Mô Hình AI Mới Có Thể Tự Sửa Lỗi Hàng Trăm Lần Khi Viết Code

Trong thế giới AI, việc một mô hình chạy vào ngõ cụt và không thể tự tìm lối thoát là chuyện thường thấy. Giờ đây, Zhipu AI tuyên bố đã tạo ra bước đột phá với GLM-5.1, một mô hình mã nguồn mở có khả năng tự 'suy nghĩ lại' và thử nghiệm không mệt mỏi để tìm ra giải pháp tối ưu.

Điểm đột phá của GLM-5.1 không nằm ở sức mạnh tính toán thuần túy, mà ở cơ chế cho phép nó tự đánh giá, từ bỏ chiến lược kém hiệu quả và chủ động khám phá các hướng đi mới qua hàng trăm lần lặp.

Vấn đề nan giải của các mô hình AI hiện tại

Theo phân tích của Zhipu AI, các mô hình ngôn ngữ lớn hiện nay, bao gồm cả phiên bản tiền nhiệm GLM-5, thường có một điểm yếu chí mạng: chúng 'hết ý tưởng' quá nhanh. Khi đối mặt với một vấn đề lập trình phức tạp, chúng áp dụng những chiến lược quen thuộc, đạt được chút tiến bộ ban đầu, và sau đó hoàn toàn bế tắc. Lúc này, việc cung cấp thêm tài nguyên tính toán cũng vô ích, vì vấn đề nằm ở tư duy, không phải ở sức mạnh xử lý.

GLM-5.1 được thiết kế để tự động xem xét, đánh giá và tinh chỉnh chiến lược của chính nó qua hàng trăm, thậm chí hàng nghìn vòng lặp.

GLM-5.1 ra đời như một lời giải cho bài toán này. Nó được trang bị khả năng tự phản ánh (self-reflection) mạnh mẽ, cho phép nó liên tục đánh giá hiệu quả công việc, nhận diện các ngõ cụt, và quan trọng nhất, có đủ 'dũng khí' để từ bỏ lối mòn và thử nghiệm các hướng đi hoàn toàn mới. Zhipu AI gọi đây là quá trình tối ưu hóa xuyên suốt "hàng trăm vòng và hàng nghìn lần gọi công cụ".

Ba minh chứng cho khả năng tự cải thiện không ngừng

Công ty đã công bố ba kịch bản thử nghiệm nội bộ để chứng minh khả năng độc đáo của GLM-5.1. Mặc dù chưa được xác minh độc lập, các kết quả này vẽ nên một bức tranh đầy hứa hẹn.

1. Tối ưu hóa cơ sở dữ liệu vector: Bứt phá ngoạn mục

Nhiệm vụ là tối ưu hóa một hệ thống cơ sở dữ liệu vector để xử lý nhiều truy vấn tìm kiếm nhất mỗi giây. Trong khi bài test chuẩn chỉ cho phép 50 lần thử, GLM-5.1 được trao quyền tự do thử nghiệm không giới hạn.

600+Lần lặp
6,000+Lần gọi công cụ
21,500Truy vấn/giây (cao gấp 6 lần kỷ lục cũ)

Sau một hành trình dài với hơn 600 lần lặp và hơn 6.000 lần gọi công cụ, GLM-5.1 đã đạt được hiệu suất 21.500 truy vấn mỗi giây, gấp khoảng sáu lần kỷ lục trước đó do Claude Opus 4.6 nắm giữ. Điều đáng nói là mô hình đã tự mình thực hiện nhiều lần thay đổi chiến lược cốt lõi.

Zhipu AI xác định có tới sáu lần chuyển đổi cấu trúc lớn trong suốt quá trình chạy, tất cả đều do mô hình tự khởi xướng, như chuyển từ tìm kiếm toàn bộ sang phân cụm, hay giới thiệu pipeline hai giai đoạn.

2. Tăng tốc code GPU: Tiến bộ ổn định nhưng chưa dẫn đầu

Trong thử nghiệm viết lại code học máy để chạy nhanh hơn trên GPU, GLM-5.1 thể hiện sự cải thiện bền vững. Nó đạt tốc độ nhanh gấp 3.6 lần code gốc và tiếp tục có tiến bộ ngay cả ở các giai đoạn sau, trong khi GLM-5 thì chững lại sớm hơn nhiều.

Tuy nhiên, Claude Opus 4.6 vẫn giữ vị trí dẫn đầu rõ ràng với tốc độ nhanh gấp 4.2 lần và vẫn cho thấy khả năng cải thiện ở cuối bài test. Điều này cho thấy GLM-5.1 đã kéo dài 'chân trời sản xuất' so với người tiền nhiệm, nhưng vẫn chưa thu hẹp được khoảng cách với đối thủ mạnh nhất.

3. Xây dựng desktop Linux từ một dòng lệnh duy nhất

Kịch bản thứ ba có lẽ là ấn tượng và khác thường nhất. GLM-5.1 được yêu cầu xây dựng một môi trường desktop Linux hoàn chỉnh dưới dạng ứng dụng web, mà không có bất kỳ code mẫu hay hướng dẫn trung gian nào.

