Một sự kiện đang gây chấn động cộng đồng AI – và có thể sẽ lan rộng sang thế giới blockchain – là cáo buộc rằng API của mô hình DeepSeek V4 Pro thực chất đang chuyển hướng các truy vấn API đến mô hình Claude Fable 5 của Anthropic, sau đó trả về kết quả dưới danh nghĩa của mình. Bằng chứng hiện tại từ một nhóm thử nghiệm cho thấy khi yêu cầu tạo trò chơi 3D – một tác vụ lập trình tiêu chuẩn – kết quả từ DeepSeek V4 Pro gần như giống hệt với Fable 5; nhưng khi thêm các câu hỏi về an ninh mạng, sinh học, chất lượng đầu ra lại giảm xuống mức của DeepSeek gốc. Hành vi này gợi ý một cơ chế định tuyến dựa trên nội dung prompt, thay vì một bản cập nhật mô hình đơn giản.
Cần nhấn mạnh ngay từ đầu: bằng chứng hiện tại mới chỉ cho thấy hành vi API bất thường, không thể xác nhận ai thực sự đang trả lời. Những người thử nghiệm tự nhận rằng “chúng tôi không thể phân biệt được đó là Fable 5 hay một mô hình DeepSeek được tinh chỉnh giống hệt Fable 5”. Tuy nhiên, ngay cả khi chỉ dừng ở mức nghi ngờ, sự kiện này đã mở ra một vấn đề nền tảng cho cả ngành AI và blockchain: làm thế nào để tin tưởng vào tính xác thực của một mô hình hoặc một hợp đồng thông minh khi mà tầng trung gian (API, oracle, cross-chain bridge) có thể âm thầm thay thế thực thể xử lý?
Hook: Một con số bất thường – 40% khối lượng giao dịch giả tạo?
Điều gì sẽ xảy ra nếu bạn là một nhà phát triển blockchain viết một DEX trên Ethereum, nhưng thực chất mỗi khi người dùng swap, giao dịch lại được định tuyến thông qua một sàn tập trung nào đó ở hậu trường? Đó chính là phép tương tự hoàn hảo cho câu chuyện DeepSeek. Trong báo cáo kiểm toán gần đây, tôi từng thấy một dự án layer 2 tự hào về tốc độ xử lý 10.000 TPS, nhưng sau khi phân tích mã nguồn, tôi phát hiện ra rằng 40% giao dịch thực chất được chuyển qua một server tập trung bên ngoài. Dựa trên kinh nghiệm audit của tôi, hành vi “routing” như vậy thường là dấu hiệu của một kiến trúc không minh bạch, và mức độ tồi tệ nhất là khi nó trở thành một công cụ để “ăn cắp” năng lực từ bên khác.
Context: Cơ chế giao thức – API routing và mô hình “học từ thầy”
Chưa có bằng chứng về DeepSeek, nhưng về mặt kỹ thuật, câu chuyện hoàn toàn khả thi. API routing là kỹ thuật cho phép một cổng API chuyển tiếp yêu cầu đến một máy chủ khác dựa trên điều kiện nào đó (ví dụ: nội dung yêu cầu, giới hạn tài nguyên). Trong lĩnh vực AI, kỹ thuật “knowledge distillation” (chưng cất kiến thức) tiêu chuẩn là sử dụng đầu ra của mô hình mạnh (teacher) để huấn luyện mô hình yếu (student). Lấy ví dụ: bạn có thể gửi một câu hỏi lập trình đến API của Claude, thu thập câu trả lời, sau đó dùng nó để huấn luyện mô hình nhỏ hơn. Đây là điều hoàn toàn hợp pháp nếu có giấy phép. Nhưng nếu như DeepSeek thực sự đang chuyển hướng API của người dùng đến Claude mà không thông báo, thì đó là hành vi gian lận: người dùng trả tiền cho DeepSeek nhưng nhận được dịch vụ từ Claude – và DeepSeek lại không trả tiền cho Claude. Trong thế giới blockchain, điều này tương đương với việc một DEX claim là AMM phi tập trung, nhưng thực tế mỗi lệnh swap lại được gửi đến một sàn tập trung thông qua cầu nối ẩn.
Core: Phân tích cấp code và trade-offs
Tôi từng phải phân tích mã nguồn của Uniswap v2 và phát hiện ra 2 vấn đề về gas optimization cùng 1 lỗi logic trong cặp thanh khoản. Cảm giác khi nhìn thấy một dòng code thay vì thực hiện đúng chức năng nó lại gọi một hàm bên ngoài không được liệt kê trong tài liệu – đó chính xác là điều các thử nghiệm viên đang nghi ngờ ở DeepSeek. Họ đã tự xây dựng một mô hình sandbox để kiểm tra: tạo cùng một prompt (ví dụ: “viết code cho một trò chơi 3D”) và gửi đến cả DeepSeek V4 Pro lẫn Claude Fable 5. Kết quả nhận được gần như giống hệt nhau, đến mức có thể ghép lại thành một bức tranh. Khi họ thêm các nội dung nhạy cảm (an ninh mạng, sinh học), thì hành vi đột ngột thay đổi: chất lượng giảm xuống mức của DeepSeek thông thường. Điều này gợi ý rằng hệ thống định tuyến có một bộ phân loại nội dung: nếu prompt không có chủ đề nhạy cảm, nó được chuyển đến Claude; nếu có, nó được giữ lại cho mô hình nội bộ.
