Ứng dụng AI

Ứng dụng AI · LLM

1 bài / 30 ngày · #27 trong 28 ứng dụng · 5 người viết

Bài viết trong cộng đồng có nhắc đến Llama — mẹo dùng, so sánh và sản phẩm làm bằng Llama.

Sắp xếp

Bức ảnh nói lên toàn bộ cuộc chiến AI hiện nay

MỌI CHUYỆN BẮT ĐẦU TỪ Gần đây, chính CEO NVIDIA Jensen Huang đã phải đích thân gửi một bức thư ngỏ đến các nhà hoạch định chính sách Mỹ, kêu gọi chính phủ không áp đặt các hạn chế quá sớm đối với các mô hình AI mã nguồn mở. Theo ông, thế giới cần cả frontier closed models lẫn frontier open models để thúc đẩy đổi mới, cạnh tranh và đảm bảo chủ quyền công nghệ. Jensen còn lần đầu tiên tạo tài khoản X để công khai chia sẻ bức thư này, cho thấy đây không còn là câu chuyện truyền thông mà đã trở thành một vấn đề chiến lược đối với NVIDIA. Không chỉ có NVIDIA, còn có 24 tổ chức lớn cùng ký tên, bao gồm Microsoft, Google, Meta, IBM, Dell, Hugging Face, Mozilla, Linux Foundation, Palantir, Mistral AI... Họ cùng gửi một thông điệp rằng việc siết chặt các mô hình AI mở có thể làm giảm cạnh tranh và đẩy đổi mới ra khỏi nước Mỹ. OpenAI và Anthropic THÌ PHẢN ĐỐI Trong khi đó, OpenAI và Anthropic thì đi hướng ngược lại. Hai công ty này nhiều lần cảnh báo về các rủi ro đến từ những mô hình AI mã nguồn mở của Trung Quốc như DeepSeek hay Qwen, từ vấn đề an ninh quốc gia, quyền riêng tư cho đến nguy cơ đánh cắp sở hữu trí tuệ thông qua chưng cất. Thoạt nhìn, có vẻ như một bên yêu thích open source còn một bên thì không. Nhưng nếu nhìn từ góc độ kinh doanh, mọi chuyện lại rất dễ hiểu. OpenAI và Anthropic kiếm tiền từ chính các mô hình AI của mình. Giá trị lớn nhất của họ nằm ở việc doanh nghiệp tiếp tục trả tiền để sử dụng GPT hay Claude. Chỉ riêng Anthropic hiện đã được định giá khoảng 183 tỷ USD, và gần như toàn bộ giá trị đó gắn liền với Claude. Khi các mô hình open-weight ngày càng mạnh và chi phí ngày càng thấp, lợi thế cạnh tranh của các mô hình độc quyền cũng sẽ bị thu hẹp. Vì vậy, việc họ muốn bảo vệ sở hữu trí tuệ và cảnh báo về những rủi ro của AI mở là điều hoàn toàn hợp lý. ĐIỀU thú vị nhất lại nằm ở NVIDIA, Microsoft và Google NVIDIA gần như không quan tâm khách hàng đang chạy GPT, Claude, DeepSeek, Qwen hay Llama. Miễn là các mô hình đó chạy trên GPU NVIDIA thì công ty vẫn bán được chip. Trong năm tài chính gần nhất, NVIDIA đạt khoảng 216 tỷ USD doanh thu, trong đó riêng mảng Data Center đã đóng góp khoảng 194 tỷ USD, tương đương 91% tổng doanh thu. Với NVIDIA, AI nào thắng cũng được, miễn là AI tiếp tục phát triển và tiêu thụ nhiều GPU hơn. Đó cũng là lý do Jensen Huang đang ở một vị thế rất đặc biệt. Trước đây, NVIDIA từng chịu cú sốc lớn khi Mỹ hạn chế xuất khẩu GPU AI cao cấp sang Trung Quốc, buộc công ty phải ghi nhận khoản chi phí khoảng 5,5 tỷ USD chỉ trong một quý. Trung Quốc từng chiếm khoảng 15% doanh số AI GPU của NVIDIA, nên bất kỳ chính sách nào làm thu hẹp thị trường AI đều ảnh hưởng trực tiếp đến doanh thu của hãng. Đến khi các quy định bắt đầu nới lỏng, nhiều công ty AI Trung Quốc cũng đã chuyển sang tìm kiếm hoặc phát triển các giải pháp trong nước, khiến NVIDIA không còn dễ dàng lấy lại thị phần như trước. Chính vì vậy, nếu Mỹ tiếp tục siết các mô hình AI mã nguồn mở, người chịu tác động không chỉ là DeepSeek hay Qwen. NVIDIA cũng sẽ mất đi một phần nhu cầu GPU trong tương lai. Đó là lý do Jensen Huang sẵn sàng công khai bảo vệ open-weight AI, dù OpenAI và Anthropic vẫn là những khách hàng lớn của NVIDIA. Microsoft và Google cũng ở trong tình thế tương tự. Microsoft đã đầu tư hơn 13 tỷ USD vào OpenAI, còn Google cũng đã rót khoảng 3 tỷ USD vào Anthropic. Thế nhưng cả hai vẫn ký tên ủng hộ hệ sinh thái open-weight AI. Nghe có vẻ mâu thuẫn, nhưng thực tế họ không chỉ là nhà đầu tư vào các công ty AI, mà còn là những nhà cung cấp hạ tầng cloud lớn nhất thế giới. Azure hay Google Cloud không chỉ chạy GPT hay Claude. Họ còn muốn khách hàng triển khai Llama, Qwen, DeepSeek, Mistral và hàng chục mô hình khác. Càng nhiều mô hình được triển khai, doanh nghiệp càng sử dụng nhiều GPU, nhiều máy chủ và nhiều dịch vụ cloud hơn. Với Microsoft và Google, một hệ sinh thái AI đa dạng đồng nghĩa với nhiều workload hơn và nhiều doanh thu hạ tầng hơn. OpenAI và Anthropic đang bảo vệ tầng AI Model. NVIDIA đang bảo vệ tầng GPU. Microsoft và Google đang bảo vệ tầng Cloud. Mỗi công ty đều có lập trường riêng vì họ đang đứng ở những vị trí khác nhau trong AI Stack. Còn về user thì sao? Thấy mấy ông cạnh tranh với nhau mừng quá, chứ để 1 mình Claude bá chủ thì tiền đâu mà trả cho đủ 😁

