- "Mở" có nhiều mức: định nghĩa AI mã nguồn mở 1.0 của OSI đòi cả thông tin dữ liệu huấn luyện, mã nguồn huấn luyện và trọng số; nhiều mô hình chỉ mở trọng số.
- Giấy phép quyết định bạn được làm gì: Gemma 4 và Qwen3-8B dùng Apache 2.0; Llama 4 có giấy phép riêng, buộc ghi "Built with Llama" khi phân phối và có điều khoản cho dịch vụ trên 700 triệu người dùng mỗi tháng.
- Mô hình qua API có vòng đời do hãng quyết định: trang của Claude ghi Claude Sonnet 4.5 bị ngừng ngày 30/11/2026, và gọi mô hình đã ngừng sẽ báo lỗi.
- Mô hình đóng thường mạnh nhất và không cần máy mạnh; mô hình mở cho bạn giữ dữ liệu trên máy, giữ một phiên bản cố định và tự tinh chỉnh.
Mọi giấy phép, ngày tháng trong bài lấy từ trang chính thức đọc ngày 11/11/2026. Bài này không phải tư vấn pháp lý; trước khi dùng mô hình vào sản phẩm, đọc toàn văn giấy phép.
"Mở" có mấy mức
Khi người ta nói một mô hình "mã nguồn mở", thường họ muốn nói bạn tải được trọng số, tức các con số mà mô hình học được. Nhưng Open Source Initiative, tổ chức định nghĩa phần mềm mã nguồn mở, đã ra Định nghĩa AI mã nguồn mở bản 1.0, đòi nhiều hơn thế.
Theo định nghĩa này, một hệ thống AI mã nguồn mở phải cho bạn bốn quyền: dùng cho mọi mục đích mà không phải xin phép; nghiên cứu cách nó hoạt động; sửa đổi cho mọi mục đích, kể cả thay đổi đầu ra; và chia sẻ cho người khác, có hoặc không sửa. Để thực hiện được các quyền đó, phải có đủ ba thứ: thông tin về dữ liệu huấn luyện đủ chi tiết để người có chuyên môn dựng lại một hệ thống tương đương; toàn bộ mã nguồn dùng để huấn luyện và chạy; và trọng số. Cả ba đều phải theo điều khoản được OSI chấp nhận.
Phần lớn mô hình phổ biến hiện nay chỉ đáp ứng một phần: có trọng số, có code chạy, nhưng không công bố đủ dữ liệu huấn luyện. Vì vậy nhiều người dùng cụm "trọng số mở" (open weights) cho chính xác. Trong bài này, "mô hình mở" nghĩa là tải được trọng số; khi cần nói đúng nghĩa của OSI, bài sẽ ghi rõ.
Giấy phép quyết định bạn được làm gì
Tải được không có nghĩa là làm gì cũng được. Ba ví dụ ngày 11/11/2026:
- Gemma 4 (theo trang giấy phép của Google) và Qwen3-8B (theo thẻ mô hình trên Hugging Face) dùng giấy phép Apache 2.0, một giấy phép mã nguồn mở quen thuộc: dùng, sửa, phân phối, kể cả thương mại, miễn là giữ thông báo bản quyền và giấy phép. Bài Qwen là gì có chi tiết về họ Qwen.
- Các bản Gemma cũ hơn dùng Gemma Terms of Use, sửa ngày 1/4/2026. Điều khoản này cho phân phối nhưng buộc bạn chuyển kèm các hạn chế sử dụng, và cấm dùng vào những việc trong chính sách cấm của Google.
- Llama 4 dùng giấy phép cộng đồng riêng, hiệu lực từ 5/4/2025. Khi phân phối mô hình hay sản phẩm có chứa nó, bạn phải kèm bản giấy phép và ghi rõ "Built with Llama" ở nơi dễ thấy; nếu sản phẩm của bạn có trên 700 triệu người dùng hoạt động mỗi tháng vào ngày phát hành, phải xin Meta cấp phép riêng; và phải theo chính sách sử dụng chấp nhận được của Meta. Trên Hugging Face, Llama 4 còn là mô hình bị khóa: phải gửi thông tin và được duyệt mới tải được.
Với một đồ án ở trường, các điều kiện này hiếm khi là trở ngại. Nhưng thói quen đọc giấy phép trước khi tải là thói quen tốt; bài đọc README và LICENSE giải thích vì sao code và trọng số có thể theo hai giấy phép khác nhau.
Ai quyết định khi nào mô hình ngừng
Đây là khác biệt ít được nhắc nhưng rất thực tế. Trang lịch ngừng mô hình của Claude ghi: Anthropic thường xuyên cho các mô hình cũ nghỉ khi mô hình mới ra; mô hình bị đánh dấu ngừng sẽ có ngày nghỉ và mô hình thay thế được đề xuất; khi đã nghỉ, mọi yêu cầu gọi mô hình đó đều lỗi. Ngày 11/11/2026, trang ghi Claude Sonnet 4.5 đã bị đánh dấu ngừng từ 30/9/2026 và nghỉ ngày 30/11/2026, thay bằng Claude Sonnet 5.5; Claude 3 Haiku đã nghỉ từ 20/4/2026. Các nền tảng đối tác như Amazon Bedrock tự đặt lịch riêng.
