Các mô hình ngôn ngữ lớn (LLM) mã nguồn mở đang khẳng định vị thế là một trong những xu hướng công nghệ trí tuệ nhân tạo trọng tâm. Sự trỗi dậy mạnh mẽ này hoàn toàn có cơ sở khi khoảng cách giữa các giải pháp mã nguồn mở và những mô hình độc quyền khép kín ngày càng được thu hẹp đáng kể.
Những cái tên tiêu biểu như DeepSeek V4 Pro, GLM-5.1 của Z.ai, Kimi K2.6 từ Moonshot AI hay Qwen3.5 do Alibaba phát triển không chỉ đủ sức cạnh tranh sòng phẳng với các dòng LLM thương mại hàng đầu như Claude Opus 4.8, GPT-5.5 hay Gemini 3.1 Pro, mà thậm chí còn vượt trội hơn trên một số tiêu chuẩn chuyên biệt như SWE-Bench Pro và HumanEval. Trong khi đó, các điểm chuẩn độc quyền mới ghi nhận GPT-5.6 Sol đạt 88,8% trên Terminal-Bench 2.1 và phiên bản Sol Ultra đạt 91,9%. Dù vậy, hệ sinh thái mã nguồn mở vẫn sở hữu sức hút riêng nhờ tính linh hoạt và khả năng tối ưu chi phí vượt trội.
Tổng quan danh mục các mô hình LLM mã nguồn mở
Phần này tổng hợp toàn bộ các mô hình trọng số mở từ nền tảng models.dev kết hợp cùng các phiên bản kinh điển được tuyển chọn kỹ lưỡng. Dữ liệu được sắp xếp theo trình tự thời gian phát hành, bao gồm thông tin chi tiết về kiến trúc, ngưỡng tri thức, dung lượng đầu ra và số lượng nhà cung cấp API.
Mở đầu danh sách là Laguna XS 2.1 do Poolside phát triển vào tháng 7 năm 2026, sở hữu 33B tham số (3B hoạt động), cửa sổ ngữ cảnh 256K, đạt 70.9% SWE-Bench Verified, sử dụng giấy phép OpenMDW-1.1 với giá input 0.060 USD và output 0.12 USD. Tiếp theo là dòng Ornith 1.0 từ DeepReinforce (tháng 6 năm 2026) với các biến thể 9B, 31B, 35B và 397B, hỗ trợ ngữ cảnh 256K, giấy phép MIT, đạt điểm số SWE-Bench Verified lên đến 82.4% ở phiên bản lớn nhất.
Cùng thời điểm tháng 6 năm 2026, Z.ai giới thiệu GLM-5.2 với ngữ cảnh 1M, đạt 91.2% GPQA, 62.1% SWE-Bench Pro, sử dụng giấy phép MIT và mức giá 0.42 USD cho input, 1.32 USD cho output. Moonshot AI góp mặt với Kimi K2.7 Code và Kimi K2.7 Code Highspeed (1T tham số, 32B hoạt động), ngữ cảnh 256K, đạt 89.6% GPQA và 67.4% Terminal-Bench. Cohere ra mắt North Mini Code đạt 61% SWE-Bench Verified. Xiaomi giới thiệu MiMo-V2.5-Pro-UltraSpeed với ngữ cảnh 1M, giấy phép MIT, giá input 1.31 USD và output 2.61 USD.
NVIDIA đóng góp mô hình Nemotron 3 Ultra 550B A55B (550B tham số, 55B hoạt động, ngữ cảnh 1M), đạt 86.8% MMLU-Pro, 87% GPQA, 89% LiveCodeBench dưới giấy phép mô hình mở NVIDIA với chi phí tối ưu 0.10 USD cho cả input và output. MiniMax mang đến MiniMax-M3 với ngữ cảnh 500K, đạt 92.9% GPQA và 80.5% SWE-Bench Verified. Bước sang tháng 5 năm 2026, StepFun phát hành StepFun 3.7 Flash, Cohere ra mắt Command A Plus, trong khi Mistral AI giới thiệu Mistral Medium 3.5 vào tháng 4 năm 2026.
