AllSpark ra mắt Iris, bộ đôi search agent mã nguồn mở mạnh nhất

Bạn hỏi AI một câu, nó trả lời bằng trí nhớ có sẵn thay vì đi tìm dữ liệu mới, tìm nhầm nguồn, hoặc bịa thông tin nghe có vẻ đúng. Đó là giới hạn của phần lớn chatbot hiện nay. AllSpark, phòng nghiên cứu AI tại Trung Quốc, vừa lấp khoảng trống đó bằng hai search agent mã nguồn mở mang tên Iris.

Hai Model, Một Kiến Trúc

AllSpark phát hành Iris-mini với 35 tỷ tham số và Iris-pro với 397 tỷ tham số, cả hai xây trên nền model dòng Qwen. Bạn xử lý được cửa sổ ngữ cảnh lên tới 256.000 token, đủ nạp một tài liệu dài hoặc vài chục kết quả tìm kiếm cùng lúc mà model không quên phần đầu. Một máy nhỏ chạy Iris-mini trên GPU cá nhân, một cụm máy chủ chạy Iris-pro cho khối lượng truy vấn cấp doanh nghiệp, bạn chọn theo hạ tầng mình đang có, không phải theo quảng cáo.

Không Chỉ Sinh Văn Bản, Iris Hành Động

Hầu hết chatbot dừng lại ở việc viết câu trả lời cho đẹp. Iris đi xa hơn một bước rõ rệt: bạn ra lệnh, nó truy xuất thông tin từ web, suy luận trên dữ liệu tìm được, rồi hành động dựa trên kết quả đó, ví dụ tổng hợp báo cáo, đối chiếu nhiều nguồn mâu thuẫn nhau, hoặc đề xuất bước tiếp theo cho một quyết định thật. AllSpark thiết kế Iris riêng cho tác vụ search agent, không phải một chatbot tổng quát gắn thêm tính năng tìm kiếm cho có phong trào. Bạn giao việc nghiên cứu thị trường, đối thủ, hay xu hướng ngành, Iris tự chạy vòng lặp tìm, đọc, kiểm tra chéo, rồi mới trả kết quả cuối.

Huấn Luyện Bằng Pipeline Climbing

Cả Iris-mini và Iris-pro đi qua pipeline climbing, luân phiên giữa SFT (supervised fine-tuning) và RL (reinforcement learning) qua nhiều vòng liên tiếp. Điểm khác biệt nằm ở chỗ quá trình train tích hợp luôn tìm kiếm web trực tiếp ngay trong lúc chạy. Model học cách chọn tìm gì, đọc nguồn nào đáng tin, bỏ qua thông tin nhiễu ra sao, ngay khi đang huấn luyện, thay vì chỉ học lý thuyết trong phòng lab rồi mới thử nghiệm khi triển khai thật ngoài đời. Mỗi vòng climbing đẩy model leo cao hơn một bậc kỹ năng, giống cách một người luyện tập nâng dần độ khó bài tập.

Kết Quả Benchmark Nói Lên Tất Cả

Iris-mini dẫn đầu 3 trên 4 benchmark ở nhóm model nhỏ. Iris-pro dẫn đầu hoặc hòa ở nhóm lớn. Tính đến thời điểm phát hành, đây là cặp search agent mã nguồn mở mạnh nhất trong từng phân khúc tham số, vượt qua nhiều model cùng cỡ từng giữ vị trí dẫn đầu trước đó. Bạn không cần đánh đổi giữa nhẹ và mạnh, AllSpark đưa ra cả hai lựa chọn trên cùng một triết lý thiết kế, cùng một cách huấn luyện. Cả hai đều được kiểm chứng trên bộ benchmark dành riêng cho tác vụ tìm kiếm và suy luận đa bước, không phải benchmark viết văn hay giải toán chung chung.

Hiệu Ứng Phụ Bất Ngờ

Dữ liệu huấn luyện tập trung cho tìm kiếm kéo theo lợi ích ngoài dự tính. Năng lực tool use tổng quát và khả năng xử lý công việc văn phòng của Iris, như soạn email, tóm tắt tài liệu dài, lập bảng so sánh số liệu, cải thiện rõ rệt dù đội ngũ AllSpark chưa từng train riêng cho hai việc này. Học sâu để làm tốt một việc, model tự nhiên giỏi thêm những việc lân cận mà không ai chủ đích dạy nó. Đây là tín hiệu cho thấy dữ liệu tìm kiếm chất lượng cao mang giá trị vượt xa phạm vi ban đầu của nó.

Mở Hoàn Toàn, Không Giữ Lại Gì

AllSpark công bố toàn bộ code, model weights và công thức huấn luyện trên GitHub và Hugging Face. Bạn tải về, chạy thử, đọc lại từng bước huấn luyện, hoặc fine-tune lại theo nhu cầu riêng, không cần xin phép, không cần trả phí license. Đây là cách một phòng nghiên cứu Trung Quốc đang thu hẹp khoảng cách với các search agent đóng kín của những tên tuổi lớn trong ngành, và là cơ hội để các đội nhóm nhỏ tự xây trợ lý tìm kiếm riêng mà không tốn ngân sách API khổng lồ.

Bạn sẽ thử Iris-mini cho dự án cá nhân, hay chờ hạ tầng đủ mạnh để chạy Iris-pro cho công việc thật?

#VibeAICoder #AI #OpenSource #AIAgent #Iris