Tháng 5 năm nay, Meta đã vạch ra một đường ranh đỏ cho các kỹ sư nội bộ của mình.
Những người trong bộ phận kỹ thuật AI ứng dụng không được tùy tiện sử dụng Claude Code và Codex nữa.
Theo hướng dẫn nội bộ mà The Information có được, một bản ghi nhớ thậm chí yêu cầu trực tiếp tạm dừng một số nhiệm vụ sử dụng đến hai mô hình này. Văn bản dùng từ ngữ rất nặng nề, nói rằng điều này có thể gây ra "sự leo thang nghiêm trọng với đối tác".
Tuy nhiên, điều bất thường cũng nằm ngay ở đây.
Meta là một trong những khách hàng lớn nhất toàn cầu của Claude Code. Hóa đơn tổng cho việc sử dụng AI nội bộ năm nay của họ đang tiến tới hàng chục tỷ đô la.
Công cụ không thể thiếu hàng ngày, công ty bỏ tiền lớn ra mua, giờ lại hạn chế sử dụng nội bộ. Mà lý do hạn chế, có lẽ bạn cũng không ngờ tới.
Không phải vì chúng không tốt. Ngược lại, là vì chúng quá tốt.
Đường ranh đỏ này hiện vẫn có hiệu lực
Theo The Information đưa tin, các hạn chế này đã được đặt ra từ tháng 5 và đến nay vẫn có hiệu lực.
Tại sao Meta lại lo lắng như vậy, điều này bắt đầu từ một dự án trợ lý lập trình AI nội bộ của họ.
Năm nay, họ đã thành lập một nhóm kỹ thuật AI ứng dụng, chuyên tâm vào việc tự nghiên cứu và phát triển trợ lý lập trình AI MetaCode (tên cũ là DevMate).
Mục tiêu là để Meta không phải tiếp tục chi nhiều tiền sử dụng mô hình lập trình AI của người khác, mà tự mình cũng huấn luyện ra một mô hình.
Giao diện chính thức của Claude Code. Nó cùng với Codex của OpenAI, đã trở thành tiêu chuẩn thực tế cho lập trình agent của các nhà phát triển chuyên nghiệp.
Nhưng để huấn luyện một mô hình biết viết code không hề đơn giản.
Bạn phải cho nó ăn một lượng lớn dữ liệu chất lượng cao, còn phải đưa ra đủ nhiều, đủ hóc búa các bài toán lập trình để nó luyện tập, chấm điểm. Bộ đề và hệ thống đánh giá này gần như quyết định một mô hình lập trình cuối cùng mạnh đến đâu.
Nhưng vấn đề lại nằm chính ở chỗ này.
Khó khăn mà Meta gặp phải là làm thế nào để không để nhân viên phụ thuộc quá nhiều vào các công cụ bên ngoài này, để xây dựng sản phẩm thay thế nội bộ.
Điều họ lo ngại là đầu ra của các mô hình bên ngoài này thấm vào dữ liệu huấn luyện, khiến mô hình do mình tạo ra lén học kỹ năng của đối thủ.
Để hiểu được mối lo ngại này, trước hết phải biết một mô hình "học" như thế nào: Bạn cho nó ăn dữ liệu gì, nó sẽ trở thành như vậy.
MetaCode muốn mạnh lên, dựa vào chính bộ dữ liệu huấn luyện và ngân hàng câu hỏi lập trình mà các kỹ sư tích lũy.
Nhưng một khi những câu hỏi, đáp án, thậm chí tiêu chuẩn chấm điểm này xuất phát từ Claude hoặc Codex, thứ MetaCode học được sẽ không còn là "kỹ năng được huấn luyện bởi kỹ sư con người" nữa, mà là "kỹ năng của Claude".
Nó sao chép đáp án theo bài kiểm tra của đối thủ, càng luyện càng giống đối thủ.
Tinh vi hơn, là khâu đánh giá.
Mỗi khi mô hình trả lời một câu hỏi, phải có thứ gì đó cho nó biết trả lời tốt hay không, nó mới biết sửa chữa ở đâu.
Nếu việc ra đề và chấm điểm đều giao cho Codex, thì MetaCode đang tiến hóa theo hướng "Codex cho là đúng", tức là từng chút một khắc tiêu chuẩn đánh giá của đối thủ vào bộ não của chính mình.
Đó là lý do tại sao, hướng dẫn này của Meta không cho AI làm người ra đề, chấm điểm, ngay cả "liệu tài liệu do AI tạo ra có thể đưa vào môi trường mà mô hình đang được thử nghiệm có thể đọc được hay không" cũng phải quản lý.
