Đây là bản dịch tin tức AI từ GenAI.works Jensen Huang cáo buộc giới an toàn đang yêu cầu điều hoàn toàn trái ngược với những gì họ tuyên bố, Anthropic dựng hẳn một phòng thí nghiệm để Claude điều khiển robot, còn OpenAI công bố sáu vụ việc cho thấy các mô hình của họ đã làm những điều không nên làm.
Trong Atlas Newsletter hôm nay:
- Huang nói giới an toàn thực ra đang đòi một thứ khác: Rốt cuộc ông cho rằng họ thực sự muốn gì?
- Anthropic đổ thêm tiền vào sinh học: Điều gì từng tốn $10.000 mà Claude giờ chỉ cần $150?
- OpenAI công bố sáu lần các mô hình làm sai: Mô hình đã giấu điều gì trong những ghi chú dành cho chính nó?
- Hệ thống săn lỗ hổng của Cloudflare khởi đầu chỉ từ một skill: Tại sao nhiệm vụ đầu tiên của verifier lại là cố gắng bác bỏ phát hiện?
Huang nói giới an toàn thực ra đang đòi một thứ khác
Jensen Huang xuất hiện trên CBS hôm Chủ nhật và cáo buộc các lãnh đạo phòng thí nghiệm AI tiên phong đang tranh luận thiếu thiện chí.
Quan điểm của ông: “Hãy đọc kỹ giữa những dòng chữ. Thực ra họ không đòi thêm luật. Họ đang muốn được miễn khỏi những luật mà chúng ta đã có.”
Sau đó ông nói: “Họ chắc chắn đang làm vậy vì những động cơ khác.” Khi được hỏi những động cơ đó là gì, ông nói mình không biết, đồng thời cho rằng việc khiến mọi người sợ hãi về công nghệ là vô trách nhiệm và không cần thiết.
Nhưng tuyên bố của ông đáng được đối chiếu với chính bài luận mà ông đang phản hồi.
Bài viết “We Must Pace the Frontier” của Amodei đưa ra ba đề xuất, trong đó một đề xuất yêu cầu chính phủ Mỹ quản lý riêng các phòng thí nghiệm AI tiên phong vì lý do chống độc quyền.
Quản lý một nhóm nhỏ các công ty đang đứng đầu là một yêu cầu hoàn toàn khác với việc quản lý cả ngành — và đó gần như chính là luận điểm của Huang.
Altman đã khuếch đại bài luận này. Musk cũng vậy.
Lập trường của Huang vẫn không thay đổi. Nếu các phòng thí nghiệm Mỹ giảm tốc, Trung Quốc sẽ có cơ hội vươn lên; các phòng thí nghiệm hoàn toàn có thể tự giảm tốc mà chẳng cần Washington yêu cầu; còn những quy định đã có thì chỉ cần được thực thi.
Giờ đây ông đã có thêm người cùng quan điểm.
Trump đăng bài hôm thứ Bảy rằng chính quyền của ông sẽ không cản trở sự phát triển của ngành.
Michael Kratsios, người đứng đầu văn phòng khoa học và công nghệ của Nhà Trắng, nói với Fox hôm Chủ nhật rằng nếu các phòng thí nghiệm lo ngại về sản phẩm của mình, họ hoàn toàn có thể dừng lại.
Hai tuần trước, tại một hội nghị của Goldman Sachs, Huang nói rằng những cảnh báo về an ninh AI lại là điều tốt cho ngành kinh doanh an ninh. Ông đặt câu hỏi: còn cách nào tốt hơn để tạo ra nhu cầu ngoài việc tạo ra một vấn đề?
Và tất nhiên, ông cũng bán những con chip mà mọi phe trong cuộc tranh luận này đều đang cần.
Làm chủ Claude Code chỉ trong 6 buổi
Bạn đã biết những developer dường như làm việc nhanh gấp đôi tất cả những người khác.
