Trí tuệ nhân tạo đang trở nên rẻ hơn. Việc nhận biết khi nào nó sai thì không.

Trí tuệ đang trở nên rẻ. Việc biết khi nào nó sai thì không. Lợi thế cạnh tranh tiếp theo của AI có thể không phải là trí tuệ, các tác nhân (agents), hay thậm chí là xác minh. Nó có thể là khả năng biến phán đoán mơ hồ của con người thành phản hồi rẻ, đáng tin cậy và có thể thực thi bằng máy. Một mô hình có thể trở nên mạnh mẽ hơn đáng kể mà không cần trở nên đáng tin cậy hơn đáng kể. Đó là hai trục khác nhau, và ngành công nghiệp đã dành phần lớn sự chú ý cho trục đầu tiên. Mô hình đang trở thành một lời giải thích ít đầy đủ hơn cho hệ thống – không phải vì khả năng không còn quan trọng, mà vì khả năng đơn thuần không còn dự đoán được liệu bạn có để hệ thống hoạt động mà không cần giám sát hay không. Bằng chứng hỗ trợ, không phải tiêu đề: vào tháng 6/2026, Cognition đã đổi tên Windsurf thành Devin Desktop với hỗ trợ gốc cho Agent Client Protocol, hiện được hỗ trợ trên một hệ sinh thái đang phát triển bao gồm JetBrains, Gemini CLI, GitHub Copilot và Codex – cho phép một trình soạn thảo chạy các tác nhân khác nhau một cách linh hoạt, giữa chừng công việc, mà không mất trạng thái. Điều đó không có nghĩa là các mô hình có thể thay thế cho nhau về mặt kinh tế. Nó có nghĩa là việc lựa chọn mô hình đang trở nên dễ kết hợp hơn, và khi khả năng kết hợp tăng lên, lợi thế bền vững sẽ chuyển sang bất cứ thứ gì khó thay thế hơn. Cũng không phải chỉ riêng bộ điều khiển (harness). Một bộ điều khiển không có gì để kiểm tra các quyết định của nó chỉ là một cách nhanh hơn để mắc lỗi. Chuỗi thực sự là: trí tuệ mô hình → hành động → phản hồi → phán đoán → thích nghi. Làn sóng phát triển tác nhân đầu tiên đã tối ưu hóa hệ thống nói. Làn sóng tiếp theo tối ưu hóa hệ thống kiểm tra. Các tác nhân lập trình thực sự chứng minh điều gì Một bài báo năm 2026 (arXiv:2604.25850) đã xây dựng Agentic Harness Engineering (AHE), phát triển các công cụ, phần mềm trung gian và bộ nhớ của một tác nhân lập trình trong khi giữ nguyên mô hình. Mười lần lặp đã nâng pass@1 trên Terminal-Bench 2 từ 69,7% lên 77,0%, đánh bại một baseline được xây dựng thủ công và một baseline RL – với các thành phần được phát triển có thể chuyển đổi giữa các họ mô hình và giảm mức sử dụng token. Bằng chứng thực tế cho thấy bộ điều khiển mang lại giá trị. Nhưng vòng lặp chỉ hoạt động vì Terminal-Bench 2 cung cấp một tín hiệu dày đặc, đáng tin cậy sau mỗi lần chỉnh sửa. Vì vậy, tuyên bố không phải là "bộ điều khiển không quan trọng". Mà là bộ điều khiển là một cỗ máy để chuyển đổi phản hồi thành hành vi đáng tin cậy – nghĩa là chất lượng và tính đặc thù theo miền của phản hồi là nguồn lợi thế sâu sắc hơn. Và lập trình không giàu "oracle" (nguồn thông tin đáng tin cậy) vì mã là đặc biệt. Nó giàu "oracle" vì phần lớn tính đúng đắn của phần mềm có thể quan sát được từ bên ngoài, có thể kiểm tra rẻ và có thể thực thi lặp lại – một thuộc tính, không phải một thuộc tính kỳ diệu của chính phần mềm, điều này làm cho khuôn khổ có thể chuyển sang các miền khác. Lợi thế cạnh tranh từ phản hồi, được định nghĩa chính xác Một công ty vận hành các tác nhân trong sản xuất tích lũy các lỗi, các trường hợp suýt xảy ra và các chỉnh sửa mà đối thủ cạnh tranh không có. Nhưng riêng điều đó không phải là một lợi thế cạnh tranh. Ba điều khác nhau được gộp chung thành "dữ liệu": Dữ liệu huấn luyện – văn bản giống với hành vi thành công. Dữ liệu đánh giá – ghi lại xem một hành động cụ thể có hiệu quả hay không. Dữ liệu kết quả có thể hành động – tín hiệu đủ cụ thể để tiết lộ điều gì đã thay