Anthropic lên sàn, GPT-6.2 Astra ra mắt và câu chuyện lớn hơn về dữ liệu, RSI và race to the top
Phân tích 11/2026: vì sao model tốt nhất tuỳ lĩnh vực và dữ liệu, AI tăng tốc nghiên cứu AI bao nhiêu, và race to the top của Anthropic khi IPO.
✓ Đã duyệt độc lập · cập nhật 19/11/2026 · 31 min
1. GPT-6.2 Astra ra mắt, nhưng theo anh không phải tin lớn nhất
Người làm kênh AI Explained mở đầu: thông thường, khi model mới tốt nhất của OpenAI ra mắt, đó là câu chuyện lớn nhất. Anh không nghĩ lần này là như vậy (video đăng ngày 19/11/2026). Đúng, theo anh đó là một model khá ổn ("a decent model"), và OpenAI nói nó đặt ra một chuẩn chất lượng mới cho AI trong công việc chuyên môn phức tạp. Anh nói anh đã đọc system card dài 119 trang và đã thử model kỹ lưỡng.

Nhưng, theo anh (video đăng ngày 19/11/2026), dạo gần đây Google đang tung ra các phiên bản Gemini mới mạnh mẽ cứ vài tuần một lần, và Gemini 4 Neon ra hôm qua (tính từ ngày đăng video) có thể bị bỏ qua. Xa hơn cả chuyện đó, mọi người thật sự muốn biết khi nào chúng ta có thể có những model hoàn toàn tự cải thiện, và đã có cả loạt tiết lộ mới về chủ đề này. Thêm nữa, khi Anthropic lên sàn, sự soi xét đối với Anthropic đang tăng gấp bội, và không phải tất cả đều là tin tốt (nhận định trong video đăng ngày 19/11/2026).
Anh nói có ba chủ đề chính anh muốn nói trong video này. Chủ đề đầu tiên là câu trả lời cho câu hỏi mà nhiều người xem có thể đang có: "model nào là tốt nhất, Philip?". Câu trả lời, tiếc thay, phụ thuộc vào lĩnh vực của bạn, vì theo anh tiến bộ theo từng lĩnh vực phụ thuộc vào dữ liệu ("domain progress is data dependent", video đăng ngày 19/11/2026).
2. Model nào tốt nhất? Theo anh, tuỳ lĩnh vực của bạn
Đúng là, theo anh (video đăng ngày 19/11/2026), chúng ta có thể nhìn vào vô số benchmark và nhận thấy rằng nói chung Fable 5.2 dẫn đầu thường xuyên hơn các model khác. Nhưng điều đó chưa thật sự trả lời câu hỏi của bạn về lĩnh vực và task của bạn.
Có thể công việc chính của bạn là đọc những tài liệu PDF dài; khi đó bạn quan tâm nhất tới GDP.pdf. Với 100 task cấp chuyên gia trong các lĩnh vực STEM, bạn sẽ thấy Gemini 4 Neon ra hôm qua đạt điểm tốt nhất (theo bảng anh cho xem, video đăng ngày 19/11/2026). Trên một trong những coding benchmark khó nhất, FrontierCode 2.0, Fable 5.2 dẫn đầu, dù tất cả các model đều dồn trong khoảng 40 tới dưới 50 điểm.

Rồi bạn có thể nói với anh: à, tôi biết đường tắt rồi, cứ nhìn vào một chỉ số, một bản tổng hợp của nhiều benchmark. Và ta sẽ thấy Artificial Analysis đã làm việc này, và ở đây Fable 5.2 dẫn đầu, sít sao (theo anh, video đăng ngày 19/11/2026). "Ta làm được rồi. Yay." Khoan, khoan. Epoch Capabilities Index, một bản tổng hợp khác của nhiều benchmark, lại có GPT-6.2 Astra dẫn đầu. "Bloody hell."
Nhưng theo anh (video đăng ngày 19/11/2026), điều này không cần làm bạn nản hay rối. Có một lý do cho tất cả chuyện này, và lý do đó sẽ cho bạn thấy vì sao hơn bao giờ hết, ít nhất bạn nên thử ba họ model chính trên chính task của mình.
3. ExploitGym và model cyber sắp ra của OpenAI
Ví dụ, giả sử bạn chỉ quan tâm tới việc tìm lỗ hổng (exploit) trong code. Anh nói anh đang xem video "Cyber at the Frontier" mà OpenAI vừa phát hành mấy hôm trước, và trong đó OpenAI tiết lộ họ có một model cyber sắp ra đạt 77.0% trên ExploitGym (theo anh, video đăng ngày 19/11/2026).
Anh nói việc dự đoán khi nào benchmark này bão hoà là khó. Dựa trên model Claude tốt nhất, Mythos 5.2, có vẻ việc đó có thể xảy ra, có lẽ trong khoảng một năm. Còn nếu ngoại suy từ model mới này, model mà theo anh nhiều khả năng chỉ được phát hành cho những người thử nghiệm đáng tin cậy, thì chúng ta sẽ thấy bão hoà vào đầu năm sau (theo anh, video đăng ngày 19/11/2026).

Theo anh (video đăng ngày 19/11/2026), nhiều người nghi rằng sự hỗn loạn gần đây liên quan tới ngân hàng, máy bay, Microsoft và NSA có liên quan tới việc các bên này nâng cấp hệ thống để đối phó với những lỗ hổng được tìm ra bởi các model như model này. "Ergo", theo anh, hãy chờ thêm sóng gió phía trước.
Nhưng đó thật ra không phải trọng tâm của video. Vì sao họ cải thiện được ở lĩnh vực này? Theo anh (video đăng ngày 19/11/2026), tất cả nằm ở dữ liệu mà OpenAI dùng để huấn luyện model này.
4. Protein, pháp lý, lái xe: anh đặt câu hỏi về dữ liệu
Anh nói anh cũng có thể hỏi y như vậy: vì sao GPT-6 Astra dự đoán kém đến thế với những protein ít được nghiên cứu? Vì sao Fable 5.2 của Anthropic làm tốt hơn rất nhiều? Có phải do khả năng suy luận của Fable so với Astra, khi ngay cả Gemini 4 Carbon cũng bị bỏ lại phía sau? Câu trả lời của anh là không: thường thì khi các model suy nghĩ lâu hơn, suy luận lâu hơn, hiệu năng của chúng lại giảm so với câu trả lời tức thì (theo anh, video đăng ngày 19/11/2026).
