xAI ra mắt Grok 2.0 với khả năng tích hợp FLUX.1

Vào ngày 14 tháng 8, công ty AI xAI của Elon Musk đã công bố phát hành Grok 2.0, một chatbot được tích hợp với FLUX.1, một model tạo ảnh của Black Forest Labs, trên X (trước đây là Twitter). FLUX.1 là một model tiên tiến có khả năng tạo ra hình ảnh có độ chân thực cao, bao gồm cả những hình ảnh có thể bị xem là nhạy cảm hoặc gây hiểu lầm.

Không giống nhiều image generator phổ biến chặn hoặc lọc một số loại nội dung, chẳng hạn như hình ảnh bạo lực, khiêu dâm hoặc lừa đảo, FLUX.1 có ít hạn chế hơn. Một số người xem đây là thắng lợi cho quyền tự do biểu đạt, trong khi những người khác ấn tượng với các khả năng tiên tiến của nó. Tuy nhiên, cũng có những lo ngại về các hệ quả đạo đức và khả năng lạm dụng công nghệ mạnh mẽ này. Hãy cùng tìm hiểu Grok 2.0 mang lại những gì, điều gì khiến FLUX.1 nổi bật và cách bạn có thể tự mình dùng thử các công cụ đổi mới này.

Tìm hiểu về FLUX.1: Một image generator AI#

FLUX.1 là một image generator AI mã nguồn mở tiên tiến do Black Forest Labs ra mắt vào ngày 1 tháng 8 năm 2024. Black Forest Labs là một startup do các kỹ sư cũ của Stability AI thành lập, nổi tiếng với công trình về các model Stable Diffusion được sử dụng rộng rãi. FLUX.1 được thiết kế để cạnh tranh trực tiếp với các sản phẩm đã có chỗ đứng như MidJourney và DALL-E 3, đồng thời mang đến một cấp độ mới về chất lượng và tính linh hoạt cho hình ảnh được tạo bằng AI. Chẳng hạn, FLUX.1 xử lý rất tốt những chi tiết phức tạp mà nhiều model gặp khó khăn, như tạo bàn tay người trông chân thực hoặc văn bản dễ đọc trên biển báo.

Black Forest Labs cung cấp ba biến thể FLUX.1 khác nhau, có thể được sử dụng cho các ứng dụng khác nhau. Dưới đây là cái nhìn chi tiết hơn về các biến thể này:

• FLUX.1 [pro]: Model flagship dành cho mục đích thương mại và được thiết kế để tạo ra đầu ra có chất lượng cao nhất.
• FLUX.1 [dev]: Phiên bản có trọng số mở, được cung cấp cho mục đích phi thương mại. Đây là lựa chọn lý tưởng cho nghiên cứu và phát triển.
• FLUX.1 [schnell]: Model được tối ưu hóa về tốc độ theo giấy phép Apache 2.0, phù hợp cho các dự án cá nhân và phát triển cục bộ cần tạo ảnh nhanh.

Hình 1. Tìm hiểu các biến thể của FLUX.1

FLUX.1 hoạt động như thế nào?#

FLUX.1 sử dụng kiến trúc model lai, kết hợp các kỹ thuật Transformer và diffusion với kích thước model là 12 tỷ tham số (các thành phần có thể điều chỉnh của neural network giúp model học từ dữ liệu). Transformer là một loại neural network có thể hiểu các chuỗi như văn bản và hình ảnh bằng cách nhận diện các pattern và mối quan hệ trong dữ liệu. Diffusion model hoạt động bằng cách bắt đầu với nhiễu ngẫu nhiên rồi tinh chỉnh từng bước cho đến khi hình ảnh rõ nét được hình thành. Bằng cách kết hợp hai phương pháp này, FLUX.1 có thể tận dụng điểm mạnh của cả hai kiến trúc để tạo ra hình ảnh chất lượng cao phù hợp với các prompt văn bản được cung cấp.

FLUX.1 cũng sử dụng các kỹ thuật tiên tiến như rotary positional embedding và flow matching. Rotary positional embedding giúp model hiểu thứ tự và vị trí của các phần tử trong văn bản và hình ảnh, đảm bảo mọi thứ kết hợp với nhau một cách hợp lý. Flow matching là một kỹ thuật được sử dụng trong các generative model để làm cho quy trình tạo hình ảnh từ nhiễu ngẫu nhiên mượt mà và hiệu quả hơn.

