Perplexity tinh chỉnh mô hình AI Trung Quốc, đạt hiệu năng ngang Claude Opus 4.8 với chi phí chỉ bằng 1/3

Perplexity đưa GLM 5.2 Preview vào sản xuất sau quá trình tinh chỉnh với Claude

Công ty AI Perplexity vừa công bố đã tinh chỉnh thành công mô hình GLM 5.2 Preview — một mô hình ngôn ngữ lớn mã nguồn mở có nguồn gốc từ Trung Quốc — và tích hợp vào hệ thống sản xuất thực tế của mình.

Điểm đáng chú ý là phương pháp post-training mà Perplexity áp dụng: sử dụng Claude Opus 4.8 của Anthropic làm mô hình "cố vấn" (frontier advisor) trong quá trình huấn luyện. Kỹ thuật này cho phép mô hình cơ sở chi phí thấp hấp thụ năng lực từ mô hình tiên tiến hơn mà không cần triển khai trực tiếp mô hình đắt tiền đó trong sản xuất.

Chi phí thấp hơn, hiệu năng tương đương

Theo thông tin từ Perplexity, GLM 5.2 Preview sau khi được tinh chỉnh đạt hiệu năng tương đương Claude Opus 4.8 nhưng với chi phí vận hành chỉ bằng khoảng một phần ba. Đây là minh chứng cho xu hướng ngày càng phổ biến trong ngành AI: tận dụng các mô hình frontier như "giáo viên" để nâng cấp các mô hình nhỏ hơn, rẻ hơn thông qua kỹ thuật distillation và reinforcement learning từ phản hồi của AI (RLAIF).

Mô hình GLM (General Language Model) được phát triển bởi nhóm nghiên cứu tại Đại học Thanh Hoa và công ty Zhipu AI, và đã được phát hành dưới dạng mã nguồn mở. Việc Perplexity chọn GLM làm nền tảng phản ánh sự trưởng thành ngày càng tăng của các mô hình AI từ Trung Quốc trên thị trường quốc tế.

Ý nghĩa với ngành công nghiệp AI

Động thái này có thể có tác động đáng kể đến cách các công ty công nghệ tiếp cận bài toán chi phí hạ tầng AI. Thay vì phụ thuộc hoàn toàn vào các mô hình độc quyền đắt tiền, nhiều tổ chức đang tìm cách kết hợp mô hình mã nguồn mở với kỹ thuật post-training tiên tiến để đạt được sự cân bằng giữa hiệu năng và chi phí.

Việc GLM 5.2 Preview đã được đưa vào môi trường sản xuất thực tế tại Perplexity — một trong những nền tảng tìm kiếm AI được sử dụng rộng rãi nhất hiện nay — cũng là tín hiệu cho thấy phương pháp này không chỉ là thử nghiệm nghiên cứu mà đã có giá trị thực tiễn.

Bối cảnh cạnh tranh AI rộng hơn

Thông tin này xuất hiện trong bối cảnh cuộc đua AI đang ngày càng quyết liệt, với các công ty liên tục tìm kiếm lợi thế cạnh tranh thông qua tối ưu hóa chi phí. Theo các nhà phân tích trong ngành, khả năng đạt hiệu năng frontier với chi phí thấp hơn đáng kể có thể tái định hình cấu trúc chi phí của nhiều dịch vụ AI thương mại trong thời gian tới.

Perplexity chưa công bố chi tiết kỹ thuật đầy đủ về quy trình tinh chỉnh, nhưng kết quả được áp dụng ngay vào thực tế cho thấy đây là bước đi có tính toán trong chiến lược phát triển sản phẩm của công ty.