Giá Golem(GLM)

Mô hình "siêu thị mô hình" đang trở thành xu hướng cạnh tranh của các gã khổng lồ công nghệ như ByteDance, Alibaba và Tencent. Cụ thể, ByteDance mới ra mắt Coding Plan với khả năng tích hợp nhiều mô hình AI hàng đầu như GLM-5.1, Minimax M2.7, Kimi k2.6 và DeepSeek-V3.2, cho phép nhà phát triển truy cập chỉ với một gói đăng ký từ 40-200 USD/tháng. Tuy nhiên, cộng đồng nhà phát triển phản ánh nhiều vấn đề như giới hạn sử dụng nhanh hết (chỉ 5 giờ), lỗi 429 do quá tải và độ trễ cao. Các gói dịch vụ cũng áp dụng hệ số khấu trừ khác nhau tùy mô hình, khiến chi phí thực tế không minh bạch. Các hãng cloud như Alibaba, Tencent và Baidu cũng đẩy mạnh mô hình tích hợp đa nền tảng, chuyển trọng tâm từ cạnh tranh mô hình đơn lẻ sang khả năng tích hợp và dịch vụ. Điều này đặt ra nguy cơ "ống dẫn hóa" (pipeline) cho các công ty mô hình độc lập, buộc họ tìm cách tự nâng cấp (như智谱 với autonomous agent) hoặc chuyên sâu vào lĩnh vực dọc. Dù vậy, các chuyên gia nhận định đây là sự phân công lại ngành, nơi công ty mô hình tập trung vào thuật toán, còn nền tảng đám mây đảm nhận triển khai. Cuộc cạnh tranh vẫn đang ở giai đoạn đầu và chưa thể kết luận ai sẽ thống trị.

Công ty AI Trung Quốc Zhipu AI đã đạt vốn hóa thị trường hơn 1 nghìn tỷ HKD trên sàn chứng khoán Hồng Kông, bất chấp doanh thu năm 2025 chỉ là 7,24 tỷ nhân dân tệ và lỗ ròng 47,18 tỷ nhân dân tệ. Sự tăng trưởng mạnh mẽ này được thúc đẩy bởi mô hình ngôn ngữ GLM-5.2 và kỳ vọng thị trường coi Zhipu là “Anthropic của Trung Quốc”, sau thành công về thương mại hóa của Anthropic với Claude Code. Sự kiện này đánh dấu đỉnh cao mới trong việc định giá lại ngành mô hình lớn (LLM) Trung Quốc, trong bối cảnh các công ty như DeepSeek (định giá 500 tỷ USD), MiniMax và Step Fun liên tục hút vốn và nhắm đến IPO. Tuy nhiên, tranh cãi về bong bóng giá trị vẫn tồn tại do khoảng cách lớn giữa định giá và kết quả kinh doanh hiện tại. Thách thức chính của Zhipu và toàn ngành là tăng tốc tăng trưởng doanh thu và chứng minh khả năng sinh lời. Thị trường MaaS (Model-as-a-Service) Trung Quốc đang mở rộng nhanh chóng, với lượng token xử lý tăng vọt. Nếu Anthropic có thể đạt lợi nhuận hoạt động, nó sẽ tạo tiền đề để các công ty Trung Quốc được định giá lại theo hướng tương tự. Tương lai của đường biên định giá AI Trung Quốc phụ thuộc vào việc các công ty chuyển đổi thành công năng lực mô hình thành dòng tiền bền vững.

Cộng đồng học thuật phấn khích! Chỉ chưa đầy một tuần sau khi Anthropic ra mắt Claude Science - nền tảng AI chuyên biệt cho nghiên cứu khoa học, cộng đồng mã nguồn mở đã có bản thay thế của riêng mình: OpenScience. Dự án này, được phát triển bởi nhóm Synthetic Sciences (YC W26), hướng đến mục tiêu tương tự: một bàn làm việc AI toàn diện hỗ trợ nhà nghiên cứu từ tìm kiếm tài liệu, tạo giả thuyết, chạy thí nghiệm đến viết báo cáo. Tuy nhiên, điểm khác biệt cốt lõi là OpenScience hoàn toàn **"model-agnostic"** (không phụ thuộc mô hình). Thay vì bị khóa vào một nhà cung cấp mô hình duy nhất như Claude Science, người dùng OpenScience có thể tự do lựa chọn và kết nối với bất kỳ AI model nào thông qua API Key: Claude, GPT, DeepSeek, GLM, hay thậm chí chạy mô hình cục bộ qua Ollama để đảm bảo tính bảo mật. Nền tảng này cho phép chuyển đổi mô hình linh hoạt ngay trong một phiên làm việc. Về tính năng, OpenScience tuyên bố tích hợp sẵn hơn **250 gói kỹ năng nghiên cứu** (nhiều gấp 4 lần Claude Science theo bài viết), bao phủ các lĩnh vực như sinh học tính toán, hóa tin học và máy học, tất cả đều có thể chỉnh sửa và mở rộng. Cài đặt được cho là đơn giản chỉ với một dòng lệnh. Dự án nhấn mạnh tinh thần mở và khả năng tiếp cận, hoạt động hoàn toàn miễn phí khi sử dụng API Key riêng. Nhóm cũng cung cấp một nền tảng được quản lý tên là Atlas cho những ai muốn thuận tiện hơn. Điều đáng chú ý là trong tài liệu, OpenScience đã đưa ra một tuyên bố rõ ràng về việc không có sự liên kết hay được tài trợ bởi Anthropic, có vẻ như để tránh các vấn đề pháp lý tiềm ẩn. Tóm lại, OpenScience xuất hiện như một ứng cử viên mã nguồn mở đầy hứa hẹn, mang đến cho các nhà khoa học, đặc biệt là những người ở khu vực bị hạn chế tiếp cận hoặc có ngân sách eo hẹp, một sự lựa chọn linh hoạt và mạnh mẽ để đẩy nhanh quy trình nghiên cứu của họ.