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). Trong kết quả đánh giá đầu tiên, V-LLM v1 của Vingroup đạt điểm số cao nhất, vượt nhiều mô hình AI quốc tế.
Ngày 6/7, Trường Đại học VinUni chính thức giới thiệu V-Bench - bộ công cụ được phát triển 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.
Ở đợt đánh giá đầu tiên, V-Bench tiến hành chấm điểm 15 mô hình ngôn ngữ lớn (LLM). Theo bảng xếp hạng V-Bench Intelligence Index, V-LLM v1 của Vingroup đạt 68 điểm, đứng đầu danh sách.
Xếp sau 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 và 54,8 điểm. Các mô hình của OpenAI gồm GPT-oss-120B và GPT-4.1-mini đạt 51,44 và 50,17 điểm.
Theo nhóm phát triển, kết quả được tổng hợp từ 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, sức khỏe cộng đồng; cùng năng lực Agentic AI. Các bài đánh giá trải rộng trên nhiều lĩnh vực như Toán, Vật lý, Hóa học, Khoa học máy tính, Luật, Triết học, Tâm lý và Logic.
V-Bench được Trung tâm Nghiên cứu AI thuộc Trường Đại học VinUni phát triển theo mô hình phi lợi nhuận. Bộ công cụ không chỉ đo khả năng trả lời câu hỏi mà còn đánh giá mức độ hiểu ngữ cảnh tiếng Việt, bao gồm phương ngữ Bắc - Trung - Nam, cách xưng hô, tri thức văn hóa và khả năng xử lý các tình huống đặc thù tại Việt Nam. Hệ thống cũng tích hợp tiêu chí về an toàn và chủ quyền số.
Trong giai đoạn tiếp theo, nhóm phát triển dự kiến mở rộng V-Bench sang các bài đánh giá đa phương thức như xử lý hình ảnh, âm thanh, nhận diện chữ Nôm, biển hiệu vùng miền, biểu đồ, di sản văn hóa và khả năng hiểu giọng nói ba miền.
Bên cạnh đó, bộ công cụ sẽ bổ sung khả năng đánh giá việc xử lý tài liệu tiếng Việt có độ dài trên 100.000 token, yêu cầu AI đọc hiểu và trích xuất thông tin từ văn bản pháp luật, hợp đồng, công báo và sách giáo khoa.
Việc xây dựng một bộ tiêu chuẩn đánh giá dành riêng cho tiếng Việt được xem là bước đi phù hợp trong bối cảnh các mô hình AI ngày càng được ứng dụng rộng rãi. Những bài kiểm tra được thiết kế theo ngữ cảnh Việt Nam có thể giúp phản ánh chính xác hơn khả năng xử lý ngôn ngữ và mức độ đáp ứng nhu cầu thực tế của người dùng.
Không chỉ tập trung vào hiệu năng, xu hướng phát triển các bộ đánh giá AI hiện nay còn hướng tới những tiêu chí như an toàn, chủ quyền số và hiểu biết văn hóa bản địa. Đây được xem là những yếu tố quan trọng để các mô hình AI có thể được triển khai rộng rãi và hiệu quả trong nhiều lĩnh vực tại Việt Nam.