+2

Kho hơn 100 ứng dụng AI agent trên GitHub

Có một kho trên GitHub gom sẵn hơn 100 ứng dụng AI agent và RAG, phần lớn là mã nguồn chạy được thật. Hơn 122 nghìn sao, hơn 18 nghìn lượt fork. Tên nó là Awesome LLM Apps, của Shubham Saboo. Thay vì ngồi nghĩ "bắt đầu làm một AI agent từ đâu", bạn mở kho ra, chọn cái gần giống thứ mình cần, tải về sửa lại. Có nhà mẫu rồi thì không phải xây từ móng. Trong kho có gì 1/ Agent Skills - cấp kỹ năng mới cho công cụ lập trình AI. README ghi dùng được với Claude Code, Codex, Cursor. 2/ Starter Agents - agent gọn trong một file, chỗ dễ nhất để bắt đầu. 3/ RAG (cho AI tra cứu đúng tài liệu của bạn rồi mới trả lời, thay vì nói theo trí nhớ chung chung) - từ bản tối giản tới bản chạy hẳn trên máy mình. 4/ Multi-agent Teams - nhiều agent phối hợp như một đội: tài chính, tuyển dụng, pháp lý. 5/ Và thêm: agent giọng nói, agent nối vào GitHub/Notion/trình duyệt qua MCP, agent trả về giao diện bấm được, agent chạy nền theo lịch, chat với PDF/Gmail/YouTube, tinh chỉnh model. Thứ đáng giá nhất không phải số lượng Mà là mở ra xem được tận mã nguồn. Không phải bài lý thuyết bàn chuyện agent nên thế nào, mà là cái chạy được, mở ra là thấy nó ghép với nhau ra sao. Tác giả còn có trang riêng đăng hướng dẫn từng bước, và README cho biết mỗi tuần đều có thêm mẫu mới. Một lưu ý thực tế: đa số app trong kho gọi model qua API, nên lúc chạy bạn cắm khóa API của mình vào. Muốn khỏi cần khóa thì đi nhánh chạy local, kho có bản RAG dùng Llama 3.2 với Qdrant, README ghi rõ không cần khóa API nào. Kho lập từ tháng 4/2024, tới nay vẫn cập nhật đều. Với người mới, đọc một agent chạy được luôn dễ vào hơn đọc mười bài lý thuyết. Link GitHub mình để ngay bình luận nhé 👇 Ai vào xem rồi thì chia sẻ lại xem chọn được app nào cho công việc của mình.

