Chương trình và khách mời

Tập Odd Lots này của Bloomberg Podcasts do Joe Weisenthal và Tracy Alloway dẫn chương trình, với khách mời là đồng sáng lập Minerva Daniel Saedi (cựu nhân viên Bridgewater). Tựa đề tiếng Anh gốc: How an American AI Company Uses Chinese Open-Weight Models | Odd Lots.

Điểm chính

  • Mô hình trọng số mở cho phép tải trực tiếp các trọng số sạch và chạy trên máy tính hoặc chip của riêng mình. Đối với các doanh nghiệp ở tầng ứng dụng, giá trị thực sự nằm ở việc tinh chỉnh—dùng dữ liệu riêng để tinh chỉnh trọng số mở hiện là nguồn lợi ích chính. 9:08
  • Tinh chỉnh các mô hình trọng số mở của Trung Quốc như Kimi có thể đem lại kết quả tốt hơn với chi phí thấp hơn, đồng thời thu thêm một lớp biên lợi nhuận. Các lợi ích khác gồm quyền tự chủ dữ liệu, tính linh hoạt về kỹ thuật và tránh bị ràng buộc vào các nhà cung cấp lớn có thể tăng giá. 12:32
  • Ông đã tự mình thử phiên bản DeepSeek mới nhất không kiểm duyệt—ai đó đã tắt các nơ-ron khiến mô hình nói “không”; đây là điều được gọi là “xóa bỏ mô hình”. Đây là rủi ro lớn nhất của các mô hình mở tiên phong bị phát tán ra bên ngoài. Chi phí của mô hình vào khoảng $0.30 cho mỗi triệu token, rẻ hơn Sonnet khoảng 10 lần, nhưng năng lực gần bằng phiên bản huyền thoại hồi tháng 2. 25:20
  • Lợi ích của chưng cất có thể đo lường được: Reflection AI, một trong những công ty mô hình trọng số mở hàng đầu của Mỹ, vừa ra mắt mô hình chủ lực, chậm hơn các mô hình trọng số mở của Trung Quốc khoảng 3–6 tháng. Công ty được Nvidia hậu thuẫn và đã huấn luyện mô hình bằng 12 nghìn–14 nghìn GPU; theo thông tin, Nvidia đang mua lại công ty này. 29:54

Bối cảnh và ghi chú

Tập Odd Lots này xoay quanh thông tin chính quyền Trump dự định yêu cầu các công ty Mỹ công khai việc sử dụng mô hình AI Trung Quốc. Chương trình cũng bàn về việc liệu khách hàng có sẵn lòng trả giá cao cho các mô hình tiên phong trong nước sau “thời khắc DeepSeek” hay không. Phạm vi phụ đề: video có 978 phân đoạn phụ đề gắn dấu thời gian, bao phủ 0:00–48:59 (tổng thời lượng 48:59), bao phủ toàn bộ video. Các nhận định và dấu thời gian trong bài được thuật lại theo phụ đề gốc; mỗi dấu thời gian là thời điểm bắt đầu của phân đoạn lời nói tương ứng. Thông tin thời điểm đăng: đăng vào 2026-11-20 lúc 17:48 theo giờ Hong Kong, quy đổi từ thời gian tương đối YouTube hiển thị lúc thu thập dữ liệu, với độ chính xác đến cấp giờ.

Liên kết nguồn

Đọc thêm

Chủ đề liên quan