Bằng chứng
GPT-6 Astra có phải là trí tuệ nhân tạo tổng quát không? Một câu trả lời có chấm điểm
Phần trình bày ở trên đưa ra lập luận theo cách nói của chính người trình bày và đề nghị bạn kiểm chứng nó. Bài viết này là phụ lục: khung đánh giá, các con số đã công bố, các phần trình diễn, các điểm thụt lùi, và một mức điểm để bạn tranh luận.
Đăng ngày 8 tháng 9 năm 2026 · Kestrel Exams · Mọi nhận định bên dưới đều có liên kết đến nguồn ở cuối trang.
OpenAI phát hành GPT-6 Astra vào ngày 3 tháng 9 năm 2026 và mô tả nó là "mô hình thông minh và phù hợp giá trị nhất thế giới". Tại sự kiện ra mắt, Greg Brockman nói rằng AGI đã đến. Thông báo bằng văn bản thận trọng hơn: nó nói về "một thế hệ trí tuệ mới" và không bao giờ dùng thuật ngữ này. Trang này làm điều mà thông báo không làm. Nó chọn một khung đã công bố về trí tuệ nhân tạo tổng quát, đặt bằng chứng lên bàn, giữ các bằng chứng trái chiều trong tầm mắt, và đưa ra một mức điểm.
Trí tuệ nhân tạo tổng quát nghĩa là gì
Trí tuệ nhân tạo tổng quát (AGI) là tên gọi cho một hệ thống AI có thể thực hiện nhiều loại tác vụ nhận thức ở mức ngang bằng hoặc cao hơn một con người có kỹ năng, thay vì chỉ một tác vụ hẹp như chơi cờ vua hay chép lời nói thành văn bản. Vấn đề là "nhiều loại" và "con người có kỹ năng" chưa bao giờ được xác định bằng một bài kiểm tra duy nhất được thống nhất, nên trên thực tế có ba định nghĩa làm việc đang được dùng.
Hiến chương OpenAI định nghĩa AGI là "các hệ thống có tính tự chủ cao, vượt trội con người ở hầu hết công việc có giá trị kinh tế". Đó là một tham vọng hữu ích và một thước đo kém, vì không ai có thể liệt kê hầu hết công việc có giá trị kinh tế. ARC Prize, do François Chollet tạo ra, đo mức hiệu quả mà một hệ thống tiếp thu kỹ năng mới trên các câu đố nó chưa từng thấy; lập trường đã nêu của Chollet là vượt qua ARC là cần nhưng chưa đủ cho AGI. Khung Levels of AGI của Google DeepMind (Morris và cộng sự, 2023) là khung được hầu hết các nhà nghiên cứu trích dẫn, vì nó biến câu hỏi từ có-hoặc-không thành một lưới: hệ thống thực hiện tốt đến đâu, đo bằng bách phân vị của người trưởng thành có kỹ năng, và hiệu suất đó tổng quát đến mức nào trên các loại tác vụ.
| Mức | Ngưỡng hiệu suất | Ví dụ hẹp (từ bài báo) | Ví dụ tổng quát (từ bài báo) |
| 1 Emerging | Ngang bằng hoặc tốt hơn đôi chút so với một người không có kỹ năng | Các hệ thống đơn giản dựa trên luật | ChatGPT, Bard, Llama 2 (2023) |
| 2 Competent | Ít nhất ở bách phân vị thứ 50 của người trưởng thành có kỹ năng | Loa thông minh, Watson | Chưa đạt được (2023) |
| 3 Expert | Ít nhất ở bách phân vị thứ 90 | Trình kiểm tra chính tả, trình tạo ảnh | Chưa đạt được |
| 4 Virtuoso | Ít nhất ở bách phân vị thứ 99 | Deep Blue, AlphaGo | Chưa đạt được |
| 5 Superhuman | Vượt trội mọi con người | AlphaFold, AlphaZero | Siêu trí tuệ nhân tạo |
Cũng bài báo đó bổ sung một thang đo thứ hai cho tính tự chủ, từ mức 0 (không có AI) qua công cụ, cố vấn, cộng tác viên và chuyên gia đến mức 5, AI như một tác nhân. Thang đó quan trọng về sau, vì hai trong số các tính năng được nói đến nhiều nhất là về tính tự chủ chứ không phải năng lực thuần túy.