Bạn có thể thấy anh đang muốn nói tới đâu: chuyện này liên quan tới dữ liệu mà các model được huấn luyện. Theo anh (video đăng ngày 19/11/2026), nếu tất cả chỉ là chuyện IQ thô, thì chúng lẽ ra phải đạt điểm tương đương nhau. Còn nếu là chuyện dữ liệu độc quyền mà các công ty này trả hàng tỷ để mua và huấn luyện, và một lab, như Amodei nói, dồn sức vào khoa học sự sống, thì bạn sẽ có những chênh lệch kiểu này.
Anh hỏi tiếp (video đăng ngày 19/11/2026): Fable 5.2 có thật kém gấp đôi ở công việc pháp lý, với chi phí gấp sáu lần GPT-6.2 Astra? Hay Astra đã được huấn luyện trên nhiều dữ liệu pháp lý hơn? Gemini 4 Carbon có giỏi lái xe hơn Fable 5.2 tới hơn bốn lần chỉ vì nó thông minh hơn? Mà nhân tiện, với một nửa chi phí. Hay nó đã được huấn luyện trên nhiều dữ liệu không gian và hình ảnh hơn? Hãy nghĩ về dữ liệu mà Google có thể có trong tay.
5. SimpleBench và IntegrityBench
Theo anh (video đăng ngày 19/11/2026), đây có thể là một phần lý do khiến dòng Gemini 4 làm tốt vượt kỳ vọng ở nhóm đầu trên SimpleBench, benchmark của chính anh. Một trong những cách anh kiểm tra thứ mà anh từng nghĩ là common sense của model là dựng các câu đố suy luận không gian: những thứ mà nếu một người hình dung trong đầu vài giây thì sẽ giải khá dễ.
Anh nói benchmark này bao gồm nhiều thứ hơn nhiều so với chỉ suy luận không gian, và Fable 5.2 đúng là đạt điểm tốt nhất, nhưng một lần nữa, đừng bỏ qua Gemini 4 Neon (theo bảng anh cho xem, video đăng ngày 19/11/2026). Bảng xếp hạng MCQ trên màn hình ghi: Highest Human Score 95.4%, Claude Fable 5.2 94.9%, Gemini 4 Neon 94.4%, Gemini 4 Carbon 92.6%, Gemini 4 Argon và Gemini 4 Hydrogen cùng 91.7%, Claude Opus 5.5 88.4%, Claude Fable 5.1 86.6%, GPT-6 Astra Pro 86.5%, Human Baseline 83.7% và GPT-6 Astra 83.6%.
Anh cũng thấy khá lạ khi dòng 6.2 lại kém dòng 6, ít nhất là trên benchmark này, khoảng 4 hoặc 5 điểm (theo anh, video đăng ngày 19/11/2026).
Trên một benchmark riêng khác của anh, IntegrityBench, anh nhận thấy các model Gemini 4 có xu hướng kém hiệu chỉnh (calibrated) hơn nhiều về chính khả năng của mình: tự tin thái quá hơn hẳn rằng mình đã có đáp án đúng, so với, chẳng hạn, dòng model Claude. GPT-6.2 Astra nằm đâu đó ở giữa (theo anh, video đăng ngày 19/11/2026).

6. Baseline trong so sánh Blender và một chuyện kể cá nhân
Theo anh (video đăng ngày 19/11/2026), đôi khi các lab như OpenAI sẽ đưa ra những so sánh trực quan như thế này để bạn cảm nhận được model mới nhất giỏi hơn bao nhiêu trong việc dùng các công cụ 3D như Blender. Ý họ ngầm nói là: quên benchmark đi, hãy nhìn những thứ mới và hay ho bạn có thể tạo ra với các model này. Anh nói điều đó hoàn toàn đúng, nhưng họ thường thay đổi baseline.
Thứ bạn thấy ở bên trái có thật là điều tốt nhất GPT-6 Astra có thể làm? Anh kể Teknium trên Twitter đã đào lại demo mà OpenAI phát hành khi GPT-6 Astra ra mắt, và theo anh nó ấn tượng hơn nhiều so với "baseline giả" bạn vừa thấy. Vậy là, theo một nghĩa nào đó, mắt bạn có thể đánh lừa bạn (nhận định trong video đăng ngày 19/11/2026).
Anh nói anh cũng có thể kể chuyện cá nhân như bất kỳ ai, rằng Gemini 4 Carbon giỏi hơn nhiều so với GPT-6.2 Astra trong việc thiết kế những chuyến đi bộ tuyệt vời ở vùng nông thôn mà anh hay đi. Nó phân tích ảnh vệ tinh và đi chi tiết hơn nhiều khi đào lại lịch sử của các thôn xóm và thị trấn địa phương (theo trải nghiệm anh kể, video đăng ngày 19/11/2026). Tất nhiên, gói Gemini của anh cũng rẻ hơn nhiều so với gói OpenAI của anh, nhưng anh nói tất cả chỉ là chuyện kể cá nhân.
7. 40 giờ hay dưới 15 phút: hai cách đo độ tin cậy
Nhân nói tới chuyện kể, anh hỏi bạn đã nghe về biểu đồ time horizon của METR chưa (video đăng ngày 19/11/2026). Biểu đồ đó đo bằng số giờ làm việc của con người xem các model đang giỏi lên thế nào, ở độ tin cậy 50 hoặc 80 phần trăm, với các task coding và nghiên cứu machine learning mà con người mất hàng chục giờ. Ngoại suy lên khoảng 40 giờ, bạn có thể thấy theo anh chúng ta đã có model đạt độ tin cậy 80%. Biểu đồ anh cho xem có một điểm ghi "Model 4" (Anthropic internal) với ước tính khoảng 38 giờ.
Nhưng khoan, anh nói chúng ta có một báo cáo mới của OpenAI mà anh đang đọc kỹ. Theo anh nó rất xuất sắc, và anh khen OpenAI đã công bố nó, tốt hơn nhiều so với bất cứ thứ gì Anthropic đã đưa ra (nhận định trong video đăng ngày 19/11/2026). Báo cáo này cho thấy, với các task liên quan tới coding và ML, ngưỡng độ tin cậy 80% nằm ở các task dưới 15 phút, trên dữ liệu mới tới tận một tháng trước, ngày 18/10.

Vậy là 38 giờ hay dưới 15 phút? Chuyện gì đang diễn ra? Theo anh (video đăng ngày 19/11/2026), nếu mọi thứ phụ thuộc vào IQ của model, thì các model lẽ ra phải giỏi đại khái như nhau ở mọi việc. Nhưng tất nhiên, chúng chỉ có thể học những pattern mà chúng thấy trong dữ liệu được huấn luyện.
