Một website bán hàng vài nghìn mã thường có đủ ảnh sản phẩm, còn ô mô tả thì trống hoặc chép nguyên lời nhà cung cấp, và chủ shop muốn cho máy đọc ảnh viết nháp mà ngại gửi cả kho ảnh lẫn hồ sơ khách ra máy chủ nước ngoài. Qwen3.8-Flash-Next của Alibaba trả lời đúng hai câu đó. Trọng số tải về được trên Hugging Face theo giấy phép qwen-community-1.0, model đọc được ảnh, video và chữ, vì vậy có đường chạy ngay trên máy chủ của công ty. Còn nếu gọi qua API thì bản tương ứng là Qwen3.8-Flash, giá 0,15 USD mỗi triệu token đầu vào và 0,47 USD mỗi triệu token đầu ra, tính ra đọc 1.000 ảnh sản phẩm hết khoảng 8.930 đồng theo giả định ở dưới. Mọi số trong bài MONA tra lại trên trang của hãng ngày 14/10/2026.
Alibaba công bố gì với Qwen3.8-Flash-Next
Kho Qwen/Qwen3.8-Flash-Next trên Hugging Face được cập nhật lần cuối ngày 27/08/2026 và tới ngày 14/10/2026 vẫn mở cho mọi người tải. Model card gọi đây là bản xem trước của kiến trúc sẽ dùng cho Qwen4, tức là Alibaba đưa ra sớm để giới kỹ thuật tự đo trước khi cả dòng model mới ra đời. Phần thông số ghi 125 tỷ tham số, mỗi token chỉ kích hoạt 6 tỷ, cộng thêm 51 tỷ tham số nhúng n-gram và 4 tỷ cho lớp dự đoán nhiều token. Ngữ cảnh gốc là 262.144 token, kéo dài được tới 1.000.000 token bằng kỹ thuật YaRN.
Con số 180 tỷ ở khung Safetensors lớn hơn 125 tỷ trong phần mô tả vì Hugging Face đếm cả phần nhúng n-gram, lớp dự đoán nhiều token và bộ mã hoá hình ảnh. Với người tính chuyện chạy tại chỗ, con số đáng nhìn là dung lượng file: tổng các tệp trong kho là khoảng 360 GB ở định dạng BF16, MONA cộng từ danh sách tệp ngày 14/10/2026. Bảng dưới gom những thông tin doanh nghiệp hay hỏi trước khi chọn model.
| Mục | Bản tải về Qwen3.8-Flash-Next | Bản API Qwen3.8-Flash |
|---|---|---|
| Nơi lấy | Hugging Face, tải trọng số | Qwen Cloud, gọi qua API |
| Đầu vào | Ảnh, video, chữ | Ảnh, video, chữ |
| Ngữ cảnh | 262.144 token, kéo tới 1.000.000 bằng YaRN | 1 triệu token; tối đa 991 nghìn đầu vào, 131 nghìn đầu ra |
| Giá | Miễn phí tải, tự trả tiền máy | 0,15 USD đầu vào, 0,47 USD đầu ra mỗi triệu token |
| Giấy phép | qwen-community-1.0, có hai điều kiện riêng | Theo điều khoản dịch vụ Qwen Cloud |
| Dữ liệu nằm ở đâu | Máy chủ của doanh nghiệp | Máy chủ của Alibaba Cloud |
Bản tải về và bản gọi API khác nhau ở những chỗ nào
Ngay đầu model card, Alibaba ghi rằng Qwen3.8-Flash là bản chính thức dựng trên Qwen3.8-Flash-Next, có thêm các tính năng cho môi trường chạy thật như ngữ cảnh 1 triệu token mặc định và bộ công cụ dựng sẵn. Nghĩa là thứ doanh nghiệp tải về và thứ doanh nghiệp gọi qua API là hai bản họ hàng, chạy thử bản này rồi đem kết quả áp cho bản kia là dễ lệch.
Chỗ thứ hai cần biết trước khi tính tiền là chế độ suy nghĩ. Model card ghi Qwen3.8-Flash-Next mặc định chạy ở chế độ suy nghĩ, tức là viết một đoạn lập luận trước khi trả câu trả lời, và có tham số enable_thinking để tắt. Với việc viết mô tả sản phẩm, đoạn lập luận đó gần như vô ích mà vẫn bị tính là token đầu ra. Đội kỹ thuật dựng dây chuyền sinh mô tả thì tắt nó đi, hoặc ít nhất đo xem nó làm hoá đơn tăng bao nhiêu.
