Tencent Hunyuan phát hành Hy4: gia nhập top mạnh nhất trong mã nguồn mở, thử nghiệm bốn tình huống thực tế
Tác giả｜Tiểu Tĩnh
Biên tập｜Từ Thanh Dương
Ngày 4 tháng 11, Tencent Hỗn Nguyên chính thức phát hành mô hình ngôn ngữ lớn thế hệ mới Hy4. So với phiên bản Hy4 preview trước đó, mô hình mới mở rộng quy mô huấn luyện trước và sau, lần đầu tiên giới thiệu khả năng hiểu biết hình ảnh, đồng thời tập trung tăng cường khả năng tuân thủ chỉ dẫn, hiểu biết văn bản dài, tác nhân dài hạn và hiệu suất trong các nhiệm vụ sản xuất thực tế.
Tổng quy mô tham số của Hy4 là 770B, sử dụng kiến trúc chuyên gia hỗn hợp, và lần đầu tiên hỗ trợ sử dụng máy tính (Computer Use), có khả năng kết hợp dòng lệnh và giao diện đồ họa để thực hiện các nhiệm vụ phức tạp.
Từ kết quả đánh giá, Hy4 đã gia nhập hàng ngũ mô hình mã nguồn mở hàng đầu thế giới, trọng số mô hình cũng sẽ được mở mã nguồn trong thời gian tới. Đội ngũ Hỗn Nguyên cho biết, mặc dù Hy4 đã là một trong những mô hình mã nguồn mở mạnh nhất hiện nay, nhưng vẫn còn khoảng cách lớn so với các mô hình đóng mã hàng đầu. Hỗn Nguyên sẽ tiếp tục mở rộng quy mô huấn luyện trước và sau một cách ổn định, nỗ lực thu hẹp khoảng cách với các mô hình đóng mã hàng đầu.
Đối với các rủi ro an toàn tiềm ẩn của mô hình trong các lĩnh vực mạng và sinh học, Hỗn Nguyên đã tiến hành huấn luyện, mở mã nguồn và phát hành một cách có trách nhiệm hơn.
01 Gia nhập hàng ngũ mô hình mã nguồn mở mạnh nhất
Về khả năng hiểu biết hình ảnh, Hy4 có thể nhận diện chi tiết trong hình ảnh, phân tích biểu đồ phức tạp, và kết hợp khả năng suy luận để hoàn thành các nhiệm vụ toán học hình ảnh. Khả năng sử dụng máy tính (Computer Use) được giới thiệu lần đầu tiên cho phép mô hình thao tác giao diện đồ họa và dòng lệnh. Đối với các phần mềm chuyên nghiệp như Blender, CAD, cũng như các nhiệm vụ dài hạn cần hợp tác giữa các ứng dụng, Tencent Hỗn Nguyên đã tiến hành huấn luyện đặc biệt.
Trong khi đó, Tencent đang thiết kế phối hợp sâu giữa mô hình và sản phẩm (Co-Design) để nâng cao hiệu suất của mô hình trong công việc thực tế.
Trong đánh giá tình huống văn phòng WorkBuddy, Hy4 đạt điểm trung bình 83.18, tỷ lệ hoàn thành nhiệm vụ đạt 96.15%, trong 12 tình huống có 9 tình huống đứng đầu trong nước. Nhờ vào bộ công cụ WeChat doanh nghiệp, mô hình còn có thể liên kết với lịch sử trò chuyện, email, tài liệu, lịch trình và thông tin cuộc họp, tổng hợp tiến độ của nhiều dự án, nhận diện các nhiệm vụ cần làm và hỗ trợ sắp xếp ưu tiên.
Phân tích tài chính chuyên nghiệp là một trong những nâng cấp trọng điểm khác. Tencent đã xây dựng hàng nghìn không gian làm việc và hàng chục nghìn nhiệm vụ huấn luyện chất lượng cao cho các tình huống nghiên cứu quỹ, phân tích chứng khoán và chiến lược định lượng.
Trong cuộc khảo sát với sự tham gia của 213 chuyên gia tài chính, bao phủ 579 nhiệm vụ thực tế, Hy4 đạt 3.04 điểm, cao hơn so với Kimi K3.1 Pro (2.68 điểm), GLM-5.3 (2.68 điểm) và DeepSeek-V4.1-Flash-1017 (2.97 điểm) trong cùng một bối cảnh.
