Mỗi lần kiểm toán là một lần tôi đặt câu hỏi: Tại sao một tập đoàn có giá trị vốn hóa hàng trăm tỷ đô lại phát không một thứ mà họ đã đốt hàng chục triệu đô để tạo ra?
Câu hỏi đó lóe lên khi tôi đọc một bản tin đến từ Alibaba. Trong bối cảnh thị trường crypto đi ngang, tôi không còn nhìn vào biểu đồ giá nữa. Tôi nhìn vào các giao dịch bất thường, các dòng tiền rời khỏi pool, các hợp đồng bị thanh lý. Và rồi tôi gặp một giao dịch khác thường, không nằm trên chuỗi: Alibaba tuyên bố mở mã nguồn toàn bộ trọng số của mô hình Qwen Max, mô hình được miêu tả là "gần như khớp" với Claude và ChatGPT, được phát hành miễn phí vào tuần sau.
Trong 22 năm quan sát ngành công nghệ, tôi chưa thấy điều gì như thế này. Meta từng phát hành Llama miễn phí. Nhưng Meta không có một đám mây với hàng trăm nghìn GPU. Alibaba có. Và khi một công ty có hạ tầng đám mây lớn nhất Trung Quốc phát không “mô hình đầu bảng” của mình, bạn không nên nhìn nó như một tin tốt. Bạn nên nhìn nó như một giao dịch kỳ lạ. Một giao dịch có thể có một điều khoản ẩn.
Hãy cùng lùi lại một nhịp. Ngành blockchain và ngành AI đang đứng ở hai thái cực: một bên thì chật vật tìm người dùng, một bên thì đốt tiền để giành giật từng điểm benchmark. Trong khi Ethereum Layer2 mọc lên như nấm nhưng dòng tiền vẫn nằm trên Layer1; trong khi các dự án RWA hứa hẹn ba năm mà chưa có nổi một institutional client trả tiền, thì các lab AI ở Trung Quốc và Mỹ đang chiến tranh lạnh về khả năng mô hình.
Alibaba là một trong những "ông lớn" hiếm hoi ở Trung Quốc có cả mô hình AI, cả hạ tầng đám mây, cả hệ sinh thái phần mềm. Dòng mô hình Qwen của họ đã được tải về hàng triệu lượt trên Hugging Face. Nhưng trước đây, họ chỉ mở các mô hình nhỏ và trung bình. Qwen Max, theo như tên gọi, là đỉnh cao. Khi một công ty quyết định cho đi thứ gì đó ở cấp đỉnh cao, người ta thường có lý do. Vấn đề là lý do đó có được công bố hay không.
Trong crypto, chúng ta học được một câu thần chú: "Don't trust, verify." Nếu tôi muốn verify một tuyên bố của Alibaba, tôi cần tải mô hình, chạy thử benchmark, kiểm tra kết quả so với các mô hình đã biết. Nhưng "tuần sau" là cụm từ mà trước đây tôi thường nghe từ các nhà phát triển khi họ không chắc một contract của họ còn an toàn không. "Tuần sau" là một thời điểm rất tốt để giữ cho cộng đồng im lặng.
Khi một auditor đọc thông cáo Qwen Max
Trong một cuộc kiểm toán smart contract, tôi có một địa chỉ, một bytecode, một chuỗi giao dịch. Tôi có thể khởi chạy ethers.js, viết một test, gọi hàm, mô phỏng trạng thái. Khi Alibaba tuyên bố "Code capability behind", tôi không có cách nào để kiểm tra, ngoài việc tải mô hình về và tự đánh giá. Đó là một cuộc kiểm toán mà tôi chưa làm được, bởi vì "tuần sau" mới có bản tải.
Nhưng tôi có thể phân tích cái được gọi là "thông cáo" này như thể nó là một tài liệu thiết kế kỹ thuật. Và trong đó có những điểm bất thường.
Bất thường thứ nhất: Điểm số từ chính bàn tay của bị cáo
"According to Alibaba's own scorecard..." - nghĩa là theo bảng điểm của chính họ. Không có bên thứ ba kiểm tra. Không có một dataset công khai. Trong thế giới blockchain, điều này được gọi là "self-reported collateral". Người ta khai man giá trị tài sản thế chấp và bạn không bao giờ tin vào điều đó. Vậy tại sao bạn lại tin một cách tự nhiên rằng một mô hình AI "gần bằng Claude và ChatGPT" chỉ dựa trên một từ "almost"?
