Anthropic kêu gọi tạm dừng phát triển AI trên toàn cầu, cảnh báo các mô hình đang dần có khả năng "tự nâng cấp".

Tiêu đề gốc: 《Hiếm có! "Gã khổng lồ AI" kêu gọi tạm dừng phát triển AI trên toàn cầu, cảnh báo mô hình đang dần có khả năng "tự nâng cấp"》
Tác giả gốc: Long Nguyệt, Wall Street News

"Chúng tôi tin rằng, việc để thế giới có lựa chọn làm chậm lại hoặc tạm thời dừng phát triển AI tiên tiến sẽ có lợi cho thế giới – để cấu trúc xã hội và nghiên cứu alignment có thể theo kịp tốc độ tiến bộ công nghệ." Anthropic, công ty có định giá gần nghìn tỷ USD và đang chạy đua IPO, cảnh báo rằng "tự cải thiện đệ quy" của AI có thể xảy ra trong vòng hai năm, và hiếm hoi kêu gọi nên "đạp phanh" trong phát triển AI. Hành động này bị các nhà phê bình coi là "chiêu trò tiếp thị", nhưng được những người ủng hộ xem là lời cảnh báo chân thành.

Một công ty AI có định giá gần nghìn tỷ USD, đang chạy đua IPO, bất ngờ công khai kêu gọi tạm dừng phát triển AI trên toàn cầu.

Ngày 4 tháng 6, Anthropic đã đăng một bài viết dài trên blog chính thức với tựa đề 《Khi AI tự xây dựng chính mình》 (When AI Builds Itself). Bài viết do đồng sáng lập công ty Jack Clark và người đứng đầu tổ chức nghiên cứu nội bộ Marina Favaro đồng ký tên, lần đầu tiên hiếm hoi tiết lộ công khai một loạt dữ liệu vận hành nội bộ chưa từng được công bố trước đây.

Những dữ liệu này cho thấy, AI đang thúc đẩy quá trình phát triển của chính nó với tốc độ đáng kinh ngạc: Tính đến tháng 5 năm 2026, hơn 80% mã được hợp nhất vào kho mã của Anthropic do Claude viết; so với năm 2024, lượng mã hợp nhất hàng ngày của các kỹ sư đã tăng gấp 8 lần; trong một cuộc khảo sát nghiên cứu nội bộ, nhân viên ước tính rằng khi sử dụng mô hình mới nhất Mythos Preview, năng suất của họ cao gấp khoảng 4 lần so với khi không sử dụng bất kỳ công cụ AI nào.

Quan trọng hơn, Anthropic đã đưa ra một cảnh báo khái niệm khiến toàn ngành AI lo ngại: "tự cải thiện đệ quy" (recursive self-improvement) – tức khả năng hệ thống AI tự thiết kế và cải thiện người kế nhiệm mà không cần sự can thiệp của con người. Giai đoạn này chưa đến, nhưng "có thể xảy ra trong vòng hai năm tới, thậm chí sớm hơn".

Dựa trên những dữ liệu này, Anthropic đưa ra một đề xuất khá hiếm thấy trong ngành AI: Thế giới nên phối hợp xem xét tạm dừng hoặc làm chậm lại việc phát triển AI tiên tiến. Trong bối cảnh kinh doanh đang mở rộng nhanh chóng, Anthropic lại chủ động kêu gọi "đạp phanh" – hành động bất thường này đang gây tranh cãi đồng thời ở Phố Wall và Thung lũng Silicon.

Các nhà phê bình cho rằng động thái của Anthropic chỉ là sự mở rộng chiến lược "chiếm đoạt quyền quản lý" quen thuộc của họ – bằng cách thổi phồng rủi ro AI để gây áp lực lên các cơ quan quản lý, từ đó hạn chế đối thủ cạnh tranh, đặc biệt là các mô hình nguồn mở. Một số người cũng giải thích việc Anthropic phát hành hạn chế mô hình an ninh mạng "Mythos" của mình như một chiêu trò tiếp thị: một mặt khoe khoang năng lực, mặt khác lại viện lý do "an toàn" để từ chối mở cửa hoàn toàn. Những người ủng hộ thì cho rằng lời cảnh báo của Anthropic về rủi ro AI có phần chân thành. Giáo sư Ethan Mollick của Trường Kinh doanh Wharton, Đại học Pennsylvania, cho biết các phòng thí nghiệm AI thường không phải là một thực thể đơn nhất: họ vừa có bộ phận marketing, luật sư và logic vốn của các công ty nghìn tỷ đô la, vừa có các nhà nghiên cứu theo đuổi thế hệ mô hình tiếp theo, và cả những nhân vật kiểu "triết gia vua" thực sự lo lắng về tương lai.

Nhà phân tích chuỗi cung ứng AI, được cộng đồng mạng mệnh danh là "thần chứng khoán" mới của thị trường cổ phiếu đô la Mỹ, Serenity, đăng bài cho rằng ẩn ý của Anthropic thực ra là "Hãy để chúng tôi dẫn đầu, hãy ngừng phát triển!" Và dù thế nào đi nữa, những tuyên bố như vậy sẽ khuyến khích mọi quốc gia bắt đầu đầu tư vào AI.

Bản thân dữ liệu đã đủ gây sốc: Doanh thu hàng năm của Anthropic từ 9 tỷ đô la vào cuối năm 2025 sẽ tăng vọt lên 50 tỷ đô la vào cuối tháng 6 năm 2026; công ty đã bí mật nộp hồ sơ IPO; mô hình mới nhất Mythos Preview có thể hoạt động liên tục hơn 16 giờ và trong các đợt kiểm tra đầu tiên đã phát hiện hơn 10.000 lỗ hổng phần mềm nguy cơ cao trong các hệ thống quan trọng nhất thế giới.

Trong nghịch lý "tăng tốc" và "phanh lại" này, bài blog của Anthropic có lẽ là lời tự thú trung thực và mâu thuẫn nhất của ngành AI cho đến nay.

Những câu trích dẫn vàng từ bài blog "Khi AI tự xây dựng chính mình" (When AI Builds Itself) như sau:

1. Chúng tôi tin rằng việc để thế giới có lựa chọn làm chậm lại hoặc tạm dừng phát triển AI tiên tiến sẽ có lợi cho thế giới – để cấu trúc xã hội và nghiên cứu căn chỉnh có thể theo kịp tốc độ tiến bộ công nghệ.

2. Việc huấn luyện dễ che giấu hơn hầm phóng tên lửa, đầu tư của nó có tính phổ quát, và động cơ vi phạm bí mật là rất lớn, bởi vì khi người khác tạm dừng, kẻ tiếp tục tiến lên có thể kế thừa vị thế dẫn đầu.

3. Tự cải thiện đệ quy của AI chưa xảy ra, và cũng không phải là không thể tránh khỏi. Nhưng thời điểm nó đến có thể sớm hơn những gì hầu hết các tổ chức đã chuẩn bị. Loại công nghệ đó chưa từng tồn tại, nhưng tôi (Jack Clark) tin rằng điều này có thể xảy ra trong vòng hai năm tới, thậm chí sớm hơn.

4. Nếu hệ thống có thể hoàn toàn tự xây dựng người kế nhiệm của chính nó, thì cách chúng ta bảo vệ, giám sát và định hình hành vi của nó sẽ trở nên quan trọng hơn nhiều.

5. Edison từng nói thiên tài là 1% cảm hứng cộng với 99% mồ hôi. Nhưng chúng ta đang thấy mồ hôi ngày càng được tự động hóa.

6. Mã do Claude viết vào cuối năm 2025 còn hơi kém con người, giờ đây gần như ngang bằng, và chúng tôi dự đoán trong vòng một năm nó sẽ vượt trội hơn con người.

