Giới thiệu các cải tiến về API tinh chỉnh và mở rộng chương trình mô hình tùy chỉnh

Cập nhật vào ngày 8 tháng 5 năm 2026: OpenAI đang dần ngừng hoạt động nền tảng tinh chỉnh. Nền tảng này không còn khả dụng cho người dùng mới, nhưng người dùng hiện tại của nền tảng tinh chỉnh vẫn có thể tạo tác vụ huấn luyện trong vài tháng tới. Tất cả các mô hình đã tinh chỉnh sẽ tiếp tục khả dụng để suy luận cho đến khi các mô hình cơ sở của chúng bị không còn được hỗ trợ⁠(mở trong cửa sổ mới). Lịch trình đầy đủ có tại đây⁠(mở trong cửa sổ mới).

Có nhiều kỹ thuật khác nhau⁠(mở trong cửa sổ mới) mà các nhà phát triển có thể sử dụng để nâng cao hiệu suất mô hình nhằm giảm độ trễ, cải thiện độ chính xác và cắt giảm chi phí. Cho dù đó là mở rộng kiến thức về mô hình với tạo tăng cường truy xuất (RAG), tùy chỉnh hành vi của mô hình bằng cách tinh chỉnh hay xây dựng mô hình được đào tạo tùy chỉnh với kiến thức mới dành riêng cho lĩnh vực, chúng tôi đã phát triển một loạt các tùy chọn để hỗ trợ triển khai AI của khách hàng. Hôm nay, chúng tôi ra mắt các tính năng mới nhằm mang đến cho nhà phát triển nhiều quyền kiểm soát hơn trong việc tinh chỉnh mô hình qua API và giới thiệu thêm nhiều cách thức hợp tác với đội ngũ chuyên gia và nhà nghiên cứu AI của chúng tôi để xây dựng các mô hình tùy chỉnh.

Chúng tôi đã ra mắt API tinh chỉnh⁠(mở trong cửa sổ mới) tự phục vụ cho GPT‑3.5 vào tháng 8/2023. Kể từ đó, hàng ngàn tổ chức đã huấn luyện hàng trăm ngàn mô hình bằng API của chúng tôi. Tinh chỉnh có thể giúp mô hình hiểu sâu nội dung, đồng thời tăng cường kiến thức và năng lực hiện có của nó cho một tác vụ cụ thể. API tinh chỉnh của chúng tôi cũng hỗ trợ khối lượng các ví dụ lớn hơn mức có thể chứa trong một lời nhắc đơn lẻ, nhằm đạt được kết quả chất lượng cao hơn trong khi giảm chi phí và độ trễ. Một số trường hợp sử dụng tinh chỉnh phổ biến bao gồm huấn luyện mô hình để tạo mã lệnh tốt hơn bằng một ngôn ngữ lập trình cụ thể, tóm tắt văn bản theo một định dạng nhất định, hoặc tạo nội dung cá nhân hóa dựa trên hành vi người dùng.

Ví dụ: Indeed⁠(mở trong cửa sổ mới), một nền tảng tuyển dụng và kết nối việc làm toàn cầu, đang mong muốn đơn giản hóa quy trình tuyển dụng. Để thực hiện điều này, Indeed đã ra mắt một tính năng nhằm gửi các đề xuất cá nhân hóa cho người tìm việc, nêu bật những công việc phù hợp dựa trên kỹ năng, kinh nghiệm và sở thích của họ. Họ đã tinh chỉnh GPT‑3.5 Turbo để tạo ra các giải thích có chất lượng cao hơn và chính xác hơn. Kết quả là, Indeed đã có thể cải thiện chi phí và độ trễ bằng cách giảm 80% số lượng token lời nhắc. Điều này cho phép họ mở rộng quy mô từ dưới một triệu tin nhắn gửi đến người tìm việc mỗi tháng lên khoảng 20 triệu.

