OpenAI các nhà khoa học khuyên: Đừng tốn quá nhiều công sức vào Harness, thế hệ mô hình tiếp theo có thể trở thành tích hợp sẵn.

OpenAI nhà khoa học nghiên cứu Noam Brown chuyên phát triển mô hình suy luận, ông công khai khuyên các nhà phát triển đừng tốn sức vào các khung Agent phức tạp (Harness), với lý do mô hình tiến bộ quá nhanh, các chức năng được tạo ra từ khung có thể vài tháng sau trở thành năng lực bản địa của chính mô hình, Alexander Embiricos, trưởng bộ phận sản phẩm doanh nghiệp của OpenAI, cũng đồng tình với quan điểm này.
(Tin trước: Tổng quan nhanh bốn phân khúc của AI Agent: Khung, Launchpad, Ứng dụng và Meme)
(Bối cảnh bổ sung: OpenAI ra mắt o3 và o4-mini, mô hình suy luận mạnh nhất: có thể suy nghĩ về hình ảnh, tự động chọn công cụ, hiệu suất toán học và lập trình lại đột phá)

Mục lục

Toggle

• Tiết kiệm sức lực, để mô hình tự gánh
• Phe kia không phục: Khung mới là hào thực sự
• Tranh cãi xoay quanh việc đặt cược với phiên bản mô hình tiếp theo

Tóm tắt trọng điểm

• Noam Brown khuyên đừng tốn sức vào khung Agent phức tạp
• Noam Brown dẫn dắt phát triển mô hình suy luận dòng o
• Thực nghiệm phe đối lập cho thấy chỉ một buổi chiều thay đổi khung đã giúp 15 mô hình viết mã cùng lên trình

Khi cả giới AI đang bận rộn xây dựng các khung Agent ngày càng dày, người trong nhà OpenAI lại nhảy ra nói đừng xây nữa. Nhà nghiên cứu cấp cao của OpenAI Noam Brown công khai khuyên các nhà phát triển đừng đầu tư quá nhiều công sức vào các khung Agent phức tạp (Harness, tức là lớp bao bên ngoài mô hình, chịu trách nhiệm kết nối gọi công cụ và phân chia bước, bản thân không suy nghĩ thực sự). Khả năng mô hình tiến bộ quá nhanh, những chức năng hôm nay phải vất vả ép ra từ khung có thể vài tháng sau trở thành năng lực bản địa của chính mô hình, ông khuyên các nhà phát triển hãy giữ khung đơn giản, giao nhiều công việc hơn cho mô hình tự hoàn thành.

Người kêu gọi đừng xây khung là Noam Brown, một trong những người then chốt của mô hình suy luận OpenAI (dòng o, ví dụ o1, o3), chuyên về test-time compute, tức làm mô hình suy nghĩ nhiều hơn bằng cách tiêu tốn nhiều tính toán hơn. Trước khi gia nhập OpenAI, ông từng ở Meta, làm AI chơi bài và AI trò chơi chiến lược nổi tiếng, bối cảnh này khiến lời nói của ông về khả năng mô hình càng có trọng lượng.

Noam Brown từng lấy ví dụ chỉ ra, trước khi có mô hình suy luận, các nhà phát triển phải dùng nhiều kỹ thuật để phân rã phức tạp các mô hình không suy luận như GPT-4, gọi lặp lại, tách bước, sắp xếp bên ngoài để ép ra hành vi suy luận. Sau khi o1 ra mắt, hầu hết các kỹ thuật này đều trở nên vô nghĩa, khung bên ngoài được xây dựng tinh xảo lại làm kết quả tệ hơn, trực tiếp đưa vấn đề cho mô hình suy luận, không thêm bất kỳ giàn giáo nào, kết quả lại tốt hơn.

Tiết kiệm sức lực, để mô hình tự gánh

Alexander Embiricos, trưởng bộ phận sản phẩm doanh nghiệp của OpenAI, cũng đồng tình với quan điểm này, ông nói công ty sẽ cố tình tránh phát triển thủ công những khả năng mà mô hình tương lai nên tự có. Hôm nay kỹ sư thức đêm xây dựng chức năng, rất có thể chỉ đang làm công cho phiên bản mô hình tiếp theo, chưa lên dây đã chắc chắn bị thay thế. Đội Codex của OpenAI nói thẳng hơn, "xây giàn giáo là chống đỡ, không phải mở rộng".

Phe kia không phục: Khung mới là hào thực sự

Đây thực sự là một cuộc tranh luận đang bùng nổ, không phải ai cũng đồng tình. Jerry Liu, người sáng lập LlamaIndex, từng nói câu ngược lại, "khung là tất cả", ông cho rằng kỹ thuật ngữ cảnh (context engineering, tức công phu đưa ngữ cảnh vào mô hình) và thiết kế quy trình làm việc mới là chìa khóa giúp nhà phát triển khai thác giá trị AI.

Bằng chứng thực nghiệm của phe đối lập là, tháng 2 năm 2026, chỉ một buổi chiều thay đổi khung, không thay mô hình, đã khiến 15 mô hình ngôn ngữ lớn cùng tăng cao hiệu suất viết mã. Cũng có người quan sát thấy, hầu hết mọi Agent khi triển khai cuối cùng đều hội tụ về vòng lặp cốt lõi: gọi công cụ, lấy kết quả, nhét vào ngữ cảnh, rồi hỏi lại mô hình một lần. Bản thân kiến trúc khung có thể là giá trị cốt lõi của sản phẩm. Cả hai phe đều có thành tích, cuộc chiến này chưa ai thực sự thắng.

Tranh cãi xoay quanh việc đặt cược với phiên bản mô hình tiếp theo

Cuộc tranh luận này cốt lõi hỏi cùng một điều: có nên chạy đua với sự tiến bộ của mô hình hay không. Nó gợi nhớ đến "Bài học cay đắng" (The Bitter Lesson) lưu truyền lâu trong giới AI: các phương pháp tổng quát dựa vào sức mạnh tính toán thường chiến thắng những ý tưởng thủ công tinh xảo về lâu dài. Đặt cược hào vào kỹ thuật khung, ở một mức độ nào đó chính là đặt cược với phiên bản mô hình tiếp theo, cược rằng nó sẽ không học được các chức năng bạn vất vả xây dựng.

Lời nhắc nhở này không chỉ là chuyện ngoài cuộc đối với giới tiền điện tử. AI Agent là một trong những câu chuyện nóng nhất hai năm gần đây, không ít đội ngũ đặt cược hào vào các khung Agent phức tạp được xây dựng thủ công. Lời của Noam Brown trước mắt rất trực tiếp: khung bạn xây hôm nay, vài tháng sau có thể bị năng lực bản địa của mô hình nuốt chửng. Còn phiên bản mô hình tiếp theo sẽ nuốt chức năng nào, không ai dám chắc, kể cả Noam Brown.

Câu hỏi thường gặp

Harness (Khung) của AI Agent là gì?

Harness là lớp bao bên ngoài mô hình, chịu trách nhiệm gọi công cụ và sắp xếp bước, bản thân không suy nghĩ thực sự, ví dụ lớp kiến trúc kết nối gọi và thử lại chính là Harness.

Tại sao Noam Brown khuyên các nhà phát triển đừng đầu tư quá mức vào khung Agent?

Vì khả năng mô hình tiến bộ quá nhanh, những chức năng hôm nay làm từ khung có thể vài tháng sau trở thành năng lực bản địa của chính mô hình, đầu tư quá mức có thể là công vô ích.