Cách thức Anthropic phát triển Claude bằng chính Claude: Tách biệt bộ não khỏi đôi bàn tay

Xem toàn bộ chương trình trên YouTube Theo hồ sơ S-1 của Anthropic được công bố ngày hôm qua, tổ chức nghiên cứu này đạt mức doanh thu và hiệu quả nghiên cứu thuộc nhóm cao nhất trong lịch sử, đặc biệt là bước chuyển biến từ mức lỗ -126% sang mức lãi 19% theo chuẩn GAAP trong năm qua. Doanh nghiệp lý giải kết quả này nhờ vào hai chu trình cốt lõi: Cải tiến và Đầu tư. Chương trình hôm nay đi sâu tìm hiểu phương thức vận hành của Anthropic. Sau một tháng kể từ thời điểm ra mắt và được công nhận rộng rãi là mô hình LLM dẫn đầu thế giới, quy trình phát hành Opus 5.5 cũng như cách thức Anthropic triển khai Claude sẽ được phân tích cùng bà Katelyn Lesse, Trưởng bộ phận Kỹ thuật, và bà Angela Jiang, Trưởng bộ phận Sản phẩm. Đội ngũ phát triển hiện chịu hai luồng áp lực. Các mô hình ngày càng sở hữu năng lực cao hơn, khiến các quyết định về triển khai an toàn và quyền truy cập trở nên phức tạp hơn. Đồng thời, nhu cầu sử dụng tăng trưởng nhanh chóng khiến các quyết định hạ tầng thông thường—chẳng hạn như mức tiêu thụ CPU của một API—trở thành vấn đề mang tính chiến lược. Những thách thức này quy tụ tại các lựa chọn phát triển sản phẩm cung cấp tới giới lập trình viên. Việc ra mắt mô hình đồng thời là việc ra mắt API Đợt ra mắt Opus 5.5 của Anthropic nhấn mạnh cả về chất lượng mô hình lẫn chi phí. Chương trình thảo luận về các phản hồi cho rằng các thế hệ Opus trước đây quá dài dòng, song song với yêu cầu nâng cao hiệu quả trí tuệ trên mỗi đơn vị chi phí. Anthropic cho biết mô hình mới có chi phí vận hành thấp hơn thế hệ tiền nhiệm; mức tiết kiệm cụ thể phụ thuộc vào khối lượng công việc và việc sử dụng bộ nhớ đệm ngữ cảnh (cached context). Khía cạnh ít được chú ý hơn trong đợt phát hành liên quan đến những thay đổi trong cách thức tích hợp API của người dùng. Một ví dụ được đề cập là việc bảo vệ khả năng suy luận của mô hình trước nguy cơ bị trích xuất nhằm phục vụ quá trình chưng cất (distillation). Việc duy trì các khối tư duy (thinking blocks) qua các lượt tương tác giúp giải quyết vấn đề này, song yêu cầu mới cũng có thể làm gián đoạn khung kiểm thử (harness) hiện có của khách hàng. Bà Katelyn cũng mô tả thực tế diễn ra trong các chương trình tiếp cận sớm: Khách hàng tự chạy các quy trình đánh giá trên khung kiểm thử riêng, báo cáo các hành vi bất thường và cung cấp thêm các nhận xét thực tế. Giá trị mang lại không chỉ dừng ở điểm số đánh giá chuẩn mực (benchmark), mà là việc theo dõi mô hình vận hành trong những môi trường và tác vụ mà các sản phẩm tự thân của Anthropic chưa bao quát tới. Việc sở hữu hệ thống đánh giá chuẩn xác luôn đóng vai trò then chốt. Bộ não và đôi bàn tay Mô hình tư duy đáng chú ý nhất trong chương trình là sự phân tách giữa bộ não và đôi bàn tay của tác tử (agent). Trong tính năng Managed Agents, Anthropic tách biệt nhật ký phiên làm việc và khung điều phối khỏi môi trường cô lập (sandbox) thực thi mã lệnh. Khung điều phối có thể duy trì liên tục trong khi môi trường thực thi chỉ được thiết lập khi có nhu cầu; sự cố xảy ra tại một sandbox sẽ không làm gián đoạn toàn bộ phiên làm việc của tác tử. Nội dung này từng được đề cập trong chương trình trao đổi với Thariq: Kỷ nguyên tiếp theo của Claude Code — Thariq Shihipar, Anthropic — Latent Space Phát hành Opus/Sonnet 5.5, Mods, Plugins, Projects, Tag song hành cùng tiến trình dẫn đầu công nghệ Latent Space Cấu trúc phân tách này mang lại lợi thế kiến trúc quan trọng cho công tác bảo mật. Khi mã được tạo ra vận hành trong một sandbox hoàn toàn không tiếp nhận thông tin xác thực dịch vụ (credential), mã đó sẽ không có khả năng đọc bất kỳ thông tin xác thực nào. Chương trình phân tích cơ chế lưu giữ thông tin xác thực riêng biệt và kết nối thông qua một proxy, cùng các biện pháp kiểm soát luồng lưu lượng truy cập xuất phát từ sandbox. Tài liệu kỹ thuật về kiểm