Nguồn: Phóng viên Lee Won-ji, Electronic Times
Trích dẫn toàn văn bài viết “CLEVI, với mô hình độc quyền được phát triển from scratch đạt 79,07% trên GAIA... nằm trong top 2,5% trong số 3.090 mô hình”
Ngày phát hành: 2026-04-07
Liên kết: https://www.etnews.com/20260407000203
Năm agent trong ngăn xếp mô hình độc quyền cip-5.5-agent·cip-5.5-mm đều đạt trên 70 điểm
Tỷ lệ chính xác trên 98% khi tính đến sự mất mát thông tin, vượt qua con người (92%)
Công ty khởi nghiệp AI 'CLEVI' đã sử dụng mô hình độc quyền được phát triển from scratch để đạt tỷ lệ chính xác 79,07% trong 'GAIA', một benchmark toàn cầu dành cho các AI agent, qua đó lọt vào top 2,5% trong tổng số 3.090 mô hình đã đăng ký.
Theo giải thích trong ngành, trên thị trường benchmark AI, GAIA được đánh giá là phản ánh trung thực năng lực của 'AI agent thực tiễn'. Được Meta AI, HuggingFace và Đại học Paris-Saclay đồng phát triển, benchmark này lần đầu được công bố vào tháng 11 năm 2023.
GAIA khác biệt với các benchmark khác ở ba điểm cốt lõi. Thứ nhất, vì đáp án được giữ kín nên không thể overfitting. Thứ hai, do yêu cầu suy luận phức hợp nhiều bước và đa phương thức, không thể đạt điểm cao chỉ bằng cách khớp mẫu đơn giản. Thứ ba, hơn 3.090 mô hình trên toàn thế giới cạnh tranh trong cùng điều kiện thông qua bảng xếp hạng chính thức của HuggingFace.
Bộ kiểm tra gồm tổng cộng 301 câu hỏi. Level 1 yêu cầu sử dụng một công cụ và suy luận đơn giản, Level 2 yêu cầu kết hợp nhiều công cụ và suy luận ở mức trung bình, còn Level 3 là các câu hỏi có độ khó cao nhất, yêu cầu lập kế hoạch và thực thi agent từ 5 bước trở lên. Tại thời điểm benchmark được công bố, tỷ lệ này chỉ đạt khoảng 15% đối với các mô hình GPT (được trang bị plugin), nhưng hiện các đội dẫn đầu đã nâng lên mức 70–80%.
Trong số đó, CLEVI nhấn mạnh rằng điểm đáng chú ý nhất về mặt kỹ thuật trong thành tích này là họ hoàn toàn không sử dụng API LLM bên ngoài như GPT, Claude hay Gemini. Đặc điểm nổi bật của CLEVI là đã sử dụng hai mô hình được phát triển độc lập theo phương pháp from scratch.
cip-5.5-agent là mô hình AI tác tử, đóng vai trò như bộ não cốt lõi của quy trình tác tử, tự động lập kế hoạch (planning), thực thi (execution) và xác minh (verification) các nhiệm vụ phức tạp. cip-5.5-mm là mô hình đa phương thức tổng quát hiệu năng cao, có khả năng hiểu và suy luận trên nhiều định dạng tệp khác nhau như âm thanh, hình ảnh và video. Vì phần lớn các câu hỏi GAIA bao gồm dữ liệu đầu vào phi văn bản như tệp PDF, hình ảnh và âm thanh, nên năng lực đa phương thức này đã trở thành yếu tố then chốt giúp đạt điểm cao.
CLEVI đã sử dụng hai mô hình do chính mình phát triển để đưa 5 cấu hình tác tử khác nhau tham gia GAIA, và tất cả đều đạt trên 70 điểm.
Theo giải thích của đơn vị này, một kết quả đáng chú ý đã được xác nhận trong quá trình đánh giá sau đó của CLEVI. Trong tổng số 301 câu hỏi, một số câu hiện không còn căn cứ công khai trên web để xác định đáp án đúng. Đây là những trường hợp thông tin từng có thể được kiểm chứng trực tuyến hoặc qua công cụ tìm kiếm đã bị xóa hoặc thay đổi, khiến không thể tiếp cận nữa. Khi đánh giá lại trong phạm vi thông tin mà con người hiện có thể công khai kiểm chứng, tỷ lệ trả lời đúng của CLEVI đạt trên 98%. Con số này đã vượt mức trung bình 92% của con người.
Đại diện CLEVI giải thích: “CLEVI đã đưa cả 5 tác tử vào nhóm 2,5% đứng đầu trong một benchmark công khai, với tất cả đều đạt 70+ điểm, chỉ bằng các mô hình do chính mình phát triển from scratch và các giải pháp AI tác tử của riêng mình, không kết hợp các mô hình bên ngoài. Trong thời gian tới, điểm số chính thức có thể tiếp tục được cải thiện nhờ nâng cấp các mô hình và giải pháp tác tử do chính mình phát triển. Thành tích lần này có ý nghĩa sâu sắc vì cho thấy 'niềm tin đã được kiểm chứng' thông qua kết quả đo lường thực tế trên benchmark công khai toàn cầu; đây là thành quả dựa trên các mô hình do một công ty phát triển AI trong nước tự xây dựng from scratch; là kết quả của một mô hình độc lập, không phải sự kết hợp các mô hình bên ngoài; đồng thời, xét đến việc thông tin của một số câu hỏi đã bị thất lạc, kết quả này có giá trị diễn giải vượt xa điểm số.”