Đối với các tình huống tài chính yêu cầu độ chính xác thông tin, Hỗn Nguyên cũng đã thực hiện tối ưu hóa đặc biệt cho tìm kiếm thời gian, tích hợp thông tin đa nguồn và kiểm tra tính nhất quán của sự thật. Kết quả kiểm tra tự xây dựng cho thấy, tỷ lệ ảo giác của Hy4 đã giảm từ 12.95% trong phiên bản preview xuống còn 7.2%, tỷ lệ lỗi do đoán từ 23.1% giảm xuống còn 5.6%.
Trong phát triển giao diện và trò chơi, Hy4 đã nâng cao khả năng tương tác phức tạp, logic kinh doanh và quản lý trạng thái, đồng thời tăng cường khả năng tương thích với các công cụ phát triển trò chơi chính như UE, Unity, Godot. So với phiên bản preview, điểm đánh giá GameDev và GameLogic lần lượt tăng 19.1% và 9.8%.
Trong lĩnh vực nghiên cứu khoa học, Hy4 đã kết hợp khả năng suy luận phức tạp, lập trình khoa học và thực hiện nhiệm vụ dài hạn. Trong đánh giá nội bộ TenureTrail bao phủ 7 lĩnh vực học thuật và 123 nhiệm vụ nghiên cứu có thể thực hiện, mô hình đã thể hiện khả năng xử lý nhiệm vụ mạnh mẽ trong các lĩnh vực như cấu trúc toán học, mô hình hóa vật lý, môi trường trái đất và kỹ thuật hệ thống.
Điều đáng chú ý là, Hy4 đã bắt đầu tham gia vào nghiên cứu phát triển mô hình AI của chính nó. Tencent Hỗn Nguyên đang chuẩn bị cho việc cải tiến tự hồi quy (RSI, Recursive Self-Improvement), sử dụng Hy4 và khung phát triển Hyra 2.0 để tối ưu hóa cơ sở hạ tầng huấn luyện trước cho các mô hình nhỏ, và tự động hoàn thành huấn luyện mô hình. Hỗn Nguyên cũng đã mở mã nguồn cho mô hình cơ bản HyCell và mô hình cơ bản HyPDE được hỗ trợ phát triển bởi hệ thống này, cố gắng chuyển đổi khả năng hỗ trợ nghiên cứu khoa học của AI thành công cụ có thể tái sử dụng.
Về an ninh mạng, Hy4 trong quá trình huấn luyện chỉ bao gồm dữ liệu an ninh mạng phòng thủ liên quan đến việc tạo PoC và sửa lỗi, đồng thời loại bỏ nội dung huấn luyện tấn công như khai thác lỗ hổng, đảo ngược và thâm nhập, nhằm tránh việc nâng cao khả năng tấn công tiềm ẩn. Hỗn Nguyên đã tổ chức các chuyên gia an ninh từ Tencent Huyền Vũ và phòng thí nghiệm Cohen để tiến hành kiểm toán xung quanh phân tích mật mã, kỹ thuật đảo ngược, khai thác lỗ hổng, kết quả cho thấy: Hy4 không thể hiện rủi ro nổi bật trong khả năng tấn công như giải quyết ngược thuật toán mã hóa, chống lại làm mờ nhị phân, khai thác lỗ hổng.
Về an toàn sinh học, khả năng thiết kế thí nghiệm mở của Hy4 có sự khác biệt rõ rệt so với các mô hình tiên tiến (Hy-BioExperimentBench: 30.4/100). Hỗn Nguyên đã tổ chức các chuyên gia nội bộ để kiểm toán các quỹ đạo, phát hiện khả năng nắm bắt kiến thức sinh học cơ bản của mô hình khá mạnh, nhưng khả năng chuyển đổi kiến thức thành kế hoạch thí nghiệm có thể thực hiện vẫn còn hạn chế, chưa phát hiện khả năng giảm đáng kể ngưỡng thực hiện hành vi hóa học sinh học.