Hôm nay, chúng tôi xin giới thiệu các tính năng mới⁠(mở trong cửa sổ mới) nhằm cung cấp cho nhà phát triển nhiều quyền kiểm soát hơn nữa đối với các công việc tinh chỉnh của họ, bao gồm:

• Tạo điểm kiểm tra theo Epoch: Tự động tạo một điểm kiểm tra đã tinh chỉnh đầy đủ của mô hình trong mỗi epoch huấn luyện, giúp giảm nhu cầu huấn luyện lại sau đó, đặc biệt trong các trường hợp xảy ra hiện tượng mô hình quá khớp.
• Playground so sánh: Giao diện Playground mới cho phép đối sánh song song chất lượng và hiệu suất của mô hình, hỗ trợ con người đánh giá đầu ra của nhiều mô hình hoặc ảnh chụp nhanh quá trình tinh chỉnh dựa trên một lời nhắc duy nhất.
• Tích hợp với bên thứ ba: Hỗ trợ tích hợp với nền tảng của bên thứ ba (bắt đầu với Weights and Biases⁠(mở trong cửa sổ mới) tuần này) cho phép nhà phát triển chia sẻ dữ liệu tinh chỉnh chi tiết tới phần còn lại trong nền tảng công nghệ của họ.
• Chỉ số xác thực toàn diện: Khả năng tính toán các chỉ số như độ mất mát và độ chuẩn xác trên toàn bộ tập dữ liệu xác thực, thay vì chỉ trên một lô lấy mẫu, mang lại cái nhìn sâu sắc hơn về chất lượng mô hình.
• Cấu hình siêu tham số: Khả năng định cấu hình các siêu tham số có sẵn trực tiếp từ Bảng điều khiển⁠(mở trong cửa sổ mới) (thay vì chỉ qua API hoặc SDK).
• Cải tiến trên bảng điều khiển tinh chỉnh: Bao gồm khả năng định cấu hình siêu tham số, xem các chỉ số huấn luyện chi tiết hơn, và chạy lại tác vụ từ những cấu hình trước đó

Tại sự kiện DevDay vào tháng 11 năm ngoái, chúng tôi đã công bố⁠ chương trình Mô hình tùy chỉnh được thiết kế để huấn luyện và tối ưu hóa các mô hình cho một lĩnh vực cụ thể, với sự hợp tác từ một nhóm các nhà nghiên cứu chuyên trách của OpenAI. Kể từ đó, chúng tôi đã làm việc với hàng chục khách hàng để đánh giá nhu cầu về mô hình tùy chỉnh của họ và đã phát triển chương trình của mình nhằm tối đa hóa hơn nữa hiệu suất.

Hôm nay, chúng tôi chính thức công bố dịch vụ tinh chỉnh có hỗ trợ như một phần của chương trình Mô hình tùy chỉnh này. Tinh chỉnh có hỗ trợ là một nỗ lực hợp tác cùng các đội ngũ kỹ thuật của chúng tôi nhằm tận dụng các kỹ thuật vượt trội hơn so với API tinh chỉnh thông thường, chẳng hạn như các siêu tham số bổ sung và nhiều phương pháp tinh chỉnh hiệu quả tham số (PEFT) khác nhau ở quy mô lớn hơn. Giải pháp này đặc biệt hữu ích cho các tổ chức cần hỗ trợ thiết lập các quy trình dữ liệu huấn luyện hiệu quả, các hệ thống đánh giá, cùng các tham số và phương pháp được tùy chỉnh riêng biệt nhằm tối đa hóa hiệu suất mô hình cho trường hợp sử dụng hay tác vụ cụ thể của họ.

Ví dụ: SK Telecom⁠(mở trong cửa sổ mới), một nhà khai thác viễn thông phục vụ hơn 30 triệu thuê bao tại Hàn Quốc, mong muốn tùy chỉnh một mô hình để trở thành chuyên gia trong lĩnh vực viễn thông, với trọng tâm ban đầu là dịch vụ khách hàng. Họ đã hợp tác với OpenAI để tinh chỉnh GPT‑4 nhằm cải thiện hiệu suất của mô hình này trong các cuộc hội thoại liên quan đến viễn thông bằng tiếng Hàn. Trong nhiều tuần lễ, SKT và OpenAI đã tạo ra những cải tiến hiệu suất đáng kể trong các tác vụ về dịch vụ khách hàng ngành viễn thông—chất lượng bản tóm tắt hội thoại tăng 35%, độ chính xác khi nhận biết ý định tăng 33%, và điểm hài lòng tăng từ 3,6 lên 4,5 (trên thang điểm 5) khi so sánh mô hình đã tinh chỉnh với GPT‑4.

