Vì sao mô hình AI open-weight bất ngờ chiếm ưu thế trên Vercel?

Một sự dịch chuyển về bài toán chi phí và năng lực đang diễn ra trên AI Gateway của Vercel. Vào thứ Ba, ngày 25/8/2026, các mô hình open-weight — tức mô hình có trọng số được công bố để có thể tải xuống hoặc triển khai linh hoạt hơn — chiếm 54% tổng lượng token đi qua cổng này, vượt mức 46% của các mô hình độc quyền. Vào thứ Bảy trước đó, tỷ lệ mô hình open-weight từng chạm mức kỷ lục 62%, còn mô hình đóng ở 38%.4

Động lực trực tiếp phía sau là DeepSeek V4 Flash. Bản trọng số cập nhật giúp mô hình cải thiện hiệu năng trong lập trình, sử dụng công cụ và các quy trình tác vụ tự động, nhưng không biến nó thành một sản phẩm có mức giá cao.19

Lưu lượng token đã đổi chiều

Mốc được ghi nhận trong tháng 8	Mô hình open-weight	Mô hình độc quyền
Thứ Bảy trước đó	62%	38%
Thứ Ba, 25/8	54%	46%

Như vậy, mô hình open-weight dẫn trước 8 điểm phần trăm vào ngày 25/8 và từng dẫn trước 24 điểm ở mốc kỷ lục trước đó. Tuy nhiên, đây là tỷ lệ token được xử lý qua gateway, không phải thước đo doanh thu, lợi nhuận hay số lượng doanh nghiệp đang sử dụng từng mô hình.

DeepSeek V4 Flash đã thay đổi cuộc chơi như thế nào?

Vercel cho biết DeepSeek V4 Flash bắt đầu sử dụng bản trọng số cập nhật theo mặc định trên AI Gateway. Điểm Terminal-Bench của mô hình tăng từ 56,9 trong bản xem trước tháng 4 lên 82,7 — cải thiện 25,8 điểm.19 Người dùng hiện tại không cần đổi model ID hay sửa mã ứng dụng để nhận bản trọng số mới, qua đó giảm đáng kể rào cản chuyển đổi.19

Sức hút của V4 Flash vì thế không chỉ nằm ở việc rẻ. Khả năng xử lý tác vụ tự động tốt hơn khiến mô hình phù hợp với các khối lượng công việc lập trình và sử dụng công cụ ở quy mô lớn. Định vị ở phân khúc tối ưu hiệu quả cũng cho phép nhà phát triển kiểm soát chi phí suy luận — chi phí để mô hình tạo ra câu trả lời.

Theo mô tả sản phẩm của Vercel, V4 Flash hỗ trợ suy luận, sử dụng công cụ và bộ nhớ đệm ngầm, với cửa sổ ngữ cảnh 1 triệu token.27

Giá tiếp tục củng cố lợi thế này. Reuters đưa tin DeepSeek V4 Pro ra mắt với giá đầu vào khoảng gấp 9 lần và giá đầu ra gấp 14 lần V4 Flash, cho thấy khoảng cách rõ rệt giữa mẫu máy ưu tiên hiệu quả và sản phẩm cao cấp của cùng công ty.17 Các so sánh độc lập cũng cho thấy V4 Flash có lợi thế giá đáng kể, dù kết quả benchmark thay đổi tùy bài kiểm tra và cấu hình.25

Vì sao mô hình độc quyền mất thị phần token?

Các báo cáo hiện có liên hệ sự suy giảm lưu lượng của mô hình độc quyền với nhu cầu kinh doanh yếu hơn đối với Fable 5 — một mô hình đắt tiền của Anthropic.4 Lý giải này hợp lý với những tác vụ mà nhà phát triển coi trọng thông lượng và chi phí trên mỗi đơn vị hơn là năng lực tối đa. Tuy vậy, số liệu gateway chưa đủ để chứng minh đây là nguyên nhân duy nhất đối với mọi khách hàng hoặc mọi yêu cầu.

Theo mô tả của Vercel, Fable 5 vẫn được định vị cho các tác vụ kéo dài, mơ hồ và nhiều bước.3 Vì vậy, biến động lưu lượng trong tháng 8 có vẻ giống một quyết định định tuyến mô hình hơn là phán quyết rằng mô hình mở luôn tốt hơn: dùng mẫu rẻ hơn cho khối lượng công việc phù hợp, còn dành mô hình độc quyền cao cấp cho những nhiệm vụ đủ quan trọng để biện minh cho mức giá cao hơn.

Nhiều token hơn không có nghĩa là chi tiêu nhiều hơn

Điểm cần lưu ý nhất là sự khác biệt giữa mức sử dụng và doanh thu. Trong một báo cáo trước đó, Vercel cho biết mô hình open-weight tăng lên 29% tổng lượng token của gateway nhưng chỉ chiếm chưa đến 4% mức chi tiêu.44 Khoảng cách này xuất hiện vì số token không phản ánh đơn giá của token đầu vào và đầu ra.

Do đó, việc mô hình open-weight vượt mốc 50% trong tháng 8 cho thấy chúng đang xử lý phần lớn hơn trong khối lượng công việc của gateway, chứ chưa chứng minh chúng tạo ra nhiều doanh thu hơn cho nhà cung cấp. Các mô hình độc quyền vẫn có thể chiếm phần lớn ngân sách dù xử lý ít token hơn, đơn giản vì giá mỗi token cao hơn.

Bài học cho nhà phát triển

Dữ liệu trên gợi ý một chiến lược định tuyến mô hình có chủ đích hơn:

• Dùng mô hình tối ưu chi phí cho quy mô lớn: Tác vụ tạo nội dung số lượng cao, hỗ trợ lập trình và các lệnh gọi công cụ thường nhạy cảm với chi phí trên mỗi token.
• Kiểm thử lại sau mỗi lần cập nhật trọng số: Bản nâng cấp của DeepSeek V4 Flash đã thay đổi hồ sơ hiệu năng mà không yêu cầu sửa model ID ở cấp ứng dụng.19
• Tách riêng chất lượng và hiệu quả kinh tế: Điểm benchmark cao hơn không có nghĩa mô hình phù hợp nhất với mọi hệ thống thực tế. Độ chính xác, độ ổn định, độ trễ, quyền riêng tư và khả năng cung cấp của nhà cung cấp vẫn cần được đánh giá.
• Theo dõi cả chi tiêu lẫn token: Mô hình dẫn đầu về lưu lượng token không tự động là mô hình dẫn đầu về mức chi tiêu hay giá trị mang lại.

Bức tranh tháng 8 của Vercel cho thấy mô hình open-weight có thể giành phần lớn lưu lượng sản xuất khi kết hợp đủ năng lực với chi phí thấp hơn đáng kể. DeepSeek V4 Flash là ví dụ nổi bật nhất, nhưng xu hướng rộng hơn là lựa chọn mô hình rẻ nhất vẫn đáp ứng đủ độ tin cậy cho từng loại công việc — thay vì lập tức thay thế toàn bộ mô hình độc quyền.