Mô hình mở tháng 10/2026: tải về miễn phí, nhưng tự chạy có rẻ hơn thuê API không?

Ngày 15/10, Meta phát hành Muse Spark Open — một mô hình 816 tỉ tham số mà ai cũng có thể tải về. Vài tuần trước đó, Xiaomi phát hành MiMo-V2.6-Pro, mô hình mở đứng đầu bảng xếp hạng độc lập. Tin tức thường đi kèm hai chữ "miễn phí", và câu hỏi tự nhiên của nhiều giám đốc là: sao không tự chạy luôn, để khỏi trả tiền API và khỏi gửi dữ liệu ra ngoài?

Câu hỏi hợp lý. Câu trả lời phụ thuộc vào ba con số mà tin tức hiếm khi nhắc: mô hình cần bao nhiêu bộ nhớ GPU, thuê chừng ấy GPU tốn bao nhiêu mỗi tháng, và doanh nghiệp thật sự xử lý bao nhiêu token mỗi tháng. Bài này tính cả ba.

Bốn mô hình mở đáng chú ý

• MiMo-V2.6-Pro (Xiaomi, 21/9). Khoảng 1.000 tỉ tham số, mỗi lần tính chỉ dùng khoảng 42 tỉ (kiến trúc mixture-of-experts — nhiều "chuyên gia" con, mỗi lần chỉ gọi vài cái). Giấy phép MIT. Đứng đầu nhóm mô hình mở trên chỉ số của Artificial Analysis với khoảng 46 điểm. API khoảng $0,43/$0,87 cho mỗi triệu token vào/ra.
• DeepSeek V4.1 Flash (DeepSeek, 10/9). Khoảng 552 tỉ tham số, ngữ cảnh 1 triệu token. API của DeepSeek theo bảng giá được nhiều nguồn trích: $0,15/$0,60 giờ thấp điểm, gấp đôi giờ cao điểm.
• Muse Spark Open (Meta, 15/10). 816 tỉ tham số, khoảng 42 tỉ hoạt động. Meta tự công bố khoảng 39 điểm trên chỉ số Artificial Analysis; chưa có số đo độc lập lúc bài này viết. Giấy phép riêng của Meta, có điều kiện — xem phần dưới.
• Qwen3.8-27B (Alibaba, tháng 8). 27 tỉ tham số, dạng "đặc" (mọi tham số đều dùng mỗi lần tính). Giấy phép Apache 2.0. Nhỏ tới mức chạy được trên một GPU 24 GB khi nén 4-bit.

Để đặt vào bối cảnh: mô hình đóng dẫn đầu cùng bảng chỉ số, Claude Opus 5.5, có 58 điểm. Mô hình mở tốt nhất kém khoảng 12 điểm — khoảng cách đã hẹp hơn nhiều so với một năm trước, nhưng vẫn còn.

"Mở" không có nghĩa là không có điều kiện

Các mô hình này thường được gọi là "mã nguồn mở", nhưng chính xác hơn là mô hình mở trọng số (open-weight): bạn tải được bộ tham số đã huấn luyện, nhưng không nhất thiết có dữ liệu huấn luyện hay quyền dùng không điều kiện. Điều kiện nằm ở giấy phép, và giấy phép khác nhau rất nhiều:

• MIT và Apache 2.0 (MiMo, Qwen3.8-27B): dùng thương mại, sửa đổi, đóng gói vào sản phẩm gần như tự do.
• Giấy phép Muse của Meta: theo các bài phân tích giấy phép, sản phẩm phải ghi dòng "Built with Muse Spark Open"; công ty cung cấp mô hình như dịch vụ cho bên khác với doanh thu trên 20 triệu USD trong 12 tháng phải có thoả thuận riêng với Meta (dùng nội bộ hoặc tích hợp vào sản phẩm của mình thì không áp ngưỡng này); chính sách sử dụng cấm hành nghề không phép trong các lĩnh vực có quản lý như tài chính, pháp lý, y tế; không dành cho người dưới 18 tuổi; và tải về phải khai họ tên, ngày sinh, tên tổ chức.

Không điều kiện nào trong số này là bất thường. Nhưng một công ty phòng khám định dùng mô hình để hỗ trợ đọc kết quả xét nghiệm, hay một công ty tư vấn tài chính, cần đọc kỹ điều khoản về lĩnh vực có quản lý trước khi chọn. Đọc giấy phép trước khi đọc bảng điểm.

Phép tính thứ nhất: cần bao nhiêu GPU

Phần lớn bộ nhớ GPU dùng để chứa trọng số mô hình. Quy tắc gần đúng: số tham số × số byte mỗi tham số.