Chỗ thứ ba là đường truyền dữ liệu. Gọi API thì ảnh sản phẩm, phiếu kho hay hồ sơ khách đi sang máy chủ của Alibaba Cloud, giống câu hỏi mà bài Agents API của OpenAI chỉ lưu dữ liệu tại Mỹ đặt ra cho các hãng khác. Tải trọng số về thì mọi thứ ở lại trong mạng nội bộ, và đó là lý do chính để quan tâm tới bản mở trọng số này. Bản tải về cũng không có hạn mức gọi mỗi phút, khác trang Qwen Cloud ghi 15.000 yêu cầu mỗi phút cho bản API.
Giấy phép qwen-community-1.0 cho làm gì và buộc điều kiện gì
Ai đọc chữ “giấy phép riêng” cũng lo bị trói tay, vì thế MONA đọc nguyên văn tệp LICENSE trong kho ngày 14/10/2026. Giấy phép cho phép dùng, sửa, tinh chỉnh, phân phối, bán và triển khai trọng số mà không mất phí, kèm hai điều kiện.
- Sản phẩm thương mại dùng model mà có trên 100 triệu người dùng hoạt động mỗi tháng hoặc doanh thu trên 20 triệu USD mỗi tháng thì phải ghi tên model rõ trên giao diện.
- Doanh nghiệp kinh doanh dịch vụ cho thuê model (Model as a Service) hoặc sản phẩm trợ lý AI cho lập trình, văn phòng thì phải xin giấy phép riêng của Qwen trước khi dùng vào mục đích thương mại. Dùng nội bộ, không mở model hay kết quả của nó cho bên thứ ba, thì được miễn điều kiện này.
Với một công ty bán lẻ dùng model để viết mô tả hàng cho website của chính mình, hai điều kiện trên gần như không chạm tới. Nó bắt đầu quan trọng khi một công ty phần mềm định đóng gói model thành dịch vụ cho khách khác gọi vào, vì lúc đó định nghĩa Model as a Service trong giấy phép (cho bên thứ ba quyền điều khiển đầu vào, tham số hoặc dữ liệu huấn luyện) cần bộ phận pháp chế đọc kỹ. Định nghĩa trợ lý văn phòng cũng loại trừ rõ công cụ một mục đích như công cụ dịch, do đó một tính năng sinh mô tả nằm trong phần mềm quản lý bán hàng thuộc nhóm được dùng tự do.
Đọc 1.000 ảnh sản phẩm qua API tốn bao nhiêu tiền Việt
Giá mỗi triệu token khó hình dung, nên MONA quy ra một việc thật: đưa ảnh sản phẩm vào, lấy ra một đoạn mô tả tiếng Việt kèm vài thẻ tìm kiếm. Giả định của MONA là mỗi ảnh tốn 1.500 token đầu vào và mô tả trả về dài 250 token, chế độ suy nghĩ đã tắt. Tỷ giá 26.080 đồng mỗi USD là giá bán ra của Vietcombank ngày 14/10/2026.
Một nghìn ảnh là 1,5 triệu token đầu vào, hết 0,225 USD, cộng 250 nghìn token đầu ra hết 0,1175 USD, tổng 0,3425 USD, quy ra khoảng 8.930 đồng, tức chưa tới 9 đồng mỗi ảnh. Lúc bài cũ trên mona.media đăng ngày 15/09/2026, con số là 8.940 đồng; giá của hãng giữ nguyên, phần chênh nhỏ đến từ tỷ giá. Trang Qwen3.8-Flash trên Qwen Cloud còn ghi giá đọc từ bộ nhớ đệm chỉ 0,016 USD mỗi triệu token, có ích khi mọi yêu cầu dùng chung một đoạn hướng dẫn dài.
Có hai chỗ làm con số này đội lên khi chạy thật. Ảnh chụp bằng điện thoại đời mới thường nặng hơn nhiều so với giả định 1.500 token, nên hạ kích thước ảnh trước khi gửi là việc đầu tiên. Nếu quên tắt chế độ suy nghĩ và mỗi ảnh sinh thêm 1.000 token lập luận, phần đầu ra tăng thêm khoảng 12.260 đồng cho 1.000 ảnh, tổng hơn gấp đôi. Cả hai đều là phép tính độ lớn để dự toán, chưa phải hoá đơn.
