Câu trả lờiĐã xuất bản18 nguồn
Cuộc đua giá rẻ nhưng không hạ cấp đang định hình lại thị trường LLM Trung Quốc
GLM 5.3 Flash và Qwen3.8 Flash cho thấy mô hình “Flash” không còn đồng nghĩa với phiên bản bị cắt giảm; chúng có thể xử lý kho mã lớn, tài liệu dài, tệp văn phòng và các phiên làm việc kiểu tác nhân AI. GLM 5.3 Flash có cửa sổ ngữ cảnh một triệu token và hỗ trợ đa phương thức nguyên bản; Qwen3.8 Flash hỗ trợ mặc địn...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- GLM 5.3 Flash và Qwen3.8 Flash cho thấy mô hình “Flash” không còn đồng nghĩa với phiên bản bị cắt giảm; chúng có thể xử lý kho mã lớn, tài liệu dài, tệp văn phòng và các phiên làm việc kiểu tác nhân AI.
- GLM 5.3 Flash có cửa sổ ngữ cảnh một triệu token và hỗ trợ đa phương thức nguyên bản; Qwen3.8 Flash hỗ trợ mặc định 262.144 token và có thể mở rộng lên một triệu token.
- Giá khuyến mại của GLM 5.3 Flash là 0,4 nhân dân tệ cho một triệu token đầu vào và 1,4 nhân dân tệ đầu ra; Qwen3.8 Flash ban đầu được niêm yết ở mức 1 và 3 nhân dân tệ.
- Trọng số mở giúp doanh nghiệp có thêm lựa chọn giữa API lưu trữ và tự triển khai, qua đó giảm sự phụ thuộc vào một nhà cung cấp độc quyền.
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Zhipu AI’s open sourced GLM 5.3 Flash and Alibaba’s Qwen3.8 Flash, released on August 28, 2026, reshape China’s LLM flagship market. Article summary: These releases turned “Flash” from a lower capability, economy tier into a viable default flagship tier: long context, multimodal or next generation architecture, strong coding/agent performance, open weights, and API pr. Topic tags: general web, llm, agents, ai, workflow. 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, charts with f
Các đợt ra mắt này đã thay đổi ý nghĩa của nhãn “Flash”: từ một tầng giá rẻ với năng lực thấp hơn thành lựa chọn flagship mặc định cho nhiều tác vụ. Điểm kết hợp đáng chú ý là cửa sổ ngữ cảnh dài, khả năng đa phương thức hoặc kiến trúc thế hệ mới, hiệu năng lập trình và tác vụ tác nhân AI cạnh tranh, trọng số mở cùng mức giá API đủ thấp để triển khai với lưu lượng lớn. Một điểm cần đính chính là các thông báo chính dường như diễn ra vào ngày 26 tháng 8, còn nhiều bài viết được đăng trong khoảng đến ngày 28 tháng 8, thay vì cả hai mô hình cùng được công bố ngày 28 tháng 8. 1
2
Năng lực flagship được đưa xuống phân khúc tiết kiệm
GLM-5.3-Flash là mô hình GLM-5 đầu tiên của Zhipu AI có khả năng đa phương thức nguyên bản, đồng thời hỗ trợ cửa sổ ngữ cảnh một triệu token. Qwen3.8-Flash có cửa sổ mặc định 262.144 token nhưng có thể mở rộng lên một triệu token. 4
1
Trong thực tế, điều này mở rộng đáng kể nhóm tác vụ có thể xử lý với chi phí thấp: nạp toàn bộ kho mã, phân tích bộ tài liệu dài, làm việc với tệp văn phòng và hình ảnh, hoặc duy trì các phiên tác vụ tự động kéo dài. Những công việc trước đây thường phải dành cho các mô hình cao cấp nay có thể chuyển xuống tầng Flash.