Với việc review code, theo anh các model như GPT-6.2 Astra đúng là có độ tin cậy thật sự khá cao: tự thành công hoàn toàn, cứ cho là khoảng 70% số lần. Với việc viết code cho inference và serving stack, con số là khoảng 25% số lần (theo cách anh đọc biểu đồ trong báo cáo, video đăng ngày 19/11/2026). Trên biểu đồ theo từng task mà anh cho xem, "27. Write code for inference and serving stacks" là mục số 27, quanh mức 25% trên trục zero-intervention success rate.
Anh thừa nhận rõ ràng còn những yếu tố khác, như độ phức tạp của task và mức độ nó phụ thuộc vào việc một bước duy nhất bị sai. Nhưng anh mong tất cả những điều này cho thấy việc tóm gọn một model bằng một điểm dữ liệu, hay thậm chí một tá, đơn giản là không thể (theo anh, video đăng ngày 19/11/2026).
8. Phần hai: tiến bộ phần nào dễ đoán, tác động khó đoán
Dù vậy, theo anh (video đăng ngày 19/11/2026), bạn có thể nói không thể phủ nhận rằng chúng ta đang thấy tiến bộ phần nào dễ đoán trên các benchmark tổng hợp. Đó là thông điệp chính thứ hai: không chỉ là rõ ràng chúng ta chưa chạm tường, mà còn là những tác động khó đoán có thể xảy ra ở một số ngưỡng năng lực nhất định.
Anh bảo hãy nhìn biểu đồ đi lên của các model OpenAI. Đây là bản tổng hợp của 34 benchmark công khai từ Epoch Capabilities Index mà ta thấy ở trên, cộng với 35 benchmark nội bộ của OpenAI. "That's a lot of benchmarks", anh nói (biểu đồ trong video đăng ngày 19/11/2026).

Rồi anh hỏi (video đăng ngày 19/11/2026): trên biểu đồ này, bạn thấy đột phá Navier-Stokes ở đâu? Khoảnh khắc mà theo anh các model đột nhiên có khả năng giải những bài toán Millennium Prize trong toán học, vượt qua cả những gì các nhà toán học đạt Fields Medal có thể làm được. Nó không ở đâu cả. Chúng ta không biết ngưỡng trong toán học nằm ở đâu, lúc nào có đủ dữ liệu để model nhận ra những pattern dẫn tới các đột phá như vậy.
Hãy tìm trên biểu đồ này khoảnh khắc mà các ngân hàng bắt đầu gặp rủi ro, khi model đã được huấn luyện trên đủ dữ liệu về chiến tranh mạng để tìm ra những pattern nền tảng và tìm ra hàng loạt lỗ hổng zero-day (theo anh, video đăng ngày 19/11/2026).
Theo anh (video đăng ngày 19/11/2026), Anthropic tất nhiên cũng có phiên bản biểu đồ này của riêng họ, và cả hai có một điểm chung. Vào khoảng lúc các nhà nghiên cứu AI bắt đầu dùng được model để tự động hoá việc coding, giải phóng họ để thử nhiều ý tưởng song song, khi model đủ giỏi để làm việc đó, đâu đó giữa tháng 8 và tháng 10/2025, đó là lúc tiến bộ của model chuyển sang một độ dốc mới. Anh nói nhân tiện, biểu đồ của OpenAI bắt đầu từ tháng 8/2025 vì lý do đó. Nhưng một lần nữa, bạn có tìm ra "khoảnh khắc Mythos" trên biểu đồ này không?
Anh xin rẽ ngang một chút trước khi rời chủ đề an ninh mạng, dựa trên một bài độc quyền của The Information. Theo bài đó, như anh tóm lại (video đăng ngày 19/11/2026), trong nội bộ Greg Brockman nhấn mạnh rằng tất nhiên các model của OpenAI như GPT-6.2 Astra có thể được dùng để củng cố phòng thủ mạng. Đoạn được tô sáng trên màn hình ghi ông trình bày điều đó "as both meaningful work for the company to do and a lucrative business opportunity", vừa là việc có ý nghĩa cho công ty, vừa là một cơ hội kinh doanh béo bở.
Ý ngắn của anh là về động lực lệch (misincentives). Theo anh (video đăng ngày 19/11/2026): nếu các lab biết rằng tăng tốc tối đa năng lực cyber sẽ phát hiện ra nhiều lỗ hổng hơn theo cấp số nhân, và do đó các công ty trên khắp thế giới sẽ trở nên phụ thuộc vào họ để được bảo vệ, thì điều đó chẳng phải tạo động lực để bạn đẩy mạnh hơn một chút sao? Và xem nhẹ hơn một chút rủi ro của việc đẩy mạnh năng lực chiến tranh mạng? Anh nói đây chỉ là một điều để suy nghĩ: nếu các lab này không kiếm được đồng nào từ việc phòng thủ trước những mối đe doạ đó, liệu họ có đẩy mạnh phía tấn công nhiều như vậy không?
9. AI đang làm nghiên cứu AI nhanh hơn bao nhiêu
Nói về chuyện tiến bộ dễ đoán dẫn tới tác động khó đoán, anh hỏi: còn tác động lên chính nghiên cứu AI thì sao? Theo anh (video đăng ngày 19/11/2026), nó chắc chắn đang được đẩy nhanh, nhưng không ai thống nhất được là nhanh tới mức nào.
Đã có nhiều tranh luận về việc tiến bộ của Anthropic giờ có nhanh gấp đôi xu hướng lịch sử nhờ AI hỗ trợ hay không. Theo anh (video đăng ngày 19/11/2026), đó là một điều khoản quan trọng mà Anthropic phải thêm vào hồ sơ IPO. Ngưỡng của Anthropic là gấp hai lần tốc độ tiến bộ lịch sử, phần tăng thêm đó quy cho AI. Với Anthropic, đó là làm xong khối lượng việc của hai năm trong một năm.
Nhưng theo báo cáo của OpenAI phát hành trong 24 giờ trước (tính từ video đăng ngày 19/11/2026), khi các nhà nghiên cứu OpenAI được hỏi họ làm được bao nhiêu với coding agent, xét theo việc hoàn thành khối lượng công việc có giá trị tương đương so với mức nền chỉ dùng ChatGPT, họ nói với coding agent họ làm xong khối lượng của ba tháng trong một tháng. Câu được tô sáng trong báo cáo ghi họ sẽ cần trung vị ba tháng để hoàn thành công việc có giá trị tương đương với tháng làm việc gần nhất nếu không được dùng coding agent, "if they were only allowed to use GitHub Copilot + ChatGPT".
