Perplexity dùng GPT-6 Astra để kiểm thử và giám sát hệ thống

TL;DR: Perplexity cho biết họ đang dùng GPT-6 Astra để soạn thông tin liên lạc, chỉnh sửa phần mềm và giám sát hệ thống sản xuất, đồng thời cần kiểm tra kết quả ít thường xuyên hơn các thế hệ mô hình trước.

Trong bài đăng ngày 14/09/2026, OpenAI giới thiệu cách Perplexity, một startup vận hành công cụ trả lời bằng AI, ứng dụng GPT-6 Astra vào các công việc kỹ thuật thực tế. Điểm đáng chú ý không chỉ là hỗ trợ viết code, mà là việc mô hình được dùng trong các luồng vận hành từ đầu đến cuối.

Theo Johnny Ho, đồng sáng lập kiêm Giám đốc chiến lược của Perplexity, năng lực lập trình tốt hơn cũng giúp công cụ tìm kiếm của công ty cải thiện. Mô hình có thể viết tốt hơn các chương trình tìm kiếm thông tin trên web và trong nguồn nội bộ, sau đó tóm tắt kết quả ngắn gọn hơn.

Từ xử lý thông tin đến vận hành hệ thống

Perplexity tập trung vào tìm kiếm và độ chính xác, nên khả năng xử lý lượng thông tin lớn là một phần quan trọng trong sản phẩm của họ. Tuy nhiên, theo Johnny Ho, thách thức lớn hơn là đưa năng lực xử lý thông tin đó vào các hệ thống đang hoạt động trong thực tế.

OpenAI cho biết GPT-6 Astra giúp việc này dễ hơn. Johnny Ho nói Perplexity có thể giao cho mô hình soạn communications, chỉnh sửa các hệ thống thực và theo dõi phần mềm production. Production là môi trường nơi phần mềm đang phục vụ người dùng thật, vì vậy các thay đổi hoặc lỗi ở đây có thể ảnh hưởng trực tiếp đến dịch vụ.

Khả năng viết chương trình để tra cứu thông tin trực tuyến là một phần trong cách Perplexity liên hệ tiến bộ về code với chất lượng tìm kiếm của sản phẩm. Tuy vậy, OpenAI và Perplexity không công bố số liệu về độ chính xác, tỷ lệ lỗi hay mức độ tự động hóa của các tác vụ này.

AI được dùng để tạo môi trường kiểm thử nhỏ

Một trường hợp sử dụng mà Johnny Ho nhấn mạnh là kiểm thử code. Khi thời gian kiểm thử thủ công bị hạn chế, ông cho biết Perplexity yêu cầu GPT-6 Astra xây dựng một chương trình kiểm thử nhỏ xoay quanh một ứng dụng.

Mô hình có thể tạo các phản hồi mô phỏng giống như phản hồi từ một dịch vụ khác, chẳng hạn API của mô hình ngôn ngữ hoặc connector, tức thành phần kết nối giữa các dịch vụ. Các phản hồi này giúp nhóm kiểm tra cách ứng dụng xử lý tình huống mà không nhất thiết phải phụ thuộc trực tiếp vào dịch vụ bên ngoài ở từng lần thử.

Quy trình này nhằm thử toàn bộ luồng xử lý end-to-end, nghĩa là kiểm tra một tác vụ từ đầu vào đến kết quả cuối cùng thay vì chỉ kiểm tra từng đoạn mã riêng lẻ. Với các sản phẩm AI kết nối nhiều API và nguồn dữ liệu, cách làm này có thể giúp phát hiện lỗi nảy sinh giữa các thành phần.

Mức độ tin cậy vẫn là tuyên bố từ phía Perplexity

Johnny Ho cho biết Perplexity hiện có thể tin cậy mô hình với các hệ thống end-to-end và kiểm tra ít thường xuyên hơn so với trước đây. Nếu mô tả này phản ánh đúng trong vận hành, đội ngũ kỹ thuật có thể dành ít thời gian hơn cho việc giám sát thủ công các tác vụ lặp lại.

Tuy vậy, kiểm tra ít thường xuyên không đồng nghĩa mô hình có thể hoạt động không cần giám sát. Nguồn không nêu quy trình đánh giá, phạm vi quyền truy cập của mô hình hay cách Perplexity xử lý các thay đổi không mong muốn trước khi chúng ảnh hưởng đến hệ thống đang chạy.

Vì sao đáng chú ý?

Câu chuyện của Perplexity cho thấy AI đang được đưa từ vai trò hỗ trợ tạo nội dung hoặc viết từng đoạn code sang tham gia vào quy trình phần mềm hoàn chỉnh hơn. Giá trị tiềm năng nằm ở việc tạo dữ liệu kiểm thử, kiểm tra sự phối hợp giữa các dịch vụ và hỗ trợ vận hành, nhưng mức độ đáng tin cậy trong bối cảnh này vẫn cần được đánh giá bằng dữ liệu và quy trình kiểm soát cụ thể.

• Nguồn chính thức: Perplexity trusts GPT-6 Astra with end-to-end systems — OpenAI — 14/09/2026