ChatGPT, Claude và Grok cùng gặp sự cố: Bằng chứng công khai nói gì?

Các lỗi xảy ra gần đồng thời ở Grok, ChatGPT/Codex và Claude dễ khiến người dùng nghi ngờ về một sự cố hạ tầng AI quy mô lớn. Tuy nhiên, hồ sơ công khai hiện chỉ cho phép kết luận thận trọng hơn: các sự cố có chồng lấn về thời điểm, nhưng mỗi bên công bố nguyên nhân khác nhau và chưa có bằng chứng xác nhận một chuỗi sự cố lan truyền chung giữa cả ba.

Bằng chứng theo từng nhà cung cấp

Grok: xác nhận sự cố tại trung tâm điện toán Memphis

SpaceXAI cho biết sự cố của Grok bắt nguồn từ một đợt ngừng hoạt động tại trung tâm điện toán ở Memphis, đồng thời xin lỗi các “đối tác điện toán” bị ảnh hưởng. Theo các bản tin, Grok bắt đầu gián đoạn vào khoảng 6:30 sáng theo giờ Thái Bình Dương (PT) và mất hơn ba giờ để khôi phục. 3941

Đây là bằng chứng trực tiếp về sự cố tại cơ sở Memphis và cho thấy tác động không chỉ giới hạn ở Grok. Nhưng thông tin công khai không nêu các đối tác bị ảnh hưởng là ai, cơ chế kỹ thuật gây lỗi là gì, hay dịch vụ bên ngoài nào — nếu có — được vận hành tại đó.

ChatGPT và Codex: lỗi định tuyến đã được xác nhận

OpenAI quy sự cố ChatGPT và Codex về một lỗi định tuyến, bắt đầu khoảng 7:43 sáng PT ngày 3/9. Công ty cho biết đã triển khai giải pháp vào khoảng 8:17 sáng PT và tiếp tục theo dõi quá trình phục hồi. 39

Điều này xác nhận có vấn đề định tuyến phía OpenAI. Nó không chứng minh sự cố Memphis là nguyên nhân gây ra lỗi của OpenAI.

Claude: lỗi tăng cao đã được khắc phục, nhưng chưa có nguyên nhân gốc chi tiết

Trang trạng thái của Anthropic ghi nhận lỗi tăng cao trên nhiều mô hình Claude và cho biết tác động kết thúc lúc 9:16 sáng PT, tương ứng 16:16 UTC. 33 Các bản tin cùng thời điểm mô tả đây là một đợt gián đoạn một phần do vấn đề hạ tầng. 28

Tuy vậy, các tài liệu công khai được cung cấp không nêu nguyên nhân gốc ở mức chi tiết, cũng không xác lập mối liên hệ giữa sự cố Claude với cơ sở Memphis. Kết luận có thể bảo vệ được là Claude đã gặp sự cố thật và đã phục hồi, nhưng nguyên nhân nền tảng vẫn chưa được công bố đầy đủ.

Trùng thời điểm không đồng nghĩa cùng nguyên nhân

Ba dịch vụ không cùng hỏng tại một thời khắc đã được xác nhận duy nhất. Sự cố Grok được báo cáo bắt đầu sớm hơn; OpenAI đưa ra khung thời gian 7:43–8:17 sáng PT cho lỗi định tuyến; còn Anthropic cho biết tác động đến Claude kết thúc lúc 9:16 sáng PT. 3339

Sự chồng lấn này có ý nghĩa vận hành: khách hàng phụ thuộc vào nhiều dịch vụ AI đã có một khoảng thời gian mà nhiều lựa chọn cùng bị suy giảm. Nhưng tương quan thời gian không tự nó chứng minh quan hệ nhân quả. Phụ thuộc chung, lưu lượng truy cập dồn sang dịch vụ còn lại, hoặc phản ứng dây chuyền đều chỉ là giả thuyết cho đến khi các nhà cung cấp công bố bằng chứng kỹ thuật.

Những điều vẫn chưa được chứng minh

Thông tin hiện có không xác lập:

• một sự cố dây chuyền duy nhất trên Grok, ChatGPT/Codex và Claude;
• OpenAI hoặc Anthropic vận hành tải suy luận thực tế tại cơ sở Memphis bị ảnh hưởng;
• Azure, Cloudflare hoặc một nhà cung cấp đám mây, CDN hay mạng cụ thể nào là phụ thuộc chung mang tính nguyên nhân;
• tổng số người dùng bị ảnh hưởng đã được kiểm toán, dựa trên các trang theo dõi báo lỗi; hoặc
• một lỗi Cursor cụ thể, gián đoạn tác nhân lập trình hay quy trình hạ nguồn nào đó chắc chắn do một trong các sự cố này gây ra, thay vì lỗi tích hợp, xác thực, hàng đợi, giới hạn tốc độ, mạng hoặc phía máy khách.

