- Qwen là họ mô hình của Alibaba: có trang trò chuyện Qwen Chat, có API qua Alibaba Cloud Model Studio, và có rất nhiều mô hình mở để tải về.
- Điều khoản của Qwen yêu cầu người dùng từ 18 tuổi. Nội dung có thể được dùng để huấn luyện; muốn từ chối thì báo qua địa chỉ thư riêng tư mà điều khoản ghi.
- Ngày 11/11/2026, 20 mô hình Qwen nhiều lượt tải nhất trên Hugging Face đều ghi giấy phép Apache 2.0, gồm mô hình trò chuyện, đọc ảnh, embedding, chuyển chữ thành giọng nói.
- Chạy mô hình mở trên máy thì dữ liệu không rời máy. Chọn theo loại việc trước, rồi theo kích thước hợp với bộ nhớ máy.
Bài dùng Python thuần. Nguồn là điều khoản dịch vụ của Qwen, dữ liệu từ API Hugging Face lưu lại ngày 11/11/2026 trong tệp đi kèm code, model card của một mô hình Qwen, trang giới thiệu Model Studio của Alibaba Cloud và trang GitHub của nhóm Qwen.
Qwen gồm những gì
Qwen là tên chung cho các mô hình do Alibaba phát triển. Có ba lối vào. Qwen Chat là trang trò chuyện trên web, dùng như các trợ lý AI khác. Alibaba Cloud Model Studio là nơi gọi mô hình Qwen qua API cho người làm ứng dụng. Và các mô hình mở được đăng trên Hugging Face cùng mã nguồn trên GitHub của nhóm Qwen, ai cũng tải về được.
Danh sách 20 mô hình Qwen có nhiều lượt tải nhất trên Hugging Face ngày 11/11/2026 cho thấy độ rộng của họ mô hình này: mô hình trò chuyện từ 0,5 tới 14 tỉ tham số; mô hình đọc cả ảnh lẫn chữ; mô hình embedding để tìm kiếm theo nghĩa; mô hình chuyển chữ thành giọng nói; và bản rút gọn dùng kiểu số FP8. Cả 20 mô hình đều ghi giấy phép Apache 2.0, một giấy phép mở cho phép dùng cả cho mục đích thương mại, với điều kiện giữ thông báo bản quyền.
Qwen Chat: điều khoản cần biết
Điều khoản dịch vụ của Qwen, có hiệu lực từ 10/9/2026, ghi người dùng phải từ 18 tuổi, hoặc đủ độ tuổi tối thiểu để đồng ý sử dụng dịch vụ tại nơi mình sống nếu độ tuổi đó cao hơn. Học sinh phổ thông vì vậy không nên tự tạo tài khoản Qwen Chat.
Về dữ liệu, điều khoản ghi Qwen có thể dùng nội dung để cung cấp, duy trì, cải thiện dịch vụ và phát triển sản phẩm khác, kể cả để huấn luyện mô hình. Muốn từ chối việc dùng nội dung để huấn luyện, bạn báo qua địa chỉ privacy@qwen.com mà điều khoản ghi; sau khi từ chối, nội dung không còn được dùng để huấn luyện, nhưng phản hồi bạn gửi về nội dung vẫn có thể được dùng. Điều khoản cũng nói không bảo đảm câu trả lời chính xác hay đáng tin, và cấm dùng câu trả lời để phát triển mô hình cạnh tranh. Như mọi trang trò chuyện, đừng đưa thông tin cá nhân hay mã nguồn riêng vào.
Mô hình mở: đọc tên cho đúng
Tên mô hình Qwen chứa nhiều thông tin. Số đi kèm chữ B là số tỉ tham số: Qwen3-8B có khoảng 8 tỉ. Chữ Instruct cho biết bản đã được tinh chỉnh để làm theo chỉ dẫn, hợp để trò chuyện. VL là bản đọc được ảnh. Embedding là bản biến câu chữ thành vectơ. FP8 là bản lưu số ở dạng 8 bit, nhẹ hơn. Riêng kiểu tên 35B-A3B cần chú ý: model card của Qwen3.6-35B-A3B ghi mô hình có 35 tỉ tham số tổng cộng và 3 tỉ tham số được kích hoạt cho mỗi lần tính. Mô hình kiểu này tính nhanh như mô hình nhỏ nhưng vẫn cần đủ bộ nhớ để chứa toàn bộ 35 tỉ tham số.
