Open weights là gì? Khác mã nguồn mở thế nào

📌 Open weights là gì: hiểu từ 'trọng số'

Open weights là cách phát hành mô hình AI trong đó phần trọng số được công khai. Trọng số là hàng tỷ con số mà mô hình học được trong quá trình huấn luyện; chúng quyết định mô hình trả lời ra sao. Có trọng số trong tay, bạn có thể chạy mô hình bằng Ollama, LM Studio hay vLLM mà không cần gọi API của nhà phát triển.

Để dễ hình dung, hãy so sánh với món ăn:

• Trọng số giống món ăn đã nấu xong, bạn ăn được, hâm lại được, nêm thêm gia vị được.
• Mã huấn luyện và dữ liệu huấn luyện giống công thức và nguyên liệu gốc. Thiếu chúng, bạn không nấu lại từ đầu được và không biết món ăn có chứa gì.

Một mô hình open weights thường đi kèm: tệp trọng số, cấu hình kiến trúc, tokenizer, mã để chạy suy luận và một giấy phép sử dụng. Những gì thường không đi kèm là toàn bộ dữ liệu huấn luyện và quy trình huấn luyện chi tiết.

Vì vậy, khi đọc tin ‘hãng X ra mô hình mở’, câu hỏi đúng là: mở những gì, và được phép dùng vào việc gì?

📌 Open weights khác mã nguồn mở như thế nào

Với phần mềm truyền thống, mã nguồn mở có định nghĩa khá rõ: bạn có quyền dùng, nghiên cứu, sửa đổi và phân phối lại cho mọi mục đích. Với AI, Tổ chức Sáng kiến Nguồn mở (OSI) đã đưa ra định nghĩa AI mã nguồn mở, trong đó yêu cầu không chỉ trọng số mà còn đủ thông tin về dữ liệu và mã để người khác có thể tái tạo, hiểu mô hình một cách thực chất.

Thực tế, phần lớn mô hình phổ biến hiện nay rơi vào vùng giữa: trọng số mở nhưng dữ liệu không công bố, hoặc giấy phép có điều khoản hạn chế. Gọi chính xác thì đó là open weights, chưa phải open source theo nghĩa chặt.

❓ Các loại giấy phép thường gặp và điều cần đọc kỹ

Giấy phép là phần quan trọng nhất nhưng hay bị bỏ qua. Cùng là open weights, có mô hình dùng giấy phép rất thoáng như Apache 2.0 hay MIT, có mô hình dùng giấy phép riêng của hãng với nhiều điều kiện.

Giấy phép thoáng

Apache 2.0 và MIT cho phép dùng thương mại, sửa đổi, phân phối lại với nghĩa vụ chủ yếu là giữ thông báo bản quyền. Đây là lựa chọn an tâm nhất cho doanh nghiệp muốn nhúng mô hình vào sản phẩm.

Giấy phép riêng có điều kiện

Một số giấy phép riêng của nhà phát triển có các điều khoản như:

• Giới hạn quy mô người dùng; vượt ngưỡng phải xin phép riêng.
• Chính sách sử dụng chấp nhận được, cấm một số lĩnh vực.
• Yêu cầu ghi tên mô hình gốc khi phát hành sản phẩm phái sinh.
• Hạn chế dùng đầu ra để huấn luyện mô hình cạnh tranh.

Giấy phép phi thương mại

Chỉ cho nghiên cứu, học tập. Dùng trong chatbot bán hàng hay dịch vụ thu phí là vi phạm. Đây là bẫy phổ biến khi tải mô hình từ Hugging Face mà không đọc trang mô tả.

Lưu ý: điều khoản có thể thay đổi giữa các phiên bản mô hình. Luôn đọc bản giấy phép đi kèm đúng phiên bản bạn tải.

📌 Lợi ích của mô hình open weights cho doanh nghiệp

Với một công ty 20–50 người, open weights mở ra những khả năng mà mô hình đóng khó đáp ứng:

• Dữ liệu không rời khỏi công ty: hợp đồng, bảng lương, hồ sơ khách hàng được xử lý trên máy chủ nội bộ.
• Chi phí dự đoán được: đầu tư phần cứng một lần, không phụ thuộc hóa đơn token biến động hàng tháng.
• Kiểm soát phiên bản: mô hình không tự thay đổi hành vi sau một lần cập nhật từ phía nhà cung cấp.
• Tinh chỉnh theo nghiệp vụ: có thể fine-tune với dữ liệu ngành, văn phong riêng.
• Chạy offline: hữu ích cho nhà xưởng, chi nhánh mạng yếu.

