Kimi K3 và Qwen 3.8 ra mắt: Hiệu năng tiệm cận Fable 5, chuẩn bị mở mã nguồn

Tuần vừa qua, hai mô hình nền tảng (foundation model) tiên tiến nhất (SOTA) đã được ra mắt: Kimi K3 của Moonshot Labs[1] và Qwen 3.8 của Alibaba[2]. Cả hai được cho là có hiệu suất tiệm cận với Fable 5 của Anthropic, và trọng số mô hình của cả hai sẽ được công bố rộng rãi trong những tuần tới.

Kimi K3 và Qwen 3.8 đại diện cho một thách thức chiến lược đối với các nhà phát triển mô hình hàng đầu và những gì họ cần làm để cạnh tranh trong tương lai. Chúng chứng minh rằng việc đạt đến ngưỡng SOTA là hoàn toàn khả thi với các mô hình mở, và điều này tạo ra mối đe dọa lớn, đặc biệt là đối với Anthropic, đơn vị đang đối mặt với nguy cơ khó khăn trong việc tạo sự khác biệt cho sản phẩm trong tương lai.

Chúng ta sẽ khám phá kinh tế học của các mô hình nền tảng và sau đó là các tác động chiến lược của chúng trước sự xuất hiện của Kimi K3 và Qwen 3.8.

Kinh tế học của các phòng thí nghiệm (và nhà cung cấp) tiên phong

Các mô hình nền tảng cực kỳ đắt đỏ để xây dựng. Chúng đòi hỏi các nhà nghiên cứu (tức là chi phí nhân sự), năng lực tính toán (tức là chip và trung tâm dữ liệu), và điện năng để vận hành hệ thống tính toán đó.

Khi một mô hình đã được xây dựng, chi phí lớn nhất chính là suy luận (inference): cho phép người dùng thực sự sử dụng các mô hình đó. Chi phí nhân sự, tính toán và điện năng vẫn cần thiết, nhưng phần lớn chi phí biên chỉ giới hạn ở điện năng và năng lực tính toán—vì các mô hình không cần cập nhật liên tục nên chi phí nhân sự tương đối thấp so với giai đoạn huấn luyện. Nói cách khác, vận hành một doanh nghiệp suy luận đòi hỏi bạn phải tối ưu hóa hai loại chi phí: điện năng và năng lực tính toán tại trung tâm dữ liệu. Bạn càng sở hữu nhiều phần trong chuỗi giá trị, thì chi phí biến đổi của bạn càng trở thành chi phí cố định.

Vậy các lựa chọn của bạn là gì? Đầu tiên, bạn có thể thuê trung tâm dữ liệu và trả tiền điện. Đây là cách mà Anthropic, Knowledge Atlas (nhà sản xuất GLM 5.2) và Moonshot Labs (nhà sản xuất Kimi K3) đang làm; họ không sở hữu trung tâm dữ liệu hay nhà máy điện riêng. Một lựa chọn khác là tự xây dựng trung tâm dữ liệu và trả tiền điện cho các nhà cung cấp khác. Đây là cách tiếp cận của Meta và Alibaba. Cuối cùng, bạn cũng có thể tự xây dựng máy phát điện và sở hữu trung tâm dữ liệu của riêng mình, giống như SpaceX.

Chiến lược của bạn ảnh hưởng đến cơ sở chi phí và do đó ảnh hưởng đến biên lợi nhuận. Trong trường hợp đầu tiên, bạn kiếm tiền bằng cách cộng thêm biên lợi nhuận vào chi phí suy luận của khách hàng. Thật không may, điều này có nghĩa là chi phí của bạn tăng theo doanh thu; biên lợi nhuận của bạn không tăng theo mức độ sử dụng. Ngược lại, nếu bạn sở hữu nhà máy điện và/hoặc trung tâm dữ liệu, bạn biến phần lớn cơ sở chi phí suy luận thành chi phí cố định, vì vậy biên lợi nhuận của bạn có thể tăng lên khi ngày càng có nhiều khách hàng sử dụng sản phẩm của bạn thường xuyên hơn.

Biên lợi nhuận, Chuỗi giá trị và Các tác động chiến lược

Cách tiếp cận của phòng thí nghiệm tiên phong đối với biên lợi nhuận có tác động to lớn đến kết quả dài hạn của bạn.

Bạn càng sở hữu nhiều phần trong hạ tầng, bạn càng có thể kiếm tiền từ chính hạ tầng đó. Bạn có thể khao khát sở hữu mô hình tốt nhất, nhưng điều đó không phải lúc nào cũng quan trọng—bạn có thể lưu trữ các mô hình mã nguồn mở (đặc biệt nếu chúng là những mô hình có hiệu suất tốt nhất!), hoặc bạn có thể cho thuê phần cứng của mình. Đây chính là lý do tại sao Meta có khả năng đang cho Anthropic thuê công suất máy chủ[3] và tại sao SpaceX[4] cũng đang làm như vậy (cùng với việc cho Lầu Năm Góc thuê[5]).

Nếu bạn không sở hữu trung tâm dữ liệu hoặc nhà máy điện, điều duy nhất quan trọng cho sự thành công của bạn là nhu cầu đối với mô hình. Các mô hình của bạn không chỉ cần "tốt", chúng phải là "tốt nhất", hoặc rẻ và "đủ tốt". Đây là một cuộc đua không hồi kết về việc giảm chi phí suy luận, hoặc thay vào đó là cuộc đua trở thành nhà cung cấp mô hình tốt nhất.

