Trò chơi này không hoàn toàn giống với bản gốc phát hành năm 1985 mà được chạy trên một trình giả lập và tích hợp với một framework mang tên GamingAgent. Thông qua GamingAgent, AI được đưa ra những hướng dẫn cơ bản để điều khiển Mario, ví dụ như “nếu có kẻ thù hoặc chướng ngại vật gần, hãy lùi hoặc nhảy để né tránh”, kèm theo hình ảnh trong game. AI sẽ tạo ra các đầu vào bằng mã Python để điều khiển Mario thi đấu.

Thậm chí, nghiên cứu chỉ ra rằng trò chơi này làm cho mỗi mô hình phải học cách lập kế hoạch những hành động phức tạp và phát triển chiến lược chơi. Đặc biệt, các mô hình suy luận như o1 của OpenAI lại có hiệu suất kém hơn so với các mô hình không suy luận, mặc dù chúng thường mạnh hơn trên nhiều bài kiểm tra khác.

Lý do chính khiến mô hình suy luận gặp khó khăn là do chúng cần thời gian để quyết định hành động, điều này không phù hợp với các trò chơi thời gian thực như Super Mario Bros, nơi mà thời gian là yếu tố then chốt. Chỉ một giây có thể làm nên sự khác biệt giữa việc nhảy an toàn qua một kẻ thù và kế đến là một cú rơi thảm hại.

Kể từ lâu, các trò chơi đã được dùng như thước đo khả năng AI. Tuy nhiên, một số chuyên gia đã bắt đầu đặt câu hỏi về sự hợp lý trong việc sử dụng kỹ năng chơi game của AI như một cách để đánh giá sự tiến bộ công nghệ. Các trò chơi thường trừu tượng và đơn giản hơn so với thế giới thực, đồng thời cung cấp một lượng dữ liệu vô hạn để huấn luyện AI.

Nhiều thử nghiệm gần đây với các trò chơi nổi bật chỉ ra một vấn đề lớn trong việc đánh giá khả năng AI. Andrej Karpathy, một nhà nghiên cứu tại OpenAI, cho biết: “Tôi không thực sự biết mình nên chú ý vào những chỉ số nào.” Theo ông, đánh giá khả năng của các mô hình AI hiện tại rất cần sự phân tích rõ ràng hơn trước khi có thể khẳng định được điều gì về khả năng của chúng. Dù vậy, ít nhất chúng ta vẫn có thể theo dõi AI chơi Super Mario như một màn biểu diễn thú vị.

The post Thí nghiệm với super Mario cho thấy AI gặp thách thức lớn appeared first on Nhật Phúc.

Người dùng có thể theo dõi quy trình suy nghĩ của mô hình trực tiếp, trong khi API cung cấp khả năng điều chỉnh thời gian suy nghĩ của Claude 3.7 Sonnet trước khi đưa ra phản hồi cho câu hỏi. Mô hình này cũng tích hợp nhiều nâng cấp đáng kể trong lĩnh vực lập trình và phát triển web.

Bên cạnh mô hình lý luận hybrid, Anthropic sẽ phát hành Claude Code – một công cụ dòng lệnh dành cho lập trình viên, cho phép họ giao nhiệm vụ trực tiếp cho mô hình AI ngay từ terminal, tuy nhiên tính năng này hiện đang trong giai đoạn thử nghiệm.

Một số điểm nổi bật của Claude 3.7 Sonnet bao gồm khả năng tự phản ánh trước khi đưa ra câu trả lời trong chế độ tư duy mở rộng. Điều này cải thiện khả năng của mô hình trên các nhiệm vụ như toán học, vật lý và lập trình. Chế độ tiêu chuẩn của Claude 3.7 Sonnet nâng cao tính năng so với phiên bản trước, Claude 3.5 Sonnet, cải thiện chất lượng phản hồi trong vô số tình huống.

Nổi bật trong giao diện là tùy chọn cho phép chọn chế độ tư duy tùy thuộc vào độ phức tạp của câu hỏi. Chế độ Bình thường, thường phù hợp cho hầu hết các trường hợp, nhưng có chế độ Tư duy Mở rộng dành cho những câu hỏi phức tạp hơn, đặc biệt thích hợp với các thử thách về lập trình và toán học.

Ngoài ra, Anthropic nhấn mạnh rằng Claude 3.7 Sonnet được phát triển với triết lý khác so với các mô hình lý luận khác trên thị trường. Công ty khẳng định rằng việc suy nghĩ nên là một khả năng tích hợp của các mô hình tiên tiến hơn là tách rời như trước. Điều này giúp tạo nên sự trải nghiệm liền mạch hơn cho người dùng.

