Suba Vasudevan, Giám đốc điều hành tại Mozilla.org, nhận định: “Với open-weights, bạn vẫn còn khá mù mờ về dữ liệu đã hình thành nên mô hình, nên khó đánh giá mức độ thiên lệch hay tái huấn luyện.”

 Vậy người dùng phổ thông có cần quan tâm? Với trải nghiệm hàng ngày, sự khác biệt giữa các dạng mô hình có thể không rõ rệt. Nhưng với các nhà phát triển, việc tiếp cận open-weights giúp họ dễ dàng xây dựng ứng dụng, nghiên cứu về độ an toàn và cải tiến AI. Về mặt triết lý, open-source hướng đến việc công nghệ tốt hơn khi nhiều người cùng tiếp cận, kiểm tra và đổi mới.

 Mặc dù open-weights chưa thể coi là “mở hoàn toàn”, bước đi này vẫn mang ý nghĩa quan trọng. Nó cho thấy xu hướng minh bạch hơn trong ngành AI và mở ra cơ hội cho cộng đồng nghiên cứu, phát triển và ứng dụng công nghệ một cách sáng tạo và an toàn hơn.