Năng lực đa phương thức
Nói ngắn gọn: Gemini vs ChatGPT không phải cuộc so sánh kiểu được ăn cả ngã về không. Cả hai họ mô hình đều có thể hữu ích cho văn bản, hình ảnh, tệp, lập luận và năng suất. Câu hỏi hay hơn thì hẹp hơn: "Mô hình nào hợp hơn với đúng đầu vào và đầu ra này?". Với công việc đa phương thức, điều đó nghĩa là đánh giá xem trợ lý xử lý tốt tới đâu khi có văn bản kèm hình ảnh, ảnh chụp màn hình, biểu đồ, PDF, bảng biểu và nhiều tài liệu nền dài.
Gemini có lợi thế rõ ở cách Google định vị API Gemini quanh việc đa phương thức và ngữ cảnh dài. Google nói các mô hình Gemini có thể hiểu văn bản, video, âm thanh và hình ảnh, còn hướng dẫn về ngữ cảnh dài của họ nhấn mạnh các tình huống bạn đưa vào một khối lượng lớn tài liệu liên quan ngay từ đầu. Điều đó khiến Gemini đặc biệt đáng thử khi công việc là "đọc tập tài liệu lớn này và trả lời câu hỏi dựa trên nó" hoặc "kết hợp bằng chứng hình ảnh với bối cảnh bằng chữ".
ChatGPT vẫn rất mạnh ở năng suất thực tế: soạn thảo, phân tích, lập kế hoạch, hỗ trợ lập trình, dọn dẹp dữ liệu và biến ghi chú lộn xộn thành kết quả dùng được. OpenAI có tài liệu về một dải mô hình rộng, gồm các mô hình nhận đầu vào văn bản và hình ảnh, đầu ra có cấu trúc, công cụ và các quy trình thiên về lập luận. Trên thực tế, ChatGPT thường là điểm dừng đầu tiên mượt mà hơn khi công việc chủ yếu là ngôn ngữ, chiến lược, biên tập hoặc thực thi từng bước.
Sai lầm là coi đa phương thức như một ô đánh dấu. "Nhận được hình ảnh" là một khẳng định rất khác với "rút được chi tiết từ ảnh chụp màn hình một cách đáng tin, nối chúng với một tệp PDF, và đưa cho bạn một bảng dùng được ngay". Với bất cứ việc gì quan trọng, hãy đưa cùng một đầu vào qua cả hai và chấm điểm kết quả theo độ chính xác, những chi tiết bị bỏ sót, khả năng kiểm soát định dạng, và còn bao nhiêu công phải dọn.
Quy trình với tài liệu dài
Ngữ cảnh dài là nơi Gemini xứng đáng được chú ý riêng. Google cho biết nhiều mô hình Gemini có cửa sổ ngữ cảnh từ 1 triệu token trở lên, và tài liệu về ngữ cảnh dài của họ nêu những ví dụ cụ thể như mã nguồn lớn, nhiều tài liệu cùng lúc, bản ghi lời thoại dài và tài liệu tham chiếu đồ sộ. Điều đó không có nghĩa mọi prompt dài đều nên đổ hết vào mô hình mà không suy nghĩ. Nó có nghĩa Gemini là ứng viên mạnh khi vấn đề cốt lõi là giữ được một lượng lớn tài liệu nguồn cùng lúc.
Dùng Gemini trước khi bạn có một tập tài liệu dày: bản ghi nhớ gửi nhà đầu tư, bản tóm tắt pháp lý, báo cáo nghiên cứu, tài liệu yêu cầu sản phẩm, bản mổ xẻ đối thủ, hoặc một thư mục ghi chú mà bạn muốn phân tích cùng nhau. Dùng ChatGPT trước khi việc tài liệu nhanh chóng chuyển thành việc truyền đạt: viết khuyến nghị, tạo bản tóm tắt cho lãnh đạo, dựng kế hoạch ra mắt, hoặc chuyển các phát hiện thành ngôn ngữ sẵn sàng gửi khách hàng.
Một quy trình xử lý PDF thực tế trông như sau:
- Tải lên tệp PDF, báo cáo hoặc tập tài liệu.
- Yêu cầu một bản kiểm kê bám sát nguồn: các phần, bảng biểu, biểu đồ, ngày tháng, khẳng định và câu hỏi chưa có lời đáp.
- Yêu cầu mô hình chỉ trích xuất những gì có mặt rõ ràng, kèm tham chiếu trang hoặc mục khi có.
- Nhờ mô hình thứ hai rà lại phần trích xuất để tìm mục bị bỏ sót hoặc khẳng định quá tự tin.
- Chuyển câu trả lời cuối sang định dạng bạn cần: bản ghi nhớ tóm tắt, bảng kiểu bảng tính, tài liệu ra quyết định, câu hỏi thường gặp hoặc danh sách công việc.
