Trí tuệ tập thể: Phương diện tiếp theo của AI
107.175 mô hình AI phối hợp bên trong một mô hình Trí tuệ tập thể duy nhất.
Từ AI cá nhân đến Trí tuệ tập thể
AI đã dành kỷ nguyên qua để làm cho các mô hình cá nhân mạnh mẽ hơn. Phương diện tiếp theo là tập thể.
Các mô hình khác nhau đóng góp các góc nhìn khác nhau, và đó không phải là một khẩu hiệu: Định lý Bồi thẩm đoàn của Condorcet và Định lý Dự đoán Đa dạng của Hong và Page cho thấy sự đa dạng có cấu trúc có thể vượt trội hơn một chuyên môn đơn lẻ. Các chiến lược tập thể có cấu trúc biến nghiên cứu đó thành hành động: các mô hình suy luận độc lập, kiểm tra chéo lẫn nhau, và hội tụ về một câu trả lời duy nhất có thể kiểm toán.
Mục tiêu không phải là nhiều mô hình hơn. Mà là để các trí tuệ khác nhau phối hợp với nhau tốt hơn.
Đó chính là Trí tuệ tập thể. Ailin¹ đã vận hành nó.
Ailin¹ Collective: Cơ Chế Đằng Sau Lời Tuyên Bố
Ailin¹ được xây dựng cho Trí tuệ tập thể. Định tuyến, khám phá, điều phối và xác minh là những cơ chế phục vụ nó. Dựa trên 107.175 định danh mô hình có thể khám phá, mỗi yêu cầu được định tuyến qua một trong 32 chiến lược điều phối đã đăng ký: một mô hình đơn lẻ khi tốc độ là điều quan trọng, nhiều mô hình phối hợp để lập luận, tranh luận và kiểm tra chéo lẫn nhau khi độ chính xác mới là điều quan trọng.
Các câu trả lời tập thể bao gồm truy nguồn quyết định. Đường dẫn điều phối vẫn có thể kiểm tra được.
- Mô hình nào đã chạy
- Chiến lược nào đã điều phối chúng
- Chi phí tập thể là bao nhiêu
Thử nghiệm với các mô hình tiên tiến, công khai
Chúng tôi đã thử nghiệm tập thể với GPT-5.5-pro, Claude Opus 4.8, Gemini 3.1 Pro và Grok 4.3, chấm điểm bằng các câu trả lời khách quan, được máy kiểm tra thay vì thị hiếu. Trong một thử nghiệm có thể kiểm toán và tái lập, tập thể đã vượt trội hơn tất cả bốn mô hình đó. Xem kho mã nguồn.
Ailin¹ ra mắt ngày 15 tháng 9 năm 2026.
Tham gia trước khi phát hành rộng rãi và cùng định hình phiên bản đầu tiên.
Ailin¹ Tập thể
Mọi yêu cầu chạy qua cùng một chuỗi định tuyến phân tầng trước khi bất kỳ mô hình nào được gọi, một chuỗi có thể huy động các chiến lược tập thể bắt nguồn từ những kết quả nghiên cứu đã qua bình duyệt về ra quyết định nhóm, trong đó có Định lý Bồi thẩm đoàn của Condorcet và Định lý Dự đoán Đa dạng của Hong và Page. Nêu chính xác điều bạn muốn, và nó được tôn trọng ngay lập tức. Không nói gì, và chuỗi phân tầng quyết định thay bạn.
Công Nghệ Tiên Tiến Nhất Không Phải Một Hộp Đen. Đó Là Hai Đòn Bẩy Bạn Kiểm Soát.
Năm bí danh trải khắp toàn bộ dải lựa chọn, từ một mô hình đơn lẻ phản hồi tức thì cho tới đồng thuận giữa năm mô hình. Hai trường độc lập xác lập ranh giới: max_cost là mức trần, quality_target là mức sàn. Đặt một trong hai, hoặc cả hai. Ailin¹ Collective không bao giờ vượt qua bất kỳ ranh giới nào bạn đã xác lập.
Phần lớn nền tảng đưa cho bạn một danh sách mô hình rồi gọi đó là quyền lựa chọn. Ailin¹ đưa cho bạn hai đòn bẩy độc lập, không phải một thanh trượt duy nhất: câu trả lời cần tốt đến mức nào, và bạn sẵn sàng chi bao nhiêu để có được nó.