7. Khoảng một năm trước, tôi bắt đầu sử dụng rộng rãi quy trình làm việc với Claude. Đó là một trải nghiệm điên rồ, và hiện tại đã khoảng năm tháng kể từ lần cuối tôi tự viết mã. — Nhân viên Anthropic

8. Nói ngắn gọn, "thực thi" — viết mã, chạy thí nghiệm, tạo ra kết quả — giờ đây hầu như không còn tiêu tốn thời gian của con người, mặc dù vẫn tiêu tốn sức mạnh tính toán.

9. Vào những ngày suôn sẻ, tôi không khỏi cảm thấy mọi thứ mình làm đều không quan trọng, tất cả đều bị tự động hóa, nhanh hơn và tốt hơn tôi. Nhưng cũng có những ngày mọi thứ sụp đổ, tôi không hiểu tại sao, và nhận ra mình không còn rõ mình thực sự đang làm gì. — Nhân viên Anthropic

10. Nếu có thể làm chậm tốc độ phát triển của công nghệ này một cách hiệu quả, để giành thêm thời gian ứng phó với những tác động sâu rộng của nó, chúng tôi cho rằng đó rất có thể là một điều tốt. Nhưng nếu việc làm chậm chỉ giúp những tác nhân thiếu thận trọng nhất bắt kịp về mặt công nghệ, kết quả cuối cùng có thể khiến tất cả mọi người kém an toàn hơn. Trong trường hợp thiếu cơ chế phối hợp toàn cầu, các công ty và chính phủ sẽ buộc phải đưa ra những lựa chọn an toàn khó khăn dưới áp lực cạnh tranh và địa chính trị.

Bản dịch đầy đủ của "Khi AI tự xây dựng chính nó" (When AI Builds Itself) như sau:

Những tiến bộ của chúng tôi trong việc tự cải thiện đệ quy và tác động của nó

Trong phần lớn lịch sử phát triển AI, con người chi phối mọi bước trong chu kỳ phát triển của nó. Nhưng tại Anthropic, chúng tôi đang giao phó ngày càng nhiều công việc phát triển AI cho chính các hệ thống AI, điều này đang đẩy nhanh quá trình nghiên cứu và phát triển của chúng tôi.

Nếu xu hướng này kéo dài đủ lâu và có đủ sức mạnh tính toán, điểm cuối cùng của nó là: các hệ thống AI sẽ có thể hoàn toàn tự chủ thiết kế và phát triển người kế nhiệm của chính chúng. Điều này được gọi là tự cải thiện đệ quy. Chúng tôi chưa đạt đến giai đoạn này, và tự cải thiện đệ quy không phải là điều không thể tránh khỏi. Nhưng thời điểm nó đến có thể sớm hơn nhiều so với những gì hầu hết các tổ chức dự đoán.

Viện nghiên cứu Anthropic đã sử dụng dữ liệu đánh giá chuẩn công khai, cùng với dữ liệu nội bộ chưa từng được công bố trước đây của Anthropic, để chứng minh rằng AI đang thúc đẩy quá trình phát triển các hệ thống AI. Chỉ lấy một ví dụ: Hiện nay, lượng mã trung bình mà các kỹ sư của Anthropic gửi mỗi quý đã gấp 8 lần so với giai đoạn từ năm 2021 đến 2025.

Xu hướng công nghệ được thảo luận trong bài viết này cho thấy, năng lực của các hệ thống AI sẽ có bước nhảy vọt đáng kể trong vài năm tới. Những xu hướng này có tác động sâu rộng. AI có khả năng tự xây dựng chính nó sẽ là một bước đột phá lớn trong lịch sử công nghệ – nó hứa hẹn mang lại lợi ích to lớn cho thế giới trong các lĩnh vực như khoa học, y tế, v.v. Nhưng khả năng tự cải tiến đệ quy hoàn chỉnh cũng có thể làm gia tăng rủi ro con người mất quyền kiểm soát đối với các hệ thống AI. Một khi hệ thống có thể hoàn toàn tự động xây dựng phiên bản kế nhiệm của chính nó, cách chúng ta triển khai các biện pháp bảo đảm an toàn, giám sát quản lý và định hình hành vi sẽ trở nên quan trọng hơn nhiều so với hiện tại.

Xây dựng Claude thế hệ đầu tiên (2021–2023)

Thời kỳ đầu, công việc của Anthropic không khác gì các công ty công nghệ khác: nhân viên viết mã và tài liệu trên máy tính xách tay.

Chatbot (2023–2025)

Mọi người bắt đầu sử dụng các chatbot thời kỳ đầu để hỗ trợ một phần công việc, chẳng hạn như tạo các đoạn mã ngắn, sau đó sao chép kết quả đầu ra vào trình soạn thảo văn bản.

Agent lập trình (2025–2026)

Khi năng lực của agent tăng lên, chúng có thể độc lập viết và sửa đổi mã, đôi khi có thể xử lý toàn bộ tệp tin.

Agent tự chủ (Hiện tại)

Hiện tại, agent có thể tự chạy mã và ủy thác công việc kéo dài nhiều giờ cho các agent khác.

Vòng lặp khép kín (20XX?)

Trong tương lai, agent có thể có đủ năng lực để tự xây dựng và huấn luyện mô hình. Nếu điều đó xảy ra, các phiên bản tiếp theo của Claude sẽ có thể được chính Claude liên tục cải tiến.

Bằng chứng từ thế giới bên ngoài

Tốc độ tiến bộ của các mô hình AI đang tăng nhanh. Thời gian mà mô hình có thể hoàn thành một cách độc lập và đáng tin cậy các nhiệm vụ, trước đây tăng gấp đôi khoảng mỗi bảy tháng, nay đã rút ngắn xuống còn khoảng mỗi bốn tháng. Vào tháng 3 năm 2024, Claude Opus 3 có thể hoàn thành các nhiệm vụ phần mềm mà con người mất khoảng bốn phút; một năm sau, Claude Sonnet 3.7 đã có thể xử lý các nhiệm vụ mất khoảng một tiếng rưỡi; thêm một năm nữa, Claude Opus 4.6 đã có thể đảm nhận các nhiệm vụ mất 12 giờ.¹ Nếu xu hướng này tiếp diễn, trong năm nay, các nhiệm vụ cần nhân viên lành nghề mất vài ngày để hoàn thành có thể nằm trong tầm với của AI; đến năm 2027, các hệ thống AI có thể đảm nhận công việc cần con người mất vài tuần để hoàn thành.

Quy luật tương tự cũng xuất hiện trong các bài kiểm tra lập trình và nghiên cứu. Các bài kiểm tra chuẩn (benchmark) đo lường hiệu suất của mô hình trong các lĩnh vực cụ thể. Khi điểm số của mô hình gần đạt mức tối đa, bài kiểm tra đó được coi là "bão hòa".² SWE-bench là một bài kiểm tra kỹ thuật phần mềm thực tế tiêu chuẩn: nó cung cấp cho mô hình một kho mã nguồn mở thực tế và một báo cáo lỗi thực tế, yêu cầu mô hình viết mã để sửa lỗi và vượt qua bài kiểm tra của chính dự án. Điểm số của mô hình đã tăng từ mức thấp chỉ một chữ số lên đến mức làm bão hòa bài kiểm tra này chỉ trong vòng hai năm.