- Tự tay kiểm tra mọi con số, trích dẫn, chi tiết pháp lý, chi tiết y tế hoặc khẳng định tài chính trước khi dùng.
Đây là một prompt bạn có thể dùng lại: "Hãy phân tích tệp PDF này để phục vụ một quyết định kinh doanh. Trước hết tạo bản đồ tài liệu. Sau đó rút ra các khẳng định, con số, rủi ro và khuyến nghị. Đừng suy đoán những dữ kiện còn thiếu. Đặt các mục chưa chắc chắn vào một phần riêng. Kết thúc bằng một bảng quyết định gồm bằng chứng, mức tin cậy, và những gì tôi nên tự kiểm chứng."
Với việc xử lý hình ảnh, hãy dùng quy trình tương tự: "Hãy xem ảnh chụp màn hình hoặc hình ảnh này. Trước hết chỉ mô tả bằng chứng nhìn thấy được. Sau đó rút thông tin có cấu trúc vào một bảng. Rồi liệt kê các cách diễn giải khả dĩ tách riêng khỏi những quan sát đã xác nhận. Đánh dấu mọi chỗ quá nhỏ, bị cắt xén, mờ hoặc khó đọc." Cách này giúp mô hình không trộn lẫn bằng chứng hình ảnh với giả định.
Đầu ra có cấu trúc
Đầu ra có cấu trúc quan trọng khi câu trả lời phải trở thành dữ liệu. Một đoạn văn hay là chưa đủ nếu bạn đang rút các trường trên hóa đơn, gắn nhãn phản hồi khách hàng, biến một tệp PDF thành bảng kiểu CSV, phân loại ghi chú nghiên cứu, hoặc tạo JSON cho một ứng dụng. Đây là một trong những cách gọn nhất để so sánh các tình huống dùng API Gemini với API ChatGPT.
Google có tài liệu về đầu ra có cấu trúc của Gemini như một cách buộc câu trả lời của mô hình tuân theo lược đồ JSON được cung cấp, với các tình huống gồm trích xuất dữ liệu, phân loại và quy trình kiểu tác nhân. Google cũng lưu ý rằng đầu ra có cấu trúc không bảo đảm các giá trị đúng về mặt ngữ nghĩa, nên việc kiểm tra ở tầng ứng dụng vẫn cần thiết. Lưu ý đó rất quan trọng: một JSON hợp lệ vẫn có thể chứa một con số sai.
OpenAI có tài liệu về Structured Outputs để bảo đảm câu trả lời tuân theo lược đồ JSON bạn cung cấp, với hỗ trợ ở các mô hình ngôn ngữ lớn hiện tại và hướng dẫn về gọi hàm so với định dạng câu trả lời. OpenAI cũng phân biệt Structured Outputs với chế độ JSON cơ bản, nơi đầu ra có thể là JSON hợp lệ mà chưa chắc khớp với lược đồ bạn muốn.
Với người không phải lập trình viên, cũng nguyên tắc đó nhưng bằng lời thường: hãy nói chính xác bạn muốn những trường nào. Ví dụ: "Trả về một bảng có các cột khẳng định, vị trí nguồn, trích dẫn bằng chứng, mức rủi ro, người phụ trách và câu hỏi cần theo dõi. Nếu thiếu một trường, hãy ghi Không tìm thấy." Dù bạn dùng Gemini, ChatGPT hay cả hai, mục tiêu là một đầu ra có thể đoán trước để bạn rà soát nhanh.
Lựa chọn tốt nhất theo từng tình huống
AI tốt nhất cho hình ảnh và văn bản phụ thuộc vào quy trình. Hãy dùng bảng tình huống này làm điểm khởi đầu, rồi thử với tài liệu thật của bạn.
| Tình huống | Bắt đầu với | Vì sao | Bước kiểm chứng |
|---|---|---|---|
| PDF dài hoặc tập tài liệu nghiên cứu | Gemini | Quy trình ngữ cảnh dài là thế mạnh lớn của Gemini, nhất là khi nguồn tài liệu đồ sộ | Nhờ ChatGPT phản biện bản tóm tắt và liệt kê bằng chứng còn thiếu |
| Ảnh chụp màn hình, biểu đồ hoặc hình ảnh kèm chỉ dẫn bằng chữ | Gemini hoặc ChatGPT | Cả hai đều đáng thử; chất lượng tùy độ rõ của ảnh và đầu ra bạn yêu cầu | Bắt buộc có phần bằng chứng nhìn thấy được trước phần diễn giải |
| Bản ghi nhớ cấp lãnh đạo từ ghi chú lộn xộn | ChatGPT | Hợp với cấu trúc, giọng văn, sắp thứ tự ưu tiên và soạn thảo trau chuốt | Nhờ Gemini kiểm tra xem bản ghi nhớ có bỏ sót chi tiết trong tài liệu không |
| Trích xuất dữ liệu ra JSON hoặc bảng | Cả hai | Cả Gemini và OpenAI đều có tài liệu về quy trình đầu ra có cấu trúc | Kiểm tra các trường, giá trị cho phép, ngày tháng và con số trước khi dùng |
| Tài liệu yêu cầu hoặc đặc tả sản phẩm | Gemini trước cho ngữ cảnh lớn, ChatGPT cho kế hoạch cuối | Gemini xử lý được nhiều tài liệu nguồn hơn; ChatGPT định hình được kế hoạch thực thi | So sánh các giả định và yêu cầu ca kiểm thử hoặc tiêu chí nghiệm thu |
| Năng suất hằng ngày | ChatGPT | Thường nhanh cho email, lập kế hoạch, viết lại, nghĩ ý tưởng và chia nhỏ công việc | Dùng Gemini khi công việc có tài liệu lớn hoặc bối cảnh hình ảnh |
Quy trình đáng tin nhất không phải là trung thành với một mô hình. Đó là so sánh mô hình. Chạy cùng một prompt ở Gemini và ChatGPT, rồi chọn câu trả lời chính xác hơn, hữu ích hơn và dễ kiểm chứng hơn.
