Điểm tin AI 14-11: Blackwell trong model Trung Quốc, ví cho agent

Báo cáo của Unemployment Labs tìm thấy dấu vết B300 trong sáu model mở Trung Quốc qua hàm băm tên file. OpenAI mở ChatGPT Wallet cho Pro tại Mỹ, agent trả tiền nhưng người dùng duyệt bằng Face ID. LangChain gọi 300 triệu USD; ElevenLabs ra app ghi chú họp trên Mac.

Một báo cáo công bố ngày 13-11 của Unemployment Labs cho rằng sáu model mở Trung Quốc, trong đó có DeepSeek V4 và Kimi K3, mang dấu vết phần cứng của Nvidia Blackwell, loại chip Mỹ không được phép bán sang Trung Quốc. Bằng chứng nằm ở danh sách tên file còn sót lại trong ảnh đĩa checkpoint, chỗ ít người nghĩ tới.

Cùng ngày, OpenAI mở ChatGPT Wallet cho người dùng Pro tại Mỹ, nơi agent có thẻ riêng để thanh toán và chủ tài khoản duyệt từng giao dịch bằng vân tay hoặc khuôn mặt. Ở tầng hạ tầng, LangChain gọi thêm 300 triệu USD ở định giá 3 tỷ cho nền tảng chạy và giám sát agent. ElevenLabs thì đưa agent vào cuộc họp, với ứng dụng Mac ghi chú và đánh máy bằng giọng nói.

Dấu vân tay của Blackwell nằm trong tên file

Báo cáo có tiêu đề "Top Chinese frontier AI models carry the fingerprint of export-controlled Nvidia Blackwell GPUs". Unemployment Labs là nhóm nghiên cứu nhỏ do Will DePue, cựu kỹ sư OpenAI, sáng lập. The Register đưa tin cùng ngày.

Cách làm dựa vào một đặc điểm của ext4, filesystem mặc định trên nhiều máy chủ Linux. Khi PyTorch lưu checkpoint, nó tạo file với tên lặp theo mẫu, kiểu model_000123_rank_003.pt hay global_step_5000. Trên ổ định dạng ext4, filesystem băm tên file thành một số 64 bit bằng nửa MD4 rồi cất số đó trong thư mục cha. Tên file gốc biến mất, nhưng hàm băm ở lại. Ai tải ảnh đĩa công khai của một checkpoint cũng đọc được danh sách băm này, không cần mở trọng số, không cần quyền truy cập vào phòng máy của lab.

Một hàm băm vô danh thì không nói được gì về phần cứng, nên cần một bảng đối chiếu. Bảng đó gần như chỉ Nvidia dựng được: họ băm lại đúng những tên file mà khung huấn luyện của mình sinh ra, trên đúng những kiểu máy của mình, với đúng seed và phiên bản của ext4 đang chạy trong các cụm đó. Nhóm của DePue xây dựng bảng này từ hai nguồn. Phần thứ nhất là các ảnh đĩa checkpoint cũ, chủ yếu từ những công ty từng thuê hạ tầng Nvidia hoặc dùng công thức huấn luyện của hãng. Phần thứ hai là các hình ảnh môi trường hệ điều hành bị rò rỉ, đôi khi còn giữ nguyên cả thư mục đã xoá.

Từ đó họ có hai bộ dữ liệu để so. Với một ảnh đĩa, câu hỏi là dòng băm trong ảnh trùng với tên file nào trong từ điển 7.100 mục của mình, tức trùng với một checkpoint mà người ngoài chưa từng thấy. Với một bản model đã phát hành, câu hỏi là bộ trọng số có mang cấu hình, tên mã hay bộ lọc dữ liệu chưa từng xuất hiện ở model mở khác hay không.

Kết quả ở dạng thô: trong bộ luật 7.100 tên file, 92,5% số dòng băm thu được khớp ít nhất một mục và 65% khớp đúng một mục. Xác suất để một băm ngẫu nhiên rơi vào bộ luật này là một trên năm tỷ. Vì vậy nhóm nghiên cứu coi một dòng trùng khớp là dấu vân tay, còn dòng không khớp chỉ là im lặng, không phải bằng chứng vô tội.