soát ngăn chặn của Anthropic cũng mô tả chi tiết tập hợp rộng hơn các giải pháp cô lập và kiểm soát mạng đang được áp dụng trên toàn bộ hệ thống sản phẩm. Sự phân tách này cũng có ý nghĩa quan trọng đối với hiệu năng. Các khách mời cho biết phương pháp tiếp cận trước đây là đặt toàn bộ tác tử lập trình (coding agent) trong một môi trường cô lập (sandbox) phía sau API. Việc khởi động môi trường cùng tác tử làm gia tăng khối lượng xử lý trước khi có phản hồi đầu tiên; nếu sandbox ngừng hoạt động, tác tử đang vận hành cũng bị gián đoạn. Việc tách rời các cấu phần giúp nền tảng giảm độ trễ và nâng cao độ tin cậy, đồng thời vẫn bảo đảm tính cô lập trong quá trình thực thi. Đây là góc nhìn hữu ích cho việc thiết kế môi trường thực thi tác tử (agent runtime). Các vấn đề cần đặt ra gồm: cấu phần nào cần duy trì hoạt động liên tục, cấu phần nào thực thi các tác vụ chưa được xác thực, và những thông tin bảo mật nào thực sự cần hiện diện tại nơi mã nguồn vận hành. Phương thức triển khai thực tế có thể khác nhau giữa các sản phẩm, song các yêu cầu xem xét này luôn mang lại giá trị thiết thực. Tác tử hỗ trợ tác tử khác ghi nhớ Cơ chế Quản lý tác tử (Managed Agents) cũng cung cấp nền tảng cho các thử nghiệm về bộ nhớ và quy trình làm việc đa tác tử. Tính năng "mơ" (dreaming) được triển khai theo phương thức: một tác tử kiểm tra công việc trước đó của một tác tử khác và ghi nhận lại vào bộ nhớ. Tính năng này là minh chứng tiêu biểu cho việc xây dựng hành vi ở cấp độ cao hơn từ chính các thành phần cơ sở của Managed Agents. Lộ trình phát triển được nhóm nghiên cứu chia sẻ có chiều sâu hơn một danh mục tính năng đơn thuần. Khả năng ghi nhớ và học tập vẫn giữ vai trò quan trọng, song nhóm cho biết trọng tâm trước mắt đã chuyển dịch sang vấn đề an toàn khi việc ra mắt các mô hình mới ngày càng trở nên phức tạp. Nhóm cũng thảo luận về việc duy trì khung điều khiển cơ sở (base harness) ở mức tương đối đơn giản, tạo điều kiện cho các nhà phát triển thử nghiệm các bộ xác thực (verifiers), tác tử song song và các chiến lược bổ trợ khác. Những ý tưởng được đề cập về năng lực nền tảng trong tương lai nên được nhìn nhận như kế hoạch định hướng, không phải cam kết đã hoàn thiện. Nội dung thảo luận sau đó chuyển sang vấn đề đánh giá hiệu năng. Khung điều khiển là một ứng dụng, nhưng việc cải tiến khung này mang tính chất tương tự hoạt động nghiên cứu: xác định mục tiêu, đo lường hành vi, kiểm tra lỗi và lặp lại quy trình. Các khách mời cùng người dẫn chương trình thảo luận về việc sử dụng các mô hình nhằm hỗ trợ xây dựng và phân tích các bài đánh giá, đồng thời nhấn mạnh sự cần thiết của năng lực đánh giá chuyên môn để xác định liệu bài kiểm tra có phản ánh đúng nhu cầu thực tế của người dùng hay không. Ghi chú chương trình Thông báo về Claude Opus 5.5 — Ghi chú phát hành của Anthropic về hành vi mô hình, kết quả đánh giá và biểu phí. Katelyn Lesse và Angela Jiang tại hội nghị đối tác của Anthropic — Anthropic giới thiệu vai trò của hai chuyên gia trong mảng kỹ thuật nền tảng và phát triển sản phẩm. Mở rộng quy mô Managed Agents: Tách rời bộ phận xử lý và thực thi — Kiến trúc phiên làm việc, khung điều khiển và môi trường sandbox được thảo luận trong chương trình. Phương thức kiểm soát Claude trên các sản phẩm của Anthropic — Cách thức Anthropic mô tả các cơ chế cô lập, xác thực và kiểm soát mạng lưới áp dụng trên các dòng sản phẩm. Xây dựng khung điều khiển hiệu quả cho các tác tử vận hành dài hạn — Công trình nghiên cứu trước đây của Anthropic về thách thức duy trì tiến trình qua các cửa sổ ngữ cảnh (context windows). Tài liệu hệ thống mô hình Anthropic — Báo cáo công khai của công ty về đánh giá mô hình và an toàn. Phân tích hồ sơ S-1 của Anthropic — Số liệu và bối cảnh đằng sau phần giới thiệu mới được ghi nhận. Mốc thời gian 0:00 Hồ sơ S-1 của Anthropic và nội dung phỏng vấn 1:06 Doanh thu trên mỗi nhân viên và hiệu quả vận hành 3:13 The imp