Từ "almost" là một vùng xám. Trong một smart contract, không có khái niệm "almost" an toàn. Hoặc bạn có reentrancy guard, hoặc không. Hoặc bạn dùng OpenZeppelin SafeERC20, hoặc bạn gọi transfer trực tiếp. Trong AI, "almost matching" có thể là một cách để biến một sự khác biệt lớn thành một sự khác biệt nhỏ. Nếu bạn kém hơn 5 điểm trên MMLU, bạn có thể nói "almost". Nếu bạn kém hơn 30 điểm, bạn cũng có thể nói "almost" trong tiếng Anh. Cách diễn đạt đó tạo ra hiệu ứng tức thời, dù khoảng cách thực sự là bao nhiêu.
Trong lúc thị trường đi ngang, không có gì nguy hiểm hơn một tin tốt không kiểm chứng được. Các quỹ đầu tư sẽ nhìn vào câu chuyện Qwen Max để đánh giá lại các dự án AI crypto. Họ sẽ ném tiền vào các token liên quan đến "AI agent" bởi vì Alibaba nói "almost". Và đó chính là lúc những kẻ xấu xuất hiện: Họ tạo ra những dự án "AI-powered" với một cái tên nghe rất giống Qwen, và bán cho bạn một giấc mơ. Bạn không thể kiểm toán một giấc mơ. Bạn chỉ có thể kiểm toán một cấu trúc dữ liệu.
Bất thường thứ hai: Lời thừa nhận khả năng code như một thủ thuật dẫn dụ
"Alibaba's own scorecard says it's behind on code capabilities." Ở đây, Alibaba thừa nhận là họ yếu hơn trong việc viết code. Hãy nhìn nhận điều này một cách lạnh lùng:
Khả năng code là một thứ dễ kiểm chứng. Có SWE-bench, có HumanEval, có LiveCodeBench. Nếu họ tự đánh giá là yếu, có lẽ họ đã có kết quả yếu, nhưng họ không muốn công bố con số. Họ đẩy cuộc tranh luận sang một lĩnh vực nơi họ thừa nhận thất bại, khiến cộng đồng nghĩ rằng: "Họ thành thật, vậy những gì còn lại chắc chắn là tốt." Đây là một thủ thuật tâm lý cổ điển. Trong một cuộc kiểm toán, khi một dự án vội vàng thừa nhận một lỗi nhỏ, bạn hãy soi xem họ đang che giấu một lỗi lớn hơn ở phía sau. Lỗi nhỏ có thể là một canh bạc: Họ đánh đổi một chút danh tiếng để có được sự tin tưởng lớn hơn.
Khả năng viết code là trung tâm của các ứng dụng AI tiên tiến. Nếu Qwen Max yếu code, điều đó có nghĩa là nó sẽ gặp khó khăn trong các tác vụ agent phức tạp: sử dụng công cụ, viết contract, debug, phân tích dữ liệu. Điều đó làm suy yếu tuyên bố "almost match" với ChatGPT/Claude. Bởi vì những mô hình đó đều vượt trội trong code. Khi một tuyên bố chứa hai vế "overall good, but code bad", chúng ta nên nhớ rằng "overall" là một khái niệm được xây dựng từ nhiều thành phần.
Tôi từng gặp một trường hợp tương tự trong năm 2022, khi tôi phân tích các bẫy gas trong ERC-721. Các dự án NFT nói: "Chúng tôi mở mã nguồn, bạn có thể tự kiểm tra." Nhưng khi tôi đọc, tôi thấy một hàm mint có vòng lặp vô hạn khiến gas vượt quá giới hạn khối. Có một loại thông cáo được viết để khiến bạn nghĩ về sự cởi mở, trong khi những phần quan trọng thì bị che giấu trong các chi tiết nhàm chán. Với Qwen Max, chi tiết nhàm chán có thể là giấy phép, là context length, là việc thiếu multimodal. Người ta có xu hướng nhìn vào một từ "miễn phí" rồi ngừng đọc. Kẻ kiểm toán không bao giờ ngừng đọc.
