4,4 tháng: AI open-weight Trung Quốc thu hẹp khoảng cách với mô hình Mỹ

Khoảng cách hiệu năng giữa các mô hình trí tuệ nhân tạo (AI) open-weight của Trung Quốc và mô hình đóng của Mỹ đã thu hẹp xuống còn khoảng 4,4 tháng. Chi phí của các mô hình này được ghi nhận ở mức 30–60% so với những mô hình đóng hàng đầu của Mỹ.

Mozilla công bố trong báo cáo ‘State of Open Source AI’ ngày 15 rằng tổ chức này đã so sánh hiệu năng và chi phí của các mô hình AI tính đến ngày 1 tháng 9. Báo cáo cũng phân tích tỷ trọng các mô hình do Trung Quốc phát triển trong nhóm mô hình mở, cùng khoảng cách giữa mức sử dụng và doanh thu.

Mô hình open-weight hàng đầu có điểm số thấp hơn 3 điểm so với mô hình đóng dẫn đầu trên Artificial Analysis Intelligence Index. Chi phí của mô hình này bằng khoảng 60% mô hình đóng dẫn đầu. So với Fable 5 của Anthropic, khoảng cách điểm số là 2 điểm, còn chi phí giảm xuống khoảng 30%.

Mô hình open-weight được cung cấp theo cách công khai trọng số mô hình. Cách này khác với mô hình mã nguồn mở, vốn thường công khai cả dữ liệu huấn luyện, quy trình xử lý dữ liệu và mã huấn luyện.

Mozilla đã sử dụng dữ liệu ‘độ dài nhiệm vụ’ của tổ chức đánh giá mô hình AI METR để tính toán khoảng cách hiệu năng. Độ dài nhiệm vụ là khoảng thời gian AI có thể hoàn thành ổn định một công việc do chuyên gia thực hiện.

Kết quả phân tích cho thấy các mô hình đóng có thể xử lý những nhiệm vụ mà chuyên gia con người cần 8–12 giờ để hoàn thành. Các mô hình mở đạt cùng cấp độ sau khoảng 4 tháng.

Tốc độ cải thiện hiệu năng của mô hình mở cũng nhanh hơn mô hình đóng. Khả năng xử lý nhiệm vụ của mô hình mở tăng gấp đôi sau khoảng 3,9 tháng, trong khi mô hình đóng cần 5,5 tháng.

Tuy nhiên, các số liệu này là kết quả so sánh dựa trên giá API chính thức của mô hình và một chỉ số đánh giá cụ thể. Hiệu năng và chi phí thực tế có thể thay đổi tùy loại nhiệm vụ, môi trường vận hành và số lượng lệnh gọi.

Chênh lệch chi phí cũng xuất hiện trong môi trường phát triển thực tế. Vals AI đánh giá Terminal-Bench 2.1 trong cùng một môi trường thực thi và ghi nhận GLM-5.2 của Z.ai đạt điểm số tương đương Claude Opus 4.7 và 4.8 của Anthropic, trong khi chi phí mỗi nhiệm vụ chỉ bằng khoảng 1/5, Ars Technica đưa tin.

Mozilla cũng nêu rõ đây là so sánh dựa trên giá chính thức của API đám mây. Nếu vận hành mô hình mở trên hạ tầng riêng, doanh nghiệp có thể phát sinh thêm chi phí GPU, công cụ triển khai và nhân sự bảo trì.

Về mức sử dụng, mô hình mở có ảnh hưởng lớn hơn. Trong 10 mô hình có lượng token sử dụng cao nhất trên OpenRouter vào tháng 8 năm 2026, có 8 mô hình open-weight, trong đó 7 mô hình được phát triển tại Trung Quốc.

Tỷ trọng sử dụng các mô hình mở của Trung Quốc trên OpenRouter đã tăng từ dưới 2% vào cuối năm 2024 lên hơn 45% trong một tuần của tháng 4 năm 2026. Điều này cho thấy không chỉ hiệu năng mà cả chi phí sử dụng thấp và khả năng tiếp cận cũng có thể tác động đến mức sử dụng thực tế.

Ngược lại, mức độ chuyển đổi thành doanh thu vẫn hạn chế. Các mô hình mở chiếm khoảng 1/3 lượng sử dụng thực tế nhưng chỉ chiếm khoảng 4% doanh thu ở cấp mô hình. Theo số liệu trước đây của Linux Foundation, các công ty cung cấp mô hình đóng đã nhận 96% doanh thu ở cấp mô hình trên OpenRouter trong giai đoạn tháng 5–9 năm 2025.

Trong việc triển khai AI cho doanh nghiệp, lựa chọn không chỉ phụ thuộc vào chi phí và hiệu năng. Mô hình đóng có thể được sử dụng ngay mà không cần đội ngũ vận hành riêng, đồng thời có thể cung cấp khả năng tuân thủ quy định và hỗ trợ kỹ thuật. Trong khi đó, mô hình mở có thể được vận hành trên hạ tầng riêng nhưng làm tăng gánh nặng triển khai và bảo trì.

Cạnh tranh giữa các mô hình open-weight đang mở rộng từ hiệu năng mô hình sang GPU, hạ tầng suy luận và công cụ triển khai. Trước đó, TokenPost đã đưa tin về xu hướng các mô hình mở Trung Quốc gia nhập hệ sinh thái GPU Nvidia($NVDA).

Mozilla nhận định cạnh tranh giữa mô hình mở và mô hình đóng đang mở rộng sang công cụ thực thi và hạ tầng vận hành. Báo cáo xác định mức độ phụ thuộc ngày càng tăng của mô hình mở vào Trung Quốc và khoảng cách giữa mức sử dụng thực tế với quá trình chuyển đổi thành doanh thu là những thách thức chính.