Nhìn bề ngoài, theo anh (video đăng ngày 19/11/2026), đó là tốc độ tăng tốc do AI cao hơn cả con số METR hay Anthropic báo cáo. Nhưng điều này đưa ta trở lại bài học ở đầu video: sự phụ thuộc vào dữ liệu. Để tính tốc độ tiến bộ, METR và Anthropic nhìn vào 15 benchmark; OpenAI, như ta đã thấy, nhìn vào nhiều hơn nhiều.
METR nhìn vào tốc độ tiến bộ thực tế bây giờ so với tốc độ lịch sử, dù họ tìm ra lỗi ở ba trong số các benchmark. Tuy nhiên, theo anh (video đăng ngày 19/11/2026), họ phải đánh giá một cách chủ quan tác động của AI lên phần tăng của xu hướng benchmark đó. Không có một thông điệp phản thực (counterfactual) vĩ đại nào mà một nhà nghiên cứu nhận được vào cuối ngày, kiểu "79.2% công việc hôm nay của bạn là nhờ AI".
Rồi còn việc tách bạch giữa mức tăng tốc của cá nhân nhà nghiên cứu với mức tăng năng lực AI thực tế đạt được. Theo anh (video đăng ngày 19/11/2026), khi các nhà nghiên cứu Anthropic được hỏi họ được model đẩy nhanh bao nhiêu, họ nói 12x. Các nhà nghiên cứu OpenAI được hỏi về đầu ra, về công việc có giá trị tương đương, và họ nói 3x. Bạn có thể thấy con số phụ thuộc thế nào vào câu hỏi được đặt ra và dữ liệu bạn dùng.
10. FrontierRSI và Vals RSI Index
Còn những thước đo bên ngoài về việc model đang giỏi lên thế nào ở chuyện tự cải thiện, ở chính nghiên cứu AI? Theo anh (video đăng ngày 19/11/2026), Abundant Labs đã làm ra bảng xếp hạng FrontierRSI. Bảng này đặt Opus trên Fable 5.2, Fable 5.2 nhỉnh hơn Gemini 4 Carbon một chút, và Gemini 4 Carbon bỏ khá xa Astra. Bảng anh cho xem ghi Claude Opus 5.5 34.3%, Claude Fable 5.2 33.0%, Gemini 4 Carbon 29.8% và GPT-6 Astra 20.9%.
Vals AI so sánh trực tiếp GPT-6.2 Astra với Fable 5.2 (theo anh, video đăng ngày 19/11/2026).

Nhưng theo anh (video đăng ngày 19/11/2026), những benchmark này chỉ có thể là đại diện gần đúng (proxy) cho nghiên cứu AI thật. Muốn biết nghiên cứu AI thật, chúng ta phải dựa vào sự minh bạch của các lab. Dù vậy, đó là hai điểm dữ liệu độc lập gợi ý rằng Anthropic có thể đang huấn luyện model trên nhiều dữ liệu liên quan tới tự cải thiện, tới chính nghiên cứu AI, hơn.
11. Tom Brown nói về compute multiplier
Theo anh (video đăng ngày 19/11/2026), quả thật các đồng sáng lập Anthropic khoe về việc model của họ giỏi recursive self-improvement tới đâu. Nhân dịp Anthropic ra mắt trên sàn hôm nay (ngày đăng video), anh đã xem video quảng bá IPO dài 40 phút và cho xem đoạn Tom Brown, một trong những đồng sáng lập Anthropic, nói về tự cải thiện. Thẻ tên trong đoạn trích ghi ông là Anthropic Chief Compute Officer, trong Anthropic IPO roadshow ngày 10/11/2026.
Tom Brown nói (trích trong video đăng ngày 19/11/2026): động lực thứ hai cho lợi thế compute của Anthropic là tốc độ họ khám phá ra các compute multiplier. Anthropic tập trung vào tổng compute hiệu dụng (total effective compute), là tích của năng lực vật lý nhân với các compute multiplier mà họ khám phá ra. Mỗi multiplier họ tìm ra làm cho tổng lượng compute hiệu dụng của họ lớn hơn.

Ông lấy ví dụ (trích trong video đăng ngày 19/11/2026): giả sử bạn cần 100 đơn vị compute để huấn luyện một model ở một mức trí tuệ nhất định. Một compute multiplier 4x nghĩa là bạn có thể dùng 25 đơn vị compute để huấn luyện đúng model đó, hoặc dùng 100 đơn vị vật lý đó để huấn luyện một model còn thông minh hơn, thứ mà trước đây sẽ cần 400 đơn vị.
Theo Tom Brown (trích trong video đăng ngày 19/11/2026), compute multiplier tạo ra một lợi thế cạnh tranh cho Anthropic mà khó sao chép. Chúng xây chồng lên nhau: mỗi multiplier mới được khám phá có tác động tích cực lên các multiplier trước đó; chúng cộng dồn. Ông nói Anthropic tin rằng điều này có thể tăng tốc hơn nữa khi tiến gần tới recursive self-improvement: Claude sẽ có thể tự mình khám phá ra compute multiplier hoàn toàn, khiến số lượng compute multiplier tăng ngày càng nhanh.
12. Phần ba: "race to the top", quảng cáo và embedded evaluation
Điều đó đưa anh tới phần thứ ba của video: "race to the top" (cuộc đua lên đỉnh) mà Dario Amodei đã hứa. Theo anh (video đăng ngày 19/11/2026), ý tưởng phần nào đơn giản. Một số người trong Anthropic gọi nó là "you can't do safety from second place", không thể làm safety từ vị trí thứ hai. Ý tưởng là Anthropic lao lên để dẫn đầu, lao lên để tạo ra một nhà nghiên cứu AI tự động. Rồi họ làm thật tốt mọi thứ liên quan tới safety. Họ cho thấy có thể xây dựng công nghệ này một cách có trách nhiệm, và điều đó thúc đẩy các công ty khác bắt chước cách làm của họ. Việc này hiệu quả hơn rất nhiều nếu công ty thực hành những thói quen tốt đó đang ở frontier.