Bất thường thứ ba: Các thông số kỹ thuật cốt lõi bị lờ đi
Trong mọi cuộc kiểm toán, tôi luôn bắt đầu bằng việc liệt kê "state variables" và "immutable constants". Nếu chúng vắng mặt, tôi kết luận rằng tài liệu kỹ thuật chưa hoàn thiện. Thông cáo Qwen Max không đề cập đến:
Số tham số: 7 tỷ? 70 tỷ? 400 tỷ? Chúng ta không biết. Kích thước ngữ cảnh: 32k? 128k? 1 triệu token? Chúng ta không biết. Giấy phép sử dụng: Apache 2.0 hay một giấy phép độc quyền? Chúng ta không biết. Có phải multimodal hay chỉ có ngôn ngữ? Chúng ta không biết. Khả năng hỗ trợ các ngôn ngữ khác ngoài tiếng Trung/tiếng Anh? Chúng ta không biết.
Tại sao bạn lại phát hành một "flagship open model" mà không nói cho mọi người biết độ lớn của nó? Có hai khả năng: Mô hình quá lớn để chạy trên phần cứng thông thường, vì vậy "miễn phí" của họ gần như vô nghĩa với 99% cá nhân. Hoặc mô hình quá nhỏ để gọi là "Max" nhưng họ chỉ dùng thuật ngữ này để đánh bóng tên tuổi.
Trong blockchain, tôi chứng kiến nhiều đợt "free mint" của một bộ sưu tập NFT. "Miễn phí" nhưng bạn vẫn phải trả gas. Với Qwen Max, "miễn phí" nhưng bạn sẽ phải trả tiền GPU cho Alibaba Cloud nếu bạn muốn inference nhanh. Và nếu bạn muốn deploy nó lên một môi trường production, bạn phải có một đội ngũ kỹ thuật để vận hành; bạn phải trả chi phí thuê GPU. So với việc sử dụng API GPT-4o với giá 2.5 đô cho mỗi triệu token đầu vào, một số doanh nghiệp có thể thấy open-source rẻ hơn, nhưng họ quên mất chi phí vận hành hạ tầng và đội ngũ nhân sự. Giống như việc tự chạy một blockchain node: bạn có toàn quyền nhưng phải tự lo phần cứng, bảo mật, và cập nhật.
Vậy, "free" chỉ đúng với những ai đã có hạ tầng. Còn với những người khác, đây chính là một chiến lược để đưa họ vào môi trường trả phí của Alibaba Cloud, nơi họ có thể được "hỗ trợ bởi đội ngũ kỹ thuật" và trả tiền theo từng giờ sử dụng GPU.
Bất thường thứ tư: Phân lớp giữa open weights và API closed
Tôi gọi đây là "hidden admin key". Khi bạn đọc một contract, bạn tìm hàm setOwner. Alibaba có thể không có một hàm như thế trong model weights, nhưng họ có một server API với đặc quyền. Bản mở (open weights) thường được đào tạo bằng cách tinh chỉnh từ một phiên bản nhỏ hơn hoặc cắt bỏ một số khả năng để không cạnh tranh trực tiếp với bản API. Đây là một thực tế đã được xác nhận bởi Meta với Llama-3 (không đa phương thức, không có tool-use tốt như API GPT-4o) và với nhiều công ty khác.
Vậy Qwen Max mở có kém hơn Qwen Max API không? Nếu có, nhà đầu tư cần biết để đánh giá chính xác. Nếu không, vậy Alibaba đang tự bắn vào chân mình; một khả năng rất khó xảy ra trừ khi họ có một nguồn lợi khác – và nguồn lợi đó có thể là dữ liệu.
Đây là một điểm mù bảo mật lớn trong câu chuyện mã nguồn mở của AI: Người dùng có "quyền" với trọng số, nhưng họ không biết trọng số đó bị kiểm duyệt ở mức độ nào, bị căn chỉnh theo chuẩn nào, và liệu nó có được huấn luyện để thu thập dữ liệu hay không. Một AI model có thể tạo ra văn bản trông hoàn toàn bình thường, nhưng hành vi của nó khi được gọi trong một môi trường sản xuất có thể phục vụ lợi ích của một bên thứ ba mà bạn không bao giờ phát hiện được, bởi vì bạn không thể đọc được toàn bộ logic của nó.