Đánh giá benchmark FLUX.1#

Khi so sánh FLUX.1 với các model phổ biến khác như MidJourney v6.0, DALL·E 3 (HD) và SD3-Ultra, FLUX.1 thiết lập một benchmark mới trong lĩnh vực tạo ảnh bằng AI. Model này nổi bật ở các khía cạnh chính như chất lượng hình ảnh, mức độ bám sát prompt, sự đa dạng của đầu ra và khả năng hỗ trợ các kích thước cũng như tỷ lệ khung hình khác nhau. Các model FLUX.1 [pro] và [dev] nổi bật nhờ tạo ra hình ảnh chất lượng cao, bám sát mong muốn của người dùng; các model này thường vượt trội hơn những model khác trong việc cung cấp kết quả rõ ràng và chính xác. Mặt khác, FLUX.1 [schnell] là một trong những model tiên tiến nhất để tạo ảnh nhanh và hoạt động tốt hơn các model phức tạp hơn như MidJourney.

Hình 2. So sánh Midjourney v6 và FLUX.1[pro]

Grok 2.0: Phiên bản mới nhất từ xAI của Elon Musk#

Grok 2.0 là large language model mới nhất do công ty AI xAI của Elon Musk phát triển. Được phát hành vào tháng 8 năm 2024, Grok 2.0 hiện có sẵn cho người dùng X Premium và Premium+ trên nền tảng X (trước đây là Twitter). Ngoài ra, model này sẽ sớm được cung cấp cho các developer và doanh nghiệp thông qua enterprise API.

Hình 3. Ví dụ về việc Grok 2.0 giải thích một meme.

Grok 2.0 được xây dựng trên kiến trúc Transformer và, so với phiên bản cũ hơn là Grok 1.5, model này có khả năng tuân thủ instruction, suy luận qua các vấn đề và cung cấp thông tin chính xác tốt hơn. Chatbot này đã được kiểm thử với các model AI hàng đầu khác và cho thấy kết quả ấn tượng. Grok 2.0 vượt trội hơn các model phổ biến như GPT-4 Turbo, Claude 3.5 Sonnet và Llama 3 405B trên các benchmark liên quan đến câu hỏi khoa học cấp sau đại học, kiến thức tổng quát và bài toán toán học phức tạp. Grok 2.0 cũng làm tốt các tác vụ yêu cầu hiểu nội dung trực quan và đạt điểm cao trong suy luận toán học trực quan cũng như trả lời câu hỏi dựa trên tài liệu.

Mối liên hệ giữa Grok 2.0 và FLUX.1#

FLUX.1 đã được tích hợp vào Grok 2.0 để mang lại sự kết hợp liền mạch giữa việc tạo văn bản và hình ảnh. Mặc dù việc kết hợp các công nghệ khác nhau để cải thiện chức năng và trải nghiệm người dùng ngày nay khá phổ biến, sự tích hợp cụ thể này đã nhận được rất nhiều sự chú ý.

Một mặt, việc tích hợp FLUX.1 được một số người khen ngợi vì bổ sung yếu tố "thú vị" cho Grok 2.0. Người dùng có thể thử nghiệm việc tạo ra những hình ảnh sáng tạo và đôi khi khá táo bạo—những nội dung sẽ bị hạn chế hoặc kiểm duyệt nghiêm ngặt bởi các công cụ AI khác. Chẳng hạn, người dùng đã chia sẻ trên X những hình ảnh mô tả các nhân vật công chúng trong những tình huống không phù hợp hoặc gây tranh cãi, cho rằng điều này ủng hộ quan điểm về quyền tự do ngôn luận.

Mặt khác, các nhà phê bình cho rằng việc FLUX.1 thiếu các hướng dẫn đạo đức rõ ràng có thể dẫn đến những vấn đề nghiêm trọng về đạo đức và xã hội như thông tin sai lệch và deepfake. Một số người lo ngại rằng việc kết hợp khả năng tạo văn bản và hình ảnh mạnh mẽ, không kiểm duyệt trên một trong những nền tảng mạng xã hội có ảnh hưởng nhất có thể làm gia tăng sự lan truyền của thông tin xuyên tạc.

