Một model 120B tham số vừa xuất hiện. Không model card. Không công bố dữ liệu huấn luyện. Không một dòng mã kiểm chứng. Chỉ có một cái tên: Quasar. Và một câu hỏi lớn: Nó đã học từ đâu?
Đào mã thấy lỗi, im lặng là vàng. Nhưng đào một model 120B thì thấy gì? Trọng số khô khan. Hàng trăm nghìn con số. Không ai trong chúng ta có thể cầm một file 200GB và tự hỏi: phần nào của file này được sao chép từ GPT-4, phần nào do chính Quasar tự tạo ra?
Tuần qua, Crypto Briefing đưa tin về Quasar. Một dự án tự nhận là decentralized AI, vừa phát hành foundational model với 120B tham số. Con số ấn tượng. Nhưng cộng đồng không hỏi về benchmark. Họ hỏi: nguồn dữ liệu huấn luyện có sạch không?
Đó là lý do tôi viết bài này. Không phải để phán xét Quasar. Mà để nhìn vào một vết nứt cấu trúc mà cả ngành AI phi tập trung đang cố chôn giấu.
Bối cảnh 2025: AI + Crypto là một trong những câu chuyện nóng nhất. Bittensor xây mạng lưới thưởng cho các subnet huấn luyện AI. Prime Intellect gây quỹ hàng chục triệu USD để huấn luyện phi tập trung. Fetch.ai gia nhập liên minh Đại lý AI. Các quỹ VC đổ tiền vào lớp hạ tầng. Nhưng trò chơi thật sự nằm ở tầng model — nơi trọng số là tài sản lớn nhất, và cũng là nơi khó xác minh nhất.
Trong DeFi, bạn có thể fork mã nguồn. Bạn đọc hợp đồng. Bạn mô phỏng một cuộc tấn công trước khi nó xảy ra. Nhưng trong AI phi tập trung, bạn không thể audit một model theo cách đó. Trọng số mạng nơ-ron không phải mã. Nó là ma trận số học. Bạn không thể đọc nó như đọc bytecode. Bạn không thể chứng minh rằng nó không chứa dữ liệu vi phạm bản quyền. Bạn chỉ có thể tin — hoặc không tin.
Quasar vừa va vào đúng ranh giới đó.
Chúng ta bắt đầu với con số 120B. Nghe thu hút. Nhưng trong giới nghiên cứu, con số này thuộc nhóm trung bình cao. Meta đã phát hành Llama 3.1 405B. Mistral Large 2 chạm 123B. Qwen2.5-72B là một con ngựa chiến. Vậy 120B của Quasar có gì đặc biệt?
Không gì cả — nếu không nói về nguồn dữ liệu.
Đây là phần mà các báo cáo phân tích gọi là critical unknown. Khi một model không công bố quy trình huấn luyện, cộng đồng có quyền nghi ngờ nó là distillation — tức là dùng đầu ra từ model khác để dạy model mới. Kỹ thuật này không sai về mặt học thuật. Nhưng nó mở ra ba vấn đề lớn.
Một: rủi ro bản quyền. Nếu Quasar dùng dữ liệu sinh ra từ GPT-4 hoặc Claude để tạo tập huấn luyện, nó có thể vi phạm điều khoản dịch vụ của các công ty này. Vụ OpenAI kiện New York Times, Stability AI kiện Getty Images — tất cả đều xoay quanh một chữ dữ liệu. Một model đi tắt sẽ bị trừng phạt, không chỉ về mặt pháp lý mà còn về mặt uy tín.
Hai: đạo đức kỹ thuật. Nếu bạn chỉ chưng cất từ một model mạnh của người khác, bạn không tạo ra giá trị. Bạn tạo ra một bản sao mờ. Cái gọi là phi tập trung của bạn chỉ là một lớp API dán nhãn. Trong làng AI mở, thứ duy nhất có giá trị là sự mới mẻ trong dữ liệu, kiến trúc, hoặc phương pháp huấn luyện. Cả ba đều không xuất hiện trong câu chuyện của Quasar.
Ba: không thể tái lập. Khoa học máy tính đòi hỏi kết quả có thể tái tạo. Một model 120B không có training log, không có dữ liệu, không có phương pháp đối chiếu — nó không phải thành quả khoa học. Nó chỉ là một file nén. Và một file nén không thể kiểm chứng thì không thể là tài sản của một mạng lưới phi tập trung.