Từ kinh nghiệm kiểm toán AI + DeFi của tôi, tôi nhận ra rằng các mô hình AI có thể được dùng để quyết định swap trong các hệ thống phi tập trung. Vào đầu năm 2026, tôi kiểm toán một contract tích hợp mô hình AI để định giá tài sản. Tôi tìm thấy 12 lỗi trong logic suy luận on-chain. Mỗi lỗi đều có thể dẫn đến mất tiền. Những người tạo ra contract đó đều là kỹ sư giỏi, nhưng họ không có kỷ luật kiểm toán. Họ tin rằng "AI mở" thì an toàn hơn "AI đóng". Tôi có thể chứng minh điều ngược lại: khi AI mở, điểm tấn công không phải là bản thân mô hình, mà là các hàm bao quanh nó – các oracle, các cách gọi API, các quy trình xử lý đầu ra. Qwen Max mở cũng vậy. Chính cái "open" sẽ khiến hàng ngàn nhà phát triển tích hợp nó vào sản phẩm, mà không hiểu rõ các hành vi ngầm của nó.
"Open Source" là một từ mơ hồ trong AI
Trong blockchain, "mã nguồn mở" có một định nghĩa rõ ràng. Bạn có một repository, bạn có thể clone, build, kiểm tra, và triển khai. Mọi thứ đều minh bạch. Nhưng trong AI, "mã nguồn mở" thường có nghĩa là "mở trọng số" – tức là phát hành một tập hợp các con số dấu phẩy động được huấn luyện từ một kho dữ liệu không được công bố. Bạn không có source code, bạn không có pipeline dữ liệu, bạn không có toàn bộ quy trình huấn luyện. Bạn chỉ có các ma trận nặng hàng chục gigabyte.
Điều này giống như một dự án blockchain công bố bytecode của hợp đồng nhưng không công bố mã nguồn Solidity. Bạn có thể disassemble bytecode, nhưng đó là một công việc cực kỳ khó khăn. Với model weights, kể cả việc disassemble cũng không khả thi. Bạn không thể đọc một ma trận 100 tỷ tham số như đọc một đoạn mã. Bạn chỉ có thể quan sát hành vi đầu vào - đầu ra.
Trong giới bảo mật, chúng tôi gọi đó là "black-box testing". Bạn có thể gửi các prompt thù địch, các câu hỏi bất thường, tìm kiếm các hành vi lạ. Nhưng black-box testing không bao giờ có thể chứng minh sự an toàn tuyệt đối. Nó chỉ có thể tìm ra các lỗi mà bạn nghĩ đến. Với một smart contract, tôi có thể chạy một static analyzer để quét tất cả các đường dẫn thực thi có thể. Với một mô hình AI, không có static analyzer nào tồn tại. Bạn không thể chứng minh rằng mô hình không có một backdoor. Bạn chỉ có thể nói rằng "chúng tôi đã không tìm thấy trong các bài kiểm tra".
Hãy nhìn lại vụ Ronin Bridge hack: Tất cả mọi người tin rằng 5/9 validator là đủ an toàn, nhưng kẻ tấn công đã chiếm được private keys của hầu hết validator thông qua một cuộc tấn công xã hội. Không ai có thể kiểm toán được lòng tham của con người. Với Qwen Max, bạn cũng không thể kiểm toán được dữ liệu huấn luyện. Bạn không biết liệu nó có chứa các prompt ẩn khiến model bỏ qua các yêu cầu an toàn trong một số ngữ cảnh nhất định. Bạn không biết liệu nó có được huấn luyện để thiên vị lợi ích của Alibaba khi được hỏi về các chủ đề cạnh tranh như Tencent, ByteDance, hay không. Bạn chỉ đơn giản là tin tưởng.
Từ airdrop đến model drop: một vòng lặp lặp lại
Đã gần 5 năm tôi quan sát thị trường crypto. Trong các đợt đi ngang, mọi người chuyển từ đầu cơ token sang đầu cơ câu chuyện. Lần này, câu chuyện lớn nhất không đến từ một dự án blockchain; nó đến từ một gã khổng lồ AI. Và tôi thấy một sự tương đồng: airdrop.
Hãy nhìn vào các dự án DeFi những năm qua. Họ tuyên bố "phân phối token miễn phí", người dùng chen nhau vào, rồi cuối cùng dự án có được sự chú ý, có được dữ liệu về hành vi người dùng, có được TVL ảo. Qwen Max miễn phí, nhưng mục tiêu của nó không phải là làm từ thiện cho thế giới. Alibaba không phải là một tổ chức phi lợi nhuận.