Những nâng cấp này cũng tiếp tục nhịp độ nghiên cứu và phát triển của Tencent Hỗn Nguyên kể từ năm 2026. Kể từ khi tái xây dựng cơ sở hạ tầng vào tháng 2, Hỗn Nguyên đã phát hành một phiên bản lớn trung bình mỗi hai tháng, trước tiên mở phiên bản Preview, sau đó kết hợp phản hồi của người dùng để lặp lại phiên bản chính thức. Từ quy mô tham số chưa đến 300B của dòng Hy3, đến 770B của dòng Hy4, quy mô mô hình và đầu tư huấn luyện tiếp tục mở rộng. Được biết, thế hệ tiếp theo Hy5 sẽ tiếp tục mở rộng quy mô.
Tencent Hỗn Nguyên lấy "tính thực dụng của mô hình" làm nguyên tắc cốt lõi, trong khi không ngừng theo đuổi giới hạn trí tuệ, cung cấp dịch vụ có giá trị cao cho người dùng. Hy4 đã vượt xa hiệu suất của Hy4 preview trong khi giá không thay đổi: đầu vào 6 nhân dân tệ/million tokens, đầu ra 18 nhân dân tệ/million tokens, tỷ lệ trúng cache 0.3 nhân dân tệ/million tokens.
Hy4 flash cũng sẽ được phát hành trong thời gian tới. Hy4 flash trên cơ sở kế thừa khả năng của Hy4, giảm đáng kể chi phí nhiệm vụ, cung cấp cho người dùng mô hình có giá trị tốt nhất.
Hiện tại, Hy4 đã được triển khai trên Tencent Cloud Tokenhub, WorkBuddy/CodeBuddy, Nguyên Bảo, Trợ lý thông minh WeChat doanh nghiệp Đại Viên, ima và các sản phẩm khác, API đồng bộ kết nối với OpenRouter, Hermes, OpenCode và các nền tảng khác. Các sản phẩm của Tencent như QQ, Vương Giả Vinh Diệu, Hòa Bình Cực, WeChat Đọc Sách, Tencent News cũng đang tiếp tục kết nối.
Để thu thập thêm phản hồi từ người dùng và liên tục nâng cao khả năng của mô hình, WorkBuddy/CodeBuddy sẽ cung cấp một số lượng sử dụng miễn phí cho người dùng từ ngày 4 tháng 11 đến ngày 15 tháng 11. Ngoài ra, từ nay đến ngày 31 tháng 12 năm 2026, Hy4 sẽ được tính phí 50% theo giá niêm yết trên Tencent Cloud TokenHub.
Từ những nâng cấp công nghệ và dữ liệu đánh giá này, Hy4 đang mở rộng sang các nhiệm vụ thực tế phức tạp hơn. Chúng tôi cũng đã chọn bốn tình huống khác nhau ngay lập tức để thực hiện trải nghiệm thực tế.
02 Một câu tạo ra một hệ mặt trời
Chúng tôi đã giao cho Hy4 một nhiệm vụ "thể hiện ước muốn": tạo một trang web tương tác về hệ mặt trời cho một đứa trẻ 9 tuổi, cho phép trẻ có thể nhấp vào các hành tinh, quan sát chuyển động, điều chỉnh tốc độ quay, hiểu tại sao năm của các hành tinh khác nhau lại dài ngắn khác nhau. Câu lệnh chỉ đơn giản như vậy.
Mô hình cuối cùng đã giao một trang web tương tác.
Trang web có nền sao trời màu xanh đậm, ở giữa là mặt trời phát sáng, tám hành tinh phân bố trên quỹ đạo của chúng. Phong cách thị giác tổng thể gần giống như một triển lãm tương tác số trong bảo tàng khoa học.
Về việc "giúp trẻ hiểu tại sao năm lại không giống nhau", mô hình đã thiết kế một so sánh trực quan: khi thời gian trôi qua, khi trái đất quay quanh mặt trời một vòng, sao Thủy đã quay được hơn bốn vòng, trong khi sao Hải Vương chỉ đi qua một đoạn nhỏ của quỹ đạo.
Nó cũng đã thêm các chức năng tương tác như tua nhanh năm của trái đất, hồ sơ hành tinh, điều chỉnh tốc độ thời gian, chuyển đổi góc nhìn. Nhấp vào các hành tinh khác nhau, có thể xem đường kính, khoảng cách đến mặt trời cũng như chu kỳ tự quay và quay quanh mặt trời.
Những chi tiết này không được viết từng mục trong lệnh gốc.