CORE-Bench kiểm tra khả năng tái tạo kết quả nghiên cứu đã có của mô hình, đây là điều kiện tiên quyết để mô hình thực hiện nghiên cứu nguyên bản. Nó cung cấp cho mô hình AI mã nguồn và dữ liệu của một bài báo đã xuất bản, yêu cầu chạy lại toàn bộ nội dung và xác nhận liệu có thể tái tạo kết quả của bài báo hay không. Tỷ lệ tái tạo thành công của các hệ thống AI đã tăng từ khoảng 20% vào năm 2024 lên mức làm bão hòa bài kiểm tra này chỉ sau mười lăm tháng. METR, tổ chức vận hành các bài kiểm tra chuẩn cho các tác vụ dài hạn, phát hiện rằng Claude Mythos Preview có thể hoạt động liên tục "ít nhất" 16 giờ, đã "nằm ở giới hạn trên của phạm vi đánh giá [của METR] mà không cần giới thiệu các tác vụ mới".

Các bài kiểm tra chuẩn công khai có thể tiết lộ nhiều thông tin về khả năng của các hệ thống này, nhưng không phản ánh được tác động của hệ thống AI đối với việc thúc đẩy chính quá trình phát triển AI. Để hiểu điều này, chúng ta cần bằng chứng trực tiếp từ bên trong các công ty AI như Anthropic.

Bằng chứng từ bên trong Anthropic

Xây dựng một mô hình tiên tiến (frontier model) về cơ bản bao gồm hai loại công việc: một là công việc kỹ thuật, bao gồm viết mã, xây dựng cơ sở hạ tầng và giám sát quá trình huấn luyện mô hình; hai là công việc nghiên cứu, bao gồm quyết định chạy thí nghiệm nào, diễn giải kết quả thí nghiệm và xác định hướng đi tiếp theo.

Trong cả hai lĩnh vực kỹ thuật và nghiên cứu, tình hình đều giống nhau. Về mặt kỹ thuật, Claude có thể tiếp nhận một vấn đề không được xác định rõ ràng và tự tìm ra giải pháp; con người cung cấp mục tiêu, nhưng không cần cung cấp phương pháp. Về mặt nghiên cứu, Claude đã có thể sánh ngang hoặc thậm chí vượt qua các nhà nghiên cứu con người thành thạo khi thực hiện các thí nghiệm có thông số kỹ thuật rõ ràng. Tuy nhiên, khi cần Claude tự đưa ra phán đoán và thiết lập mục tiêu, dù trong lĩnh vực kỹ thuật hay nghiên cứu, vẫn tồn tại một khoảng cách năng lực đáng kể. Chính khoảng cách này phân biệt AI ngày nay với các hệ thống trong tương lai có thể tự thiết kế ra người kế nhiệm.

Tại Anthropic, nhân viên thường đảm nhận các nhiệm vụ có tính mở và quan trọng hơn khi tích lũy kinh nghiệm. Ban đầu, họ thực hiện các nhiệm vụ do người khác chỉ định, ví dụ: "Nút xuất bị hỏng, hãy sửa nó." Khi có nhiều kinh nghiệm hơn, họ nhận được một mục tiêu và tự thiết kế giải pháp, ví dụ: "Điều tra tại sao mạng chậm lại dưới tải cao." Ở cấp độ cao nhất, họ cần tự đánh giá vấn đề nào đáng giải quyết: "Nhóm nên làm gì trong quý tới?" Chúng ta có thể sử dụng dữ liệu nội bộ của Anthropic để quan sát mức độ tiến xa của Claude trong việc xử lý các loại nhiệm vụ khác nhau này.

Claude đã viết một phần đáng kể mã nguồn của Anthropic. Tính đến tháng 5 năm 2026, hơn 80% mã nguồn được hợp nhất vào kho lưu trữ mã của Anthropic do Claude tạo ra.³ Trước khi Claude Code được phát hành dưới dạng bản xem trước nghiên cứu vào tháng 2 năm 2025, tỷ lệ này chỉ ở mức một con số thấp. Sự chuyển đổi này cũng được phản ánh qua sản lượng của mỗi kỹ sư. Số dòng mã được mỗi kỹ sư hợp nhất mỗi ngày vẫn ổn định trong bốn năm đầu tiên của Anthropic (2021–2024), sau đó bắt đầu tăng vào năm 2025 – khi Claude chuyển từ chỉ đưa ra gợi ý để kỹ sư sao chép-dán sang có thể trực tiếp chạy mã. Năm 2026, khi mô hình bắt đầu làm việc tự chủ trong khoảng thời gian dài hơn, độ dốc tăng trưởng này lại càng trở nên dốc hơn. Hai điểm uốn này được thể hiện trong biểu đồ dưới đây. Trong quý 2 năm 2026, lượng mã được hợp nhất mỗi ngày của một kỹ sư điển hình gấp 8 lần so với năm 2024. Điều này là do phần lớn mã được viết bởi Claude, các kỹ sư đảm nhận vai trò hướng dẫn và xem xét, thay vì tự tay nhập liệu.

Biểu đồ cột: Đóng góp mã theo người, theo quý, trong khoảng thời gian từ quý 2 năm 2021 đến quý 2 năm 2026. Biểu đồ đánh dấu ngày phát hành của tám mô hình khác nhau: Claude 1, Claude 2, Claude 3, Claude 4, Claude Code, Claude Sonnet 4.5, Claude Opus 4.5, Claude Mythos Preview (truy cập nội bộ) và Claude Mythos Preview.

Cần lưu ý rằng: Số dòng mã là một thước đo không hoàn hảo, nó đo lường số lượng thay vì chất lượng. Do đó, "lượng mã mỗi ngày của mỗi kỹ sư tăng gấp 8 lần" trong quý 2 năm 2026 gần như chắc chắn đã đánh giá quá cao mức tăng năng suất thực tế. Tuy nhiên, nó phản ánh một xu hướng tăng tốc. Tại Anthropic, chúng tôi không đánh giá con người dựa trên số dòng mã; các thành viên trong nhóm tạo ra nhiều mã hơn đơn thuần là vì họ đã viết được nhiều mã hơn nhờ vào hệ thống AI.

Sự tăng trưởng về số dòng mã phù hợp với cảm nhận chủ quan của nhân viên về năng suất được cải thiện đáng kể. Trong một cuộc khảo sát vào tháng 3 năm 2026 với 130 nhân viên thuộc các nhóm nghiên cứu khác nhau của Anthropic, ước tính trung vị của người trả lời là: so với việc không sử dụng bất kỳ mô hình AI nào, với sự hỗ trợ của Mythos Preview, sản lượng của họ cho các dự án tương tự cao gấp khoảng 4 lần. Chúng tôi ước tính rằng mức tăng thực tế vào thời điểm đó sẽ thấp hơn một chút.⁶ Tuy nhiên, chúng tôi tin rằng đánh giá tổng thể này là đáng tin cậy và phù hợp với các quan sát khác của chúng tôi: Một tỷ lệ đáng kể nhân viên kỹ thuật của Anthropic đang hoàn thành công việc cốt lõi của họ với tốc độ nhanh hơn nhiều lần so với khi không có sự hỗ trợ của AI.

Chúng tôi cũng nhận thấy rằng các nhân viên của Anthropic đang sử dụng Claude để hoàn thành những công việc mà lẽ ra sẽ không bao giờ xảy ra, chẳng hạn như xây dựng các công cụ khám phá hoặc xử lý các nhiệm vụ dọn dẹp mã nguồn tồn đọng từ lâu. Ví dụ, vào tháng 4 năm 2026, Claude đã gửi hơn 800 bản vá sửa lỗi, giảm một loại lỗi API xuống một phần nghìn. Kỹ sư giám sát công việc này ước tính rằng nếu do con người thực hiện, khối lượng công việc tương đương sẽ mất bốn năm; việc truy tìm lỗi của người khác vừa chậm vừa tốn công, và con người khó có thể giữ trong đầu một lượng lớn thông tin ngữ cảnh xa lạ cùng lúc.