Thay vì dừng lại ở một giao diện cơ bản với thanh tác vụ và vài cửa sổ giả như hầu hết mô hình khác, GLM-5.1 được đặt trong một vòng lặp phản hồi. Sau mỗi lần chạy, nó tự xem xét kết quả đầu ra và tự quyết định xem còn thiếu tính năng gì hoặc phần nào cần được cải thiện.

8 giờThời gian tự chạy và hoàn thiện

Sau 8 giờ, sản phẩm cuối cùng là một môi trường desktop đầy đủ chức năng, bao gồm trình duyệt file, terminal, trình soạn thảo văn bản, hệ thống giám sát, máy tính và thậm chí cả các trò chơi.

Bức tranh toàn diện: Siêu việt về code, khiêm tốn về suy luận

Ngoài các demo, bảng benchmark công bố bởi Zhipu AI cho thấy điểm mạnh và điểm yếu rõ rệt của GLM-5.1.

Thế mạnh vượt trội về lập trình:

  • SWE-Bench Pro: Đạt 58.4%, cao nhất trong số các mô hình mã nguồn mở được test, nhỉnh hơn GPT-5.4 (57.7%) và Claude Opus 4.6 (57.3%).
  • CyberGym (bảo mật): Đạt điểm số cao nhất là 68.7. (Zhipu AI lưu ý rằng Gemini 3.1 Pro và GPT-5.4 từ chối thực thi một số tác vụ vì lý do an toàn, có thể ảnh hưởng đến điểm số của họ).

Điểm cần cải thiện về kiến thức và suy luận:

  • Humanity's Last Exam: Chỉ đạt 31%, thua xa Gemini 3.1 Pro (45%) và GPT-5.4 (39.8%).
  • GPQA-Diamond (câu hỏi khoa học): Đạt 86.2 điểm, thấp hơn so với Gemini 3.1 Pro (94.3) và GPT-5.4 (92).

Kết quả trên các nhiệm vụ dạng tác nhân (agent) cũng khá trộn lẫn. Trong khi ở một số task nó hoạt động tốt, thì ở Vending Bench 2 (mô phỏng kinh doanh máy bán hàng tự động), số dư cuối cùng của GLM-5.1 là $5.634, thấp hơn đáng kể so với $8.018 của Claude Opus 4.6.

Trên chỉ số tổng hợp Artificial Analysis Intelligence Index, GLM-5.1 hiện đứng ngay sau Claude 4.6 Sonnet của Anthropic.

Điểm Chính Cần Nhớ

  • GLM-5.1 được thiết kế đặc biệt để tự đánh giá và thay đổi chiến lược qua hàng trăm lần lặp, khắc phục tình trạng 'bế tắc' của các mô hình AI thông thường.
  • Trong thử nghiệm nội bộ, nó đã tăng hiệu suất cơ sở dữ liệu vector lên gấp 6 lần và tự xây dựng một desktop Linux hoàn chỉnh sau 8 giờ.
  • Mô hình xuất sắc trong các bài test lập trình nhưng vẫn tụt hậu ở lĩnh vực kiến thức tổng quát và suy luận so với các đối thủ hàng đầu.
  • Đây là mô hình mã nguồn mở (MIT license), mở ra cơ hội cho cộng đồng nghiên cứu và phát triển ứng dụng.

Điều này có nghĩa gì với bạn?

Sự ra mắt của GLM-5.1 không đơn thuần là một bản nâng cấp về điểm số benchmark. Nó đại diện cho một sự chuyển hướng trong tư duy phát triển AI: thay vì chỉ tìm kiếm câu trả lời đúng trong một lần chạy, hãy xây dựng những hệ thống có khả năng tự học, tự sửa và tự cải thiện liên tục.

Đối với các kỹ sư phần mềm và nhà phát triển, GLM-5.1 có thể trở thành một trợ lý AI mạnh mẽ cho những nhiệm vụ tối ưu hóa hệ thống cực kỳ phức tạp, nơi không gian tìm kiếm giải pháp là rất lớn. Khả năng tự động thử nghiệm hàng trăm phương án khác nhau có thể tiết kiệm hàng tuần, thậm chí hàng tháng công sức của con người.

Đối với cộng đồng mã nguồn mở và nghiên cứu AI, việc có được một mô hình tiên tiến với khả năng tự phản ánh dưới giấy phép tự do như MIT là một tài sản quý giá. Nó cho phép các nhà nghiên cứu trên toàn thế giới phân tích, cải tiến và xây dựng ứng dụng thực tế, thúc đẩy sự đổi mới nhanh chóng.

Tuy nhiên, sự thận trọng là cần thiết. Tất cả các kết quả ấn tượng nhất hiện mới chỉ đến từ phòng thí nghiệm của Zhipu AI. Cộng đồng cần thời gian để kiểm chứng độc lập những tuyên bố này trong các điều kiện thực tế khác nhau. Hơn nữa, khoảng cách về khả năng suy luận tổng quát cho thấy GLM-5.1 vẫn là một chuyên gia trong lĩnh vực hẹp (lập trình), chứ chưa phải một trí thông minh tổng quát.

Dù vậy, không thể phủ nhận rằng GLM-5.1 đã thắp lên một tia sáng cho tương lai của những cỗ máy có thể tự vượt qua giới hạn của chính mình. Nó không chỉ tìm kiếm câu trả lời, mà còn không ngừng tìm kiếm những cách tốt hơn để đặt câu hỏi và giải quyết vấn đề.