Justin Võ

Justin Võ

29/09/2026

Thiệt ra khá bất ngờ là chỉ trong 3 năm, AI đã đẻ ra quá trời “mảnh ghép” mới

* Chạy model ngay trên máy (2023: Llama, Ollama, LM Studio) * Clone giọng nói (2023: ElevenLabs) * Text → CAD (2023: Zoo) * Text → Video (2024: Sora, Veo, Runway) * Nói chuyện với AI theo thời gian thực (2024: Gemini Live, ChatGPT Voice) * AI có bộ nhớ (2024: ChatGPT) * AI biết suy luận (2024: OpenAI o1, DeepSeek R1) * Vibe coding – nói cho AI biết mình muốn làm gì rồi để nó code (2024: Bolt, Lovable, v0) * AI điều khiển máy tính (2024: Claude, OpenAI Operator) * Cho AI kết nối với các công cụ khác (2024: MCP) * Deep Research – AI tự đi nghiên cứu một vấn đề (2024: Gemini, Perplexity, OpenAI Deep Research) * AI Agent – AI tự làm một chuỗi công việc (2025: Claude Code, Codex, Manus) * Chỉnh sửa hình bằng AI (2025: GPT-4o Images, Nano Banana) * Cho Agent tự thanh toán (2025: x402, AP2) * Skills – dạy AI cách làm một loại công việc cụ thể (2025: Claude Skills) * Personal Agent – AI riêng cho từng người (2026: Grokbot, Muse, Instinct)... tới khúc này rồi. Mỗi một mảnh ghép mới này đều có thể mở ra cơ hội cho hàng trăm công ty khác nhau. Cái đáng chú ý nhất là mấy công ty thú vị mình đang thấy thường không chỉ xài một thứ. Họ ghép 2–3 mảnh AI lại với nhau, rồi tập trung vô một nhu cầu hoặc một thị trường thật cụ thể. Nguồn: @gregisenberg