Anh cho xem một bài đăng của Dario Amodei trên X; đoạn được tô sáng ghi rằng các lực thúc đẩy race to the top "hugely more effective if the company practicing them is at the frontier", và nhìn chiến lược đó như một tổng thể, ông tự hào về thành tích của Anthropic và "stand by it" (bài đăng trong video đăng ngày 19/11/2026). Một trong những ví dụ ông nêu là Anthropic đã từ chối quảng cáo. Anh đề nghị tạm bỏ qua một lúc việc các công ty khác đã đưa quảng cáo vào cách làm Gen AI của họ, và chỉ tập trung vào ý cốt lõi: một race to the top.
Theo anh (video đăng ngày 19/11/2026), một ví dụ nổi bật mà Amodei nêu là embedded evaluation: mời những người giám sát độc lập vào làm việc với quyền truy cập như nhân viên, để xác minh rằng các lab đang làm đúng những gì họ nói. Amodei kể ông đã kêu gọi điều đó, rồi Sam Altman, Elon Musk và những người khác đã đồng ý.
Vậy hãy nhìn vào Anthropic. Trước hết, theo anh (video đăng ngày 19/11/2026), Anthropic nói họ đang làm việc này với Accenture và xây dựng năng lực trong năm năm tới. Làm sao dung hoà điều đó với chính dự đoán của Anthropic về recursive self-improvement hoàn toàn vào năm 2027, theo lời đồng sáng lập Jack Clark, anh nói anh không chắc. Anh nghĩ việc đánh giá những model năm 2030 liên tục tự cải thiện sẽ khá khó khăn cho Accenture.

13. METR, Dan Hendrycks và evaluator ở OpenAI
Theo anh (video đăng ngày 19/11/2026), ví dụ nổi bật còn lại về việc Anthropic mời evaluator độc lập vào tất nhiên là METR. Anh nói METR sau đó phải che (redact) phần lớn bằng chứng họ tìm được. Rồi anh lưu ý điều này: Anthropic thật ra đã đưa lời mời làm việc cho một thành viên trong nhóm của METR tham gia đánh giá. Đoạn được tô sáng trong phần công bố xung đột lợi ích của METR mà anh cho xem ghi rằng ở đầu dự án, một thành viên tham gia đang trao đổi với Anthropic về một vị trí có thể có, "They received an offer and declined it": người đó nhận được lời mời và đã từ chối.
Anh đọc thêm lời Dan Hendrycks, người mà anh giới thiệu là trước đây ở xAI. Bài đăng ngày 18/11/2026 của Hendrycks hiện trên màn hình ghi: nhiều nhóm AI safety đã nói riêng với họ rằng các nhóm đồng ý với một tuyên bố về Anthropic, nhưng cảm thấy không thể ký mà không mạo hiểm các mối quan hệ hay nguồn tài trợ tương lai; Anthropic đã gần như, nhưng không hoàn toàn, chiếm lĩnh hệ sinh thái lẽ ra phải giữ Anthropic chịu trách nhiệm (bài đăng trong video đăng ngày 19/11/2026).
Được thôi, nhưng ít nhất Anthropic đã khởi động một race to the top và các công ty khác đã cam kết làm theo? Theo anh (video đăng ngày 19/11/2026), về cơ bản chưa công ty nào làm gì về chuyện đó, có lẽ trừ OpenAI. Sam Altman hứa trao cho các evaluator độc lập quyền truy cập như nhân viên. Nhưng theo anh, các evaluator như Goodfire, METR, Transluce và Apollo sẽ không được nói chuyện với bất kỳ ai họ muốn; OpenAI được chọn. Họ sẽ không có quyền vào Slack.
Theo anh (video đăng ngày 19/11/2026), ngay cả nhân viên OpenAI cũng đang phàn nàn về chuyện này, không chỉ những người mà anh nói gần đây đã bị sa thải vì liên hệ với evaluator. Đáp lại việc Sam Altman cam kết trao cho evaluator quyền truy cập như nhân viên, Jason Wolfe, hiện đang ở OpenAI, viết trong bài đăng anh cho xem: ông đã rất hào hứng với tweet của Sam, và dù ông vẫn hào hứng với những hợp tác này, ông cũng thấy kết quả này thật sự đáng thất vọng; ông hy vọng có thể làm tốt hơn trong tương lai gần.
Bạn đang nghĩ, theo lời anh: ổn thôi, đó là quảng cáo và evaluator, có gì to tát. Còn an ninh model thật sự thì sao? Ngăn model làm những chuyện xấu, đảm bảo ít nhất chúng ta giám sát được chúng đang làm gì. Race to the top ở đó đang thế nào? Theo anh (video đăng ngày 19/11/2026), các công ty không phải Anthropic, như OpenAI và Google DeepMind, biết họ đang tụt lại một chút, hoặc nhiều, như ta đã thấy, tuỳ lĩnh vực.
Theo anh (video đăng ngày 19/11/2026), vì AI có thể phần nào mang tính "winner takes all", bạn nghĩ điều đó khuyến khích họ làm gì? Khi Anthropic lao hết tốc lực tới một nhà nghiên cứu AI tự động và khoe về việc điều đó cho họ dẫn trước bao xa, bạn sẽ làm gì nếu đang cố cạnh tranh? Trong trường hợp OpenAI, anh nói có lẽ là đưa ra những lựa chọn mà bình thường bạn đã không làm.
14. Chain of thought và một lựa chọn kiến trúc của OpenAI
Để giải thích, anh kể một chút bối cảnh (video đăng ngày 19/11/2026). Model được huấn luyện để xuất ra các bước trung gian trong một scratch pad; các bước gộp lại thành thứ gọi là chain of thought. Model làm việc trên đó. Bạn thấy một bản tóm tắt các bước chứ không phải các bước thật, rồi bạn thấy output đầy đủ. Việc này giúp model thực hiện các phép tính tuần tự: suy nghĩ, hoặc nếu bạn không thích cách nói đó, "suy nghĩ" một cách nhân tạo lâu hơn trước khi trả lời.
Theo anh (video đăng ngày 19/11/2026), chưa đầy 18 tháng trước, chief scientist của OpenAI nói ông cực kỳ hào hứng với tiềm năng của chain of thought faithfulness và interpretability. Đây không phải chuyện đi sâu vào mạng neural của các model để phân tích activation. Đây là chuyện đọc bằng tiếng Anh thông thường xem model định làm gì, tất nhiên với hy vọng điều đó trung thực với những gì nó thật sự sắp làm.
