xAI ra mắt Grok 2.0 tích hợp FLUX.1

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

Không giống nhiều công cụ tạo ảnh phổ biến chặn hoặc lọc một số loại nội dung, chẳng hạn như hình ảnh bạo lực, khiêu dâm hoặc lừa đảo, FLUX.1 ít bị hạn chế hơn. Một số người xem đây là chiến thắng cho quyền tự do biểu đạt, trong khi những người khác ấn tượng với các khả năng tiên tiến của công cụ. Tuy nhiên, cũng có những lo ngại về hệ quả đạo đức và nguy cơ lạm dụng công nghệ mạnh mẽ như vậy. Dưới đây, chúng ta sẽ tìm hiểu Grok 2.0 mang đến những gì, điều gì khiến FLUX.1 nổi bật và cách bạn có thể tự trải nghiệm các công cụ đổi mới này.

Tìm hiểu FLUX.1: Model AI tạo ảnh#

FLUX.1 là công cụ tạo ảnh AI mã nguồn mở tiên tiến, được Black Forest Labs ra mắt ngày 1 tháng 8 năm 2024. Black Forest Labs là startup do các cựu kỹ sư Stability AI thành lập, nổi tiếng với công trình phát triển 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 nâng cao chất lượng và tính linh hoạt của hình ảnh do AI tạo ra. Ví dụ, FLUX.1 xử lý rất tốt những chi tiết khó mà nhiều model gặp trở ngại, như tạo bàn tay người trông chân thực hoặc chữ dễ đọc trên biển báo.

Black Forest Labs cung cấp ba biến thể FLUX.1 khác nhau, có thể dùng cho nhiều ứng dụng. Cùng tìm hiểu kỹ hơn về các biến thể:

• FLUX.1 [pro]: Model chủ lực dành cho mục đích thương mại, được thiết kế để tạo ra kết quả có chất lượng cao nhất.
• FLUX.1 [dev]: Phiên bản có trọng số mở, được cung cấp cho mục đích phi thương mại. Phiên bản này phù hợp cho nghiên cứu và phát triển.
• FLUX.1 [schnell]: Model được tối ưu hóa 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 kỹ thuật transformer và diffusion, với quy mô 12 tỷ tham số (các thành phần có thể điều chỉnh của mạng neural giúp model học từ dữ liệu). Transformer là một loại mạng neural có thể hiểu các chuỗi như văn bản và hình ảnh bằng cách nhận diện các mẫu và mối quan hệ trong dữ liệu. Model diffusion bắt đầu bằng nhiễu ngẫu nhiên rồi tinh chỉnh từng bước cho đến khi hình ảnh rõ nét được tạo thành. Bằng cách kết hợp hai phương pháp này, FLUX.1 có thể tận dụng thế mạnh của cả hai kiến trúc để tạo ra hình ảnh chất lượng cao phù hợp với prompt văn bản được cung cấp.

FLUX.1 cũng sử dụng các kỹ thuật tiên tiến như mã hóa vị trí xoay và flow matching. Mã hóa vị trí xoay giúp model hiểu thứ tự và vị trí của các thành phần trong văn bản và hình ảnh, đảm bảo mọi thứ kết hợp với nhau hợp lý. Flow matching là kỹ thuật dùng trong các model tạo sinh để quá trình tạo ảnh từ nhiễu ngẫu nhiên diễn ra mượt mà và hiệu quả hơn.

Đánh giá hiệu năng 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 chuẩn mới trong lĩnh vực tạo ảnh bằng AI. Model nổi trội ở các khía cạnh chính như chất lượng hình ảnh, mức độ bám sát prompt, sự đa dạng của kết quả và hỗ trợ các kích thước cùng 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 yêu cầu của người dùng; các model này thường vượt trội hơn những model khác trong việc tạo kết quả rõ ràng và chính xác. Trong khi đó, FLUX.1 [schnell] là một trong những model tiên tiến nhất để tạo ảnh nhanh và có hiệu năng 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 của xAI thuộc Elon Musk#

Grok 2.0 là model ngôn ngữ lớn mới nhất do công ty AI xAI của Elon Musk phát triển. Ra mắt vào tháng 8 năm 2024, Grok 2.0 dành cho người dùng X Premium và Premium+ trên nền tảng X (trước đây là Twitter). Ngoài ra, phiên bản này sẽ sớm được cung cấp cho nhà phát triển và doanh nghiệp thông qua API dành cho doanh nghiệp.