Tổng hợp một số nền tảng API LLM miễn phí hoặc giá rẻ

Bạn đang tìm API AI để thử nghiệm, làm dự án cá nhân hoặc chạy demo mà chưa muốn tốn nhiều chi phí? Dưới đây là một số nền tảng đáng tham khảo. Lưu ý: hạn mức miễn phí và danh sách model có thể thay đổi theo từng thời điểm. Khi triển khai sản phẩm thật, vẫn nên chuẩn bị phương án trả phí hoặc nguồn dự phòng để bảo đảm ổn định. 1. GitHub Models GitHub Models cung cấp nhiều model từ OpenAI, DeepSeek, xAI và các dự án mã nguồn mở. Ưu điểm: model đa dạng, cập nhật nhanh, phù hợp để thử nghiệm. Hạn chế: context và số token đầu ra của một số model bị giới hạn khá thấp. 2. Beeknoee Platform Beeknoee Platform cho phép sử dụng nhiều model AI thông qua một API tương thích chuẩn OpenAI: [platform.beeknoee.com](https://platform.beeknoee.com/) Nền tảng hỗ trợ nhiều nhóm model như GPT, Claude, Gemini, DeepSeek, Grok và một số model miễn phí thông qua tính năng kết nối tài khoản AI cá nhân. Ưu điểm: tích hợp nhiều nhà cung cấp trong một API, dễ chuyển model, phù hợp cho lập trình và thử nghiệm. Hạn chế: hạn mức miễn phí phụ thuộc vào model, tài khoản kết nối và chính sách từng nhà cung cấp. 3. OpenRouter OpenRouter là cổng trung gian kết nối nhiều nhà cung cấp AI. Các model có hậu tố `:free` có thể sử dụng miễn phí trong giới hạn. Ưu điểm: nhiều model mã nguồn mở, API dễ tích hợp. Hạn chế: model lớn như GPT hoặc Claude hiếm khi có bản miễn phí; tài khoản mới thường bị giới hạn số request mỗi ngày. 4. Vercel AI Gateway Vercel AI Gateway hỗ trợ gọi nhiều model thông qua một endpoint thống nhất. Một số tài khoản có thể nhận credit miễn phí hàng tháng. Ưu điểm: dùng được nhiều model phổ biến, tích hợp thuận tiện với hệ sinh thái Vercel. Hạn chế: có thể phải thêm phương thức thanh toán. 5. Cerebras Cerebras nổi bật nhờ tốc độ sinh token rất cao, đặc biệt với các model mã nguồn mở. Ưu điểm: phản hồi nhanh, hạn mức thử nghiệm tương đối tốt. Hạn chế: số lượng model chưa phong phú và có giới hạn theo phút hoặc theo ngày. 6. Groq Groq cũng tập trung vào tốc độ xử lý và hỗ trợ nhiều model mã nguồn mở như Llama, Qwen hoặc GPT-OSS. Ưu điểm: tốc độ nhanh, API dễ sử dụng. Hạn chế: quota miễn phí của một số model lớn khá thấp. 7. Gemini API Google cung cấp free tier cho nhiều model Gemini thông qua Google AI Studio và Gemini API. Ưu điểm: context lớn, hỗ trợ đa phương thức và hạn mức được chia riêng theo model. Hạn chế: chỉ sử dụng hệ sinh thái model của Google. 8. NVIDIA NIM NVIDIA NIM cho phép thử nghiệm nhiều model mã nguồn mở được tối ưu trên hạ tầng NVIDIA. Ưu điểm: danh sách model khá phong phú, tốc độ tốt. Hạn chế: chủ yếu là model mở, không có GPT hoặc Claude chính thức. Ngoài ra còn có Cloudflare Workers AI, Together AI, Z.ai và nhiều dịch vụ khác. Mỗi nền tảng phù hợp với một nhu cầu riêng, vì vậy nên kiểm tra kỹ quota, context, tốc độ và điều khoản trước khi tích hợp vào sản phẩm. Bạn đang sử dụng nền tảng API AI nào? Có dịch vụ miễn phí hoặc giá rẻ nào đáng chú ý thì chia sẻ thêm ở phần bình luận nhé.

Chip AI Mới

🔬 AMD đã ký thỏa thuận chính thức để mua lại Taalas, startup silicon AI tại Toronto phát triển phần cứng suy luận theo từng mô hình cụ thể. Taalas đi theo hướng rất khác GPU đa dụng. HC1 “đóng cứng” Meta Llama 3.1 8B vào một die 815mm² trên tiến trình TSMC 6nm. Taalas cho biết HC1 đạt 17.000 token/giây/người dùng trong phạm vi máy chủ 2,5 kW. Nhưng con số nổi bật này cần được đặt trong đúng bối cảnh. Benchmark do chính Taalas thực hiện, dùng lượng tử hóa 3-bit/6-bit và công ty thừa nhận có suy giảm chất lượng so với benchmark GPU tiêu chuẩn. Báo cáo được phê duyệt chưa có xác thực độc lập, chuẩn hóa và so sánh trực tiếp tương đương. Lợi ích tiềm năng của silicon chuyên dụng là giảm chi phí chuyển trọng số mô hình giữa bộ nhớ và khối tính toán. Đổi lại là tính linh hoạt thấp hơn. Taalas nói vẫn có thể điều chỉnh context window và fine-tune bằng LoRA, nhưng base model không có khả năng lập trình tùy ý như GPU. AMD nói sẽ tích hợp công nghệ Taalas vào lộ trình bộ tăng tốc và phát triển giải pháp cấp hệ thống bên cạnh GPU Instinct. Thương vụ chưa hoàn tất và vẫn phụ thuộc vào các điều kiện đóng giao dịch thông thường. Liệu silicon theo từng mô hình có thể trở thành mảnh ghép đáng kể bên cạnh GPU cho suy luận AI quy mô lớn? AMD #Taalas #AIInference #BanDan #ChipAI