Nhìn vào thiết kế của giao dịch này:
Bước 1: Bạn tải mô hình miễn phí. Bước 2: Bạn không có GPU để chạy; do đó, bạn truy cập Alibaba Cloud. Bước 3: Bạn sử dụng mô hình để xây dựng sản phẩm của mình; sản phẩm đó phụ thuộc vào mô hình. Bước 4: Nếu Alibaba thay đổi giấy phép trong phiên bản tiếp theo, bạn có hai lựa chọn: trả tiền, hoặc xóa toàn bộ công việc của bạn. Bước 5: Nếu Qwen Max thực sự trở thành chuẩn trong cộng đồng, thì Alibaba trở thành người đặt ra chuẩn đó – trong khi bạn là người đi theo.
Đây là một vụ airdrop mà token là một mô hình. Nhưng với crypto, "not your keys, not your coins". Với AI, "not your hardware, not your freedom". Và thậm chí nếu bạn có phần cứng của riêng bạn, bạn vẫn không thể biết liệu "key" – tức dữ liệu huấn luyện và sự căn chỉnh – có thực sự thuộc về bạn hay không.
Những tấm gương từ quá khứ blockchain
Khi tôi mới vào nghề kiểm toán, tôi làm việc cho một startup nhỏ ở Bangalore. Năm 2017, tôi dành 2 tháng để đọc từng dòng mã nguồn của Bancor ICO. Tôi tìm ra 7 lỗi tiềm ẩn trong contract token swap, đặc biệt là logic phí tích lũy có thể dẫn đến mất giá trị. Báo cáo gửi đội ngũ Bancor, họ cảm ơn nhưng không sửa hết, chỉ public 3 lỗi. Sự kiện này cho thấy whitepaper lý thuyết thường bỏ qua bug triển khai.
Bancor là một ví dụ kinh điển:Whitepaper của họ mô tả một giao thức thanh khoản liên tục tuyệt đẹp. Nhưng trong khi triển khai, có những hàm không bao giờ được nhắc đến trong whitepaper, như hàm withdraw và các phép tính phí mà chỉ khi bạn trace từng dòng mã, bạn mới thấy sự bất thường. Ngày hôm nay, Qwen Max có một "whitepaper" - tức là thông cáo báo chí - rất đẹp, nhưng "mã nguồn triển khai" của nó (model weights) sẽ chỉ có vào tuần sau. Và khi nó có, sẽ không ai có thể "trace" nó theo cách mà tôi trace contract của Bancor. Tôi sẽ chỉ có thể thử nghiệm nó, giống như người ta fuzz một contract. Nhưng fuzzing không bao giờ chứng minh được điều gì.
Trong một cuộc kiểm toán Uniswap V2 vào năm 2021, tôi tự viết một bộ test 50 trường hợp biên và phát hiện một lỗi tiềm ẩn trong logic tính phí khi thanh khoản thay đổi. Tôi không submit bug bounty mà đăng lên GitHub làm repo riêng. Nhận được 200 star. Nhiều người hỏi: "Sao anh không bán bug bounty?" Tôi chỉ trả lời: "Vì tôi muốn kiểm tra sự tò mò của mình." Điều đó dạy tôi rằng để hiểu một hệ thống, bạn cần phải xây dựng một bộ test riêng và tự chạy nó. Với Qwen Max, bạn không thể tạo ra một bộ test 50 trường hợp biên để kiểm tra toàn bộ hành vi của mô hình. Không gian đầu vào của một mô hình ngôn ngữ là không gian của tất cả các chuỗi ký tự. Bạn không thể bao phủ nó. Bạn chỉ có thể lấy mẫu.
RWA, AI, và câu chuyện "tài sản thế giới thực"
Tôi thường nói rằng RWA on-chain là câu chuyện kể suốt ba năm, nhưng không ai muốn thừa nhận: các tổ chức truyền thống không cần public chain của bạn. Họ cần sự riêng tư, họ cần quyền kiểm soát, họ cần khả năng đóng băng tài sản. Họ không cần một sổ cái phân tán. Điều tương tự cũng đúng với các mô hình AI "miễn phí": những gì Alibaba gọi là "mở" không phải là "tài sản thế giới thực" mà bạn có thể sở hữu. Nó là một sản phẩm được thiết kế để bạn gọi. Giống như RWA token hóa thường là một hình thức trá hình của việc tập trung hóa, "open weights" trong AI có thể là một hình thức trá hình của việc tập trung hóa hạ tầng.
