Mercury 3, một Tuyên bố Điểm kỳ dị và vụ đột nhập trị giá 50 đô: Bốn câu chuyện từ ngày 20 tháng 10

Bốn câu chuyện đã đi qua vòng tin tức AI vào ngày 20 tháng 10 năm 2026, và chúng có chung một đặc điểm khó xử: ba câu chuyện là những tuyên bố về việc trí tuệ nhân tạo hiện có thể làm gì, và chỉ một câu chuyện đi kèm một mô hình mà bạn có thể gọi ngay chiều nay và tính giá theo token. Đó là Mercury 3, được Inception Labs phát hành vào tối hôm trước — ngày 19 tháng 10 năm 2026 — với giá 0,20 USD mỗi triệu token đầu vào và 0,70 USD mỗi triệu token đầu ra, giảm một nửa trong cửa sổ ra mắt không có ngày kết thúc được công bố, vận hành ở tốc độ 1.068 token/giây do nhà cung cấp đo. Ba câu chuyện còn lại: Jack Clark nói trước một khán phòng gồm các bộ trưởng tài chính rằng điểm kỳ dị đã bắt đầu, một đối tượng đã dùng tác tử AI để xâm nhập hơn 100 công ty với chi phí khoảng 50 USD mỗi vụ xâm nhập, và các giọng nói ChatGPT mới của OpenAI ra mắt dưới tên GPT-Live-1.1. Phần tiếp theo trình bày từng câu chuyện theo cách riêng của nó, kèm các con số gắn với bên đã đưa ra chúng. Những sự cố AI và sự cố tác tử đã được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong Kho lưu trữ Sự cố AI OrcaRouter trong đó mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Mercury 3: mục duy nhất trong danh sách này mà bạn có thể định giá

Bài chào hàng của Inception không đổi về hình thức và lớn hơn nhiều về mức độ. Mercury là một mô hình ngôn ngữ khuếch tán: thay vì phát ra một token mỗi lượt truyền xuôi, nó khử nhiễu một khối vị trí cùng lúc và chốt chúng với nhau. Theo chính lời Inception, Mercury 3 có tổng số tham số gấp hơn 40 lần Mercury 1 và vẫn chạy ở tốc độ hơn 1.000 token mỗi giây — tuyên bố là việc mở rộng quy mô không đánh đổi thông lượng, vốn là lý do tồn tại của cả dòng mô hình.

• Giá — $0,20 mỗi triệu token đầu vào và $0,70 mỗi triệu token đầu ra theo giá niêm yết; $0,10 và $0,35 trong đợt giảm giá ra mắt 50% không nêu ngày kết thúc; đầu vào đã lưu trong bộ nhớ đệm thấp hơn 90% so với mức giá đầu vào.

• Ngữ cảnh và đầu ra — cửa sổ ngữ cảnh 1.000.000 token, tăng từ 260.000 trên Mercury 2.5, với giới hạn đầu ra 131.072 token theo tài liệu của Inception.

• Tốc độ — 1.068 token mỗi giây, do Inception đo trên phần cứng NVIDIA không được nêu rõ. Chưa có bộ khung đánh giá độc lập nào đo thời gian của nó.

• Mức độ suy luận — bốn cài đặt (instant, low, medium, high) với low là mặc định, trong khi Mercury 2.5 và Mercury 2 mặc định ở mức medium.

• Phương thức — văn bản vào, văn bản ra. Không có đầu vào hình ảnh, âm thanh hoặc video.

• Hạn mức miễn phí — 100 triệu token dành cho tài khoản mới trên nền tảng của Inception.