-
Giới hạn chi tiêu và để chất lượng tự tìm mức phù hợp.
-
Đảm bảo một mức sàn và để chi phí đi theo nhu cầu.
-
Cố định một hành lang chính xác giữa hai mức đó.
| Bí danh | Tối ưu cho | Chi phí điển hình | Dùng khi |
|---|---|---|---|
| ailin-auto | Cân bằng phù hợp, quyết định theo từng yêu cầu | Bình thường | Mặc định. Không có ràng buộc nào ngoài việc cân bằng chi phí và chất lượng. |
| ailin-best | Chất lượng, không giới hạn chi phí | Cao nhất | Công việc trọng yếu về tính đúng đắn, khi chi phí không phải là yếu tố giới hạn. |
| ailin-fast | Độ trễ, một mô hình duy nhất | Thấp | Các luồng tương tác có ngân sách độ trễ nghiêm ngặt. |
| ailin-economy | Chi phí, có mức trần cứng được thực thi | Thấp nhất | Tác vụ nền với khối lượng lớn |
| ailin-consensus | Độ chính xác nhờ kiểm tra chéo độc lập | Cao hơn, một cách có chủ đích | Sai sót âm thầm là dạng lỗi mà bạn trả tiền để loại bỏ. |
Mọi phản hồi đều trả về nguồn gốc quyết định trong ailin_metadata: strategy_used, models_used và cost_usd, nhờ đó quyết định định tuyến có thể được kiểm chứng thay vì phải tin tưởng.
Yêu cầu: client OpenAI hiện có của bạn, chỉ đổi một dòng
from openai import OpenAI
client = OpenAI(
base_url="https://api.ailin.one/v1",
api_key="YOUR_KEY",
)
response = client.chat.completions.create(
model="ailin-consensus",
messages=[{"role": "user", "content": "..."}],
extra_body={"max_cost": 0.15}
)Phản hồi
{
"ailin_metadata": {
"strategy_used": "ailin-consensus",
"models_used": [
"gpt-5.5-pro",
"claude-opus-4.8",
"gemini-3.1-pro"
],
"final_decider_model_id": "claude-opus-4.8",
"final_decider_role": "synthesizer",
"cost_usd": 0.0842,
"subcalls": [
{ "model_id": "gpt-5.5-pro", "role": "voter", "cost_usd": 0.0301, "latency_ms": 1840, "success": true },
{ "model_id": "claude-opus-4.8", "role": "synthesizer", "cost_usd": 0.0288, "latency_ms": 2010, "success": true },
{ "model_id": "gemini-3.1-pro", "role": "voter", "cost_usd": 0.0253, "latency_ms": 1650, "success": true }
]
}
}Cách Ailin¹ Collective quyết định: chuỗi định tuyến phân tầng
Một chuỗi phân tầng, được đánh giá theo thứ tự nhanh nhất trước. Mỗi yêu cầu được giải quyết sớm nhất có thể trong giới hạn an toàn, nhờ vậy các yêu cầu đơn giản hoàn tất nhanh, còn những yêu cầu khó hơn sẽ dùng đến các lớp sâu hơn.
Trước chuỗi phân tầng: bộ nhớ đệm ngữ nghĩa Một yêu cầu gần trùng với một yêu cầu gần đây sẽ trả về ngay phản hồi đã lưu trong bộ nhớ đệm. Bước phân loại và toàn bộ sáu lớp bên dưới đều bị bỏ qua hoàn toàn, không phải chỉ đi tắt mà là bỏ qua hẳn.
-
Định tuyến tường minh
Bạn đã chỉ định rõ, một bí danh, một mô hình hoặc một chiến lược, nên lớp này xử lý yêu cầu ngay lập tức. Nó luôn thắng mọi lớp bên dưới, và nếu điều bạn chỉ định không thể đáp ứng được, yêu cầu sẽ thất bại ngay lập tức thay vì âm thầm rơi xuống một lựa chọn khác.