Cũng trong tháng 4 năm 2026, dòng DeepSeek V4 ra mắt với hai phiên bản chủ lực: DeepSeek V4 Pro (1.6T tham số, 49B hoạt động, ngữ cảnh 1M, đạt 87.5% MMLU-Pro, 90.1% GPQA, 93.5% LiveCodeBench) và DeepSeek V4 Flash (284B tham số, 13B hoạt động) với chi phí kinh tế hơn. Alibaba cũng ghi dấu ấn với Qwen3.6 (các phiên bản 27B, 35B-A3B) cùng Xiaomi với MiMo-V2.5 và MiMo-V2.5-Pro. Moonshot AI gây chú ý với Kimi K2.6 (1T tham số, đạt 92% HumanEval). Z.ai sở hữu GLM-5.1 với 754B tham số, đạt 91.7% MMLU. Google góp mặt với dòng Gemma 4 (các phiên bản 26B, 31B, E2B, E4B).
Các giai đoạn trước đó chứng kiến sự xuất hiện của Nemotron Cascade 2, MiniMax-M2.7, Mistral Small 4, Qwen3.5 series, Sarvam 30B, GLM-5, Kimi K2.5, Llama 4 Maverick, Qwen3 235B, DeepSeek-R1, Llama-3.3-70B, Phi-4, Mistral Large 2.1, cùng nhiều thế hệ mô hình đặt nền móng từ Meta, Mistral, Alibaba, Cohere và Microsoft.
Các mô hình LLM mã nguồn mở ưu việt nhất
Xu hướng phát triển không dừng lại ở đó khi Moonshot AI công bố Kimi K3 vào trung tuần tháng 7 năm 2026. Đây là một mô hình MoE sở hữu 2,8 nghìn tỷ tham số, cửa sổ ngữ cảnh 1 triệu token, hỗ trợ nhận diện hình ảnh gốc và đạt 93,5% trên chuẩn GPQA Diamond. Khi trọng số chính thức được phát hành lên Hugging Face, K3 sẽ trở thành mô hình trọng số mở lớn nhất từ trước đến nay.
Trong phân khúc hiện tại, DeepSeek V4 Pro tiếp tục giữ vị trí dẫn đầu nhờ kiến trúc Mixture-of-Experts 1.6 nghìn tỷ tham số nhưng chỉ kích hoạt 49 tỷ token, mang lại hiệu suất vượt trội trên MMLU-Pro, GPQA Diamond và LiveCodeBench với chi phí vận hành tối ưu. Xếp sát phía sau là Kimi K2.6 với khả năng xử lý mã nguồn và toán học xuất sắc, cùng cửa sổ ngữ cảnh 256K tích hợp đầu vào video nguyên bản.
GLM-5.1 của Z.ai khẳng định ưu thế tuyệt đối trong việc giải quyết các tác vụ lập trình phức tạp trên SWE-Bench Pro, đồng thời được huấn luyện hoàn toàn trên hạ tầng chip Huawei Ascend, thể hiện bước tiến lớn trong việc đa dạng hóa chuỗi cung ứng phần cứng AI. Trong khi đó, Kimi K2.5 vẫn duy trì kỷ lục về điểm số HumanEval dành cho tác vụ sinh mã, còn DeepSeek V4 Flash là giải pháp kinh tế lý tưởng chạy trên các dòng GPU cao cấp đơn lẻ.
Góc nhìn chuyên gia kỹ thuật từ TTC Việt Nam
Đánh giá về làn sóng LLM mã nguồn mở năm 2026, các chuyên gia hạ tầng mạng và viễn thông tại TTC Việt Nam nhận định rằng việc triển khai các mô hình trọng số mở quy mô lớn như DeepSeek V4 Pro hay GLM-5.1 đòi hỏi doanh nghiệp phải có sự chuẩn bị vững chắc về hạ tầng phần cứng cục bộ, hệ thống lưu trữ tốc độ cao và băng thông mạng nội bộ lớn. Việc tự chủ các mô hình AI mã nguồn mở không chỉ giúp tối ưu hóa chi phí API dài hạn mà còn đảm bảo an toàn bảo mật dữ liệu tuyệt đối cho các tổ chức tài chính, viễn thông và doanh nghiệp lớn. Tuy nhiên, bài toán tối ưu hóa lượng tử hóa mô hình và cân bằng tải giữa các cụm GPU vẫn là yếu tố then chốt quyết định hiệu năng vận hành thực tế.
Để được tư vấn chi tiết về giải pháp hạ tầng mạng, máy chủ chuyên dụng và hạ tầng phần cứng tối ưu cho việc triển khai các mô hình LLM mã nguồn mở tại doanh nghiệp, quý khách vui lòng liên hệ ngay với TTC Việt Nam (ttcvn.net) để nhận hỗ trợ chuyên sâu từ đội ngũ kỹ thuật giàu kinh nghiệm.