Giá API tạo sức ép mới lên cả thị trường
Zhipu niêm yết GLM-5.3-Flash ở mức 0,8 nhân dân tệ cho một triệu token đầu vào và 2,8 nhân dân tệ đầu ra. Trong thời gian khuyến mại, mức giá giảm một nửa còn 0,4 và 1,4 nhân dân tệ. Theo các so sánh được công bố, giá khuyến mại này chỉ tương đương khoảng một phần hai mươi chi phí của GLM-5.3. Alibaba ban đầu đưa Qwen3.8-Flash ra API với giá 1 nhân dân tệ cho một triệu token đầu vào và 3 nhân dân tệ đầu ra. 15
1
11
So với mức giá ngoài giờ cao điểm được báo cáo của DeepSeek V4 Flash — 1,5 nhân dân tệ cho đầu vào và 4,5 nhân dân tệ cho đầu ra — GLM-5.3-Flash trong thời gian khuyến mại rẻ hơn khoảng 73% ở cả hai loại token. Mức giá ban đầu của Qwen3.8-Flash thấp hơn khoảng một phần ba. 8
15
1
Đây không chỉ là cuộc đua giảm giá. Với các ứng dụng phải gọi mô hình hàng triệu hoặc hàng tỷ token mỗi tháng, chênh lệch nhỏ trên mỗi triệu token có thể nhanh chóng trở thành khoản tiết kiệm lớn. Vì vậy, chi phí suy luận — tức chi phí để mô hình xử lý yêu cầu sau khi được huấn luyện — đang trở thành yếu tố cạnh tranh quan trọng không kém điểm benchmark.
Hiệu năng khiến mức giá thấp trở nên thuyết phục
Trên Terminal-Bench 2.1, GLM-5.3-Flash được báo cáo đạt 84,3 điểm, so với 85,0 của Claude Opus 4.8. Đây là kết quả gần mức Opus trên một benchmark tập trung vào lập trình và tác vụ tác nhân AI. Mô hình sử dụng kiến trúc Mixture of Experts (MoE) thưa, với 18 tỷ tham số được kích hoạt trên tổng số 320 tỷ tham số. 3
2
Điểm đột phá nằm ở chỗ “rẻ hơn” không còn đồng nghĩa với “chỉ phù hợp cho những việc đơn giản”. Một mô hình Flash vẫn có thể đảm nhiệm sửa lỗi, điều hướng kho mã, gọi công cụ và các quy trình nhiều bước — dù điều đó chưa có nghĩa là nó vượt trội trong mọi dạng suy luận hay mọi môi trường phát triển.
Trọng số mở làm thay đổi cán cân lựa chọn
GLM-5.3-Flash được phát hành dưới dạng mô hình mã nguồn mở hoặc trọng số mở. Alibaba đồng thời mở trọng số Qwen3.8-Flash-Next, một mô hình MoE đa phương thức được giới thiệu như bản xem trước cho kiến trúc Qwen4. Các tài liệu và bài phân tích được dẫn lại mô tả mô hình này có quy mô khoảng 176 tỷ tham số và chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token. 4
5
Với doanh nghiệp, điều này tạo ra hai con đường: dùng API giá thấp do nhà cung cấp vận hành hoặc tự triển khai mô hình trên hạ tầng riêng. Khả năng tự lưu trữ có thể giúp kiểm soát dữ liệu, tối ưu chi phí dài hạn và tránh bị khóa vào một nền tảng độc quyền. Đổi lại, doanh nghiệp phải tự gánh chi phí phần cứng, vận hành và tối ưu suy luận.
Hạ tầng chip nội địa trở thành một phần của câu chuyện
Zhipu cho biết toàn bộ lưu lượng suy luận trực tuyến của GLM-5.3-Flash được hỗ trợ bởi hơn 100.000 chip AI sản xuất trong nước. 4
Nếu có thể duy trì ổn định ở quy mô sản xuất, tuyên bố này mang ý nghĩa lớn hơn một thông số kỹ thuật: nó cho thấy suy luận AI cạnh tranh về chi phí có thể được xây dựng trên hệ sinh thái bộ tăng tốc nội địa của Trung Quốc, thay vì phụ thuộc hoàn toàn vào nguồn GPU nhập khẩu khan hiếm. Tuy nhiên, đây vẫn là thông tin do công ty công bố và cần được kiểm chứng thêm qua dữ liệu vận hành độc lập.