Khi Alibaba phát hành Qwen Max, họ không bán cho bạn một tài sản. Họ bán cho bạn một cái lưới. Bạn có thể mang cái lưới về nhà và tự đan lại với những sợi chỉ của riêng bạn. Nhưng để có được những sợi chỉ chất lượng, bạn cần đến cửa hàng của họ. Và khi sản phẩm của bạn phụ thuộc vào mô hình, họ có thể thay đổi các điều khoản. Trong blockchain, mã nguồn mở với giấy phép MIT không thể bị thu hồi. Nhưng trong AI, các giấy phép mô hình có thể kèm theo các điều khoản bổ sung: không được sử dụng để huấn luyện mô hình cạnh tranh, không được sử dụng cho các lĩnh vực quân sự, không được sử dụng ở một số quốc gia. Tất cả đều nằm trong giấy phép mà bạn chưa từng đọc.
Cách một auditor sẽ tiếp cận Qwen Max
Nếu tôi được thuê để "kiểm toán" một dự án sử dụng Qwen Max, tôi sẽ bắt đầu với một danh sách các câu hỏi. Không phải để tấn công, mà để xác định các giả định tin cậy:
- Mô hình được lưu trữ ở đâu? Nếu nó được tải về từ huggingface.co, bạn có chắc rằng file bạn tải không bị nhiễm mã độc? Trong AI, việc tấn công chuỗi cung ứng (supply chain attack) bằng cách phát tán model weights giả đã trở thành một vector tấn công phổ biến. Một kẻ tấn công có thể sửa một vài trọng số trong mô hình và khiến nó tạo ra các lỗ hổng bảo mật trong mã mà nó viết.
- Làm thế nào để bạn biết rằng phiên bản mở có cùng hành vi với phiên bản mà Alibaba tuyên bố? Nếu bạn không thể xác minh tính toàn vẹn của quá trình huấn luyện, bạn không thể chắc chắn.
- Nếu bạn sử dụng mô hình để tạo ra mã Solidity, bạn có chắc rằng mô hình không bị "đầu độc" bởi dữ liệu huấn luyện để tạo ra các lỗ hổng cố ý? Điều này đã từng xảy ra trong nghiên cứu: Các mô hình có thể học được các pattern ẩn để tạo ra mã yếu khi gặp một số bối cảnh nhất định. Nếu những kẻ tấn công có thể chèn dữ liệu vào tập huấn luyện của một mô hình lớn, chúng có thể tạo ra một "kill switch" mà không ai biết.
- Bạn sẽ chạy mô hình trên phần cứng nào? Nếu bạn chạy trên dịch vụ cloud, dữ liệu của bạn sẽ đi qua hạ tầng của ai? Điều này đặc biệt quan trọng trong các ứng dụng DeFi: Nếu bạn sử dụng một mô hình quyết định chuyển tiền, và mô hình đó được chạy trên một dịch vụ cloud có thể ghi nhật ký prompt, thì chiến lược giao dịch của bạn đã bị lộ.
- Khi mô hình trả lời sai, ai chịu trách nhiệm? Không có một smart contract nào có thể đền bù cho bạn vì một lỗi suy luận. Bạn sẽ phải tự chịu.
Trong các cuộc kiểm toán của mình, tôi thường nhấn mạnh một điểm: "Every smart contract has an owner, and that owner has a risk of being malicious." Với Qwen Max, "owner" là một thực thể mà bạn không thể kiểm soát. Bạn có thể fork nó, bạn có thể tinh chỉnh nó, nhưng bạn không thể xóa bỏ ảnh hưởng từ dữ liệu huấn luyện ban đầu. Mô hình có một "worldview" được định hình bởi công ty tạo ra nó. Điều đó có thể tốt cho Alibaba, nhưng không nhất thiết tốt cho bạn.