Sáu model được nêu, với mức khớp rất khác nhau:

• DeepSeek V4: 445 dòng băm, tỷ lệ khớp 3,6%.
• Kimi K3 của Moonshot: ba bản, tỷ lệ khớp 8,3% ở bản mới nhất và 65,9% ở một bản trước đó.
• MiniMax M2.5: 0,98%.
• GLM-5 của Zhipu: cấu hình đọc được có trường kimisparse_block..._prefix, tức loader của họ tái dùng kernel do Kimi viết, và toàn bộ trọng số theo định dạng cấu hình của Kimi. Không có dòng băm nào mang nhãn Zhipu, nên báo cáo không buộc tội GLM-5 chạy trên Blackwell, chỉ cho thấy các lab dùng lại code của nhau.
• Hunyuan-Large 3 của Tencent: ba vòng băm nhúng nhãn B300, 4.388 checkpoint thu được 445 dòng, tên đăng nhập thuộc nhóm Tencent Cloud HCC, mẫu tên không có trong mã nguồn công khai của Megatron-LM.
• Seed 2.0 của ByteDance: dưới 4%. Báo cáo ghi rõ nếu lab này chưa bao giờ huấn luyện trên Blackwell và bản 2.0 không chịu phạt cho việc tải lại trọng số của một model cũ hơn thì họ sẽ không thấy dấu vết, nhưng vẫn chưa đối chiếu được vì ByteDance chưa phát hành 1.0 cho công chúng.

Độ chắc của kết luận đến từ ba nhóm tham chiếu. Một băm khớp với B300 hoặc GB300 có thể là ngẫu nhiên. Cùng băm đó khớp 100% với các checkpoint sinh trên máy Blackwell Ultra, 100% với các checkpoint sinh trên rack GB300 NVL72, và không khớp lần nào với các ảnh băm lấy từ máy H100 thì khó giải thích bằng trùng hợp. Tên file phụ thuộc tham số chạy, nên đổi tham số là đổi tên; để một bảng băm chung sinh ra kết quả như vậy, bên huấn luyện phải chạy đúng khung của Nvidia với mẫu tên mặc định.

Có những dòng băm mà báo cáo không gán được cho ai. Các bản lưu B300 chứa một số frame nvidia-internal. Một checkpoint của Kimi có từ 8 tới 12 vòng lặp băm không có trong từ điển. Và có một model đã phát hành 3.500 checkpoint, trong đó 95 bản công khai, nhưng không bản nào có băm khớp, nên nhóm nghiên cứu phải nêu rõ giới hạn: nếu checkpoint bị chuyển qua một tải khác thì tỷ lệ khớp trần của phương pháp là 4%, và trường hợp đó không kết luận được gì.

Trong khoảng 30 model mở được kiểm, 24 model không có dấu vân tay Blackwell, tức 89%. Mức 65,9% của Kimi K3 là con số cao nhất, gần với việc toàn bộ checkpoint của model đó được sinh trên một cụm B300. Model Kimi K3 phát hành ngày 11-11, hai ngày trước báo cáo.

Vì sao thư mục lại giữ dấu vết

Phương pháp dựa vào một thứ tưởng như vô hại: ext4 ghi băm của tên file vào entry của thư mục để tra cứu nhanh. Băm không chứa nội dung, khoá hay trọng số; nó chỉ là hàm của chuỗi tên mà chương trình huấn luyện đặt ra. Nvidia biết mẫu tên của khung mình, biết seed mặc định, biết phiên bản kernel và thư viện mà cụm của mình chạy. Ghép lại, hãng dựng được một bộ lọc: dòng băm nào khớp thì file đó từng được lưu trên máy của họ.

Trước đây, câu hỏi "chip cấm có tới Trung Quốc không" được trả lời bằng hải quan, hoá đơn, ảnh vệ tinh hoặc lời khai của người trong cuộc. Giờ có thêm một lớp bằng chứng nằm trong chính sản phẩm mà lab công bố, ai tải cũng thấy.

