AI open-weight không còn là thử nghiệm — cuộc đua chuyển sang khâu triển khai

AI có trọng số mở (open-weight) đã trở thành một lựa chọn đáng kể về mặt kỹ thuật lẫn thương mại bên cạnh API mô hình đóng, theo báo cáo State of Open Source AI của Mozilla công bố tháng 9/2026. Kết luận chính không phải mô hình mở đã vượt nhóm dẫn đầu, mà là câu hỏi cạnh tranh đang chuyển thành: tổ chức triển khai, quản trị và tích hợp mô hình ra sao — thay vì chỉ có thể tiếp cận trọng số của một mô hình đủ mạnh hay không. 12

Khoảng cách về năng lực và chi phí đang thu hẹp

Trong ảnh chụp dữ liệu tháng 9, Mozilla ghi nhận Kimi K3 và GLM-5.3 cùng đạt 60 điểm trên Artificial Analysis Intelligence Index, so với 63 điểm của Claude Opus 5. K3 thấp hơn Claude Fable 5 hai điểm, trong khi giá token đầu vào bằng 30%. Đối chiếu với chỉ số năng lực của Epoch, Mozilla mô tả chênh lệch còn lại tương đương khoảng một chu kỳ phát hành, tức xấp xỉ 4 tháng. 12

Điều này đặc biệt đáng chú ý với những công việc không nhất thiết phải dùng mô hình tốt nhất tuyệt đối ở mọi tác vụ. Một mô hình gần nhóm dẫn đầu, rẻ hơn và có thể chạy trong môi trường do tổ chức lựa chọn sẽ mở rộng đáng kể khả năng kiểm soát lẫn phạm vi ứng dụng.

Open-weight đã đi vào dòng sử dụng chính

Dữ liệu định tuyến mô hình cho thấy mức độ hiện diện của open-weight đã tăng rõ rệt. Theo Mozilla, trọng số mở chiếm khoảng một phần ba số token trong bức tranh rộng hơn của năm 2026. Riêng trong giai đoạn tháng 8 trên OpenRouter — nền tảng cho phép định tuyến yêu cầu giữa nhiều mô hình — 8 trong 10 mô hình có lượng token lớn nhất là open-weight; 7 trong số đó do các nhà phát triển Trung Quốc xây dựng. DeepSeek cũng trở thành mô hình mở đầu tiên dẫn đầu OpenRouter về số lượt yêu cầu. 12

Tuy vậy, các chỉ số này không nên bị hiểu là mọi mô hình mở đều đã sẵn sàng cho mọi môi trường sản xuất quan trọng. Lượng token phản ánh mức sử dụng, thử nghiệm và hành vi định tuyến; nó không đồng nghĩa chắc chắn với việc được triển khai trong các quy trình doanh nghiệp có rủi ro cao. Bằng chứng của Mozilla cho thấy mô hình mở đã được dùng rộng rãi, nhưng nhà cung cấp mô hình đóng vẫn có lợi thế về dịch vụ vận hành trọn gói, hoàn thiện hơn. 12

Trung Quốc dẫn đầu nhóm open-weight; cơ hội của châu Âu nằm ở tầng triển khai

Nhóm mô hình open-weight nổi bật trong so sánh của Mozilla chủ yếu do các đơn vị Trung Quốc phát triển, gồm Kimi K3, GLM-5.3 và Qwen 3.8. Bốn mô hình mở giữ các vị trí từ thứ năm đến thứ tám trong top 10 của Mozilla. 12

Châu Âu vẫn có đại diện đáng kể là Mistral, nhưng theo phép so sánh này, hãng đứng sau các hệ thống open-weight dẫn đầu từ Trung Quốc. Mozilla cũng lưu ý khác biệt quan trọng về giấy phép: Mistral Medium 3.5 dùng giấy phép MIT đã điều chỉnh, có điều khoản giới hạn liên quan đến doanh thu, thay vì giấy phép MIT không hạn chế. 12

Báo cáo cho rằng lợi thế bền vững hơn của châu Âu có thể nằm ở tầng phía trên mô hình nền tảng: nền tảng triển khai, điều phối tác vụ, định tuyến mô hình, đánh giá, quan sát vận hành, tự động hóa tuân thủ, an ninh mạng, kiểm soát định danh và quyền truy cập, cùng sản phẩm doanh nghiệp theo ngành. Đây là những mảnh ghép biến một mô hình mạnh thành hệ thống đáng tin cậy trong tổ chức. 12

Open-weight không mặc nhiên là mã nguồn mở

Một cảnh báo quan trọng của Mozilla nằm ở khái niệm. Trong báo cáo, từ “mở” nhìn chung có nghĩa là có thể tải về trọng số mô hình, trừ khi có nêu khác. Điều đó không tương đương với một hệ thống AI mã nguồn mở hoàn chỉnh.

Khi xem xét 16 bản phát hành đáng chú ý, Mozilla nhận thấy không bản nào cung cấp đầy đủ công thức dữ liệu huấn luyện theo định nghĩa của Open Source Initiative. Ba bản chỉ cung cấp một phần dữ liệu với quyền truy cập bị kiểm soát, còn 13 bản không cung cấp dữ liệu. 12

Thụy Sĩ là một ngoại lệ đáng chú ý: một liên minh công khai đã phát hành trọng số, dữ liệu và mã huấn luyện của mô hình được đào tạo ở cấp quốc gia. Kiểu công bố đầy đủ hơn này cho phép kiểm tra và tái lập tốt hơn nhiều so với chỉ phát hành trọng số. 12

Vì vậy, bên mua và cơ quan hoạch định chính sách cần hỏi cụ thể: có những gì được công bố — trọng số, mã huấn luyện, tài liệu về dữ liệu, kết quả đánh giá, điều khoản giấy phép, và quyền sửa đổi hoặc phân phối lại? Nhãn “mở” tự nó chưa trả lời được các câu hỏi đó.

