OpenAI's Astra chuyển trọng tâm AI từ việc trả lời sang thực hiện các nhiệm vụ dài hạn

Điều đáng chú ý thực sự ở Astra không phải là nó giải một bài toán nào đó xuất sắc đến đâu, mà là OpenAI đang chuyển đổi các mô hình tiên tiến từ “hệ thống trả lời tức thì” thành hệ thống thực thi có thể hoạt động liên tục trong vài giờ hoặc lâu hơn, tự tách rời nhiệm vụ và thao tác các phần mềm thực tế.

Tác giả bài viết, nguồn: 0x9999in1, ME News



• Điều đáng chú ý thực sự ở Astra không phải là nó giải một bài toán nào đó xuất sắc đến đâu, mà là OpenAI đang chuyển đổi các mô hình tiên tiến từ “hệ thống trả lời tức thì” thành hệ thống thực thi có thể hoạt động liên tục trong vài giờ hoặc lâu hơn, tự tách rời nhiệm vụ và thao tác các phần mềm thực tế.
• 16 agent hợp tác chứng minh định lý toán học, thao tác trực tiếp trên máy tính, “thực tập sinh nghiên cứu AI” — những màn trình diễn này đều chỉ ra một sự thay đổi duy nhất: chỉ số cạnh tranh cốt lõi của AI đang chuyển từ chất lượng câu trả lời đơn lẻ sang khả năng tự chủ thực hiện chuỗi công việc dài và phức tạp đến mức nào.
• Nếu khả năng này có thể được triển khai ổn định, logic mua AI của doanh nghiệp cũng sẽ thay đổi: trước đây mua là ghế phần mềm và Copilot, tương lai có thể ngày càng gần với việc mua “lực lượng lao động số” và công suất xử lý nhiệm vụ.
• Nhưng buổi trình diễn nội bộ không phải là môi trường sản xuất. Astra hiện vẫn chưa được phát hành chính thức, và thuật ngữ “thực tập sinh nghiên cứu” cũng là tiêu chuẩn nội bộ của OpenAI; các phép toán trình diễn chỉ đưa ra các chứng minh ứng cử, chứ không phải sự xác thực độc lập về tính đúng đắn khoa học của chúng.
• Điều đáng cảnh giác hơn là việc nâng cao năng lực đã bắt đầu ngược lại làm hạn chế tốc độ nghiên cứu và phát triển của chính OpenAI. Vào tháng 8, OpenAI thừa nhận Astra có thể đã chạm đến ngưỡng năng lực an ninh mạng cấp cao nhất “Critical”, do đó đã tạm dừng một số hoạt động huấn luyện và đánh giá.
• Vì vậy, việc tranh luận liệu Astra có phải là AGI hay không hiện nay ít mang tính ý nghĩa. Câu hỏi thực sự quan trọng đã trở thành: Khi AI lần đầu tiên có cơ hội nâng cấp từ “trả lời câu hỏi của bạn” sang “tiếp tục thực hiện công việc thay bạn, thậm chí hỗ trợ nghiên cứu AI thế hệ tiếp theo”, các mô hình kinh tế của doanh nghiệp, thị trường lao động và các công ty AI sẽ thay đổi như thế nào.

Nếu chỉ nhìn bề ngoài, bản xem trước đóng cửa của Astra dễ bị hiểu là một lần quảng bá khác trước khi ra mắt mô hình.

Hàng chục nhà quản lý cấp cao của các khách hàng quan trọng của OpenAI đã đến tòa nhà MB0 mới được khai trương ở San Francisco. Bên ngoài cửa, những người biểu tình “Stop the AI Race” vẫn đang tụ tập; bên trong, một bức tường thực vật xanh được đẩy đến trước cửa kính, che khuất tầm nhìn giữa hai phía. Sam Altman vừa trở về từ Washington, nơi ông đã giới thiệu với các quan chức chính phủ Mỹ về giai đoạn mô hình chưa được công bố.

Cảnh này thực sự mô tả chính xác hơn bất kỳ buổi ra mắt nào về ngành AI hôm nay: vốn, khách hàng và chính phủ đều đang chờ đợi năng lực tiếp tục tiến bộ, trong khi một nhóm người khác đã bắt đầu lo ngại rằng nó tiến quá nhanh.