đổi và tại sao, và do đó để thay đổi những gì hệ thống sẽ làm lần tới. Một triệu nhật ký lỗi nằm trong kho là loại đầu tiên. Lợi thế cạnh tranh chỉ hình thành khi một công ty có thể chuyển đổi nhật ký thành loại thứ ba. Khả năng chuyển đổi đó, chứ không phải khối lượng nhật ký thô, mới là thứ tạo ra sự tích lũy. Hệ thống phân cấp phía trên bộ điều khiển Vượt qua lập trình và thêm một lớp mà lĩnh vực này thường bỏ qua: Đặc tả → Phán đoán → Đánh giá → Xác nhận → Xác minh. Xác minh: cơ chế có thực thi đúng không? Xác nhận: nó có đáp ứng yêu cầu đã nêu không? đánh giá? Đánh giá: kết quả thực sự có hữu ích không? Phán đoán: đây có phải là mục tiêu đúng đắn để theo đuổi không? Đặc tả: "tốt" ở đây nghĩa là gì, và ai đã quyết định điều đó? Một bộ kiểm định hoàn hảo có thể kiểm định sai mục tiêu. Một bộ xác thực hoàn hảo có thể xác thực một đặc tả tồi. Một bộ đánh giá hoàn hảo có thể tối ưu hóa sai số liệu một cách hoàn hảo. Đây là Định luật Goodhart như một thuộc tính cấu trúc của hệ thống, chứ không phải là một cảnh báo được thêm vào sau đó – đó là lý do tại sao một bản ghi nhớ pháp lý có thể vượt qua mọi kiểm tra tính nhất quán nội bộ nhưng vẫn là một lập luận sai: không có gì cao hơn việc xác thực từng kiểm tra xem bản thân đặc tả có hợp lý hay không. tại sao việc “vượt qua các kiểm tra” là chưa đủ Điều đó mang lại một khái niệm đo lường, không chỉ là một phép ẩn dụ. Định nghĩa mật độ phản hồi là lượng thông tin đáng tin cậy, có thể hành động được cung cấp cho mỗi hành động của tác nhân về việc liệu hành động đó có đưa hệ thống đến mục tiêu thực sự hay không. Lập trình nằm ở phía mật độ cao – các bài kiểm tra cung cấp xác minh, CI cung cấp xác thực, các số liệu sản xuất cung cấp đánh giá, và đánh giá mã (code review) gần giống với phán đoán. Lập luận pháp lý, chiến lược và y học có phạm vi bao phủ mỏng ở trên mức xác thực. Giả thuyết có thể kiểm chứng: việc áp dụng tác nhân trên một lĩnh vực sẽ tương quan mạnh mẽ hơn với mật độ phản hồi của lĩnh vực đó so với hiệu suất chuẩn của mô hình thô – một tuyên bố mà bạn thực sự có thể kiểm tra trên các lĩnh vực như lập trình, hỗ trợ khách hàng, vận hành dữ liệu, nghiên cứu pháp lý, tài chính và khám phá khoa học, chứ không chỉ khẳng định. Kinh tế học và sự tự phê bình Xác minh không phải là miễn phí. Giá API được Anthropic công bố cho thấy các lần đọc bộ nhớ đệm trên các tiền tố đã được lưu vào bộ nhớ đệm được tính phí khoảng 10% chi phí đầu vào tiêu chuẩn cho một cấp mô hình nhất định – ví dụ, 0,30 USD so với 3,00 USD cho mỗi triệu token theo các điều khoản đọc bộ nhớ đệm cụ thể – đó là lý do tại sao các công cụ giữ ổn định lời nhắc và lược đồ công cụ có thể chạy các phiên dài với chi phí phải chăng. Đó là một hệ số nhân trên một hệ thống bạn đã có, không phải là sự thay thế cho một hệ thống bạn đang thiếu. Và luận điểm phải vượt qua sự xem xét kỹ lưỡng của chính nó. Một bài báo tháng 7 năm 2026 (arXiv:2607.12227) lập luận rằng các phương pháp tiến hóa công cụ (harness-evolution methods), bao gồm AHE, tìm kiếm và đánh giá trên cùng một tiêu chuẩn – vì vậy, các cải tiến cần so sánh quy mô thời gian kiểm tra với ngân sách phù hợp và kiểm tra trên tập dữ liệu giữ lại trước khi được tin cậy. Thực hiện so sánh đó, và tiến hóa công cụ không phải lúc nào cũng thắng, với khả năng tổng quát hóa ngoài tiêu chuẩn hạn chế. Lĩnh vực nghiên cứu các vòng lặp phản hồi vẫn chưa có một vòng lặp phản hồi đáng tin cậy về chính nó – vấn đề đặc tả, ở một cấp độ cao hơn, được áp dụng cho các nhà nghiên cứu. Dự đoán, với các cơ chế Xác minh trở thành một thời gian chạy p