DALL-E bị khai tử: Bản án cho niềm tin vào AI tập trung

OpenAI vừa loại DALL-E khỏi ChatGPT. Hợp đồng đó đã từng là biểu tượng của một kỷ nguyên nghệ thuật tạo sinh, nhưng giờ đây nó bị thanh lý như một món nợ xấu. Trong khi truyền thông công nghệ nói về việc nâng cấp mô hình, tôi thấy một câu chuyện mà cộng đồng blockchain hiểu rõ hơn ai hết: sự tập trung quyền lực luôn dẫn đến những quyết định đơn phương, không cần xin ý kiến người dùng. Đây không chỉ là một tin công nghệ; đây là một lời nhắc nhở đắt giá. Để hiểu vì sao sự kiện này quan trọng, chúng ta cần nhìn lại quá khứ. DALL-E 3 được tích hợp vào ChatGPT từ tháng 9 năm 2023. Khi đó, nó được chào đón như một bước ngoặt: người dùng phổ thông không cần biết đến diffusion model, không cần học prompt engineering phức tạp; họ chỉ cần gõ vài từ, và ChatGPT hiện ra một hình ảnh đẹp mắt. Trong gần hai năm, DALL-E 3 là tính năng quen thuộc, là cánh cửa đầu tiên cho hàng triệu người khám phá generative AI. Nhưng đến tháng 4 năm 2025, OpenAI tung ra gpt-image-1, một mô hình được xây dựng trên kiến trúc tự hồi quy đa phương thức. Sự khác biệt không chỉ nằm ở chất lượng hình ảnh, mà ở cách mô hình hiểu ngữ cảnh. Trong khi DALL-E 3 hoạt động như một cỗ máy vẽ độc lập, gpt-image-1 có thể bám theo cuộc trò chuyện, chỉnh sửa chi tiết qua nhiều vòng, giữ khuôn mặt nhân vật ổn định và đặc biệt xuất sắc trong việc hiển thị văn bản trong ảnh. OpenAI không lạ gì việc khai tử sản phẩm. GPT-3.5 từng là xương sống của ChatGPT, nhưng đã lặng lẽ bị thay thế. Codex, mô hình viết mã từng được dùng trong GitHub Copilot, bị nhập vào GPT-4. Các endpoint cũ, các tham số không còn được hỗ trợ – những nhà phát triển từng gắn bó với hệ sinh thái OpenAI đều biết quy luật: không có gì là vĩnh viễn, không có gì là cam kết. Việc DALL-E bị loại khỏi ChatGPT chỉ là một mảnh ghép tiếp theo trong chiến lược giảm thiểu chi phí vận hành. Và cũng như trước, OpenAI không đưa ra lộ trình di cư rõ ràng cho những ai đã xây dựng sản phẩm dựa trên API cũ. Họ chỉ nói: hãy chuyển sang mô hình mới, hoặc biến mất. Hãy nhìn vào kiến trúc một cách kỹ lưỡng. DALL-E 3 sử dụng CLIP text encoder kết hợp với diffusion decoder. Mô hình này sinh ảnh bằng cách khử nhiễu dần từ một điểm ảnh ngẫu nhiên, dựa trên điều kiện văn bản. Nó tạo ra những hình ảnh đẹp, nhưng rất khó kiểm soát chi tiết và gần như không thể chỉnh sửa một vùng cụ thể sau khi ảnh đã được sinh. Còn gpt-image-1 thuộc nhóm autoregressive multimodal: nó dự đoán từng token, bao gồm token hình ảnh, theo trình tự, đồng thời xử lý văn bản và hình ảnh trong cùng một luồng suy luận. Nhờ vậy, nó có thể giữ ngữ cảnh, nhận diện các vật thể và sửa đổi chúng theo lệnh hội thoại. Sự khác biệt này giống như so sánh một máy in 2D với một robot chế tác: một bên chỉ in theo bản thiết kế, bên còn lại có thể trò chuyện và điều chỉnh sản phẩm trong quá trình tạo ra nó. Nhưng ẩn sau lựa chọn kiến trúc là một biểu đồ chi phí. Diffusion model yêu cầu một quy trình lặp nhiều bước để khử nhiễu, trong khi autoregressive model tiêu thụ năng lượng theo chiều dài chuỗi token. Khi bạn là OpenAI, bạn không chỉ hỏi mô hình nào đẹp hơn, mà còn hỏi mô hình nào dễ vận hành hơn về mặt hạ tầng. Việc duy trì hai ngăn xếp công nghệ riêng biệt, hai đội ngũ, hai bộ quy trình bảo mật – đó là một gánh nặng mà không một công ty nào muốn kéo dài. DALL-E bị loại để OpenAI có thể dồn toàn bộ tài nguyên vào một kiến trúc duy nhất, thống nhất từ ngôn ngữ đến hình ảnh, đến video. Điều đó mang lại lợi ích chiến lược to lớn, nhưng cái giá lại do cộng đồng nhà phát triển bên ngoài chi trả. Các nhà phát triển đã xây dựng ứng dụng dựa trên API DALL-E 3 giờ đây đứng trước một nhiệm vụ ghê gớm. Họ cần kiểm tra lại toàn bộ prompt, các tham số như quality, style, size, response_format. Những gì hoạt động với DALL-E 3 sẽ không cho ra kết quả tương tự với gpt-image-1. Màu sắc sẽ khác, bố cục sẽ khác, ngay cả cách mô hình xử lý văn bản trong ảnh cũng khác. Tôi đã từng thấy các dự án DeFi sụp đổ chỉ vì một thay