Nhưng điều quan trọng thực sự của Astra không phải là “mô hình đã cải thiện bao nhiêu phần trăm nữa”.

Buổi trình diễn đầu tiên tại chỗ là 16 AI Agent đối mặt với một vấn đề toán học cấp độ nghiên cứu. Chúng tự tách vấn đề thành nhiều bài toán con, thử nghiệm từng phần, phối hợp kết quả, rồi kết hợp để tạo ra một chứng minh ứng cử. Ở đây cần làm rõ hai từ “ứng cử”: đây không phải là một định lý toán học mới đã được xác minh công khai, và cũng không thể vì có 16 AI Agent cùng hoạt động mà tự động coi như tương đương với một nhóm nghiên cứu gồm 16 nhà toán học xuất sắc. Nhiều mô hình hoàn toàn có thể chia sẻ cùng một lỗi, và việc tăng số lượng Agent không tự nhiên dẫn đến việc tỷ lệ chính xác tăng tuyến tính.

But it is still important.

Vì trước đây, khi chúng ta đánh giá các mô hình lớn, chúng ta thường tập trung vào một câu hỏi: liệu nó có thể trả lời được không?

Astra đang cố gắng chuyển vấn đề thành một câu hỏi khác: Liệu nó có thể tự tổ chức công việc và tiếp tục thực hiện một nhiệm vụ phức tạp không?

Hai thứ này trông chỉ khác nhau một bước, nhưng ý nghĩa thương mại có thể khác nhau một thế hệ.

Cách tương tác điển hình nhất trong giai đoạn đầu của ChatGPT là con người đặt câu hỏi, máy trả lời; sau đó Copilot bắt đầu tham gia vào các quy trình lập trình, văn phòng và sáng tạo, con người liên tục đưa ra lệnh, AI liên tục hỗ trợ. Agent tiến xa hơn nữa có nghĩa là con người chỉ cần đưa ra mục tiêu, máy tự quyết định các bước, chọn công cụ, kiểm tra các kết quả trung gian, rồi liên tục thúc đẩy tiến trình.

Vì vậy, buổi trình diễn thứ hai thậm chí còn đáng để các nhà quản lý doanh nghiệp dành sự quan tâm nghiêm túc hơn cả bài toán toán học.

Astra trực tiếp thao tác trên máy tính, chuyển đổi giữa nhiều phần mềm máy tính để bàn phổ biến, tạo và chỉnh sửa nội dung, đồng thời hoàn thành các thao tác với tốc độ cực nhanh. Altman cho biết, việc nhìn thấy mô hình sử dụng máy tính với tốc độ “siêu nhân, cực kỳ nhanh” là một trong những điều khiến nhân viên OpenAI ấn tượng nhất gần đây.

Tại sao thao tác với máy tính lại quan trọng?

Vì phần lớn công việc trong thế giới doanh nghiệp không phải là một câu hỏi đẹp đẽ có thể đưa vào khung trò chuyện.

Công việc thực tế bị phân tán giữa trình duyệt, Excel, email, kho mã nguồn, ERP, CRM, phần mềm thiết kế, cơ sở dữ liệu nội bộ và hệ thống phê duyệt. Giá trị của một nhân viên không chỉ nằm ở việc “biết câu trả lời”, mà còn ở khả năng di chuyển thông tin giữa hàng chục hệ thống, đưa ra quyết định, chỉnh sửa tài liệu và thúc đẩy quy trình để hoàn thành công việc.

Chỉ khi AI không thể vượt qua ngưỡng này, nó vẫn chủ yếu là một công cụ tri thức.

Khi vượt qua được bước đó, nó mới thực sự bắt đầu tiến gần đến “lao động”.

Sản phẩm cốt lõi mà Altman mô tả cho Astra là persistent agents—các Agent tồn tại liên tục và hoạt động lâu dài.

Từ này nghe có vẻ không hấp dẫn bằng AGI, nhưng có thể gần với những gì sẽ thực sự ảnh hưởng đến bảng kết quả kinh doanh của doanh nghiệp trong vài năm tới.