Ví dụ, để giúp trẻ hiểu chu kỳ quay quanh mặt trời, mô hình đã tự bổ sung một bộ thanh tiến độ; để tránh gây hiểu lầm khoa học, nó cũng đã ghi chú rằng kích thước hành tinh và khoảng cách giữa các quỹ đạo đã được nén, chu kỳ quay quanh mặt trời được thiết lập theo dữ liệu thiên văn thực tế.
Từ trang hoàn thành, mô hình đã có thể chuyển đổi một nhu cầu giáo dục tương đối mơ hồ thành một tác phẩm cụ thể vừa đảm bảo hiệu ứng thị giác, vừa thể hiện kiến thức và thao tác tương tác.
Bản ghi thực hiện cũng cho thấy, nó đã sử dụng Chrome để thực hiện 15 kiểm tra tương tác, liên quan đến nhấp chuột, kéo thả, chuyển đổi chủ đề và tua nhanh thời gian.
Người dùng đưa ra một mục tiêu giảng dạy, AI cần tự suy nghĩ, làm thế nào để giúp trẻ 9 tuổi thực sự hiểu được điểm kiến thức này. Đây cũng là điều hấp dẫn nhất của "lập trình theo ước muốn": con người có thể đưa ra yêu cầu bằng cách gần gũi với giao tiếp hàng ngày, để mô hình đảm nhận nhiều công việc thiết kế sản phẩm và thực hiện kỹ thuật hơn.
03 Tủ lạnh lộn xộn, Hy4 lập kế hoạch thực đơn tương lai ngay lập tức
Nhiệm vụ "tạo trang web mô phỏng hệ mặt trời" vẫn bắt đầu từ văn bản. Khi người dùng không còn cung cấp mô tả ngôn ngữ rõ ràng, mà trực tiếp chụp ảnh vấn đề trong thế giới thực cho AI, nó có thể hiểu được bao nhiêu?
Chúng tôi đã gửi cho Hy4 một bức ảnh tủ lạnh đầy ắp, yêu cầu nó lập kế hoạch cho chín bữa ăn trong ba ngày cho một gia đình ba người, với ngân sách mua sắm không vượt quá 100 nhân dân tệ, thời gian nấu mỗi bữa không quá 40 phút.
Bài kiểm tra này trước tiên kiểm tra khả năng hiểu biết hình ảnh. Trong tủ lạnh có rất nhiều vật phẩm chồng chéo, che khuất và bao bì không trong suốt, ánh sáng phản chiếu cũng làm tăng độ khó nhận diện. Mô hình đã phóng to bức ảnh theo khu vực, kiểm tra từng lớp nguyên liệu, nhận diện được cà chua, dưa chuột, bí ngòi, rau củ đông lạnh, bánh mì, gia vị, và đã ước lượng sơ bộ số lượng tồn kho.
Điều thú vị là, nó không giả vờ nhìn rõ mọi thứ.
Đối với bao bì chân không màu hồng ở giữa bên trái, mô hình đánh giá có thể là thịt gà, sườn heo, giăm bông hoặc cá; còn bình lớn màu trắng ở cửa bên phải là sữa chua, kem hay sốt phô mai cũng không thể xác nhận. Nó đã liệt kê tổng cộng bốn điểm nghi vấn ảnh hưởng đến kế hoạch thực đơn, đánh dấu những nguyên liệu này là cần xác nhận và trong kế hoạch tiếp theo sẽ xử lý một cách thận trọng.
Sau đó, mô hình tiếp tục lập danh sách mua sắm và thực đơn ba ngày dựa trên kết quả nhận diện.
Nhiệm vụ này kiểm tra khả năng từ nhận diện hình ảnh đến lập kế hoạch thực tế của mô hình. Nó cần phải xác định những nguyên liệu nào có thể sử dụng, những nguyên liệu nào cần xác nhận thêm, đồng thời cân nhắc ngân sách, khẩu vị, thời gian và tiêu thụ nguyên liệu trong bối cảnh thông tin từ bức ảnh không đầy đủ.
Hiểu biết hình ảnh thực sự hữu ích không chỉ là nhìn thấy cái gì, mà còn bao gồm việc biết cái gì chưa nhìn rõ, và những sự không chắc chắn này sẽ ảnh hưởng như thế nào đến quyết định tiếp theo.
Điều phức tạp hơn là, chúng tôi đã đưa ra yêu cầu tiếp theo: Vào tối hôm sau, đột nhiên có thêm hai vị khách, một người ăn chay, người còn lại bị dị ứng với đậu phộng. Ngân sách không thể tăng, và bữa ăn vào ngày thứ ba cũng không thể bị ảnh hưởng.