Những gì OpenAI đã công bố
Trang ra mắt báo cáo kết quả các bài đánh giá chuẩn, và sau đây là những kết quả liên quan đến tính tổng quát. ARC-AGI-3, bài đánh giá chuẩn về suy luận mới: 99,9%, ngang bằng con người ở 96% số màn. FrontierMath Tier 4, toán học cấp nghiên cứu: 98%, trong đó trang ghi nhận mô hình đã cải thiện các cận cho các định lý về khoảng cách số nguyên tố. GPQA Diamond, câu hỏi khoa học trình độ tiến sĩ: 96,0%. ExploitBench, bài đánh giá chuẩn về khai thác lỗ hổng an ninh mạng: 100%, so với 78,5% của GPT-5.6 Sol, và mô hình đã tìm thấy hai lỗ hổng zero-day chưa từng được biết đến trong quá trình thử nghiệm. OSWorld 2.0, vận hành một máy tính thật để hoàn thành tác vụ: 72,6%, trong khoảng 40 phút mỗi tác vụ so với 75 phút của mô hình trước. OpenScore String Quartets, một bài đánh giá chuẩn về nhạc ký hiệu: 0.84.
Trang cũng báo cáo các con số về sự phù hợp giá trị (alignment) quan trọng với mọi cuộc thảo luận về AGI: tỷ lệ vượt quá phạm vi được ủy quyền trong các tác vụ tác nhân là 0%, so với 48% của GPT-5.6 Sol, và mô hình ít có khả năng khai sai năng lực của chính nó hơn ba lần. Mô hình được định giá 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra qua API, và đang được triển khai tới ChatGPT Plus, Pro, Business và Enterprise.
Video ra mắt của OpenAI, từ kênh YouTube chính thức của OpenAI.
Rào cản, được đo trên công việc của chính chúng tôi
Các bài đánh giá chuẩn trừu tượng thì dễ tranh luận. Một rào cản mà chính bạn gặp phải thì không. Vào tháng 8 năm 2026, kênh chị em của chúng tôi, A Wandering Mind, làm một video khoa học ngắn 60 giây và cần một lớp nhạc nền dưới phần thuyết minh: một bản nhạc dây gảy nhẹ nhàng, xây dựng qua phần âm trầm và chừa chỗ cho giọng nói. Bản yêu cầu được viết cẩn thận, với ghi chú về nhịp độ, đặc tính nhạc cụ, cách phối và hòa âm. Mô hình thời đó có thể biến đoạn văn ấy thành âm thanh. Nó không thể suy luận về cấu trúc của thứ nó tạo ra.
Ghi chú sản xuất của chúng tôi ghi lại cái giá đó. Khoảng mười tám bản ứng viên đã được tạo ra cho một lớp nhạc nền. Năm lần sửa bản yêu cầu có chủ đích, mỗi lần nhấn mạnh hơn vào nhịp gảy, lớp nền không gian hay đường cong của bản nhạc, đều cho ra các bản kém hơn. Qua một ngưỡng nào đó, thêm chi tiết vào bản yêu cầu thôi giúp ích và bắt đầu gây hại. Không có cách nào nói với mô hình "đoạn motif vào quá muộn" hay "phần dâng lên nên đến từ âm trầm, không phải từ độ sáng" và để nó sửa đúng điều cụ thể đó, nên việc sản xuất trở thành tạo ra rồi chọn, và việc chọn do tai người thực hiện. Các phép đo của chúng tôi cũng không hơn: một chỉ số độ mạnh nhịp đánh dấu bản thắng cuộc là không đạt nhịp điệu ở giữa bản theo yêu cầu, và người đã nghe có lý khi bác bỏ nó.
Đó là hình dạng của rào cản trước Astra. Không phải "mô hình không thể tạo ra nhạc", mà là "mô hình không thể giữ một cấu trúc âm nhạc trong đầu và hướng tới nó".
Điều đã thay đổi: Astra bên bàn phím
Các phần trình diễn lan truyền sau khi ra mắt khác về bản chất. Trong tin tức về buổi ra mắt, Astra chơi một bàn phím ảo trực tiếp, chọn từng phím một để tạo ra một bản nhạc mới thay vì kết xuất một tệp âm thanh hoàn chỉnh. Trong thử nghiệm độc lập, nó sáng tác các bản chorale kiểu Bach không có lỗi dẫn giọng nào, đây là kết quả quan trọng nhất. Dẫn giọng là một hệ thống luật: bốn dòng giai điệu độc lập phải chuyển động mà không có quãng năm hay quãng tám song song, không va chạm, và với mỗi bè giải quyết đúng nơi hòa âm đòi hỏi. Thỏa mãn các luật đó từng nốt một là hiểu biết về cấu trúc, và đó là điều các khóa hòa âm ở nhạc viện mất một năm để dạy.
