Nguồn: Phóng viên Gu Bon-gyu, Digital Times
Trích dẫn toàn văn bài viết “Startup AI Clevi lọt vào top 2,5% của GAIA… Cho thấy uy tín được kiểm chứng”
Ngày phát hành 2026-04-08
Liên kết: https://n.news.naver.com/article/029/0003020511?sid=105
Startup AI trong nước ‘Clevi’ cho biết, trong khi xây dựng mô hình riêng và giải pháp tác nhân riêng do chính mình phát triển from scratch, công ty đã trở thành doanh nghiệp đầu tiên tại Hàn Quốc lọt vào top 2,5% trong điểm chuẩn GAIA, dựa trên tổng số 3.090 mô hình được đăng ký.
Theo giải thích của ngành, GAIA do Meta AI thiết kế và Hugging Face vận hành không yêu cầu AI chỉ ‘giỏi một việc’, mà yêu cầu ‘kết hợp nhiều năng lực để giải quyết vấn đề thực tế’. AI phải tìm kiếm thông tin trên web, đọc bảng trong PDF, phân tích hình ảnh, chạy mã để tính toán, rồi tổng hợp các kết quả và đưa ra một đáp án duy nhất. Với 301 câu hỏi không công khai, ba cấp độ khó và nguyên tắc không công khai đáp án, đây là một cấu trúc không thể overfitting hay gian lận.
Để đạt điểm cao trong bài kiểm tra này, cần có hai yếu tố. Một là năng lực suy luận của mô hình ngôn ngữ nền tảng; hai là giải pháp tác nhân kết nối mô hình đó với các công cụ trong thế giới thực để thực hiện công việc một cách tự chủ. Dù mô hình tốt đến đâu, nếu tác nhân yếu thì không thể giải bài Level 3; ngược lại, dù tác nhân tinh vi đến đâu, nếu năng lực suy luận của mô hình không đủ thì các câu trả lời sai sẽ lan truyền từ những cấp độ trung gian.
Nhìn vào cấu trúc hiện tại của bảng xếp hạng GAIA, có thể thấy một mô hình đáng chú ý. Phần lớn các tác nhân đứng đầu áp dụng chiến lược ‘kết hợp đa mô hình’, phối hợp nhiều mô hình công nghệ lớn như GPT, Claude và Gemini. Đây là một cách tiếp cận hợp lý nhằm kết hợp thế mạnh của từng mô hình và hạn chế việc điểm số bị giảm do mất mát thông tin.
Trong khi đó, Clevi không gia nhập đội ngũ này. cip-5.5-agent (AI tác nhân) được phát triển theo phương thức from scratch tự chủ thực hiện việc lập kế hoạch, thực thi và kiểm chứng các tác vụ phức tạp, còn cip-5.5-mm (mô hình đa phương thức tổng quát hiệu năng cao) hiểu và suy luận trên nhiều định dạng tệp khác nhau như âm thanh, hình ảnh và video. Cả hai mô hình đều được Clevi tự phát triển độc lập trong nội bộ, hoàn toàn không sử dụng API LLM bên ngoài.
Với toàn bộ stack mô hình tự phát triển này, CLEVI đã đưa 5 agent tham gia GAIA và tất cả đều đạt trên 70 điểm. Từ mức cao nhất 79,07% đến 70,76%, kết quả này chứng minh tính ổn định của toàn bộ stack, chứ không phải là may mắn từ một kết quả đơn lẻ.
Theo giải thích từ phía đơn vị, đằng sau điểm số chính thức 79,07% còn có một con số khác. Kết quả rà soát hậu kỳ nội bộ của CLEVI cho thấy trong số 301 câu hỏi, có khá nhiều câu mà bằng chứng cho đáp án đúng đã không còn tồn tại trên web công khai hiện nay. Khi đánh giá lại chỉ dựa trên những câu hỏi mà đáp án đúng vẫn đang tồn tại trên web, tỷ lệ trả lời đúng của CLEVI đạt trên 98%. Đây là con số đã vượt qua mức trung bình của con người (92%).
Tất nhiên, nếu kết hợp các mô hình đa năng mạnh của các công ty khác, điểm số chính thức có thể còn được nâng cao hơn nữa. Tuy nhiên, CLEVI đã cố ý không lựa chọn chiến lược đó. Bởi mục tiêu của benchmark lần này không phải là cạnh tranh để đạt điểm cao nhất, mà là kiểm chứng xem liệu một mô hình tự phát triển from scratch có đạt đến trình độ đủ sức cạnh tranh trên sân khấu toàn cầu hay không.
Việc có tên trên bảng xếp hạng GAIA mang ý nghĩa lớn ở chỗ mô hình đã đạt được uy tín được xác thực thông qua đánh giá độc lập của bên thứ ba. Đây là căn cứ khách quan có thể được sử dụng trong mọi giai đoạn, từ thu hút đầu tư, mở rộng ra nước ngoài đến kinh doanh B2B.
Đại diện CLEVI cho biết: “Trong 63 câu trả lời sai chính thức, phần lớn bắt nguồn từ sự không khớp về định dạng đầu ra, lỗi diễn giải tài liệu trực quan và những câu hỏi không thể trả lời do thông tin bị mất. Đây là vấn đề về độ chính xác của khâu hậu xử lý và khả năng tiếp cận thông tin bên ngoài, hơn là giới hạn căn bản của suy luận logic. Vì là mô hình tự phát triển, CLEVI có thể tự mình cải thiện. Đây chính là lợi thế mang tính cấu trúc của mô hình tự phát triển from scratch. Thành tích lần này của CLEVI đặt ra cho ngành AI Hàn Quốc câu hỏi: “Chúng ta sẽ còn phụ thuộc vào ‘bộ não đi mượn’ đến bao giờ?” CLEVI đã chọn con đường khó hơn là from scratch và muốn chứng minh câu trả lời đó trên sân khấu toàn cầu.”