Đây là bước tiến chiến lược của OpenAI, giúp ChatGPT không còn đơn thuần là một chatbot, mà trở thành một tác nhân AI thực thụ (agentic system), có khả năng làm thay bạn nhiều đầu việc kỹ thuật số, cạnh tranh trực tiếp với các dự án từ Google, Microsoft, Anthropic…

ChatGPT Agent có gì đặc biệt?
Thay vì những câu lệnh đơn giản, giờ đây người dùng có thể giao phó cho ChatGPT Agent những yêu cầu đa tầng. Trong buổi giới thiệu, các lãnh đạo dự án của OpenAI đã trình diễn những khả năng ấn tượng:

Lên kế hoạch phức tạp: Yêu cầu “lên kế hoạch cho một buổi hẹn hò”, Agent sẽ tự động kết nối Lịch Google để tìm buổi tối rảnh, sau đó đối chiếu với dịch vụ đặt bàn để tìm nhà hàng phù hợp và gợi ý cho người dùng.

Phân tích và sáng tạo: Nó có thể “phân tích ba đối thủ cạnh tranh và tạo một bản trình chiếu slide”, tự động tổng hợp thông tin và biến nó thành một sản phẩm cụ thể.

Tự động hóa công việc đời thường: Trưởng nhóm sản phẩm Yash Kumar chia sẻ ông đã dùng Agent để tự động hóa việc xin cấp chỗ đậu xe mới tại văn phòng vào thứ Năm hàng tuần, một công việc nhỏ nhưng ông thường hay quên.

Sức mạnh tích hợp 3 cộng cụ cực mạnh
Sức mạnh của ChatGPT Agent đến từ một mô hình AI hoàn toàn mới, được phát triển chuyên biệt bằng cách hợp nhất hai công nghệ có sẵn là khả năng tương tác web như người thật của công cụ “Operator” và kỹ năng tổng hợp, phân tích sâu của “Deep Research”. Nó được cấp quyền truy cập vào “toàn bộ một chiếc máy tính” thay vì chỉ một trình duyệt, và được trang bị bộ công cụ mạnh mẽ:

Trình duyệt trực quan và văn bản: Để tương tác với website một cách linh hoạt.

Terminal: Để chạy mã lệnh và xử lý tệp tin.

Trình kết nối (Connectors): Cho phép kết nối với các ứng dụng như Gmail, Github để truy xuất và hành động dựa trên dữ liệu của người dùng.

Trong các bài kiểm tra, Agent đã thiết lập nhiều kỷ lục mới về hiệu năng, thậm chí vượt trội đáng kể so với con người trong các tác vụ phức tạp về khoa học dữ liệu (DSBench) và mô hình tài chính:

DSBench (phân tích & mô hình dữ liệu):

• Phân tích dữ liệu đạt 89.9% chính xác

• Mô hình hóa dữ liệu đạt 85.5%

→ Vượt cả hiệu suất trung bình của con người

SpreadsheetBench (sửa bảng tính thực tế):

• Đạt 45.5%, trong khi Copilot in Excel chỉ đạt 20%

FrontierMath (giải toán khó cấp chuyên gia):

• ChatGPT Agent đạt 27.4% độ chính xác→ Cao hơn GPT-4o và các mô hình trước đó

Humanity’s Last Exam (HLE):

• Đạt 41.6% khi chạy đơn lẻ

• Tăng lên 44.4% khi chạy song song 8 phiên bản

→ Đây là bài test tổng hợp nhiều lĩnh vực ở cấp độ chuyên gia

BrowseComp (truy vấn web phức tạp):

• Tỷ lệ chính xác: 68.9%

→ Cao hơn Deep Research đến 17.4 điểm phần trăm

WebArena (tác vụ thao tác web thực tế):

• Đạt 65.4% hiệu quả

→ Gần tiệm cận mức của người dùng thật (78.2%)

Banking Benchmark (bài toán tài chính đầu tư):

• Đạt 71.3% độ chính xác

→ Vượt trội so với tất cả các mô hình AI tài chính hiện tại

OpenAI thừa nhận rằng một công cụ mạnh mẽ cũng đi kèm những rủi ro mới, đặc biệt là nguy cơ “tấn công prompt injection” khi một trang web độc hại có thể lừa AI thực hiện hành động sai trái. Để giải quyết vấn đề này, OpenAI đã thiết lập nhiều lớp bảo vệ, đặt người dùng vào vị trí trung tâm của sự kiểm soát. Cụ thể, Agent phải luôn xin phép trước khi thực hiện bất kỳ hành động không thể đảo ngược nào như gửi email hay mua hàng, và người dùng có toàn quyền can thiệp vào quá trình bất cứ lúc nào. Thêm vào đó, một cơ chế bảo vệ bổ sung là “Chế độ Theo dõi” (Watch Mode) sẽ được kích hoạt khi AI truy cập các trang web nhạy cảm như tài chính, yêu cầu người dùng phải giám sát trực tiếp để tác vụ tiếp tục. Để hạn chế rủi ro ở mức tối đa, các giao dịch tài chính hiện cũng đang bị giới hạn và mô hình được huấn luyện để chủ động từ chối các yêu cầu nguy hiểm như chuyển khoản ngân hàng.

