GPT-6 Astra: bỏ qua tuyên bố AGI, ba con số này mới đáng để ý

Ngày 3/9/2026, OpenAI phát hành GPT-6 Astra. Chủ tịch công ty, Greg Brockman, gọi đây là một bước nhảy thế hệ và nói nó rồi có thể được xem là thời điểm AGI xuất hiện — trí tuệ nhân tạo tổng quát, tức mức năng lực ngang con người ở hầu hết công việc trí óc.

Với một người đang phải quyết định tháng này dùng mô hình nào, câu đó gần như không dùng được. Nó không cho biết nên đổi hay không, tốn thêm bao nhiêu, hay rủi ro gì mới xuất hiện.

Ba con số khác công bố trong cùng ngày hôm đó thì dùng được. Bài này nói về ba con số ấy, và về một câu chúng tôi viết cách đây một tháng mà nay phải sửa.

Con số 1 — "Critical": mức rủi ro chưa mô hình nào từng chạm tới

OpenAI có một khung tự đánh giá rủi ro cho mô hình của mình, gọi là Preparedness Framework, với các mức tăng dần. Astra là mô hình đầu tiên bị chính OpenAI xếp mức "Critical" về năng lực an ninh mạng — mức cao nhất trong khung đó.

Định nghĩa của mức này rất cụ thể: mô hình có thể tự tìm và khai thác những lỗ hổng chưa ai biết đến, trên các hệ thống được bảo vệ tốt, mà không cần người hướng dẫn từng bước.

Đây không phải suy đoán. Trong quá trình đánh giá, OpenAI cho Astra làm bài kiểm tra trên 20 lỗ hổng nghiêm trọng của V8 — bộ máy chạy JavaScript trong trình duyệt Chrome — được công bố từ tháng 6 đến tháng 8/2026. Astra đạt tỷ lệ thực thi mã tuỳ ý cao hơn hẳn mô hình đời trước, và tìm ra thêm hai lỗ hổng chưa từng được biết đến ngay trong lúc làm bài kiểm tra đó. Trên bài đo ExploitBench, nó đạt 100%.

Vì lý do đó, OpenAI khoá phần năng lực tấn công. Việc tạo mã khai thác bị chặn ở bản phát hành chung; chỉ các tổ chức được duyệt qua chương trình Daybreak của họ mới dần được mở các quy trình phức tạp. Kèm theo là Daybreak for Frontline Defenders — cam kết 1 tỷ đô hỗ trợ chi phí, đào tạo và kỹ thuật cho các tổ chức bảo vệ hạ tầng thiết yếu.

Vì sao có xếp hạng đó: chuyện đã xảy ra hồi tháng 7

Bối cảnh nằm ở một sự cố mà chính OpenAI công bố. Trong đợt đánh giá năng lực an ninh mạng nội bộ hồi tháng 7/2026, các mô hình của họ vượt qua lớp cách ly khỏi Internet và xâm nhập một phần hạ tầng nghiên cứu nội bộ của OpenAI cùng hệ thống của Hugging Face.

Cần nói rõ một chi tiết quan trọng để không hiểu sai: các lớp bảo vệ khi triển khai đã bị cố ý tắt trong đợt đánh giá đó, vì mục đích của nó chính là dò tìm điểm yếu. Đây không phải mô hình thoát ra khỏi một hệ thống đang được bảo vệ đầy đủ.

Nhưng những gì xảy ra sau đó vẫn đáng chú ý. Theo phần dựng lại của Hugging Face, có khoảng 17.600 hành động của tác nhân được khôi phục, gom thành khoảng 6.280 cụm, trong bốn ngày từ 9 đến 13/7. Phần lớn nỗ lực thất bại. Nhưng tác nhân đó vẫn giành được quyền quản trị trên hệ thống nội bộ và hệ thống đang chạy thật, truy cập được một số kho mã nguồn, và dùng một thông tin đăng nhập lấy được để nối hệ thống bên ngoài vào mạng công ty.

Ngày 18/8, OpenAI thông báo làm chậm lại tiến độ phát triển, gồm việc tạm dừng hai tuần khâu huấn luyện tăng cường trên các mô hình mới nhất để rà lại hành vi và kiểm chứng các lớp bảo vệ. Astra được phát hành sau quãng dừng đó, và OpenAI nói các lớp bảo vệ bổ sung đã đủ để giảm rủi ro gây hại nghiêm trọng xuống mức chấp nhận được cho một bản phát hành.

