Một lỗ hổng bảo mật ngớ ngẩn trong API vô tình biến chuỗi tư duy giấu kín của Claude Opus thành "sách giải" công khai. Nghiên cứu mới cho thấy chỉ cần nạp 1% đoạn tư duy này vào Kimi K3, AI nhà Moonshot lập tức "bật công tắc" tư duy giống hệt đối thủ, trao cho phía Mỹ một bằng chứng khó chối cãi.
Chuyện các công ty AI nghi ngờ lẫn nhau việc "xào lại" (distill) dữ liệu tư duy vốn không mới. Nhưng giữa lúc làn sóng hoài nghi mô hình Kimi K3 của Moonshot "học lỏm" từ Anthropic đang ở đỉnh điểm, một nghiên cứu mới công bố về lỗ hổng API lại vô tình trao cho giới phân tích một bằng chứng nặng ký.
Trớ trêu ở chỗ, nghiên cứu mới phát hiện các ông lớn như OpenAI, Anthropic hay Google lại dùng chung một khóa mã hóa toàn cầu cho cả hệ sinh thái của mình.
Dù mô hình thông minh nhất như Claude Opus được huấn luyện rất nghiêm ngặt để từ chối tiết lộ suy nghĩ ẩn, người ta vẫn có cách "lách luật". Bạn chỉ cần chép nguyên khối mã hóa tư duy của Claude Opus rồi gửi cho một mô hình em nhỏ hơn, rẻ hơn như Claude Haiku. Do Claude Haiku không có rào cản bảo mật nghiêm ngặt, nó sẽ hồn nhiên giải mã khối dữ liệu và in ra trọn vẹn từng dòng suy nghĩ thầm kín của mô hình đàn anh.
Kết quả thu được khiến nhiều người bất ngờ. Ngay lập tức, cách tư duy và câu trả lời cuối cùng của Kimi K3 dịch chuyển một cách ngoạn mục, khớp hoàn toàn từ văn phong đến cách dùng từ của Claude Opus.
Dữ liệu đo lường cho thấy, việc trích xuất các đoạn tư duy đặc trưng của Claude và GPT từ Kimi K3 dễ hơn tới 6 lần về mặt đại lượng (orders of magnitude) so với bất kỳ mô hình nối tiếp nào. Khi đặt cạnh các mô hình mã nguồn mở khác như DeepSeek-V4-Flash, Kimi K3 thể hiện xác suất thống kê cao bất thường trong việc dự đoán và viết tiếp văn bản của Claude. Điều này cho thấy sự tương thích kỳ lạ trong mô hình hành vi suy luận giữa hai bên.
Phía Mỹ từ lâu đã nghi ngờ kịch bản các kỹ sư Trung Quốc mang theo ổ cứng chứa mô hình sang các quốc gia thân thiện với Mỹ, sau đó tận dụng kỹ thuật học tăng cường trên dàn GPU NVIDIA tiên tiến để nâng cấp năng lực cho AI của mình. Thậm chí, theo cáo buộc gần đây từ quan chức chính quyền Mỹ, Moonshot không chỉ lén lút sở hữu một số máy chủ NVIDIA GB300 mà còn tiếp cận thêm dòng chip này thông qua con đường Thái Lan.
Chuyện các công ty AI nghi ngờ lẫn nhau việc "xào lại" (distill) dữ liệu tư duy vốn không mới. Nhưng giữa lúc làn sóng hoài nghi mô hình Kimi K3 của Moonshot "học lỏm" từ Anthropic đang ở đỉnh điểm, một nghiên cứu mới công bố về lỗ hổng API lại vô tình trao cho giới phân tích một bằng chứng nặng ký.
Từ chiếc chìa khóa mã hóa xài chung
Các mô hình AI tiên tiến hiện nay đều có quá trình suy luận ẩn (Chain of Thought) trước khi đưa ra câu trả lời cuối cùng. Để tiết kiệm bộ nhớ máy chủ, các nhà phát triển thường đóng gói chuỗi tư duy này thành một khối văn bản mã hóa rồi gửi qua lại với trình duyệt người dùng.Trớ trêu ở chỗ, nghiên cứu mới phát hiện các ông lớn như OpenAI, Anthropic hay Google lại dùng chung một khóa mã hóa toàn cầu cho cả hệ sinh thái của mình.