Chạy Qwen3.8-Flash-Next ngay trên máy chủ công ty cần gì
Model card không ghi cấu hình phần cứng tối thiểu, và tới ngày 14/10/2026 Alibaba cũng chưa công bố con số đó. Thứ đo được là kho nặng khoảng 360 GB ở BF16, nên một card GPU 80 GB đơn lẻ không chứa nổi; chạy nguyên bản cần nhiều card ghép lại, còn chạy trên máy nhỏ hơn thì phải chờ bản nén do cộng đồng làm và tự đo lại chất lượng. Model card khuyên dùng SGLang, vLLM, KTransformers hoặc TokenSpeed để phục vụ, và nhắc rằng hiệu năng chênh nhiều giữa các bộ chạy.
Với kho hàng vài trăm mã, gọi API gọn hơn hẳn: tiền đọc cả kho chưa bằng một bữa trưa. Đường chạy tại chỗ đáng tính khi có một trong hai điều kiện. Một là hợp đồng hay quy định bắt dữ liệu ở lại trong công ty, ví dụ hồ sơ có dữ liệu cá nhân theo Nghị định 356/2025 về dữ liệu cá nhân. Hai là khối việc đủ lớn để tiền máy cố định mỗi tháng chia ra rẻ hơn tiền gọi API, chuyện thường chỉ xảy ra ở mức hàng chục nghìn mã hàng trở lên hoặc khi model chạy suốt ngày cho nhiều phòng ban.
Bài nghiên cứu AI local hay tài khoản AI cho doanh nghiệp của MONA đi sâu vào phép so này, kể cả giá máy và chuyện ai trực máy lúc nửa đêm. Kết luận ở đó áp đúng cho Qwen3.8-Flash-Next: máy trong công ty gánh việc có dữ liệu nhạy cảm và việc lặp lại số lượng lớn, còn việc khó, suy luận dài vẫn để cho các model lớn như Claude, GPT, Gemini gọi qua tài khoản. Cùng đợt này có thêm hai model mở trọng số đáng so: MiMo-V2.6 của Xiaomi theo giấy phép MIT và Ternary Bonsai 2 27B nặng 5,9 GB, bản sau nhỏ đủ để thử trên một máy trạm.
Bảng điểm của Alibaba nói gì về việc tiếng Việt
Model card đặt Qwen3.8-Flash-Next cạnh Qwen3.8-27B, Qwen3.7-Plus, DeepSeek-V4-Flash và Claude Opus 4.6. Hai con số nổi nhất là 91,7 ở GPQA Diamond, bài đo suy luận khoa học, và 81,0 ở SWE-bench Multilingual, bài đo sửa lỗi phần mềm trên nhiều ngôn ngữ lập trình. Ở phần hình ảnh, model đạt 88,5 trên RealWorldQA, bài đo nhận biết ảnh chụp đời thường, sát nhất với việc đọc ảnh sản phẩm.
Chữ “Multilingual” ở đây là đa ngôn ngữ lập trình, chẳng liên quan gì tới tiếng Việt. Model card không liệt kê ngôn ngữ tự nhiên được hỗ trợ và không có bảng điểm nào cho tiếng Việt, trong khi mô tả sản phẩm cho người mua Việt đòi gọi đúng tên chất liệu, đúng đơn vị đo, đúng cách người ta gõ tìm. Một mô tả ghi nhầm cotton thành polyester là đủ để khách trả hàng. Vì vậy vai hợp nhất của model lúc này là viết bản nháp cho người phụ trách ngành hàng sửa, ít nhất cho tới khi doanh nghiệp tự chấm được trên ảnh của chính mình.
Thử Qwen3.8-Flash-Next trên kho hàng thật trước khi chọn đường
Phép thử gọn nhất gói trong một tuần làm việc và tốn vài chục nghìn đồng tiền API. Thứ tự dưới đây đi từ rẻ tới đắt, dừng ở bước nào thấy không đạt thì khỏi đi tiếp.
- Chọn 200 ảnh thật trong kho, chia đều giữa hàng đơn giản (áo, cốc) và hàng nhiều thông số (thiết bị điện, mỹ phẩm có thành phần).