Kết quả chất lượng có cấu trúc duy nhất trong thông báo không phải là một bảng điểm chuẩn. Inception đã đưa Mercury 3 vào khung tác nhân web trong môi trường sản xuất của chính công ty, trên 50 tác vụ điều hướng Mind2Web trực tiếp với các trang web thật, và báo cáo rằng nó đã hoàn thành 50% trong số đó — 25 tác vụ — "nhiều hơn đáng kể so với GPT-6.1-Sol", với cùng lượng token và cùng số bước tác nhân. Ở một khía cạnh, đây là một dạng bằng chứng mạnh hơn điểm chuẩn của nhà cung cấp, vì các tác vụ là trực tiếp thay vì bị đóng băng; nhưng ở một khía cạnh khác lại yếu hơn, vì khung thử nghiệm, các trang web và cách chấm điểm đều thuộc về công ty đang bán mô hình. Chưa có ai khác chạy thử nó. Tính đến ngày 20 tháng 10, hoàn toàn không có trang Artificial Analysis nào cho Mercury 3, đó là lý do mọi con số ở trên đều mang tên Inception đứng trước.

Có hai điều cần nói thẳng cho bất kỳ ai đang cân nhắc có nên thử hay không. Mercury 3 không có trong danh mục của OrcaRouter — API mô hình của chúng tôi không trả về gì cho bất kỳ mô hình Inception nào — vì vậy muốn gọi nó thì phải dùng nền tảng API riêng của Inception hoặc một trong nhiều nền tảng bên thứ ba đang lưu trữ nó. Và ưu đãi ra mắt là giá khuyến mại, không phải bảng giá chính thức: mức giá đầu vào $0.10 chỉ bằng một nửa giá niêm yết và Inception chưa cho biết khi nào nó kết thúc, nên bất kỳ mô hình chi phí nào dựa trên đó đều có ngày hết hạn mà bạn không được thông báo.

Jack Clark tại IMF: điểm kỳ dị, có ngày cụ thể

Phát biểu với các nhà kinh tế và hoạch định chính sách tại cuộc họp thường niên của IMF và Ngân hàng Thế giới, đồng sáng lập A​nthropic Jack Clark cho biết điểm kỳ dị — thuật ngữ ông dùng để chỉ tiến bộ do AI thúc đẩy vượt xa khả năng theo kịp của nhân loại — đã "bắt đầu ngay lúc này". Tuyên bố này đi kèm hai đường cong chuẩn và một dự báo kinh tế, và các đường cong chính là phần đáng giữ lại.

Humanity's Last Exam, một bộ câu hỏi do chuyên gia biên soạn nhằm chống lại việc tra cứu, đã tăng từ 8% lên 67,7% kể từ năm 2025 theo cách tính của A​nthropic. FrontierMath đã tăng từ 2% lên 94%. Đó là hai con số "chúng ta chưa sẵn sàng cho điều này" được trích dẫn nhiều nhất trong lĩnh vực, và một bước nhảy lớn như vậy trong khoảng một năm là kiểu điều từng được vẽ trên trục thập kỷ. Dự báo kinh tế là một mô hình A​nthropic đưa GDP của Mỹ lên 44 nghìn tỷ USD vào năm 2030 nếu AI lan rộng nhanh chóng — một con số mà chính Clark thừa nhận nghe có vẻ hoang đường, đồng thời dự đoán những tác động "rất gây xáo trộn" đối với việc làm.

Lập luận về quy mô của ông chính là lập luận liên quan đến tin tức tuần này: mười triệu nhà khoa học trên thế giới có thể sớm chỉ huy “một tỷ nhà khoa học ảo”, và các quốc gia nên xây phòng thí nghiệm và robot thay vì tranh cãi về điều đó. Về chính sách, ông mô tả “một vài năm” để hành động, và lưu ý rằng CEO A​nthropic Dario Amodei đã nêu ý tưởng về những giới hạn đối với “trần trí tuệ” của AI — một cụm từ có vẻ kỳ lạ khi đặt cạnh một chuẩn đánh giá đã đi từ 8% lên 67,7% trong mười hai tháng.