“Khoảng một năm trước, tôi bắt đầu sử dụng quy trình làm việc của Claude một cách rộng rãi. Đó là một trải nghiệm điên rồ, và hiện tại đã khoảng năm tháng kể từ lần cuối tôi tự viết mã.” — Nhân viên Anthropic*

Chất lượng mã do Claude viết “đạt yêu cầu” và không ngừng được cải thiện. “Mã tốt” có nghĩa là hai điều: nó chạy được và được viết theo cách mà các kỹ sư khác có thể hiểu và phát triển tiếp. Với tiêu chí đầu tiên, bằng chứng rất rõ ràng: tần suất các nhân viên Anthropic phải sửa, điều hướng lại hoặc tiếp quản nhiệm vụ trong quá trình Claude thực thi đã giảm đều đặn trong suốt một năm, ngay cả với những nhiệm vụ phức tạp và mở nhất. Loại nhiệm vụ này không có yêu cầu kỹ thuật rõ ràng, và bản thân các kỹ sư cũng không chắc câu trả lời nên như thế nào. Điều này thể hiện rõ trong xu hướng thay đổi tỷ lệ thành công của Claude ở các mức độ khó khác nhau (như biểu đồ dưới đây). Mã do Claude viết thực sự có thể sử dụng được.

Biểu đồ đường: Tỷ lệ thành công của phiên Claude Code (theo bốn loại nhiệm vụ — nhiệm vụ đơn giản, nhiệm vụ thông thường, nhiệm vụ khó và vấn đề mở), bao gồm sáu mô hình khác nhau: Claude Sonnet 4.5, Claude Opus 4.5, Claude Opus 4.6, Mythos Preview (truy cập nội bộ), Mythos Preview và Claude Opus 4.7

Với những nhiệm vụ mở nhất, tỷ lệ thành công của Claude đạt 76% vào tháng 5 năm 2026, tăng 50 điểm phần trăm trong sáu tháng. Lấy một ví dụ về nhiệm vụ ở mức độ khó này: một lần nâng cấp thông thường đã khiến hàng chục nghìn tác vụ huấn luyện bị sập. Một kỹ sư chỉ với vài dòng hướng dẫn bằng văn bản và quyền truy cập cụm đã giao sự cố trực tuyến này cho Claude xử lý. Claude lần lượt truy xuất giữa các tác vụ đang chạy, kiểm tra từng cài đặt môi trường, cuối cùng xác định được một cờ gỡ lỗi khó hiểu duy nhất gây ra sự cố, tái tạo vấn đề một cách đáng tin cậy và xác nhận phương án sửa chữa. Toàn bộ quá trình mất khoảng hai giờ, hoàn thành công việc thường cần hai đến ba ngày.

Về tiêu chí thứ hai – viết mã mà các kỹ sư khác có thể hiểu và tiếp tục phát triển – khoảng cách giữa con người và AI vẫn còn, nhưng đang thu hẹp nhanh chóng. Trong nội bộ Anthropic, chưa có sự đồng thuận hoàn toàn, nhưng nhiều người cho rằng: vào cuối năm 2025, chất lượng mã do Claude viết vẫn hơi thua kém so với mã do các kỹ sư con người của Anthropic viết; còn hiện tại, cả hai đã ngang nhau. Chúng tôi dự đoán trong vòng một năm tới, chất lượng mã do Claude viết sẽ vượt qua con người.

Sự thay đổi này cũng làm thay đổi cách Anthropic xem xét mã nguồn của chính mình. Hiện nay, mọi thay đổi được gửi lên kho mã đều phải trải qua kiểm tra tự động bởi công cụ đánh giá Claude – công cụ này chủ động phát hiện lỗi, lỗ hổng bảo mật và các vấn đề khác trước khi mã được hợp nhất. Nhờ công cụ này, chúng tôi đã thực hiện phân tích hồi cứu và phát hiện rằng nếu mọi thay đổi trong kho mã đều được kiểm tra tự động bởi Claude, thì khoảng một phần ba số lỗi từng gây ra sự cố trực tuyến trên claude.ai trong lịch sử sẽ bị chặn lại trước khi đưa vào môi trường sản xuất. Các kỹ sư viết ra những mã đó vốn đã là những nhân tài hàng đầu thế giới trong việc xây dựng các hệ thống như vậy. Giờ đây, Claude đang phát hiện những lỗi mà họ bỏ sót.

“Mã do Claude viết, vào cuối năm 2025 hơi thua kém mã do các kỹ sư con người của Anthropic viết, hiện tại đã ngang nhau, và chúng tôi dự đoán trong năm nay sẽ vượt qua hoàn toàn.”

Claude rất giỏi trong việc chạy các thí nghiệm xoay quanh mục tiêu đã định. Mỗi khi Anthropic phát hành mô hình mới, chúng tôi đều thực hiện cùng một bài kiểm tra: đưa cho Claude một đoạn mã huấn luyện mô hình AI nhỏ, yêu cầu nó tối đa hóa tốc độ chạy mã trong khi vẫn đảm bảo vượt qua cùng một bài kiểm tra tính đúng đắn. Mục tiêu và chỉ số thành công được cố định trước, nhiệm vụ của Claude là viết lại mã, chạy mã, đo thời gian và lặp lại nhiều lần để tìm ra không gian tăng tốc – đây là một phiên bản thu nhỏ của vòng lặp nghiên cứu thực nghiệm. Vào tháng 5 năm 2025, Claude Opus 4 đạt tốc độ trung bình gấp khoảng 3 lần so với mã ban đầu; đến tháng 4 năm 2026, Claude Mythos Preview đã đạt khoảng 52 lần. Để tham khảo, một nhà nghiên cứu con người lành nghề cần từ bốn đến tám giờ để đạt được tốc độ gấp 4 lần.⁷ Trong khâu cụ thể này của quy trình nghiên cứu – tối ưu hóa các bước nội bộ của thí nghiệm với thông số kỹ thuật rõ ràng – Claude đã vượt từ “cực kỳ hữu ích” lên “vượt qua con người” trong vòng chưa đầy một năm.

“Bối cảnh hiện tại đại khái là: ‘Con người đưa ra ý tưởng, mô hình có thể thực hiện, kiểm tra và đánh giá những ý tưởng đó nhanh hơn một bậc so với trước đây.’”

Claude đang dần nâng cao khả năng tự đề xuất các phương án thí nghiệm. Vào tháng 4 năm 2026, Anthropic đã công bố bản trình diễn đầu tiên về việc Claude vận hành toàn bộ một dự án nghiên cứu mở. Một tác nhân do Claude điều khiển được giao một vấn đề mở trong lĩnh vực an toàn AI – đại khái là: Liệu các mô hình yếu hơn có thể giám sát một cách đáng tin cậy các mô hình mạnh hơn hay không? – và sau đó được để tự giải quyết. Điều này bao gồm việc đưa ra giả thuyết, tiến hành thử nghiệm, chia sẻ phát hiện với các tác nhân chạy song song, và lặp đi lặp lại nhiều lần. Nhiệm vụ này có các "giới hạn dưới" và "giới hạn trên" về hiệu suất rõ ràng: giới hạn dưới là hiệu suất của người giám sát yếu khi hoạt động độc lập, giới hạn trên là hiệu suất của mô hình mạnh khi được huấn luyện với câu trả lời đúng. Hai nhà nghiên cứu con người mất khoảng một tuần để thu hẹp khoảng cách đó khoảng 23%; trong khi các tác nhân này, với tổng thời gian tính toán khoảng 800 giờ, đã thu hẹp được 97%, với chi phí tính toán khoảng 18.000 đô la Mỹ.

