Câu trả lờiĐã xuất bản23 nguồn
Cuộc đua AI đang chuyển từ mô hình thông minh nhất sang mô hình được dùng nhiều nhất
Mô hình do Trung Quốc phát triển chiếm 41% lượt tải trên Hugging Face trong năm qua, vượt các mô hình có nguồn gốc từ Mỹ; tổng lượt tải toàn cầu được báo cáo là hơn 10 tỷ, không phải 100 tỷ. Kimi K3 của Moonshot AI và Qwen3.8 Max của Alibaba đưa các mô hình Mixture of Experts quy mô hàng nghìn tỷ tham số cùng cửa sổ...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Mô hình do Trung Quốc phát triển chiếm 41% lượt tải trên Hugging Face trong năm qua, vượt các mô hình có nguồn gốc từ Mỹ; tổng lượt tải toàn cầu được báo cáo là hơn 10 tỷ, không phải 100 tỷ.
- Kimi K3 của Moonshot AI và Qwen3.8 Max của Alibaba đưa các mô hình Mixture of Experts quy mô hàng nghìn tỷ tham số cùng cửa sổ ngữ cảnh một triệu token vào hệ sinh thái mở trọng số.
- Trên OpenRouter, các mô hình Trung Quốc từng chiếm cả năm vị trí đầu bảng theo lưu lượng token trong tháng 7; đến ngày 21/8, chúng được báo cáo chiếm hơn 60% lưu lượng của nền tảng.
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: How have Chinese open-weight large language models, which were once viewed as a tier below US frontier systems, risen by August 21, 2026 to. Article summary: Chinese labs have gained adoption primarily by combining frontier-adjacent capability with permissive weights, fast release cycles, efficient sparse architectures, and sharply lower deployment costs. That can make them t. Topic tags: general, news, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Một con số lớn, nhưng cần hiểu đúng
Trọng tâm của hệ sinh thái mô hình AI mở đã dịch chuyển về phía Trung Quốc trong năm 2026. Theo dữ liệu của Hugging Face, các mô hình do Trung Quốc phát triển chiếm 41% lượt tải trên nền tảng trong 12 tháng trước đó, vượt mô hình có nguồn gốc từ Mỹ cả về lượt tải theo tháng lẫn tổng lượt tải. 32
Một số báo cáo khác cho biết các mô hình AI mở của Trung Quốc đã vượt 10 tỷ lượt tải cộng dồn trên toàn cầu. 31 Con số 100 tỷ xuất hiện trong một tiêu đề không được dữ liệu hiện có xác nhận, nên nên được xem là lỗi tiêu đề hoặc lỗi chép số — không phải một cột mốc đã được chứng minh.
Tuy nhiên, 41% không phải là tỷ lệ của Trung Quốc trong toàn bộ số mô hình AI, cũng không phải tỷ lệ sử dụng AI trên toàn cầu. Đây là tỷ trọng lượt tải trên Hugging Face — một kho lưu trữ mô hình, bộ dữ liệu và công cụ dành cho developer.
Dữ liệu của chính Hugging Face cho thấy thị trường này tập trung cực mạnh: chỉ 1,5% số repository tạo ra 99,2% lượt tải, trong khi 85,6% mô hình có chưa đến 200 lượt tải trong cả vòng đời. 23 Dù vậy, xu hướng vẫn đáng chú ý: Trung Quốc đã trở thành nguồn mô hình lớn nhất được xác định theo quốc gia trên nền tảng, đồng thời các mô hình Trung Quốc còn nhận lượng truy cập đáng kể qua các dịch vụ trung gian định tuyến mô hình.
27
29
Developer đang mua gì: chi phí và quyền kiểm soát
Sự thay đổi này không chỉ đến từ một chiến thắng trên bảng xếp hạng benchmark. Nó là kết quả của một gói lợi thế thực dụng hơn:
- Chi phí triển khai thấp: Các nhà cung cấp Trung Quốc cạnh tranh mạnh về giá API, giúp những tác vụ gọi mô hình hàng nghìn lần — như lập trình hoặc tác nhân AI — trở nên rẻ hơn. Với mô hình mở trọng số, doanh nghiệp cũng có thể tự vận hành hoặc tinh chỉnh thay vì phụ thuộc hoàn toàn vào một nhà cung cấp.