Grok 2.0 và phương pháp tiếp cận không hạn chế#

Vấn đề không chỉ nằm ở việc tạo hình ảnh. Bản thân Grok 2.0 cũng ít bị hạn chế hơn các công cụ AI khác mà gần đây chúng ta đã quen thuộc, chẳng hạn như ChatGPT. Việc thiếu kiểm duyệt này cho phép model vượt qua các ranh giới theo những cách khiến một số người hào hứng nhưng lại khiến những người khác lo ngại.

Chẳng hạn, người ta đã quan sát thấy Grok 2.0 tạo ra nội dung văn bản có thể dễ dàng bị diễn giải là tin tức sai lệch hoặc gây hiểu lầm. Một sự việc gần đây liên quan đến việc Grok 2.0 tạo ra một câu chuyện sai sự thật về cầu thủ NBA Klay Thompson, được cho là đang thực hiện một "chuỗi vụ phá hoại bằng gạch". Chatbot AI đã hiểu sai thuật ngữ bóng rổ "ném gạch", vốn chỉ những cú ném trượt. Thay vào đó, Grok 2.0 hiểu theo nghĩa đen và bịa ra câu chuyện về việc Thompson thực hiện các hành vi phá hoại bằng những viên gạch thật. Bài đăng nhanh chóng thu hút sự chú ý trên X, thậm chí một số người dùng còn thêm các tài khoản nạn nhân giả để tiếp tay lan truyền thông tin sai lệch.

Hình 4. Bài đăng trên X do Grok 2 viết.

Bất chấp những lo ngại này, một số người dùng đánh giá cao lập trường "tự do ngôn luận" của Grok 2.0. Họ cho rằng model này cho phép các cuộc trò chuyện cởi mở hơn và nhiều tự do sáng tạo hơn so với những model AI được kiểm duyệt nghiêm ngặt. Họ xem Grok 2.0 là đối trọng với AI "woke" mà họ cho là quá thận trọng và hạn chế thảo luận về các chủ đề nhạy cảm. Đối với những người dùng này, Grok 2.0 cung cấp một nền tảng có vẻ ít bị ràng buộc hơn bởi các chuẩn mực xã hội.

Tự mình dùng thử FLUX.1 và Grok 2.0#

Có một vài lựa chọn khác nhau để dùng thử FLUX.1 và Grok 2.0. FLUX.1 có thể được truy cập trực tiếp thông qua các nền tảng AI như Hugging Face, Replicate và Fal.ai. Trong khi đó, Grok 2.0 chỉ dành cho người đăng ký X Premium và Premium+.

Những điểm chính#

FLUX.1 và Grok 2.0 đang mở rộng ranh giới của AI và khơi dậy những cuộc thảo luận sâu sắc. FLUX.1 đã thiết lập một tiêu chuẩn mới trong lĩnh vực hình ảnh do AI tạo ra nhờ khả năng tạo ra những bức ảnh có độ chi tiết và chân thực cao. Grok 2.0 đang sử dụng FLUX.1 để nâng cao khả năng vượt ra ngoài các tương tác chỉ dựa trên văn bản. Một mặt, những người yêu thích công nghệ rất phấn khích trước sự tự do sáng tạo và khả năng khám phá không kiểm duyệt mà các công cụ này mang lại. Mặt khác, các nhà phê bình đang cảnh báo về những rủi ro của thông tin sai lệch, deepfake và các hệ quả đạo đức của những khả năng không được quản lý như vậy trên một nền tảng có ảnh hưởng lớn như X. Khi FLUX.1 và Grok 2.0 tiếp tục phát triển, chúng trở thành tâm điểm của cuộc tranh luận về tự do, sáng tạo và trách nhiệm trong thời đại số—một cuộc tranh luận có thể sẽ định hình tương lai của AI trong nhiều năm tới.

Để tìm hiểu thêm về Ultralytics, hãy xem repository GitHub của chúng tôi, tham gia cộng đồng của chúng tôi, và khám phá các giải pháp AI mới nhất của chúng tôi trong những ngành như chăm sóc sức khỏe và sản xuất! 🚀