OpenAI đang siết chặt trọng tâm vào cách ChatGPT tích hợp vào các quy trình làm việc phát triển thực tế, và GPT-5.2 là tín hiệu rõ ràng nhất cho đến nay về sự chuyển hướng này.
Mô hình mới ra mắt trong bối cảnh các nhóm đang cân nhắc xem hệ thống AI nào có thể xử lý mã hóa, gỡ lỗi và các tác vụ nhiều bước một cách đáng tin cậy trong môi trường sản xuất.
Bản phát hành này diễn ra sau một tình trạng “báo động đỏ” nội bộ đã chuyển hướng nhân sự và tài nguyên máy tính sang việc cải thiện ChatGPT, thay vì mở rộng sang các tính năng mới.
“Chúng tôi công bố tình trạng báo động đỏ này để thực sự báo hiệu cho công ty rằng chúng tôi muốn tập trung nguồn lực vào một lĩnh vực cụ thể, và đó là cách để thực sự xác định các ưu tiên,” Fidji Simo, Giám đốc điều hành ứng dụng của OpenAI, cho biết trong một cuộc họp báo vào thứ Năm.
“Chúng tôi đã có sự gia tăng nguồn lực tập trung vào ChatGPT nói chung.”
Simo cho biết GPT-5.2 đã được phát triển trong nhiều tháng và không bị đẩy ra ngoài vội vàng vì tình trạng báo động đỏ.
Dù vậy, việc ra mắt nó diễn ra chưa đầy một tháng sau GPT-5.1, cho thấy chu kỳ cập nhật nhanh hơn khi cạnh tranh xung quanh các công cụ dành cho nhà phát triển ngày càng gay gắt.
Kể từ khi ra mắt vào năm 2022, ChatGPT của OpenAI đã là lựa chọn mặc định cho nhiều nhà phát triển thử nghiệm với mã hóa được AI hỗ trợ.
Vị trí đó hiện đang chịu áp lực.
Mô hình Gemini 3 của Google đã thu hút được sự quan tâm trong cộng đồng nhà phát triển, trong khi các mô hình Claude của Anthropic đã trở nên đặc biệt phổ biến trong môi trường mã hóa doanh nghiệp.
Một số ước tính của ngành cho thấy Claude đã vượt mặt OpenAI ở một số phân khúc của thị trường phần mềm doanh nghiệp.
Bối cảnh đó giúp giải thích tại sao GPT-5.2 lại đặt nặng sự nhấn mạnh vào phát triển phần mềm và khả năng suy luận.
OpenAI đang phát hành mô hình này dưới dạng một họ các phân cấp.
“Instant” nhắm đến phản hồi nhanh và truy vấn cơ bản, “Thinking” hướng đến các tác vụ phức tạp hơn như viết mã, toán học và lập kế hoạch.
Đối với người dùng cần độ chính xác cao hơn trên các vấn đề khó hoặc mơ hồ, “Pro” là phân cấp chuyên dụng.
OpenAI cho biết GPT-5.2 là mô hình có khả năng nhất của họ cho công việc chuyên môn hàng ngày.
Trên GDPval, một điểm chuẩn nội bộ so sánh hệ thống AI với các chuyên gia con người trong 44 ngành nghề, GPT-5.2 Thinking đạt điểm số cao nhất từng được OpenAI ghi nhận.
Công ty cho biết mô hình này đã khớp hoặc vượt quá hiệu suất của chuyên gia con người trong hơn 70% nhiệm vụ, vượt trội so với các mô hình OpenAI trước đó và các bản phát hành gần đây từ Google và Anthropic.
Đối với các nhà phát triển, kết quả có thể nói lên nhiều điều hơn có thể nằm ở các điểm chuẩn về mã hóa.
Trên SWE-Bench Pro, nơi kiểm tra các tác vụ kỹ thuật phần mềm trong thế giới thực, GPT-5.2 đạt điểm cao hơn GPT-5.1 và vượt trội hơn Gemini 3 Pro.
OpenAI cho biết mô hình này cũng cho thấy khả năng mạnh mẽ hơn trong việc làm việc với các công cụ phần mềm bên ngoài như một phần của quy trình làm việc nhiều bước, một khả năng đang trở thành trung tâm của các hệ thống kiểu tác nhân (agent).
Những tuyên bố này dựa một phần trên phản hồi từ “khách hàng alpha” đã thử nghiệm GPT-5.2 trong vài tuần trước khi ra mắt.
Người dùng ban đầu bao gồm công ty khởi nghiệp AI pháp lý Harvey, ứng dụng ghi chú Notion, công ty quản lý tệp Box, Shopify và Zoom.
Độ chính xác là một lĩnh vực trọng tâm.
Max Schwarzer, trưởng nhóm hậu đào tạo của OpenAI, cho biết GPT-5.2 cho thấy sự giảm thiểu đáng kể các ảo giác (hallucinations).
Trên các điểm chuẩn đo lường phản hồi thực tế, OpenAI cho biết GPT-5.2 Thinking tạo ra ít hơn 38% ảo giác so với GPT-5.1.
Các mô hình mới đang được triển khai cho người dùng ChatGPT và nhà phát triển thông qua API của OpenAI, trong khi các nhóm đánh giá mức độ đáng tin cậy mà các mô hình khác nhau có thể được tích hợp vào các đường ống phát triển hiện có.