- Giấy phép dễ sử dụng: Trong 178 bản phát hành của Trung Quốc có trên 20 tỷ tham số được Hugging Face xem xét, 59% dùng Apache 2.0 và 22% dùng MIT; gần như không có giấy phép giới hạn vào mục đích phi thương mại.
23 Điều này tạo thuận lợi cho thử nghiệm, tích hợp thương mại và phân phối lại.
- Tốc độ phát hành nhanh: Các phòng thí nghiệm thường nhanh chóng chuyển từ công bố sang cung cấp API, dịch vụ suy luận lưu trữ sẵn và bộ trọng số có thể tải xuống.
- Tập trung vào nhu cầu sản xuất: Khả năng lập trình, suy luận, xử lý đa ngôn ngữ, ngữ cảnh dài và vận hành quy trình tự động có giá trị đặc biệt khi mô hình được gọi liên tục trong một ứng dụng thực tế.
- Nhiều quyền kiểm soát hơn: Developer có thể giữ dữ liệu trong hạ tầng của mình, điều chỉnh mô hình cho nhiệm vụ chuyên biệt và giảm rủi ro bị khóa vào một nhà cung cấp mô hình đóng.
Đó là lý do mức độ sử dụng mô hình mở trọng số có thể tăng nhanh hơn những câu chuyện xoay quanh benchmark. Một mô hình không cần là hệ thống tốt nhất cho mọi nhiệm vụ để trở thành lựa chọn ưu tiên cho một workload có yêu cầu cao về chi phí.
Kimi K3 biến quy mô frontier mở thành hiện thực
Kimi K3 của Moonshot AI là biểu tượng quan trọng của bước chuyển này. Mô hình có tổng cộng 2,8 nghìn tỷ tham số, sử dụng kiến trúc Mixture-of-Experts thưa, hỗ trợ thị giác gốc và cửa sổ ngữ cảnh một triệu token. Moonshot giới thiệu đây là mô hình mở đầu tiên thuộc lớp 3 nghìn tỷ tham số. 3
Ngày 27/7/2026, Moonshot phát hành toàn bộ trọng số, hoàn tất quá trình triển khai bắt đầu bằng quyền truy cập qua API và dịch vụ lưu trữ. 15 Việc “mở” Kimi K3 không đồng nghĩa mô hình dễ chạy trên máy tính thông thường — quy mô của nó vẫn đặt ra thách thức hạ tầng rất lớn — nhưng động thái này đã thay đổi kỳ vọng về những gì các phòng thí nghiệm Trung Quốc sẵn sàng công bố.
Thông điệp chiến lược quan trọng không kém thông số kỹ thuật: một phòng thí nghiệm Trung Quốc có thể đưa hệ thống tiệm cận frontier vào tay developer, doanh nghiệp cung cấp suy luận và nhà nghiên cứu bên ngoài, thay vì giữ toàn bộ mô hình sau một API đóng.
Qwen3.8-Max cho thấy đây không phải chuyện của riêng Moonshot
Alibaba củng cố xu hướng này với Qwen3.8-Max, được công bố ngày 3/8. Mô hình có 2,4 nghìn tỷ tham số và cửa sổ ngữ cảnh lên tới một triệu token; Alibaba định hướng nó cho lập trình, nghiên cứu, công việc thực tế và các tác vụ kéo dài nhiều bước. 34
47
Bản mở trọng số thuộc dòng Qwen3.8-2.4T-A95B được phát hành trong tháng 8. 37 Kimi K3 và Qwen3.8-Max cho thấy đây không chỉ là hiệu ứng nhất thời của DeepSeek hay chiến lược giảm giá từ một công ty. Nhiều phòng thí nghiệm Trung Quốc đang đồng thời cạnh tranh về quy mô, hiệu suất, khả năng đa phương thức, độ dài ngữ cảnh và kênh phân phối.
Kiến trúc Mixture-of-Experts thưa giúp giải thích cách các hệ thống này công bố tổng số tham số khổng lồ mà không cần kích hoạt toàn bộ tham số cho mỗi token. Điều đó không xóa bỏ chi phí huấn luyện hoặc phục vụ mô hình, nhưng có thể cải thiện quan hệ giữa năng lực mô hình và hiệu quả suy luận.
