StartLux - Kẻ chiến mã bất ngờ trong cuộc đua AI Trung Quốc

Một “ngựa ô” vừa xuất hiện trong cuộc đua AI tại Trung Quốc, làm xáo trộn cục diện vốn bị thống trị bởi những gã khổng lồ công nghệ. Công ty mới này, với mô hình đầu tiên chỉ có 27 tỷ tham số, đã giành vị trí thứ hai chung cuộc trong bài kiểm tra chuyên biệt về MCP do Viện Nghiên cứu và Tiêu chuẩn hóa Công nghệ Thông tin và Truyền thông Trung Quốc (CAICT) thực hiện. Kỳ tích này trở nên đáng nói hơn khi "đối thủ" đứng đầu chính là DeepSeek-V4-Pro - mô hình 1,6 nghìn tỷ tham số được coi là "át chủ bài" giấu kín của Liang Wenfeng.

Khoảng cách giữa hai mô hình chỉ là 1,3 điểm phần trăm, một con số đủ sức khiến cả ngành công nghệ phải chú ý. Ẩn sau cái tên còn khá xa lạ StartLux-V1.0-27B-Preview là một gương mặt quen thuộc trong làng công nghệ: Trần Đại Niên (Chen Danyan).

Hình ảnh minh họa về StartLux và chiến lược mô hình ngôn ngữ nhỏ

Từ “Cha đẻ” của giới lập trình đến tham vọng “lật đổ” mô hình đám mây

Được mệnh danh là "cha đỡ đầu" của giới lập trình viên kỷ nguyên internet, Trần Đại Niên là đồng sáng lập Shanda Network và là một trong những lập trình viên đầu tiên tại Trung Quốc đưa khái niệm shareware vào thị trường. Sau một thập kỷ "ở ẩn", ông quay trở lại với một lựa chọn táo bạo: đầu tư vào mô hình ngôn ngữ nhỏ chạy cục bộ (local model).

Tại lễ kỷ niệm 18 năm thành lập Viện Sáng tạo Shanda, Trần Đại Niên đã công khai tuyên bố những quan điểm "dị biệt" của mình về kỷ nguyên AI. Trong đó, bốn trong số tám quan điểm xoay quanh local model:

• Local model sẽ phá hủy hoàn toàn thị trường đám mây.
• Trong vòng ba năm, local model sẽ đuổi kịp trình độ của Claude và chiếm lĩnh 80% thị phần.
• Cuộc đua dựa trên số lượng tham số sẽ trở nên lỗi thời.

StartLux chính là hiện thân rõ ràng nhất cho triết lý này. Không chạy theo xu hướng phát triển mô hình khổng lồ trên nền tảng đám mây của ngành, công ty tập trung vào việc thương mại hóa các mô hình cục bộ - thứ được xem là "nhỏ và đẹp". StartLux-V1.0-27B-Preview, không cần dựa vào đám mây, có thể chạy trực tiếp trên các PC tiêu dùng thông thường.

Điều đáng kinh ngạc là mô hình có kích thước nhỏ hơn tới 60 lần này lại sở hữu khả năng Agent có thể sánh ngang với các mô hình hàng đầu nghìn tỷ tham số. Điều gì đã tạo nên kỳ tích này?

Mô hình nhỏ, kết quả lớn: 27B vượt trội hơn 1.6T

Để hiểu rõ thành tích này, chúng ta cần nhìn vào bối cảnh so sánh. Người ta thường nói không ai nhớ đến vị trí thứ hai, trừ khi người đứng đầu là DeepSeek. Và khoảng cách giữa hai bên là cực kỳ sít sao, khiến cuộc so tài này trở nên đáng bàn luận.

Kết quả này đến từ bài kiểm tra tiêu chuẩn MCP (Model Context Protocol) của CAICT, một viện nghiên cứu có thẩm quyền. Bài kiểm tra này thiết lập sáu loại nhiệm vụ xoay quanh các tình huống ứng dụng thực tế:

• Điều hướng vị trí
• Tìm kiếm trên web
• Tự động hóa trình duyệt
• Phân tích tài chính
• Quản lý kho mã nguồn
• Thiết kế 3D

Ngoài ra còn có bài đánh giá toàn diện về khả năng cộng tác đa công cụ, thực thi tác vụ phức tạp và tương tác trong môi trường thực tế của Agent.