Một nhà soạn nhạc phim đang làm nghề cho biết có thể thiết lập một vòng lặp ba phút trong một plugin DAW và để Astra ứng tác trên đó hàng giờ, thêm một nốt mỗi lượt với cường độ, độ dài nốt và cao độ được chọn trong một giọng, và mô tả nó là mô hình đầu tiên làm được điều này. Một người dùng khác ra lệnh cho mô hình bằng ký hiệu LilyPond và có một cây piano ảo chơi được, nạp tư liệu Brandenburg Concerto, trong mười một phút. Không điều nào trong số này đến từ một sản phẩm chuyên về âm nhạc. Chính bộ trọng số đã đạt 98% ở toán học nghiên cứu và 100% ở ExploitBench đã làm được điều đó. Đó là lập luận về tính tổng quát trong một phần trình diễn, và là lý do đoạn clip bàn phím thuộc về một cuộc thảo luận về AGI chứ không phải một bản tin công nghệ âm nhạc.
Lập kế hoạch và mục tiêu: từ trả lời đến hoàn tất
Hai tính năng đưa Astra tiến dọc trục tự chủ của khung Levels of AGI. Chế độ Goal trong Codex được phát hành rộng rãi vào ngày 21 tháng 5 năm 2026 trên ứng dụng Codex, tiện ích mở rộng IDE và dòng lệnh. Mô tả của chính OpenAI là bạn "xác định một kết quả và các tiêu chí thành công rồi để Codex tiếp tục làm việc hướng tới nó". ChatGPT Work, được công bố vào ngày 9 tháng 7 năm 2026, được mô tả là "một tác nhân có thể hành động trên các ứng dụng và tệp của bạn, gắn bó với một dự án hàng giờ nếu cần, và biến một mục tiêu thành công việc hoàn chỉnh", chia các dự án dài thành các bước nhỏ hơn và hoàn thành chúng một cách độc lập, với các tác vụ theo lịch và theo sự kiện.
Hai tính năng đó chính là điều mà vấn đề nhạc nền còn thiếu. Chúng tôi không thể giao một mục tiêu cho mô hình và để nó lặp lại đối chiếu với một tiêu chí thành công; chúng tôi chỉ có thể ra lệnh, nghe và ra lệnh lại. Trên thang tự chủ của DeepMind, điều đó đưa hệ thống từ mức 3, cộng tác viên, tiến về các mức 4 và 5, chuyên gia và tác nhân. Con số 0% vi phạm phạm vi được ủy quyền trên trang ra mắt là điều khiến các mức đó dùng được thay vì nguy hiểm.
Video dành cho nhà phát triển của OpenAI, bao quát Codex và các tính năng tác nhân, nằm ở phần video bên dưới.
Các video
Mọi video về GPT-6 Astra trên kênh YouTube của chính OpenAI tại thời điểm viết bài, cộng với video đưa tin về buổi ra mắt mà phần trình diễn bàn phím được lấy từ đó. Phát bất kỳ video nào ở đây mà không rời khỏi bài trình bày.
Introducing GPT-6 Astra: the most intelligent and aligned model in the world
OpenAI, 3 tháng 9 năm 2026. Phim ra mắt: mô hình dùng để làm gì, và những phần trình diễn mà OpenAI chọn để mở đầu.
Introducing GPT-6 Astra for developers
OpenAI. Codex, chế độ Goal và các tính năng tác nhân, là nơi lập luận "lập kế hoạch và mục tiêu" ở slide 8 nằm.
First impressions of GPT-6 Astra from developers
OpenAI. Các nhà phát triển truy cập sớm nói về điều đã thay đổi với họ. Hữu ích cho luận điểm "từ trả lời đến hoàn tất".
GPT 6 Astra is a freak (AI Search)
AI Search, tin tức về buổi ra mắt. Đây là video mà phần trình diễn bàn phím trực tiếp ở slide 7 được lấy từ đó. Kênh độc lập, không phải OpenAI.
