Từ Trọng Số Mở đến Hệ Sinh Thái Mở: AI Nguồn Mở Bước Vào Giai Đoạn Nửa Sau

Bài viết bàn về một bước dịch chuyển đáng kể trong bối cảnh mã nguồn mở của AI (trí tuệ nhân tạo). Vào tháng 8, Meta đã phát hành Muse Glimmer, một mô hình trọng số mở dành cho các tác vụ agent chạy cục bộ, cho thấy hãng vẫn kiên định với cam kết về trọng số mở. Cũng vào khoảng thởi gian đó, Moonshot AI công bố trọng số Kimi K3 kèm giấy phép có các điều khoản thương mại, theo đó những công ty có doanh thu hằng năm trên 20 triệu đô la Mỹ muốn dùng mô hình cho dịch vụ MaaS (Model as a Service – mô hình như một dịch vụ) thì phải ký một thỏa thuận riêng. Alibaba cũng đang tìm kiếm những cơ chế mới cho Qwen3.8-Max nhằm phục vụ việc thương mại hóa quy mô lớn. Bài viết nhấn mạnh rằng các mô hình mở cần một logic kinh tế bền vững, bởi chi phí huấn luyện lẫn suy luận đều rất đắt đỏ, đồng thởi giới thiệu Tokenomics Foundation do Linux Foundation khởi xướng với mục tiêu chuẩn hóa cách đo lường chi phí AI. Bài viết cũng làm rõ sự khác biệt giữa mã nguồn mở và trọng số mở, dựa trên Định nghĩa về AI Mã nguồn Mở (Open Source AI Definition) của OSI (Open Source Initiative – Sáng kiến Mã nguồn Mở). Ngoài ra, bài viết đề cập đến cuộc thi GOAI do Hangzhou Open-source AI Foundation tài trợ, gồm bốn hạng mục: Agent Infra, Boundless Agents, AI for Research và Embodied Future, hướng đến việc xây dựng những hệ thống đáng tin cậy, có khả năng tái sử dụng và tái lập, vượt ra ngoài năng lực thuần túy của mô hình.