Ngày 13 tháng 4, xAI đã âm thầm mở quyền truy cập thử nghiệm kín cho Grok Computer đối với một số người dùng SuperGrok. Không có buổi ra mắt chính thức, Elon Musk đã xác nhận điều này qua một dòng tweet ngắn trên X, cho biết phạm vi thử nghiệm sẽ sớm được mở rộng.
Vị thế của sản phẩm này là gì? xAI đưa ra một khuôn khổ ngắn gọn: Grok 4.3 là bộ não, Grok Computer là đôi tay.
Không dựa vào API, đọc trực tiếp màn hình của bạn
Điểm đáng chú ý nhất trong thiết kế của Grok Computer là logic nền tảng của nó: nó không phụ thuộc vào giao diện API của bất kỳ ứng dụng nào.
Phần lớn các công cụ điều khiển desktop AI hoạt động thông qua giao diện có cấu trúc do phần mềm cung cấp để đưa ra lệnh. Phương pháp này có giới hạn rõ ràng — phần mềm phải hỗ trợ, và các chương trình cũ không có API sẽ không thể hoạt động.
Grok Computer đi theo một hướng khác: liên tục phân tích hình ảnh video trong 5 giây gần nhất trên màn hình, sử dụng suy luận thị giác để xác định ứng dụng hiện tại và trạng thái của nó, sau đó trực tiếp điều khiển chuột và bàn phím.
Nói cách khác, miễn là mắt người có thể nhìn thấy giao diện, nó có thể thao tác.
Điều này có nghĩa là:
- Các hệ thống doanh nghiệp cũ từ ba mươi năm trước vẫn có thể sử dụng được
- Các phần mềm kế thừa như SAP, Oracle không có API công khai không cần sửa đổi gì
- Các chương trình GUI cục bộ, giao diện điều khiển công nghiệp — về mặt lý thuyết đều không vấn đề
Về mặt kỹ thuật, đây là một phương pháp thô hơn, tốc độ nhận dạng không nhanh bằng gọi API và khả năng xảy ra lỗi cũng cao hơn. Nhưng phạm vi bao phủ lớn hơn một bậc.
Có thể làm gì
Các khả năng đã biết trong giai đoạn thử nghiệm kín:
- Mở, thao tác nhiều ứng dụng và chuyển đổi giữa chúng
- Điền biểu mẫu, gửi thông tin
- Các tác vụ đa bước liên ứng dụng: tra dữ liệu → tổng hợp vào bảng tính → viết tóm tắt phân tích → gửi email, tự động hoàn toàn
- Thao tác trình duyệt, phần mềm văn phòng, công cụ phát triển
Một ví dụ điển hình: đưa cho nó lệnh tổng hợp số liệu bán hàng tuần trước thành một bản trình bày PowerPoint — nó sẽ tự động mở tệp dữ liệu, trích xuất số liệu chính, mở PowerPoint, tạo bảng, viết tóm tắt và lưu tệp. Bạn không cần phải ngồi nhìn màn hình.
Giá trị của tự động hóa đa bước này nằm ở chỗ: bạn không chỉ đang ra lệnh cho AI, mà là thuê ngoài toàn bộ một tác vụ cần đến hàng chục cú nhấp chuột qua lại.
So sánh với các công cụ khác
Trong lĩnh vực tự động hóa desktop AI, các đối thủ chính hiện tại:
| Công cụ | Cơ chế nền tảng | Phạm vi bao phủ | Trạng thái |
|---|---|---|---|
| Grok Computer | Đọc điểm ảnh + suy luận thị giác | Mọi phần mềm GUI | Thử nghiệm kín |
| GPT-5.4 Computer Use | Ảnh chụp màn hình + tạo lệnh | Phần mềm hiện đại được hỗ trợ | Đã ra mắt |
| Anthropic Computer Use | Ảnh chụp màn hình + thao tác chuột/bàn phím | Ứng dụng chính thống | Đã ra mắt |
| Claude Code | Terminal + thực thi mã | Kịch bản phát triển | Đã ra mắt |
Tính năng computer use của OpenAI và Anthropic được phát hành sớm hơn và có cơ sở người dùng lớn hơn. Sự khác biệt của Grok Computer nằm ở chỗ: nó chọn rõ ràng hướng tương thích với mọi phần mềm, với cái giá là yêu cầu cao hơn về khả năng suy luận thị giác.
Liệu lựa chọn này có đứng vững hay không phần lớn phụ thuộc vào mức độ hiệu quả của mô hình nền trong việc hiểu các trạng thái màn hình phức tạp — Grok 4.3 hiện đang đảm nhận vai trò này, và khả năng thực tế vẫn đang được kiểm chứng.
Hạn chế hiện tại
Có một số điểm cần nói rõ:
Rào cản truy cập cao. Hiện chỉ có tài khoản SuperGrok được mời mới có thể vào, người dùng thông thường không có lối vào.
Chưa có giá công khai. xAI chưa công bố kế hoạch giá cho Grok Computer, cũng không cho biết liệu nó sẽ được tính phí riêng hay được gói trong đăng ký SuperGrok.
Tính ổn định chưa rõ. Ở giai đoạn thử nghiệm kín, mọi ranh giới đều là ẩn số. xAI chưa công bố bất kỳ dữ liệu tỷ lệ thành công hay kết quả điểm chuẩn nào.
Kỳ vọng lớn hơn dành cho Grok 5. Bản thân xAI cũng gợi ý rằng tiềm năng thực sự của Grok Computer sẽ chỉ được thể hiện khi mô hình suy luận thế hệ tiếp theo ra mắt. Grok 5 hiện đang được huấn luyện trên siêu máy tính Colossus 2 ở Memphis, với kiến trúc MoE mục tiêu nghìn tỷ tham số, dự kiến hoàn thành huấn luyện vào Q2 2026. Giới hạn của đôi tay phụ thuộc vào bộ não có thể đi xa đến đâu.
Ý nghĩa của sự việc này
Con đường AI agent điều khiển phần mềm thực tế đang được nhiều bên khám phá. OpenAI có Codex Agent và Computer Use, Anthropic có Claude Code và Computer Use API, Google cũng đang làm điều tương tự trong Gemini.
Grok Computer đã đưa ra một lựa chọn kiến trúc rõ ràng: sử dụng khả năng thị giác tổng quát để thay thế tích hợp API phụ thuộc vào sự hợp tác của phần mềm. Logic đằng sau quyết định này là: trong môi trường CNTT doanh nghiệp thực tế, nhiều hệ thống kinh doanh cốt lõi đã không thay đổi trong nhiều thập kỷ và những hệ thống đó sẽ không có ai thêm API cho bạn.
Liệu nó có thành công hay không, hãy đợi vài tháng để xem kết quả thực tế. Nhưng việc xAI sẵn sàng đi theo con đường này tự nó đã là một tín hiệu đáng chú ý.
Nguồn tham khảo: Grok 4.3 Beta Features Review (Build Fast With AI), CocoLoop, Grok Computer: xAI's AI Agent That Controls Your Entire PC (DEXTools News)