Đáng chú ý, OpenAI đã chủ động áp dụng các biện pháp phòng ngừa ở mức cao nhất cho các rủi ro sinh học và hóa học, thể hiện sự cẩn trọng tối đa.

Hiện ChatGPT Agent chỉ mở cho người dùng trả phí:

Pro: $200/tháng – 400 tin nhắn/tháng

Plus: $20/tháng – 40 tin nhắn/tháng

Team 25/tháng (theo năm) hoặc $30/tháng (theo tháng) – 40 tin nhắn/tháng

=> Người dùng Pro đã có quyền truy cập ngay từ (17/7), còn các gói khác sẽ được mở trong vài ngày tới!

Một số hạn chế hiện tại
Tính năng tạo slide đang ở giai đoạn beta – cần cải thiện thêm về thiết kế & định dạng

Một số thao tác cần giám sát người dùng để đảm bảo an toàn

ChatGPT Agent vẫn có thể mắc lỗi và đang được liên tục cải tiến

Cách sử dụng và lộ trình tương lai
OpenAI đã bắt đầu triển khai ChatGPT Agent cho người dùng các gói Pro, Plus, và Team. Người dùng có thể kích hoạt bằng cách chọn “agent mode” trong menu công cụ hoặc gõ lệnh “/agent”. Các tài khoản Doanh nghiệp và Giáo dục sẽ được tiếp cận vào cuối mùa hè này.

Đây mới chỉ là bước khởi đầu. OpenAI khẳng định sẽ liên tục cải tiến để biến ChatGPT Agent trở thành một công cụ ngày càng hiệu quả, an toàn và hữu ích hơn trong tương lai.

Bạn có thể tùy chỉnh để cân bằng giữa chất lượng phản hồi, tốc độ xử lý và chi phí sao cho phù hợp với từng công việc cụ thể. Nó được tối ưu cho hiệu suất và chi phí

Gemini 2.5 Flash được thiết kế để hoạt động hiệu quả mà vẫn tiết kiệm chi phí. Điều này khá hữu ích cho các ứng dụng cần xử lý nhiều yêu cầu hoặc cần phản hồi nhanh, ví dụ như các hệ thống chatbot, tóm tắt thông tin tự động, hay phân tích dữ liệu đa dạng (văn bản, hình ảnh, video, âm thanh).

Các tính năng cốt lõi và cải tiến trong Gemini 2.5 Flash

Gemini 2.5 Flash giới thiệu một loạt các tính năng sáng tạo giúp nó trở thành một công cụ mạnh mẽ cho các ứng dụng AI hiện đại. Các khả năng này nâng cao tính linh hoạt, hiệu quả và hiệu suất của nó, khiến nó phù hợp với nhiều trường hợp sử dụng khác nhau trong nhiều ngành. Hiện tại dữ liệu của Gemini 2.5 Flash được cập nhật đến khoảng tháng 1 năm 2025.

Lý luận đa phương thức và tích hợp công cụ gốc

Gemini 2.5 Flash xử lý văn bản, hình ảnh, âm thanh và video trong một hệ thống thống nhất, cho phép phân tích nhiều loại dữ liệu khác nhau cùng nhau mà không cần chuyển đổi riêng biệt. Khả năng này cho phép AI xử lý các đầu vào phức tạp, chẳng hạn như quét y tế kết hợp với báo cáo xét nghiệm hoặc biểu đồ tài chính kết hợp với báo cáo thu nhập.