Đi ngang: sự kiên nhẫn bị bào mòn
Thị trường đang đi ngang. Những người nắm giữ token đang chán nản. Họ nhìn sang AI và thấy một thế giới đang chuyển động nhanh hơn. Họ muốn tìm một tín hiệu để tin. Và không gì dễ tin hơn một thông cáo nói rằng "mô hình của chúng tôi gần bằng GPT-4 và miễn phí".
Đó chính xác là loại tín hiệu mà một kẻ lừa đảo tận dụng. Sự thiếu kiên nhẫn khiến mọi người ngừng đọc các điều khoản. Họ nhảy vào một dự án "AI +DeFi" không có mã nguồn, không có kiểm toán, chỉ có một slide deck với vài cái tên lớn. Họ nói: "Alibaba đã mở, vậy thì AI là tương lai, chúng ta phải hành động nhanh." Khi bạn thấy một sự thúc giục hành động nhanh, hãy đặc biệt nghi ngờ. Trong một cuộc kiểm toán, khi một dự án yêu cầu bạn ký báo cáo trong 24 giờ mà không có thời gian chạy test, đó là một dấu hiệu rõ ràng. Họ không muốn bạn nhìn thấy điều gì đó.
Tôi tin rằng trong 6 tháng tới, chúng ta sẽ chứng kiến một làn sóng các dự án sử dụng Qwen Max làm nền tảng cho các agent đầu tư, bot giao dịch, hoặc các hệ thống quản lý rủi ro. Một số trong đó sẽ là thật, một số sẽ là lừa đảo. Là một nhà phân tích kỹ thuật, bạn sẽ cần phân biệt chúng. Hãy nhớ rằng: Lời tiên tri "AI mở" sẽ trở thành sự thật chỉ khi những người xây dựng trên nó hiểu được những gì họ đang tin tưởng. Mã nguồn mở không loại bỏ rủi ro; nó chỉ thay đổi nơi bạn cần đặt lòng tin.
Contrarian: Ai thực sự được hưởng lợi?
Mỗi lần kiểm toán là một lần tôi đặt câu hỏi: Ai được lợi nếu tôi tin điều này? Nếu tôi tin rằng Qwen Max gần bằng Claude và ChatGPT, tôi sẽ có xu hướng sử dụng nó. Tôi sẽ dành thời gian để học nó, để xây dựng các ứng dụng trên nó. Tôi sẽ trở thành một phần của hệ sinh thái Alibaba. Và khi tôi đã đầu tư thời gian, tôi sẽ khó rời bỏ. Điều đó được gọi là chi phí chuyển đổi. Alibaba đang xây dựng một nhà tù bằng sự thuận tiện.
Một điểm phản trực giác khác: Mở mã nguồn không phải là phục vụ cho sự minh bạch. Nó là một chiến lược phòng thủ trước các quy định. Nếu bạn là Alibaba, và bạn phải xử lý với các quy định về xuất khẩu AI, bạn có thể nói: "Chúng tôi không bán mô hình; chúng tôi tặng nó." Điều đó có thể khiến các cơ quan quản lý Hoa Kỳ nhức đầu. Nó cũng khiến OpenAI nhức đầu, khiến các công ty AI bản địa nhức đầu, và khiến các công ty AI của Trung Quốc khác phải chạy theo.
Có ai được lợi ở đây? Chắc chắn là Alibaba, với điều kiện họ giữ được sự kiểm soát nền tảng. Còn người dùng? Họ sẽ nhận được một công cụ mạnh, nhưng họ sẽ phải trả một thứ khác: sự chú ý, dữ liệu và sự phụ thuộc. Như mọi "free" trong blockchain, cái bẫy nằm ở bạn. Tôi đã thấy những điều này từ khi kiểm toán các contract với các "honeypot" – nơi tiền của bạn bị mắc kẹt vì bạn không bao giờ đọc các điều khoản ẩn.
Những gì tôi nhìn thấy ở Qwen Max là một phiên bản AI của mô hình "free-to-play" trong game: Bạn có thể chơi miễn phí, nhưng để tiến xa, bạn phải trả tiền cho skin, cho trang bị, cho lượt chơi thêm. Trong một nền kinh tế chú ý, Alibaba đang phát hành trò chơi miễn phí, và tất cả chúng ta đều đang trở thành người chơi. Câu hỏi là: bạn có biết khi nào bạn đã bước qua ranh giới trả phí không? Với smart contract, bạn có thể mô phỏng để kiểm tra. Với một mô hình AI, thật khó để nhận ra.
