3 tỷ lượt tải, Qwen dẫn đầu AI mã nguồn mở

Qwen — bộ mô hình trí tuệ nhân tạo (AI) mã nguồn mở trọng số (open-weight) của Alibaba (BABA) — đã vượt mốc 3 tỷ lượt tải trên toàn cầu trong 6 tháng qua. Đây là con số vượt xa các bộ mô hình của Google và Meta (META), xét theo chỉ số lượt tải vốn được dùng để đo mức độ ứng dụng của giới lập trình viên.

Hugging Face cho biết trong báo cáo công bố ngày 14 rằng lượt tải các mô hình Qwen đã vượt qua 418 triệu lượt của nhóm mô hình Google và 227 triệu lượt của nhóm mô hình Meta. Hugging Face đánh giá Qwen đã trở thành một phần trong quy trình mặc định khi lập trình viên quyết định tinh chỉnh (fine-tune) và triển khai mô hình nào.

Mô hình mã nguồn mở trọng số là loại mô hình AI cho phép lập trình viên tải về trọng số (weights) rồi tự điều chỉnh, triển khai trong môi trường riêng. Khác với mô hình đóng chỉ có thể gọi qua API bên ngoài, dạng mô hình này giúp doanh nghiệp vận hành linh hoạt hơn theo hệ thống nội bộ, dữ liệu ngành và yêu cầu bảo mật riêng.

Lượt tải không đồng nghĩa với hiệu năng mô hình. Đây là chỉ số phản ánh mức độ lập trình viên thực sự sử dụng mô hình trong quá trình thử nghiệm, tinh chỉnh và triển khai dịch vụ.

Alibaba cho biết đã công bố mã nguồn mở hơn 460 mô hình thuộc dòng Qwen, từ đó tạo ra hơn 300.000 mô hình phái sinh. Trang tổ chức Qwen trên Hugging Face cũng công khai nhiều dòng mô hình khác nhau, bao gồm mô hình ngôn ngữ lớn (LLM) và mô hình đa phương thức (multimodal).

Xu hướng này cho thấy các công ty AI Trung Quốc đang đẩy nhanh việc xây dựng hệ sinh thái lập trình viên, thay vì chỉ chạy đua công bố mô hình mới. Khi số lượng mô hình trong một dòng càng mở rộng, lập trình viên càng dễ chọn mô hình phù hợp với từng tác vụ cụ thể, và các mô hình phái sinh lại tiếp tục thu hút thêm người dùng mới.

TokenPost từng đưa tin trước đó rằng Qwen đã vượt mốc 3 tỷ lượt tải tích lũy toàn cầu trong 6 tháng qua. Khi đó, giới quan sát cũng lưu ý rằng lượt tải không đồng nghĩa trực tiếp với doanh thu hay thị phần dịch vụ.

Theo Business Insider dẫn dữ liệu của Hugging Face, lượt tải của lập trình viên trong năm 2026 tập trung vào các mô hình nhỏ, ổn định hơn là các mô hình lớn mới nhất. Điều này cho thấy trong thực tế phát triển, chi phí, tốc độ và độ ổn định khi triển khai thường được cân nhắc nhiều hơn việc chọn mô hình lớn nhất.

Với độc giả tại Việt Nam, điểm đáng chú ý là sự lan rộng của các mô hình AI Trung Quốc có thể ảnh hưởng đến lựa chọn hạ tầng đám mây và phát triển trong nước. Khi AI thâm nhập sâu hơn vào công việc phát triển phần mềm và vận hành doanh nghiệp, đơn giá mô hình, phương thức triển khai và khả năng kiểm soát dữ liệu đều gắn liền với cấu trúc chi phí.

Nội dung này cũng liên quan đến việc các doanh nghiệp ứng dụng AI siết chặt kiểm soát chi phí mà TokenPost từng đề cập. Khi đó, nhiều doanh nghiệp đã cân nhắc giới hạn token, định tuyến mô hình, tối ưu ngữ cảnh (context engineering) và giám sát mức sử dụng để ứng phó với lượng dùng AI ngày càng tăng.

Tuy nhiên, lượt tải có thể tăng do quá trình triển khai lặp lại và tự động hóa. Cùng một mô hình có thể bị đếm trùng ở nhiều môi trường khác nhau, nên khó có thể chỉ dựa vào thứ hạng lượt tải để đánh giá khả năng thu hút khách hàng doanh nghiệp hay chuyển đổi thành doanh thu.

Thay đổi được xác nhận hiện tại là Qwen đã lan rộng nhanh chóng trong hệ sinh thái lập trình viên toàn cầu. Chiến lược mã nguồn mở trọng số của Alibaba tiếp tục diễn ra trong bối cảnh các tập đoàn công nghệ Mỹ và doanh nghiệp AI Trung Quốc cạnh tranh nhau về công cụ phát triển và kho lưu trữ mô hình.