Họ không gõ nhanh hơn. Họ đang:
- Điều phối cả đội ngũ agent
- Chạy song song nhiều phiên bản Claude trên các git worktree
- Kết nối MCP vào toàn bộ hệ thống
- Lên lịch các vòng lặp tiếp tục làm việc ngay cả khi họ đang ngủ
Gần như chẳng có nơi nào ghi lại tất cả những thứ này một cách đầy đủ.
Khóa học Mastering Claude Code gom tất cả vào một chỗ.
6 buổi học trực tiếp, mỗi buổi đều thực hành:
- Bắt đầu với agentic loop và lựa chọn mô hình
- Tự tay xây dựng Skills và cả đội ngũ agent từ đầu
- Áp dụng 13 mẹo của Boris Cherny cùng 6 kỹ thuật mới từ tháng 4/2026
- Thiết lập cả 3 tầng của CLAUDE.md thành một “bộ não thứ hai” ngày càng thông minh hơn sau mỗi phiên
- Kết nối MCP với Slack, GitHub, Gmail và Supabase
- Kết thúc bằng việc tự xây dựng, kiểm thử và triển khai một Skill tùy chỉnh của riêng mình
Đây là lộ trình chuyên sâu — những thói quen tạo ra khác biệt giữa người dùng bình thường và người dùng chuyên sâu.
Giá ưu đãi đã được khóa cho những người đăng ký sớm.
Anthropic đổ thêm tiền vào lĩnh vực sinh học
Reuters đưa tin Anthropic đã dựng một phòng thí nghiệm tại Bay Area để thực hiện các thí nghiệm sinh học thực tế.
Bàn thí nghiệm thật, thiết bị thật — và Claude là kẻ điều khiển.
Một nguồn tin nói với Reuters rằng mục tiêu là để Claude điều khiển robot trong phòng thí nghiệm tiến hành các thí nghiệm với rất ít sự can thiệp của con người. Anthropic khẳng định con người vẫn phải giám sát. Cả hai điều này đều có thể cùng đúng — và chính khoảng cách giữa chúng mới là phần đáng chú ý.
Thời điểm này không phải ngẫu nhiên. Một ngày trước đó, công ty công bố nghiên cứu về việc tăng tốc các công cụ sinh học mã nguồn mở, và những con số trong đó mới thực sự gây chú ý.
→ Claude đã viết code giúp tăng tốc hơn 30 mô hình phân tử sinh học chỉ trong một tháng. Anthropic cho biết một mô hình đơn lẻ thông thường có thể khiến các kỹ sư mất hàng tuần. → Trong các bài kiểm tra thiết kế protein, Claude đạt được các điểm số dự đoán với khoảng $150 tiền tính toán, trong khi một lần chạy có thể tốn tới $10.000 cho mỗi mục tiêu.
Đó chính là canh bạc ở đây. Không hẳn là tạo ra khoa học tốt hơn, mà là đưa chi phí khoa học xuống mức bạn có thể thử sáu mươi thứ thay vì chỉ một.
Anthropic nói khám phá thuốc không phải mục tiêu cụ thể của phòng thí nghiệm, đồng thời cho biết họ chưa tiến hành thử nghiệm trên người, một phần để tránh cạnh tranh với chính các khách hàng dược phẩm của mình. Người phát ngôn từ chối nói thêm.
Các mảnh ghép đang lần lượt khớp vào nhau.
Model Hardware Standard đã cho Claude khả năng điều khiển kính hiển vi và cánh tay robot.
Giờ đây đã có cả một không gian thực tế để Claude sử dụng những khả năng đó. Amodei từng hứa rằng những tín hiệu đầu tiên trong lĩnh vực sinh học sẽ xuất hiện trong vài tháng.
Nhanh, rẻ và có thể tác động trực tiếp lên thế giới vật lý — đó là một sự kết hợp cực kỳ đáng chú ý đối với y học. Nhưng cũng chính sự kết hợp đó khiến người ta lo lắng, và đây là mâu thuẫn mà Anthropic sẽ còn phải tiếp tục giải thích.