Jakub Pachocki, nhà khoa học trưởng của OpenAI, cho biết TIME rằng Astra đã đạt tiêu chuẩn “thực tập sinh nghiên cứu AI tự động hóa” do công ty đặt ra: cung cấp cho nó một ý tưởng thí nghiệm, nó có thể truy cập vào kho mã nguồn của chính OpenAI để thực hiện giải pháp, chạy thí nghiệm và trả về kết quả; cung cấp cho nó một bài báo nghiên cứu, nó có thể thực hiện các công việc tiếp theo mà trước đây có thể mất khoảng một tuần của nhà nghiên cứu con người.

Đây vẫn chỉ là đánh giá nội bộ của OpenAI, chưa có xác minh từ bên thứ ba độc lập, càng không thể đơn giản suy ra rằng "Astra đã có thể thay thế nhà nghiên cứu". Nhưng tín hiệu mà nó phát ra đã đủ rõ ràng: đơn vị mà OpenAI theo đuổi đang chuyển từ token, câu trả lời và cuộc hội thoại sang thời gian thực hiện nhiệm vụ.

Đây không phải là câu chuyện do OpenAI tự đột ngột tạo ra.

Trong vài năm qua, tổ chức đánh giá độc lập METR đã cố gắng đo lường khả năng của Agent bằng “thời gian hoàn thành nhiệm vụ”: thay vì hỏi mô hình có thể giải một loại câu hỏi nào đó hay không, họ quan sát xem nó có thể hoàn thành các nhiệm vụ tương đương với thời gian mà chuyên gia con người cần để hoàn thành với một tỷ lệ thành công nhất định hay không.

Dữ liệu sau khi cập nhật năm 2026 của METR vẫn cho thấy xu hướng cải thiện theo cấp số nhân rõ rệt. Về dài hạn, thời gian thực hiện các nhiệm vụ phần mềm và nghiên cứu của các mô hình tiên tiến khoảng mỗi 6 đến 7 tháng tăng gấp đôi; nếu chỉ xem xét dữ liệu từ năm 2023 trở đi, tốc độ tăng trưởng còn nhanh hơn nữa. Đến tháng 5 năm nay, một số mô hình mới nhất được công khai đã tiếp cận hoặc thậm chí vượt quá phạm vi đo lường hiệu quả khoảng 16 giờ của bộ dữ liệu kiểm tra hiện tại, khiến METR phải cảnh báo rằng không nên diễn giải quá mức các dữ liệu vượt quá độ dài này.

Điều này chính xác giải thích vì sao Astra lại ra đời.

Khi các nhiệm vụ mà mô hình có thể hoàn thành một cách ổn định kéo dài từ vài phút đến vài giờ, rồi từ vài giờ tiến đến một ngày hoặc lâu hơn, hình thái sản phẩm chắc chắn sẽ thay đổi. Bạn không còn cần phải ngồi bên cửa sổ trò chuyện để sửa lỗi liên tục, mà bắt đầu nói như khi giao việc cho đồng nghiệp: “Hãy điều tra rõ vấn đề này, thử nghiệm ba phương án, tổng hợp dữ liệu, và gửi kết quả cho tôi vào ngày mai.”

Điểm phân biệt thực sự của “đồng nghiệp ảo” không phải là liệu nó có nói giống người hay không.

Nhưng sau khi bạn rời đi, nó có còn tiếp tục làm việc không.

Đây cũng là ý nghĩa tài chính mà Astra dễ bị đánh giá thấp nhất.

Trong ba năm qua, mô hình phổ biến mà doanh nghiệp mua AI tạo sinh về bản chất vẫn là sự mở rộng của mô hình SaaS truyền thống: thêm một vị trí AI cho mỗi nhân viên, mỗi tháng trả thêm vài chục đô la. Microsoft Copilot như vậy, phiên bản doanh nghiệp của ChatGPT như vậy, và rất nhiều AI SaaS khác cũng vậy.

Nhưng khi tác nhân bền vững trở nên trưởng thành, logic định giá này sẽ ngày càng trở nên bất hợp lý.

Tại sao?

Vì doanh nghiệp thực sự mua không còn là “quyền sử dụng AI của một nhân viên”, mà là khả năng tự hoàn thành công việc của AI.