Đọc điều đó đối chiếu với Mercury 3 thì hai câu chuyện không thực sự nói về cùng một thứ. Một bên là tuyên bố về trần năng lực, được lập luận từ các đường cong đánh giá. Bên kia là một bản phát hành sản phẩm kèm bảng giá. Lý do chúng xuất hiện cùng ngày là mô hình khuếch tán đúng là kiểu hệ thống mà những đường cong ấy được tạo nên từ: rẻ, nhanh, chỉ văn bản, không được bất kỳ ai trung lập đo đạc, và đủ tốt ở một nhiệm vụ hẹp để đáng triển khai trước khi bất kỳ ai quyết định "đủ tốt" nghĩa là gì.

Vụ xâm nhập $50: năng lực tác tử trông như thế nào từ phía bên kia

Công ty bảo mật NorForge đã tiết lộ một chiến dịch trong đó một người vận hành nói tiếng Trung duy nhất đã sử dụng các tác nhân AI để thực hiện gần như toàn bộ công việc xâm nhập vào các công ty. Reuters xác định các nạn nhân bao gồm Cummins, Deere và SharkNinja. Cơ chế này không phải là một khai thác mới lạ. NorForge phát hiện hơn 20 bảng điều khiển không được bảo vệ của Cairn, một công cụ tác nhân AI mã nguồn mở, và người vận hành này đã cung cấp các mục tiêu được sàng lọc trước — những cửa hàng trực tuyến đông khách, đơn hàng dưới 100 ký tự tiếng Trung — rồi để các tác nhân làm việc qua hơn 1.200 trang web.

• Công cụ — Claude Code và DeepSeek V4.1 Flash, cả hai đều được sử dụng như những công cụ phát triển thông thường.

• Chi phí — khoảng $50 cho mỗi vụ xâm nhập thành công, mỗi vụ tốn khoảng một ngày thời gian của tác nhân và khoảng $5,000 tiền token trên toàn chiến dịch.

• Kết quả — hơn 100 công ty bị xâm nhập. Chưa xác định được liệu dữ liệu có bị đánh cắp hay không. SharkNinja gọi mối đe dọa này là "đã được khống chế", Deere viện dẫn "các biện pháp khắc phục", và Cummins nói rằng họ đang "điều tra".

Con số đáng để ngẫm không phải là 100. Mà là 50 đô la. Một vụ xâm nhập tốn ít hơn một bữa trưa công tác và chỉ mất một ngày đã đảo ngược nền kinh tế mà bảo mật phòng thủ đã được xây dựng dựa trên đó suốt hai mươi năm, bởi vì chi phí biên của việc thử lại gần bằng không, còn chi phí biên của việc sai thì không. Điều đó cũng giải thích vì sao sự phơi bày lại tẻ nhạt: hơn hai mươi bảng điều khiển của một công cụ agent mã nguồn mở, bị để có thể truy cập từ internet. Không ai cần phải thông minh. Họ chỉ cần kiên nhẫn và rẻ.

Những thuộc tính khiến một agent hữu ích trong môi trường vận hành thực tế — nó hành động, nó thử lại, nó chạy không giám sát hàng giờ — cũng chính là những thứ kẻ tấn công đã thuê. Ở đây không có năng lực độc hại riêng biệt nào đang được trình diễn. Chỉ là một vòng lặp agent thông thường được nhắm vào một danh sách mục tiêu.

Giọng nói mới của GPT-Live-1.1: giọng nói không phải là mô hình

Công việc về giọng nói của OpenAI xuất hiện như một bản hướng dẫn cách làm hơn là một thông báo, và câu hữu ích nhất trong các bài đưa tin là một lời cảnh báo: giọng nói mới và mô hình mới là những thay đổi khác nhau. Sự phân biệt đó quan trọng vì hai thứ này liên tục bị gộp lẫn trong các sản phẩm giọng nói, và phép thử thực tế là ở hành vi chứ không phải ở tên gọi.