Ví dụ thực tế

Một văn phòng kế toán dịch vụ tại TP.HCM muốn AI đọc và tóm tắt hóa đơn, chứng từ của hàng trăm khách. Khách hàng lo ngại dữ liệu bị gửi ra nước ngoài. Giải pháp là chạy một mô hình open weights cỡ vừa trên máy chủ GPU đặt tại văn phòng, kết hợp RAG để tra cứu quy định nội bộ. Dữ liệu nằm trong mạng LAN, quyền truy cập do quản trị viên quản lý.

⏰ Hạn chế và khi nào KHÔNG nên chọn open weights

Open weights không phải lúc nào cũng là lựa chọn tốt hơn. Hãy cân nhắc các điểm yếu sau:

• Năng lực: mô hình chạy được trên phần cứng vừa phải thường kém các mô hình thương mại lớn nhất ở bài toán suy luận phức tạp, viết dài, đa ngôn ngữ.
• Chi phí vận hành ẩn: cần người cài đặt, cập nhật, giám sát, sao lưu; máy GPU tốn điện và cần làm mát.
• Bảo mật là việc của bạn: nhà cung cấp API lo lớp bảo vệ hạ tầng, còn tự chạy thì mọi lỗ hổng cấu hình là trách nhiệm nội bộ.
• Rủi ro pháp lý giấy phép: dùng sai điều khoản có thể gây tranh chấp khi sản phẩm lớn lên.

Không nên chọn open weights khi: lượng dùng ít và không đều, công ty không có ai quản trị máy chủ, hoặc bài toán đòi hỏi chất lượng cao nhất hiện có. Trong các trường hợp đó, dùng API với điều khoản không huấn luyện trên dữ liệu khách hàng thường hợp lý hơn. Nhiều doanh nghiệp chọn cách lai: việc nhạy cảm chạy nội bộ, việc phức tạp gửi API.

✅ Checklist chọn mô hình open weights

Trước khi tải và đưa một mô hình open weights vào dùng thật, đi qua danh sách sau:

1. Đọc giấy phép: có cho dùng thương mại không, có giới hạn quy mô, lĩnh vực không.
2. Đọc model card: mô hình được huấn luyện cho mục đích gì, ngôn ngữ nào, hạn chế đã biết.
3. Kiểm tra tiếng Việt: thử 20–30 câu hỏi thật của công ty, không chỉ dựa vào điểm benchmark tiếng Anh.
4. Ước tính phần cứng: số tham số, mức lượng tử hóa và độ dài ngữ cảnh quyết định VRAM cần có.
5. Nguồn tải chính thức: chỉ tải từ trang của nhà phát triển hoặc tài khoản đã xác minh, tránh bản sửa đổi không rõ nguồn.
6. Kế hoạch cập nhật: ai theo dõi phiên bản mới, bản vá an toàn.
7. Phương án dự phòng: nếu mô hình không đạt yêu cầu, có thể chuyển sang API hay mô hình khác nhanh không.

Ghi kết quả từng bước vào một trang tài liệu nội bộ. Khi ban lãnh đạo hoặc khách hàng hỏi vì sao chọn mô hình này, bạn có căn cứ rõ ràng.

❓ Câu hỏi thường gặp

📌 Bài viết liên quan

• Mô hình AI mã nguồn mở và mô hình đóng: khác nhau thế nào, chọn loại nào
• Model card là gì? Đọc thẻ mô hình trước khi dùng AI
• Chạy AI trên máy tính cá nhân (local AI): cần gì và có đáng không
• Ollama là gì? Chạy mô hình AI miễn phí trên máy của bạn
• Fine-tuning là gì? Khi nào doanh nghiệp cần tinh chỉnh mô hình AI
• Quantization (lượng tử hóa) mô hình AI là gì? Giảm bộ nhớ mà vẫn giữ chất lượng
• Foundation model (mô hình nền tảng) là gì
• Cần bao nhiêu VRAM để chạy LLM 7B, 14B, 32B, 70B?

📌 Nguồn tham khảo

• Open Source Initiative – Open Source AI Definition
• Hugging Face – Models
• Apache License 2.0