AI của Vingroup đứng đầu về năng lực tiếng Việt

Trường Đại học VinUni vừa công bố V-Bench - bộ công cụ đánh giá năng lực tiếng Việt dành cho các mô hình trí tuệ nhân tạo (AI). Theo kết quả xếp hạng đầu tiên, mô hình V-LLM v1 do Vingroup phát triển đứng đầu, vượt qua nhiều tên tuổi quốc tế như ChatGPT, Gemini hay Qwen.

Ngày 6/7, VinUni chính thức ra mắt V-Bench, bộ công cụ đánh giá năng lực tiếng Việt của các mô hình ngôn ngữ lớn (LLM). Hệ thống được xây dựng dựa trên hơn 40.000 câu hỏi và tác vụ, với sự tham gia của hội đồng khoa học gồm 18 chuyên gia AI người Việt trong và ngoài nước.

Trong lần công bố đầu tiên, V-Bench đã đánh giá 15 mô hình AI phổ biến trên thế giới. Kết quả cho thấy V-LLM v1 của Vingroup đạt 68 điểm, dẫn đầu bảng xếp hạng V-Bench Intelligence Index.

Đứng thứ hai là Gemini-2.5-Flash của Google với 58,8 điểm. Hai vị trí tiếp theo thuộc về Qwen3-235B Thinking và Qwen3-235B Instruct của Alibaba, lần lượt đạt 58,23 điểm và 54,8 điểm. Trong khi đó, các mô hình của OpenAI như gpt-oss-120b và GPT-4.1-mini đạt 51,44 điểm và 50,17 điểm.

Khác với nhiều bộ đánh giá AI truyền thống tập trung vào khả năng trả lời câu hỏi học thuật, V-Bench được thiết kế để đo lường mức độ am hiểu tiếng Việt trong bối cảnh thực tế. Hệ thống chấm điểm dựa trên 5 nhóm tiêu chí gồm: kiến thức học thuật; an toàn và chủ quyền số; tri thức văn hóa, xã hội và vùng miền; y tế và sức khỏe cộng đồng; cùng năng lực Agentic AI.

Bộ công cụ cũng kiểm tra khả năng xử lý nhiều lĩnh vực như Toán học, Vật lý, Hóa học, Khoa học máy tính, Luật, Triết học, Tâm lý học và Logic.

Theo VinUni, điểm khác biệt của V-Bench nằm ở việc đánh giá khả năng hiểu các yếu tố đặc thù của tiếng Việt như phương ngữ Bắc - Trung - Nam, cách xưng hô, bối cảnh văn hóa cũng như khả năng thực hiện tác vụ trong môi trường sử dụng thực tế tại Việt Nam. Hệ thống đồng thời tích hợp các tiêu chí về an toàn AI và chủ quyền số nhằm hạn chế thông tin sai lệch và đảm bảo yêu cầu về an toàn dữ liệu.

Dự án được khởi xướng bởi Trung tâm Nghiên cứu AI của VinUni và hoạt động theo mô hình phi lợi nhuận. Mục tiêu là xây dựng một hệ quy chiếu đánh giá AI dành riêng cho Việt Nam, giúp các cơ quan, doanh nghiệp và nhà phát triển có thêm cơ sở lựa chọn mô hình phù hợp với nhu cầu sử dụng.

Trong giai đoạn tiếp theo, V-Bench sẽ mở rộng phạm vi đánh giá sang các năng lực đa phương thức như xử lý hình ảnh và âm thanh. Hệ thống dự kiến bổ sung các bài kiểm tra liên quan đến nhận diện chữ Nôm, biển hiệu vùng miền, biểu đồ, di sản văn hóa cũng như khả năng hiểu giọng nói của ba miền.

Ngoài ra, bộ công cụ cũng sẽ đánh giá khả năng xử lý các tài liệu tiếng Việt có quy mô trên 100.000 token, yêu cầu mô hình AI có thể đọc hiểu và trích xuất chính xác thông tin từ các văn bản pháp luật, hợp đồng, công báo hay sách giáo khoa.