Trong một số trường hợp, các tổ chức cần huấn luyện một mô hình chuyên dụng từ đầu để có thể hiểu rõ về hoạt động kinh doanh, ngành nghề hoặc lĩnh vực cụ thể của mình. Các mô hình được huấn luyện tùy chỉnh hoàn toàn sẽ tiếp nhận kiến thức mới từ một lĩnh vực chuyên biệt thông qua việc điều chỉnh các bước chính trong quy trình huấn luyện mô hình, sử dụng các kỹ thuật tân tiến trong giai đoạn giữa huấn luyện và sau huấn luyện. Các tổ chức đạt được thành công với mô hình được huấn luyện tùy chỉnh đầy đủ thường sở hữu một lượng lớn dữ liệu độc quyền—có thể là hàng triệu ví dụ hoặc hàng tỷ token—mà họ muốn dùng để dạy cho mô hình những kiến thức mới hoặc hành vi phức tạp, độc đáo cho những trường hợp sử dụng cực kỳ cụ thể.

Ví dụ: Harvey⁠(mở trong cửa sổ mới), một công cụ pháp lý chuyên biệt dựa trên AI dành cho luật sư, đã hợp tác với OpenAI để tạo ra một mô hình ngôn ngữ lớn được huấn luyện tùy chỉnh cho lĩnh vực án lệ⁠. Mặc dù các mô hình nền tảng có khả năng suy luận mạnh mẽ, chúng lại thiếu kiến thức sâu rộng về lịch sử án lệ cũng như các kiến thức khác cần thiết cho hoạt động pháp lý. Sau khi thử nghiệm kỹ thuật thiết kế lời nhắc, RAG và tinh chỉnh, Harvey đã làm việc với đội ngũ của chúng tôi để bổ sung độ sâu ngữ cảnh cần thiết cho mô hình—tương đương với dữ liệu trị giá 10 tỷ token. Đội ngũ của chúng tôi đã sửa đổi mọi bước trong quy trình huấn luyện mô hình này, từ giai đoạn giữa huấn luyện chuyên biệt theo lĩnh vực đến tùy chỉnh các quy trình sau huấn luyện và tích hợp phản hồi từ các luật sư chuyên gia. Mô hình thu được đã đạt được mức gia tăng 83% về các phản hồi dựa trên sự thật, và trong 97% trường hợp, các luật sư ưa thích kết quả đầu ra của mô hình tùy chỉnh hơn so với GPT‑4.

Chúng tôi tin rằng trong tương lai, đại đa số các tổ chức sẽ phát triển các mô hình tùy chỉnh được cá nhân hóa cho ngành nghề, công việc hoặc trường hợp sử dụng cụ thể của họ. Với sự đa dạng của các kỹ thuật sẵn có để xây dựng mô hình tùy chỉnh, các tổ chức thuộc mọi quy mô đều có thể phát triển những mô hình được cá nhân hóa nhằm hiện thực hóa những tác động cụ thể và có ý nghĩa hơn từ việc triển khai AI của mình. Điều cốt yếu là phải xác định rõ phạm vi trường hợp sử dụng, thiết kế và triển khai các hệ thống đánh giá, lựa chọn kỹ thuật phù hợp, và sẵn sàng lặp lại quy trình theo thời gian để mô hình đạt hiệu suất tối ưu.

Với OpenAI, hầu hết các tổ chức có thể nhanh chóng thấy được kết quả đáng kể thông qua API tinh chỉnh tự phục vụ của chúng tôi. Đối với bất kỳ tổ chức nào cần tinh chỉnh sâu hơn nữa các mô hình của mình hoặc truyền thụ kiến thức mới, chuyên biệt theo lĩnh vực vào mô hình, các chương trình Mô hình tùy chỉnh của chúng tôi luôn sẵn sàng hỗ trợ.

Truy cập các tài liệu API tinh chỉnh⁠(mở trong cửa sổ mới) để bắt đầu tinh chỉnh các mô hình của chúng tôi.