Nhiệm vụ này yêu cầu mô hình duy trì trạng thái ngân sách và kho hàng liên tục thay đổi. Nó cần nhớ những gì đã tiêu thụ trước đó, sắp xếp lại phân phối nguyên liệu tiếp theo, và cũng phải xem xét các hạn chế về chế độ ăn uống. Hy4 thậm chí đã đưa ra một chiến lược bảo vệ chống lãng phí.
Nhiều yêu cầu trong thế giới thực là như vậy. Người dùng thường chỉ mô tả mục tiêu, các hạn chế và chi tiết còn lại cần mô hình chủ động phát hiện, suy luận hợp lý, hoặc xác nhận thêm.
04 Hy4 làm biên tập viên, dám nghi ngờ những con số mà người dùng đưa ra
Ngoài khả năng sáng tạo và lập kế hoạch, trong thực tế, chúng tôi cũng thường cần mô hình cung cấp tham khảo cho phán đoán độc lập.
Chúng tôi đã đưa cho Hy4 một bức tranh quảng cáo về hiệu suất của một công ty AI hư cấu, với từ khóa: Vui lòng phân tích bức tranh quảng cáo hiệu suất của công ty AI hư cấu mà tôi đã tải lên. Bạn cần như một biên tập viên tài chính nghiêm túc, đánh giá xem các kết luận quảng cáo trong bức tranh có thực sự đúng hay không.
Vui lòng hoàn thành các nhiệm vụ sau:
Trích xuất đầy đủ tất cả các con số tài chính và văn bản quan trọng trong bức tranh.
Tính toán độc lập tỷ lệ tăng trưởng doanh thu, lợi nhuận hoạt động và tỷ lệ thay đổi lợi nhuận.
Nhận diện tất cả các lỗi rõ ràng, phóng đại quảng cáo hoặc thiết kế hình ảnh có thể gây hiểu lầm cho người đọc trong bức tranh.
Giải thích tại sao việc thiết lập trục tung của biểu đồ cột lại thay đổi cảm nhận trực quan của người đọc về mức độ tăng trưởng.
Đưa ra một kế hoạch cụ thể về cách một biểu đồ chuẩn hơn nên được sửa đổi.
Viết một đoạn kết luận kiểm tra tin tức tài chính không quá 150 từ.
Mô hình nhanh chóng phát hiện rằng, trong ba kết luận trong bức tranh quảng cáo, có hai kết luận rõ ràng có vấn đề.
Kết luận đầu tiên là "doanh thu tăng 80%". Dữ liệu thực tế là từ 120 triệu nhân dân tệ tăng lên 150 triệu nhân dân tệ, sau khi mô hình tính toán lại phát hiện rằng, mức tăng thực tế chỉ có 25%, thấp hơn nhiều so với 80% trong quảng cáo.
Kết luận thứ hai là "lợi nhuận gấp đôi". Nhưng số tiền được liệt kê trong bức tranh lại giảm từ 30 triệu nhân dân tệ xuống 18 triệu nhân dân tệ, thực tế giảm 40%, hoàn toàn ngược lại. Ở đây không có thông tin trực tiếp, mà cần phải suy luận và tính toán để có được.
Kết luận thứ ba "số lượng người dùng trả phí tăng 50%" là đúng. Tuy nhiên, mô hình tiếp tục đặt câu hỏi về ý nghĩa của nhóm số liệu này: Nếu số lượng khách hàng tăng 50%, trong khi doanh thu chỉ tăng 25%, thì doanh thu trung bình mỗi người dùng trả phí thực tế đã giảm khoảng 16,7%.
Nó cũng phát hiện rằng, trục tung của biểu đồ bắt đầu từ 110, thay vì bắt đầu từ 0, khiến cho mức tăng doanh thu trong biểu đồ cột trở nên phóng đại hơn.
Sau đó, mô hình đã đưa ra hai bức tranh đối chiếu và một bức tranh được vẽ lại theo quy chuẩn, đưa trục tung về 0, bổ sung dữ liệu và dùng 150 từ ngắn gọn để giải thích vấn đề.
Điều thú vị trong trường hợp này là, mô hình không tiếp tục đóng gói dữ liệu theo logic của bức tranh quảng cáo, mà chủ động nghi ngờ chính tài liệu đầu vào.