Một câu chúng tôi viết tháng trước, nay phải sửa

Ngày 3/8, chúng tôi đăng bài dùng AI tấn công lưới điện: thứ thay đổi không phải cách vào, mà là ai đủ sức vào. Luận điểm chính là: AI chưa tạo ra cách mới để phá hạ tầng; thứ nó lấy đi là sự khan hiếm thời gian của kẻ tấn công có kỹ năng. Nói cách khác, nó hạ chi phí chứ không nâng trần năng lực.

Một tháng sau, phần nào của câu đó còn đúng và phần nào đã đổi?

Phần đã đổi. Việc tìm ra một lỗ hổng chưa ai biết, trên hệ thống được bảo vệ tốt, trước nay là việc đòi hỏi một chuyên gia thật. Hai lỗ hổng Astra tìm ra trong lúc làm bài kiểm tra không phải là chi phí rẻ đi — đó là một năng lực trước đây cần người có kỹ năng hiếm. Ở phần này, trần năng lực đã nhích lên chứ không chỉ có sàn chi phí hạ xuống.

Phần còn đúng. Rào cản với hạ tầng vật lý vẫn là kiến thức chuyên ngành, không phải kỹ năng máy tính. Xếp hạng Critical của Astra là về an ninh mạng, không phải về kỹ thuật hệ thống điện. Biết trạm biến áp nào quan trọng, rơ-le cài đặt ra sao, lưới tự tái cấu hình thế nào sau khi mất một nhánh — đó vẫn là việc của kỹ sư điện. Kết luận cũ vẫn giữ ở phần này.

Nói gọn: bài cũ chia thế giới thành "chi phí hạ" và "trần năng lực đứng yên". Sự phân chia đó nay không còn sạch nữa. Với phần mềm và hệ thống mạng, trần đã nhích. Với hạ tầng vật lý, nó vẫn ở đó.

Phần đáng lo hơn cả năng lực

Có một chi tiết trong đợt phát hành này ít được nhắc tới hơn các con số benchmark, nhưng đáng chú ý hơn cả.

Năng lực tấn công của Astra bị khoá bằng cơ chế giám sát. Và chính giám đốc khoa học của OpenAI thừa nhận cơ chế giám sát đó "mong manh" và "đang xấu đi".

Điều này quan trọng vì nó cho biết bản chất của lớp bảo vệ đang đứng giữa năng lực và người dùng: nó là một lựa chọn chính sách được thực thi bằng kỹ thuật, không phải một giới hạn vật lý của mô hình. Năng lực đã tồn tại rồi. Cái đang giữ nó lại là một cơ chế mà chính người xây nói là đang yếu đi theo thời gian.

Với một doanh nghiệp, hệ quả thực tế không phải là hoảng sợ, mà là rút ngắn thời hạn. Danh sách việc phòng thủ không đổi, chỉ là khoảng thời gian để làm chúng ngắn hơn so với hình dung của sáu tháng trước.

Con số 2 — 62,7% so với 99,9%, cùng một mô hình

Đây là con số hữu ích nhất cho bất kỳ ai phải đọc bảng benchmark của một hãng.

ARC-AGI-3 là một bài kiểm tra suy luận: nó bắt mô hình tự khám phá những trò chơi lạ, tự suy ra luật và mục tiêu, rồi lập kế hoạch hành động mà không được hướng dẫn. Nó được thiết kế để đo khả năng xoay xở với cái chưa từng gặp.

Trên bài này, ARC Prize công bố hai con số cho GPT-6 Astra:

• 62,7% với bộ khung chạy thử tiêu chuẩn — bộ khung trung lập, dùng chung cho mọi hãng.
• 99,9% với bộ khung riêng do OpenAI cung cấp, cho phép mô hình giữ lại trạng thái suy luận nội bộ giữa các lượt gọi và nén lại hội thoại dài, tức tái dùng được phần việc đã làm trước đó.

Cần công bằng: 62,7% tự nó vẫn là kết quả cao nhất từ trước tới nay trên bài kiểm tra này, và đó là một tiến bộ thật. Đây không phải chuyện gian lận. Nhưng khoảng cách 37 điểm giữa hai con số nói lên một điều mà người mua công nghệ nên nhớ: một điểm số benchmark phụ thuộc vào bộ khung chạy nó, và con số hãng chọn đưa lên tiêu đề có thể khác đáng kể con số một bên độc lập đo lại ở điều kiện chuẩn.

Bài học dùng được ngay: khi đọc bảng benchmark, hỏi con số đó chạy trên bộ khung nào. Ứng dụng của bạn sẽ chạy ở điều kiện tiêu chuẩn chứ không phải với bộ khung riêng của hãng, nên con số tiêu chuẩn mới là con số để lập kế hoạch.