Kết quả cho thấy StartLux-V1.0-27B-Preview đạt điểm tổng hợp 39,25%, xếp thứ hai toàn đoàn. Trong khi đó, DeepSeek-V4-Flash-0731 với hơn 284 tỷ tham số và Step-3.7-Flash với 198 tỷ tham số, chỉ bám sau DeepSeek-V4-Pro với khoảng cách 1,3 điểm phần trăm. Cùng quy mô 27B tham số, StartLux cũng vượt qua Qwen 3.6 tới 5,34 điểm phần trăm.

Mô hình này còn đặc biệt xuất sắc ở các hạng mục cá nhân, đứng đầu ở các bài kiểm tra về điều hướng vị trí, phân tích tài chính và tự động hóa trình duyệt.

Hai ví dụ điển hình

Để thấy rõ sự khác biệt, hãy xem xét hai trường hợp cụ thể:

Trường hợp đầu tiên: Bài toán về một khoản đầu tư cổ phiếu Microsoft trong hai năm, với đối thủ là Claude Sonnet 4.6. Claude trả lời: 47.254 USD, tương đương 89,02%. StartLux đưa ra con số 47.499,09 USD và 90,00%. Con số có vẻ tương đồng, nhưng trong ngành tài chính, một sai lệch nhỏ có thể dẫn đến tổn thất khổng lồ. Khi xem xét kỹ quá trình suy luận, Claude Sonnet 4.6 đã xác định nhầm ngày 8/1/2025 là ngày không giao dịch và sử dụng giá đóng cửa của ngày trước đó. Ngược lại, StartLux đã rà soát lại dữ liệu gốc và kiểm chứng xu hướng thị trường quanh ngày mục tiêu để xác nhận giá đóng cửa chính xác trước khi đưa ra kết quả và tạo biểu đồ trực quan. Kết luận của StartLux cuối cùng là chính xác, có thể kiểm chứng và truy xuất nguồn gốc.

Trường hợp thứ hai: Cả hai mô hình được yêu cầu tìm kiếm vé máy bay trên trình duyệt cùng một lúc. StartLux-V1.0-27B-Preview hoàn thành việc tìm kiếm trong khoảng 95 giây, tìm được vé của Air China với giá 299 USD. Trong khi đó, Claude Sonnet 4.6 cần xác nhận thêm ảnh chụp màn hình khi điều hướng lựa chọn ngày, đóng cửa sổ bật lên và menu bộ lọc, thậm chí còn vô tình kích hoạt bảng lọc thời gian. Hơn 200 giây sau, nó chỉ đưa ra mức giá thấp nhất là 556 USD. Giá cao hơn, thời gian tìm kiếm lại gấp đôi. Đặc biệt, về số bước thao tác, StartLux ngắn gọn hơn nhiều, chỉ cần 12 bước, trong khi Claude cần tới 21 bước.

Cắt giảm chi phí chứ không cắt giảm năng lực

StartLux-V1.0-27B-Preview không được huấn luyện từ đầu. Nó dựa trên nền tảng Qwen3.6-27B, nhưng điểm kiểm tra cuối cùng lại cao hơn hẳn so với Qwen. Bí quyết nằm ở dữ liệu nhiệm vụ và phương pháp hậu huấn luyện tự động.

Theo cách giải thích đơn giản, StartLux đào tạo một Agent thông minh hơn, với dữ liệu huấn luyện tập trung vào việc tăng cường các kỹ năng như hiểu nhiệm vụ, lựa chọn công cụ, xây dựng tham số, thực thi đa bước, kiểm tra trạng thái và xác minh kết quả. Mô hình cần học không chỉ cách xuất ra văn bản cuối cùng mà còn biết khi nào nên gọi công cụ nào, cách điều chỉnh khi công cụ báo lỗi, và trong trường hợp nào thì có thể coi là nhiệm vụ đã hoàn thành.