Trang trạng thái của Cursor có báo lỗi tăng cao với các mô hình OpenAI và Anthropic ở thượng nguồn. Điều đó có thể hỗ trợ cách giải thích rằng một phần hoạt động Cursor bị liên đới theo nhà cung cấp, nhưng tự nó không chứng minh nguyên nhân của mọi lượt chạy tác nhân thất bại hay mọi quy trình của khách hàng. 30

Bài học thực tế: đa mô hình chưa chắc đã có khả năng chống chịu

Việc Memphis nhắc tới các “đối tác điện toán” không nêu tên là lời nhắc rằng các phụ thuộc hạ tầng thường thiếu minh bạch. Một ứng dụng có thể gọi API của nhiều nhà cung cấp mô hình, nhưng vẫn cùng dựa vào hệ thống định danh, DNS/CDN, một vùng đám mây, máy chủ GPU, cổng mô hình, kho mã nguồn, dịch vụ giám sát hoặc công cụ hậu trường giống nhau.

Nói cách khác, đa dạng nhà cung cấp ở tầng API không mặc nhiên tạo ra đa dạng hạ tầng. Một endpoint mô hình dự phòng chỉ thực sự hữu ích nếu các phụ thuộc xung quanh nó cũng có thể tồn tại qua kịch bản sự cố.

Chuẩn bị cho sự cố AI kéo dài nhiều giờ

Lập bản đồ toàn bộ chuỗi phụ thuộc

Duy trì sơ đồ dịch vụ, nhận diện từng phụ thuộc quan trọng: API mô hình, gateway, vùng đám mây, DNS/CDN, định danh, cơ sở dữ liệu vector, hàng đợi, kho mã, tích hợp công cụ và hệ thống quan sát. Cần ghi rõ cả nhà thầu phụ đã xác nhận lẫn những điểm chưa rõ.

Kiểm thử đường chuyển đổi với tải thực tế

Tích hợp trước các nhà cung cấp thay thế hoặc mô hình nhỏ/chạy cục bộ, sau đó kiểm thử chuyển đổi với prompt thực tế, đầu ra có cấu trúc, gọi công cụ, yêu cầu an toàn, giới hạn thông lượng và kiểm soát chi phí. Một yêu cầu demo thành công không chứng minh phương án dự phòng có thể vận hành quy trình sản xuất.

Thiết kế tác nhân AI để hỏng an toàn

Áp dụng timeout, retry có giới hạn kèm độ trễ ngẫu nhiên, circuit breaker, khóa chống thực thi lặp, điểm kiểm tra bền vững và cơ chế tạm dừng/tiếp tục rõ ràng. Các thao tác không thể đảo ngược cần có phê duyệt của con người. Sau sự cố, tác nhân phải khôi phục từ trạng thái đã ghi nhận thay vì lặp lại việc triển khai, mua hàng, tạo phiếu hỗ trợ hoặc gọi API bên ngoài.

Xác định chế độ suy giảm trước khi có sự cố

Tài liệu hóa các chức năng vẫn hoạt động khi không truy cập được mô hình: tìm kiếm, biểu mẫu, định tuyến theo luật, soạn thảo xếp hàng, quyền chỉ đọc, chuyển xử lý thủ công và thông báo rõ ràng cho khách hàng. Đặt ngưỡng thực tế cho tuổi tối đa của hàng đợi, năng lực xử lý thủ công, thời điểm gửi thông báo và điều kiện tắt các hành động tự động.

Cải thiện trao đổi với nhà cung cấp và lưu giữ chứng cứ

Theo dõi nguồn cấp trạng thái của nhà cung cấp, thiết lập kênh leo thang, kỳ vọng về thông báo, yêu cầu báo cáo hậu sự cố và điều khoản chuyển dữ liệu khi hợp đồng cho phép. Trong lúc xảy ra sự cố, cần lưu thời điểm UTC, request ID, header phản hồi, nội dung lỗi, trace, bản ghi định tuyến, trạng thái tác nhân, log hàng đợi và ảnh chụp trang trạng thái. Đây là dữ liệu then chốt để phân biệt lỗi nhà cung cấp thượng nguồn với lỗi tích hợp của chính ứng dụng.

Theo đuổi sự độc lập ở các tầng quan trọng

Với quy trình có hậu quả lớn, hãy chọn phương án thay thế khác không chỉ về thương hiệu mô hình mà còn về nhà cung cấp, vùng, nền tảng đám mây, đường mạng, phụ thuộc xác thực và mặt phẳng vận hành. Hai endpoint mô hình cùng đi qua một gateway hoặc nằm trong cùng một vùng không phải là dự phòng có ý nghĩa.

Kết luận

Các gián đoạn ngày 3/9 không nên được xem là bằng chứng về một “sự cố AI toàn cầu” hay một chuỗi lỗi đã được xác nhận bắt nguồn từ Memphis. Song chúng cho thấy doanh nghiệp nên giả định rằng những dịch vụ AI trông có vẻ độc lập vẫn có thể suy giảm trong cùng một khung giờ — và phải xây dựng hệ thống tiếp tục hoạt động an toàn trong lúc bằng chứng kỹ thuật chưa đầy đủ. 333941