đổi nhỏ trong hợp đồng thông minh của bên thứ ba mà họ phụ thuộc. Bây giờ, hàng nghìn ứng dụng AI trên thế giới đang phải đối mặt với một cú sốc tương tự. Và không có một dao nâng cấp nào, không có một cuộc bỏ phiếu quản trị nào, không có một cơ chế phản đối nào. Tôi muốn đưa ra một nhận định phản trực giác: DALL-E không chết vì nó lỗi thời. DALL-E chết vì nó quá thành công trong việc tạo ra một thương hiệu riêng. Hợp đồng đó đã được lập nên để phục vụ một cái tên, nhưng cái tên ấy lại trở thành đối thủ của chính người tạo ra nó. Người dùng vẫn nói tôi dùng DALL-E để vẽ, DALL-E vẽ đẹp hơn Midjourney. Khi một tính năng có tên riêng, nó bắt đầu cạnh tranh với chính ChatGPT. Người dùng có thể tách bạch trải nghiệm: sáng chat với GPT, chiều vẽ với DALL-E. Điều đó làm loãng dữ liệu tương tác, làm rối chiến lược sản phẩm. OpenAI cần một thực thể duy nhất, một cái tên duy nhất, một luồng tương tác duy nhất. Khai tử DALL-E không phải là hành động kỹ thuật, mà là hành động chính trị nội bộ: xóa bỏ mọi thứ có thể cạnh tranh với thương hiệu mẹ. Nếu bạn nghĩ đây chỉ là vấn đề của giới công nghệ, hãy nghĩ lại. Ethereum từng trải qua một cuộc chuyển đổi lớn khi chuyển từ proof-of-work sang proof-of-stake. Dù có tranh cãi, cộng đồng vẫn có quyền fork, có quyền giữ nguyên chuỗi cũ dưới tên Ethereum Classic. Điều đó tạo nên một tấm lưới an toàn: không một cá nhân nào có thể ép toàn bộ mạng lưới đi theo một hướng. Với ChatGPT, bạn không có quyền đó. OpenAI có thể quyết định rằng một mô hình được yêu thích không còn tồn tại, và bạn chỉ có hai lựa chọn: chấp nhận hoặc rời đi. Không có fork, không có snapshot, không có biểu quyết. Sự khác biệt này nói lên bản chất của hai thế giới: một bên là quyền tự do rời bỏ, một bên là sự chấp nhận bất lực. Sự kiện này chạm đến một chủ đề mà cộng đồng NFT rất nhạy cảm: tính bền vững của tác phẩm nghệ thuật được tạo ra bởi AI. Năm 2021, tôi từng phân tích hàng nghìn tác phẩm NFT generative, và một phần giá trị của chúng đến từ việc nghệ sĩ có thể kiểm soát thuật toán, sửa lỗi, bảo trì code. Khi nghệ sĩ dựa vào một mô hình AI do một công ty kiểm soát, họ bị phụ thuộc hoàn toàn. DALL-E có thể biến mất chỉ sau một đêm – nghĩa là toàn bộ quy trình sáng tác, toàn bộ phong cách đã định hình cho một dự án NFT, có thể bị đặt dấu chấm hết. Càng ngày, tôi càng tin rằng các nghệ sĩ số cần học cách sử dụng các công cụ mã nguồn mở, hoặc chấp nhận rủi ro nền tảng. Các dự án AI phi tập trung như Bittensor, Render Network hay Akash đang cố gắng tạo ra một hạ tầng thay thế, nơi các mô hình không bị kiểm soát bởi một công ty duy nhất. Tôi đã theo dõi chúng từ rất sớm. Mặc dù chất lượng vẫn chưa thể sánh bằng các ông lớn tập trung, nhưng sự kiện DALL-E chính là minh chứng rõ nhất cho nhu cầu tồn tại của chúng. Khi một công ty có thể rút phích cắm một sản phẩm chỉ vì lý do nội bộ, người dùng sẽ bắt đầu tìm kiếm những lựa chọn không ai có thể rút phích cắm. Câu hỏi là khi nào. Câu hỏi lớn vẫn bỏ ngỏ: liệu API DALL-E 3 có bị ngừng hoàn toàn hay không? Nếu OpenAI chỉ loại khỏi giao diện ChatGPT, tác động lên doanh nghiệp sẽ nhỏ hơn. Nhưng nếu họ cũng chấm dứt endpoint trên API, hàng loạt startup phụ thuộc vào DALL-E sẽ phải bơi trong nước lớn. Tôi từng thấy sự việc tương tự khi một sàn giao dịch lớn thông báo hủy niêm yết token – giá token lao dốc trước cả khi sàn chính thức đóng lệnh rút tiền. Đây là lý do tại sao chúng ta cần theo dõi thông tin từ OpenAI bằng con mắt của một nhà điều tra on-chain, không phải của một fan công nghệ. Vậy câu hỏi tiếp theo không phải là DALL-E đã chết khi nào, mà là bạn có sẵn sàng xây dựng trên một hệ thống mà người khác có thể khai tử bất cứ lúc nào không? Liệu người dùng có học được bài học này, hay họ sẽ lại tin tưởng một gã khổng lồ AI khác? Tôi không biết. Nhưng tôi biết rằng, đối với những nhà xây dựng blockchain, thông điệp rất rõ ràng: hãy tự chủ hạ tầng, hoặc chấp nhận bị điều khiển. Hợp đồng đó đã hết hạn; một hợp đồng mới, nơi quyền lực được phân tán, vẫn đang chờ ai đó ký.