Giả sử một đội ngũ tài chính trước đây cần 10 người xử lý việc làm sạch dữ liệu, soạn thảo báo cáo sơ bộ, kiểm tra bất thường và nhập liệu xuyên hệ thống. Trong tương lai, vấn đề mà người quản lý phải đối mặt có thể không còn là “có nên mua một Copilot cho mỗi người trong số 10 người không?”, mà sẽ là “Tôi cần mua bao nhiêu lượng công việc của Agent để hoàn thành những nhiệm vụ này?”.

Lúc này, đối thủ cạnh tranh của AI không còn chỉ là ngân sách phần mềm.

Nó bắt đầu được đưa vào ngân sách nhân sự.

Dữ liệu từ Stanford AI Index năm 2026 đã phơi bày sự mâu thuẫn này. Một mặt, tỷ lệ doanh nghiệp áp dụng AI tiếp tục tăng nhanh: năm 2025, 88% các tổ chức trong khảo sát đã sử dụng AI ở ít nhất một lĩnh vực, 70% đã sử dụng AI sinh thành; mặt khác, số doanh nghiệp thực sự triển khai Agent vẫn chỉ chiếm tỷ lệ đơn lẻ trong hầu hết các chức năng kinh doanh.

Nói cách khác, mọi người đã rất sẵn sàng “sử dụng AI”, nhưng vẫn chưa sẵn sàng rộng rãi “giao việc cho AI”.

Đây chính là khoảng cách mà Astra đang cố gắng lấp đầy.

Khi vượt qua ngưỡng đó, ảnh hưởng sẽ không chỉ dừng lại trong nội bộ các công ty công nghệ. Theo thống kê của Stanford, kể từ năm 2024, tỷ lệ việc làm của các nhà phát triển phần mềm từ 22 đến 25 tuổi tại Mỹ đã giảm gần 20%; đồng thời, khoảng một phần ba doanh nghiệp được khảo sát dự kiến trong năm tới AI sẽ dẫn đến việc cắt giảm nhân sự, trong khi thị trường lao động nói chung hiện vẫn chưa xuất hiện mức độ thất nghiệp toàn diện tương đương.

Điều này cho thấy tác động của AI đến thị trường lao động rất có thể không phải là một cú bấm công tắc tổng đột ngột, mà là thay đổi dần nhu cầu biên về các cổng tuyển dụng, vị trí cấp nhập và công việc tri thức tiêu chuẩn hóa.

Chính vì vậy, cái tên "Thực tập sinh nghiên cứu AI" thực sự rất tinh tế.

Hôm nay, nó có thể đầu tiên thay thế các nhà nghiên cứu thực hiện những thí nghiệm tốn một tuần nhưng mục tiêu tương đối rõ ràng; ngày mai doanh nghiệp sẽ hỏi: Mô hình sơ bộ của phân tích viên tài chính đâu? Thông tin thu thập của chuyên gia tư vấn đâu? Phát triển thông thường của lập trình viên đâu? Thực thi liên hệ hệ thống của bộ phận marketing đâu?

Trước đây, chúng ta luôn thảo luận về việc AI có sẽ “thay thế một nghề nghiệp” hay không.

Quy trình thực tế hơn rất có thể là AI sẽ từng bước chiếm lấy những mô-đun công việc trong một nghề nghiệp dễ chuẩn hóa nhất, dễ xác minh nhất và tốn nhiều thời gian nhất. Vị trí công việc sẽ không biến mất đột ngột vào một buổi sáng nào đó, nhưng công việc mà một công ty trước đây cần tuyển mười nhân sự mới để hoàn thành có thể dần dần chỉ cần sáu người, bốn người, cộng thêm một nhóm Agent.

Điều thực sự thay đổi thị trường lao động thường không phải là “AI đột nhiên làm được mọi thứ”.

Thay vào đó, doanh nghiệp phát hiện: có thể không tuyển nhân viên tiếp theo.

Nếu câu chuyện kết thúc ở đây, Astra chỉ là một sản phẩm có tầm nhìn kinh doanh cực kỳ ấn tượng.

Vấn đề là chính OpenAI đã chứng minh rằng chuyện không đơn giản như vậy.

Ngày 7 tháng 8, OpenAI công khai cho biết, theo đánh giá mới nhất nội bộ, công ty đã không thể loại trừ khả năng Astra đạt đến cấp độ “Critical” về năng lực an ninh mạng trong Khung Chuẩn bị của mình.