Chỉ cần đầu ra của đối thủ thấm dù chỉ một chút vào chuỗi huấn luyện hoặc đánh giá, ranh giới "ai đã dạy ai" này sẽ bị làm mờ.
Suy cho cùng, Meta tạm dừng một số nhiệm vụ là để cách ly dữ liệu huấn luyện.
Lo sợ AI viết quá tốt, không phân biệt được kỹ năng nào là do tự mình huấn luyện ra, kỹ năng nào là học được từ Claude và Codex.
Mà tầng kỹ năng sau này, là thuê, không phải của riêng mình.
Những hạn chế chi tiết đến mức bất ngờ
Trước tiên cần nói rõ, trong tài liệu nội bộ của Meta, không có bất kỳ ghi chép nào về việc nhân viên thực sự vi phạm quy định.
Người phát ngôn Meta cũng phản hồi rằng công ty có "chính sách rõ ràng" quy định cách sử dụng công cụ AI. Vì vậy, tài liệu này giống như một hồi chuông cảnh báo trước nội bộ.
Những việc nào không nên để AI chạm vào? Chủ yếu là ba loại sau:
Thứ nhất, không được lấy đầu ra của Claude hoặc Codex để ra đề kiểm tra cho mô hình của chính mình. Nguyên văn hướng dẫn là, điều này "rõ ràng thuộc phạm vi mà kỹ sư không ở vị trí lái xe", "chúng ta không muốn nhiệm vụ có nguồn gốc từ mô hình".
Thứ hai, không để AI tìm bug trong mã nguồn, cũng không để nó dựa trên phân tích mã giúp bạn nghĩ "nên kiểm tra cái gì".
Thứ ba, bất cứ thứ gì do AI tạo ra đều không được đưa vào nơi mà mô hình đang được thử nghiệm có thể truy cập.
Nói một cách đơn giản, miễn là AI tham gia vào việc đánh giá "nên kiểm tra cái gì, trả lời đúng hay sai", kỹ năng của đối thủ có thể lẫn vào. Ba điều trên đều nhằm bịt kín lỗ hổng này.
Những việc nào AI vẫn có thể làm?
Xây dựng quy trình làm việc, sắp xếp mã và tệp, dựng khung kiểm tra cho công cụ nội bộ, những việc vặt hàng ngày này có thể. Hướng dẫn gọi loại công việc này là "giàn giáo kiểm tra (test scaffolding)" và "hiệu chỉnh giải pháp (solution calibration)", nói một cách đơn giản là phụ giúp, dựng khung.
Ngay cả những việc này, cũng có một quy tắc sắt: Mỗi dòng sản phẩm đầu ra của AI, con người đều phải xem qua một lượt trước.
Theo quan điểm của Meta, một khi để mô hình của đối thủ ra đề, chấm điểm, cuộc thi này sẽ không thể nói rõ là ai đã làm bài.
Điều họ thực sự muốn bảo vệ, chính là ranh giới "ai đã dạy ai".
Bẫy "chưng cất" không thể tránh khỏi
Điều Meta lo ngại này, trong ngành có một thuật ngữ chuyên môn: chưng cất (distillation).
Ý nghĩa không khó hiểu: Lấy một mô hình mạnh hơn, để nó trả lời câu hỏi liên tục, sau đó dùng những đáp án này để huấn luyện một mô hình yếu hơn.
Hơi giống việc để học sinh giỏi làm lại bài kiểm tra từ đầu, học sinh kém sao chép theo, vài tháng là đuổi kịp mấy năm công sức của người ta.
Khoản đầu tư khổng lồ về tiền bạc, thời gian và nghiên cứu mà người khác đổ vào, bạn gần như lấy không.
Huấn luyện một mô hình tiên tiến từ số 0, đốt tiền và thời gian là con số thiên văn. Còn chưng cất, có thể chỉ cần một lô đầu ra của đối phương, chi phí và thời gian đều cắt giảm xuống còn một phần nhỏ.
Bản thân chưng cất là thao tác thông thường trong ngành, các ông lớn cũng thường dùng mô hình lớn của mình để chưng cất ra phiên bản nhỏ hơn, rẻ hơn cho người dùng.
Rắc rối chỉ ở chỗ: Một khi bạn sao chép mô hình của người khác, khả năng bạn huấn luyện ra, cuối cùng là do tự mình luyện tập hay vay mượn? Không thể nói rõ.