Công trình này có một số điểm cần lưu ý: kết quả nghiên cứu chưa được tái tạo hoàn toàn trên các mô hình quy mô sản xuất, và con người vẫn chịu trách nhiệm chọn vấn đề và thiết lập tiêu chí đánh giá. Nhưng trong những ràng buộc này, mọi thí nghiệm đều do tác nhân tự thiết kế. Định hướng là vai trò thực chất duy nhất mà con người đảm nhận.

"Trong một đến hai ngày, Claude đã hoàn thành tất cả công việc này với sự can thiệp tối thiểu từ tôi. Tôi nghĩ, nếu một đồng nghiệp cấp dưới có thể mang lại kết quả như vậy trong cùng khoảng thời gian, tôi sẽ khá ngạc nhiên. Tương lai đã đến."

Claude ngày càng tiến bộ trong việc dẫn dắt các phiên nghiên cứu hướng tới khám phá. Chúng tôi đã xem xét các phiên Claude Code thực tế từ tháng 1 đến tháng 3 năm 2026, nơi các nhà nghiên cứu của Anthropic cộng tác với Claude để giải quyết các câu hỏi nghiên cứu mở, chẳng hạn như tìm ra lý do tại sao một lần chạy huấn luyện liên tục bị sập, hoặc tại sao một mô hình đạt điểm kém trong các bài kiểm tra chuẩn. Trong mỗi trường hợp, chúng tôi đều tìm thấy một thời điểm mà nhà nghiên cứu đi sai hướng – họ theo đuổi một hướng khiến phiên làm việc lệch khỏi quỹ đạo cho đến khi cuối cùng quay lại đúng hướng. Sau đó, chúng tôi chỉ cho các mô hình Claude khác nhau xem nội dung trước khi phiên làm việc lệch hướng, và hỏi nó sẽ làm gì tiếp theo. Một Claude khác, có thể thấy diễn biến cuối cùng của phiên làm việc, sẽ đánh giá xem bên nào – AI hay con người – đã đề xuất bước tiếp theo tốt hơn.⁸

Vì chúng tôi cố tình chọn những thời điểm mà quyết định của con người có thể cải thiện (n=129), đây không phải là sự so sánh công bằng giữa mô hình và khả năng phán đoán của con người. Những thời điểm này cung cấp cho chúng tôi một tập hợp các tình huống thực tế, đầy thách thức – nơi bước tiếp theo đúng đắn không rõ ràng, và lựa chọn của con người đóng vai trò là điểm tham chiếu hiệu quả để đo lường hiệu suất của mô hình. Trên chỉ số này, mô hình tốt nhất của chúng tôi vào tháng 11 năm 2025 (Opus 4.5) vượt trội hơn lựa chọn của con người với tỷ lệ 51%; đến tháng 4 năm 2026 (Mythos Preview), tỷ lệ này tăng lên 64%. Công việc nghiên cứu hàng ngày, phần lớn, là một chuỗi các quyết định "bước tiếp theo nên làm gì", điều này làm cho chỉ số trên trở thành một thước đo liên quan đến khả năng cuối cùng của mô hình trong việc độc lập dẫn dắt một cuộc điều tra nghiên cứu. Chúng tôi coi kết quả này là một tín hiệu ban đầu cho thấy các hệ thống AI đang ngày càng tiến bộ trong việc đưa ra các quyết định phán đoán mà nghiên cứu AI phụ thuộc vào.

Biểu đồ cột, tiêu đề "Liệu mô hình có thể chọn bước tiếp theo tốt hơn con người không?" Biểu đồ này thể hiện hiệu suất của chín mô hình khác nhau: Claude 3 Haiku, Claude Sonnet 4, Claude Sonnet 4.5, Claude Haiku 4.5, Claude Opus 4.5, Claude Sonnet 4.6, Claude Opus 4.6, Claude Opus 4.7 và Claude Mythos Preview

"Hiện tại, lợi thế so sánh của con người vẫn nằm ở khả năng nắm bắt tổng thể và tư duy rộng hơn, vượt ra ngoài giới hạn của nhiệm vụ hiện tại."

Hình thái công việc tương lai của Anthropic sẽ như thế nào?

Các bằng chứng hiện có cho thấy, trong mọi khâu của quy trình phát triển AI, vai trò của con người đang thu hẹp dần. Một khi chất lượng mã do con người và AI viết đạt đến mức tương đương, con người sẽ ngừng hoàn toàn việc viết mã và chỉ chuyển sang kiểm tra. Nhưng nếu tốc độ kiểm tra của họ không theo kịp tốc độ tạo mã của Claude, thì việc kiểm tra của con người sẽ trở thành nút thắt cổ chai trong phát triển AI. Tương tự, một khi Claude có thể chạy thí nghiệm, vấn đề sẽ chuyển thành "Những thí nghiệm nào đáng để chạy?" Nói ngắn gọn: chi phí về thời gian lao động ở khâu thực thi (tức viết mã, chạy thí nghiệm, tạo kết quả) hiện gần như bằng không, dù chi phí tính toán vẫn còn.

Hiện tại, lĩnh vực mà con người có lợi thế so sánh là gu thẩm mỹ và khả năng phán đoán trong nghiên cứu, bao gồm: đánh giá vấn đề nào đáng quan tâm, kết quả nào đáng tin cậy, và khi nào một hướng đi đã đi vào ngõ cụt.

"Công việc (và cả cuộc sống) từng vận hành dựa trên nền kinh tế quà tặng nhỏ giữa người với người. 'Giúp tôi chạy script này được không?'... Mỗi yêu cầu như vậy đều tạo ra một chút nợ ân tình, một chút ràng buộc lẫn nhau. [Claude] nhanh hơn, không tạo ra nợ ân tình, nhưng mỗi tương tác như vậy đều là một sự mất mát về cơ hội hợp tác giữa con người với nhau."

"Trong những ngày mọi thứ vận hành trơn tru, tôi không khỏi cảm thấy việc mình làm thật vô nghĩa—mọi thứ đã được tự động hóa, tốt hơn và nhanh hơn tôi. Nhưng cũng có những ngày, mọi thứ đều hỏng hóc, tôi không hiểu tại sao, và rồi tôi nhận ra mình đã không còn biết mình thực sự đang làm gì nữa."

Nếu phán đoán của chúng ta sai thì sao?

Một phản biện tự nhiên đối với các bằng chứng trên là: công việc vẫn nằm trong tay con người hiện tại—chọn vấn đề nghiên cứu nào—mới là quan trọng nhất. Thiếu khả năng phán đoán này, Claude chỉ là một trợ lý có năng lực, chứ không phải một hệ thống có thể độc lập thúc đẩy sự tiến bộ của AI.

Hiện tại, vẫn chưa có kết luận chắc chắn liệu các phương pháp và kiến trúc huấn luyện hiện tại có đủ để khai phá khả năng này hay không. Tuy nhiên, sự tiến bộ của AI hiếm khi dựa vào những "tia sáng lóe lên". Trong lịch sử gần đây của AI, thực sự đã xuất hiện một vài khoảnh khắc như vậy, ví dụ như kiến trúc Transformer hay mô hình chuyên gia hỗn hợp, nhưng những ý tưởng mang tính chuyển đổi mô hình thường cách nhau vài năm. Giữa những khoảng thời gian đó, hầu hết các tiến bộ đều mang tính gia tăng: chúng ta mở rộng quy mô một thứ gì đó, quan sát xem vấn đề phát sinh ở đâu, sửa chữa nó, rồi tiếp tục thử nghiệm. Đây chính xác là quy trình làm việc mà Claude hiện đang làm tốt nhất. Edison từng nói, thiên tài là 1% cảm hứng và 99% mồ hôi. Nhưng chúng ta đang thấy phần "mồ hôi" ngày càng được tự động hóa. Một sự thật ngày càng rõ ràng là: phần lớn công việc thúc đẩy ranh giới tiên tiến có thể được tự động hóa; tiến bộ nghiên cứu ở quy mô lớn phụ thuộc rất nhiều vào công cụ và tài nguyên—chúng quyết định tốc độ bạn chạy thí nghiệm, số lượng bạn có thể chạy đồng thời, và hiệu quả thu được kết quả.