Những gì bằng chứng không ủng hộ
Một mức điểm chỉ có giá trị nếu nó bao gồm cả những gì đã đi lùi. Một bài đánh giá thực tế về Astra cho thấy chất lượng viết của nó giảm đáng kể: trên một bài đánh giá chuẩn về biên tập, nó đạt 1.995 so với 2.156 của GPT-5.6 Sol, giảm khoảng 80 điểm Elo, và những người đánh giá mô tả văn phong là phẳng, thiếu cá tính và dễ nhận ra là do máy viết. Một người đánh giá khuyên các nhà văn sáng tạo nên tránh nó. Một AGI kém hơn phiên bản tiền nhiệm ở tác vụ nhận thức phổ biến nhất trong nền kinh tế thì không phải là Expert AGI, bất kể nó làm gì trong toán học.
Còn ba lời thận trọng nữa. OSWorld 72,6% xấp xỉ ngang bằng con người trong việc dùng máy tính, điều này xếp cột đó ở mức Competent, không phải Expert. Người tạo ra ARC-AGI khẳng định điểm cao là cần nhưng chưa đủ cho AGI, nên 99,9% đóng một cánh cửa chứ không mở tất cả. Và chính tuyên bố về AGI đến từ một sân khấu; trang ra mắt, tài liệu mà OpenAI đã chọn từng chữ, không đưa ra tuyên bố đó.
Phán quyết
| Lĩnh vực | Bằng chứng | Mức AGI |
| Toán học nghiên cứu | FrontierMath Tier 4 98%; các cận mới cho các bài toán mở | 4 Virtuoso đến 5 Superhuman |
| Suy luận trừu tượng mới | ARC-AGI-3 99,9%, ngang bằng con người ở 96% số màn | 3 Expert đến 4 Virtuoso |
| An ninh mạng | ExploitBench 100%; tìm thấy hai lỗ hổng zero-day | 4 Virtuoso |
| Sáng tác nhạc ký hiệu | Các bản chorale không có lỗi dẫn giọng nào; bàn phím trực tiếp; ứng tác trong DAW | 3 Expert |
| Kiến thức khoa học | GPQA Diamond 96,0% | 3 Expert |
| Vận hành máy tính | OSWorld 2.0 72,6%, xấp xỉ ngang bằng con người | 2 Competent |
| Viết | Thấp hơn GPT-5.6 Sol khoảng 80 điểm Elo trên một bài đánh giá chuẩn về biên tập | 2 Competent, thụt lùi |
| Tính tự chủ | Chế độ Goal; ChatGPT Work; 0% vi phạm phạm vi | Mức tự chủ 4, đang tiến gần 5 |
Mức điểm: Competent AGI, với các đỉnh từ Expert đến Virtuoso. Bằng chứng đã công bố ủng hộ mức 2 trên một phạm vi rộng các tác vụ phi vật lý, và các mức 3 và 4 trong toán học, suy luận trừu tượng, an ninh mạng và nhạc ký hiệu. Nó chưa ủng hộ Expert AGI trên mọi mặt, vì khả năng viết thụt lùi. Khi bài báo Levels of AGI được viết vào năm 2023, chưa có hệ thống tổng quát nào đạt Competent. Nấc thang đó nay đã có người đứng, và khoảng cách từ nó đến nấc kế tiếp nhỏ hơn khoảng cách nó vừa vượt qua.
Trang này được xây dựng thế nào, và những gì chúng tôi không tự xác minh
Các số liệu đánh giá chuẩn được lấy từ trang ra mắt của OpenAI. Điểm thụt lùi về khả năng viết, kết quả chorale kiểu Bach và câu trích dẫn "AGI đã đến" đến từ một bài đánh giá thực tế đã đăng và được báo cáo là phát hiện của bài đánh giá đó. Lời kể về ứng tác trong DAW đến từ một bài viết đã đăng của một nhà soạn nhạc đang làm nghề. Phần trình diễn piano ảo LilyPond đến từ tin báo chí về các phần trình diễn của người dùng. Phần trình diễn bàn phím trực tiếp lấy từ một video đưa tin về buổi ra mắt được liên kết bên dưới; chúng tôi không tự chạy phần trình diễn đó. Các số liệu về nhạc nền lấy từ ghi chú sản xuất của chính chúng tôi cho một video ngắn tháng 8 năm 2026. Khi một nhận định chỉ dựa vào một nguồn, bảng ở trên nói rõ điều đó bằng cách nêu tên bằng chứng chứ không phải kết luận.