Tôi từng audit khoảng 200 hợp đồng thông minh trong đời. Năm 2017 là ICO Status, tôi tìm ra lỗi reentrancy trong contract staking. Năm 2020 là Uniswap V2, tôi báo cáo lỗi rounding trong hàm swap. Nhưng model AI không giống hợp đồng. Hợp đồng có trạng thái. Model thì không. Hợp đồng được kiểm chứng bằng luồng điều khiển. Model thì không. Đây là lý do tôi gọi đây là lỗ hổng mù của Web3.
Khi một giao thức DeFi mất thanh khoản, bạn nhìn vào pool. Khi một model AI mất uy tín, bạn không có số liệu nào để nhìn. Bạn chỉ có một câu nói của team: Hãy tin chúng tôi.
Thanh khoản cạn, bẫy còn đó.
Hãy mở rộng góc nhìn. Quasar có thể vô tội. Có thể họ là một đội ngũ có năng lực, vấp phải sự nghi ngờ từ một sự mập mờ không chủ ý. Nhưng ở thị trường giảm, không có chỗ cho sự mập mờ.
Bitcoin và Ethereum trồi sụt trong biên độ hẹp. Nhà đầu tư khắp nơi tìm alpha. AI là một trong những khu vực hiếm hoi còn giữ được sức hút sau chu kỳ trước. Nhưng điều đó không có nghĩa họ sẽ ném tiền cho bất cứ ai nói chữ AI. Ngược lại. Khi tiền khan hiếm, sự hoài nghi tăng lên. Một dự án AI phát hành model mà không có nguồn gốc rõ ràng là một quả bom hành vi. Nó làm tổn thương niềm tin của cả mảng — từ TAO, FET, RENDER đến những dự án agent nhỏ lẻ.
Giới đầu tư tổ chức ngày càng đặt câu hỏi: Điều gì đảm bảo một model được huấn luyện sạch? Không có câu trả lời. Vì không có một chuẩn mực nào tồn tại trên thị trường.
Đừng hiểu lầm. Tôi không nói rằng thiếu minh bạch là một tội. Tôi nói rằng trong một mạng lưới phi tập trung, thiếu minh bạch là một lỗ hổng chí mạng — vì không có trung gian nào đứng ra chịu trách nhiệm thay cho bạn.
Nói cách khác, blockchain phân quyền việc phân phối, nhưng không phân quyền việc huấn luyện. Nếu bạn không thể chứng minh model của bạn được tạo ra như thế nào, thì phi tập trung chỉ là một từ trang trí. Và từ trang trí thì không cứu được ai khi sự cố xảy ra.
Một số người sẽ phản bác: Meta cũng không công bố toàn bộ dữ liệu của Llama. OpenAI còn mù mờ hơn. Tại sao chỉ soi Quasar?
Đây là phần phản trực giác. Hãy ngừng lại một nhịp.
Có thể Quasar không xấu. Có thể họ chỉ là nạn nhân của một tiêu chuẩn kép. Cộng đồng đòi Quasar công bố dữ liệu, trong khi không ai đòi Meta công bố toàn bộ dữ liệu Llama. Vì sao? Vì Meta là big tech. Họ có thương hiệu, có phòng pháp lý, có đội ngũ quan hệ công chúng. Một dự án nhỏ tên Quasar không có những thứ đó. Khi bạn không có quyền lực, xã hội đòi bạn phải minh bạch gấp mười lần.
Đó là một dạng bất công. Nhưng tôi sẽ nói thêm: chính sự bất công đó đang bảo vệ thị trường.
Bởi vì trong một thị trường không có luật chơi, sự hoài nghi là cơ chế tự vệ duy nhất. Bạn không thể kiểm tra 120B trọng số. Bạn không thể chạy lại quá trình huấn luyện. Bạn không thể biết model được xây dựng từ đâu. Tất cả những gì bạn có là tín hiệu từ phía đội ngũ: họ có công bố hay không, họ có đối thoại hay không, họ có chấp nhận kiểm toán hay không. Quasar không đưa ra một tín hiệu nào. Và sự im lặng đó, trong một hệ sinh thái phi tập trung, là một bản án.
Đào mã thấy lỗi, im lặng là vàng. Nhưng cũng có một thứ tiếng khác: im lặng để che giấu.
Câu hỏi thật sự không phải là Quasar lừa đảo hay không. Câu hỏi là: Cộng đồng AI phi tập trung có thể phân biệt được giữa một dự án đang giữ bí mật thương mại và một dự án đang che giấu tội lỗi hay không?
Không. Chưa ai xây dựng được công cụ đó.
Đó chính là lỗ hổng mà tôi muốn mổ xẻ.