Đường dẫn truy cập là phần cài đặt giọng nói của ChatGPT, rồi tùy chọn Live ở nơi có, rồi chọn giọng. Các bài tập đáng chạy, theo thứ tự: giữ nguyên ngôn ngữ và hướng dẫn, rồi so sánh các giọng trên cùng một đoạn, để thứ bạn nghe là giọng chứ không phải một lời nhắc khác; thử một giọng vùng miền, vì cách xử lý trọng âm thay đổi theo giọng chứ không chỉ theo cài đặt ngôn ngữ; ngắt giữa câu trả lời bằng một ngày hoặc số lượng nhân sự đã sửa và kiểm tra xem bản sửa có đến được câu trả lời cuối cùng không; và yêu cầu trợ lý tìm ghi chú phát hành của OpenAI và đọc lại liên kết nguồn, đây là cách rẻ nhất để biết liệu mô hình có đang trích dẫn thứ gì đó có thật không.

Một giọng đọc có tên, Bubbie, đã được so sánh với giọng đọc quen thuộc của người nghe trên cùng một đoạn văn bản — phương pháp đúng, và là phương pháp mà hầu hết mọi người bỏ qua. Người đăng ký Pro nhận được đề luyện tập và danh sách kiểm tra khi nghe. Điều cần xác minh trước khi xây dựng lại một quy trình làm việc dựa trên đó là thay đổi nào trong số này là giọng đọc và thay đổi nào là mô hình nền, vì chỉ một trong số chúng thay đổi những gì hệ thống có thể làm.

Sợi chỉ xuyên suốt cả ngày

Ba trong bốn câu chuyện này nói về năng lực đến nhanh hơn bộ máy xung quanh nó. {{1}}Các con số đánh giá cho thấy các mô hình đang làm tốt hơn các tác vụ chuyên môn với tốc độ mà không ai dự báo trước{{/1}}; {{2}}vụ xâm nhập cho thấy năng lực tương tự có sẵn cho bất kỳ ai có 50 đô la và một danh sách mục tiêu{{/2}}; {{3}}sản phẩm giọng nói cho thấy giao diện đang trở thành thứ mà người dùng đánh giá, bất kể mô hình bên dưới có thay đổi hay không{{/3}}. {{4}}Mercury 3 là câu chuyện thứ tư và là trường hợp khác biệt, vì đây là câu chuyện duy nhất có giá công khai trên mỗi triệu token và cửa sổ ngữ cảnh được tài liệu hóa — câu chuyện duy nhất mà bạn có thể đưa vào mô hình chi phí ngay tối nay.{{/4}}

Đó cũng là trường hợp của một lớp định tuyến, và không theo cách mà marketing của nhà cung cấp thường ám chỉ. Một mô hình được phát hành cách đây mười chín giờ mà chưa có đánh giá độc lập chính là thứ bạn tuyệt đối không muốn gắn cứng vào một đường đi production. Điều bạn muốn là một quy tắc gửi một phần lưu lượng được xác định đến nó, giữ một mô hình đã được đo lường ở phía sau, và tự động chuyển đổi dự phòng khi nó gặp sự cố — để quyết định giữ hay bỏ nó được đưa ra bởi tỷ lệ lỗi của bạn chứ không phải bởi một bài đăng ra mắt. Một khóa và một endpoint tương thích OpenAI mang lại cho bạn cả hai mặt của quy tắc đó, và khi ưu đãi của Inception kết thúc hoặc một điểm số trung lập cuối cùng xuất hiện, quy tắc sẽ thay đổi còn ứng dụng thì không.

Đối với bản thân Mercury 3, bản tóm tắt trung thực sau một ngày thì hẹp: một mô hình chỉ văn bản rẻ bất thường, nhanh bất thường với ngữ cảnh 1M token thực sự, một kết quả tác nhân trên trang web trực tiếp do chính Inception tạo ra, và không có đo lường nào từ bên thứ ba về bất cứ điều gì. Hai con số sẽ định đoạt điều đó — điểm số của Artificial Analysis và chi phí cho mỗi tác vụ hoàn thành trên một bộ khung đánh giá mà Inception không sở hữu — vẫn chưa tồn tại. Khi chúng xuất hiện, bài kế tiếp của bài viết này sẽ chỉ dài một đoạn.