Bộ tiêu chuẩn đánh giá AI lớn nhất vừa cập nhật, giáng đòn nặng nề vào một đối thủ cạnh tranh đến từ Trung Quốc

Tuần trước, Kimi K3.1 Pro, một mô hình ngôn ngữ lớn (LLM) do công ty Moonshot AI (trụ sở tại Bắc Kinh, Trung Quốc) phát triển, đã ra mắt và thu hút sự chú ý lớn từ giới chuyên môn, đặc biệt là trong các hệ thống đo kiểm chuẩn (benchmark) năng lực mô hình. Kimi K3.1 Pro đã đạt vị trí thứ tư đầy bất ngờ trên bảng xếp hạng Intelligence Index v4 của tổ chức Artificial Analysis. Mô hình này cũng giành vị trí dẫn đầu trên bảng đánh giá Terminal Bench 4.0 chuyên về năng lực thao tác máy tính của tổ chức này. Thành công của Kimi K3.1 Pro đã tạo nên một cơn địa chấn nhỏ trong lĩnh vực AI. Chuyên trang The Decoder nhận định, nếu công bố trọng số mô hình (weights) ngay khi ra mắt, Kimi K3.1 Pro sẽ trở thành mô hình có trọng số mở (open-weight) đạt điểm số cao nhất với khoảng cách vượt trội, đồng thời là mô hình có điểm số cao nhất do Trung Quốc phát triển. The Decoder đánh giá: “Điều này sẽ thu hẹp khoảng cách giữa các mô hình mở và mô hình độc quyền từ 12 điểm xuống chỉ còn 3 điểm”. Tuy nhiên, kịch bản trên trên thực tế chưa diễn ra. Đến ngày thứ Ba, Artificial Analysis đã công bố phiên bản mới mang tên Intelligence Index v5. Artificial Analysis gọi đây là “bản nâng cấp lớn nhất kể từ khi phiên bản v4 ra mắt vào tháng 1”. Theo Artificial Analysis, khoảng 60% nội dung đánh giá mới sử dụng bộ câu hỏi bảo mật, hay các “đáp án giữ kín”. Cả hai giải pháp này cho thấy nỗ lực của Artificial Analysis nhằm hạn chế hiện tượng “benchmaxxing” – phương thức chuẩn bị cho mô hình đối phó với các bài đánh giá bằng cách nạp các bộ câu hỏi cũ được công khai trên các kho lưu trữ trực tuyến như GitHub và Hugging Face. Thay đổi này đã tác động mạnh đến thứ hạng của Kimi K3.1 Pro, khiến mô hình này tụt từ vị trí thứ tư xuống thứ chín. Trong thông cáo công bố chỉ số mới, chính Artificial Analysis nhấn mạnh: “Khoảng cách đối với các mô hình trọng số mở đã nới rộng trở lại từ 3 điểm lên 12 điểm”. Dù Moonshot AI vẫn chưa phát hành trọng số mô hình cho đến ngày 4/11 tới, song về bản chất, cục diện đã trở lại trạng thái quen thuộc đối với phân khúc các mô hình trọng số mở. Gemini 4 Carbon của Google đã vươn lên vị trí số một trên bảng xếp hạng Artificial Analysis Intelligence Index v5, và xếp thứ hai sau Claude Opus 5.5 trên bảng xếp hạng Coding Agent Index của tổ chức này. Gemini 4 Carbon đạt 59 điểm trên Intelligence Index v5 nhờ hiệu năng vượt trội trong việc suy luận phức tạp,… pic.twitter.com/gSH65FSKzL — Artificial Analysis (@ArtificialAnlys) Ngày 28/10/2026 Sự tỏa sáng ngắn ngủi của Kimi K3.1 Pro không gây ra làn sóng chấn động như thời điểm DeepSeek ra mắt vào tháng 1 năm ngoái. Dẫu vậy, đây vẫn là một trở ngại bất ngờ đối với những bên hoài nghi về cách tiếp cận phát triển mô hình trọng số mở của Trung Quốc. Đặc biệt, Anthropic tỏ ra lo ngại việc phát hành trọng số mở có thể gây nguy cơ đối với an toàn công cộng; trong một báo cáo về mô hình tương tự, tổ chức này nhận định: do được “phát hành dưới dạng mô hình trọng số mở, người dùng có thể cấu hình lại nhằm loại bỏ các cơ chế từ chối phản hồi mà hầu như không làm thay đổi năng lực của mô hình”. Anthropic cũng thường xuyên lên án hoạt động "chưng cất mô hình" (model distillation) mang tính bóc lột, phương pháp mà các mô hình trọng số mở (open-weight models) thường phụ thuộc vào để gia tăng năng lực. Giám đốc điều hành (CEO) của Nvidia, ông Jensen Huang, đã phản bác quan điểm này khi nhận định rằng chưng cất mô hình đơn thuần là sự cạnh tranh. Một ngày sau khi bảng xếp hạng Intelligence Index v5 được công bố, chỉ số mới này đã ghi nhận một quán quân mới. Mô hình Gemini 4 Carbon của Google, vốn mới chỉ được đánh giá chứ chưa phát hành chính thức, đã vươn lên vị trí số 1 ngay khi được công bố vào thứ Tư; Google cũng nhấn mạnh chi tiết này trong bài đăng giới thiệu mô hình trên trang blog. Câu thứ hai trong thông báo nêu rõ: “Carbon xếp vị trí số 1 trên phiên bản v5.0 vừa cập nhật của bảng chỉ số Artificial Analysis Intelligence Index với mức điểm 59”. The AI Brief Bản tin tóm tắt hằng ngày về các tin tức AI cần thiết để khởi đầu ngày mới. Do con người biên soạn. Được các bot ngưỡng mộ. Đăng ký ngay Hiện tượng suy giảm hiệu năng ở các mô hình của Moonshot cũng như các mô hình khác của Trung Quốc có thể còn có những nguyên nhân khác. Nhà vật lý Stephen Hsu nhận định trên mạng xã hội X rằng các mô hình của Mỹ đang vượt trội hơn về năng lực toán học và khoa học. Ông viết: “Gần đây tôi đã trao đổi với nhiều phòng thí nghiệm của Trung Quốc, và họ hoàn toàn không ưu tiên cho lĩnh vực này”. Về phần mình, Artificial Analysis không phải là một cơ quan chuẩn hóa hay một viện hàn lâm. Đây là một doanh nghiệp tư nhân dường như được thành lập vào năm 2023, một độ tuổi còn rất trẻ nhưng đã tạo dựng được sức ảnh hưởng đáng kể.