-
Phân loại
Một mô hình chuyên trách đọc ý định và độ phức tạp của tác vụ, rồi đề xuất một chiến lược trước khi bất kỳ mô hình nào trong tập thể chạy. Đây là phân tích thực sự, không phải một bảng tra cứu, nên bản thân bước này cũng tốn một lệnh gọi thực (nhỏ).
-
Kho lưu cấu hình
Mở khóa sau 5 kết quả được ghi nhậnKhi đã có ít nhất 5 kết quả được ghi nhận cho một phân khúc tác vụ, Ailin¹ Collective tái sử dụng những gì đã được chứng minh thay vì suy luận lại từ đầu.
-
Biên tối ưu chi phí / chất lượng / độ trễ
Mở khóa sau 3 kết quả được ghi nhậnTối ưu trực tiếp sự đánh đổi đa mục tiêu (chất lượng, chi phí, tốc độ, tỷ lệ thành công) ngay khi đã có đủ lịch sử, dù chưa chứng minh được một kết quả khớp chính xác với phân khúc đó.
-
Ưu tiên chiến lược đã học
Mở khóa sau 5 kết quả được ghi nhậnMột bandit Thompson Sampling gán trọng số cho các chiến lược dựa trên kết quả thực tế được đo lường theo thời gian, tinh chỉnh chính các giá trị mặc định của chuỗi phân tầng, và nó tự kiểm toán chính mình: nếu tỷ lệ phần thưởng đo được tổng thể tụt xuống dưới 95% so với mốc tốt nhất từng được ghi nhận, bandit sẽ tự động đưa toàn bộ trạng thái đã học quay về đúng mốc tốt nhất đã biết đó.
-
Heuristic dự phòng
Nếu không có lớp nào ở trên giải quyết được yêu cầu, một heuristic tất định có chấm điểm sẽ chọn chiến lược dựa trên loại tác vụ, độ phức tạp và tập mô hình khả dụng. Quá trình xác định chiến lược luôn kết thúc bằng một quyết định, được ghi lại trong
strategy_used.
Sau chuỗi phân tầng: cổng quản trị chi phí Dù các lớp 1 đến 6 đã chọn gì, trừ khi bạn định tuyến tường minh, một lượt kiểm tra cuối cùng vẫn có thể hạ một lựa chọn tập thể đắt đỏ xuống thành một mô hình đơn lẻ khi lợi ích ước tính không đạt ngưỡng. Chỉ có yêu cầu định tuyến tường minh mới bỏ qua được cả bước kiểm tra này.
Các lớp 3 đến 5 mở khóa độc lập với nhau khi lịch sử sử dụng tích lũy cho một phân khúc tác vụ, từ 3 kết quả được ghi nhận cho biên tối ưu chi phí/chất lượng/độ trễ cho đến 5 kết quả cho kho lưu cấu hình và bandit ưu tiên chiến lược đã học; trước thời điểm đó, heuristic tất định và có thể kiểm toán ở lớp 6 sẽ đưa ra quyết định bất cứ khi nào lớp 1 và lớp 2 chưa giải quyết được yêu cầu.
32 Chiến Lược, Bắt Nguồn Từ Nghiên Cứu
Hàng chục cách để các mô hình suy nghĩ cùng nhau, mỗi cách đều có thể kiểm toán. Các vấn đề khác nhau hưởng lợi từ các hình thức suy luận tập thể khác nhau.
Không chiến lược nào trong số này là ngẫu hứng. Mỗi chiến lược trong danh mục đều gắn với một kết quả cụ thể, có tên gọi rõ ràng trong nghiên cứu về phối hợp hoặc ra quyết định tập thể, chứ không phải một phỏng đoán nội bộ khoác áo khoa học.
-
consensus
Định lý Bồi thẩm đoàn của Condorcet (1785): biểu quyết theo đa số giữa 3 đến 5 mô hình, kèm ngưỡng đa dạng tối thiểu để sự đồng thuận không thể đến từ những lập luận sao chép lẫn nhau.
-
diversity-ensemble
Định lý Dự đoán Đa dạng của Hong và Page (PNAS, 2004): dựng nên một đội hình tối đa hóa sự đa dạng trên nhiều trục ngay từ khâu thiết kế.
-
debate
Các mô hình tranh luận qua nhiều vòng có cấu trúc dưới sự dẫn dắt của một bên điều phối.