Mức ngưỡng này không phải là “mô hình so sánh có thể viết mã”.

Theo định nghĩa của chính OpenAI, cấp độ Critical có nghĩa là mô hình có thể tự tìm kiếm và phát triển các lỗ hổng zero-day với các mức độ nghiêm trọng khác nhau đối với các hệ thống then chốt đã được tăng cường, mà không cần sự can thiệp của con người, hoặc chỉ dựa trên một mục tiêu cấp cao để tự thiết kế và thực thi các chiến lược tấn công mới toàn diện nhắm vào các mục tiêu đã được tăng cường.

OpenAI nhấn mạnh rằng hiện tại chỉ là không thể loại trừ mức độ này, chứ không phải đã xác nhận cuối cùng rằng Astra sở hữu đầy đủ các khả năng nêu trên; đồng thời, Astra cũng không liên quan đến sự cố bảo mật trước đây của OpenAI với Hugging Face.

But the company's response is already enough to speak volumes.

OpenAI đã tăng cường cách ly mạng, sandbox, bảo vệ trọng số mô hình và giám sát toàn bộ quy trình, tạm dừng các hoạt động Astra không đáp ứng các tiêu chuẩn bảo mật mới. Vào ngày 18 tháng 8, công ty tiếp tục tiết lộ rằng để củng cố môi trường và mở rộng phạm vi giám sát, việc huấn luyện học tăng cường cho mô hình mới nhất đã bị tạm dừng trong hai tuần, và các cuộc huấn luyện RL tiên tiến nhất vẫn đang bị tạm dừng, đồng thời nhiều công việc huấn luyện và đánh giá liên quan đến Astra vẫn chưa được khôi phục.

Ngay cả bản thân sự an toàn cũng bắt đầu trở thành một khoản chi phí tính toán đắt đỏ.

OpenAI ước tính rằng hệ thống giám sát hiện tại có thể tiêu tốn thêm khoảng 20% năng lực tính toán so với lượng tính toán suy luận được giám sát.

Bộ số này rất đáng để thị trường vốn ghi nhớ.

Trong vài năm qua, câu chuyện của ngành AI luôn là: mô hình càng mạnh, giá trị thương mại càng lớn, do đó đáng để đầu tư thêm GPU, trung tâm dữ liệu và điện năng. Nhưng Astra bắt đầu phác họa một đường cong chi phí khác—mô hình càng mạnh, không chỉ chi phí huấn luyện ngày càng tăng, mà an toàn, cô lập, giám sát và quản trị cũng bắt đầu ngốn hết tài nguyên tính toán.

Điều này có nghĩa là mô hình kinh tế của AI thế hệ tiếp theo không thể chỉ tính toán “mỗi triệu token mất bao nhiêu tiền”.

Cần phải tính đến rủi ro mất kiểm soát, độ dư thừa an toàn, phê duyệt thủ công, cách ly quyền hạn và tổn thất thực tế do lỗi gây ra.

Một mô hình giúp bạn viết email bị lỗi, chỉ khiến bạn cảm thấy xấu hổ.

Một Agent có khả năng ghi nhớ dài hạn, thực thi mã và truy cập mạng, có thể tự động thao tác hệ thống doanh nghiệp trong vài giờ, nếu xảy ra lỗi thì tính chất hoàn toàn khác biệt.

Càng có năng lực gần với “nhân viên”, quản lý quyền hạn càng phải gần với “nhân viên”; một khi năng lực vượt quá nhân viên bình thường, yêu cầu bảo mật thậm chí còn phải cao hơn nhân viên.

Vì vậy, điểm mà Astra thực sự thách thức OpenAI có lẽ không phải là “có thể làm ra hay không”.

Nhưng liệu có thể biến hệ thống này thành một sản phẩm mà doanh nghiệp dám đưa vào môi trường sản xuất không.

Câu nói táo bạo nhất của Altman trong buổi xem trước kín là ông dự đoán Astra có thể trở thành mô hình đầu tiên có thể “sáng tạo ra những điều mới mẻ theo cách thực sự quan trọng”, và ông gọi khả năng này là “rất giống với AGI”.

This sentence certainly has a strong Altman style.

