Reflection AI chi 6,3 tỷ đô làm mô hình mở, Mistral Pháp vẫn vượt mặt chỉ sau một tuần

Reflection AI chi 6,3 tỷ đô làm mô hình mở, Mistral Pháp vẫn vượt mặt chỉ sau một tuần

Một startup Mỹ vừa ký hợp đồng mua chip trị giá tới 6,3 tỷ đô để xây "mô hình AI mở tốt nhất phương Tây". Chưa đầy một tuần sau, một phòng lab Pháp nhỏ hơn nhiều lặng lẽ tung ra mô hình riêng và đã thắng nhiều bài kiểm tra thực tế. Đây là lát cắt mới nhất trong cuộc đua mô hình mã nguồn mở (open weight, tức mô hình cho tải về bộ tham số để tự chạy, tự chỉnh sửa) đang nóng lên từng tuần.

Reflection AI: tiền nhiều, mô hình vẫn chưa ra

Reflection AI là công ty do hai cựu nhân viên DeepMind sáng lập năm 2024. Tháng 10 năm ngoái, công ty gọi được 2 tỷ đô ở mức định giá 8 tỷ đô, trong đó Nvidia rót riêng 800 triệu đô. Gần đây Reflection còn ký hợp đồng thuê chip Nvidia GB300 từ SpaceX trị giá tới 6,3 tỷ đô, dùng đến tận năm 2029.

Ngày 5 tháng 10, Reflection công bố thông số của mô hình mở mang tên Beam: 501 tỷ tham số nhưng chỉ khoảng 23 tỷ tham số hoạt động mỗi lần trả lời (kiểu thiết kế "hỗn hợp chuyên gia", giúp mô hình chạy rẻ hơn dù vẫn lớn), huấn luyện trên 23,8 nghìn tỷ từ, và nhớ được ngữ cảnh dài tới 1 triệu từ cùng lúc. Theo số liệu Reflection tự công bố, Beam đạt 80,9 điểm trên bài kiểm tra lập trình SWE Bench Verified, ngang ngửa các mô hình mở lớn khác.

Vấn đề là: tính đến thời điểm viết bài, Beam vẫn chưa phát hành bộ tham số cho người ngoài tải về. Reflection nói bộ tham số đầy đủ sẽ ra trước cuối tháng 10, còn hiện tại người dùng chỉ đăng ký để thử bản giới hạn.

🐈 Trong lúc đó, Pháp âm thầm ra mắt "Le Chonk"

Ngày 6 tháng 10, Mistral AI (Pháp) mở bản xem trước của Mistral Large 4, đặt biệt danh vui là "Le Chonk". Mô hình có 1,05 nghìn tỷ tham số, cũng dùng kiểu "hỗn hợp chuyên gia" nhưng chỉ kích hoạt 49 tỷ tham số mỗi câu trả lời, huấn luyện trên 4.000 chip Nvidia Grace Blackwell.

Khác với Reflection, Mistral ra mắt luôn bản dùng thử thật, không chỉ công bố số liệu trên giấy. Và kết quả khá bất ngờ khi so với Kimi K3, mô hình mở đang dẫn đầu của Moonshot AI (công ty Trung Quốc vừa gọi vốn ở mức định giá khoảng 50 tỷ đô):

• Bài kiểm tra pháp lý Harvey Legal Agent: Mistral Large 4 đạt 15,8 điểm, vượt Kimi K3 (13,5 điểm).
• Bài kiểm tra hình ảnh Dense200: Mistral đạt 42 điểm, nhỉnh hơn cả GPT-6 Astra (41,5 điểm).
• Tốc độ trả lời: 116 từ mỗi giây, nhanh gấp gần 3 lần Kimi K3 (43 từ mỗi giây).
• Giá: 0,788 đô cho mỗi triệu token, rẻ hơn nhiều so với 2,31 đô của Kimi K3.

Trên bảng xếp hạng tổng quát Artificial Analysis Intelligence Index, Mistral Large 4 vẫn xếp sau Kimi K3 (38 so với 44 điểm) và sau GPT-6 Astra (53 điểm), nên chưa thể gọi là "vô địch". Nhưng việc một mô hình ra mắt âm thầm, không cần tỷ đô quảng bá, lại thắng ở những bài kiểm tra sát với công việc thật (pháp lý, hình ảnh, tốc độ, giá) khiến câu chuyện của Reflection trở nên kém thuyết phục hơn hẳn.

Tiền nhiều chưa chắc ra mô hình nhanh

Đây là điều đáng chú ý nhất: Reflection AI có trong tay khoản đầu tư khổng lồ từ Nvidia, hợp đồng thuê chip hàng tỷ đô từ SpaceX, nhưng đến nay vẫn chưa phát hành được một bộ tham số hoàn chỉnh cho công chúng. Mistral, với quy mô nhỏ hơn nhiều, lại chọn cách ra bản xem trước ngay khi có, để người dùng tự kiểm chứng thay vì chỉ đọc số liệu công ty tự công bố.

Lưu ý quan trọng: các con số hiệu năng ở trên đều do chính Reflection và Mistral tự đo, chưa có bên thứ ba kiểm chứng độc lập. Nhưng việc Mistral sẵn sàng cho thử ngay trong khi Beam còn đang "sắp ra mắt" là khác biệt rất thật.

Vì sao chuyện này đáng để ý

Mô hình mã nguồn mở (open weight) khác với mô hình đóng như Claude hay GPT ở chỗ: ai cũng có thể tải bộ tham số về, tự chạy trên máy chủ riêng, tự tinh chỉnh cho nhu cầu của mình, không phải trả phí theo API của hãng. Vì vậy cuộc đua này không chỉ là chuyện kỹ thuật, nó quyết định công ty hay quốc gia nào kiểm soát được hạ tầng AI giá rẻ cho phần còn lại của thế giới. Nếu bạn muốn hiểu rõ hơn sự khác biệt giữa hai hướng đi này, bài mã nguồn mở và mã nguồn đóng trong AI giải thích chi tiết bằng ví dụ dễ hiểu.

Mistral Large 4 cũng từng được vibeaicoder.xyz nhắc tới ngay khi ra mắt, có thể xem lại thông số đầy đủ ở bài Mistral tung Le Chonk, mô hình AI mở 1 nghìn tỷ tham số. Còn nếu bạn chưa rõ vì sao mô hình càng nhiều tham số chưa chắc càng mạnh, bài nền tảng mô hình ngôn ngữ lớn (LLM) là gì sẽ giúp bạn hình dung cơ chế phía sau những con số này.

Với người dùng bình thường, cuộc đua này chưa cần quan tâm ngay hôm nay. Nhưng nếu bạn là người xây sản phẩm hoặc chọn mô hình để tự host, đây là tín hiệu rõ: đừng chỉ nhìn vào tiền đầu tư hay tham số công bố, hãy đợi bản dùng thử thật và bài kiểm tra độc lập trước khi tin vào bất kỳ con số nào.

#AI #MistralAI #ReflectionAI #MoHinhMo #TinTucAI #OpenWeight