• Ở độ chính xác gốc BF16: 2 byte mỗi tham số.
• Nén 4-bit: khoảng 0,5 byte mỗi tham số, đổi lại chất lượng giảm nhẹ.

Áp vào:

• Qwen3.8-27B: khoảng 54 GB ở BF16 (vừa một GPU 80 GB), khoảng 16 GB ở 4-bit (vừa một GPU 24 GB).
• MiMo-V2.6-Pro, 1.000 tỉ tham số: khoảng 500 GB ngay cả khi nén 4-bit.
• Muse Spark Open: bản chính thức nhỏ nhất khoảng 530 GB; các bài viết dẫn cấu hình tham khảo là tám GPU H200 (mỗi chiếc 141 GB) hoặc bốn GPU Blackwell thế hệ mới.

Cộng thêm bộ nhớ cho ngữ cảnh (KV cache) — với ngữ cảnh dài và nhiều người dùng cùng lúc, phần này có thể lên hàng chục tới hàng trăm GB. Kết luận đầu tiên: các mô hình mở hàng đầu cần một cụm GPU trung tâm dữ liệu, không phải một máy chủ trong phòng kỹ thuật. Mô hình cỡ 27 tỉ tham số thì khác — đó là thứ một doanh nghiệp vừa có thể tự chạy.

Phép tính thứ hai: tiền thuê GPU mỗi tháng

Giá thuê GPU đám mây dao động rất rộng theo nhà cung cấp. Theo chỉ số giá tháng 9/2026 của Mercatus, tổng hợp từ hàng chục nhà cung cấp, giá trung bình mỗi GPU mỗi giờ khoảng: H100 $3,84 (dao động từ $1,79 tới $12,52), H200 $4,43, B200 $6,39. Một tháng chạy liên tục là khoảng 730 giờ.

• 1 × H100 (đủ cho Qwen3.8-27B ở BF16): khoảng $2.800 mỗi tháng.
• 8 × H200 (đủ cho một mô hình cỡ Muse Spark Open hay MiMo-V2.6-Pro): khoảng $25.900 mỗi tháng.

Đó mới là tiền máy. Chưa tính kỹ sư cài đặt, theo dõi, cập nhật phiên bản, xử lý sự cố lúc nửa đêm — với một cụm tám GPU chạy dịch vụ thật, đó thường là ít nhất một phần công việc của một kỹ sư có kinh nghiệm.

Phép tính thứ ba: hoà vốn ở bao nhiêu token

Giờ so với việc gọi chính mô hình đó qua API. MiMo-V2.6-Pro qua API khoảng $0,43/$0,87. Giả định cứ 3 token đầu vào có 1 token đầu ra (tỉ lệ phổ biến khi mô hình đọc nhiều hơn viết), giá bình quân là khoảng $0,54 cho mỗi triệu token.

Điểm hoà vốn = tiền thuê GPU mỗi tháng ÷ giá API mỗi token:

• $25.900 ÷ $0,54 mỗi triệu ≈ 48 tỉ token mỗi tháng.
• Tương đương khoảng 18.000 token mỗi giây, liên tục 24 giờ, suốt 30 ngày.

Để so sánh, cửa hàng 30.000 tin nhắn mỗi tháng trong bài về mô hình nhỏ xử lý khoảng 72 triệu token mỗi tháng. Qua API MiMo, đó là khoảng 39 USD. Tự chạy cùng mô hình đó tốn khoảng 25.900 USD — gấp khoảng 660 lần.

Với mô hình nhỏ cũng tương tự. Một H100 chạy Qwen3.8-27B tốn $2.800 mỗi tháng; nếu so với một mô hình nhỏ qua API giá $0,10/$0,50 (bình quân khoảng $0,20 mỗi triệu token), điểm hoà vốn là khoảng 14 tỉ token mỗi tháng — vẫn gấp gần 200 lần khối lượng của cửa hàng.

Thêm một yếu tố làm phép tính nghiêng hơn nữa: GPU thuê theo giờ vẫn tính tiền khi không có ai dùng. Một hệ thống nội bộ chỉ bận trong 8 giờ hành chính thì chi phí thật cho mỗi token gấp ba lần con số trên. API chỉ tính tiền khi có yêu cầu.

Một chi tiết riêng cho doanh nghiệp Việt Nam

Bảng giá API của DeepSeek được nhiều nguồn trích có giờ cao điểm từ 01:00 tới 04:00 và từ 06:00 tới 10:00 giờ UTC, các ngày trong tuần, với giá gấp đôi. Đổi sang giờ Việt Nam (UTC+7), đó là 8:00–11:00 và 13:00–17:00 — gần như trùng khít giờ hành chính.