The post Claude 3.7 Sonnet ra mắt, mô hình lý luận hybrid thông minh nhất thế giới appeared first on Nhật Phúc.

Người phát ngôn của Anthropic cũng nhấn mạnh rằng chi phí đào tạo mô hình này đã giảm đáng kể so với những mô hình trước. Nếu so sánh, Claude 3.5, mô hình tiền nhiệm của Sonnet, cũng chỉ tốn “một vài chục triệu đô la” để phát triển, theo lời CEO Anthropic, Dario Amodei, trong một bài viết gần đây.

Chi phí đào tạo cho Claude 3.7 Sonnet cho thấy mức độ giảm đáng kể so với chi phí phát triển những mô hình hàng đầu trong năm 2023. Mô hình GPT-4 của OpenAI đã tiêu tốn hơn 100 triệu đô la, trong khi Google đã đầu tư gần 200 triệu đô la cho mô hình Gemini Ultra. Những dữ liệu này cho thấy, việc phát triển và triển khai các mô hình AI hiện đại đang trở nên ngày càng dễ tiếp cận hơn và không còn quá tốn kém như trước đây.

Dù vậy, CEO Dario Amodei dự đoán rằng các mô hình AI trong tương lai sẽ có chi phí đầu tư lên tới hàng tỷ đô la. Chi phí đào tạo không chỉ bao gồm lập trình mà còn bao gồm các chi phí liên quan khác như thử nghiệm an toàn và nghiên cứu cơ bản. Khả năng cao rằng, khi ngành công nghiệp AI ngày càng phát triển, chi phí vận hành các mô hình cũng sẽ tăng theo.

The post Anthropic tiết lộ chi phí đào tạo AI mới nhất chỉ “hàng triệu đô” appeared first on Nhật Phúc.

Một tính năng nổi bật của Claude 3.7 là “scratchpad”, nơi mô hình hiển thị quá trình lý luận từng bước. Tính năng này giúp người dùng hiểu và điều chỉnh các tuyên bố, nâng cao tính hữu dụng của mô hình trong việc giải quyết các vấn đề phức tạp. Dianne Penn, Trưởng nhóm nghiên cứu của Anthropic, nhấn mạnh rằng scratchpad trở nên đặc biệt hữu ích khi được kết hợp với khả năng điều chỉnh độ sâu lý luận của mô hình, cho phép người dùng tối ưu hóa phương pháp giải quyết vấn đề.

Sự phát triển đáng chú ý này khiến Anthropic cạnh tranh hơn trong ngành AI, tại đây họ cung cấp một mô hình tích hợp khả năng lý luận và truyền thống, thay vì phải dùng hai mô hình riêng biệt như đối thủ. Claude 3.7 tỏ ra vượt trội trong các ứng dụng doanh nghiệp và các môn học chuyên sâu như lập trình và pháp lý, đã chứng minh hiệu suất vượt trội trên một số chỉ số so với mô hình o1 của OpenAI.

Ngoài Claude 3.7, Anthropic cũng ra mắt Claude Code, một công cụ AI giúp lập trình viên xử lý các nhiệm vụ mã hóa trực tiếp từ terminal của họ. Công cụ này hướng đến việc cải tiến quy trình lập trình có sự hỗ trợ của AI bằng cách cung cấp một khả năng lập kế hoạch và lý luận đầy đủ, từ đó cải thiện việc ứng dụng AI trong môi trường thực tiễn.

The post Claude 3.7 ra mắt: mô hình AI lý luận lai đầu tiên appeared first on Nhật Phúc.

Claude 3.7 được gọi là mô hình “lý luận hybrid” đầu tiên trên thị trường, cho phép người dùng lựa chọn giữa phản hồi nhanh hoặc quy trình tư duy chi tiết, tương tự như các mô hình o1 và o3 của OpenAI, Gemini 2.0 Flash Thinking của Google và R1 của DeepSeek. Khi sử dụng API của Claude 3.7, các nhà phát triển có thể chỉ định chính xác số token mà mô hình nên sử dụng để suy nghĩ, tới giới hạn đầu ra 128.000 token.

Mô hình mới này có sẵn cho tất cả các gói đăng ký Claude, mặc dù tính năng chế độ tư duy mở rộng chỉ khả dụng trên các gói trả phí. Giá API không thay đổi, duy trì ở mức 3 USD cho triệu token đầu vào và 15 USD cho triệu token đầu ra, với tài nguyên tư duy bao gồm trong giá đầu ra do chúng là một phần của ngữ cảnh mà mô hình xem xét.