Hiện tại, các giao thức như Bittensor vận hành theo mô hình incentive verification. Mỗi subnet đưa ra một bài toán, các validator kiểm tra output của miner, và điểm số được trả thưởng trên chuỗi. Nhưng điều đó chỉ xác minh được output — không xác minh được quá trình huấn luyện. Một model có thể đạt điểm cao trong bài kiểm tra mà vẫn được huấn luyện trên dữ liệu ăn cắp.
Ngành công nghiệp đang nói về zkML, opML, TEE. Modulus Labs, Giza, EZKL. Những công nghệ này hứa hẹn chứng minh một phép tính cụ thể đã chạy đúng trên một phần cứng cụ thể. Nhưng chúng chưa thể chứng minh một tập dữ liệu là nguyên bản. Chúng cũng không thể chứng minh dữ liệu đó được thu thập hợp pháp. Đạo đức dữ liệu nằm ngoài phạm vi của toán học.
Quasar không nói về bất kỳ công cụ nào trong số đó. Không zkML. Không TEE. Không cam kết kiểm toán. Và đoạn báo cáo gốc cho biết rõ: bài viết không đề cập đến Model Card, không có bất kỳ tuyên bố tái lập nào. Tất cả những gì họ có là một con số: 120B.
Con số không tạo ra niềm tin. Trong bối cảnh thị trường giảm, con số càng không tạo ra sự sống còn.
Hãy nhìn về phía trước. Nếu Quasar không có token, thì bài toán của họ càng khó: làm sao duy trì một mạng lưới phi tập trung mà không có token? Làm sao trả công cho người đóng góp dữ liệu, người góp GPU, người xác minh model? Một mạng lưới không có động lực kinh tế chỉ là một máy chủ. Và nếu họ có token, thì cánh cửa lại mở ra một loạt rủi ro pháp lý khác: Howey Test, quản trị, minh bạch phân bổ. Bất kể đi theo hướng nào, sự thiếu rõ ràng hiện tại cũng là một điểm trừ lớn.
Về mặt pháp lý, tình thế còn căng hơn. EU AI Act đã bắt đầu có hiệu lực. Một general-purpose AI model phải công bố tóm tắt dữ liệu huấn luyện và tuân thủ bản quyền. Nếu Quasar phục vụ người dùng tại EU mà không cung cấp các tài liệu đó, nguy cơ không chỉ là bị tẩy chay — mà là bị phạt tới 35 triệu euro hoặc 7% doanh thu toàn cầu. Tôi đã thấy vô số cú sập trong DeFi vì chi phí compliance bị đánh giá thấp. AI cũng vậy.
Nhưng dưới góc nhìn của một auditor, tôi muốn nói rõ hơn:
Trong một thị trường mà sự xác minh không tồn tại, mọi model đều là một black box. Black box nhỏ thì được nhân nhượng. Black box to thì được tôn sùng. Black box vừa như Quasar thì bị soi — bởi vì nó không đủ lớn để được tin, cũng không đủ nhỏ để bị bỏ qua.
Đây không phải điều tôi chúc mừng. Đây là điều tôi cảnh báo.
Vậy chúng ta học được gì?
Trước hết, đừng cố đánh giá một dự án AI phi tập trung qua con số tham số. 120B, 70B, 405B — tất cả chỉ là dung lượng. Điều duy nhất đáng giá là khả năng truy xuất nguồn gốc. Một model không có provenance là một giao thức không có mã nguồn được công bố.
Thứ hai, đừng để cụm từ phi tập trung trở thành một cái khiên. Trong DeFi, phi tập trung có nghĩa là không cần tin ai. Trong AI, phi tập trung hiện tại chỉ có nghĩa là không ai phải chịu trách nhiệm. Đó là một sự khác biệt chết người.
Thứ ba, thị trường đang bước vào giai đoạn đào thải. Các dự án AI thiếu minh bạch sẽ bị bỏ lại rất nhanh. Giống như DeFi năm 2020 — hàng trăm giao thức fork từ Uniswap, nhưng chỉ những giao thức có audit thật sự tồn tại được qua mùa đông tiếp theo.
Câu hỏi cuối cùng không phải là Quasar có phải là một dự án lừa đảo hay không. Câu hỏi lớn hơn:
Liệu cộng đồng có xây dựng được một chuẩn mực chứng thực cho model trên chuỗi, trước khi những kẻ xấu biến AI phi tập trung thành một bãi rác của những file nén bí ẩn?
Đào mã thấy lỗi, im lặng là vàng.
Nhưng có một loại lỗi không thể đào bằng mã. Đó là lỗi trong trọng số. Lỗi trong dữ liệu. Lỗi trong cam kết.
Thanh khoản cạn — bẫy vẫn còn đó.