Trong paper ngày 10/11/2026 của OpenAI mà anh trích, OpenAI viết rằng monitorability là một trụ cột cốt lõi trong safety case của họ, và dù monitorability có thể đạt được bằng cách nhìn vào hành động hay activation, cho tới nay họ cũng đã dựa vào chain of thought monitorability như một thành phần then chốt trong chiến lược scalable oversight. Theo cách anh diễn giải (video đăng ngày 19/11/2026), họ đang nói đó gần như là công cụ tốt nhất của họ.
Theo anh (video đăng ngày 19/11/2026), các ngành có yêu cầu an toàn cao khác, như hàng không, phải đưa ra safety case: những lập luận toàn diện, có cấu trúc, dựa trên bằng chứng về rủi ro. Việc giám sát được các chain of thought đó và kiểm tra rằng chúng phản ánh trung thực những gì model sẽ làm là trụ cột cốt lõi để OpenAI tạo ra những safety case như vậy.
Điểm anh muốn nói là thế này (video đăng ngày 19/11/2026): OpenAI đã chọn một hướng kiến trúc chuyển nhiều phần suy luận hơn từ chain of thought viết thành lời vào bên trong, vào các hidden layer của mạng. So với các model tương đương cùng kích thước, đánh giá theo điểm trên một benchmark cụ thể, model của OpenAI có thể làm nhiều bước suy luận tuần tự hơn trước khi xuất ra một output token duy nhất. Theo anh, đó là do phần suy luận đã chuyển vào bên trong nhiều hơn.

Theo anh (video đăng ngày 19/11/2026), alignment science lead của Anthropic về cơ bản đã xác nhận rằng cách loop một transformer như vậy làm tăng năng lực của model, mà không cần cả chain of thought, nhiều hơn so với các cách khác, chẳng hạn tăng chất lượng pre-training. Anh nói đây là một nghiên cứu khác, của Redwood Research, nhưng cùng kết quả.
Theo anh (video đăng ngày 19/11/2026), bạn có thể đọc điều này như nói rằng Anthropic lẽ ra đã có thể đi cùng hướng đó và vắt thêm được nhiều sức hơn nữa từ Fable 5.2. Nói theo anh, Anthropic biết về chiến thắng dễ dàng này nhưng chọn không làm. Điều đó có khởi động một race to the top không? Anh nói không, như bạn đã thấy.
15. Model khó giám sát hơn: phép so sánh nhân viên mới và CEO
Theo anh (video đăng ngày 19/11/2026), hai nhà nghiên cứu trước đây ở OpenAI, những tác giả chính của paper về sự mong manh của chain of thought được cả "who's who" của giới AI ký tên, thật ra gần đây đã bị sa thải, có vẻ vì những lý do khác.
Công bằng với OpenAI, theo anh (video đăng ngày 19/11/2026), trong paper anh trích ở trên họ nói rằng ngay cả với các biến thể kiến trúc của họ, năng lực của model khi không có chain of thought vẫn đang tăng. Ý là, theo cách anh diễn giải, đó là một xu hướng vốn đang diễn ra, và OpenAI có thể chỉ đang đẩy nhanh nó một chút.
Nếu bạn thắc mắc, theo anh (video đăng ngày 19/11/2026), khả năng hoàn thành task mà không cần chain of thought tương ứng với khả năng của model kiểm soát chain of thought của mình, sao cho scratch pad không khớp với những gì nó thật sự sắp làm. Điều đó làm suy yếu chính trụ cột then chốt mà OpenAI hy vọng sẽ là safety case cho các model tương lai.
Ngay cả bản tóm tắt của chính OpenAI, như anh trích (video đăng ngày 19/11/2026), cũng ghi: monitorability là then chốt ("crucial"), và cho tới nay họ chủ yếu dựa vào chain of thought monitorability nói riêng. Các kết quả được bàn tới khiến người ta phải tỉnh táo ("sobering"): khi scale lên những hệ thống ngày càng thông minh hơn, các model đang trở nên khó giám sát hơn qua chain of thought của chúng.
Với anh, một phép so sánh có thể hữu ích là thế này (video đăng ngày 19/11/2026). Hãy hình dung một nhân viên mới ở một công ty, chẳng hạn Nvidia, làm thiết kế chip. Cuối tuần, bạn có thể xem mọi thứ họ đã làm trên máy tính. Theo anh, đó có lẽ sẽ là một bức ảnh chụp khá trung thực về những gì họ thật sự làm được trong tuần.
Nhưng hãy tăng độ phức tạp của các pattern lên và nghĩ tới một CEO, một người nhận thức về tình hình rộng hơn nhiều. Bạn có thể xem laptop của họ vào cuối mỗi tuần, nhưng tất cả những gì bạn thấy là email. Theo anh (video đăng ngày 19/11/2026), bạn có thể thấy điều này vẫn soi sáng được nhiều thứ, nhưng có thể không phản ánh hết những gì họ đã suy tính trong tuần.
16. Greg Brockman, Jacob Coxon và thời gian dành cho safety ở OpenAI
Theo anh (video đăng ngày 19/11/2026), Greg Brockman của OpenAI từng nói ông hào hứng với chain of thought monitorability; giờ ông nói tình hình trông không tốt. Anh cho nghe một đoạn Brockman nói tại NYT DealBook Summit.
Brockman nói (trích trong video đăng ngày 19/11/2026): cách mà OpenAI quan sát được rằng AI đang làm điều họ muốn là qua chain of thought monitoring. Khi mới phát triển công nghệ đó, họ đã nói phải đảm bảo nó giữ được trung thực. Nhưng khi các model có năng lực hơn, chúng có thể làm được nhiều hơn chỉ trong forward pass, mà không cần thật sự viết ra suy nghĩ đó, nghĩa là họ cần một cách tiếp cận mới để giám sát, và họ sẽ cần làm được điều đó. Ông nói khi năng lực đạt tới một mức nào đó, chain of thought monitorability đã bị suy giảm.
Anh nói, "dare I say it", với anh OpenAI đang bắt đầu có vẻ cởi mở hơn trong cách truyền thông (nhận định trong video đăng ngày 19/11/2026). Thay vì một race to the top do Anthropic dẫn dắt, báo cáo của OpenAI hôm qua (tính từ ngày đăng video) nói thế này, theo cách anh tóm lại: OpenAI thừa nhận rằng để duy trì sự giám sát của con người với các hệ thống, họ sẽ cần những đột phá mới; về cơ bản, trên quỹ đạo hiện tại (tính đến 11/2026), họ sẽ không duy trì được sự giám sát đó. Đoạn được tô sáng trong báo cáo ghi họ sẽ cần giải quyết những vấn đề kỹ thuật và quản trị mới để duy trì sự giám sát của con người, và "our reporting should not be read as an intention to pursue full RSI".
