Khác với Claude, vốn dành cho những người thực sự xây dựng các sản phẩm có impact lớn.

OpenAI loại bỏ Sora để tập trung vào các thế mạnh cốt lõi. Theo thông báo chính thức, họ muốn "streamline số lượng sản phẩm" và chuyển compute sang những thứ mang lại giá trị thực tế hơn.[^2] Khi bị tắt, Sora đang tiêu tốn khoảng $1 triệu mỗi ngày trong chi phí vận hành — không phải vì người dùng yêu thích nó, mà vì video generation vốn cực kỳ tốn kém về compute.[^3]

Có một sự gia tăng đáng kể về mặt chất lượng của các mô hình GPT-5 như 5.2, 5.3, 5.4 — đặc biệt GPT-5.4 giảm lỗi factual tới 33% và giảm 18% lỗi tổng thể trong toàn bộ response so với GPT-5.2.[^4] Và mình cũng đang sử dụng chúng nhiều hơn trước đây. Chúng rẻ và nhanh, hiệu quả và đáng tin cậy.

Số lượng AI Slop trên Internet chắc chắn sẽ không giảm. Các tay chơi MMO trước đó dùng Sora — với retention chỉ khoảng 1% sau 30 ngày theo dữ liệu từ a16z[^5] — sẽ chuyển sang dùng nền tảng khác.

Tương tự như trước đây, các bài viết chất lượng thấp trên internet vẫn tồn tại, chỉ có một mục tiêu chính: MMO.

Chính vì vậy, khía cạnh coi AI là magic ngày càng phai nhạt — sự thần kỳ đã giảm xuống, người ta bắt đầu nhận ra tầm quan trọng của các kỹ sư. Không có phép thuật nào tự nhiên xuất hiện, tất cả là do nỗ lực và sự sáng tạo không ngừng của con người với sự hỗ trợ của AI.

Sức mạnh khác biệt của con người là điều làm nên lợi thế.

Các lợi thế này dần trở nên rõ ràng hơn khi các nền tảng AI đang dần focus vào các khía cạnh cá nhân hóa. Trong khi OpenAI cắt giảm để tập trung enterprise — thậm chí một quyết định nội bộ đến mức Disney chỉ được thông báo chưa đầy một tiếng trước khi thông tin ra công chúng, khiến thỏa thuận $1 tỷ USD sụp đổ[^6] — Claude lại ưu tiên customization mạnh mẽ với Projects để quản lý riêng skills và connectors, biến AI thành "trợ lý cá nhân" thực sự.

Các khía cạnh cá nhân hóa này làm nổi bật thêm sự khác biệt về tư duy, kiến thức, kinh nghiệm của mỗi cá nhân.

Rõ ràng các nhà cung cấp AI sau khi chinh chiến các cột mốc về trí tuệ nhân tạo, họ dần lấn sân vào sân chơi của kinh tế — nơi giá trị thực sự không nằm ở "magic" mà nằm ở khả năng cá nhân hóa và ứng dụng sâu vào công việc của con người.

Nguồn tham khảo

[^1]: NBC News — "OpenAI is shutting down its Sora video-generation service" (24/3/2026). "In September, OpenAI debuted a second-generation Sora model... The stand-alone Sora app was released in September 2025." https://www.nbcnews.com/tech/tech-news/openai-shuttering-sora-video-generating-service-rcna264989

[^2]: CNN Business — "OpenAI is winding down Sora, the video generation app" (24/3/2026). Trích dẫn tuyên bố chính thức từ OpenAI: "As we focus and compute demand grows, the Sora research team continues to focus on world simulation research... The company added it needed to make trade-offs on products that have high compute costs." https://edition.cnn.com/2026/03/24/tech/openai-sora-video-app-shutting-down

[^3]: TechCrunch — "Why OpenAI really shut down Sora" (29/3/2026). "the app was burning through roughly $1 million every day — not because people loved it but because video generation is so costly to run." https://techcrunch.com/2026/03/29/why-openai-really-shut-down-sora/

[^4]: OpenAI — "Introducing GPT-5.4" (5/3/2026). Nguồn gốc: "on a set of de-identified prompts where users flagged factual errors, GPT‑5.4's individual claims are 33% less likely to be false and its full responses are 18% less likely to contain any errors, relative to GPT‑5.2." https://openai.com/index/introducing-gpt-5-4/