Nút thắt là “harness” — hệ thống bao quanh mô hình

Mozilla tóm tắt thách thức vận hành bằng nhận định: “Quyết định đã chuyển từ mô hình sang harness.” 12

Có thể hiểu harness là toàn bộ lớp hệ thống giúp mô hình hoạt động trong thực tế. Một hệ thống AI đưa vào sản xuất không chỉ cần mô hình tải về, mà còn cần định tuyến, quản lý trạng thái, đánh giá, giám sát, kiểm soát an ninh, xử lý dữ liệu, khả năng kiểm toán, ứng phó sự cố và quy trình tuân thủ. Tự lưu trữ mô hình không có nghĩa là tổ chức đã có thể vận hành nó an toàn, ổn định và hiệu quả chi phí ở quy mô lớn.

Đó là lý do khoảng cách nhỏ trên bảng xếp hạng không tự động biến open-weight thành lựa chọn thay thế “cắm là chạy” cho API được quản lý. Mô hình có thể dễ tiếp cận hơn, nhưng hệ điều hành vận hành AI bao quanh nó vẫn khó xây dựng và duy trì.

Chủ quyền công nghệ là một động lực chiến lược

Hệ thống open-weight có thể giúp chính phủ và tổ chức kiểm soát tốt hơn nơi mô hình chạy, cách dữ liệu được xử lý, cách nâng cấp được quản lý và khả năng duy trì dịch vụ mà không lệ thuộc hoàn toàn vào một API bên ngoài. Điều này quan trọng với dữ liệu nhạy cảm, nhu cầu ngôn ngữ địa phương, khối lượng công việc bị quản lý chặt và kế hoạch tăng khả năng chống chịu. 12

Dù vậy, đây không phải là sự độc lập hoàn toàn. Triển khai tại chỗ vẫn có thể phụ thuộc vào chip, năng lực đám mây, phần mềm phục vụ mô hình và các nhà cung cấp thượng nguồn khác. Nhưng trọng số mở mở rộng đáng kể lựa chọn về quyền sở hữu, phương án triển khai và tính liên tục của dịch vụ.

Mozilla nêu ví dụ tại Anh với dự án Lumen Sovereign của Cosine. Dự án được hỗ trợ bởi chương trình Sovereign AI trị giá 500 triệu bảng Anh, dự kiến huấn luyện trên siêu máy tính Isambard-AI, và được đồng thiết kế cùng 13 tổ chức thuộc các lĩnh vực có quản lý. Cosine cho biết mục tiêu là hoàn tất mô hình vào cuối năm 2026, đồng thời hỗ trợ triển khai trong môi trường cách ly mạng (air-gapped) và có yêu cầu bảo mật cao. 1321

Rào cản cạnh tranh có thể thấp hơn ở tầng sản phẩm

Mozilla cho rằng các kiến trúc hiệu quả hơn có thể giảm nhu cầu về hạ tầng phần cứng và chi phí suy luận. Trong khi đó, huấn luyện hậu kỳ, thiết kế phần thưởng, dữ liệu chuyên ngành và môi trường học tăng cường trở thành nguồn tạo khác biệt quan trọng hơn. 12

Nếu xu hướng này tiếp diễn, các công ty nhỏ hơn có thể không cần liên tục tài trợ các đợt huấn luyện nền tảng ở quy mô biên để tạo ra sản phẩm AI giá trị. Họ có thể cạnh tranh bằng môi trường huấn luyện chuyên biệt, quy trình nghiệp vụ chất lượng cao và hệ thống triển khai đáng tin cậy.

Mở không đồng nghĩa với được miễn trách nhiệm pháp lý

Mozilla cũng nêu lo ngại chính sách: các ngưỡng rủi ro hệ thống dựa trên lượng tính toán có thể không phản ánh đúng năng lực của mô hình thưa (sparse) hiệu quả. Một mô hình có thể đạt năng lực cao trong khi dùng ít tính toán hoạt động hơn mức mà khung đo lường đơn giản dự liệu. 13

Đồng thời, sử dụng mô hình mở không miễn trừ nghĩa vụ pháp lý. Tổ chức điều chỉnh mô hình mở cho một trường hợp sử dụng rủi ro cao vẫn phải chịu trách nhiệm với các yêu cầu tuân thủ liên quan. 12

Điều này có ý nghĩa gì với bên mua AI?

Dữ liệu của Mozilla dẫn tới một kết luận thực dụng: open-weight đã là lựa chọn đáng để mặc định đưa vào đánh giá đối với nhiều khối lượng công việc, nhất là khi cần kiểm soát chi phí, triển khai cục bộ, tùy biến hoặc chủ quyền công nghệ.

Nhưng việc chọn mô hình chỉ là điểm khởi đầu. Lợi thế lâu dài ngày càng nằm ở lớp bao quanh mô hình: quản trị dữ liệu, thiết kế quy trình, đánh giá, bảo mật, quan sát vận hành và mức độ sẵn sàng tuân thủ. Trọng số mở giúp năng lực AI cao trở nên dễ tiếp cận hơn; chúng chưa khiến việc đưa AI vào vận hành thực tế trở nên đơn giản. 12