Ngay cả khi giả định rằng Claude không bao giờ có thể phát triển gu nghiên cứu tốt, cách giải thích thận trọng nhất từ bằng chứng của chúng tôi vẫn cho thấy sự tăng tốc theo kiểu lãi kép. Nếu con người dành phần lớn thời gian cho công việc định hướng chiếm tỷ lệ rất nhỏ, còn Claude xử lý mọi thứ khác, điều đó có nghĩa là mỗi kỹ sư hoặc nhà nghiên cứu đang điều khiển khối lượng công việc lớn hơn nhiều so với trước đây. Bằng chứng chúng tôi quan sát cho thấy các nhân viên của Anthropic vừa đang tăng tốc, vừa đang mở rộng phạm vi bao phủ. Trong thực tế, điều này có nghĩa là AI đã giúp Anthropic vận hành nhanh hơn nhiều so với trước khi có các công cụ AI hiệu quả.

Cách giải thích táo bạo hơn là: những bằng chứng ban đầu về sự cải thiện liên tục trong khả năng phán đoán nghiên cứu của Claude—dù hiện tại còn yếu—cho thấy khả năng này cũng đang tiến bộ. "Gu nghiên cứu" có lẽ chỉ là một khả năng khác mà các hệ thống AI từng không giỏi nhưng sau đó đã học được. Chúng ta đã thấy những quy luật tương tự ở các kỹ năng định tính khác, chẳng hạn như hệ thống AI học cách giải thích tại sao một câu chuyện cười lại buồn cười, thể hiện lý thuyết tâm trí, và giải mã các câu đố ngôn ngữ.

Tương lai có thể xảy ra

Điều gì sẽ xảy ra tiếp theo phụ thuộc vào hai điều: liệu xu hướng này có tiếp diễn hay không, và nếu nó tiếp diễn, chúng ta chọn cách ứng phó như thế nào. Chúng ta có thể hình dung ít nhất ba kịch bản tương lai:

Kịch bản một: Xu hướng đình trệ, nhưng khả năng AI ngày nay được phổ biến rộng rãi

Bài viết này trình bày nhiều quỹ đạo tăng trưởng theo cấp số nhân. Nhưng những quỹ đạo này thực tế có thể là đường cong hình chữ S. Chúng ta có thể đang tiến gần đến điểm uốn của đường cong, nơi lợi nhuận theo quy mô bắt đầu giảm dần và đường cong trở nên phẳng cho đến khi bằng phẳng. Khả năng phán đoán phân biệt một nhà nghiên cứu xuất sắc với một nhà nghiên cứu vĩ đại có thể là một khả năng không thể đạt được thông qua việc mở rộng đầu tư huấn luyện (như sức mạnh tính toán và dữ liệu). Nếu đúng như vậy, để vượt qua nút thắt này sẽ cần một hướng đi hoàn toàn mới—ví dụ như một giải pháp kiến trúc mới có thể thay thế kiến trúc Transformer hiện đang được tất cả các mô hình tiên tiến sử dụng.

Một khả năng khác là rào cản chính đối với sự tiến bộ của AI nằm ở chuỗi cung ứng, chứ không phải bản thân mô hình: năng lượng và sức mạnh tính toán cần thiết để thúc đẩy và phổ biến công nghệ tiên tiến có thể vượt quá khả năng cung cấp hiện tại. Tốc độ sản xuất chip, tốc độ mở rộng lưới điện hoặc băng thông kết nối mới có thể là nút thắt thực sự, chứ không phải trí thông minh. Chúng ta cũng không thể loại trừ khả năng hệ sinh thái AI chịu các cú sốc ngoại sinh, chẳng hạn như sự thu hẹp đột ngột về sức mạnh tính toán hoặc nguồn cung điện, bất kỳ điều nào trong số đó cũng sẽ làm chậm tiến độ và khiến chi phí đầu tư dài hạn của các phòng thí nghiệm tăng vọt. Ngoài ra, có thể còn tồn tại những rào cản phát triển khác mà chúng ta chưa lường trước được.

Ngay cả khi khả năng của mô hình bị đóng băng ở mức hiện tại, chúng tôi dự đoán thế giới sẽ có những thay đổi đáng kể. "Dự án Glasswing" (Project Glasswing) là một dấu hiệu ban đầu: trong vài tuần đầu tiên của dự án, Mythos Preview đã phát hiện hơn 10.000 lỗ hổng bảo mật nguy hiểm và nghiêm trọng trong các hệ thống quan trọng nhất toàn cầu – số lượng lớn đến mức nút thắt trong phòng thủ mạng đã chuyển từ "phát hiện lỗ hổng" sang "sửa lỗi nhanh chóng". Và sự lan tỏa của các mô hình hiện tại vào nền kinh tế rộng lớn hơn vẫn đang ở giai đoạn đầu – trong tương lai đó, một công ty 100 người sẽ ngày càng có thể hoàn thành công việc của một công ty 1000 người, bởi vì mỗi nhân viên sẽ chỉ huy một kim tự tháp các tác nhân AI.

Chúng tôi liệt kê kịch bản này để đảm bảo tính toàn diện, nhưng chúng tôi cho rằng nó khó có thể xảy ra. Mọi khả năng mà chúng tôi có thể đo lường, bao gồm cả những khả năng khó định lượng hơn như chất lượng mã và tỷ lệ thành công trong các nhiệm vụ mở, cho đến nay đều tuân theo cùng một đường cong và chúng tôi chưa thấy đường cong này bị uốn cong. Trong ba tương lai mà chúng tôi xem xét, kịch bản này sẽ để lại cho các chính phủ và xã hội nhiều thời gian thích ứng nhất. Chúng tôi lo ngại hơn về hai kịch bản tiếp theo – chúng tiến triển nhanh hơn và để lại ít không gian chuẩn bị hơn.

Kịch bản 2: Các phòng thí nghiệm AI liên tục đạt được hiệu quả tăng trưởng kép

Trong kịch bản này, việc phát triển AI phần lớn được tự động hóa, nhưng con người vẫn tiếp tục thiết lập hướng nghiên cứu và đánh giá kết quả. Các tổ chức sử dụng hệ thống AI sẽ trở nên hiệu quả hơn đáng kể theo thời gian, do đó chúng ta có thể thấy trước hiệu ứng nhân năng suất đáng kể cho mỗi nhân viên – một công ty 100 người có thể hoàn thành công việc tương đương với quy mô 10.000 hoặc thậm chí 100.000 người. Điều này sẽ cách mạng hóa công việc tri thức và dịch vụ chính phủ, nhưng cũng có thể bị sử dụng cho các mục đích có hại, từ giám sát độc tài toàn bộ dân số đến các chiến dịch thao túng ảnh hưởng được cá nhân hóa cho từng cá nhân, hoạt động ở quy mô vượt xa bất kỳ nhóm người nào có thể sánh kịp.

Vai trò của nhân viên tại các công ty như Anthropic sẽ thay đổi theo: mọi người sẽ hợp tác với các hệ thống AI để mở rộng quy mô nghiên cứu, tạo ra những hiểu biết mới và cùng nhau xây dựng các hệ thống cần thiết để xác minh độ tin cậy của đầu ra AI.

