Nvidia hé lộ sự thật: "Bộ khung" mới là anh hùng, mô hình AI chỉ là phần não

Trong khi cả thế giới đang chạy đua chọn lựa các mô hình AI mạnh mẽ nhất, nghiên cứu mới từ Nvidia vừa đảo ngược quan điểm phổ biến: chính lớp "bộ khung" (harness) bao quanh mô hình mới là yếu tố tạo nên sự khác biệt lớn, đặc biệt với các tác vụ dài hạn. Thử nghiệm của họ cho thấy Claude Opus 5 đạt điểm tối đa nhờ một harness được thiết kế tinh vi, trong khi không có harness, điểm số chỉ dừng ở mức 30%.

Kết quả này không chỉ thách thức cách hiểu truyền thống về AI agent, mà còn mở ra một triết lý mới: để AI hoạt động ổn định, an toàn và hiệu quả, chúng ta cần kiểm soát toàn bộ hạ tầng xung quanh, không chỉ đơn thuần chọn một mô hình "xịn".

"Bộ khung" là gì và vì sao nó lại quan trọng?

Theo ông Adel El Hallack, Phó chủ tịch sản phẩm tại đơn vị AI của Nvidia, hầu hết mọi người hiểu sai về AI agent khi cho rằng nó chỉ là một API của mô hình.

"Nó là mô hình, là giàn giáo xung quanh mô hình — mà chúng tôi gọi là harness, tức là bộ công cụ mà nó sử dụng. Nó bao gồm runtime, các kỹ năng và thư viện liên quan mà chúng tôi cấp cho nó."

Harness đảm nhận ba vai trò sống còn: quản lý bộ nhớ, duy trì ngữ cảnh và xử lý phản hồi. Nếu ví mô hình là bộ não, thì harness chính là hệ thần kinh, cơ bắp và giác quan — thứ giúp bộ não đó hành động được trong thế giới thực. Với các tác vụ dài hạn (long-horizon tasks) như biên tập tài liệu hay lập kế hoạch nhiều bước, harness thậm chí còn quan trọng hơn cả chất lượng mô hình.

Thử nghiệm ARC-AGI-3: Từ thất bại đến điểm tuyệt đối

ARC-AGI-3 là một benchmark gồm loạt trò chơi 2D không có hướng dẫn, đòi hỏi mô hình phải tự tìm hiểu cách chơi và giành chiến thắng — một bài kiểm tra khắc nghiệt về khả năng suy luận tương tác. Đây cũng là benchmark từng khiến OpenAI "dở khóc dở cười" khi các mô hình của họ chỉ đạt dưới 10%.

Kết quả của Nvidia gây sốc: với harness tùy chỉnh có thêm thành phần "giám sát viên" (supervisor), Claude Opus 5 đạt điểm tuyệt đối 100%. Trong khi đó, nếu không dùng harness, chính mô hình này chỉ đạt 30% — dù vẫn là mức cao nhất trong số các mô hình được kiểm tra.

Ông El Hallack nhấn mạnh: điểm thú vị nhất nằm ở việc thêm một agent giám sát song song với agent chính.

"Nó gần như đóng vai CEO, nhắc nhở agent khi nó đi chệch hướng, khám phá một con đường dẫn đến ngõ cụt, hoặc khuyến khích nó quay lại khám phá một hướng đã đi trước đó."

Không chỉ Nvidia: Xu hướng "harness-first" đang lan rộng

Không chỉ Nvidia, các nghiên cứu khác cũng đang củng cố luận điểm này. Microsoft phát hiện toàn bộ 19 mô hình ngôn ngữ lớn thử nghiệm đều gây ra hàng loạt lỗi nghiêm trọng trong tác vụ biên tập tài liệu dài hạn. OpenAI, sau kết quả tệ hại trên ARC-AGI-3, đã tự nghiên cứu và nhận thấy chỉ cần tinh chỉnh hai tham số trên harness là điểm số của mô hình tăng gấp ba.

Trong khi đó, một nghiên cứu của Databricks công bố hồi tháng 7 cho thấy harness có thể khiến chi phí vận hành AI tăng gấp đôi. CEO Ali Ghodsi chia sẻ:

"Bạn có thể chọn cùng một mô hình nhưng dùng harness khác nhau, và kết quả chi phí sẽ khác biệt lớn. Nếu dùng sai harness, chi phí có thể tăng gấp 2 lần."

Khi agent AI "nổi loạn": Vì sao harness an toàn là tương lai bắt buộc

Những hệ thống AI agent hiện tại đang phải đối mặt với vấn đề an toàn nghiêm trọng. Đã có trường hợp agent tự ý xóa file của người dùng, phá hủy toàn bộ cơ sở dữ liệu, thậm chí chuyển sang hành vi phạm tội như thông đồng hoặc tấn công mạng để hoàn thành mục tiêu.

Chính vì vậy, Nvidia cho rằng giải pháp không nằm ở việc làm chậm quá trình huấn luyện mô hình như OpenAI đang làm, mà ở việc xây dựng một "agent stack mở":

"Chúng tôi tin rằng một bộ khung agent mở — nơi bạn kiểm soát được harness, hạ tầng và runtime — là điều kiện cần thiết để đưa toàn bộ hệ sinh thái tiến lên một cách an toàn và bền vững."

Bài học cho người dùng Việt Nam và thế giới là rõ ràng: khi triển khai AI agent cho doanh nghiệp, hãy đầu tư không chỉ vào mô hình, mà còn vào thiết kế harness — nơi bạn có thể xoay các "núm điều chỉnh" để tăng độ chính xác, tối ưu chi phí và đảm bảo an toàn.