-
swarm-explore
Khám phá song song, được bước phân loại tự động chọn cho các công việc thiết kế và kiến trúc mang tính mở.
-
stigmergic-refinement
Hội tụ thông qua một sản phẩm chung thay vì qua biểu quyết, được bước phân loại tự động chọn cho các bài viết có độ phức tạp cao.
-
expert-panel
Rà soát độc lập với nhiều vai trò trước khi câu trả lời được gửi đi, có thể gọi trực tiếp cho những yêu cầu đòi hỏi nhiều bước kiểm chứng.
-
tri-role-collective
Planner, Solver, Auditor: một máy trạng thái tất định, không phải một bộ điều phối đã qua huấn luyện, ngăn chặn về mặt cấu trúc việc Auditor là cùng một mô hình hoặc cùng một lượt suy luận vừa tạo ra câu trả lời với vai trò Solver.
- +25 chiến lược khác
Bạn Không Chọn Mô Hình. Ailin¹ Tập Thể Chọn.
Đơn giản khi tác vụ đơn giản. Sâu sắc khi không phải. Bạn đặt giới hạn, Ailin¹ Tập thể quyết định trong giới hạn đó, và một trường luôn ghi đè lên nó.
Bạn không bao giờ phải tự quyết định một yêu cầu cần một mô hình hay năm mô hình. Mọi yêu cầu đều chạy qua Ailin¹ Collective, chính chuỗi định tuyến phân tầng đứng sau ailin-auto, trước khi bất kỳ mô hình nào được gọi. Bạn biết chính xác mình muốn gì? Hãy chỉ định: một bí danh như ailin-fast, một mô hình cụ thể, hoặc strategy: "single", và Ailin¹ Collective tuân theo ngay lập tức, không thương lượng, không thêm độ trễ. Nếu bạn không nói gì, chuỗi phân tầng sẽ tự đọc tác vụ và chọn hình thái phù hợp với nó. Chạy một mô hình đơn lẻ qua Ailin¹ không phải phương án dự phòng hay bản hạ cấp. Đó là một hướng đi hạng nhất mà Ailin¹ Collective thường xuyên lựa chọn, một cách có chủ đích.
Mô hình đơn
Một giọng nói nhất quán từ đầu đến cuối. Chi phí thấp hơn, độ trễ thấp hơn, và dễ tiếp cận đúng như phương án kia.
ailin-fast
Tập thể đa mô hình
Các đề xuất độc lập làm việc song song, được kiểm tra chéo và dung hòa bởi một bộ tổng hợp trước khi bạn thấy một câu trả lời, để sự bất đồng bị phát hiện trước khi đến với bạn, không phải sau đó.
ailin-consensus
Còn công việc sáng tạo và tái cấu trúc thì sao?
Với các tác vụ có thể kiểm chứng khách quan, được máy kiểm tra chứ không phải đánh giá cảm tính, chính tập thể mới là bên chiến thắng. Với công việc sáng tạo mang tính mở, một mô hình đơn được chọn kỹ thắng rõ ràng không kém. Đó chính xác là lý do triage tồn tại: chuỗi phân tầng không lấy trung bình giữa các loại tác vụ, nó phân biệt giữa chúng. Công việc sáng tạo mặc định đi theo hướng đơn lẻ. Công việc có thể kiểm chứng đi theo hướng tập thể.
Bạn không phải học thuộc khi nào dùng phương án đơn giản và khi nào dùng phương án kỹ lưỡng. Bạn nói ra những gì mình biết, Ailin¹ Collective bổ sung phần bạn chưa nói, và quyền ghi đè luôn chỉ cách bạn đúng một trường.
Hàng nghìn mô hình. Chỉ những mô hình phù hợp mới được kích hoạt.
Tập thể chính là lợi thế
Truy cập nhiều mô hình hơn không phải là bước đột phá. Điều quan trọng là điều gì xảy ra khi các trí tuệ khác nhau có thể làm việc cùng nhau. Ailin¹ biến một hệ sinh thái được khám phá liên tục gồm 107.175 định danh mô hình thành một tập thể, sau đó chỉ kích hoạt tập con mà mỗi chiến lược cần.