Epoch AI ước tính hơn hai triệu GPU Blackwell đã vào Trung Quốc từ đầu 2025 tới nay, trong đó hơn 1,4 triệu chip lậu, dẫn lại số của Bloomberg. Malaysia bị nêu là điểm trung chuyển lớn với khoảng 275.000 chip, phần nhiều qua hai công ty Megaspeed và Speedmatrix. Cuộc điều tra ở Singapore không tìm thấy vi phạm nào tại chỗ, và Bộ Thương mại Mỹ đã hỏi danh sách khách hàng của Megaspeed.

Báo cáo cũng nói rõ nó không chứng minh được gì thêm. Một dòng băm khớp nghĩa là checkpoint đó từng được lưu trên một chiếc máy như vậy, chứ không nói lab huấn luyện trọn vẹn ở đó, không nói chip tới bằng đường nào, không nói ai bán. Một lab có thể thuê cụm ở nước ngoài, huấn luyện, rồi mang trọng số về trong nước và tiếp tục tinh chỉnh trên H20 hoặc chip nội địa. Muốn biết quy mô thật, cần thêm dữ liệu về đường truyền, hợp đồng thuê, và nhật ký hải quan, những thứ một bài phân tích ảnh đĩa không có.

Câu hỏi gửi tới sáu lab vì thế cụ thể hơn một lệnh trừng phạt mới: vì sao checkpoint của model này lại mang tên file do khung của Nvidia sinh ra, và nếu không huấn luyện trên Blackwell thì các dòng băm đó từ đâu tới. Sáu nhà phát hành nói trên chưa bình luận gì về báo cáo.

ChatGPT Wallet: agent trả tiền, người duyệt bằng Face ID

OpenAI mở ChatGPT Wallet cho người dùng gói Pro ở Mỹ, bắt đầu từ ngày 13-11, theo tài liệu trợ giúp. Ví nằm trong hội thoại với một dot, tức agent chạy nền có máy tính riêng trên cloud, chứ không nằm trong Chat, Work hay các luồng Codex độc lập. Trang giới thiệu dots mô tả agent này làm việc giữa các cuộc trò chuyện, tự tìm bước tiếp theo và đưa việc cần duyệt về cho người dùng.

Luồng thanh toán giữ nguyên phần duyệt ở phía người. Dot tìm hàng, so sánh, chọn người bán, rồi dừng ở bước tạo yêu cầu. Yêu cầu hiện người bán, món hàng, tổng tiền, thẻ được chọn, điều kiện giao hàng và điều khoản thanh toán định kỳ nếu có. Người dùng bấm duyệt và xác thực sinh trắc học bằng Face ID hoặc Touch ID trên thiết bị hỗ trợ. Sau đó OpenAI sinh một token thanh toán gồm số thẻ, mã bảo mật và ngày hết hạn, đủ để tính tiền vào thẻ thật nhưng không phải số thẻ thật. Token chỉ dùng cho giao dịch vừa duyệt; tài liệu hướng dẫn merchant ghi rõ không được lưu hay tái sử dụng cho lần mua khác.

Danh sách thẻ hiện có American Express, Chase, Mastercard và Visa, phát hành tại Mỹ. Người dùng phải từ 18 tuổi, có địa chỉ thanh toán ở Mỹ. Với thẻ Chase, người thêm thẻ phải là chủ thẻ chính, không phải người được uỷ quyền. Ngân hàng có thể yêu cầu xác minh qua ứng dụng riêng, và OpenAI tách thẻ dùng cho ví khỏi thẻ dùng để trả tiền thuê bao ChatGPT hay số dư quà tặng.

Phía merchant không phải viết tích hợp mới. Hướng dẫn của OpenAI nói Wallet chạy trên trang thanh toán sẵn có, miễn là hệ thống không chặn trình duyệt cloud của ChatGPT. Đây là chỗ dễ trục trặc trong thực tế: các hệ thống chống gian lận thường nhận diện bot qua IP và dấu vết trình duyệt, nên đơn hợp lệ vẫn có thể bị từ chối. OpenAI đang bổ sung header Forwarded để chuyển tín hiệu người dùng thật, gồm quốc gia của IP, ngôn ngữ, múi giờ, số hiệu ASN, dải IP và user agent. Merchant vẫn là bên xử lý đơn, giao hàng, hỗ trợ khách và quyết định gian lận.