Một thông tin thú vị khác là, trong bối cảnh Claude 3.5 Sonnet đã được biết đến với sự từ chối không cần thiết trong một số tình huống, Anthropic cho biết họ đã giảm tới 45% những từ chối này trong 3.7 Sonnet. Điều này có nghĩa là 3.7 Sonnet có khả năng hoàn thành nhiệm vụ mà không phải tỏ ra e dè về các giới hạn đạo đức, mà thường xuất hiện trong những tình huống vô hại khi bị hiểu sai bởi mạng nơ-ron điều khiển bên trong Claude.

Trong các bài kiểm tra hiệu suất, mô hình mới dường như tự đứng vững, và thậm chí còn xuất sắc trong ít nhất một lĩnh vực cụ thể: lập trình. Theo Anthropic, 3.7 Sonnet đã đạt được các điểm số hàng đầu trong các bài kiểm tra SWE-bench Verified, đánh giá cách mà các mô hình AI xử lý các vấn đề phần mềm trong thế giới thực, cũng như đối với TAU-bench, mô hình thử nghiệm AI về các nhiệm vụ phức tạp với tương tác của người và công cụ.

Hướng tới các nhà phát triển phần mềm, Anthropic đã mở rộng tích hợp GitHub cho tất cả các gói Claude, cho phép các nhà phát triển kết nối các kho mã trực tiếp với Claude để sửa lỗi, phát triển tính năng và công việc tài liệu.

Trên thực tế, trong quá trình tạo các ứng dụng theo sở thích với Claude 3.5 Sonnet trong sáu tháng qua, công cụ này đã chứng tỏ hữu ích trong việc nhanh chóng tạo mẫu các dự án, nhưng chúng tôi thường gặp phải giới hạn sử dụng. Hiện tại, Anthropic chưa công bố một gói đăng ký nào vượt ra ngoài “Claude Pro” (20 USD/tháng) nhằm mở rộng giới hạn này, mặc dù nhiều khả năng các lập trình viên sẽ cần một gói tương tự như gói “ChatGPT Pro” với các tùy chọn sử dụng được mở rộng đáng kể với 200 USD mỗi tháng.

Nói về các bản nâng cấp, tên gọi cần được đề cập. Claude 3.5 Sonnet ra mắt vào tháng 6 năm 2024, nhưng đã nhận được cập nhật vào tháng 10 với tên gọi gần giống nhau mà một số người dùng phê bình là gây nhầm lẫn. Rõ ràng, Anthropic đã nhận được thông điệp về nhu cầu làm rõ trong cách đặt tên và ghi chú trong bản phát hành Claude 3.7 với dòng chữ “Bài học rút ra về đặt tên”.

Claude 3.7, với tư duy mở rộng, cố gắng giải quyết các vấn đề phức tạp hơn bằng cách cung cấp nhiều token hơn thông qua một quy trình lý luận mô phỏng. Để thử nghiệm, chúng tôi đã đưa cho nó một số nhiệm vụ đơn giản. Claude đã cung cấp một số câu chuyện hài hước nguyên gốc mặc dù hiệu suất chưa hoàn hảo. Đặc biệt, Claude 3.7 Sonnet với tư duy mở rộng đã đưa chúng tôi đến một câu trả lời rõ ràng và giải thích.

Claude Code là công cụ agentic đầu tiên của Anthropic cho phép người dùng tìm kiếm trong các kho mã, chỉnh sửa tệp, viết và thực hiện các bài kiểm tra, cam kết và đẩy mã đến các kho GitHub. Được thiết kế để hỗ trợ các nhà phát triển trong việc gỡ lỗi và tái cấu trúc, Anthropic cho biết trong các thử nghiệm nội bộ, Claude Code đã hoàn thành các nhiệm vụ trong một phiên mà thường yêu cầu trên 45 phút làm việc bằng tay.

Claude Code hiện chỉ có sẵn dưới dạng “thử nghiệm nghiên cứu có giới hạn”, với điều kiện rằng Anthropic có kế hoạch cải tiến công cụ dựa trên phản hồi từ người dùng trong thời gian tới. Trong khi đó, Claude 3.7 Sonnet đã được cung cấp thông qua trang web Claude, ứng dụng Claude, API của Anthropic, Amazon Bedrock và Google Cloud’s Vertex AI.

The post Claude 3.7 Sonnet ra mắt với khả năng tư duy mở rộng nhằm giải quyết vấn đề phức tạp appeared first on Nhật Phúc.