Anh nói tới Jacob Coxon, người mà anh giới thiệu là tác giả của tweet 175 triệu lượt xem. Theo anh (video đăng ngày 19/11/2026), Coxon bị sốc khi IPO roadshow của Anthropic trình diễn các compute multiplier hướng tới RSI một cách táo bạo như vậy. Bài đăng của Coxon trên màn hình ghi: slide này trong IPO roadshow của Anthropic là một yếu tố lớn trong quyết định ra đi của anh ấy; "It's an insane plot and I'm surprised they made it public"; và các cải tiến thuật toán không đòi hỏi thiên tài sáng tạo phi thường, và đang ở ngưỡng được tự động hoá.
Anh lại muốn khen OpenAI về sự minh bạch, và nói anh ước Anthropic đưa ra những biểu đồ như biểu đồ này (video đăng ngày 19/11/2026). Nó cho thấy thời gian của nhà nghiên cứu con người dành cho từng mảng nghiên cứu trong năm 2026, đại khái từ tháng 2 tới tháng 10. Theo anh, đúng là các con số tăng trưởng thú vị, nhưng thứ hạng tuyệt đối mới là điều anh thấy thú vị hơn.

Anh nói anh đã nhờ Gemini 4 Carbon phân tích các pixel và tạo một thang đo (video đăng ngày 19/11/2026). Kết quả cho thấy thời gian của nhà nghiên cứu con người vào khoảng tháng 2 dành cho safety và alignment là khoảng một phần sáu, hay 16.7%; sau sự cố Hugging Face và mọi chuyện khác, con số đó giờ đã tăng lên 21% vào tháng 10. Nhưng theo anh, ít nhất chúng ta biết con số; ít nhất OpenAI đang phần lớn minh bạch ở mặt này. Chúng ta không có con số tương đương nào từ Anthropic.
17. Paul Christiano và câu hỏi ai nghĩ ra ý tưởng
Bạn có thể cãi lại, theo anh (video đăng ngày 19/11/2026): có lẽ không ai ở OpenAI nghĩ rủi ro đủ cận kề hay đủ nghiêm trọng để dành thêm thời gian nhà nghiên cứu cho safety và alignment; có lẽ khoảng một phần năm thời gian nhà nghiên cứu là ổn. Anh đáp bằng cách giới thiệu thành viên hội đồng quản trị của OpenAI và cựu nhà nghiên cứu ngôi sao Paul Christiano, với điều ông nói trong vài ngày gần đây.
Christiano nói ông sẽ bắt đầu bằng câu quan trọng nhất (trích trong video đăng ngày 19/11/2026): ông nghĩ có rủi ro cao về một cuộc AI takeover trong ba năm tới. Theo ông, AI takeover là tình huống có những hệ thống AI theo đuổi mục tiêu, và những hệ thống đó nắm quyền quyết định theo cùng nghĩa mà con người ngày nay nắm quyền quyết định những gì xảy ra trên Trái Đất; và nếu, chẳng hạn, bạn, tôi hay Donald Trump muốn ngăn chúng lại, thì cũng vô hiệu như khi bạn hay tôi cố ngăn quân đội Mỹ.
Một lần nữa, theo anh (video đăng ngày 19/11/2026), bạn có thể gọi anh là hoài nghi rằng chính Anthropic đang dẫn dắt race to the top này, khi chính OpenAI là bên chọn công bố dữ liệu quan trọng này. Anh nói thêm, OpenAI cũng đã cam kết cung cấp thêm thông tin ở những mảng như mức tăng tốc chênh lệch giữa nghiên cứu năng lực và nghiên cứu safety. Trên màn hình, đoạn báo cáo được tô sáng ghi "We also hope to expand our reporting", với mục đầu tiên là "Differential acceleration of capabilities vs. safety research", và một thẻ chú thích bên cạnh ghi "...or at least 'hope to'".
Anh nói bạn có thể cũng sẽ quan tâm điều này (video đăng ngày 19/11/2026): với các bản phát hành Astra, các nhà nghiên cứu OpenAI được hỏi rằng chính model hay chính các nhà nghiên cứu đã nghĩ ra những ý tưởng nghiên cứu lớn mới. OpenAI hỏi những nhà nghiên cứu có đóng góp then chốt ở mỗi trong ba mảng: pre-training, post-training và safety monitoring. Theo anh, tất cả đều nói chính con người đã nghĩ ra tất cả những ý tưởng mà họ kể tên, những ý tưởng quan trọng nhất với, chẳng hạn, bản phát hành GPT-6.2 Astra. Phải thừa nhận, một người nói ý tưởng chính là của họ, nhưng nó chỉ bắt đầu chạy tốt sau khi Codex đề xuất một thay đổi.
Trang báo cáo anh cho xem ("Where big ideas come from") ghi chi tiết hơn: OpenAI hỏi một tới bốn nhà nghiên cứu ở mỗi mảng kể tên một tới ba ý tưởng quan trọng nhất với các bản GPT-6 Astra và GPT-6.2 Astra; nhà nghiên cứu post-training và safety monitoring nói rằng theo hiểu biết của họ "people came up with all the ideas they named", còn nhà nghiên cứu pre-training cũng quy các ý tưởng cho GPT-6 Astra hoàn toàn cho con người; với GPT-6.2 Astra, một người ghi công Codex trong việc nhận ra những insight then chốt, và một người khác nói ý tưởng chính là của họ nhưng chỉ chạy tốt sau khi Codex đề xuất một thay đổi (trang trong video đăng ngày 19/11/2026).
Theo anh (video đăng ngày 19/11/2026), hãy để ý rằng những đột phá mới trong pre-training và post-training AI tất yếu sẽ khá hiếm trong dữ liệu huấn luyện đưa cho model, gần như theo định nghĩa, vì chúng mới. Theo lý thuyết anh trình bày xuyên suốt video, khi đó sẽ hợp lý là, vì model không có nhiều dữ liệu huấn luyện loại này, sẽ mất lâu hơn nhiều để model tiến bộ ở khâu nghĩ ra ý tưởng.