Một tính năng chính của mô hình này là khả năng thực hiện các tác vụ trực tiếp thông qua tích hợp công cụ gốc. Nó có thể tương tác với API cho các tác vụ như truy xuất dữ liệu, thực thi mã và tạo ra các đầu ra có cấu trúc như JSON, tất cả mà không cần dựa vào các công cụ bên ngoài. Hơn nữa, Gemini 2.5 Flash có thể kết hợp dữ liệu trực quan, chẳng hạn như bản đồ hoặc sơ đồ luồng, với văn bản, tăng cường khả năng đưa ra quyết định có nhận thức theo ngữ cảnh. Ví dụ: Palo Alto Networks đã sử dụng khả năng đa phương thức này để cải thiện khả năng phát hiện mối đe dọa bằng cách phân tích nhật ký bảo mật, mô hình lưu lượng mạng và nguồn cấp dữ liệu tình báo về mối đe dọa cùng nhau, mang lại thông tin chi tiết chính xác hơn và ra quyết định tốt hơn.

Tối ưu hóa độ trễ động

Một trong những tính năng nổi bật của Gemini 2.5 Flash là khả năng tối ưu hóa độ trễ một cách linh hoạt thông qua khái niệm suy nghĩ ngân sách. Ngân sách suy nghĩ tự động điều chỉnh dựa trên độ phức tạp của tác vụ. Mô hình này được thiết kế cho các ứng dụng có độ trễ thấp, lý tưởng cho các tương tác AI thời gian thực. Trong khi thời gian phản hồi chính xác phụ thuộc vào độ phức tạp của tác vụ, Gemini 2.5 Flash ưu tiên tốc độ và hiệu quả, đặc biệt là trong môi trường có khối lượng lớn.

Ngoài ra, Gemini 2.5 Flash hỗ trợ cửa sổ ngữ cảnh 1 triệu token, cho phép xử lý lượng dữ liệu lớn trong khi vẫn duy trì độ trễ dưới một giây cho hầu hết các truy vấn. Khả năng ngữ cảnh mở rộng này nâng cao khả năng xử lý các tác vụ lý luận phức tạp, biến nó thành một công cụ mạnh mẽ cho các doanh nghiệp và nhà phát triển.

Kiến trúc lý luận nâng cao

Dựa trên những tiến bộ của Gemini 2.0 Flash, Gemini 2.5 Flash tiếp tục nâng cao khả năng suy luận của mình. Mô hình sử dụng suy luận nhiều bước, cho phép xử lý và phân tích thông tin theo từng giai đoạn, cải thiện độ chính xác khi ra quyết định. Ngoài ra, nó sử dụng cắt tỉa theo ngữ cảnh để ưu tiên các điểm dữ liệu có liên quan nhất từ ​​các tập dữ liệu lớn, tăng hiệu quả ra quyết định.

Một tính năng quan trọng khác là chuỗi công cụ, cho phép mô hình tự động thực hiện các tác vụ nhiều bước bằng cách gọi API bên ngoài khi cần. Ví dụ, mô hình có thể lấy dữ liệu, tạo hình ảnh trực quan, tóm tắt các phát hiện và xác thực số liệu, tất cả đều không cần sự can thiệp của con người. Các khả năng này hợp lý hóa quy trình làm việc và cải thiện đáng kể hiệu quả chung.

Hiệu quả tập trung vào nhà phát triển

Gemini 2.5 Flash được thiết kế cho các ứng dụng AI có khối lượng lớn, độ trễ thấp, rất phù hợp với các tình huống cần xử lý nhanh. Mô hình này có sẵn trên Vertex AI của Google, đảm bảo khả năng mở rộng cao cho mục đích sử dụng của doanh nghiệp.

Các nhà phát triển có thể tối ưu hóa hiệu suất AI thông qua Model Optimizer của Vertex AI, giúp cân bằng chất lượng và chi phí, cho phép các doanh nghiệp điều chỉnh khối lượng công việc AI một cách hiệu quả. Ngoài ra, các mô hình Gemini hỗ trợ các định dạng đầu ra có cấu trúc, chẳng hạn như JSON, cải thiện khả năng tích hợp với nhiều hệ thống và API khác nhau. Cách tiếp cận thân thiện với nhà phát triển này giúp triển khai tự động hóa do AI điều khiển và phân tích dữ liệu nâng cao dễ dàng hơn.

Tính năng “Thinking Budget”

Tính năng đáng chú ý nhất có lẽ là “thinking budget” (ngân sách suy nghĩ). Nó cho phép người dùng hoặc lập trình viên điều chỉnh mức độ “đào sâu suy nghĩ” (reasoning) của AI. Bạn có thể đặt mức này từ 0 (tốc độ và chi phí tương đương bản Flash 2.0 trước đó) lên đến tối đa khoảng 24.576 token. Hoặc bạn cũng có thể để AI tự quyết định dựa trên độ phức tạp của yêu cầu đầu vào.