Nghĩa là một doanh nghiệp Việt Nam dùng DeepSeek cho công việc ban ngày sẽ chủ yếu trả giá cao điểm, không phải con số thấp điểm thường được nhắc trong tin tức. Ngược lại, các việc chạy hàng loạt (tóm tắt tài liệu, phân loại kho dữ liệu cũ) có thể xếp lịch chạy buổi tối hoặc đêm để hưởng giá thấp điểm. Hãy kiểm tra lại khung giờ trên trang giá chính thức trước khi lên lịch.

Khi nào tự chạy là đúng

Phép tính tiền hiếm khi ủng hộ tự chạy với khối lượng của doanh nghiệp vừa và nhỏ. Nhưng có những lý do chính đáng không liên quan tới tiền:

• Dữ liệu không được rời khỏi hạ tầng. Luật, hợp đồng với khách hàng, hoặc quy định ngành có thể cấm gửi một số loại dữ liệu ra máy chủ bên thứ ba. Khi đó tự chạy — hoặc thuê hạ tầng riêng đặt ở nơi được phép — có thể là lựa chọn duy nhất, và chi phí là chi phí tuân thủ.
• Không có internet hoặc cần độ trễ cố định. Dây chuyền sản xuất, thiết bị hiện trường, hệ thống phải chạy khi đứt cáp quốc tế.
• Cần tinh chỉnh sâu. Huấn luyện thêm mô hình trên dữ liệu chuyên ngành của bạn, ở mức mà API của các hãng không cho phép.
• Cần chủ động về phiên bản và giá. Mô hình đóng có thể bị ngừng hỗ trợ hoặc đổi giá; mô hình mở bạn đã tải về thì nằm yên ở đó.

Giữa hai đầu còn những lựa chọn trung gian: gọi chính mô hình mở qua API của một nhà cung cấp có máy chủ đặt ở khu vực phù hợp với yêu cầu dữ liệu của bạn; thuê một máy chủ riêng chỉ chạy mô hình cho bạn; hoặc tự chạy một mô hình cỡ nhỏ như Qwen3.8-27B cho dữ liệu nhạy cảm và dùng API cho phần còn lại.

Năm câu hỏi trước khi quyết định

Một — giấy phép cho phép việc bạn định làm không? Đọc toàn văn, đặc biệt các điều khoản về lĩnh vực, doanh thu và ghi tên.

Hai — mô hình cần bao nhiêu GPU? Số tham số × 2 byte (BF16) hoặc × 0,5 byte (4-bit), cộng phần ngữ cảnh. Đối chiếu với cấu hình tham khảo trên trang mô hình.

Ba — tiền thuê mỗi tháng là bao nhiêu? Số GPU × giá mỗi giờ × 730. Lấy báo giá thật từ hai ba nhà cung cấp; giá dao động gấp nhiều lần giữa các nơi.

Bốn — khối lượng thật của bạn là bao nhiêu token mỗi tháng? Lấy từ hoá đơn API hiện tại hoặc ước tính từ số yêu cầu × độ dài trung bình. So với điểm hoà vốn.

Năm — nếu phép tính không ủng hộ, có lý do nào khác? Viết ra cụ thể: luật nào, hợp đồng nào, yêu cầu vận hành nào. Nếu không viết ra được, dùng API và xem lại sau sáu tháng.

Kết

Mô hình mở tháng 10/2026 là tin tốt thật sự: khoảng cách với mô hình đóng hàng đầu đã thu hẹp, giấy phép như MIT và Apache cho phép dùng thương mại tự do, và việc có lựa chọn tự chạy làm cho cả thị trường cạnh tranh hơn.

Nhưng "tải về miễn phí" không có nghĩa là "chạy miễn phí". Với các mô hình mở hàng đầu, tiền máy để tự chạy đủ trả API cho hàng chục tỉ token mỗi tháng — gấp hàng trăm lần nhu cầu của phần lớn doanh nghiệp vừa và nhỏ. Lý do đúng để tự chạy thường nằm ở dữ liệu, vận hành hoặc quyền chủ động — không nằm ở hoá đơn.

Nếu bạn cần đánh giá có nên tự triển khai mô hình AI trên hạ tầng riêng — từ giấy phép, cấu hình GPU tới phương án lai giữa tự chạy và API — liên hệ với chúng tôi hoặc xem năng lực AI & ML của KonexForge.