Các mô hình AI nước ngoài vượt trội hơn các đối thủ Hàn Quốc trong bài kiểm tra toán CSAT.

Kết quả thử nghiệm đặt ra nghi ngờ về chiến lược trí tuệ nhân tạo của Hàn Quốc, dẫn đến việc xem xét lại mục tiêu xếp hạng toàn cầu đầy tham vọng này.

Các mô hình trí tuệ nhân tạo (AI) của Hàn Quốc đang được phát triển theo nỗ lực của chính phủ nhằm khẳng định chủ quyền công nghệ đã bị tụt hậu so với các hệ thống hàng đầu nước ngoài trong các bài kiểm tra mô phỏng theo bài kiểm tra năng lực học thuật đại học (College Scholastic Ability Test) và trong các câu hỏi toán học nâng cao dạng bài luận.

Việc so sánh được thực hiện bởi một nhóm nghiên cứu do Kim Jon-lark, giáo sư toán học tại Đại học Sogang dẫn đầu, đã yêu cầu 10 mô hình ngôn ngữ lớn giải quyết tổng cộng 50 câu hỏi.

Bộ đề gồm 20 bài toán CSAT nâng cao, bao gồm giải tích, xác suất và thống kê, hình học và các môn học phổ biến, cùng với 30 câu hỏi dạng bài luận được lấy từ các trường đại học hàng đầu của Hàn Quốc, các kỳ thi tuyển sinh của Ấn Độ và các bài kiểm tra trình độ sau đại học tại Đại học Tokyo.

Các mô hình trí tuệ nhân tạo nước ngoài đã chiếm giữ những vị trí hàng đầu. Gemini 3 Pro Preview của Google đứng đầu với 92 điểm, giải đúng 46 trong số 50 câu hỏi. Claude Opus 4.5 của Anthropic đứng thứ hai với 84 điểm, trong khi Grok 4.1 Fast của xAI đạt 82 điểm. GPT-5.1 của OpenAI giành được 80 điểm, và DeepSeek V3.2 của Trung Quốc đạt 76 điểm.

Ngược lại, hiệu năng của các mô hình Hàn Quốc lại xếp gần cuối bảng xếp hạng. Solar Pro 2, do Upstage phát triển, đạt 58 điểm, cao nhất trong số các hệ thống nội địa. HCX-007 của Naver đạt 26 điểm, trong khi EXAONE 4.0.1 của LG AI Research và AX 4.0 (72B) của SK Telecom đều đạt 24 điểm. Mô hình nhẹ Llama-VARCO-8B-Instruct của NC AI đứng cuối cùng với chỉ 2 điểm.

Nhóm nghiên cứu cho biết khoảng cách này vẫn tồn tại ngay cả sau khi cho phép các mô hình Hàn Quốc sử dụng các công cụ tính toán dựa trên Python để hỗ trợ giải quyết vấn đề, một biện pháp nhằm bù đắp những hạn chế trong lập luận từng bước.

Các mô hình tương tự đã xuất hiện trong các bài kiểm tra tiếp theo sử dụng EntropyMath, một bộ dữ liệu độc quyền được thiết kế để bao quát các mức độ khó từ chương trình học đại học đến toán học cấp độ nghiên cứu.

Ông Kim cho biết cuộc thử nghiệm được tiến hành sau nhiều câu hỏi về lý do tại sao không có đánh giá công khai nào về các mô hình trí tuệ nhân tạo do Hàn Quốc tự chủ sử dụng để giải quyết các bài toán cấp độ CSAT.

“Chúng tôi liên tục nghe thắc mắc tại sao chưa ai đánh giá năm mẫu điện thoại nội địa bằng các câu hỏi thi đại học, vì vậy chúng tôi quyết định tự mình tiến hành các bài kiểm tra,” ông nói. “Kết quả cho thấy các phiên bản hiện tại của các mẫu điện thoại Hàn Quốc vẫn còn tụt hậu đáng kể so với các mẫu điện thoại hàng đầu thế giới.”

Ông nhấn mạnh rằng việc đánh giá dựa trên các phiên bản được công bố công khai của các hệ thống trong nước.

“Sau khi các phiên bản dành cho đội tuyển quốc gia của những mô hình này được phát hành, chúng tôi dự định sẽ thử nghiệm lại chúng bằng cách sử dụng các bài toán do chính chúng tôi phát triển,” Kim cho biết.

Tuy nhiên, kết quả này đã làm dấy lên cuộc tranh luận về chiến lược trí tuệ nhân tạo của Hàn Quốc. Các quan chức trong ngành cho rằng nhiều nhà phát triển trong nước đã ưu tiên các ứng dụng hướng dịch vụ và doanh nghiệp hơn là khả năng suy luận toán học cao cấp.

Một giám đốc công nghệ tại một công ty khởi nghiệp về trí tuệ nhân tạo ứng dụng cho biết các nhà phát triển Hàn Quốc chủ yếu tập trung vào việc xây dựng các hệ thống trí tuệ nhân tạo công nghiệp, chẳng hạn như các tác nhân AI, khiến điểm số thấp hơn trong các bài kiểm tra toán theo dạng đề thi gần như là điều khó tránh khỏi.

Những phát hiện này cũng đặt ra câu hỏi liệu cách tiếp cận hiện tại của Hàn Quốc có đủ để đáp ứng mục tiêu của chính phủ về việc xây dựng một mô hình nền tảng trí tuệ nhân tạo nội địa nằm trong top 10 thế giới hay không.

Trả lời các câu hỏi về vấn đề này tại cuộc họp báo ở thành phố Sejong hôm thứ Hai, Bộ trưởng Khoa học và Công nghệ Thông tin Bae Kyung-hoon cho biết nhiều công ty đang phát triển các mô hình nền tảng trí tuệ nhân tạo trong nước đã tối ưu hóa hệ thống của họ cho mục đích thương mại, dẫn đến những lỗ hổng trong việc huấn luyện dữ liệu cho các lập luận tập trung vào khoa học và toán học.

“Nếu chúng ta tạo ra và huấn luyện các bộ dữ liệu chuyên biệt theo từng lĩnh vực — ví dụ, bằng cách chuyển đổi cấu trúc phân tử hóa học thành các định dạng mà hệ thống AI có thể nhận biết — thì các mô hình đó có thể đạt được khả năng cạnh tranh ở cấp độ top 10 toàn cầu,” ông nói.

Ông nói thêm rằng việc phát triển các hệ thống AI có khả năng vượt trội trong tất cả các lĩnh vực học thuật là không thực tế, và cần tập trung hơn vào các mô hình đơn giản có thể được triển khai trực tiếp trong các dịch vụ thực tế.