Nhờ vậy, mô hình này có thể xử lý được nhiều loại tác vụ, từ những câu hỏi đơn giản (“Cách nói cảm ơn trong tiếng Tây Ban Nha?”) đến những việc cần nhiều bước xử lý, lập kế hoạch, hay phân tích dữ liệu phức tạp hơn. Khi bạn tăng mức “ngân sách suy nghĩ”, chất lượng và độ chính xác của kết quả thường sẽ tăng lên, hữu ích cho các việc cần sự tỉ mỉ, nhưng chi phí cũng sẽ cao hơn một chút.

So với các mô hình có khả năng “suy nghĩ” khác của Google, Gemini 2.5 Flash hiện là lựa chọn tiết kiệm nhất. Giá đầu ra mặc định (khi không bật tính năng reasoning) là $0.60 cho mỗi 1 triệu token. Khi bạn bật chế độ reasoning sâu hơn, giá sẽ là $3.50 cho 1 triệu token. Người dùng có thể chủ động quản lý chi phí này bằng cách điều chỉnh mức “ngân sách suy nghĩ” cho phù hợp.

Gemini 2.5 Flash Preview 04-17 là một lựa chọn đáng cân nhắc cho các doanh nghiệp, nhà phát triển, hoặc cả người dùng cá nhân đang tìm kiếm một công cụ AI đa dụng, linh hoạt, tiết kiệm chi phí mà vẫn đảm bảo hiệu quả cho các công việc cụ thể.

Các Mô Hình Suy Luận Mạnh Mẽ Nhất Của Chúng Tôi

Các mô hình o3 và o4-mini hiện đã có sẵn trong API. o3 đạt được hiệu suất hàng đầu trong các lĩnh vực lập trình, toán học, khoa học và thị giác – dẫn đầu bảng xếp hạng SWE-Bench Verified với số điểm 69.1%, trở thành mô hình tốt nhất cho các tác vụ lập trình dựa trên tác nhân. o4-mini là mô hình suy luận nhanh hơn và tiết kiệm chi phí hơn của chúng tôi.

Mặc dù cả hai mô hình đều có sẵn trong cả API Chat Completions và Responses, chúng tôi khuyến nghị sử dụng API Responses để có trải nghiệm phong phú nhất. API này hỗ trợ tóm tắt suy luận – luồng các bước suy nghĩ của mô hình trong khi bạn chờ đợi phản hồi cuối cùng – và cho phép sử dụng công cụ thông minh hơn bằng cách duy trì quá trình suy luận trước đó của mô hình giữa các lần gọi.

o4-mini hiện có sẵn cho các nhà phát triển ở cấp độ 1–5, và o3 có sẵn cho các nhà phát triển ở cấp độ 4–5. Các nhà phát triển ở cấp độ 1–3 có thể truy cập o3 bằng cách xác minh tổ chức của họ. Tính năng tóm tắt suy luận và truyền trực tuyến cũng yêu cầu xác minh.

Đối với các mô hình này, chúng tôi giới thiệu xử lý linh hoạt (Flex processing) – mức giá trên mỗi token rẻ hơn đáng kể cho thời gian phản hồi dài hơn và mức độ sẵn sàng thấp hơn. Xử lý linh hoạt giúp bạn tối ưu hóa chi phí hơn nữa khi sử dụng các mô hình này cho các khối lượng công việc không khẩn cấp như tác nhân chạy nền, đánh giá hoặc quy trình dữ liệu.

Các Mô Hình Ưu Tiên Nhà Phát Triển: GPT-4.1

Chúng tôi đã ra mắt GPT-4.1, GPT-4.1 mini và GPT-4.1 nano trong API, được huấn luyện cho các trường hợp sử dụng của nhà phát triển liên quan đến lập trình, tuân theo hướng dẫn và gọi hàm. Chúng cũng có cửa sổ ngữ cảnh lớn hơn – hỗ trợ lên đến 1 triệu token ngữ cảnh – và có khả năng sử dụng ngữ cảnh đó tốt hơn với khả năng hiểu ngữ cảnh dài được cải thiện.

Codex CLI

Giới thiệu Codex CLI – một tác nhân mã hóa cục bộ mã nguồn mở, có khả năng chuyển đổi ngôn ngữ tự nhiên thành mã hoạt động. Chỉ cần cho Codex CLI biết bạn muốn xây dựng, sửa chữa hoặc giải thích điều gì, sau đó theo dõi nó hiện thực hóa ý tưởng của bạn. Codex CLI hoạt động với tất cả các mô hình của OpenAI, bao gồm o3, o4-mini và GPT–4.1.

Theo: Open AI

Dịch: Vareno AI