Vào ngày 16 tháng 4 năm 2025, OpenAI đã giới thiệu hai mô hình AI lý luận mới—o3 và o4-mini. Đây là một bước nhảy vọt đáng kể trong năng lực AI của công ty, đặc biệt là với khả năng lý luận hình ảnh đột phá.
Khả Năng “Tư Duy” Với Hình Ảnh Của Các Mô Hình AI Mới
OpenAI tuyên bố rằng các mô hình o3 và o4-mini có thể diễn giải bất kỳ hình ảnh nào bạn tải lên, như bản phác thảo trên bảng trắng, sơ đồ trong sách giáo khoa, hoặc một tài liệu PDF đồ họa. Thông báo ra mắt OpenAI o3 và o4-mini cho biết:
Chúng không chỉ nhìn thấy một hình ảnh—chúng tư duy với hình ảnh đó. Điều này mở khóa một loại hình giải quyết vấn đề mới, pha trộn giữa lý luận thị giác và văn bản, thể hiện qua hiệu suất vượt trội của chúng trên các tiêu chuẩn đa phương thức.
Khả năng phân tích hình ảnh được tích hợp vào chuỗi lý 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, đồng thời cũng thành thạo với các hình ảnh chất lượng thấp.
Ví dụ, khi giải quyết một vấn đề khoa học liên quan đến một sơ đồ, mô hình có thể phóng to một phần cụ thể của hình ảnh, thực hiện các phép tính bằng Python, sau đó tạo ra một biểu đồ để giải thích những phát hiện của mình.
Hình ảnh minh họa ChatGPT o4-mini phân tích và mô tả một biểu đồ phức tạp, thể hiện khả năng lý luận hình ảnh và giải quyết vấn đề khoa học
Trong quá trình lý luận, 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 “agentic” (tự chủ) này cho phép chúng tự động sử dụng công cụ lý tưởng cho từng nhiệm vụ, hỗ trợ người dùng và nhà phát triển thực hiện các quy trình làm việc đa bước phức tạp.
Biến thể o4-mini-high là một phiên bản của o4-mini dành nhiều thời gian và công sức tính toán hơn cho mỗi yêu cầu để mang lại kết quả chất lượng cao hơn. Một số kịch bản ứng dụng phổ biến có thể bao gồm:
- Tạo và đánh giá các nghiên cứu trong lĩnh vực sinh học, kỹ thuật và các ngành STEM khác, cung cấp lý luận từng bước chi tiết và giải thích bằng hình ảnh.
- Tìm kiếm và tổng hợp thông tin từ nhiều nguồn, như cơ sở dữ liệu trực tuyến, báo cáo tài chính, dữ liệu thị trường và biểu đồ, để tạo ra các hiểu biết kinh doanh sâu sắc.
Được đào tạo thông qua học tăng cường (reinforcement learning), các mô hình này có khả năng lý luận tốt hơn, xử lý hiệu quả các vấn đề phức tạp và tự quyết định khi nào nên sử dụng công cụ phù hợp.
Các mô hình o3, o4-mini và o4-mini-high hiện có sẵn cho tất cả người dùng có tài khoản ChatGPT Plus, Pro và Team, với o3-pro dự kiến ra mắt trong những tuần tới. Bạn có thể tìm thấy chúng trong menu lựa chọn mô hình.
Người dùng miễn phí có thể thử nghiệm mô hình o4-mini bằng cách chọn tùy chọn Think trong trình soạn thảo trước khi gửi yêu cầu của họ.
Tại Sao Khả Năng Đa Phương Thức Của ChatGPT Lại Đột Phá?
Bằng cách cho phép AI “tư duy với 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 gỡ lỗi mã từ ảnh chụp màn hình, đọc văn bản 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.
Các mô hình này giờ đây tự chủ hơn và có thể hiệu quả hơn khi tự động điều chỉnh mô hình cụ thể cho một nhiệm vụ. Với khả năng xử lý các tác vụ phức tạp, đa bước, năng lực lý luận và trí thông minh thị giác của các tác nhân AI tự chủ này trở nên cực kỳ quan trọng đối với các lĩnh vực như nghiên cứu, kinh doanh và công việc sáng tạo.
Kết Luận
Sự ra mắt của OpenAI o3 và o4-mini đánh dấu bước tiến lớn trong công nghệ AI, đặc biệt là khả năng “tư duy” với hình ảnh. Điều này không chỉ mở rộng ứng dụng của ChatGPT mà còn nâng cao tính tự chủ và hiệu quả của nó. Các mô hình mới này khẳng định vị thế ChatGPT là công cụ mạnh mẽ, định hình tương lai tương tác AI.