[^5]: Medium / a16z data — "Sora APP: From Viral Sensation to 1% 30-Day Retention" (12/2025). Dữ liệu từ Olivia Moore, partner tại a16z: "Day 1 retention stood at 10%, dropping to 2% by Day 7, plummeting to a mere 1% by Day 30, and approaching 0% by Day 60." https://medium.com/@cherc7888/sora-app-from-viral-sensation-to-1-30-day-retention-ef939c086136 · Xác nhận thêm: SensorTower data via aibase.com: "the 30-day retention rate is less than 1%." https://news.aibase.com/news/23248

[^6]: Variety — "OpenAI Will Shut Down Sora Video App; Disney Drops Plans for \(1 Billion Investment" (24/3/2026). "The entertainment giant had committed \)1 billion to the partnership, yet found out Sora was being shut down less than an hour before the public." https://variety.com/2026/digital/news/openai-shutting-down-sora-video-disney-1236698277/

• Claude giải bài toán đồ thị của Knuth: Donald Knuth — "cha đẻ của phân tích thuật toán" — vừa công bố bài báo "Claude's Cycles" mở đầu bằng "Shock! Shock!", phản ứng trước việc Claude Opus 4.6 giải được bài toán lý thuyết đồ thị phức tạp (xây dựng Hamiltonian cycles trong đồ thị có hướng 3D) mà ông đang nghiên cứu nhiều tuần. Knuth gọi đây là "bước tiến vượt bậc trong suy luận tự động và giải quyết vấn đề sáng tạo."

  Radical Data Science

• Karpathy ra mắt AutoResearch: Andrej Karpathy open-source dự án autoresearch — cho phép AI agent tự động sửa code, chạy thử nghiệm training ngắn, đánh giá kết quả và lặp lại qua đêm trên setup GPU đơn.

  Radical Data Science

• DeepSeek V4 chuẩn bị ra mắt: DeepSeek đang chuẩn bị V4 — mô hình multimodal đầu tiên của họ kể từ R1, được tối ưu cho chip Trung Quốc (Huawei Ascend + Cambricon).

  MML Studio

🏢 Doanh nghiệp & Sản phẩm

• Thinking Machines (Mira Murati) ký deal lớn với NVIDIA: Startup của cựu CTO OpenAI vừa đảm bảo thỏa thuận nhiều năm với NVIDIA cho ít nhất 1 gigawatt compute — quy mô hạ tầng thường chỉ dành cho các tập đoàn lớn.

  Radical Data Science

• Claude lên #1 App Store: Phong trào

  #QuitGPT

  bùng nổ với 2,5 triệu người rời bỏ ChatGPT sau thỏa thuận Pentagon của OpenAI, đẩy Claude lên vị trí số 1 App Store. OpenAI phản ứng bằng cách tung gấp GPT-5.4.

  MML Studio

• Anthropic ra Claude in Excel & PowerPoint: Anthropic chính thức launch Claude trong Excel và PowerPoint, trong khi OpenAI cũng tung ChatGPT for Excel.

  A16z

• Claude Code thêm voice interaction: Anthropic đang triển khai tính năng tương tác bằng giọng nói cho Claude Code, cho phép developer ra lệnh bằng lời nói để thực hiện các tác vụ lập trình như refactoring code.

  MarketingProfs

💼 Thị trường lao động & Kinh tế

• Oracle sa thải 20–30k người để đầu tư AI: Oracle lên kế hoạch cắt giảm 20.000–30.000 nhân viên để huy động 8–10 tỷ USD đầu tư vào hạ tầng AI. Block (Square, Cash App) cũng sa thải 4.000 người — gần 40% đội ngũ — với CEO Jack Dorsey thẳng thắn tuyên bố AI thay thế các vị trí này.

  MML Studio

🏥 AI trong Y tế

• Làn sóng AI agents trong healthcare: Tại hội nghị HIMSS 2026 ở Las Vegas, Oracle, Amazon, Google, Microsoft và Epic đồng loạt ra mắt AI agents cho y tế, nhưng các chuyên gia lo ngại về việc các sản phẩm này chưa được kiểm thử đầy đủ với bệnh nhân.