Một thang chấm điểm đơn giản: cho mỗi kết quả từ 1 đến 5 điểm về độ chính xác so với nguồn, mức bao phủ, cấu trúc, khả năng hành động được và công phải dọn. Nếu chênh lệch nhỏ, hãy dùng mô hình nhanh hơn hoặc rẻ hơn cho việc đó. Nếu chênh lệch lớn, hãy lưu prompt thắng cuộc làm quy trình mặc định của bạn.
Bắt đầu so sánh
Cách gọn nhất để chọn giữa Gemini và ChatGPT là so sánh chúng trên cùng một việc trong cùng một không gian làm việc. Hãy lấy một tệp PDF, một ảnh chụp màn hình, một biểu đồ hoặc một tập tài liệu từ chính tuần làm việc của bạn. Chạy prompt ở cả hai mô hình. Xem mỗi mô hình nhận ra gì, bỏ sót gì, bịa ra gì và định dạng tốt tới đâu.
Hãy thử điều này bên trong Whizi: tải lên cùng một việc với PDF hoặc hình ảnh, chạy qua Gemini và ChatGPT, rồi biến kết quả thắng cuộc thành một quy trình tái sử dụng. Bạn không cần phải kết luận rằng một mô hình là lựa chọn yêu thích vĩnh viễn. Bạn cần một cách lặp lại được để chọn đúng mô hình cho từng việc.
Để có khung quyết định rộng hơn về mô hình, hãy đọc ChatGPT vs Claude vs Gemini. Khi bạn sẵn sàng so sánh các gói, hãy xem bảng giá Whizi, hoặc tạo tài khoản tại trang đăng ký Whizi.
- Dùng Gemini trước cho tập tài liệu lớn, phân tích ngữ cảnh dài và rà soát nguồn đa phương thức
- Dùng ChatGPT trước cho soạn thảo, lập kế hoạch, viết lại và biến phân tích thành kết quả trau chuốt
- Yêu cầu bằng chứng nhìn thấy được trước phần diễn giải khi phân tích hình ảnh hoặc ảnh chụp màn hình
- Dùng các trường có cấu trúc khi trích xuất dữ liệu từ PDF, biểu đồ, hóa đơn, ghi chú nghiên cứu hoặc phản hồi khách hàng
- So sánh cùng một prompt trên nhiều mô hình trước khi chọn một quy trình để dùng lâu dài
Câu hỏi thường gặp
Với tài liệu thì Gemini có tốt hơn ChatGPT không?
Gemini đặc biệt đáng thử cho các quy trình tài liệu dài và ngữ cảnh lớn, vì Google nhấn mạnh cửa sổ ngữ cảnh rất lớn trong API Gemini. ChatGPT vẫn có thể rất tốt ở việc tóm tắt, viết lại và biến các phát hiện thành sản phẩm trau chuốt. Câu trả lời tốt nhất là thử cả hai trên cùng một tài liệu.
Với hình ảnh thì ChatGPT hay Gemini tốt hơn?
Cả hai đều có thể hữu ích cho việc kết hợp hình ảnh và văn bản. Để kết quả đáng tin, hãy yêu cầu mô hình tách bằng chứng nhìn thấy được khỏi phần diễn giải, rồi so sánh kết quả. Độ rõ của ảnh, cách cắt ảnh và mức cụ thể của prompt thường quan trọng ngang việc chọn mô hình.
Đầu ra có cấu trúc thì cái nào tốt hơn?
Cả Gemini và OpenAI đều có tài liệu về năng lực đầu ra có cấu trúc. Hãy dùng đầu ra có cấu trúc khi bạn cần JSON, bảng, nhãn phân loại hoặc các trường được trích xuất, và luôn kiểm tra lại các giá trị trước khi dùng trong sản phẩm thật hoặc để ra quyết định.