OpenAI công bố sáu lần các mô hình của họ làm sai
Một khung mới: nhân viên báo cáo dấu hiệu lệch hướng, nhân sự điều tra, rồi công bố các phát hiện. Sáu trường hợp đã được đưa ra theo cách này.
1. Khi một mô hình hết bộ nhớ, nó viết một bản tóm tắt cho phiên bản tiếp theo của chính nó. Một mô hình bắt đầu giấu các chỉ dẫn trong những bản tóm tắt đó, bảo chính phiên bản tương lai của nó bỏ qua các quy tắc.
2. GPT-5.6 Sol cũng cố tình làm điều tương tự, dùng những bản tóm tắt đó để che giấu lỗi và bịa ra dữ liệu mà nó không có. Người dùng hoàn toàn không được biết.
3. Một mô hình không tìm được một số dữ liệu đã lục tìm các API key bị rò rỉ trong những kho mã GitHub công khai, thử đăng ký các địa chỉ email dùng một lần, rồi cuối cùng bỏ cuộc và bịa ra các con số.
4. Một agent cần một liên kết web để trích dẫn. Không tìm được, nó đã tải các tệp cục bộ của người dùng lên internet chỉ để tạo ra một liên kết.
5. Các mô hình truyền thông điệp cho nhau thông qua một kho mã nội bộ, biến nó thành một phòng chat bí mật.
6. Những agent không thể chia sẻ tệp cục bộ đã tải chúng lên các trang lưu trữ công khai thay vào đó, để công việc nằm chình ình trên các URL công khai.
Cứ hết lần này đến lần khác, cùng một mô thức xuất hiện.
Bạn chặn con đường rõ ràng, mô hình lập tức tìm một con đường khác. Và đáng sợ hơn, một số con đường đó đi qua những hệ thống mà chẳng ai từng cấp quyền cho nó sử dụng.
Developers đánh giá cao việc OpenAI công bố những vụ việc này trước cả khi có bản sửa lỗi. Nhưng những người khác chỉ ra một vấn đề: một công ty tự chấm bài của chính mình vẫn là người quyết định sẽ cho chúng ta xem những câu trả lời nào.
Hệ thống săn lỗ hổng của Cloudflare khởi đầu chỉ từ một skill
Có một skill dành cho coding agent trên GitHub mang tên security-audit, biến agent của bạn thành một chuyên gia kiểm tra bảo mật. Đây chính là nền móng mà hệ thống phát hiện lỗ hổng của Cloudflare phát triển từ đó, trước khi biến thành một hệ thống nhiều giai đoạn chạy trên toàn bộ hệ thống của họ. Đây là phiên bản chỉ chạy trên một repository mà mọi thứ bắt đầu từ đó.
Nó chạy qua sáu giai đoạn.
- Trinh sát lập bản đồ kiến trúc, ranh giới tin cậy, các bề mặt đầu vào và bằng chứng trước đó vào một sổ theo dõi phạm vi kiểm tra.
- Săn tìm dựa trên phạm vi phân công các agent săn tìm được cô lập cho từng đơn vị trong sổ đó, ghi lại mọi lần kiểm tra, rồi đưa các agent chuyên tìm khoảng trống vào để săn những phần còn bỏ sót.
- Xác thực ứng viên là phần đáng học nhất. Mỗi ứng viên duy nhất được gửi tới một verifier mới, với nhiệm vụ là bác bỏ nó. Không phải xác nhận. Mà là bác bỏ.
- Đầu ra có cấu trúc ghi lại các phát hiện theo một schema, được xác thực bằng script thay vì bằng cảm tính.
- Xác minh hồ sơ độc lập đưa các agent mới vào để kiểm tra những tuyên bố về nguồn cuối cùng, và bất kỳ thay thế quan trọng nào cũng phải qua thêm một verifier độc lập.
- Báo cáo chỉ tạo ra tài liệu cuối cùng từ những hồ sơ đã được xác minh.
Ba kết luận chính là nơi thiết kế này thực sự cho thấy giá trị của nó.
