OpenAI ra mắt loạt mô hình GPT-4.1 mới, khả năng lập trình xuất sắc

Ngày 15/4, OpenAI đã công bố một loạt mô hình AI mới mang tên GPT-4.1, bao gồm GPT-4.1, GPT-4.1 mini và GPT-4.1 nano. Tên gọi “4.1” tiếp tục làm phức tạp hệ thống đặt tên vốn đã rối rắm của công ty.

Các mô hình này được OpenAI tuyên bố là “xuất sắc” trong việc lập trình và tuân thủ hướng dẫn, hiện có thể truy cập qua API của OpenAI nhưng chưa xuất hiện trên ChatGPT.

Điểm nổi bật là các mô hình này có cửa sổ ngữ cảnh lên đến 1 triệu token, tương đương với khả năng xử lý khoảng 750.000 từ trong một lần – dài hơn cả tiểu thuyết “Chiến tranh và Hòa bình”.

CẠNH TRANH TRONG LĨNH VỰC AI LẬP TRÌNH

Sự ra mắt của GPT-4.1 diễn ra trong bối cảnh các đối thủ như Google và Anthropic đang đẩy mạnh phát triển các mô hình lập trình tiên tiến. Google gần đây đã giới thiệu Gemini 2.5 Pro, cũng có cửa sổ ngữ cảnh 1 triệu token và đạt thứ hạng cao trên các bảng xếp hạng lập trình phổ biến. Tương tự, Claude 3.7 Sonnet của Anthropic và mô hình V3 nâng cấp của startup AI Trung Quốc DeepSeek cũng ghi dấu ấn mạnh mẽ.

Mục tiêu của nhiều gã khổng lồ công nghệ, bao gồm OpenAI, là xây dựng các mô hình AI có khả năng thực hiện các nhiệm vụ kỹ thuật phần mềm phức tạp.

Tại một hội nghị công nghệ ở London tháng trước, Giám đốc Tài chính OpenAI Sarah Friar đã chia sẻ tham vọng tạo ra một “kỹ sư phần mềm tự động”. Công ty tuyên bố các mô hình tương lai sẽ có thể lập trình toàn bộ ứng dụng từ đầu đến cuối, bao gồm kiểm tra chất lượng, kiểm tra lỗi và viết tài liệu.

Theo trang TechCrunch, GPT-4.1 là một bước tiến hướng tới mục tiêu này. Người phát ngôn của OpenAI chia sẻ: “Chúng tôi đã tối ưu hóa GPT-4.1 cho các ứng dụng thực tế dựa trên phản hồi trực tiếp từ người dùng, cải thiện các khía cạnh mà lập trình viên quan tâm nhất: lập trình giao diện, giảm thiểu chỉnh sửa không cần thiết, tuân thủ định dạng đáng tin cậy, duy trì cấu trúc và thứ tự phản hồi, sử dụng công cụ ổn định, và hơn thế nữa”. Những cải tiến này giúp các nhà phát triển xây dựng các tác nhân (agent) hiệu quả hơn trong các nhiệm vụ kỹ thuật phần mềm thực tế.

HIỆU SUẤT VÀ CHI PHÍ CỦA GPT-4.1

OpenAI tuyên bố mô hình GPT-4.1 đầy đủ vượt trội hơn các mô hình GPT-4o và GPT-4o mini trên các bài kiểm tra lập trình, bao gồm SWE-bench. Trong khi đó, GPT-4.1 mini và nano được thiết kế để nhanh hơn và hiệu quả hơn, nhưng có phần hy sinh độ chính xác. Đặc biệt, GPT-4.1 nano được quảng bá là mô hình nhanh nhất và rẻ nhất từ trước đến nay của OpenAI.

Về chi phí, GPT-4.1 có giá 2 USD cho mỗi triệu token đầu vào và 8 USD cho mỗi triệu token đầu ra. GPT-4.1 mini rẻ hơn, với 0,40 USD/million token đầu vào và 1,60 USD/million token đầu ra. GPT-4.1 nano là lựa chọn kinh tế nhất, với mức giá chỉ 0,10 USD/million token đầu vào và 0,40 USD/million token đầu ra.

Theo kết quả kiểm tra nội bộ của OpenAI, GPT-4.1 – vốn có khả năng tạo ra nhiều token hơn GPT-4o (32.768 so với 16.384) – đạt điểm từ 52% đến 54,6% trên SWE-bench Verified, một tập hợp con được xác thực bởi con người của SWE-bench.

Tuy nhiên, OpenAI lưu ý rằng một số giải pháp cho các bài kiểm tra SWE-bench Verified không thể chạy trên cơ sở hạ tầng của họ, dẫn đến khoảng điểm dao động. Kết quả này thấp hơn một chút so với Gemini 2.5 Pro của Google (63,8%) và Claude 3.7 Sonnet của Anthropic (62,3%) trên cùng bài kiểm tra.

Trong một đánh giá khác sử dụng Video-MME – bộ dữ liệu đo lường khả năng hiểu nội dung video – GPT-4.1 đạt độ chính xác 72% trong hạng mục video “dài, không phụ đề”, đứng đầu bảng xếp hạng theo OpenAI.

HẠN CHẾ CẦN LƯU Ý CỦA GPT-4.1

Mặc dù GPT-4.1 ghi điểm tốt trên các bài kiểm tra và có “ngày cập nhật kiến thức” mới hơn (đến tháng 6 năm 2024), giúp mô hình này nắm bắt tốt hơn các sự kiện hiện tại, người dùng cần lưu ý rằng ngay cả những mô hình tiên tiến nhất hiện nay vẫn gặp khó khăn với các nhiệm vụ mà chuyên gia con người có thể dễ dàng xử lý.

Nhiều nghiên cứu chỉ ra rằng các mô hình tạo mã thường thất bại trong việc sửa lỗi, thậm chí còn tạo ra các lỗ hổng bảo mật và lỗi mới.

Chính OpenAI cũng thừa nhận rằng GPT-4.1 trở nên kém đáng tin cậy hơn khi xử lý lượng token đầu vào lớn. Trong bài kiểm tra nội bộ OpenAI-MRCR, độ chính xác của mô hình giảm từ khoảng 84% với 8.000 token xuống còn 50% với 1 triệu token. Công ty cũng cho biết GPT-4.1 có xu hướng “theo nghĩa đen” hơn GPT-4o, đôi khi đòi hỏi các câu lệnh rõ ràng và cụ thể hơn từ người dùng.

Với dòng mô hình GPT-4.1, OpenAI tiếp tục khẳng định vị thế trong cuộc đua phát triển AI lập trình, hướng tới việc tạo ra các kỹ sư phần mềm tự động đầy tham vọng.