Khám phá các mô hình AI mã nguồn mở (Open-Source / Open-Weight) năm 2026

Tính đến giữa tháng 8/2026, hệ sinh thái AI mã nguồn mở đã phát triển rất mạnh. Các mô hình open-weight (công bố trọng số) từ lab Trung Quốc đang dẫn đầu bảng xếp hạng, trong khi Mỹ và châu Âu tập trung vào mô hình vừa và nhỏ dễ triển khai. Xu hướng chính: Mixture-of-Experts (MoE) chiếm ưu thế (chỉ kích hoạt một phần tham số), context window lên tới 1M token, và giấy phép MIT/Apache 2.0 ngày càng phổ biến, dù không phải mô hình nào cũng thực sự “mở” hoàn toàn cho mục đích thương mại.

Top mô hình mạnh nhất hiện nay (theo Artificial Analysis Intelligence Index, cập nhật ~17/8/2026)

Nguồn tổng hợp: Artificial Analysis Intelligence Index v4.1.1, BenchLM.ai, Hugging Face, trang chính thức của từng lab (Moonshot AI, Z.ai, DeepSeek, Alibaba Qwen, Google, Mistral AI, OpenAI, Meta).

Lưu ý về xếp hạng: Các bảng xếp hạng khác nhau (Artificial Analysis, BenchLM, LLM Stats) đôi khi cho thứ tự khác nhau vì phương pháp đánh giá khác nhau, và tình hình thay đổi liên tục — có tháng dẫn đầu là Kimi K2.6, tháng sau là GLM-5.2, rồi Kimi K3… Bảng trên phản ánh Artificial Analysis Intelligence Index tại thời điểm giữa tháng 8/2026.

Phân loại theo nhu cầu sử dụng

1. Flagship / hiệu năng cao nhất (cần nhiều GPU / hạ tầng datacenter)

Kimi K3, Qwen3.8 Max, DeepSeek V4-Pro, GLM-5.2. Phù hợp nghiên cứu, agent phức tạp, coding lớn, multimodal. Lưu ý: Kimi K3 khuyến nghị tối thiểu 64 accelerator; GLM-5.2 cần khoảng 1TB VRAM ở BF16.

2. Cân bằng hiệu năng – chi phí (khuyên dùng nhất)

• GLM-5.2 (MIT, rất mạnh coding/agent, chi phí thấp hơn nhiều so với GPT-5.5).
• DeepSeek V4-Flash hoặc MiniMax M3.
• Các biến thể Qwen 3.6 cỡ 27B–35B-A3B (giấy phép Apache 2.0, không dính điều kiện thương mại như Qwen3.8 Max).

3. Chạy local / máy cá nhân (laptop hoặc 1 GPU)

Gemma 4 (12B/31B), Qwen nhỏ (9B–27B), Mistral Small 4, Muse Glimmer 30B, gpt-oss-20b. Dễ chạy với Ollama, LM Studio, llama.cpp (hỗ trợ GGUF).

4. Chuyên coding & agent

GLM-5.2 / GLM-5.3, DeepSeek V4 series, Kimi K2.7 Code / K3, Qwen3-Coder.

Xu hướng quan trọng năm 2026

• Trung Quốc dẫn đầu open-weight: Hầu hết top 5 đều từ lab Trung Quốc (Moonshot, Alibaba, DeepSeek, Zhipu, MiniMax).
• MoE thống trị: Chỉ kích hoạt 2–5% tham số → hiệu quả cao hơn dense model.
• “Mở” không đồng nghĩa “không giới hạn”: Nhiều mô hình gắn mác open-weight nhưng có điều kiện thương mại riêng — ví dụ Qwen3.8 Max yêu cầu công ty doanh thu trên 50 triệu USD/năm phải xin license thương mại riêng nếu kinh doanh dạng dịch vụ mô hình; MiniMax M3 cũng cần license riêng cho mục đích thương mại. Chỉ MIT và Apache 2.0 (GLM, DeepSeek, Gemma 4, Mistral, gpt-oss, Muse Glimmer, Qwen 3.6…) mới thực sự không giới hạn.
• Context dài & multimodal: 1M token + hỗ trợ hình ảnh/video ngày càng phổ biến ở các mô hình flagship.
• Hệ sinh thái: Qwen vẫn có số lượng biến thể (derivative) và lượt tải lớn nhất trên Hugging Face.
• Khoảng cách với mô hình đóng đang thu hẹp: Theo Artificial Analysis, khoảng cách giữa mô hình open-weight tốt nhất và frontier đóng (Claude, GPT) đã giảm từ khoảng 13 điểm xuống còn khoảng 6 điểm trên Intelligence Index so với một năm trước.

Cách bắt đầu nhanh

• Tải model: Hugging Face (tìm theo tên model) – luôn kiểm tra kỹ file license đi kèm từng checkpoint trước khi dùng thương mại. 

• Chạy local: Ollama, LM Studio, hoặc vLLM/llama.cpp (đặc biệt phù hợp với Gemma 4, Muse Glimmer 30B, Mistral Small 4, các bản Qwen nhỏ). 

• API rẻ: Nhiều nhà cung cấp (OpenRouter, Together AI, Fireworks, Modal…) host sẵn các model lớn (Kimi K3, DeepSeek V4, GLM-5.2…) với giá thấp hơn nhiều so với tự host. 
• Fine-tune: Dùng Unsloth, Axolotl hoặc framework tương tự trên model nhỏ/vừa.

Bài viết đã được tổng hợp dựa trên các nguồn: Artificial Analysis, BenchLM.ai, Hugging Face, TechNode, MarkTechPost, SCMP, cùng trang chính thức của Moonshot AI, Z.ai, DeepSeek, Alibaba Qwen, Google, Mistral AI, OpenAI và Meta (dữ liệu tính đến 17–18/8/2026).

Lê Mộng Thuý – Giảng viên FPT Aptech