DeepSeek vẫn chưa bị loại khỏi cuộc chơi
DeepSeek V4 Flash vẫn có cửa sổ ngữ cảnh một triệu token và chính sách giá hấp dẫn cho các lượt gọi trúng bộ nhớ đệm, nên không thể kết luận mô hình này bị thay thế chỉ dựa trên bảng giá. 2
3
Dù vậy, GLM-5.3-Flash đã kết hợp nhiều lợi thế trong cùng một sản phẩm: giá đầu vào không trúng bộ nhớ đệm thấp hơn trong thời gian khuyến mại, các tuyên bố hiệu năng lập trình mạnh, khả năng đa phương thức, trọng số mở và mức độ hiện diện đáng chú ý trên các bảng xếp hạng sử dụng. Điều đó làm suy yếu vị thế trước đây của DeepSeek như lựa chọn “đáng tiền” mặc định.
Thị trường đang thay đổi như thế nào?
Tác động lớn nhất của hai mô hình không nằm ở việc một model cụ thể thắng mọi bài kiểm tra. Thay đổi quan trọng hơn là đường phân chia giữa “flagship” và “giá rẻ” đang mờ đi.
Các nhà phát triển giờ có thể bắt đầu với mô hình Flash cho lập trình, tóm tắt, trích xuất dữ liệu, xử lý tài liệu và tác vụ tác nhân AI có lưu lượng cao; chỉ chuyển lên mô hình đắt hơn khi cần suy luận sâu hoặc độ tin cậy đặc biệt trong quy trình dài. Điều này có thể gây áp lực giảm giá lên toàn bộ thị trường LLM Trung Quốc, đồng thời buộc các nhà cung cấp phải cạnh tranh bằng hiệu suất trên mỗi nhân dân tệ thay vì chỉ bằng quy mô mô hình.
Cần thận trọng với các tuyên bố dẫn đầu
Các khẳng định rằng GLM đã chấm dứt chuỗi 56 ngày dẫn đầu của DeepSeek trên OpenCode, Qwen sử dụng ít hơn 75% token trong các tình huống văn phòng, hay một số so sánh benchmark khác phần lớn dựa trên thứ hạng nền tảng hoặc bài kiểm tra do nhà cung cấp báo cáo. Bằng chứng hiện có ủng hộ nhận định rằng thị trường đang dịch chuyển, nhưng chưa đủ để chứng minh độc lập rằng một mô hình luôn vượt trội trong mọi tác vụ lập trình và văn phòng. 3
Nói cách khác, GLM-5.3-Flash và Qwen3.8-Flash chưa xóa sổ các flagship đắt tiền. Chúng làm điều đáng chú ý hơn: biến một mô hình có năng lực cao, ngữ cảnh dài và khả năng triển khai linh hoạt thành lựa chọn thực tế cho công việc hằng ngày.
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 giá rẻ nhưng không hạ cấp đang định hình lại thị trường LLM Trung Quốc" là gì?
GLM 5.3 Flash và Qwen3.8 Flash cho thấy mô hình “Flash” không còn đồng nghĩa với phiên bản bị cắt giảm; chúng có thể xử lý kho mã lớn, tài liệu dài, tệp văn phòng và các phiên làm việc kiểu tác nhân AI.
Những điểm chính cần xác nhận đầu tiên là gì?
GLM 5.3 Flash và Qwen3.8 Flash cho thấy mô hình “Flash” không còn đồng nghĩa với phiên bản bị cắt giảm; chúng có thể xử lý kho mã lớn, tài liệu dài, tệp văn phòng và các phiên làm việc kiểu tác nhân AI. GLM 5.3 Flash có cửa sổ ngữ cảnh một triệu token và hỗ trợ đa phương thức nguyên bản; Qwen3.8 Flash hỗ trợ mặc định 262.144 token và có thể mở rộng lên một triệu token.
Tôi nên làm gì tiếp theo trong thực tế?
Giá khuyến mại của GLM 5.3 Flash là 0,4 nhân dân tệ cho một triệu token đầu vào và 1,4 nhân dân tệ đầu ra; Qwen3.8 Flash ban đầu được niêm yết ở mức 1 và 3 nhân dân tệ.