Có người gọi đây là "bẫy chưng cất": Bạn càng dựa vào mô hình mạnh nhất để xây nền móng của mình, bạn càng khó chứng minh sự thông minh của mình đến từ đâu.
Tại Mỹ, pháp luật không cấm rõ ràng việc chưng cất, nội dung do AI tạo ra cũng không được bảo vệ bản quyền. Bạn lấy đầu ra của đối phương để huấn luyện mô hình của mình, về mặt pháp luật hầu như không bị cản trở.
Cửa ải duy nhất là hợp đồng.
Điều khoản dịch vụ của OpenAI, Anthropic đều có ghi các hạn chế tương tự: Không được sử dụng đầu ra của mô hình để tạo ra thứ cạnh tranh với chính mình.
Hơn nữa cửa ải này, quyền thực thi hoàn toàn nằm trong tay đối thủ cạnh tranh.
Năm ngoái, Anthropic đã trực tiếp cắt quyền truy cập API của OpenAI vào Claude, ngay cả khi OpenAI nói họ chỉ sử dụng để đánh giá năng lực và tính an toàn, là cách làm "tiêu chuẩn ngành".
Ngay cả Musk, cũng phải thừa nhận trong một phiên tòa vào tháng 4 năm nay, xAI của ông ấy "một phần" đã chưng cất mô hình của OpenAI.
Ngày 30 tháng 4 năm 2026, tại bục nhân chứng của tòa án liên bang California, Musk bị hỏi liệu xAI có sử dụng kỹ thuật chưng cất đối với mô hình của OpenAI để huấn luyện Grok hay không, ông ấy trước tiên nói đây là cách làm phổ biến của các công ty AI.
Khi bị truy hỏi liệu điều này có tương đương với "có" hay không, ông ấy trả lời là "một phần".
Quy tắc mơ hồ, "quyền thực thi" đều nắm trong tay đối thủ cạnh tranh. Ai dám lấy hàng chục tỷ đầu tư của mình để đánh cược đối thủ không trở mặt.
Nhìn từ góc độ này, sự lo lắng của Meta không hề thừa.
Ở đây, còn một tính toán nữa là tiết kiệm tiền.
Theo bản ghi nhớ nội bộ, chỉ riêng mục sử dụng AI nội bộ năm nay của Meta đã phải đốt hàng chục tỷ đô la. Họ thậm chí bắt đầu đặt giới hạn trên về lượng token mà nhân viên sử dụng. Giàu có và quyền lực như Meta cũng bắt đầu than AI quá đắt, phải tính toán tinh tế.
Nếu có thể chuyển công việc phát triển từ các công cụ bên ngoài đắt đỏ sang MetaCode của chính mình, vừa tiết kiệm tiền, vừa tránh được quả bom chưng cất, có thể nói là một công đôi việc.
Một tấm bản đồ đi dây
Về bộ tài liệu nội bộ này của Meta, học giả công nghệ pháp luật, cố vấn pháp lý Mark Leiser có một câu nói rất hình tượng: Đây "gần như là một tấm bản đồ đi dây".
Một mặt phải đạt được lợi ích từ mô hình bên ngoài, mặt khác lại phải ngăn kỹ năng của nó lẻn vào hệ thống của chính mình.
Đi dây như vậy, tất nhiên không chỉ mình Meta, nó chạm đến mệnh môn của cả ngành.
Khi bạn dùng một AI đủ thông minh để tạo ra một AI khác cũng thông minh như vậy, cuối cùng bạn có thể khó nói rõ: Sự thông minh này rốt cuộc là do chính mình huấn luyện ra, hay là lén học từ AI của người khác.
Hơn nữa chuyện này, cũng không xa người bình thường đến vậy.
Mã code bạn viết bằng AI, phương án bạn sửa, tư liệu bạn tích lũy, khi cho ăn ngược lại sẽ trở thành dưỡng liệu cho thế hệ mô hình tiếp theo.
Trong vòng tuần hoàn này, ai đứng trên vai ai, ranh giới đó đã ngày càng trở nên mờ hơn.
Khi AI bắt đầu giúp chúng ta tạo ra AI, chúng ta còn phân biệt được, kỹ năng rốt cuộc là của ai không?
Tài liệu tham khảo:
https://x.com/kimmonismus/status/2071591755351224344
https://www.theinformation.com/articles/internal-docs-show-meta-putting-limits-claude-codex-fearing-distillation
Bài viết này đến từ tài khoản công chúng WeChat "Tân Trí Nguyên", tác giả: ASI Khải Thị Lục