  Statnews

⚖️ Quy định & Chính sách

• Luật AI liên quan trẻ em và deepfake: Oregon thông qua luật bảo vệ trẻ em khi tương tác với chatbot; Washington thông qua SB 5105 về deepfake; Vermont ký luật cấm dùng AI trong vật liệu vận động tranh cử.

  Transparencycoalition

🔧 Phần cứng

• NVIDIA GTC sắp diễn ra: Hội nghị GPU Tech Conference (GTC) của NVIDIA diễn ra tuần tới, được giới đầu tư gọi là "Super Bowl of AI". Kỳ vọng NVIDIA sẽ ra mắt chip inference mới, cạnh tranh trực tiếp với chip tự phát triển của Google và Amazon.

  CNBC

• SRAM-centric chips nổi lên: Chip SRAM-centric của Cerebras và Groq đang được chú ý nhờ ưu thế về latency và throughput trong AI inference so với GPU truyền thống.

  Radical Data Science

Câu hỏi nghiên cứu

AI Agent là gì? Điều gì phân biệt agent với chatbot hay các hệ thống AI khác?

Tóm tắt

Bài viết này định nghĩa AI Agent từ góc nhìn học thuật, truy vết lịch sử phát triển từ BDI agents đến LLM agents hiện đại. Chúng tôi phân tích các đặc điểm cốt lõi (autonomy, tool use, reasoning) và đề xuất phổ năng lực 4 cấp độ để đánh giá khả năng của agent.

1. Giới thiệu

1.1. Định nghĩa học thuật

Theo Russell & Norvig trong cuốn sách kinh điển Artificial Intelligence: A Modern Approach (2020) [^1]:

"An agent is anything that can be viewed as perceiving its environment through sensors and acting upon that environment through actuators."

(Tạm dịch: "Agent là bất kỳ thực thể nào có thể được xem là nhận thức môi trường thông qua các cảm biến và tác động lên môi trường đó thông qua các bộ thực thi.")

Định nghĩa này nhấn mạnh ba thành phần cốt lõi:

1.2. Rational Agent

Russell & Norvig mở rộng với khái niệm Rational Agent:

"A rational agent is one that acts so as to achieve the best outcome or, when there is uncertainty, the best expected outcome." [^1]

(Tạm dịch: "Agent hợp lý là agent hành động để đạt được kết quả tốt nhất, hoặc khi có sự không chắc chắn, đạt được kết quả kỳ vọng tốt nhất.")

1.3. LLM Agent

LLM Agent kết hợp định nghĩa agent cổ điển với khả năng của Large Language Models. Framework CoALA (Cognitive Architectures for Language Agents) của Sumers et al. (2023) đề xuất cách nhìn có hệ thống với 3 thành phần: Memory, Action Space, và Decision Making (xem chi tiết ở Bài 02: Kiến trúc AI Agent).

Theo Wang et al. (2024) [^2]:

"LLM agents represent a paradigm shift in AI, enabling autonomous systems to plan, reason, use tools, and maintain memory while interacting with dynamic environments."

(Tạm dịch: "LLM agents đại diện cho một bước chuyển đổi mô hình trong AI, cho phép các hệ thống tự chủ có thể lập kế hoạch, suy luận, sử dụng công cụ, và duy trì bộ nhớ trong khi tương tác với môi trường động.")

2. Lịch sử phát triển

2.1. Timeline

2.2. BDI Architecture

Kiến trúc Belief-Desire-Intention của Rao & Georgeff (1995) là nền tảng quan trọng [^3]:

"BDI agents are able to balance the time spent on deliberating about plans and executing those plans."

(Tạm dịch: "BDI agents có khả năng cân bằng thời gian dành cho việc cân nhắc kế hoạch và thực thi các kế hoạch đó.")

2.3. ReAct Pattern

Yao et al. (2022) đề xuất ReAct - kết hợp reasoning và acting [^4]:

"ReAct prompts LLMs to generate both verbal reasoning traces and actions in an interleaved manner, allowing the model to perform dynamic reasoning to create, maintain, and adjust high-level plans for acting."

(Tạm dịch: "ReAct hướng dẫn LLMs tạo ra cả chuỗi suy luận bằng lời và hành động theo cách xen kẽ, cho phép mô hình thực hiện suy luận động để tạo, duy trì và điều chỉnh các kế hoạch cấp cao cho việc hành động.")