Ví dụ: chọn mô hình theo việc
Chương trình mẫu đọc danh sách mô hình Qwen từ API Hugging Face. Để chạy được mà không cần mạng và để kết quả không đổi, danh sách thật lấy ngày 11/11/2026 được lưu trong tệp JSON đi kèm; chạy với tùy chọn --that thì lấy danh sách mới nhất. Hàm kich_thuoc đọc số tỉ tham số trong tên. Hàm loc lọc theo loại việc mà Hugging Face gắn cho mô hình, theo giấy phép và theo kích thước tối đa.
"""Chọn mô hình Qwen để chạy trên máy: lọc theo loại việc, giấy phép và kích thước ghi trong tên.
Dữ liệu: hf_qwen_20261111.json là kết quả THẬT của API Hugging Face (20 mô hình nhiều lượt tải nhất của tổ chức Qwen,
lấy ngày 11/11/2026). Chạy với --that để lấy danh sách mới nhất.
- kich_thuoc: đọc số tỉ tham số trong tên (0.6B, 14B; với tên kiểu 35B-A3B lấy tổng 35 và phần hoạt động 3).
- loc: theo pipeline_tag của Hugging Face (text-generation: trò chuyện; image-text-to-text: đọc ảnh và chữ;
feature-extraction: embedding), theo giấy phép, và kích thước tối đa.
"""
import json
import re
import sys
import urllib.request
from pathlib import Path
API = "https://huggingface.co/api/models?author=Qwen&sort=downloads&limit=20"
def doc_mau():
return json.loads((Path(__file__).parent / "hf_qwen_20261111.json").read_text(encoding="utf-8"))["models"]
def lay_moi():
with urllib.request.urlopen(API, timeout=30) as r:
return [{"id": m["id"], "downloads": m.get("downloads"), "pipeline_tag": m.get("pipeline_tag"),
"license": [t.split(":", 1)[1] for t in m.get("tags", []) if t.startswith("license:")]} for m in json.load(r)]
def kich_thuoc(ten):
"""Trả về (tổng tỉ tham số, tỉ tham số hoạt động hoặc None); không đọc được thì (None, None)."""
m = re.search(r"-(\d+(?:\.\d+)?)B(?:-A(\d+(?:\.\d+)?)B)?(?=$|-)", ten.split("/")[-1])
if not m:
return None, None
return float(m.group(1)), (float(m.group(2)) if m.group(2) else None)
def loc(ds, loai, giay_phep="apache-2.0", toi_da_ti=None):
ra = []
for m in ds:
tong, _ = kich_thuoc(m["id"])
if m["pipeline_tag"] != loai or giay_phep not in m["license"] or tong is None:
continue
if toi_da_ti is not None and tong > toi_da_ti:
continue
ra.append((tong, m["id"]))
return [i for _, i in sorted(ra)]
def chay_thu(ds=None):
ds = ds or doc_mau()
dong = [f"{len(ds)} mô hình, giấy phép: {sorted({g for m in ds for g in m['license']})}",
f"Trò chuyện, tối đa 8 tỉ tham số: {loc(ds, 'text-generation', toi_da_ti=8)}",
f"Đọc ảnh và chữ, tối đa 4 tỉ: {loc(ds, 'image-text-to-text', toi_da_ti=4)}",
f"Embedding: {loc(ds, 'feature-extraction')}",
f"Qwen3.6-35B-A3B: tổng và phần hoạt động (tỉ) = {kich_thuoc('Qwen/Qwen3.6-35B-A3B')}"]
print("\n".join(dong))
return dong
if __name__ == "__main__":
chay_thu(lay_moi() if "--that" in sys.argv else None)
Với giới hạn 8 tỉ tham số, có sáu mô hình trò chuyện mang thẻ text-generation, từ Qwen2.5-0.5B-Instruct tới Qwen3-8B. Các bản Qwen3.5 nhỏ như Qwen3.5-2B, Qwen3.5-4B cũng trò chuyện được, nhưng Hugging Face gắn thẻ image-text-to-text vì chúng đọc được cả ảnh. Với việc đọc ảnh và chữ trong giới hạn 4 tỉ, có bốn mô hình. Chỉ có một mô hình embedding trong 20 mô hình đầu. Để chắc hàm đọc tên đúng, phần kiểm của bài so kết quả với một bảng ghi tay từ chính tên mô hình, và so phần 35B-A3B với câu trong model card, chứ không so với giả định của code. Danh sách đầu ra là để bạn chọn, rồi tải và chạy bằng công cụ như LM Studio.