Hiện tại không có bằng chứng công khai nào chứng minh Astra đã ổn định tạo ra những kiến thức khoa học mới quan trọng đã được đồng nghiệp xác minh, và OpenAI cũng chưa công bố đủ kết quả kiểm tra bên ngoài. Do đó, việc ghi nhận Astra trực tiếp là “AGI đã đến” là không cần thiết và thiếu cơ sở thực tế.

Nhưng tại sao Altman lại đặc biệt nhấn mạnh vào “việc phát hiện ra kiến thức mới” lại đáng được nghiên cứu kỹ lưỡng.

Vì đây mới là nơi thực sự có thể xảy ra sự thay đổi theo cấp số nhân trong ngành AI.

Nếu AI chỉ giúp con người tăng hiệu suất trong việc viết mã, thiết kế và phân tích tài liệu, thì toàn bộ ngành công nghiệp dù có táo bạo đến đâu, về bản chất vẫn là một cuộc cách mạng công cụ năng suất. Nó có thể nâng cao đáng kể hiệu quả kinh tế, nhưng vẫn chủ yếu phụ thuộc vào con người để quyết định nghiên cứu tiếp theo là gì, thiết kế thí nghiệm ra sao và tạo ra công nghệ thế hệ tiếp theo như thế nào.

Nếu AI có thể tham gia vào chính nghiên cứu AI, thì logic sẽ thay đổi.

Một Agent có thể đọc các bài báo nghiên cứu, đề xuất phương án thí nghiệm, chỉnh sửa các kho mã nguồn lớn, tự chạy thí nghiệm và phân tích kết quả, ngay cả khi chỉ đạt mức độ thực tập sinh nghiên cứu xuất sắc, cũng đã có thể mở rộng đáng kể năng lực nghiên cứu hiệu quả của một phòng thí nghiệm hàng đầu.

Hôm nay, 100 nhà nghiên cứu có thể chạy cùng lúc 500 Agent; trong tương lai, số lượng thí nghiệm mà mỗi nhà nghiên cứu có thể đồng thời tiến hành mỗi ngày có thể không còn phụ thuộc vào 24 giờ trong một ngày, mà nhiều hơn nữa phụ thuộc vào sức mạnh tính toán, chi phí thí nghiệm và khả năng xác minh.

Do đó, một khái niệm trước đây rất trừu tượng — “AI hỗ trợ phát triển AI tốt hơn” — bắt đầu trở nên cụ thể.

Đây mới là điểm đáng quan tâm nhất và cũng là nơi cần giữ sự kiềm chế nhất của Astra.

Vì vẫn còn một khoảng cách lớn giữa việc “hoàn thành thí nghiệm do người khác thiết kế” và “chủ động đề xuất các hướng nghiên cứu mới có giá trị”; khoảng cách còn lớn hơn giữa việc “sinh ra một ý tưởng mới trông có vẻ hợp lý” và “tạo ra những kiến thức mới có thể lặp lại, có thể xác minh và thực sự thúc đẩy tiến bộ khoa học”.

16 agent có thể hoạt động đồng thời không có nghĩa là sáng tạo tăng 16 lần.

Running a hundred thousand experiments per day doesn't mean you'll naturally achieve a breakthrough.

Khoa học không thiếu giả thuyết, điều thực sự khan hiếm là biết được vấn đề nào đáng để hỏi và kết quả nào thực sự quan trọng.

Astra đã vượt qua ranh giới này chưa, hiện chưa ai có thể rút ra kết luận từ một buổi trình diễn kín.

Vì vậy, việc thảo luận về việc Astra có phải là AGI hay không hiện nay hơi vội vàng.

Định nghĩa của từ AGI vốn rất mơ hồ. Định nghĩa mà OpenAI đã sử dụng trong thời gian dài là một hệ thống tự chủ cao có thể vượt qua con người trong hầu hết các công việc có giá trị kinh tế; các phòng thí nghiệm, học giả và công chúng khác lại có những tiêu chuẩn đánh giá hoàn toàn khác biệt.

Thay vì tranh luận về một nhãn hiệu, hãy quan sát ba vấn đề cụ thể hơn.

Đầu tiên, những nhiệm vụ mà Astra có thể tự thực hiện sẽ kéo dài bao lâu và độ tin cậy là bao nhiêu?

