Mô hình mã nguồn mở: Mặt trận thống nhất của kỷ nguyên AI

Dưới đây là bài đăng lại từ AI / FuneralAI, một blog tiếng Trung cực kỳ hài hước về những thăng trầm của ngành công nghiệp AI. Hãy xem thêm nhiều bài viết khác của họ trên Substack và tài khoản công khai WeChat!

Bản dịch bởi Fable 5.1 và được kiểm duyệt bởi Irene. Các chú thích được thêm vào để giải thích một số tham chiếu lịch sử.

Những ngày này, tình hình các mô hình AI của Trung Quốc đang rất khả quan, các bản phát hành mới thay phiên nhau "cày cuốc" Opus 5 như thể đang đánh boss vậy.1 Nhưng chúng ta vẫn cần nhìn nhận tình hình một cách sáng suốt và không nên tự lừa dối chính mình.

Thuyết thắng nhanh và thuyết thất bại là hai mặt của một đồng xu, và cả hai đều là những hành động rất tồi tệ.

Trước hết, chúng ta cần làm rõ trình tự thời gian. Vào đầu tháng 6, Anthropic "tà ác" đã phát hành Fable 5 đầy mạnh mẽ. Chỉ sau đó, nhiều mô hình nội địa với điểm chuẩn tiệm cận Fable 5 mới xuất hiện.

Bức tranh cơ bản, trong đó OpenAI và Anthropic nắm giữ ưu thế lớn, vẫn chưa thay đổi. Tiền đề là các mô hình lớn của chúng ta vẫn còn tụt hậu; chỉ khi đó chúng ta mới có thể tranh luận xem khoảng cách là sáu tháng hay bốn tháng.

Dù xét từ góc độ hiệu suất mô hình hay số lượng tham số, K3 và Qwen 3.8 Max vẫn còn kém Fable 5 một thế hệ lớn, và với việc GPT 6 sắp ra mắt, khoảng cách này có thể sẽ còn nới rộng hơn nữa.

Tiến bộ trong hai tháng qua chủ yếu thể hiện ở tốc độ bắt kịp nhanh hơn của các mô hình nội địa. Với sự ra mắt liên tiếp của GLM 5.2, K3 và Qwen 3.8 Max, chúng ta có thể xác nhận một thực tế cơ bản: các mô hình lớn nội địa đang cải thiện với tốc độ tăng tốc, và khoảng cách giữa mô hình mã nguồn mở và mã nguồn đóng, hiện tại, đang dần thu hẹp.

Biến số quan trọng nhất ở đây chính là mã nguồn mở.

Mã nguồn mở đã chấm dứt logic của thuyết thất bại. Nó thay thế "nước Mỹ bao vây AI Trung Quốc" bằng một cuộc chiến trường kỳ, nơi mã nguồn mở bao vây mã nguồn đóng.2

Logic của thuyết thất bại rất đơn giản. Mỹ sở hữu lượng tài nguyên tính toán tiên tiến nhất, cộng với lợi thế người đi đầu của OpenAI, và mô hình lớn là một ngành kinh doanh mà khi lộ trình kỹ thuật đã được chứng minh, mọi thứ chủ yếu quy về việc dồn sức mạnh tính toán và mở rộng quy mô dữ liệu.

Về sức mạnh tính toán, các GPU Nvidia xuất sang Trung Quốc chắc chắn sẽ chịu tổn thất trên đường đi. Về dữ liệu, Mỹ cũng là quốc gia đầu tiên xây dựng hệ thống gắn nhãn dữ liệu bởi con người ở quy mô cao cấp. Dữ liệu tổng hợp, như việc sử dụng các trạm trung chuyển để truy cập Claude API và "cày" điểm chuẩn, cũng chắc chắn sẽ bị hao hụt. Chừng nào chúng ta còn tôn trọng định luật bảo toàn năng lượng, các mô hình lớn của Trung Quốc không thể nào bắt kịp Mỹ.

Trình tự logic đó hoàn toàn đúng. Nhưng nếu mọi thứ đều vận hành theo logic, thì sẽ chẳng có khái niệm khởi nghiệp, và mọi người sẽ chỉ đi làm công ăn lương để vặn ốc vít mỗi ngày.

Tôi đã tổng hợp một dòng thời gian về các bản phát hành mô hình lớn có trọng số mở quan trọng.

Có thể thấy rõ trong nháy mắt: các mô hình mã nguồn mở đã chuyển mình từ những mô hình thử nghiệm nhỏ bé thời kỳ đầu, đến gần đây là ba mô hình mã nguồn mở tiệm cận Opus 5. Hiệu suất của mã nguồn mở đang tiến gần đến các mô hình mã nguồn đóng hàng đầu với tốc độ ngày càng nhanh.

Việc các nhà cung cấp Trung Quốc dẫn đầu trong việc mở mã nguồn các mô hình lớn đã thay đổi cán cân quyền lực giữa hai bên. Mã nguồn mở đã mở rộng nền tảng của ngành công nghiệp AI và hợp nhất mọi đội ngũ AI bên ngoài các phòng thí nghiệm mã nguồn đóng thành một mặt trận thống nhất.

Ví dụ gần đây nhất: sự ra mắt của K3 đã kích hoạt phản ứng tức thì từ chính phủ Mỹ, những người dự định hạn chế các công ty Mỹ triển khai các mô hình mã nguồn mở. Hơn 270 công ty và tổ chức công nghệ, bao gồm Nvidia và Microsoft, đã công bố một bức thư ngỏ ủng hộ các mô hình mã nguồn mở, và sau đó, hiện tại, không có gì xảy ra cả. K3 không bị cấm.