Một vài điểm chưa có trong tài liệu. Mình chưa thấy mức hạn chi cho từng giao dịch hay từng tháng, cũng chưa thấy quy trình hoàn tiền và tranh chấp khi agent mua sai, dù merchant vẫn là bên hoàn tiền theo chính sách của họ. Ví cũng chưa mở cho Plus, Business hay người dùng ngoài Mỹ, và OpenAI nói đang mở dần nên ngay cả Pro ở Mỹ cũng có thể chưa thấy mục Wallet.

LangChain: 300 triệu USD, định giá gấp 2,4 lần sau 13 tháng

LangChain công bố vòng Series C trị giá 300 triệu USD ở định giá 3 tỷ USD, theo bài của công ty. CapitalG, quỹ của Alphabet và là nhà đầu tư cũ, dẫn vòng này. GIC và DFJ Growth vào mới, IVP và Sapphire Ventures tiếp tục theo. Nhóm nhà đầu tư mới còn có Salesforce Ventures, Insight Venture Partners, QuantumLight và MongoDB Ventures. Sequoia, Amplify và Benchmark tăng thêm tỷ lệ.

Vòng trước là 125 triệu USD ở định giá 1,25 tỷ, công bố tháng 10-2025, IVP dẫn, có CapitalG và Sapphire Ventures tham gia. Như vậy định giá tăng khoảng 2,4 lần trong 13 tháng, trong khi số vốn gọi được cộng lại là 425 triệu.

LangSmith, sản phẩm quan sát và đánh giá agent, đang được hơn 7.000 tổ chức dùng. Khách hàng doanh nghiệp được nêu tên gồm NVIDIA, Toyota và Salesforce. Harvey và Rippling thuộc nhóm startup, Listen Labs là khách hàng mới hơn. Clay dùng LangSmith theo dõi hàng trăm triệu lượt agent chạy mỗi tháng. Workday nói thời gian đưa một agent mới vào chạy thật giảm từ năm tháng xuống dưới một ngày.

Cách LangChain định vị cũng đã đổi. Trước đây hãng bán khung mã nguồn mở cho người xây ứng dụng LLM. Bây giờ họ bán ba thứ gói quanh chữ "agent": nơi chạy agent (LangSmith Agent Server, Sandboxes, Managed Agents, Fleet), cách đo và sửa agent (Observability, Evaluation, LangSmith Engine tự tìm lỗi và viết bản sửa, Fine-Tuning từ trace), và cách quản trị agent (gateway cho model, gateway cho tool, quản ngân sách và dự phòng model). Khẩu hiệu trong bài là mỗi công ty phải "sở hữu trí tuệ của mình", nghe như lập luận bán hàng nhắm vào các công ty đang lo dữ liệu và quy trình chạy qua API của nhà cung cấp model.

Bài công bố không nêu doanh thu, số khách trả tiền, mức tăng trưởng hay lỗ lãi. Con số 7.000 tổ chức cũng không cho biết bao nhiêu đơn vị đang trả tiền. Bài cũng không nêu kế hoạch dùng tiền cụ thể.

Ngày 20-11, LangChain tổ chức buổi công bố tính năng mới cho LangSmith, sáu ngày sau vòng gọi vốn.

ElevenAI: ghi chú họp chạy trên máy Mac

ElevenLabs giới thiệu ElevenAI, ứng dụng desktop cho Mac gộp hai việc mà trước nay vẫn nằm ở hai ứng dụng khác nhau: ghi chú cuộc họp và đánh máy bằng giọng nói. Sản phẩm đang trong giai đoạn mở đăng ký dùng sớm, chưa phát hành đại chúng. Công ty công bố tại sự kiện 11/11 Summit ở New York, và báo chí công nghệ đưa tin ngày 13-11.

