Ngày 16 tháng 4 năm 2025, OpenAI đã chính thức giới thiệu hai mô hình suy luận AI mới là o3 và o4-mini. Sự ra mắt này đánh dấu một bước tiến đáng kể trong năng lực trí tuệ nhân tạo của công ty, đặc biệt thể hiện rõ ràng nhất qua khả năng suy luận hình ảnh đột phá của chúng. Các mô hình AI thế hệ mới này không chỉ xử lý văn bản mà còn có thể hiểu và “tư duy” cùng với hình ảnh, mở ra một kỷ nguyên mới cho các ứng dụng AI trong nhiều lĩnh vực công nghệ.
Khả Năng “Tư Duy” Với Hình Ảnh Của Các Mô Hình AI Mới
OpenAI cho biết các mô hình AI mới này có thể diễn giải bất kỳ hình ảnh nào mà người dùng tải lên, từ một bản phác thảo trên bảng trắng, các sơ đồ trong sách giáo khoa cho đến một tệp PDF đồ họa phức tạp. Theo thông báo phát hành chính thức của OpenAI về o3 và o4-mini, công ty nhấn mạnh:
Chúng không chỉ nhìn một hình ảnh – chúng còn tư duy với hình ảnh đó. Điều này mở khóa một loại giải quyết vấn đề mới, pha trộn giữa suy luận hình ảnh và văn bản, thể hiện qua hiệu suất dẫn đầu trên các điểm chuẩn đa phương thức.
Khả năng phân tích hình ảnh được tích hợp vào chuỗi suy luận (chain of thought reasoning) mà các mô hình thực hiện. Các mô hình AI này có thể phóng to, xoay hoặc cắt ảnh để cải thiện quá trình xử lý. Đáng chú ý, chúng cũng xử lý tốt ngay cả với những hình ảnh có chất lượng thấp.
ChatGPT o4-mini trình bày phân tích chi tiết về một sơ đồ kỹ thuật, minh họa khả năng suy luận hình ảnh của mô hình AI mới.
Ví dụ, khi giải một bài toán khoa học có liên quan đến sơ đồ, mô hình có thể phóng to một phần cụ thể của hình ảnh, thực hiện các phép tính bằng Python và sau đó tạo biểu đồ để giải thích kết quả của mình. Điều này minh họa cho khả năng đa phương thức vượt trội, nơi AI không chỉ là một công cụ xử lý thông tin mà còn là một đối tác tư duy.
Sự Tự Chủ và Tiềm Năng Ứng Dụng Rộng Rãi
Trong quá trình suy luận, các mô hình o3 và o4-mini có thể sử dụng linh hoạt tất cả các công cụ ChatGPT có sẵn, bao gồm duyệt web, thực thi mã Python và tạo hình ảnh. Khả năng tác nhân (agentic capability) này cho phép chúng tự động lựa chọn và sử dụng công cụ ChatGPT lý tưởng cho từng tác vụ cụ thể. Nhờ vậy, người dùng và nhà phát triển có thể thực hiện các quy trình làm việc nhiều bước và giải quyết những nhiệm vụ phức tạp một cách hiệu quả.
o4-mini-high là một biến thể của o4-mini, dành nhiều thời gian và công sức tính toán hơn cho mỗi yêu cầu để cung cấp kết quả chất lượng cao hơn. Một số tình huống ứng dụng thực tế của khả năng suy luận hình ảnh mạnh mẽ này có thể kể đến:
- Tạo và đánh giá các nghiên cứu trong sinh học, kỹ thuật và các lĩnh vực STEM khác, cung cấp lý luận chi tiết từng bước và giải thích trực quan.
- Tìm kiếm và tổng hợp thông tin từ nhiều nguồn khác nhau như cơ sở dữ liệu trực tuyến, báo cáo tài chính, dữ liệu thị trường và biểu đồ để đưa ra những hiểu biết sâu sắc trong kinh doanh.
Các mô hình này đã được đào tạo thông qua học tăng cường (reinforcement learning), một khái niệm then chốt trong AI hiện đại. Giờ đây, chúng có thể xử lý các vấn đề “mờ” tốt hơn vì chúng có khả năng suy luận khi nào nên sử dụng một công cụ cụ thể để đạt được kết quả mong muốn.
Các mô hình o3, o4-mini và o4-mini-high hiện đã có sẵn cho tất cả người dùng có tài khoản ChatGPT Plus, Pro và Team. Phiên bản o3-pro dự kiến sẽ ra mắt trong những tuần tới. Người dùng có thể tìm thấy chúng trong menu chọn mô hình. Đối với người dùng miễn phí, họ có thể trải nghiệm mô hình o4-mini bằng cách chọn tùy chọn Think trong trình soạn thảo trước khi gửi yêu cầu.
Tầm Quan Trọng Của Khả Năng Đa Phương Thức Trên ChatGPT
Với việc cho phép AI “tư duy bằng hình ảnh”, các mô hình mới của OpenAI có thể giải quyết các vấn đề trong thế giới thực đòi hỏi việc diễn giải cả văn bản và hình ảnh. Điều này bao gồm việc gỡ lỗi mã từ ảnh chụp màn hình, đọc chữ viết tay, phân tích sơ đồ khoa học hoặc trích xuất thông tin chi tiết từ các biểu đồ phức tạp. Kết quả là, ChatGPT đã trở nên nhận thức ngữ cảnh tốt hơn đáng kể, nâng cao khả năng tương tác và hỗ trợ người dùng.
Các mô hình này hiện nay tự chủ hơn và có thể hiệu quả hơn khi tự động điều chỉnh một mô hình cụ thể cho từng tác vụ. Khi các tác nhân AI tự chủ này có thể xử lý các tác vụ phức tạp, nhiều bước, khả năng suy luận và trí tuệ hình ảnh của chúng trở nên cực kỳ quan trọng đối với các lĩnh vực như nghiên cứu, kinh doanh và công việc sáng tạo. Sự phát triển này định hình lại cách chúng ta tương tác với AI và mở ra những tiềm năng ứng dụng chưa từng có trong tương lai.
Kết luận: Sự ra mắt của o3 và o4-mini cùng khả năng suy luận hình ảnh tiên tiến đã khẳng định vị thế dẫn đầu của OpenAI trong ngành trí tuệ nhân tạo. Đây là một bước tiến mang tính cách mạng, biến ChatGPT thành một công cụ toàn diện và mạnh mẽ hơn bao giờ hết, sẵn sàng đáp ứng những nhu cầu phức tạp nhất của người dùng công nghệ. Hãy trải nghiệm ngay những tính năng mới mẻ này và chia sẻ ý kiến của bạn về tương lai của AI đa phương thức!