Gọi Qwen qua API
Nếu không muốn chạy mô hình trên máy mà vẫn cần gọi Qwen từ chương trình, lối vào chính thức là Alibaba Cloud Model Studio. Trang giới thiệu Model Studio có phần bắt đầu nhanh với các lệnh gọi theo chuẩn tương thích OpenAI và Anthropic: bạn lấy khóa API và địa chỉ gốc của không gian làm việc, rồi dùng thư viện quen thuộc như thư viện OpenAI cho Python, chỉ đổi địa chỉ gốc và khóa. Ví dụ trong tài liệu đặt khóa trong biến môi trường DASHSCOPE_API_KEY và gọi mô hình bằng tên của nó.
Cách gọi này tiện cho người đã viết code với thư viện OpenAI, nhưng có hai điều cần cân nhắc. Thứ nhất, khi gọi qua API, dữ liệu của bạn đi tới máy chủ của nhà cung cấp, nên áp dụng các quy tắc về dữ liệu và độ tuổi của dịch vụ đó; hãy đọc điều khoản của Alibaba Cloud trước khi dùng cho dự án có dữ liệu thật. Thứ hai, tên mô hình, vùng máy chủ và bảng giá có thể khác giữa các khu vực, nên lấy địa chỉ gốc và tên mô hình từ chính trang bảng điều khiển của bạn thay vì chép từ bài viết. Với việc học, chạy một mô hình Qwen nhỏ trên máy thường đủ để thử ý tưởng mà không tốn tiền và không đưa dữ liệu đi đâu.
Chọn kích thước theo máy
Mô hình càng nhiều tham số thường trả lời càng tốt nhưng càng cần nhiều bộ nhớ. Với máy học sinh, sinh viên phổ biến, bản 0,5 tới 4 tỉ tham số chạy được khá nhẹ, bản 7 tới 8 tỉ cần máy khá hơn, đặc biệt khi chạy bản lượng tử hóa. Cách ước bộ nhớ theo số tham số và số bit được trình bày trong bài chạy AI trên máy cá nhân. Với mô hình kiểu A3B, nhớ ước theo tổng số tham số chứ không theo phần kích hoạt.
Trước khi dùng mô hình cho đồ án hay sản phẩm, mở trang mô hình trên Hugging Face để đọc giấy phép và hướng dẫn sử dụng; bài Hugging Face là gì hướng dẫn cách đọc một trang mô hình. Giấy phép có thể khác nhau giữa các mô hình, nên đừng mặc định mọi mô hình Qwen đều cùng giấy phép chỉ vì 20 mô hình đầu giống nhau.
- Học sinh dưới 18 tuổi tự tạo tài khoản Qwen Chat trái điều khoản.
- Đưa dữ liệu riêng vào Qwen Chat mà không biết nội dung có thể dùng để huấn luyện.
- Ước bộ nhớ của mô hình 35B-A3B theo 3 tỉ tham số kích hoạt.
- Dùng một mô hình cho sản phẩm mà không đọc giấy phép trên trang của chính mô hình đó.
- Chép tên mô hình từ bài cũ mà không xem danh sách hiện tại.
Câu hỏi thường gặp
Qwen có miễn phí không?
Mô hình mở tải về miễn phí; Qwen Chat và API có điều khoản và cách tính riêng.
Học sinh dùng Qwen được không?
Qwen Chat yêu cầu từ 18 tuổi. Chạy mô hình mở trên máy thì nên làm cùng thầy cô hoặc phụ huynh.
A3B nghĩa là gì?
Theo model card của Qwen3.6-35B-A3B, mô hình có 35 tỉ tham số tổng và 3 tỉ tham số kích hoạt.
Mô hình Qwen nào hợp máy yếu?
Các bản dưới 2 tỉ tham số như Qwen3-0.6B hay Qwen3-1.7B là điểm bắt đầu nhẹ.
Học tiếp
- Chạy mô hình mở có giao diện: LM Studio là gì.
- Đọc trang mô hình và giấy phép: Hugging Face là gì.
- Ước bộ nhớ và chọn mức lượng tử hóa: chạy AI trên máy cá nhân.
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.