Đã xác nhận nghĩa là có đầy đủ dấu vết nguồn và một kết quả quan sát được với phạm vi rõ ràng. Bị bác bỏ nghĩa là có một ứng viên thực sự đã bị ai đó chứng minh là sai.
Còn cần xác thực nghĩa là vẫn còn đúng một sự thật cụ thể chưa được giải quyết, và chưa được gán mức độ nghiêm trọng. Bởi gán mức độ nghiêm trọng cho thứ bạn còn chưa xác nhận chính là cách các công cụ bảo mật đánh mất lòng tin của con người.
Các lần chạy được cộng dồn. Trỏ nó vào cùng một repo lần nữa và nó sử dụng sổ theo dõi trước đó để nhắm vào các khoảng trống, xác thực lại mã nguồn đã thay đổi, mà không giả vờ rằng những công việc cũ vẫn còn giá trị.
Nó tự động kích hoạt khi một agent được yêu cầu thực hiện kiểm tra bảo mật hoặc kiểm thử xâm nhập.
Bài học cốt lõi ở đây không nằm ở model. Nó nằm ở kiến trúc.
Xác minh đối kháng, đầu ra được kiểm tra theo schema và một sổ theo dõi ghi lại chính xác những gì đã được kiểm tra. Đó mới là thứ phân biệt hệ thống này với một agent đầy tự tin ngồi liệt kê mười hai lỗ hổng hoàn toàn không tồn tại.
Những tin tức bạn không nên bỏ lỡ:
- Đến lượt Google: Google xác nhận Gemini đã xâm nhập ba công ty thực sự trong quá trình kiểm thử hồi tháng 5. Cùng một công ty kiểm thử đứng sau các sự cố của Meta, Anthropic và OpenAI — nghĩa là đã có bốn phòng thí nghiệm cùng dính vào một câu chuyện tương tự.
- Vụ đánh cắp lao động lớn nhất trong lịch sử nhân loại: The New York Times đưa các tin nhắn nội bộ của Microsoft và OpenAI vào hồ sơ tòa án. Một trong số đó là lời của một giám đốc khoa học Microsoft mô tả việc AI thu thập tin tức bằng chính những từ đó.
- Một bộ phân loại chạy nhanh hơn 50 lần trên máy Mac của bạn: Bộ phân loại văn bản mã nguồn mở dành cho Apple Silicon, chạy nhanh hơn 50 lần và dùng chưa đến 1GB RAM.
- Qwen giờ có thể tạo hình ảnh trong suốt: Alibaba đã mã nguồn mở Qwen-Image-2.1, một mô hình 7B có thể tạo và chỉnh sửa hình ảnh với nền trong suốt. Cực kỳ hữu ích cho những ai đã dành cả đời để tự tay tách nền.
Tìm hiểu thêm về AI từ những chuyên gia đang trực tiếp xây dựng nó
📸 Theo dõi chúng tôi trên Instagram để xem các cập nhật AI nhanh, trực quan chỉ trong 30 giây.
🐝 Đăng ký Generative AI — bản tin AI hằng ngày của chúng tôi, được hơn 120 000 người đăng ký tin tưởng — để không bỏ lỡ những tin tức AI mới nhất trong công nghệ, giáo dục và kinh doanh.
📺 Xem chúng tôi trên YouTube để nghe trực tiếp những góc nhìn từ các tiếng nói, nhà xây dựng và nhà đổi mới hàng đầu trong lĩnh vực AI.
🐦 Theo dõi chúng tôi trên X để cập nhật tin AI nóng hổi và những diễn biến của ngành theo thời gian thực.
🧠 Học cách xây dựng ứng dụng AI tiếp theo của bạn với các tài nguyên thực hành và hướng dẫn từ chuyên gia.
🚀 Khám phá các cơ hội đầu tư vào tương lai của AI và tham gia hành trình tăng trưởng được hậu thuẫn bởi cộng đồng.
Để lại một bình luận
Bạn phải đăng nhập để gửi bình luận.