Tuy nhiên, các bản phát hành gần đây làm nổi bật một khoảng cách mà các điểm chuẩn không phải lúc nào cũng nắm bắt được.
Khi GPT-5 ra mắt vào đầu năm nay, người dùng đã chỉ trích các phản hồi có cảm giác cứng nhắc hoặc thiếu cá nhân hóa.
OpenAI sau đó đã phát hành một bản cập nhật để điều chỉnh tông điệu của mô hình, nhấn mạnh rằng sự chấp nhận của nhà phát triển phụ thuộc vào khả năng sử dụng cũng như hiệu suất thô.
Khi ChatGPT ngày càng được nhúng sâu hơn vào công việc phát triển hàng ngày, OpenAI cũng phải đối mặt với sự giám sát về cách hệ thống của mình xử lý các tương tác nhạy cảm và sự phụ thuộc lâu dài.
Vào tháng 10, công ty đã phát hành một báo cáo cho thấy hơn một triệu người nói chuyện với ChatGPT về tự tử mỗi tuần.
OpenAI cho biết họ tiếp tục tăng cường các biện pháp bảo vệ như một phần của những nỗ lực quản trị rộng hơn.
Áp lực cạnh tranh đã làm sắc nét hơn sự tập trung của công ty vào tăng trưởng.
Trong một bản ghi nhớ nội bộ được gửi vào tháng 10, Nick Turley, người đứng đầu ChatGPT của OpenAI, đã cảnh báo nhân viên rằng công ty đang phải đối mặt với “áp lực cạnh tranh lớn nhất mà chúng tôi từng thấy,” theoThe New York Times.
Turley được cho là đã đặt mục tiêu tăng người dùng hoạt động hàng ngày lên 5% trước năm 2026.
Nội dung chính
Claude vs GPT – các nhà phát triển lựa chọn mô hình
Khi cạnh tranh gia tăng, các nhà phát triển ngày càng cân nhắc sự đánh đổi giữa các mô hình GPT của OpenAI và Claude của Anthropic khi lựa chọn công cụ cho khối lượng công việc mã hóa và sản xuất.
Mã hóa và suy luận
Claude đã xây dựng được một lượng người theo dõi mạnh mẽ trong số các nhà phát triển doanh nghiệp nhờ khả năng tạo mã, tái cấu trúc và suy luận ngữ cảnh dài.
Một số nhân vật trong ngành cho rằng Claude đã vượt mặt OpenAI ở một số phần của thị trường mã hóa doanh nghiệp, đặc biệt là đối với các nhóm làm việc trên các cơ sở mã lớn.
GPT-5.2 là phản ứng của OpenAI đối với sự thay đổi đó.
Trên SWE-Bench Pro, OpenAI cho biết GPT-5.2 vượt trội hơn người tiền nhiệm và Gemini 3 Pro của Google, báo hiệu sự tập trung trở lại vào các tác vụ kỹ thuật phần mềm thực tế.
Sử dụng công cụ và quy trình làm việc
OpenAI cho biết GPT-5.2 cho thấy khả năng mạnh mẽ hơn trong việc làm việc với các công cụ phần mềm bên ngoài như một phần của quy trình làm việc nhiều bước.
Khả năng này ngày càng trở nên quan trọng khi các nhà phát triển xây dựng các hệ thống kiểu tác nhân kết hợp suy luận, API và tự động hóa.
Trong khi đó, Claude đã được một số nhóm ưa chuộng nhờ tính nhất quán trong các tác vụ mã hóa dài, có cấu trúc, mặc dù Anthropic chia sẻ ít so sánh điểm chuẩn công khai hơn.
Độ tin cậy và ảo giác
OpenAI báo cáo mức giảm 38% ảo giác với GPT-5.2 Thinking so với GPT-5.1, một chỉ số quan trọng đối với các nhóm triển khai mô hình trong sản xuất.
Anthropic cũng nhấn mạnh độ tin cậy và an toàn, mặc dù các so sánh điểm chuẩn trực tiếp khác nhau tùy thuộc vào nhiệm vụ và phương pháp đánh giá.
API và hệ sinh thái
Cả OpenAI và Anthropic đều cung cấp API được thiết kế cho mục đích sử dụng doanh nghiệp, nhưng OpenAI được hưởng lợi từ một hệ sinh thái rộng lớn hơn xung quanh ChatGPT, bao gồm công cụ dành cho nhà phát triển, plugin và các tích hợp đã được nhúng sẵn trong nhiều quy trình làm việc.
Điểm mấu chốt cho các nhà phát triển
Đối với nhiều nhóm, sự lựa chọn giữa Claude và GPT ngày càng ít liên quan đến khả năng thô và nhiều hơn về sự phù hợp:
- Claude cho suy luận ngữ cảnh dài và các tác vụ mã hóa có cấu trúc
- GPT-5.2 cho các quy trình làm việc sử dụng nhiều công cụ, hỗ trợ hệ sinh thái rộng hơn và chu kỳ lặp nhanh hơn
Khi chu kỳ phát hành rút ngắn và điểm chuẩn được cải thiện ở cả hai phía, các nhà phát triển có thể ngày càng thử nghiệm và triển khai nhiều mô hình thay vì cam kết với một nhà cung cấp duy nhất.
(Ảnh bởiEmiliano Vittoriosi)