Hình 3. Ví dụ về 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 tuân theo chỉ dẫn tốt hơn, suy luận vấn đề hiệu quả hơn và cung cấp thông tin chính xác hơn. Chatbot này đã được đánh giá so 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 về câu hỏi khoa học trình độ sau đại học, kiến thức tổng quát và bài toán phức tạp. Grok 2.0 cũng xử lý tốt các tác vụ đòi hỏi khả năng hiểu hình ảnh, đạt điểm cao trong suy luận toán học bằng hình ảnh và trả lời câu hỏi dựa trên tài liệu. Các model Grok mới hơn như Grok 4.7 được so sánh với các model thị giác-ngôn ngữ khác về khả năng phát hiện đối tượng trong thế giới thực trên Bảng xếp hạng VLM của Ultralytics.

Mối liên hệ giữa Grok 2.0 và FLUX.1#

FLUX.1 đã được tích hợp vào Grok 2.0 để kết hợp khả năng tạo văn bản và hình ảnh. Dù việc kết hợp các công nghệ khác nhau để cải thiện chức năng và trải nghiệm người dùng ngày nay khá phổ biến, riêng sự tích hợp này đã thu hút nhiều sự chú ý.

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

Mặt khác, những người chỉ trích cho rằng FLUX.1 thiếu hướng dẫn đạo đức rõ ràng, điều có thể dẫn đến các vấn đề đạo đức và xã hội nghiêm trọng như thông tin sai lệch và deepfake. Một số người lo ngại 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 lớn nhất có thể làm gia tăng sự lan truyền thông tin sai lệch.

Grok 2.0 và cách tiếp cận không hạn chế#

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

Ví dụ, Grok từng tạo ra nội dung văn bản dễ bị diễn giải là tin tức sai lệch hoặc gây hiểu lầm. Một sự việc được đưa tin rộng rãi vào tháng 4 năm 2024 liên quan đến việc Grok tạo ra câu chuyện bịa đặt về cầu thủ NBA Klay Thompson, cho rằng anh đang "phá hoại bằng gạch hàng loạt". Chatbot AI đã hiểu sai thuật ngữ bóng rổ "throwing bricks", vốn chỉ những cú ném trượt. Thay vào đó, Grok hiểu theo nghĩa đen và bịa ra câu chuyện Thompson dùng gạch thật để phá hoại. Bài đăng nhanh chóng lan truyền trên X, thậm chí một số người dùng còn thêm các tài khoản nạn nhân giả để khuếch đại thông tin sai lệch.

Hình 4. Bài đăng trên X do Grok viết.

Bất chấp những lo ngại này, một số người dùng đánh giá cao quan điểm "tự do ngôn luận" của Grok 2.0. Họ cho rằng model cho phép đối thoại cởi mở và tự do sáng tạo hơn so với các model AI bị kiểm duyệt nghiêm ngặt. Họ xem Grok 2.0 là đối trọng với AI "woke" mà họ cho là quá thận trọng, vốn hạn chế thảo luận về các chủ đề nhạy cảm. Với những người dùng này, Grok 2.0 là một nền tảng ít bị các chuẩn mực xã hội ràng buộc hơn.

Tự mình thử FLUX.1 và Grok 2.0#

Có một vài lựa chọn để thử FLUX.1 và Grok 2.0. Có thể truy cập FLUX.1 trực tiếp 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+.

Điểm chính cần ghi nhớ#

FLUX.1 và Grok 2.0 đang mở rộng giới hạn của AI và khơi dậy những cuộc thảo luận sâu sắc. FLUX.1 thiết lập chuẩn mực mới cho hình ảnh do AI tạo ra nhờ khả năng tạo ra hình ảnh có độ chi tiết và chân thực cao. Grok 2.0 sử dụng FLUX.1 để mở rộng khả năng vượt ra ngoài tương tác chỉ dựa trên văn bản. Một mặt, những người đam mê hào hứng với quyền tự do sáng tạo và khả năng khám phá không bị kiểm duyệt mà các công cụ này mang lại. Mặt khác, các nhà phê bình cảnh báo về rủi ro thông tin sai lệch, deepfake và hệ quả đạo đức của những khả năng không được quản lý như vậy trên một nền tảng có tầm ảnh hưởng 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 khả năng định hình tương lai của AI trong nhiều năm tới.

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