Qwen3.8-27B đạt điểm ngang GPT-5.6 Luna: Mô hình AI mở đang tiến gần frontier

Qwen3.8-27B là một trong những mô hình open-weight đáng chú ý nhất của thế hệ mới. Với 27 tỷ tham số, mô hình có thể chạy trên hạ tầng cục bộ đủ mạnh và đạt 52 điểm trên Artificial Analysis Intelligence Index — ngang với GPT-5.6 Luna trong cùng phép đo.

Điểm đáng chú ý không nằm ở tuyên bố rằng Trung Quốc đã vượt qua hoàn toàn biên giới AI của Mỹ. Ý nghĩa thực tế hơn là khoảng cách giữa một mô hình open-weight có thể tự triển khai và các dịch vụ AI đóng, đắt tiền trên cloud đang thu hẹp nhanh chóng.

Những điểm cần hiểu đúng về Qwen3.8-27B

Qwen3.8-27B không phải mô hình chỉ xử lý văn bản. Alibaba mô tả đây là mô hình dense native multimodal, hỗ trợ đầu vào hình ảnh và video, có context window gốc 262.144 token và được phát hành theo giấy phép Apache 2.0.

Các thông tin về khả năng phải chia sẻ doanh thu cũng không áp dụng cho phiên bản 27B. Những điều kiện này liên quan đến giấy phép riêng của Qwen3.8-Max — mô hình flagship với 2,4 nghìn tỷ tham số. Vì vậy, doanh nghiệp cần kiểm tra điều khoản cấp phép theo từng model, thay vì áp dụng chung cho cả gia đình Qwen.

Ngoài ra, mức giá bằng 0 USD xuất hiện ở một số bảng theo dõi không nên được hiểu là bảng giá chính thức, vĩnh viễn và áp dụng ở mọi nơi của Alibaba Cloud. Các thông tin hiện có cho biết endpoint hosted của Qwen3.8-27B vẫn đang trong quá trình cung cấp, còn giá thực tế thay đổi tùy nhà cung cấp.

Qwen3.8-27B đứng ở đâu trên Artificial Analysis?

Artificial Analysis Intelligence Index là chỉ số tổng hợp từ chín bài đánh giá, bao gồm lập trình, khoa học, suy luận, công việc chuyên môn và các nhiệm vụ đòi hỏi năng lực cao. Đây là công cụ hữu ích để so sánh tổng quan, nhưng không thể đại diện cho mọi quy trình thực tế hay mọi tác vụ của AI agent.

Mô hình và cấu hình	Intelligence Index
Claude Opus 4.8, adaptive reasoning / max effort	57
DeepSeek V4 Pro 0813, reasoning / max effort	53
GLM-5.2, max	53
Qwen3.8-27B	52
GPT-5.6 Luna, max	52
GPT-5.6 Terra, high	50

Kết luận thận trọng nhất là Qwen3.8-27B đạt mức ngang GPT-5.6 Luna và cao hơn GPT-5.6 Terra trong phép đo, với các cấu hình cụ thể nói trên. Dữ liệu này chưa đủ để khẳng định Qwen3.8-27B vượt tổng thể Claude Opus 4.8, DeepSeek V4 Pro hay GLM-5.2.

Một số bài viết đưa ra con số Agentic Index 51 cho Qwen3.8-27B. Tuy nhiên, các dữ liệu khác chỉ ghi nhận kết quả 48% trên τ²-Bench — một thành phần đánh giá tác vụ agent, không tương đương với điểm Agentic Index tổng thể. Do đó, chưa có cơ sở đủ nhất quán để lập bảng xếp hạng đáng tin cậy cho năng lực agent của toàn bộ các mô hình này.

Vì sao một mô hình 27B lại có giá trị thực tế?

Điểm số chỉ là một phần câu chuyện. Open weights cho phép đội ngũ phát triển tải mô hình về, tinh chỉnh, lượng tử hóa và tích hợp vào hệ thống riêng mà không phải phụ thuộc hoàn toàn vào một nhà cung cấp API. Khả năng chạy tại chỗ đặc biệt hữu ích cho:

• lập trình với dữ liệu riêng tư;
• ứng dụng hoạt động ngoại tuyến;
• dịch vụ yêu cầu độ trễ thấp;
• hệ thống doanh nghiệp cần kiểm soát dữ liệu;
• các sản phẩm cần fine-tuning hoặc tích hợp agent riêng.

Giấy phép Apache 2.0 cũng tạo điều kiện thuận lợi cho việc sử dụng, sửa đổi, phân phối lại và khai thác thương mại, miễn là tuân thủ các điều khoản của giấy phép. Đây là khác biệt quan trọng so với mô hình proprietary chỉ được truy cập thông qua endpoint cloud.

Dù vậy, so sánh giữa mô hình cloud và self-hosting không hoàn toàn cân xứng. Dịch vụ cloud thường đi kèm hạ tầng, khả năng mở rộng, tính sẵn sàng, cập nhật và vận hành được quản lý. Ngược lại, khi tự triển khai, người dùng phải tự chịu chi phí phần cứng, bộ nhớ, điện năng, tối ưu hóa, giám sát và bảo trì.

Nói cách khác, “miễn phí theo token” không đồng nghĩa với “không tốn chi phí”.

Không thể xếp hạng mô hình chỉ bằng số tham số

Các con số hàng nghìn tỷ tham số rất dễ tạo ra tiêu đề hấp dẫn nhưng thường không đủ để so sánh năng lực. Qwen3.8-27B là mô hình dense, trong đó toàn bộ tham số được sử dụng trong mỗi lần suy luận. Ngược lại, nhiều mô hình open-weight khác dùng kiến trúc mixture-of-experts (MoE), phân biệt giữa tổng số tham số và số tham số được kích hoạt khi inference.