OpenRouter phản ánh mức sử dụng thực tế hơn lượt tải
Lượt tải trên Hugging Face đo mức độ quan tâm và phân phối. OpenRouter cung cấp một tín hiệu khác: lượng lưu lượng mô hình nhận được trong các ứng dụng và thử nghiệm được định tuyến qua nền tảng này.
Trong tháng 7, các mô hình do Trung Quốc phát triển chiếm cả năm vị trí đầu OpenRouter theo lưu lượng token, dẫn đầu là MiMo V2.5 của Xiaomi, tiếp theo là các mô hình của DeepSeek, MiniMax, dòng Qwen của Alibaba và dòng Kimi của Moonshot. 51 Một báo cáo ngày 21/8 cho biết các mô hình Trung Quốc chiếm hơn 60% lưu lượng OpenRouter, tương đương trên 20 nghìn tỷ token mỗi tuần.
51
Một phân tích thị trường khác ước tính mô hình mở của Trung Quốc chiếm hơn một nửa mức sử dụng OpenRouter sau tháng 3 và gần như tăng gấp ba về khối lượng token, trong khi giá token thấp hơn làm giảm doanh thu trên mỗi token. 50
Các con số này không phải thước đo đầy đủ cho toàn bộ mức tiêu thụ AI toàn cầu. OpenRouter phục vụ một phân khúc cụ thể gồm developer và thị trường API; các báo cáo cũng sử dụng khung thời gian và định nghĩa khác nhau. Nhưng hướng đi khá nhất quán: mô hình Trung Quốc đang được lựa chọn cho workload thực tế đáng kể, chứ không chỉ được tải xuống để đánh giá.
Kiểm soát chip có thể đã thúc đẩy cuộc đua hiệu suất
Các hạn chế của Mỹ đối với chip tiên tiến tạo ra môi trường tính toán khó khăn cho các công ty AI Trung Quốc. Đồng thời, chúng có thể làm tăng động lực khai thác nhiều năng lực hơn từ mỗi đơn vị tài nguyên tính toán sẵn có.
Động lực này phù hợp với những lựa chọn kỹ thuật xuất hiện trong các bản phát hành hàng đầu: định tuyến thưa, tối ưu suy luận, kỹ thuật ngữ cảnh dài, chưng cất mô hình và hậu huấn luyện chuyên sâu. Nhưng không nên quy toàn bộ tiến bộ của Trung Quốc cho kiểm soát xuất khẩu. Dữ liệu hiện có chưa xác lập một quan hệ nhân quả chính xác; hệ sinh thái còn phụ thuộc vào cạnh tranh giữa các phòng thí nghiệm tư nhân, phân phối qua cloud, nhân lực kỹ thuật, nhu cầu trong nước và sự quan tâm của developer toàn cầu.
Kết luận thận trọng hơn là: các hạn chế chưa ngăn được mô hình Trung Quốc cạnh tranh trong những workload mở quan trọng. Chúng có thể đã khiến hiệu suất tính toán trở thành ưu tiên chiến lược cấp bách hơn.
Khoảng cách với mô hình đóng đang thu hẹp, nhưng không đồng đều
Một số báo cáo cho rằng khoảng cách giữa mô hình mở hàng đầu của Trung Quốc và hệ thống đóng tốt nhất đã rút từ 6–9 tháng xuống còn 2–3 tháng. 30 Nhận định này cần được xem xét thận trọng vì “khoảng cách” thay đổi tùy benchmark và năng lực được đo.
Một mô hình có thể gần bằng đối thủ về lập trình nhưng vẫn kém hơn về độ tin cậy, khả năng sử dụng công cụ, an toàn, suy luận đa phương thức, độ trễ hoặc hoàn thành nhiệm vụ kéo dài. Benchmark do nhà cung cấp công bố và bảng xếp hạng công khai cũng không tạo thành một thước đo duy nhất cho năng lực frontier.