3. Đặc điểm của AI Agent

3.1. Autonomy

Theo Feng et al. (2025) trong paper "Levels of Autonomy for AI Agents" [^5], có 5 mức độ autonomy:

3.2. Tool Use

Theo Qu et al. (2024) [^6]:

"Tool learning refers to the ability of LLMs to learn and utilize various tools, such as calculators, code editors, and databases, to assist in completing complex tasks."

(Tạm dịch: "Tool learning đề cập đến khả năng của LLMs học và sử dụng các công cụ khác nhau, như máy tính, trình soạn thảo code, và cơ sở dữ liệu, để hỗ trợ hoàn thành các tác vụ phức tạp.")

3.3. Reasoning

Wei et al. (2022) chứng minh hiệu quả của Chain-of-Thought trên benchmark MultiArith [^7]:

"Chain of thought prompting improves performance on a range of arithmetic, commonsense, and symbolic reasoning tasks."

(Tạm dịch: "Chain of thought prompting cải thiện hiệu suất trên nhiều tác vụ suy luận số học, thường thức và ký hiệu.")

Cụ thể, với GPT-3 (text-davinci-002) trên MultiArith dataset, CoT prompting tăng độ chính xác từ 17.7% lên 78.7% [^7a].

4. Phổ năng lực Agent

4.1. Bốn cấp độ

4.2. Recursive Self-Improvement

Theo Gao et al. (2025) trong survey về Self-Evolving Agents [^8]:

"Self-evolving agents can adaptively reason, act, and evolve in real time... enabling continual learning and adaptation from data, interactions, and experiences."

(Tạm dịch: "Self-evolving agents có thể suy luận, hành động và tiến hóa một cách thích ứng trong thời gian thực... cho phép học liên tục và thích ứng từ dữ liệu, tương tác và trải nghiệm.")

Recursive Self-Improvement (RSI) là quá trình trong đó một hệ thống AI tự nâng cao năng lực của mình mà không cần sự can thiệp của con người, có thể dẫn đến sự gia tăng đột biến về trí tuệ.

5. Agent vs Chatbot vs RAG

6. Thảo luận

6.1. Liên hệ với câu hỏi nghiên cứu

Quay lại câu hỏi trung tâm của series:

"Cho thời gian vô hạn, với khả năng truy cập không giới hạn vào internet, liệu AI Agent có thể đạt được những gì?"

Dựa trên phân tích, năng lực của agent phụ thuộc vào:

6.2. Câu hỏi mở

1. Nếu agent có thể tự viết tools, làm sao đảm bảo an toàn?
2. Với internet access không giới hạn, agent có thể tự học mọi thứ không?
3. Liệu LLM agents có thể đạt được recursive self-improvement thực sự?

7. Kết luận

Key insight:

Năng lực Agent = f(LLM capability, Available tools, Memory design, Self-improvement ability)

Tài liệu tham khảo

[^1]: Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

[^2]: Wang, L., Ma, C., Feng, X., et al. (2024). "A Survey on Large Language Model based Autonomous Agents." Frontiers of Computer Science. https://arxiv.org/abs/2308.11432

[^3]: Rao, A. S., & Georgeff, M. P. (1995). "BDI Agents: From Theory to Practice." ICMAS. https://www.researchgate.net/publication/2816837

[^4]: Yao, S., Zhao, J., Yu, D., et al. (2022). "ReAct: Synergizing Reasoning and Acting in Language Models." ICLR 2023. https://arxiv.org/abs/2210.03629

[^5]: Feng, K. J., et al. (2025). "Levels of Autonomy for AI Agents." arXiv preprint. https://arxiv.org/abs/2506.12469

[^6]: Qu, C., Dai, S., Wei, X., et al. (2024). "Tool Learning with Large Language Models: A Survey." arXiv preprint. https://arxiv.org/abs/2405.17935

[^7]: Wei, J., Wang, X., Schuurmans, D., et al. (2022). "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models." NeurIPS 2022. https://arxiv.org/abs/2201.11903

[^7a]: Chen, J., Chen, L., Huang, H., & Zhou, T. (2023). "When do you need Chain-of-Thought Prompting for ChatGPT?" arXiv preprint. https://arxiv.org/abs/2304.03262

[^8]: Gao, H., Geng, J., Hua, W., et al. (2025). "A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence." arXiv preprint. https://arxiv.org/abs/2507.21046