-
Luôn cập nhật
Một mô hình vừa được công bố sẽ được đánh chỉ mục ngay trong chu kỳ khám phá mà nó xuất hiện, không cần chờ một đợt phát hành định kỳ nào.
-
Toàn phổ
Văn bản, thị giác, âm thanh và embedding trong cùng một catalog, sau cùng một endpoint.
Vì sao trí tuệ mạnh mẽ hơn khi trở thành tập thể
AI được xây dựng xoay quanh các mô hình cá nhân. Phương diện tiếp theo của nó là tập thể. Các mô hình cá nhân có thể phi thường xuất sắc, nhưng mỗi mô hình vẫn phản ánh kiến trúc, lịch sử huấn luyện, điểm mù và các chế độ thất bại của riêng nó. Trí tuệ tập thể cho phép các mô hình độc lập đóng góp các góc nhìn khác nhau, thách thức các giả định, chuyên môn hóa, so sánh các lựa chọn thay thế và xác minh kết quả khi tác vụ hỗ trợ. Những gì tiếp theo không phải là một danh sách mong muốn. Đó là năm cơ chế đã và đang vận hành trong production, không phải một lộ trình.
Chi phí gần bằng mô hình đơn, đúng lúc quan trọng nhất
Với các tác vụ mà máy có thể kiểm tra, một trình xác minh tất định chấp nhận câu trả lời đúng ngay lập tức và rút ngắn phần còn lại của tập thể, nên chi phí ở những tác vụ đó gần với chi phí của một mô hình đơn hơn nhiều so với phần còn lại của tập thể, đúng vào lúc lợi thế về độ chính xác của tập thể là mạnh nhất.
Khả năng phục hồi
Sự cố của một nhà cung cấp không nhất thiết phải thành sự cố của bạn. Tập thể tự động định tuyến tránh các mô hình xuống cấp và thất bại, và mọi phản hồi vẫn mang theo nguồn gốc quyết định: chiến lược nào đã chạy, những mô hình nào, và chi phí là bao nhiêu.
Đa dạng theo cấu trúc
Nhà cung cấp, kiến trúc và mục tiêu huấn luyện bị tách rời một cách chủ động nhờ cơ chế chọn xoay vòng (round-robin), nên các mô hình liên tiếp trong một lượt chạy không bao giờ dùng chung một nhà cung cấp. Đó là Định lý Dự đoán Đa dạng của Hong và Page được cài thẳng vào tầng định tuyến, chứ không phải kỳ vọng rằng dữ liệu huấn luyện khác nhau tình cờ bất đồng theo cách hữu ích. Nó làm lộ ra các điểm mù; nó không hứa hẹn xóa bỏ chúng.
Giảm phụ thuộc một nhà cung cấp
Một tập thể trải dài nhiều nhà cung cấp, nên lộ trình, giá cả hoặc chính sách của một nhà cung cấp duy nhất không tự định nghĩa sản phẩm của bạn.
Chuyên môn hóa động
Chuyên gia phù hợp cho tác vụ phù hợp: suy luận, mã, thị giác, ngữ cảnh dài, hoặc độ trễ thấp, được bầu theo thời gian thực cho mọi yêu cầu.
Các câu hỏi thường gặp
Trả lời thẳng, kèm trường, tệp, hoặc con số đằng sau mỗi câu.