Một vài gợi ý cho những ai vẫn muốn dùng Qwen Max
Nếu sau tất cả những cảnh báo, bạn vẫn muốn sử dụng Qwen Max, hãy làm theo những nguyên tắc sau:
- Đừng dùng Qwen Max để viết mã cho các hợp đồng có giá trị lớn, trừ khi bạn có một quy trình kiểm toán mã nguồn riêng. Hãy coi mã do AI tạo ra như một đóng góp từ một lập trình viên chưa được kiểm chứng. Bạn cần một người có kinh nghiệm review tất cả.
- Đừng chạy Qwen Max trên cùng máy với ví của bạn, trừ khi bạn hiểu rõ mọi dữ liệu ra vào. Các mô hình ngôn ngữ lớn có thể là một vector gián điệp.
- Hãy kiểm tra giấy phép cẩn thận. Nếu giấy phép cấm sử dụng để "phát triển mô hình cạnh tranh", bạn sẽ không thể xây dựng một mô hình tốt hơn trên nền tảng của nó.
- Hãy theo dõi các bài kiểm tra độc lập từ các tổ chức như Stanford CRFM, Hugging Face, hoặc các kỳ thi trên Chatbot Arena. Đừng tin vào "scorecard" của chính nhà phát hành.
- Hãy nhìn vào chi phí vận hành thực tế. Một mô hình 400B tham số yêu cầu ít nhất 8 GPU A100 80GB để chạy ở độ chính xác giảm. Điều đó có nghĩa là vài trăm ngàn đô la cho phần cứng. Bạn có chắc rằng bạn cần "miễn phí" đó?
Trong công việc của mình, tôi hay nói với khách hàng: "Hãy giả định rằng mọi thứ đều bị xâm phạm, sau đó thiết kế các biện pháp phòng thủ." Với Qwen Max, hãy giả định rằng nó có thể bị xâm phạm. Hãy chạy nó trong một môi trường cô lập, không có quyền truy cập mạng - và nếu nó cần mạng, hãy giới hạn một danh sách trắng. Bạn sẽ không thể kiểm soát được những gì mô hình "nghĩ", nhưng bạn có thể kiểm soát những gì nó chạm vào.
Kết luận mở
Mỗi lần kiểm toán là một lần tôi đặt câu hỏi: Liệu một mô hình được phát hành miễn phí có phải là một mô hình được "giữ lại" sau lưng? Không có gì hoàn toàn miễn phí trong một chuỗi cung ứng. Khi Alibaba chiến đấu ở mặt trận này, họ có thể thu hút tất cả các nhà phát triển. Nhưng là những người trong thế giới blockchain, bạn nên biết rằng mọi quyết định kỹ thuật đều mang theo một "trust assumption".
Trong những tuần tới, bạn sẽ thấy rất nhiều dự án AI + crypto xuất hiện, và rất nhiều trong số chúng sẽ sử dụng Qwen Max hoặc các mô hình tương tự. Khi bạn đánh giá chúng, hãy hỏi không phải là "mô hình có mạnh không", mà là "ai kiểm soát hạ tầng, ai kiểm soát dữ liệu, ai kiểm soát vòng đời của mô hình". Đừng nhìn vào whitepaper, vì triển khai mới là sự thật. Đừng nhìn vào "almost", vì chữ viết thường không có giá trị bảo chứng cho tính mạng của tài sản của bạn. Đi ngang là để xếp hàng, nhưng hãy xếp hàng đúng cửa.
Và khi bạn sử dụng Qwen Max, hãy nhớ rằng bạn đang gửi một phần tư duy của bạn cho một hệ thống do một công ty Trung Quốc vận hành. Khác với smart contract, bạn không thể đọc được "source code" của một trọng số neural. Khác với một cầu nối cross-chain, bạn không thể kiểm chứng được nơi dữ liệu đi qua. Bạn chỉ có thể tin rằng nó hoạt động. Và "tin" là một từ mà mọi auditor đều sợ nhất.
Hãy kiểm toán những dự án mà bạn đặt tiền vào. Còn với những mô hình "miễn phí" kia... hãy để chúng phục vụ bạn, đừng để chúng trở thành lớp admin của cuộc đời bạn.