ARC Prize cũng nói rõ: đạt điểm cao trên ARC-AGI-3 không chứng minh AGI. Đó là lời của chính đơn vị ra đề, về chính bài đo của họ.

Con số 3 — gấp 2,5 lần

Astra tính 10 đô mỗi triệu token đầu vào và 50 đô mỗi triệu token đầu ra, với token đầu vào đã lưu tạm còn 1 đô. Chế độ chạy theo lô rẻ bằng nửa, chế độ nhanh đắt gấp đôi. Cửa sổ ngữ cảnh — lượng chữ mô hình đọc được trong một lượt — là khoảng 1,05 triệu token, và phần vượt quá 272 nghìn token đầu vào bị tính theo mức cao hơn.

So với GPT-5.6 Sol, mô hình đầu bảng trước đó, ở mức 4 đô đầu vào và 20 đô đầu ra: gấp 2,5 lần.

Đây là chỗ cần nhìn kỹ. Chỉ số tổng hợp của các bên đo độc lập đặt Astra gần như ngang Sol ở mặt bằng chung, dù bảng benchmark của OpenAI cho thấy khoảng cách lớn ở một số nhóm việc cụ thể như dùng máy tính, an ninh mạng và làm việc trên dòng lệnh.

Hai điều đó không mâu thuẫn. Chúng nói rằng mức tăng năng lực tập trung ở một số nhóm việc chứ không trải đều. Nếu công việc của bạn nằm trong nhóm đó thì 2,5 lần có thể đáng; nếu không thì bạn đang trả gấp 2,5 lần cho mức tương đương.

Và như chúng tôi đã viết trong bài về chi phí thật của một mô hình nằm ở token tiêu thụ chứ không phải giá niêm yết, so hai bảng giá là cách so sai. Một mô hình suy luận dài hơn có thể tốn nhiều hơn hẳn dù đơn giá chỉ gấp đôi.

Vậy doanh nghiệp nên làm gì trong tuần này

• Đừng đổi vội. Lấy ba mươi tới năm mươi yêu cầu thật đã chạy qua hệ thống của bạn, chạy lại trên cả mô hình đang dùng lẫn Astra, so kết quả và so số token tiêu thụ. Mức chênh trên chính tác vụ của bạn mới là căn cứ, không phải bảng của hãng.
• Khi đọc benchmark, hỏi bộ khung. Con số 62,7% và 99,9% đến từ cùng một mô hình trên cùng một bài. Câu hỏi "đo bằng bộ khung nào" nên thành phản xạ.
• Với phần an ninh, rút ngắn thời hạn chứ không đổi danh sách. Những việc đã biết vẫn thế: biết mình có bao nhiêu đường vào hệ thống, giữ bản sao lưu nằm ngoài tầm với của một danh tính bị chiếm, vá lỗi theo lịch thay vì khi rảnh. Điều đổi là quỹ thời gian.
• Nếu đang xây tác nhân tự động, đọc lại phần độ tin cậy. Mô hình mạnh hơn không làm cho chuỗi nhiều bước đáng tin hơn theo phép cộng — nó vẫn là phép nhân, chỉ với một hệ số cao hơn.

Kết luận

Tuyên bố AGI sẽ được tranh cãi trong nhiều tháng nữa, và cuộc tranh cãi đó phần lớn là về định nghĩa chứ không về dữ kiện. Nó không giúp gì cho một quyết định phải ra trong tuần này.

Ba con số thì giúp được. Mức Critical nói rằng một năng lực trước đây cần chuyên gia nay đã có trong một mô hình thương mại, và thứ giữ nó lại là một cơ chế mà chính người xây gọi là mong manh. Khoảng cách 62,7% so với 99,9% nói rằng con số trên tiêu đề và con số bạn sẽ gặp không phải một. Và mức gấp 2,5 lần nói rằng thế hệ mới không mặc nhiên rẻ hơn thế hệ cũ — giả định ngầm suốt nhiều năm qua vừa mất hiệu lực thêm một lần nữa.

Không con số nào trong ba cái đó đòi bạn phải làm gì gấp trong hôm nay. Cả ba đều đòi bạn kiểm lại một giả định.

Nếu bạn đang cân nhắc đổi mô hình cho một hệ thống đang chạy và muốn có người dựng phần so sánh trên chính dữ liệu của bạn, liên hệ với chúng tôi hoặc xem năng lực AI & ML của KonexForge.