Phần đánh máy hoạt động ở mọi ô nhập liệu: giữ một phím, nói, thả ra thì chữ hiện vào chỗ con trỏ. Ứng dụng xoá từ đệm kiểu "ừm", "à" và sửa dấu câu, theo mô tả của hãng. ElevenLabs nói nó chạy được với hơn 90 ngôn ngữ và cho phép thêm từ vựng riêng để tên sản phẩm, từ viết tắt hay thuật ngữ ngành không bị đánh vần sai.

Phần ghi chú nhận cả cuộc họp trực tiếp lẫn cuộc gọi trên máy. Hết cuộc, ứng dụng viết bản tóm tắt kèm việc cần làm, gắn nhãn người nói và soạn sẵn thư theo sau. Bản ghi và ghi chú đọc được qua MCP từ những công cụ AI khác mà người dùng đang mở, và nối được với ElevenAgents để agent của công ty tham gia trong cuộc họp hoặc nhận bàn giao sau đó.

Cách hãng nói về riêng tư khác các đối thủ. ElevenLabs nói ứng dụng không lưu file âm thanh, lịch sử bản ghi nằm trên máy Mac, và khi đang ghi chú thì ứng dụng hiện thông báo trên video để người trong cuộc biết. Hãng nêu chứng nhận SOC 2 Type 2 và ISO/IEC 27001. Đây là điểm khác các dịch vụ ghi chú họp đám mây, vốn phải tải âm thanh lên máy chủ để phiên âm.

"Không lưu âm thanh" và "bản ghi ở trên máy" không đồng nghĩa với "xử lý tại máy"; model phiên âm vẫn có thể chạy trên cloud, và khi đó âm thanh hay văn bản vẫn đi qua máy chủ trong lúc xử lý. Hãng chưa công bố giá, chưa có bản Windows, chưa nói khi nào mở cho người ngoài danh sách chờ. Với doanh nghiệp, ElevenLabs nói kỹ sư của họ triển khai cùng đội khách hàng và cấu hình agent đọc được dữ liệu họp trong toàn công ty, một mức truy cập cần chính sách nội bộ rõ ràng trước khi bật.

Trước đó, hãng công bố Scribe v3 cho 102 ngôn ngữ, ít lỗi từ hơn 27% so với Scribe v2 và ít lỗi gán người nói hơn 17% ở các cuộc có từ ba người trở lên. Bản chạy thời gian thực là Scribe v3 Live giảm 43% lỗi ngữ nghĩa so với bản realtime cũ, và lần đầu có chức năng tách người nói trong luồng trực tiếp.

Đối thủ trực tiếp không thiếu. Granola đã quen với người dùng Mac, Wispr Flow làm đánh máy bằng giọng nói, Otter và Fireflies mạnh ở họp trực tuyến nhiều người. ElevenLabs có sẵn model giọng nói riêng, nền tảng agent riêng và một lượng khách doanh nghiệp trả tiền cho API, thứ mà Granola hay Wispr Flow không có cùng lúc. Khách đang thuê giọng đọc có chuyển sang thuê ghi chú hay không thì chưa biết; ElevenAI cũng có thể chỉ là cách giữ người dùng ở lại lâu hơn trong hệ sinh thái của hãng.

Kỳ tới

Kỳ tới, mình sẽ xem phản hồi của các lab Trung Quốc với báo cáo dấu vân tay, nhất là việc Moonshot có giải thích được vì sao bản K3 trước lại khớp 65,9% số dòng hay không. Ở Mỹ, câu hỏi là Bộ Thương mại có mở điều tra mới dựa trên bằng chứng này, hay vẫn giữ cách làm cũ là kiểm tra lô hàng và giấy phép xuất khẩu.

Với ChatGPT Wallet, mốc cần theo là hạn mức chi tiêu và quy trình hoàn tiền, hai thứ quyết định ví này dùng được cho đồ giá trị lớn hay chỉ cho đơn hàng lặt vặt. Bên LangChain, buổi công bố ngày 20-11 sẽ cho biết 300 triệu USD đang được đổ vào phần nào của LangSmith.

Còn ElevenAI thì mình chờ bản Windows và mức giá; chạy riêng trên Mac và còn trong danh sách chờ thì chưa tính được chuyện thay thế công cụ ghi chú họp nào.