Kết luận có cơ sở vững hơn là các mô hình mở trọng số hàng đầu của Trung Quốc đã đủ gần các lựa chọn đóng trong nhiều workload sản xuất để trở thành sản phẩm thay thế đáng tin cậy. Mức độ sử dụng của chúng cho thấy năng lực cạnh tranh thực tế, dù chưa chứng minh sự ngang bằng trên mọi chiều của frontier.
Liệu đây có thể trở thành “lớp nền” AI toàn cầu?
Hệ quả quan trọng nhất có thể không nằm ở việc quốc gia nào thắng, mà ở việc lớp hạ tầng nào được dùng lại rộng rãi. Mô hình mở trọng số đặc biệt hấp dẫn với developer ở Đông Nam Á, châu Phi và Mỹ Latinh khi họ ưu tiên chi phí thấp, khả năng thích ứng với ngôn ngữ địa phương, triển khai riêng và không bị phụ thuộc vào một nhà cung cấp API nước ngoài duy nhất.
Điều này mở ra một kịch bản giống vai trò của Linux: không nhất thiết chỉ có một mô hình thống trị, mà là một lớp phổ biến gồm trọng số, bản tinh chỉnh, công cụ suy luận và hạ tầng dành cho developer. Các dòng mô hình Trung Quốc có thể trở nên đặc biệt có ảnh hưởng nếu tiếp tục có giá phải chăng, tài liệu tốt, được nhiều nhà cung cấp lưu trữ và dễ thích ứng với nhu cầu địa phương.
Tuy nhiên, phép so sánh với Linux có giới hạn. Linux trở thành nền tảng của điện toán đám mây nhờ hàng thập kỷ phát triển giao diện ổn định, bản phân phối, công cụ, thực hành bảo mật và cộng đồng duy trì. Chỉ riêng lượt tải mô hình không thể tạo ra độ bền tương tự. Mô hình mở cần giấy phép đáng tin cậy, đánh giá minh bạch, tài liệu mạnh, quy trình bảo mật được tin tưởng, hỗ trợ tại địa phương cùng quyền tiếp cận phần cứng và cloud ổn định.
Kết quả có thể là phân cực, không phải thay thế
Dữ liệu năm 2026 cho thấy một thị trường AI hai tầng. Các công ty Mỹ có thể tiếp tục cạnh tranh ở nhóm hệ thống frontier độc quyền đắt đỏ nhất, trong khi các dòng mô hình mở trọng số của Trung Quốc giành thêm thị phần ở lớp nền có thể tùy chỉnh và triển khai.
Đó là lý do sự dịch chuyển này quan trọng ngay cả khi Mỹ vẫn dẫn trước về năng lực frontier thuần túy. Cuộc cạnh tranh quyết định có thể không nằm ở việc phòng thí nghiệm nào tạo ra mô hình thông minh nhất. Nó có thể nằm ở việc dòng mô hình nào mà developer có thể chi trả, kiểm tra, điều chỉnh, tự lưu trữ và tích hợp vào mọi thứ khác.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Cuộc đua AI đang chuyển từ mô hình thông minh nhất sang mô hình được dùng nhiều nhất" là gì?
Mô hình do Trung Quốc phát triển chiếm 41% lượt tải trên Hugging Face trong năm qua, vượt các mô hình có nguồn gốc từ Mỹ; tổng lượt tải toàn cầu được báo cáo là hơn 10 tỷ, không phải 100 tỷ.
Những điểm chính cần xác nhận đầu tiên là gì?
Mô hình do Trung Quốc phát triển chiếm 41% lượt tải trên Hugging Face trong năm qua, vượt các mô hình có nguồn gốc từ Mỹ; tổng lượt tải toàn cầu được báo cáo là hơn 10 tỷ, không phải 100 tỷ. Kimi K3 của Moonshot AI và Qwen3.8 Max của Alibaba đưa các mô hình Mixture of Experts quy mô hàng nghìn tỷ tham số cùng cửa sổ ngữ cảnh một triệu token vào hệ sinh thái mở trọng số.
Tôi nên làm gì tiếp theo trong thực tế?
Trên OpenRouter, các mô hình Trung Quốc từng chiếm cả năm vị trí đầu bảng theo lưu lượng token trong tháng 7; đến ngày 21/8, chúng được báo cáo chiếm hơn 60% lưu lượng của nền tảng.