Điều này đại diện cho một rủi ro khổng lồ. Anthropic, OpenAI, DeepSeek, Moonshot Labs và Knowledge Atlas (nhà sản xuất GLM 5.2) cần phải liên tục cạnh tranh và hy vọng giữ vững vị thế dẫn đầu, nếu không sẽ đối mặt với nguy cơ bị đào thải trong thị trường mô hình nền tảng đầy tính cạnh tranh khốc liệt.

Trong trường hợp các công ty chỉ tập trung thuần túy vào mô hình, cách duy nhất để chiến thắng là (1) trở thành đơn vị đầu tiên đạt được khả năng tự cải tiến đệ quy với đủ năng lực tính toán để bỏ xa các đối thủ, (2) bằng cách nào đó đóng cửa thị trường thông qua các quy định, hoặc (3) xây dựng một sản phẩm độc đáo hoặc có tính gắn kết cao đến mức không thể sao chép.

Vị thế bấp bênh độc nhất của Anthropic

Anthropic là phòng thí nghiệm tiên phong đã đặt cược mạnh mẽ nhất vào chiến lược quản lý và tập trung vào khả năng tự cải tiến đệ quy. Sự tập trung của họ vào đạo đức, như đã thấy qua việc tự kiểm duyệt Fable và Mythos (trước khi bị chính phủ Mỹ buộc phải ngăn chặn việc phát hành thêm), gắn liền với chiến lược quản lý này.

Mặc dù Anthropic vẫn giữ vị thế dẫn đầu về hiệu suất mô hình, các mô hình của họ cũng cực kỳ đắt đỏ so với OpenAI hoặc các mô hình mở. Như được hiển thị trong Hình 1[6], Fable 5 đắt gần gấp 3 lần cho mỗi tác vụ hoàn thành. Vẫn còn phải xem liệu người dùng có sẵn sàng trả nhiều tiền như vậy cho một mô hình tốt hơn hay không. Một số nhà nghiên cứu và nhà sáng lập dự đoán một cuộc chiến về giá, thông qua cạnh tranh[7] hoặc vì các tiêu chuẩn đánh giá AI (benchmark) không tính đến yếu tố giá cả đang dần trở nên bão hòa và ít hữu ích hơn[8].

Mặc dù Anthropic đã đầu tư vào các sản phẩm như Claude Code hoặc Cowork, sự tập trung của họ vào các công cụ hỗ trợ (harness) là một rủi ro. OpenCode, OpenClaw, Hermes và vô số startup về công cụ hỗ trợ khác hiện đang đổi mới trong lĩnh vực này. Trong khi rào cản để xây dựng một mô hình nền tảng là rất cao, thì gần như không có rào cản nào để ra mắt công cụ hỗ trợ AI của riêng bạn.

Đây là nơi OpenAI có lợi thế hơn Anthropic. Mặc dù các mô hình của họ đang tụt hậu so với Anthropic trong những tháng gần đây, các khoản đầu tư của họ vào sản phẩm, trải nghiệm người dùng, xuất bản nội dung, giọng nói và phần cứng đều là những hướng đi có "hào kinh tế" (moat) rõ ràng hơn. Công ty này cởi mở hơn trong việc đầu tư vào quyền sở hữu trung tâm dữ liệu và sản xuất điện. Mặc dù một số người cho rằng điều này khiến OpenAI mất tập trung, nhưng nó sẽ giúp OpenAI kiên cường hơn trong dài hạn; họ có sự linh hoạt và khẩu vị rủi ro để thử xây dựng các sản phẩm có hiệu ứng mạng lưới và hào kinh tế, đồng thời tối ưu hóa biên lợi nhuận dài hạn.

Anthropic đang đối mặt với rủi ro bị tách rời (unbundling) rất lớn. Các mô hình của họ là tiêu chuẩn cần phải vượt qua, các sản phẩm của họ ngày càng bị thách thức bởi các đối thủ cạnh tranh đóng và mã nguồn mở, và mô hình kinh tế của họ đặt họ vào thế bất lợi. Nếu không có sự can thiệp của cơ quan quản lý hoặc phát minh ra AGI thực sự, Anthropic có khả năng sẽ chật vật trong việc giữ vững vị trí nhà cung cấp mô hình nền tảng số 1.

Tác động của Kimi K3 và Qwen 3.8

Kimi K3 được ra mắt vào ngày 16 tháng 7[9]. Qwen 3.8 được công bố vào ngày 19 tháng 7[10]. GLM 5.2, một mô hình mở hàng đầu khác, đã được ra mắt vào giữa tháng 6[11].

Sự kiện này lớn hơn nhiều so với "khoảnh khắc DeepSeek" của năm 2025 vì nó cho thấy nhiều phòng thí nghiệm có thể cạnh tranh và bắt kịp các nhà cung cấp mô hình có nguồn vốn dồi dào như Anthropic và OpenAI, chưa kể đến Meta hay SpaceX (tức là Grok). Nó cho thấy một mô hình bền vững về sự cạnh tranh, bắt kịp và thậm chí một ngày nào đó là vượt trội… đặc biệt là khi các yếu tố chi phí được đưa vào phương trình.

Quan trọng hơn, với tư cách là các doanh nghiệp bền vững dài hạn, các nhà cung cấp chỉ tập trung vào mô hình đang đối mặt với rủi ro đặc biệt lớn. Knowledge Atlas, Moonshot Labs và Anthropic đang đối mặt với những thách thức về khả năng phòng thủ trước OpenAI, Alibaba, SpaceX, Meta và Google.