Trung Quốc công bố kiểm thử an toàn cho chỉ 3,6% mô hình AI: Điều gì đang bị bỏ ngỏ?
Trong 857 lượt phát hành mô hình AI của chín hãng hàng đầu Trung Quốc từ năm 2021 đến giữa tháng 9/2026, chỉ 31 lượt, tương đương 3,6%, đi kèm kết quả kiểm thử an toàn được công bố, theo SemiAnalysis.
Con số ấy không có nghĩa phần còn lại chưa từng bị kiểm tra, nhưng công chúng gần như thiếu dữ kiện để tự đánh giá an toàn AI Trung Quốc trước những rủi ro như hỗ trợ tấn công mạng hay hành vi ngoài kiểm soát.
Chỉ 31 trong 857 lượt phát hành có kết quả kiểm thử
SemiAnalysis, công ty nghiên cứu công nghệ có trụ sở tại California, rà soát toàn bộ mô hình mà Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax và StepFun phát hành từ năm 2021 đến ngày 15/9/2026. Kết quả nằm trong báo cáo mới của hãng, được Reuters đưa tin ngày 9/10. Con số 857 gồm 741 mô hình sản phẩm và 116 mô hình nghiên cứu, kể cả các kích cỡ và phiên bản khác nhau của cùng một dòng.
Tiêu chí đếm khá chặt. Một mô hình chỉ được tính nếu có kết quả cụ thể, gắn với đúng tên mô hình, về các hạng mục như nội dung độc hại, khả năng chống bẻ khóa (jailbreak), quyền riêng tư, hành vi từ chối hay năng lực nguy hiểm. Những tuyên bố chung chung kiểu "đã được huấn luyện an toàn" không được tính.
Qua bộ lọc ấy, chỉ 31 (3,6%) bản phát hành có kết quả công khai. Riêng số có kết quả ngay khi ra mắt hoặc trước đó còn ít hơn, 9 bản, tương đương 1,1%. Với 16 lượt khác, kết quả chỉ được công bố sau khi mô hình ra mắt, với độ trễ trung vị 42 ngày. 813 lượt không tìm thấy bất kì công bố an toàn nào. 13 lượt còn lại chỉ có tuyên bố đã đánh giá mà không kèm số liệu, hoặc thông tin đến từ báo chí và nhà đầu tư.
Nhóm khởi nghiệp gồm DeepSeek, Moonshot, Zhipu, MiniMax và StepFun làm tốt hơn đôi chút, với 20 trên 317 bản phát hành (6,3%). Bốn tập đoàn lớn chỉ đạt 11 trên 540 (2%). SemiAnalysis lưu ý tỉ lệ theo từng hãng chỉ mang tính tham khảo, vì Alibaba chẳng hạn đếm riêng từng kích cỡ của dòng Qwen.
Phát hiện đáng chú ý nhất nằm ở tầng trên cùng. Chưa hãng lớn nào của Trung Quốc tung ra một mô hình văn bản tiên tiến kèm đánh giá công khai về năng lực nguy hiểm bao quát đồng thời ba lĩnh vực tấn công mạng, sinh học và nguy cơ mất kiểm soát. SemiAnalysis cũng thừa nhận việc thiếu kết quả "không có nghĩa là chưa kiểm thử", bởi các hãng có thể đã đánh giá nội bộ rồi giữ kín.
Kiểm soát nội dung chặt, an toàn AI Trung Quốc vẫn thiếu đánh giá năng lực nguy hiểm
Trên giấy tờ, AI ở Trung Quốc vốn bị kiểm tra gắt gao. Các dịch vụ AI tạo sinh có khả năng tác động tới dư luận hoặc huy động xã hội phải lập hồ sơ với Cục Quản lí Không gian mạng Trung Quốc (CAC) trước khi phục vụ công chúng. Tính đến 31/8/2026, 1.112 dịch vụ đã hoàn tất thủ tục này.
Tiêu chuẩn quốc gia GB/T 45654-2025, có hiệu lực từ 1/11/2025, chỉ mang tính khuyến nghị nhưng được soạn để phục vụ việc lập hồ sơ và đưa ra hướng dẫn chi tiết về kiểm tra an toàn. Theo bản dịch của CSET thuộc Đại học Georgetown, bên áp dụng cần xây dựng ngân hàng ít nhất 2.000 câu hỏi thử, và tối thiểu 90% câu trả lời của mô hình phải đạt chuẩn. Với nhóm câu hỏi buộc phải từ chối, tỉ lệ từ chối cần đạt từ 95% trở lên. Kho từ khóa nhạy cảm cần ít nhất 10.000 mục và được cập nhật hằng tuần.
Thứ được đo ở đây chủ yếu là nội dung. Tiêu chuẩn liệt kê 31 loại rủi ro chia làm 5 nhóm, mở đầu bằng nhóm nội dung trái "giá trị cốt lõi xã hội chủ nghĩa". Kết quả kiểm tra phục vụ hồ sơ đăng kí với cơ quan quản lí, tiêu chuẩn không đòi đưa ra công chúng. Một mô hình vì thế có thể vượt qua các bài kiểm tra về nội dung bị cấm hoặc độc hại mà chưa ai biết nó có giúp được kẻ xấu viết mã độc hay không.