Thực tế, yêu cầu của người dùng cho AI "giúp tôi phân tích bức tranh này", thường ngụ ý một kỳ vọng: nó nên giúp tôi nhận diện vấn đề, chứ không chỉ đơn thuần tổ chức lại văn bản trong bức tranh.
Nhưng điều này đặt ra yêu cầu cao hơn cho mô hình. Nó phải biết dữ liệu nào có thể tính toán trực tiếp, và kết luận nào cần bằng chứng bổ sung.
Ví dụ, bức tranh quảng cáo không cung cấp đầy đủ chi phí, cũng không ghi chú liệu dữ liệu có được kiểm toán hay không. Mô hình chỉ ra rằng, chỉ có thể tính toán mối quan hệ giữa các con số đã cho, không thể xác nhận lợi nhuận ròng thực sự của doanh nghiệp chỉ dựa vào bức tranh này.
Nhận thức về ranh giới này là đặc biệt quan trọng đối với AI khi tham gia vào các lĩnh vực tài chính, pháp lý, y tế và các lĩnh vực chuyên môn khác.
Một mô hình có thể rất giỏi trong việc tạo ra giải thích, cũng có thể nhanh chóng hoàn thành tính toán. Nhưng nếu nó đưa ra phán đoán quá chắc chắn dựa trên thông tin không đầy đủ, công cụ vốn dĩ nhằm nâng cao hiệu quả có thể tạo ra rủi ro mới.
Một trợ lý phân tích thực sự có giá trị cần biết khi nào nên nghi ngờ đầu vào, khi nào nên thừa nhận thông tin không đủ.
05 Ba ông chủ cùng lúc giao việc, Hy4 phát hiện phương án tốt nhất là để các ông chủ trì hoãn
Nhiệm vụ cuối cùng, chúng tôi cố tình đặt ra một yêu cầu không thể hoàn thành.
Giả sử một công ty AI chỉ có một nhân viên vận hành, nhưng lại phải làm việc cho ba ông chủ cùng lúc. CEO yêu cầu chuẩn bị tài liệu cho hội đồng quản trị, gửi tóm tắt cho nhà đầu tư; người phụ trách sản phẩm yêu cầu phân tích phản hồi của người dùng, đưa ra kế hoạch cải tiến; người phụ trách thị trường yêu cầu viết thông cáo báo chí, thiết kế hình ảnh, trả lời email hợp tác.
Tất cả công việc phải được thực hiện tuần tự, không thể thực hiện đồng thời. Thời gian làm việc từ 9 giờ đến 17 giờ, chỉ có 480 phút. Nhưng tổng thời gian cần thiết cho tất cả các nhiệm vụ là 555 phút.
Điều này có nghĩa là, bất kể sắp xếp như thế nào, vẫn có ít nhất 75 phút công việc không thể hoàn thành trong ngày.
Chúng tôi yêu cầu mô hình đưa ra một kế hoạch thực hiện hợp lý nhất, sau đó lại thêm hai thay đổi tạm thời: CEO đã rút ngắn thời hạn nộp tài liệu cho hội đồng quản trị, người phụ trách thị trường yêu cầu hoãn bắt đầu thông cáo báo chí.
Cuối cùng, mô hình không đưa ra một bảng thời gian hoàn hảo mà tất cả các nhiệm vụ đều có thể hoàn thành đúng hạn. Ngược lại, nó đã nhận diện xung đột trong chính các nhiệm vụ và đưa ra ba phương án phân phối, để các ông chủ khác nhau chịu trách nhiệm về hậu quả của việc trì hoãn.
Trong đó, một phương án có tổng thời gian vượt quá 300 phút, hai phương án còn lại lần lượt là 360 phút và 450 phút.
Mô hình có xu hướng chọn phương án có tổng thời gian vượt quá ít hơn, và chỉ ra rằng, nếu muốn đáp ứng thêm yêu cầu nhiệm vụ, cần có sự chấp thuận chủ động từ các người phụ trách liên quan để trì hoãn.
Nó thậm chí đưa ra một gợi ý rất thú vị: "Đừng tìm kiếm sự cân bằng trong thứ tự, hãy thay đổi thời hạn không khả thi thành thời hạn khả thi."
Kết quả này thể hiện khả năng phán đoán của mô hình dưới các ràng buộc phức tạp.