18. Báo cáo safety của Google, phần còn lại của tuần và lời cuối cho người Anthropic
Một điều khác mà Anthropic và Amodei nêu khi mô tả race to the top, theo anh (video đăng ngày 19/11/2026), là: Anthropic viết ra những system card hay báo cáo safety dài hàng trăm trang, và đã truyền cảm hứng cho những bên khác như Google làm theo. Anh nói đúng vậy, nhưng nếu bạn đọc những bản của Google, chúng soi sáng được ít hơn nhiều.
Trong một kết luận bị chôn ở trang 80 của bản báo cáo safety dài 217 trang này, Google DeepMind viết, như anh đọc trên màn hình (video đăng ngày 19/11/2026): họ thấy "unlikely" rằng Gemini 4 Argon sẽ gây ra tác hại thực tế đáng kể bằng cách tự động né tránh sự giám sát và kiểm soát của họ. Anh chen vào: "Good to know." Và "highly unlikely" rằng nó sẽ làm vậy ở quy mô nghiêm trọng hay lớn. Anh đọc tiếp "impossible", rồi nói "wait, not impossible": họ cũng thấy "highly unlikely" rằng Gemini 4 Argon sẽ có hành động dẫn tới việc thoát khỏi sự kiểm soát một cách không giới hạn, như các bản triển khai bất hảo tồn tại dai dẳng hay phá hoại nghiên cứu và phát triển machine learning.

Theo cảm nhận của anh ("it just feels to me", video đăng ngày 19/11/2026), lab nào càng tụt sau Anthropic xa thì càng bỏ đi nhiều cái cớ về an ninh model. Nói cách khác, theo anh, các lab đó biết ít người đọc báo cáo safety hơn.
Anh nói chừng đó có lẽ là đủ cho một video, nhưng còn rất nhiều thứ nữa anh đã có thể nói, chỉ riêng trong tuần này (video đăng ngày 19/11/2026). Chẳng hạn các cách chống distillation mà OpenAI giờ đã có, cùng Anthropic siết chặt chuyện đó. Theo anh, huấn luyện trên output của các frontier model từng là một cách dễ để bắt kịp, chẳng hạn với các model open weight của Trung Quốc. Anh hỏi bạn có để ý rằng gần đây các model Trung Quốc có vẻ đã tụt lại phía sau không.
Anh cũng đã có thể nói về việc GPT-6.2 Astra và các model Gemini mới nhất đang ngày càng giỏi hơn, như ta đã thấy, ở chuyện nhận ra mình đang bị đánh giá. Theo anh (video đăng ngày 19/11/2026), đó là thêm một cách mà việc giám sát đang mất dần.
Vào ngày Anthropic IPO, anh nói anh cảm thấy nên để lời cuối cho nhân viên Anthropic (video đăng ngày 19/11/2026). Bắt đầu với CEO Dario Amodei, người nói ông hy vọng xã hội sẽ đến lúc tin tưởng Anthropic. Trong đoạn trích, Amodei nói: ông tin rằng công ty nào xử lý đúng các rủi ro cũng sẽ là công ty có "license to operate", được xã hội tin tưởng, và được xã hội tin là có thể tạo ra lợi ích theo đúng cách.
Rồi anh giới thiệu Tao Lin, theo lời anh là "một nhân viên Anthropic khiêm tốn" (video đăng ngày 19/11/2026). Anh tóm lại rằng Tao Lin nghĩ sẽ là, trích nguyên chữ, "insane" nếu nhân loại dựa vào việc giúp Anthropic thắng chỉ vì Anthropic an toàn hơn một chút.
Tao Lin nói (trích trong video đăng ngày 19/11/2026): anh ấy nghĩ nhiều người làm về capabilities ở Anthropic vì họ tin rằng trao sức mạnh cho một bên an toàn hơn là tốt hơn, và anh ấy nghĩ điều này còn rất xa mới đủ. Nhiều người ở Anthropic đang cố giúp Anthropic thắng cuộc đua AI. Anh ấy nghĩ nhiều người ở Anthropic đang cố giúp trao sức mạnh cho những công ty sẽ an toàn hơn, sẽ ưu tiên đảm bảo họ có thể align và kiểm soát AI của mình trước khi xây dựng hay trước khi triển khai, và cho rằng đó là đủ lý do để làm về capabilities ở Anthropic. Anh ấy nghĩ đó là một canh bạc rất rủi ro, và sẽ là rất "insane" nếu nhân loại dựa vào chiến lược cố giúp Anthropic thắng vì Anthropic sẽ an toàn hơn các lab khác một chút.
Anh cảm ơn mọi người rất nhiều vì đã xem và chúc một ngày tuyệt vời.
Nguồn và liên kết 16 nguồn
- Tên gốc: Anthropic IPOs, GPT 6.2 Astra Arrives, But There’s a Bigger Story
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=KGA7B_c_S4s youtube.com
- Kênh YouTube AI Explained (AI Explained): youtube.com/channel/UCNJ1Ymd5yFuUPtn21xtRbbw youtube.com
- OpenAI, GPT-6.2 Astra and Sol system card (PDF, đọc ngày 19/11/2026): deploymentsafety.openai.com (PDF) deploymentsafety.openai.com
- Google, "Introducing Gemini 4 Neon" (đọc ngày 19/11/2026): blog.google: Introducing Gemini 4 Neon blog.google
- OpenAI Alignment Research Blog, "What affects chain-of-thought monitorability across the model lifecycle?" (đọc ngày 19/11/2026): alignment.openai.com alignment.openai.com
- METR, "Independent Assessment of AI R&D Acceleration at Anthropic in October 2026" (đọc ngày 19/11/2026): metr.org metr.org
- Anthropic, "Partnering with Accenture on embedded evaluation" (đọc ngày 19/11/2026): anthropic.com/news/accenture-embedded-evaluation anthropic.com
- Google DeepMind, Gemini 4 Argon Safety & Security Report (PDF, đọc ngày 19/11/2026): storage.googleapis.com (PDF) storage.googleapis.com
- Anthropic, trang Initial Public Offering (đọc ngày 19/11/2026): ipo.anthropic.com ipo.anthropic.com
- Epoch AI, Epoch Capabilities Index (đọc ngày 19/11/2026): epoch.ai/eci epoch.ai
- Artificial Analysis (đọc ngày 19/11/2026): artificialanalysis.ai artificialanalysis.ai
- Vals AI, Vals RSI Index (đọc ngày 19/11/2026): vals.ai/benchmarks/rsi_index vals.ai
- SimpleBench (đọc ngày 19/11/2026): simple-bench.com simple-bench.com
- IntegrityBench (đọc ngày 19/11/2026): integrity-bench.com integrity-bench.com