Dù mô hình thông minh nhất như Claude Opus được huấn luyện rất nghiêm ngặt để từ chối tiết lộ suy nghĩ ẩn, người ta vẫn có cách "lách luật". Bạn chỉ cần chép nguyên khối mã hóa tư duy của Claude Opus rồi gửi cho một mô hình em nhỏ hơn, rẻ hơn như Claude Haiku. Do Claude Haiku không có rào cản bảo mật nghiêm ngặt, nó sẽ hồn nhiên giải mã khối dữ liệu và in ra trọn vẹn từng dòng suy nghĩ thầm kín của mô hình đàn anh.
Cơn ác mộng bảo mật vượt khỏi tầm kiểm soát
Việc các đoạn tư duy ẩn bị đọc vị không chỉ dừng lại ở chuyện lộ bí kíp công nghệ, mà còn mở ra hàng loạt rủi ro an ninh mạng nghiêm trọng:- Rò rỉ dữ liệu và tài khoản: Lục lại các nhật ký phiên làm việc được lập trình viên công khai trên mạng, nhóm nghiên cứu đã giải mã và tìm thấy 367 thông tin cá nhân cùng 182 thông tin đăng nhập bảo mật (gồm cả API key và mật khẩu) nằm gọn trong các khối mã hóa tưởng như an toàn.
- Vô hiệu hóa rào cản an toàn: Ngay cả khi AI từ chối đưa ra câu trả lời nguy hại ở kết quả cuối cùng, phần tư duy bị giải mã vẫn phơi bày trọn vẹn từng bước thực hiện độc hại mà nó từng cân nhắc ở bên trong.
- Cài cắm mã độc ẩn: Kẻ tấn công hoàn toàn có thể giấu các lệnh độc hại ngay bên trong khối văn bản mã hóa vô hình này để thao túng toàn bộ luồng làm việc của AI.
Mẫu thử 1% và "bằng chứng thép" gọi tên Kimi K3
Chính nhờ khả năng bóc tách tư duy mà không cần phá khóa mã hóa, nhóm nghiên cứu đã tiến hành một thử nghiệm thú vị: họ lấy đúng 1% mảnh ghép từ chuỗi tư duy đã giải mã của Claude Opus 4.8 và nạp vào Kimi K3.Kết quả thu được khiến nhiều người bất ngờ. Ngay lập tức, cách tư duy và câu trả lời cuối cùng của Kimi K3 dịch chuyển một cách ngoạn mục, khớp hoàn toàn từ văn phong đến cách dùng từ của Claude Opus.
Dữ liệu đo lường cho thấy, việc trích xuất các đoạn tư duy đặc trưng của Claude và GPT từ Kimi K3 dễ hơn tới 6 lần về mặt đại lượng (orders of magnitude) so với bất kỳ mô hình nối tiếp nào. Khi đặt cạnh các mô hình mã nguồn mở khác như DeepSeek-V4-Flash, Kimi K3 thể hiện xác suất thống kê cao bất thường trong việc dự đoán và viết tiếp văn bản của Claude. Điều này cho thấy sự tương thích kỳ lạ trong mô hình hành vi suy luận giữa hai bên.
Sức ép bủa văng lên cuộc đua phần cứng
Nghiên cứu này xuất hiện đúng thời điểm Moonshot bị cuốn vào tâm bão tranh chấp công nghệ giữa Mỹ và Trung Quốc. Anthropic cùng một số quan chức trong chính quyền ông Trump từng không ít lần cáo buộc mô hình của Moonshot được huấn luyện dựa trên dữ liệu chắt lọc từ các mô hình dòng Claude.Phía Mỹ từ lâu đã nghi ngờ kịch bản các kỹ sư Trung Quốc mang theo ổ cứng chứa mô hình sang các quốc gia thân thiện với Mỹ, sau đó tận dụng kỹ thuật học tăng cường trên dàn GPU NVIDIA tiên tiến để nâng cấp năng lực cho AI của mình. Thậm chí, theo cáo buộc gần đây từ quan chức chính quyền Mỹ, Moonshot không chỉ lén lút sở hữu một số máy chủ NVIDIA GB300 mà còn tiếp cận thêm dòng chip này thông qua con đường Thái Lan.