Khi nhiệm vụ mà người dùng đưa ra không thể hoàn thành đồng thời, AI cần nhận diện xung đột, giải thích chi phí, và đưa ra các giải pháp thay thế.
Nhưng ở đây cũng xuất hiện một vấn đề sâu sắc hơn. "Tối ưu" mà mô hình nói đến, rốt cuộc là tối ưu cho ai?
Đối với toàn bộ công ty, phương án có tổng thời gian vượt quá ít nhất có thể hiệu quả hơn; nhưng đối với CEO, một tài liệu phải hoàn thành trước hội đồng quản trị có thể không thể trì hoãn bằng bất kỳ giá nào.
Mô hình có thể tìm kiếm giải pháp tối ưu theo mục tiêu đã đặt ra, nhưng chưa chắc biết được hậu quả thương mại thực sự đứng sau mỗi công việc. Hơn nữa, nếu việc trì hoãn cần sự chấp thuận của ông chủ, mô hình dù đã đưa ra gợi ý hợp lý, cũng không thể tự ý coi "đề nghị xin trì hoãn" là "đã được chấp thuận".
Điều này có nghĩa là, khi AI ngày càng tham gia nhiều hơn vào việc sắp xếp công việc, nó cần hiểu không chỉ là mối quan hệ logic giữa các nhiệm vụ, mà còn bao gồm ưu tiên mục tiêu, quyền hạn thực tế và chi phí mà mỗi người sẵn sàng chịu.
Một Agent luôn đồng ý với yêu cầu của người dùng, có thể lại là không đáng tin cậy nhất.
Đôi khi, AI cần nói với người dùng: yêu cầu này hiện tại không thể thực hiện. Hơn nữa, nó còn nên giải thích lý do tại sao không thể thực hiện, và thay đổi điều kiện nào mới có thể hoàn thành.
06 Hiểu mong muốn, cũng cần biết từ chối
Từ việc tạo trang web về hệ mặt trời, nhận diện nguyên liệu trong tủ lạnh, đến kiểm tra dữ liệu tài chính, sắp xếp nhiệm vụ công việc, bốn trường hợp đã thể hiện khả năng của Hy4 trong các tình huống khác nhau.
Những nhiệm vụ này có một điểm chung: Người dùng thường chỉ đưa ra mục tiêu, nhưng không nói rõ tất cả các yêu cầu.
Khi tạo trang web về hệ mặt trời, mô hình cần xem xét khả năng hiểu biết của trẻ em và trải nghiệm tương tác; khi sắp xếp thực đơn ba ngày, cần cân nhắc nguyên liệu, ngân sách và khẩu vị, thậm chí là các nguồn dị ứng của khách; khi kiểm tra dữ liệu tài chính, cần chủ động nhận diện lỗi; khi đối mặt với yêu cầu mâu thuẫn từ ba ông chủ, còn cần đánh giá nhiệm vụ nào không thể hoàn thành đúng hạn.
Người dùng có thể đưa ra yêu cầu bằng ngôn ngữ tự nhiên, nhưng mô hình thực sự hiểu ý định của người dùng còn cần hai khả năng: tính chủ động và khả năng phán đoán.
Cần có khả năng suy nghĩ thêm một bước khi người dùng chưa nói rõ, và cũng cần đặt câu hỏi khi thông tin không đầy đủ, yêu cầu mâu thuẫn, và khi cần thiết nói "không". Đặc biệt khi AI bắt đầu thay người sắp xếp công việc, đưa ra lựa chọn, nó còn cần biết quyết định nào có thể tự chủ thực hiện, quyết định nào phải trả lại cho người dùng.
Hy4 củng cố khả năng hiểu biết trực quan, nhiệm vụ dài hạn và khả năng Agent, cũng đang khám phá cách hợp tác giữa người và máy phức tạp hơn.
Khi AI ngày càng giỏi trong việc biến một câu nói thành kết quả cụ thể, điều đáng chú ý nhất có thể là liệu nó có thể hiểu những yêu cầu chưa được nói ra, và phán đoán khi nào nên chủ động hành động, khi nào nên nhắc nhở người dùng thay đổi ý kiến.
Có lẽ đây mới là tinh túy trong giao tiếp giữa con người với nhau, những điều chưa được nói ra, có thể mới là điều quan trọng nhất.