Trung Quốc không phải không nhìn thấy những rủi ro lớn hơn. Khung quản trị an toàn AI phiên bản 3.0, do ủy ban tiêu chuẩn TC260 ban hành ngày 14/9/2026, gọi tên nguy cơ tác tử AI tự giành thêm tài nguyên hay quyền hạn, lừa người đánh giá và che giấu năng lực. Văn bản này kêu gọi kiểm tra định kì nguy cơ mất kiểm soát. Có điều nó không phải luật và, theo SemiAnalysis, không đặt ra nghĩa vụ bắt buộc nào gắn với năng lực của mô hình.
Các doanh nghiệp cũng từng kí cam kết. Tháng 12/2024, 17 công ty trong đó có DeepSeek tham gia bộ cam kết an toàn AI do Liên minh Công nghiệp AI Trung Quốc khởi xướng, hứa thử nghiệm đối kháng (red-teaming) và minh bạch về rủi ro với chính phủ lẫn công chúng. Nhà nghiên cứu Scott Singer của Quỹ Carnegie nhận xét văn bản này thiếu phần "lằn ranh đỏ" vốn là trọng tâm của bộ cam kết kí tại Seoul tháng 5/2024.
Những rủi ro chưa có kết quả công khai
Những hành vi đáng lo đã lộ ra trong phòng thí nghiệm. Một cuộc rà soát của Reuters đăng cuối tháng 9 tìm thấy ít nhất 20 nghiên cứu kể từ năm 2025 ghi nhận tác tử AI dùng mô hình Trung Quốc có hành vi lừa dối, tự sao chép hay vượt giới hạn. Trong một thử nghiệm đấu thầu mô phỏng hồi tháng 3, nhóm nghiên cứu từ Đại học Hàng không Vũ trụ Bắc Kinh, Đại học Bắc Kinh, Đại học Nottingham Ninh Ba và hãng bảo mật 360 ghi nhận ít nhất một tuyên bố sai trong 88% phiên thử với Qwen3-Max-Preview, 84% với DeepSeek-V3.2-Exp và 88% với Kimi-K2. Các mô hình Mỹ trong cùng thử nghiệm cho kết quả tương tự. Đây là môi trường giả lập vốn được dựng để làm lộ lỗi.
Ngày 1/9, quan chức CAC Wang Lihong nói những vụ mô hình thoát khỏi môi trường thử nghiệm đã phơi bày "rủi ro mất kiểm soát cực đoan", dù không nói rõ vụ việc xảy ra ở đâu. Reuters cũng chưa thấy bằng chứng tác tử dùng mô hình Trung Quốc thoát ra Internet hay né lệnh tắt máy. Đó là nhóm rủi ro mà các bài kiểm thử năng lực nguy hiểm cần đánh giá, song kết quả công khai của các hãng Trung Quốc đến nay vẫn chưa bao quát đầy đủ.
Sự thiếu vắng này càng đáng lo ở Trung Quốc vì nhiều mô hình hàng đầu như DeepSeek hay Qwen được phát hành dạng trọng số mở. Một khi đã được tải về, mô hình không thể bị thu hồi. Đánh giá công khai trước khi phát hành vì thế là một trong số ít cơ hội để cộng đồng biết mình đang cầm thứ gì trong tay.
Phía Mỹ cũng chưa phải hình mẫu hoàn hảo. OpenAI, Anthropic và Google DeepMind thường kèm báo cáo an toàn khi ra mắt các mô hình lớn, song phần lớn là tự nguyện và không đồng đều. Google từng tung Gemini 2.5 Pro hồi tháng 3/2025 mà không kèm thẻ mô hình, khiến 60 nghị sĩ Anh sau đó cáo buộc hãng vi phạm cam kết Seoul. Khác biệt nằm ở hướng đi của luật. Đạo luật SB 53 của California, kí ngày 29/9/2025, buộc các hãng phát triển mô hình tiên tiến, tức mô hình huấn luyện bằng hơn 10 mũ 26 phép tính, công bố báo cáo minh bạch, kèm tóm tắt đánh giá rủi ro thảm họa, trước khi triển khai mô hình mới, với mức phạt tới 1 triệu USD cho mỗi vi phạm.
Xue Hui, phó chủ tịch phụ trách bảo mật của Alibaba, từng thừa nhận năng lực an toàn AI "hiện tụt sau sự phát triển năng lực mô hình", theo SemiAnalysis. Reuters dẫn hai nguồn tin cho biết Alibaba, Z.ai và Xiaomi đang lập các nhóm đánh giá an toàn nội bộ. Chưa rõ kết quả kiểm thử của những nhóm này sẽ được công bố rộng rãi hay chỉ nằm trong hồ sơ gửi cơ quan quản lí. Khi các mô hình ngày càng tự lập kế hoạch, dùng công cụ và thực hiện nhiệm vụ, việc thiếu thông tin công khai khiến người dùng khó tự đánh giá rủi ro đi kèm. Con số 3,6% vì thế không chứng minh phần lớn AI Trung Quốc thiếu an toàn, mà phản ánh lượng bằng chứng công khai về mức an toàn của chúng còn quá mỏng.