Nhóm nghiên cứu đã tự phát triển một công nghệ tối ưu hóa lặp đi lặp lại mới, có thể xác minh và mở rộng quy mô. Công nghệ này sử dụng phương pháp "AI huấn luyện AI" (Auto Research), cho phép mô hình tự chủ thực thi các nhiệm vụ trong môi trường công cụ thực tế và liên tục điều chỉnh chiến lược dựa trên phản hồi của môi trường. Các trường hợp phân tích tài chính và duyệt web ở trên là minh chứng trực quan nhất cho hiệu quả của phương pháp hậu huấn luyện này.

“Scaling Law” không phải là con đường duy nhất

Sự xuất hiện của StartLux không có nghĩa là định luật Scaling Law sai. Các mô hình đám mây tham số lớn vẫn là sự lựa chọn chủ đạo hiện nay. Nhưng StartLux đã đưa ra một tín hiệu rõ ràng: đây không phải là giải pháp duy nhất. Như Trần Đại Niên phát biểu:

Scaling Law là một "nàng tiên qua đường" – không có nó, AI không thể cất cánh, nhưng nó chỉ đi ngang qua con đường phát triển của AI và tương lai của AI không nhất thiết phải gắn liền với nó.

Ngành công nghiệp cũng đã nhận thức được vấn đề này. Xu hướng phát triển mô hình ngôn ngữ lớn đang cho thấy sự phân kỳ rõ rệt:

• Một bên là những tín đồ trung thành của "sức mạnh càng lớn, phép màu càng nhiều", với tham số tăng từ hàng chục tỷ lên hàng trăm tỷ rồi nghìn tỷ, đi kèm chi phí huấn luyện tăng theo cấp số nhân.
• Một bên là xu hướng đánh giá Agentic, đại diện là Harness, ngày càng phổ biến, với nhiều chuyên gia ủng hộ triết lý "ít mà tốt" (less is more).

Chính điều này cũng lý giải vì sao StartLux kiên định với mô hình cục bộ. Một khi mô hình chạy trên PC, cơ cấu chi phí cho các tác vụ dài hạn có thể chuyển từ việc tích lũy phí token đám mây sang chi phí điện năng và sức mạnh tính toán của thiết bị có thể kiểm soát hơn. Mô hình cũng có thể hiểu rõ hơn bối cảnh dài của người dùng, từ đó đạt được các mục tiêu cá nhân hóa hơn.

Không chỉ riêng StartLux, các ông lớn như Meta, Google và NVIDIA gần đây cũng tăng cường đầu tư vào việc phát triển các mô hình nhỏ chạy cục bộ. Tuy nhiên, hầu hết vẫn đang trong giai đoạn thử nghiệm hoặc phục vụ các nhóm người dùng ngách. StartLux là công ty duy nhất tập trung vào việc thương mại hóa mô hình cục bộ.

Hình ảnh minh họa về quá trình huấn luyện và tối ưu hóa mô hình AI

Tam mã hợp lực: Nhà sáng lập kỳ cựu, CTO tài năng và Chuyên gia tài chính

StartLux đảm nhận trọng trách của mô hình cục bộ, và vì đây là con đường "không đồng thuận", những người đứng đầu cần là những người dám đặt cược và có khả năng tạo ra kết quả. Đội ngũ của StartLux, với sự kết hợp giữa doanh nhân và nhà khoa học, được ví như một liên minh đáng gờm.