- Hạ ảnh về một kích thước cố định, gọi API Qwen3.8-Flash với chế độ suy nghĩ tắt, ghi lại số token thật của từng ảnh.
- Người phụ trách ngành hàng chấm tay từng mô tả theo bốn ý: đúng tên hàng, đúng chất liệu, đúng thông số, đúng từ khách hay tìm. Đếm số bản phải sửa.
- Nhân số token thật với số mã hàng trong kho để ra tiền API cho cả kho, so với giờ công viết tay.
- Chỉ khi dữ liệu bắt buộc ở lại công ty hoặc khối việc rất lớn mới dựng thử bản tải về trên máy chủ GPU, đo tiền máy mỗi tháng và thời gian xử lý mỗi ảnh.
Kết quả bước 3 quyết định gần hết, và cách chọn việc để giao cho máy giống hệt tiêu chí trong bài AI Agent là gì và giao việc nào cho AI Agent: đầu vào rõ, kết quả kiểm được, sai thì sửa được. Tỷ lệ phải sửa thấp ở hàng đơn giản và cao ở hàng nhiều thông số là chuyện thường gặp, khi đó chỉ cho máy viết nhóm hàng đơn giản cũng đã đỡ được phần lớn kho.
Hỏi đáp
Qwen3.8-Flash-Next có tải về dùng miễn phí được không?
Được. Trọng số trên Hugging Face theo giấy phép qwen-community-1.0, cho dùng, sửa và triển khai thương mại không mất phí. Hai điều kiện là ghi tên model khi sản phẩm vượt 100 triệu người dùng hoặc 20 triệu USD doanh thu mỗi tháng, và xin giấy phép riêng nếu kinh doanh dịch vụ cho thuê model hay trợ lý AI văn phòng, lập trình.
Qwen3.8-Flash-Next và Qwen3.8-Flash khác nhau thế nào?
Qwen3.8-Flash-Next là bản mở trọng số để tải về. Qwen3.8-Flash là bản chạy trên Qwen Cloud, dựng trên cùng kiến trúc, mặc định ngữ cảnh 1 triệu token và có công cụ dựng sẵn, giá 0,15 và 0,47 USD mỗi triệu token đầu vào, đầu ra (tra ngày 14/10/2026).
Chạy tại chỗ cần máy cấu hình bao nhiêu?
Alibaba chưa công bố cấu hình tối thiểu. Kho trọng số nặng khoảng 360 GB ở BF16, vượt xa một card GPU 80 GB, nên chạy nguyên bản cần nhiều card. Muốn chạy trên máy nhỏ thì dùng bản nén và tự đo lại chất lượng.
Model có viết tiếng Việt tốt không?
Model card không có bảng điểm tiếng Việt và không liệt kê ngôn ngữ tự nhiên được hỗ trợ. Cách chắc nhất là chạy 200 ảnh sản phẩm thật và chấm tay như phần thử ở trên trước khi đưa vào việc đăng bài.
Gửi ảnh có dữ liệu khách qua API có an toàn không?
Gọi API thì dữ liệu đi sang máy chủ Alibaba Cloud và chịu điều khoản dịch vụ của họ. Với ảnh sản phẩm thuần thì rủi ro thấp; với hoá đơn, hồ sơ có tên và số điện thoại khách thì đường tải trọng số về chạy trong mạng nội bộ giữ dữ liệu trọn trong công ty.
Dây chuyền sinh mô tả từ ảnh chỉ chạy đều khi nó gắn vào đúng chỗ nhập hàng của phần mềm đang dùng: ảnh lên là có bản nháp, người duyệt sửa trong cùng màn hình, bản đã duyệt mới ra website. MONA nhận phần dựng đó trong dịch vụ viết AI Agent theo yêu cầu, chọn model theo kết quả chấm trên kho hàng thật, và dựng bản chạy trên máy chủ của doanh nghiệp khi dữ liệu không được ra ngoài. Shop chỉ cần máy tư vấn khách trên website thì xem chatbot tư vấn cho website bán hàng; cần nối cả vào hệ thống bán hàng sẵn có thì đi theo hướng viết phần mềm theo yêu cầu. Gọi hotline 1900 636 648 để bàn trên số mã hàng và loại dữ liệu cụ thể của doanh nghiệp.