Nghĩa là nếu bạn làm một đồ án hay một bài nghiên cứu dựa trên đúng một mô hình qua API, một năm sau có thể không chạy lại được y hệt. Với mô hình mở, bạn giữ tệp trọng số của đúng phiên bản đã dùng, chạy lại bao nhiêu lần cũng được, miễn còn phần cứng phù hợp. Với nghiên cứu cần lặp lại kết quả, đây là lý do mạnh để chọn mô hình mở, hoặc ít nhất ghi rõ tên mô hình kèm ngày.
Ngược lại, hãng cũng thay mô hình cũ bằng mô hình tốt hơn, và bạn được hưởng phần nâng cấp đó mà không phải tải gì.
Một thói quen nhỏ giúp bạn không bị bất ngờ: mỗi khi dùng một mô hình cho bài tập hay dự án, ghi vào tệp README của dự án bốn dòng: tên mô hình đúng như mã gọi API hoặc tên tệp trọng số, ngày dùng, nơi chạy (API của hãng nào, hay máy nào), và các tham số chính như nhiệt độ. Khi mô hình bị ngừng hay được cập nhật, bạn biết chính xác mình đã dùng gì và cần thay bằng gì.
Dữ liệu và phần cứng
Mô hình đóng chạy trên máy chủ của hãng, nên dữ liệu bạn gửi đi qua máy chủ đó, theo chính sách của từng hãng. Mô hình mở chạy được trên máy của bạn, dữ liệu ở lại máy. Đổi lại, bạn cần phần cứng đủ bộ nhớ, và mô hình vừa với laptop thường nhỏ hơn mô hình lớn nhất qua API. Bài gọi API hay chạy AI trên máy nhà tính cụ thể chi phí hai đường, kể cả tiền điện.
Mô hình mở cũng không bắt buộc chạy ở nhà: nhiều nhà cung cấp chạy sẵn mô hình mở và cho gọi qua API. Khi đó bạn có lợi về giấy phép và phiên bản, nhưng dữ liệu lại đi qua máy chủ của nhà cung cấp đó.
Tinh chỉnh và học hỏi
Có trọng số trong tay, bạn tinh chỉnh được mô hình cho việc riêng, xem bên trong từng lớp, đo bộ nhớ, thử lượng tử hóa. Với người học AI, đây là cách hiểu mô hình hoạt động thế nào mà mô hình đóng không cho làm. Bài Hugging Face là gì hướng dẫn tìm và tải mô hình, đọc thẻ mô hình trước khi tải.
Mô hình đóng thì chỉ chỉnh được qua prompt, và một số hãng có dịch vụ tinh chỉnh riêng, điều kiện thay đổi theo thời gian.
Chọn theo hoàn cảnh
- Cần chất lượng cao nhất cho việc khó, máy yếu: mô hình đóng qua API hoặc ứng dụng.
- Dữ liệu nhạy cảm, không muốn gửi đi: mô hình mở chạy trên máy.
- Nghiên cứu cần chạy lại y hệt sau nhiều tháng: mô hình mở, lưu đúng tệp trọng số và ghi phiên bản.
- Muốn học cách mô hình hoạt động, thử tinh chỉnh: mô hình mở nhỏ trên máy hoặc trên Colab.
- Làm sản phẩm thương mại: đọc kỹ giấy phép; Apache 2.0 ít điều kiện, giấy phép riêng như Llama 4 có thêm nghĩa vụ.
Nhiều dự án kết hợp: mô hình mở nhỏ làm việc đơn giản và giữ dữ liệu nhạy cảm, mô hình đóng làm phần khó.
- Gọi mọi mô hình tải được là "mã nguồn mở"; theo OSI, cần cả thông tin dữ liệu và mã huấn luyện.
- Dùng mô hình mở vào sản phẩm mà chưa đọc giấy phép.
- Phân phối sản phẩm có Llama 4 mà quên ghi "Built with Llama" và kèm giấy phép.
- Viết báo cáo dựa trên một mô hình qua API mà không ghi tên mô hình và ngày dùng.
- Nghĩ mô hình mở chạy qua API của nhà cung cấp thì dữ liệu ở lại máy.
Câu hỏi thường gặp
Mô hình trọng số mở có phải mã nguồn mở không?
Chưa chắc; định nghĩa của OSI đòi thêm thông tin dữ liệu huấn luyện và mã huấn luyện.
Llama 4 có dùng thương mại được không?
Được theo giấy phép riêng, kèm nghĩa vụ ghi "Built with Llama" và giới hạn 700 triệu người dùng.
Mô hình qua API có bị ngừng không?
Có; ví dụ Claude Sonnet 4.5 nghỉ ngày 30/11/2026, gọi sau đó sẽ lỗi.
Gemma 4 dùng giấy phép gì?
Apache 2.0; các bản Gemma cũ hơn dùng Gemma Terms of Use.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.
Nguồn tham khảo
- Open Source Initiative: The Open Source AI Definition 1.0 (đọc 11/11/2026)
- Meta: Llama 4 Community License Agreement (hiệu lực 5/4/2025)
- Google: Gemma Terms of Use (sửa 1/4/2026)
- Google: Gemma 4 license (Apache 2.0)
- Claude Docs: Model deprecations
- Hugging Face: Qwen3-8B (thẻ mô hình, giấy phép apache-2.0)