Artificial Analysis ghi nhận DeepSeek V4 Pro có 1,6 nghìn tỷ tham số tổng cộng nhưng chỉ 49 tỷ tham số hoạt động, trong khi GLM-5.2 có 753 tỷ tham số tổng cộng và 40 tỷ tham số hoạt động.

Vì vậy, việc đặt cạnh nhau con số 2,4 nghìn tỷ tham số được công bố cho Qwen3.8-Max, 2,8 nghìn tỷ tham số được cho là của Kimi K3 và các mô hình Mỹ không công khai quy mô không tự tạo thành một bảng xếp hạng. Kiến trúc, dữ liệu huấn luyện, post-training, ngân sách suy luận, khả năng sử dụng công cụ và hạ tầng serving có thể ảnh hưởng đến kết quả nhiều hơn một con số tham số gây ấn tượng.

Bài học cho đầu tư hạ tầng AI

Hiệu năng của Qwen3.8-27B không chứng minh rằng các khoản đầu tư lớn vào data center tại Mỹ mang lại lợi nhuận thấp. Hạ tầng frontier vẫn cần thiết cho việc huấn luyện, thử nghiệm, phục vụ hàng loạt người dùng, bảo mật, độ tin cậy, xử lý đa phương thức và các tác vụ khó mà mô hình nhỏ hơn có thể chưa đáp ứng tốt.

Tuy nhiên, kết quả này cho thấy quy mô phần cứng và số tham số không tự động trở thành lợi thế cạnh tranh duy nhất. Post-training tốt hơn, inference hiệu quả hơn, distillation, pipeline dữ liệu chuyên biệt và chiến lược phát hành mở có thể biến một mô hình nhỏ hơn thành lựa chọn rất cạnh tranh trong các ứng dụng thực tế.

Câu hỏi quan trọng đối với đầu tư AI vì thế không chỉ là “ai có mô hình lớn nhất?”, mà còn là:

• ai cung cấp tỷ lệ hiệu năng trên chi phí tốt nhất;
• ai kiểm soát các kênh phân phối;
• ai sở hữu hệ sinh thái dễ triển khai nhất;
• ai giúp doanh nghiệp giảm phụ thuộc vào một nhà cung cấp duy nhất?

Chiến lược Qwen và cuộc đua AI Mỹ–Trung

Alibaba cho biết gia đình Qwen đã phát hành hơn 460 mô hình mở và đạt hơn 3 tỷ lượt tải trên toàn cầu trong sáu tháng. Đây là số liệu do doanh nghiệp công bố, phản ánh độ phủ của hệ sinh thái chứ không đồng nghĩa với số người dùng duy nhất, doanh thu hay mức độ sử dụng trong môi trường sản xuất.

Một phép đo độc lập hơn từ Hugging Face được trích dẫn trong các báo cáo liên quan ghi nhận khoảng 2,045 tỷ lượt tải Qwen trên riêng nền tảng này trong năm 2026.

Chiến lược open-weight tạo ra một dạng lợi thế cạnh tranh khác. Nhà phát triển, nhà cung cấp cloud, hãng phần cứng và các đơn vị tích hợp khu vực có thể xây dựng bản fine-tune, phiên bản quantized và sản phẩm chuyên dụng dựa trên trọng số công khai mà không cần chờ Alibaba cung cấp mọi tính năng qua API riêng.

Các quan hệ hợp tác với nhà sản xuất thiết bị và accelerator có thể tiếp tục thúc đẩy inference tại chỗ, giúp mô hình xuất hiện trong nhiều sản phẩm và môi trường triển khai hơn. Khi đó, cuộc cạnh tranh không chỉ xoay quanh việc mô hình nào thông minh nhất, mà còn là mô hình nào có cộng đồng phát triển lớn hơn, được tối ưu trên nhiều loại phần cứng hơn và có nhiều kênh phân phối hơn.

Sự khác biệt về giấy phép cũng mang ý nghĩa chiến lược. Apache 2.0 cho phiên bản 27B giúp tối đa hóa khả năng tiếp nhận, trong khi điều khoản thương mại riêng của Qwen3.8-Max vẫn mở ra cơ chế để Alibaba thu giá trị từ các triển khai thương mại quy mô rất lớn.

Doanh nghiệp và developer nên nhìn nhận thế nào?

Với các đội ngũ cần kiểm soát dữ liệu, vận hành cục bộ, fine-tuning hoặc giảm phụ thuộc vào API đóng, Qwen3.8-27B là một lựa chọn nghiêm túc. Điểm Intelligence Index 52 đặt mô hình này ngang GPT-5.6 Luna và cao hơn GPT-5.6 Terra trong phép so sánh đã nêu.

Ngược lại, các doanh nghiệp cần mở rộng ngay lập tức, độ tin cậy được quản lý, khả năng vận hành ở quy mô lớn hoặc context window rộng hơn có thể vẫn phù hợp với mô hình frontier hosted.

Quyết định cuối cùng không nên dựa vào một benchmark hoặc số tham số duy nhất. Chi phí sở hữu tổng thể, yêu cầu về quyền riêng tư, phần cứng, giấy phép, độ ổn định và workflow cụ thể mới là các tiêu chí quyết định.

Qwen3.8-27B chưa chứng minh rằng AI frontier đã hoàn toàn trở thành hàng hóa phổ thông. Nhưng mô hình này cho thấy một điều thực tế hơn: năng lực open-weight mạnh đang lan rộng đủ nhanh để triển khai cục bộ, khả năng tùy biến và sự độc lập với một nhà cung cấp cloud trở thành lợi thế cạnh tranh cốt lõi.