Rõ ràng, nếu K3 là một mô hình mã nguồn đóng, sẽ không có nhiều công ty đứng ra bảo vệ nó như vậy; cùng lắm Jensen chỉ nói vài lời để bán GPU. Cả thiên hạ đã khổ sở dưới tay Anthropic từ lâu rồi. Hành động vì lợi ích riêng, các công ty thương mại chắc chắn sẽ ủng hộ các mô hình mã nguồn mở để chống lại "kẻ người Ý tà ác", nhằm ngăn chặn kẻ đó nuốt chửng mọi thứ.

Chúng ta đã có thể thấy xu hướng này ngay hôm nay. Fable 5 đắt đỏ đến mức ngay cả các gã khổng lồ công nghệ cũng không thể mở quyền sử dụng không giới hạn cho tất cả nhân viên. Mọi người chỉ dùng Fable 5 cho một số ít công việc phức tạp, còn phần lớn các tác vụ được thực hiện bởi các mô hình tương đối rẻ tiền. Đây là một thị trường ngách sẵn có cho mọi mô hình mã nguồn mở.

Điều chắc chắn sẽ xảy ra trong tương lai là phần lớn nhu cầu về token sẽ được phục vụ bởi các mô hình mã nguồn mở, và chỉ một số ít các kịch bản phức tạp mới cần đến các mô hình mã nguồn đóng đắt đỏ và được kiểm duyệt nghiêm ngặt.

Đặc biệt, các mô hình mã nguồn mở nhỏ đã thay đổi hoàn toàn "meta" (chiến thuật tối ưu) của cuộc chơi.

Việc các mô hình mã nguồn mở vượt qua ngưỡng sử dụng được và đạt mức giữa Opus 4.6 và 4.8 là điều đã xảy ra vào khoảng thời gian của GLM 5.2. Và chỉ hai tháng sau, mô hình nhỏ Qwen 3.8, với chỉ 27 tỷ tham số, cũng đã đạt đến cấp độ Opus 4.6, ngang bằng với mô hình mạnh nhất của sáu tháng trước.

Qwen 3.8 27B là một mô hình điên rồ. Chúng ta biết Zhipu thích nói về "mật độ thông minh" cao của họ, đạt hiệu suất gần bằng K3 với 744 tỷ tham số. Từ đó nảy sinh cuộc tranh luận về việc liệu các mô hình lớn có nhất thiết phải theo đuổi số lượng tham số khổng lồ hay không, và làm thế nào để đo lường tỷ lệ thông minh trên hiệu suất.

Thứ nhất, nếu bạn đọc toàn bộ tweet của chú Tang Jie, bạn sẽ thấy ông ấy thực sự không đưa ra kết luận cuối cùng. Ông chỉ nói rằng ở giai đoạn này, Zhipu đã chọn tiếp tục cải thiện hiệu suất mô hình cơ sở thông qua hậu huấn luyện (post-training), và trong tương lai họ cũng sẽ thử nghiệm tiền huấn luyện (pre-training) và đủ loại phương pháp khác. Đọc theo cách nào thì nó cũng đều hợp lý.

jietang@jietang

Suy nghĩ về Scaling Law: Mở rộng quy mô, nhưng không chỉ là về tham số. Mỗi bản phát hành mô hình hiện nay đều kết thúc với cùng một câu hỏi: bao nhiêu tham số? Đó không phải là câu hỏi có thể tự trả lời. Số lượng tham số chỉ có ý nghĩa khi đi kèm với ba yếu tố khác — bạn có bao nhiêu dữ liệu,…

5:04 sáng · 19 tháng 8, 2026 · 1,59 triệu lượt xem

236 lượt trả lời · 889 lượt đăng lại · 6,32 nghìn lượt thích

Thứ hai, theo logic này, "đứa con cưng" của mật độ thông minh không phải là Zhipu, mà là "lão làng" Alibaba. Qwen 3.8 27B chỉ có 1/28 số lượng tham số của Zhipu, dẫn đầu các đối thủ về mật độ theo cấp số nhân, và nó vẫn vượt xa ngay cả khi bạn tính theo tham số hoạt động.

Vậy câu hỏi đặt ra là: GLM 5.2 là "vua hậu huấn luyện" của meta cũ. Liệu Qwen 3.8 27B nên là "vua tiền huấn luyện" của meta mới, hay là "vua hậu huấn luyện", hay chúng ta chỉ nên gọi nó là số một về mật độ thông minh?

Vì vậy, mật độ thông minh là một khái niệm không chịu nổi sự soi xét kỹ lưỡng. Hãy tận hưởng sự ồn ào và bước tiếp. Tấm vé bước vào mùa giải mới vẫn là xây dựng một mô hình lớn khoảng 2 nghìn tỷ tham số.

Điểm mà Qwen 3.8 27B thay đổi meta là việc một mô hình vượt xa khả năng lập trình của con người đã trở thành một hàng hóa công cộng thực sự. Ngay cả DeepSeek V4 Flash cũng khó để một cá nhân triển khai, trong khi Qwen 3.8 27B là mô hình có thể chạy hoàn toàn trên các GPU cấp tiêu dùng.

Tôi đã thấy những "dân chơi" phần cứng có những ngày tuyệt vời, lục lọi Mac mini và 4090 để triển khai đủ loại phiên bản lượng tử hóa; một người thậm chí đã làm điều đó trên chiếc 3080 đã được độ lại, chạy 27B với giá chỉ hơn 3.000 nhân dân tệ. Một cảnh tượng đẹp đẽ như thời kỳ phục hưng vĩ đại của tôm hùm.

Tất cả những gì tôi có thể nói là: sức sống mãnh liệt, vạn vật đang vươn mình. 27B so với 744B, lợi thế thuộc về tôi.

Điểm chính của tôi là Qwen 3.8 27B đã đẩy nhanh xu hướng trí tuệ trở nên rẻ như bắp cải.