Thứ hai, khi nó được đưa vào môi trường sản xuất doanh nghiệp, con người cần bao nhiêu thời gian để kiểm tra và sửa lỗi? Nếu một Agent làm việc thay bạn tám giờ, nhưng các kỹ sư phải tốn thêm ba giờ để xác minh, thì mức tăng năng suất thực tế của nó hoàn toàn khác với video trình diễn.

Thứ ba, và cũng là quan trọng nhất: liệu nó có thể thúc đẩy nghiên cứu tự động hóa từ “thực hiện thí nghiệm” sang “khám phá ra những kiến thức mới thực sự có giá trị” hay không.

Hai câu hỏi đầu tiên quyết định xem Astra có phải là một khoản kinh doanh khổng lồ hay không.

Câu hỏi thứ ba, mới quyết định liệu đó có phải là điểm chuyển mình của một thời đại hay không.

Từ góc độ này, bức tường cây xanh được đẩy đến trước cửa MB0 mang ý nghĩa biểu tượng sâu sắc. Một bên là hàng chục nhà quản lý khách hàng, lần đầu tiên chứng kiến các đại lý số có thể làm việc lâu dài cho họ; bên kia là những người biểu tình yêu cầu cả ngành ngừng cuộc đua AI. Hai bên có những đánh giá hoàn toàn khác biệt về tương lai, nhưng thực chất đều công nhận một điều: công nghệ này đang trở nên mạnh mẽ hơn bao giờ hết.

Astra chưa được phát hành công khai, các khả năng nội bộ cũng chưa được xác minh đầy đủ ngoài thực tế. Nó có thể bị hoãn, có thể phơi bày nhiều vấn đề về độ tin cậy trong môi trường thực tế, hoặc cuối cùng cũng không gần với AGI như Altman đã mô tả.

All these possibilities should be retained.

Nhưng có một điểm ngày càng trở nên rõ ràng.

Giai đoạn trước của cuộc cạnh tranh giữa các mô hình lớn là ai có thể trả lời chính xác những câu hỏi mà thế giới đã biết; giai đoạn tiếp theo, đại diện bởi Astra, bắt đầu đặt câu hỏi ai có thể hành động liên tục, tự mình hoàn thành các công việc phức tạp và cuối cùng giúp con người khám phá những câu hỏi mà thế giới vẫn chưa có câu trả lời.

Từ chatbot đến đồng nghiệp ảo, giữa chúng là bốn bức tường cao: độ tin cậy, bảo mật, chi phí và niềm tin tổ chức.

Điều mà OpenAI đang thực sự đặt cược vào hiện nay là Astra có thể vượt qua từng rào cản một.

而如果它真的翻过去了，人们回头看2026年，真正重要的或许不会是某个模型在排行榜上领先了多少分。

Thay vào đó, máy móc lần đầu tiên bắt đầu sở hữu một khả năng trước đây chủ yếu thuộc về con người: nhận một việc, rồi tự mình thực hiện nó đến cùng.

1. Alex Heath, “Inside OpenAI’s Reboot”, TIME, ngày 26 tháng 8 năm 2026 (được trích dẫn từ 雅虎科技). (雅虎科技)
2. OpenAI, “Phản ứng với ranh giới tiếp theo của các khả năng mạng quan trọng”, ngày 7 tháng 8 năm 2026. (OpenAI)
3. OpenAI, “Pacing model development in an era of cyber-critical capabilities”, ngày 18 tháng 8 năm 2026. (OpenAI)
4. Cat Zakrzewski, Ian Duncan, Riley Beggin, “Sam Altman courts Washington as OpenAI pushes a powerful new AI”, The Washington Post, 2026年7月31日。(The Washington Post)
5. Viện Stanford về AI hướng con người, Báo cáo AI Index 2026 — Kinh tế, 2026. (斯坦福HAI)
6. METR, “Thời gian hoàn thành nhiệm vụ của các mô hình AI tiên tiến”, cập nhật ngày 8 tháng 5 năm 2026. (METR)
7. METR, “Time Horizon 1.1”, ngày 29 tháng 1 năm 2026. (METR)
8. Dừng cuộc đua AI, “Occupy OpenAI / Stop The AI Race”, năm 2026. (stoptherace.ai)