Tích hợp & cơ bản
chat/completions, responses, embeddings, models) tương thích thay thế trực tiếp, kèm một khối bổ sung ailin_metadata mang thông tin nguồn gốc quyết định. Chỉ cần trỏ client hiện có của bạn tới điểm cuối Ailin¹, đổi header xác thực, và cùng một cấu trúc yêu cầu vẫn hoạt động.Ailin¹ Tập thể & chiến lược
ailin-auto (mặc định cân bằng, để chuỗi phân tầng tự quyết), ailin-best (ưu tiên chất lượng, không giới hạn chi phí), ailin-fast (ưu tiên độ trễ, một mô hình duy nhất), ailin-economy (ưu tiên chi phí, có mức trần cứng được thực thi), ailin-consensus (độ chính xác nhờ kiểm tra chéo độc lập). Hãy bắt đầu với ailin-auto. Chỉ chọn bí danh khác khi bạn biết điều gì đó mà bộ định tuyến không biết.<strategy>:<tier>, ví dụ consensus:large, qua đó cố định đúng cơ chế và bậc giá.ailin-fast, strategy: "single"), và cũng chính trường đó cho bạn khâu kiểm chứng độc lập từ nhiều mô hình (expert-panel, tri-role-collective) nếu đó mới là điều bạn thực sự muốn.Chi phí & trách nhiệm
max_cost đặt trần cứng cho chi tiêu trước khi bất kỳ mô hình nào được gọi; nếu chi phí ước tính của chiến lược sắp chạy vượt quá mức đó, yêu cầu sẽ lỗi với 400 strategy_budget_exceeded thay vì âm thầm chi vượt. quality_target là mức sàn đi kèm. Mọi phản hồi đều báo lại con số thực tế: ailin_metadata.cost_usd, kèm bảng chi tiết từng khoản. Các chiến lược đa mô hình tốn kém hơn đáng kể so với một mô hình đơn. Với các tác vụ mà máy có thể kiểm tra (trích xuất có cấu trúc, toán học, mã kèm bài kiểm thử, hỏi đáp dựa trên sự kiện), khoản phụ trội đó gần như biến mất: khi cơ chế rút ngắn tất định của một chiến lược đã xác minh kích hoạt, benchmark tiên tiến mới nhất của chúng tôi đo được chi phí của tập thể ở mức khoảng $2.98/Mtok, rẻ hơn khoảng 100x so với đường dẫn tập thể chưa xác minh và nằm trong cùng bậc độ lớn với mức giá của một mô hình đơn.ailin_metadata.final_decider_model_id, chính là mô hình đã tạo ra câu trả lời của bạn, cùng với final_decider_role (primary, synthesizer, fallback hoặc cache) và một mảng subcalls[] đầy đủ, liệt kê mọi thành phần tham gia kèm chi phí, độ trễ và kết quả riêng của nó. Nếu bạn cần khiếu nại một vấn đề chất lượng lên nhà cung cấp, chính định danh đó mới là thứ quan trọng, chứ không phải "API của Ailin¹". Nếu bạn cần dựng lại lý do vì sao một quyết định đa mô hình lại ra kết quả như vậy, hãy bật truy vết điều phối đã lưu trữ: GET /v1/collective/runs/:id/trace trả về dòng thời gian chi tiết đến từng mili giây của mọi giai đoạn, và nó được xây dựng sao cho một tenant không bao giờ có thể xác nhận sự tồn tại của một lượt chạy thuộc tenant khác, việc tra cứu ID lượt chạy của người khác trả về cùng mã 404 như một lượt chạy chưa từng được tạo ra.Bằng chứng & tin cậy
/source, /license), nguồn gốc phát hành SLSA/Sigstore, và một SBOM định dạng SPDX đi kèm mỗi bản phát hành. Điều chưa hoàn tất: chứng nhận chính thức. SOC 2 và ISO 27001 đang được triển khai, chưa được chứng nhận, vì vậy nếu bộ phận mua sắm của bạn cần một chứng thực cụ thể, hãy hỏi đội ngũ phụ trách tài khoản thay vì suy đoán từ nội dung tiếp thị, kể cả nội dung của chúng tôi. Bạn cũng không cần phải tin lời chúng tôi cho bất kỳ điều nào ở trên: bộ máy phối hợp đứng sau các con số trên trang này được công khai tại github.com/ailinone/collective-intelligence (AGPL-3.0-or-later), kèm theo mã benchmark và dữ liệu thô.Hãy giúp xây dựng Kỷ nguyên Tập thể của AI
Phương diện tiếp theo của AI là tập thể, và nó nên được xây dựng công khai. Trong benchmark của chính chúng tôi, một đồng thuận đã xác minh đã trả lời đúng 37 trong số 38 tác vụ có thể kiểm chứng khách quan, so với 68 đến 82% ở các mô hình tiên tiến đơn lẻ, và chưa từng một lần chọn một câu trả lời sai. Tài liệu bao phủ toàn bộ bề mặt API. Kho lưu trữ giữ chính engine điều phối, các script benchmark, và dữ liệu thô đằng sau kết quả đó.