Bằng chứng được trình bày trong bài viết này cho thấy chúng ta rất có thể đang tiến tới kịch bản này. Nhưng việc tăng tốc một khâu nào đó thường chỉ chuyển nút thắt cổ chai sang nơi khác: tốc độ tổng thể bị giới hạn bởi phần chưa được tăng tốc. Trong khoa học máy tính, điều này được gọi là Định luật Amdahl, và logic tương tự cũng áp dụng cho quản lý tổ chức. Anthropic đã gặp phải một đặc điểm điển hình của Định luật Amdahl: khi chúng tôi đẩy nhiều mã hơn qua tổ chức, việc xem xét mã thủ công đã trở thành nút thắt cổ chai mới.

Chúng tôi cũng gặp phải sự ma sát này bên ngoài lĩnh vực kỹ thuật. Do nhân viên Anthropic cộng tác với các mô hình năng lực cao, các ý tưởng mới, sáng kiến mới, công cụ mới và giải pháp mô phỏng mới mọc lên như nấm sau mưa – với số lượng vượt xa khả năng thực tế của chúng tôi. Tốc độ mà tổ chức xác định và sửa chữa các nút thắt này có thể là một năng lực tích lũy theo thời gian, và có thể trở thành năng lực cốt lõi quan trọng nhất của bất kỳ tổ chức nào.

Kịch bản ba: Hệ thống AI tự thân có khả năng tự cải thiện đệ quy hoàn chỉnh và bắt đầu xây dựng người kế nhiệm của chính mình

Nếu xu hướng công nghệ nâng cao năng lực tiếp tục, và các hệ thống AI có thể phát triển những năng lực vốn có của sự sáng tạo mang tính biến đổi của con người, thì việc AI tự thiết kế và cải thiện bản thân là hoàn toàn có thể xảy ra.

Trong thế giới này, tốc độ tiến bộ trong phát triển AI sẽ hoàn toàn phụ thuộc vào sức mạnh tính toán khả dụng cho hệ thống AI (hoặc tốc độ khám phá các cải tiến trong huấn luyện thuật toán và suy luận). Vai trò của con người trong phát triển AI sẽ suy yếu đáng kể, và trọng tâm công việc của chúng ta có thể chủ yếu chuyển sang giám sát, xác minh và kiểm tra một "phòng thí nghiệm ảo" đang mở rộng do các hệ thống AI vận hành. Chúng tôi dự đoán rằng các hệ thống có khả năng tự động hóa nghiên cứu và phát triển AI sẽ chuyển dịch năng lực của chúng sang các lĩnh vực khoa học khác và bắt đầu cách mạng hóa các lĩnh vực đó.

Trong tương lai này, vấn đề căn chỉnh sẽ được giải quyết – hoặc không thể giải quyết – là điều chúng tôi không chắc chắn nhất. Các mô hình có thể được chứng minh là đủ căn chỉnh và có đủ gu nghiên cứu để tự khám phá và thực hiện các giải pháp mới mà chúng ta chưa chạm tới; chúng cũng có thể đủ khôn ngoan để chủ động dừng phát triển khi điều kiện chưa chín muồi. Nhưng khả năng khác cũng tồn tại: sự lệch căn chỉnh hiếm gặp trong các mô hình ngày nay có thể tích lũy và chồng chất trong quá trình mô hình xây dựng người kế nhiệm, trở nên thường xuyên hơn nhưng khó hiểu hơn, cho đến khi chúng ta cuối cùng mất kiểm soát đối với chúng. Và chúng ta có thể không có đủ thời gian và năng lực để xây dựng, tích hợp và xác minh những công cụ cần thiết nhằm đánh giá xem mình đang ở trên đường ray nào.

Chúng tôi không có trực giác tốt về thế giới này sẽ như thế nào, bởi vì nền kinh tế hiện tại của chúng ta được thúc đẩy bởi con người và các công cụ do con người xây dựng. Về bản chất, một thế giới được thúc đẩy bởi sự tự cải thiện đệ quy nhanh chóng có thể bị chi phối bởi chính mô hình đó, khi năng lực của mô hình tự cải thiện vượt qua con người một cách toàn diện và lan rộng ra nền kinh tế rộng lớn hơn. Nếu lao động con người mất đi tính cạnh tranh, hình thái kinh tế lúc đó sẽ khó có thể dự đoán.

Ngay cả khi quá trình phát triển mô hình hoàn toàn tự động hóa và bước vào chế độ đệ quy, chúng ta cũng không thể dự đoán điều này có ý nghĩa gì đối với cuộc sống hàng ngày của đa số người dân. Định luật Amdahl cũng áp dụng ở đây. Trí thông minh đệ quy có thể nhanh chóng hiện thực hóa nhiều viễn cảnh tươi sáng được mô tả trong "Cỗ máy của tình yêu thương" (Machines of Loving Grace) trong một số lĩnh vực. Chúng tôi dự đoán rằng trí thông minh nhập thể (tức công nghệ robot) có thể nhanh chóng theo sau trí thông minh đệ quy, tuân theo một lộ trình phát triển tương tự với chi phí giảm dần và lợi nhuận tăng dần. Trí thông minh mạnh mẽ hơn có thể giúp chúng ta xây dựng mọi thứ trong thế giới vật chất nhanh hơn, làm cho các thử nghiệm lâm sàng thuốc cứu mạng mới hiệu quả hơn, và phát triển các hình thức hợp tác và phối hợp hoàn toàn mới.

Tuy nhiên, chỉ đơn thuần đạt được cải tiến đệ quy không có nghĩa là phương thức sản xuất công nghiệp, hình thái tổ chức xã hội hay cơ chế vận hành thị trường sẽ thay đổi ngay lập tức. Trí thông minh mạnh mẽ hơn không thể đẩy nhanh việc biết được hiệu quả của một loại thuốc sau nhiều thập kỷ sử dụng, không thể tổ chức bầu cử sớm hơn ngày được quy định trong hiến pháp, và cũng không thể biến người lạ thành bạn thân trong một cuối tuần. Đối với hầu hết mọi người, tương lai này vẫn sẽ bị chi phối bởi các nút thắt cổ chai trong cảm nhận, ngay cả khi các phòng thí nghiệm thượng nguồn đang lao về phía trước với tốc độ của sức mạnh tính toán. Ở đây, trí thông minh đệ quy tự xây dựng chính nó với tốc độ ngày càng nhanh, va chạm với thế giới thực tế của con người, các mối quan hệ và quản trị - điểm va chạm đó sẽ như thế nào, là một phần khác của tương lai này mà chúng ta không thể dự đoán.

Chúng ta nên làm gì?

Nếu có thể làm chậm tốc độ phát triển của công nghệ này một cách hiệu quả, để giành thêm thời gian cho bản thân đối phó với những tác động sâu rộng của nó, chúng tôi cho rằng đó rất có thể là một điều tốt. Nhưng nếu việc làm chậm chỉ giúp những tác nhân thiếu thận trọng nhất bắt kịp về mặt công nghệ, kết quả cuối cùng có thể khiến tất cả mọi người kém an toàn hơn. Trong trường hợp thiếu cơ chế phối hợp toàn cầu, các công ty và chính phủ các nước sẽ buộc phải đưa ra những lựa chọn an toàn khó khăn dưới áp lực cạnh tranh và áp lực địa chính trị.