Những câu hỏi mọi người hay hỏi
GPT-6 Astra có phải là AGI không?
Trên thang Levels of AGI của DeepMind, có ở mức Competent, với kết quả từ Expert đến Virtuoso ở một số lĩnh vực, và không ở mức Expert trên mọi mặt. Thông báo bằng văn bản của OpenAI không tuyên bố AGI; chủ tịch của họ đã tuyên bố, trên sân khấu.
Vì sao một phần trình diễn piano được tính là bằng chứng về trí tuệ?
Vì nó cho thấy cấu trúc theo luật được thỏa mãn từng nốt một trong một mô hình không được xây dựng cho âm nhạc. Các trình tạo âm thanh đã tồn tại nhiều năm trước Astra; điều chúng không làm được là giữ một cấu trúc trong đầu và hướng tới nó, đúng là điều mà ghi chú sản xuất của chính chúng tôi cho thấy chúng tôi không lấy được từ chúng.
Chế độ Goal và ChatGPT Work khác nhau như thế nào?
Chế độ Goal nằm trong Codex, tác nhân lập trình, và nhận một kết quả cùng các tiêu chí thành công. ChatGPT Work là tác nhân tổng quát trong ChatGPT, nhận một mục tiêu, lập các bước, và làm việc trên các ứng dụng và tệp của bạn hàng giờ. Cả hai đều là tính năng tự chủ; không cái nào là một mô hình mới.
Mức điểm có thay đổi không?
Có, và trang này sẽ được cập nhật khi nó thay đổi. Hai điều sẽ đưa Astra lên Expert AGI là một đánh giá độc lập về khả năng viết ở mức bách phân vị thứ 90 trở lên và kết quả mức Expert về việc dùng máy tính. Cả hai đều đo được.
Nguồn
- OpenAI, "GPT-6 Astra: A new generation of intelligence" (trang ra mắt, 3 tháng 9 năm 2026): openai.com/index/gpt-6-astra
- OpenAI, "Safety overview: GPT-6 Astra" (3 tháng 9 năm 2026; xác nhận ngày thông báo và nhãn năng lực an ninh mạng Critical): openai.com/index/safety-overview-gpt-6-astra
- OpenAI, "Introducing GPT-6 Astra: the most intelligent and aligned model in the world" (video): youtube.com/watch?v=1QNsdr-Qx_I
- OpenAI, "Introducing GPT-6 Astra for developers" (video): youtube.com/watch?v=bOC3DisEOfg
- OpenAI, "First impressions of GPT-6 Astra from developers" (video): youtube.com/watch?v=-TTyyY3VWh8
- Morris, Sohl-Dickstein, Fiedel, Warkentin, Dafoe, Faust, Farabet và Legg, "Levels of AGI for Operationalizing Progress on the Path to AGI," Google DeepMind, 2023: arxiv.org/abs/2311.02462
- Hiến chương OpenAI: openai.com/charter
- ARC Prize, "What is ARC-AGI?": arcprize.org/arc-agi
- TechFlow, "GPT-6 Astra Hands-On Review" (điểm thụt lùi về khả năng viết, kết quả chorale kiểu Bach, câu trích dẫn của Brockman): techflowpost.com/en-US/article/33795
- Sound for Movement, "GPT-6 Astra for Professional Musicians" (ứng tác trong DAW): soundformovement.com
- The News International, "OpenAI's GPT-6 Astra shows off new skills in music, games and complex tasks after launch" (piano ảo LilyPond): thenews.com.pk
- AI Search, "GPT 6 Astra is a freak" (tin tức về buổi ra mắt, gồm phần trình diễn bàn phím trực tiếp): youtu.be/Ji4amrxrzVM
- OpenAI Help Center, ghi chú phát hành ChatGPT, mục ngày 21 tháng 5 năm 2026 về chế độ Goal: help.openai.com
- OpenAI, "ChatGPT is now a partner for your most ambitious work" (ChatGPT Work, 9 tháng 7 năm 2026): openai.com/index/chatgpt-for-your-most-ambitious-work
- Ghi chú sản xuất của Kestrel Ventures cho video ngắn về quang hợp của A Wandering Mind, tháng 8 năm 2026 (nội bộ; số lượng bản nhạc nền ứng viên và các lần sửa bản yêu cầu).