Trần Đại Niên – Người sáng lập kiêm CEO của StartLux, như đã giới thiệu, là một doanh nhân nối tiếp và là một trong những lập trình viên thế hệ đầu tiên của Trung Quốc. Ông nổi lên cùng thời với Trương Tiểu Long và Lôi Quân, và khởi nghiệp cùng thời điểm với Mã Vân và Mã Hóa Đằng. Ông là một trong những người tiên phong đưa khái niệm "shareware" vào Trung Quốc, đồng sáng lập Shanda Network với anh trai Trần Thiên Kiều, cùng Viện Sáng tạo Shanda – nơi ươm mầm nhiều sản phẩm sáng tạo, và là người có công ươm mầm sản phẩm quốc dân "WiFi Master Key". Có thể nói, ông cực kỳ am hiểu thị trường, người dùng và sản phẩm Trung Quốc. Mô hình cục bộ nằm trong vùng an toàn của ông.

Quách Toàn Vỹ (Guo Quanwei) – Đồng sáng lập kiêm CTO của StartLux, là người hiện thực hóa lộ trình kỹ thuật. Ông có bằng Tiến sĩ Khoa học Máy tính và Kỹ thuật từ Đại học Quốc gia Dương Minh Giao Thông, với các lĩnh vực nghiên cứu bao gồm triển khai mô hình ngôn ngữ lớn cục bộ, Agentic AI, AI cho Khoa học, AI cho Tài chính và máy học bảo vệ quyền riêng tư. Trước khi gia nhập StartLux, ông từng là Chuyên gia thuật toán trưởng tại công ty AI Science là Huanliang Technology, và trước đó làm việc tại Viện Nghiên cứu Công nghệ Công nghiệp Đài Loan, phát triển các công nghệ về quyền riêng tư dữ liệu và máy học bảo mật. Ông cũng là chủ nhân của Giải thưởng Bài báo xuất sắc nhất TAAI 2024 và nắm giữ các bằng sáng chế phát minh liên quan đến quyền riêng tư dữ liệu.

Đồng sáng lập thứ ba của StartLux, Lạc Vĩnh Tường (Luo Yongxiang) , nguyên là Giám đốc điều hành của Morgan Stanley khu vực châu Á. Sự kết hợp giữa người hiểu sản phẩm và người dùng (Trần Đại Niên), người có nghiên cứu sâu về mô hình cục bộ, Agent và quyền riêng tư dữ liệu (Quách Toàn Vỹ), và người phụ trách marketing và gọi vốn (Lạc Vĩnh Tường) – bộ ba này rất phù hợp và sẽ thúc đẩy sự phát triển lâu dài của StartLux.

Hướng tới tương lai: “Cài đặt một chạm” như phần mềm Office

Sứ mệnh của đội ngũ không dừng lại ở việc tạo ra một bộ trọng số mô hình. Trong tầm nhìn của StartLux, một giải pháp trí tuệ nhân tạo cục bộ cần triển khai được chỉ với một cú nhấp chuột, tương tự như cài đặt bộ phần mềm Office. Người dùng không cần phải hiểu về kỹ thuật lượng tử hóa, cấu hình bộ nhớ GPU hay framework suy luận, cũng không cần phải tự tối ưu hóa chúng nhiều lần.

Nhóm nghiên cứu hiện có kế hoạch ra mắt giải pháp thông minh cục bộ thế hệ đầu tiên cho cả doanh nghiệp lẫn người dùng cá nhân trong năm nay.

Hình ảnh minh họa về khái niệm triển khai mô hình AI cục bộ trên thiết bị người dùng

Trong bối cảnh đó, sự xuất hiện của StartLux không chỉ đơn thuần là một "mảnh ghép mới" trong bức tranh toàn cảnh. Nó còn đại diện cho một làn sóng bổ sung cho thị trường: sau sự trỗi dậy của các công ty mô hình đám mây như DeepSeek và Kimi, các công ty mô hình cục bộ trong nước cũng bắt đầu lấp vào khoảng trống còn thiếu. Từ một ngôi sao mới nổi trong kỷ nguyên trí tuệ nhân tạo đến việc quay trở lại với thế hệ lập trình viên đầu tiên của kỷ nguyên internet, mô hình căn bản của cuộc chơi đang thay đổi – nhưng qua tất cả, các công ty Trung Quốc vẫn tiếp tục truyền ngọn đuốc và tiến về phía trước.