Các mô hình AI mã nguồn mở của Trung Quốc thách thức cách tiếp cận của Thung lũng Silicon

Các phòng thí nghiệm AI Trung Quốc gần đây đã phát hành một loạt mô hình mã nguồn mở gần như tiên tiến, bao gồm GLM 5.2 của Z.ai vào tháng 6, Kimi K3 của Moonshot AI vào tuần trước và Qwen 3.8 của Alibaba vào thứ Hai tuần này. Các mô hình này hoạt động gần như tốt ngang với các mô hình phương Tây tốt nhất trên các điểm chuẩn của bên thứ ba và được tối ưu hóa cho các tác vụ lập trình tác nhân, lĩnh vực nóng nhất trong AI. Việc phát hành Kimi K3 nói riêng đã thu hút sự chú ý từ Thung lũng Silicon và Washington, với nhà đầu tư mạo hiểm David Sacks gọi hiệu suất của nó là 'đáng lo ngại' và Bộ trưởng Thương mại Scott Bessent ám chỉ về các biện pháp trừng phạt có thể xảy ra. Michael Kratsios, giám đốc Văn phòng Chính sách Khoa học và Công nghệ Nhà Trắng, cáo buộc rằng Moonshot AI đã chưng cất mô hình Fable của Anthropic để tạo ra K3, tố cáo công ty đánh cắp công nghệ Mỹ. Moonshot AI không phản hồi yêu cầu bình luận. Các mô hình này được phát hành với trọng số mở, giúp chúng dễ tiếp cận và minh bạch, trái ngược với các phòng thí nghiệm phương Tây như Anthropic và OpenAI, những đơn vị đã hạn chế truy cập vào các mô hình mới nhất của họ vì lo ngại về an toàn. Mô hình Mythos của Anthropic đã bị tạm thời gỡ xuống sau các biện pháp kiểm soát xuất khẩu, và OpenAI đã trì hoãn GPT 5.6 theo yêu cầu của Nhà Trắng. Các phòng thí nghiệm Trung Quốc đã đón nhận mã nguồn mở để thu hút người dùng và cộng tác viên, và các mô hình của họ hiện được coi rộng rãi là lựa chọn mã nguồn mở tốt nhất. Arena AI xếp hạng K3 là mô hình hàng đầu cho phát triển web và thứ tư trong các tác vụ tác nhân, trong khi Artificial Analysis xếp nó thứ ba. Sự phổ biến của K3 đã làm quá tải máy chủ của Moonshot, dẫn đến việc tạm thời hạn chế đăng ký. Một số người dùng phương Tây đang đặt câu hỏi về giá trị của các dịch vụ trả phí từ OpenAI và Anthropic, vì các mô hình Trung Quốc cung cấp hiệu suất cạnh tranh với chi phí thấp hơn, mặc dù có thể yêu cầu nhiều token hơn. Cách tiếp cận trọng số mở thách thức giả định rằng cần nguồn tài trợ khổng lồ để tiến bộ AI, với Dean Ball lưu ý rằng trọng số mở làm giảm chi tiêu vốn vào AI.