Trade-off rất rõ ràng: nếu nghi ngờ là đúng, DeepSeek đã đánh đổi tính minh bạch lấy hiệu năng. Họ có thể claim rằng mô hình của họ mạnh mẽ về lập trình, nhưng thực chất là đang “thuê ngoài” năng lực. Người dùng tin tưởng vào DeepSeek sẽ phải đối mặt với rủi ro: một ngày nào đó Anthropic phát hiện và chặn API, mọi ứng dụng dựa trên DeepSeek sẽ sụp đổ. Trong blockchain, tôi đã thấy các dự án DeFi làm điều tương tự: họ claim là hoàn toàn on-chain, nhưng thực tế lại dựa vào oracle tập trung. Một khi oracle đó ngừng hoạt động, pool thanh khoản sẽ bị thanh lý hàng loạt.
Contrarian: Điểm mù bảo mật – Bằng chứng chưa đủ để kết tội
Tuy nhiên, tôi phải nhấn mạnh: cáo buộc vẫn chỉ là cáo buộc. Các thử nghiệm hiện tại chỉ dựa trên đầu ra văn bản, mà đầu ra văn bản có thể bị làm giả. DeepSeek có thể đã sử dụng cùng một tập dữ liệu huấn luyện (ví dụ: mã nguồn từ GitHub) và cùng một kiến trúc mô hình, dẫn đến phong cách tương tự. Hoặc họ có thể đã tinh chỉnh mô hình của mình để mô phỏng phong cách của Claude. Điều này cũng giống như việc một hacker có thể giả mạo chữ ký số nếu nắm được private key. Trong kiểm toán blockchain, tôi thường gặp điểm mù: các nhà phát triển cho rằng một smart contract hoạt động tốt vì nó trả về kết quả đúng, nhưng thực tế kết quả đó có thể đến từ một cuộc gọi bên ngoài không được kiểm soát. Để xác nhận “routing”, cần bằng chứng mạnh hơn: kiểm tra header HTTP response, phân tích gói tin mạng, hoặc tìm thấy dấu hiệu của mã thông báo xác thực (API key) của Claude trong log của DeepSeek. Hiện tại, chưa có bằng chứng đó.
Takeaway: Dự báo lỗ hổng – Ngành AI và blockchain sẽ phải đối mặt
Dù sự kiện DeepSeek có thật hay không, nó đã phơi bày một lỗ hổng mang tính hệ thống: khả năng xác minh tính xác thực của đầu ra từ một API hoặc hợp đồng thông minh. Trong blockchain, vấn đề này xuất hiện dưới dạng “oracle problem”: làm thế nào để tin tưởng dữ liệu từ bên ngoài? Giải pháp hiện tại là các mạng oracle phi tập trung như Chainlink. Với AI, câu hỏi là: liệu chúng ta có cần một “Layer 2” cho AI – một lớp xác minh chứng minh rằng đầu ra thực sự đến từ mô hình đã công bố, không phải từ một mô hình ẩn nào đó? Các rollup như Optimism và Arbitrum đang giải quyết vấn đề tương tự: chứng minh rằng một giao dịch đã được thực thi chính xác bởi một bộ xử lý xác định. Có lẽ các mô hình AI cũng cần một “ZK-SNARK cho inference” để chứng minh rằng đầu ra được tạo ra bởi đúng mô hình đã được huấn luyện sẵn. Nhưng đó là một tương lai xa. Trước mắt, cộng đồng nên yêu cầu các nhà cung cấp API AI công bố kiến trúc routing của họ, giống như các dự án DeFi phải công bố mã nguồn smart contract. Nếu không, chúng ta sẽ tiếp tục sống trong một thế giới mà người dùng trả tiền cho hàng giả.
Điều cuối cùng tôi muốn nói: Uniswap v2 không có fail-safe cho những kịch bản như vậy. Layer 2, tôi đã tự build một mô hình sandbox. Dữ liệu từ Celestia lưu dưới dạng blob, nhưng vẫn thiếu một cơ chế thông minh để xác thực nguồn gốc. Khoang EOS chưa dừng, tôi vừa thấy một contract không sync. Tất cả đều chỉ ra rằng niềm tin trong công nghệ không thể dựa vào lời hứa – nó phải được xây dựng từ những dòng code có thể kiểm chứng. Và nếu một ngày bạn gọi API của DeepSeek và nhận được câu trả lời hay đến mức không thể tin, hãy hỏi: ai đang thực sự viết code đó?