Chúng tôi cho rằng việc trao cho thế giới lựa chọn làm chậm hoặc thậm chí tạm dừng phát triển AI tiên tiến sẽ có lợi - điều này giúp cấu trúc xã hội và nghiên cứu căn chỉnh (alignment research) theo kịp tốc độ tiến bộ công nghệ. Viện nghiên cứu Anthropic sẽ hợp tác với nhiều đối tác để tiến hành nghiên cứu và thực hiện các hành động thực tế, giúp xây dựng hệ thống thể chế cần thiết cho một cơ chế làm chậm hoặc tạm dừng đáng tin cậy. Các hệ thống này sẽ cho phép các nhà phát triển AI tiên tiến xác minh liệu các tổ chức khác trên toàn cầu có thực sự dừng hoặc làm chậm phát triển hay không, và đảm bảo không có tác nhân xấu nào lợi dụng danh nghĩa phối hợp làm chậm để âm thầm tiến lên phía trước. Nếu các hệ thống như vậy được thiết lập, chúng tôi dự đoán chúng tôi sẽ chọn làm chậm hoặc tạm dừng, với điều kiện các nhà phát triển khác đang ở hoặc gần vị trí tiên tiến cũng đồng thời thực hiện điều này một cách có thể xác minh được.

Một đợt làm chậm hoặc tạm dừng có ý nghĩa đòi hỏi nhiều phòng thí nghiệm có đủ nguồn lực, đang ở hoặc gần vị trí tiên tiến, trên nhiều quốc gia, đạt được thỏa thuận dừng lại trong cùng điều kiện; đồng thời cũng yêu cầu các bên có thể xác minh rằng đối phương thực sự đã dừng. Do các thuộc tính độc đáo của hệ thống AI, "khả năng phát hiện" (thấp hơn tiêu chuẩn "khả năng xác minh") trong bài toán kiểm soát vũ khí này khó khăn hơn nhiều so với các công nghệ khác. Việc huấn luyện mô hình dễ che giấu hơn nhiều so với các bệ phóng tên lửa, đầu tư của nó mang tính tổng quát, và động lực vi phạm âm thầm là cực kỳ mạnh mẽ - bởi vì người tiếp tục tiến lên khi người khác dừng lại sẽ có cơ hội kế thừa vị trí dẫn đầu. Một cơ chế tạm dừng đáng tin cậy cũng phải quy định rõ ràng: điều kiện nào kích hoạt tạm dừng, điều kiện nào dỡ bỏ tạm dừng, và ai là người phán quyết.

Về nguyên tắc, điều này không phải là không thể – thế giới đã từng thiết lập các cơ chế kiểm chứng cho những công nghệ phức tạp khác (ví dụ như Hiệp ước Lực lượng Hạt nhân Tầm trung), nhưng vào thời điểm đó, việc xây dựng cơ sở hạ tầng và thiết lập lòng tin đã mất hàng thập kỷ. Và chúng ta không có nhiều thời gian như vậy. Trong khi đó, việc một phòng thí nghiệm đơn phương tạm dừng có thể thực hiện ngay lập tức, nhưng hiệu quả lại rất hạn chế: nó chỉ thay đổi ai là người dẫn đầu, chứ không thể thúc đẩy quá trình thảo luận rộng rãi hơn vốn đang thiếu hụt.

Trong những tháng tới, chúng tôi sẽ tổ chức các cuộc đối thoại, mời các nhà hoạch định chính sách, nhà nghiên cứu, xã hội dân sự và các công ty AI khác, cùng thảo luận về một số vấn đề được nêu trong bài viết này, đặc biệt là xoay quanh khả năng tự cải thiện đệ quy hoàn chỉnh, cũng như cách tạo điều kiện tốt hơn cho sự phối hợp và thảo luận. Chúng tôi sẽ công bố kết quả của các cuộc đối thoại này. Cánh cửa để cùng thảo luận những vấn đề này đã mở ra, và những người bên ngoài các công ty AI xứng đáng được tham gia vào quá trình thảo luận này.

## Chú thích

· Chỉ số cốt lõi của METR phản ánh khoảng thời gian mà hệ thống AI đạt độ tin cậy 50% trên một loạt nhiệm vụ, nhưng với tiêu chuẩn độ tin cậy 80%, đường xu hướng vẫn có hình dạng tương tự.

· Đặc biệt là khi các bài kiểm tra chuẩn chuyển sang các dạng mở hơn và các nhiệm vụ khó hơn (như các bài toán cấp độ Olympic), do có sai sót trong tập đề và đáp án – như các câu hỏi diễn đạt mơ hồ và các bài toán vô nghiệm – các bài kiểm tra chuẩn thường bão hòa trước khi đạt 100%.

· Ban lãnh đạo Anthropic từng ước tính công khai rằng, bao gồm cả script và mã thử nghiệm, 90% hoặc hơn mã được viết bởi Claude. Con số hơn 80% của chúng tôi đề cập đến tỷ lệ các dòng mã được hợp nhất vào môi trường sản xuất và có thể quy cho Claude. Đây là cách đo lường thận trọng hơn trên hai khía cạnh: một là quy trình quy kết của chúng tôi có một số khoảng trống; hai là trong số các dòng mã không được quy cho Claude, có chứa mã tự động sinh ra và các sản phẩm khác không phải do con người viết tay.

· Sự bùng nổ sản lượng mã đang gây áp lực lên cơ sở hạ tầng dùng chung. GitHub – nền tảng mà hầu hết phần mềm toàn cầu dựa vào để xây dựng – có khoảng một tỷ lượt commit mã trong suốt năm 2025; đến giữa năm 2026, lượng commit hàng tuần đã đạt 275 triệu lượt, với tốc độ này, tổng lượng commit hàng năm vào khoảng 14 tỷ. Giám đốc điều hành của công ty cho biết, để theo kịp tốc độ này, công ty đang "cố gắng hết sức" để mở rộng quy mô.

· Để biết thêm chi tiết về phương pháp khảo sát này, vui lòng tham khảo Mục 2.3.5 của Thẻ hệ thống Claude Opus 4.7.

· Nhiều người trả lời khảo sát có thể chưa cân nhắc kỹ lưỡng cách xử lý các sai lệch khác nhau hoặc các sắc thái trong định nghĩa vấn đề; nghiên cứu gần đây của METR cũng cho thấy, các nhà phát triển thường ước tính cao mức độ cải thiện năng suất do AI mang lại.

· Mức độ tăng tốc phụ thuộc phần lớn vào mức độ cải tiến còn lại của mã nguồn ban đầu, không nên được hiểu là mức tăng tốc độ huấn luyện trong thế giới thực. Do đó, con số tuyệt đối không phải là trọng tâm ở đây. Có giá trị tham khảo hơn là sự so sánh trong cùng điều kiện mà thiết lập thí nghiệm này mang lại – vừa có thể so sánh giữa các mô hình (từ khoảng 3 lần lên khoảng 52 lần trong năm qua), vừa có thể so sánh với con người thành thạo trên cùng nhiệm vụ (khoảng 4 lần trong bốn đến tám giờ).

· Để kiểm chứng sai lệch đánh giá, chúng tôi đã thực hiện cùng một bài kiểm tra trên một nhóm 127 thời điểm khác, nơi lựa chọn tiếp theo của con người đã rất tốt (so với nhóm ban đầu có không gian cải thiện trong quyết định của con người). Kết quả cho thấy, tại những thời điểm đó, chỉ khoảng 20% đề xuất của mô hình được đánh giá là tốt hơn.

* Các trích dẫn từ nhân viên Anthropic trong bài viết này đều đến từ các cuộc thảo luận nội bộ và đã được sự cho phép của người liên quan. Các trích dẫn này phản ánh quan điểm cá nhân vào tháng 5 năm 2026, không phải là lập trường chính thức của công ty.

Liên kết gốc

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia