Chứng khoán CITIC: DeepSeek mô hình mới thế hệ tiếp theo dự kiến sẽ tiếp tục theo đuổi dòng mô hình mã nguồn mở có hiệu suất cao và chi phí hợp lý

Trung tâm nghiên cứu của ngành Chứng khoán Citic cho biết rằng kể từ năm 2026, các nhà sản xuất mô hình ngôn ngữ lớn (LLM) nội địa tập trung vào nâng cấp năng lực Agent và mã nguồn, liên tiếp cho ra mắt các mô hình mới. Chúng tôi cho rằng mô hình thế hệ tiếp theo của DeepSeek sắp ra mắt có khả năng tiếp tục lộ trình mô hình mã nguồn mở có hiệu năng/chi phí cao, về năng lực sẽ đạt được chức năng ghi nhớ mạnh hơn và khả năng xử lý ngữ cảnh cực dài, đồng thời tinh tiến năng lực mã nguồn và Agent, bù đắp đồng thời các điểm yếu đa phương thức, mang đến cơ hội đầu tư mới theo các hướng nhà sản xuất mô hình gốc, ứng dụng AI và hạ tầng AI.

1、Nhà sản xuất mô hình gốc: Mô hình thế hệ mới của DeepSeek có thể cùng hợp tác với các mô hình nội địa khác, thúc đẩy AI của Trung Quốc tăng tốc tiến ra thế giới; đồng thời trong quá trình huấn luyện, việc thúc đẩy giảm chi phí thêm một bước, các token rẻ hơn sẽ thúc đẩy tổng lượng gọi API của các mô hình lớn trên toàn cầu tăng lên. 2、Ứng dụng AI: Bình đẳng mô hình giúp giảm bớt lo lắng trong thị trường về mâu thuẫn giữa mô hình và ứng dụng, hỗ trợ việc triển khai AI Agent trong hàng nghìn ngành nghề, có lợi cho các công ty ứng dụng AI có rào cản; 3、Hạ tầng AI: Việc giảm chi phí dẫn đến tăng lượng sử dụng khiến AI Infra được hưởng lợi, hạ tầng AI nội địa và mô hình nội địa đi cùng hướng.

Toàn văn như sau

Máy tính | DeepSeek: Triển vọng mô hình thế hệ tiếp theo

Kể từ năm 2026, các nhà sản xuất mô hình ngôn ngữ lớn nội địa tập trung vào nâng cấp năng lực Agent và mã nguồn, liên tiếp cho ra mắt các mô hình mới. Chúng tôi cho rằng mô hình thế hệ tiếp theo của DeepSeek sắp ra mắt có khả năng tiếp tục lộ trình mô hình mã nguồn mở có hiệu năng/chi phí cao, về năng lực sẽ đạt được chức năng ghi nhớ mạnh hơn và khả năng xử lý ngữ cảnh cực dài, tinh tiến năng lực mã nguồn và Agent đồng thời bù đắp các điểm yếu đa phương thức, mang đến cơ hội đầu tư mới theo các hướng nhà sản xuất mô hình gốc, ứng dụng AI và hạ tầng AI.

▍ Mã nguồn, Agent, đa phương thức nguyên sinh: Hướng nâng cấp của các mô hình lớn toàn cầu.

Trong lĩnh vực lập trình bằng AI, việc nâng cấp khung huấn luyện, áp dụng toàn bộ kho mã nguồn và dấu vết quy trình kỹ thuật làm dữ liệu huấn luyện, đồng thời đưa vào chuỗi tư duy sâu hơn với thực thi đa bước và tự sửa chữa đã tạo nên việc phát triển của AI Coding từ công cụ bổ sung mã nguồn tiến đến mức độ tác nhân thông minh tự chủ ở cấp dự án. Harness Engineer có kỳ vọng sẽ giúp nhân sự chuyển từ việc chỉ là kỹ sư viết mã sang vai trò quản lý Agent để AI phát huy hiệu năng tối đa. Ở lĩnh vực cụm đa Agent, sản phẩm cấp độ hiện tượng OpenClaw đã thể hiện rõ tiềm năng hệ thống đa Agent; các nhà sản xuất trong nước như Zhipu, MiniMax, Tencent, Kimi… đều đã cho ra mắt các sản phẩm “giống tôm hùm”, giải phóng năng lực sản xuất của nhân viên số. Ở lĩnh vực đa phương thức nguyên sinh, kiến trúc đa phương thức nguyên sinh đã trở thành hướng chủ đạo; việc mã hóa nhúng lai giúp đột phá nhanh chóng. Các mô hình trong nước ở các khâu then chốt như tương tác âm thanh video thời gian thực và suy luận liên tục xuyên phương thức vẫn cần sớm đột phá.

▍ Mô hình ngôn ngữ lớn nội địa: Đổi mới dày đặc, năng lực tiếp tục đột phá.

1）MiniMax: Năng lực mã nguồn được nâng cấp thêm; điểm kiểm thử M2.7 SWE-Pro đạt 56.22%, vượt Gemini 3.1 Pro; trong kịch bản thử nghiệm giao phó dự án hoàn chỉnh end-to-end VIBE-Pro, điểm đạt 55.6%, sánh ngang Claude Opus 4.6, mức độ hiểu logic vận hành của hệ thống phần mềm được tăng cường thêm. Đồng thời, các mô hình dòng M2 tham gia quá trình huấn luyện M2.7 trong các bối cảnh như RL, để mô hình tự lặp lại.

2）Zhipu: GLM-5 giới thiệu DSA và tự nghiên cứu kiến trúc “Slime”; có thể, với can thiệp thủ công rất ít, tự chủ hoàn thành các tác vụ kỹ thuật hệ thống như lập kế hoạch và thực thi tầm dài kiểu Agentic, tái cấu trúc backend và gỡ lỗi sâu. Ở năng lực gọi công cụ và thực thi tác vụ nhiều bước (MCP-Atlas 67.8%), khả năng duyệt tra cứu và hiểu thông tin (Browse Comp 89.7%) tiệm cận thậm chí vượt mức các mô hình hàng đầu ở nước ngoài.

3）Kimi: Kimi 2.5 đưa vào năng lực thị giác để tự động phân tách logic tương tác, tái hiện mã nguồn; ra mắt phương thức “cụm Agent” mới. Trong các bộ kiểm thử ứng dụng tác nhân thông minh như HLE-Full, BrowseComp, DeepSearchQA, các điểm số đối标 GPT-5.2, Claude 4.5 Opus, Gemini 3 Pro. Moonshoot áp dụng chiến lược giảm giá, giá API so với định giá K2 Turbo giảm hơn 30%.

4）Xiaomi: Xiaomi MiMo-V2-Pro trong các bộ kiểm thử đo lường năng lực Agent gọi mô hình như ClawEval, t2-bench đạt gần như hoặc thậm chí dẫn trước một số mô hình hàng đầu ở nước ngoài; các phiên bản thử nghiệm nội bộ giai đoạn đầu đã được triển khai lên OpenRouter dưới mã danh ẩn danh Hunter Alpha; trong thời gian lên sóng nhiều ngày, đã leo lên vị trí đầu bảng theo ngày về lượng gọi. Chúng tôi đánh giá cao việc nền tảng mô hình lớn được trang bị năng lực sẽ giúp Xiaomi hiện thực hóa toàn hệ sinh thái “xe và đồ gia dụng” từ người dùng, đạt bước nhảy vọt về năng lực AI.

▍ Triển vọng DeepSeek: Tiếp tục lộ trình hiệu năng/chi phí cao, tinh tiến năng lực văn bản dài, mã nguồn, Agent và đa phương thức.

DeepSeek trong DeepSeek V3.2 ra mắt vào tháng 1 năm 26 áp dụng kiến trúc chú ý thưa (DSA) + chuyên gia hỗn hợp (MoE), giúp tăng hiệu quả và giảm chi phí cho huấn luyện và suy luận; giá token đầu vào/đầu ra giảm tương ứng 60%/75%; đồng thời điểm số trong các bài Benchmark năng lực mã nguồn và đa Agent cũng được cải thiện rõ rệt. Kết hợp với hướng tiến hóa của mô hình DeepSeek và bài báo về module Engram do Liang Wenfeng tham gia với tư cách ký tên, chúng tôi cho rằng các mô hình thế hệ mới như DeepSeek V4.0 có khả năng tích hợp Engram vào kiến trúc DSA+MoE đã trưởng thành; thông qua lưu trữ theo tầng các thông tin then chốt thường dùng, có thể tạo ra mức giảm tính toán theo cấp số mũ đối với lớp attention trong kiến trúc Transformer, từ đó thực hiện xử lý ngữ cảnh cực dài; đồng thời nâng cao hiệu suất mô hình, tinh tiến năng lực mã nguồn và Agent, bù đắp các điểm yếu đa phương thức.

▍ Các yếu tố rủi ro:

Phát triển công nghệ cốt lõi AI và mở rộng ứng dụng không đạt kỳ vọng, việc giảm chi phí tính toán (compute) không đạt kỳ vọng, AI bị sử dụng không đúng cách gây tác động xã hội nghiêm trọng, rủi ro an toàn dữ liệu, rủi ro an ninh thông tin, cạnh tranh trong ngành gia tăng.

▍ Chiến lược đầu tư: Chúng tôi đề xuất chú ý đến ba mạch đầu tư chính sau.

1）Nhà sản xuất mô hình gốc: Mô hình thế hệ mới của DeepSeek có thể cùng hợp tác với các mô hình nội địa khác, thúc đẩy AI của Trung Quốc tăng tốc tiến ra thế giới; đồng thời trong quá trình huấn luyện, việc thúc đẩy giảm chi phí thêm một bước, các token rẻ hơn sẽ thúc đẩy tổng lượng gọi API của các mô hình lớn trên toàn cầu tăng lên.

2）Ứng dụng AI: Bình đẳng mô hình giúp giảm bớt lo lắng trong thị trường về mâu thuẫn giữa mô hình và ứng dụng, hỗ trợ việc triển khai AI Agent trong hàng nghìn ngành nghề, có lợi cho các công ty ứng dụng AI có rào cản;

3）Hạ tầng AI: Việc giảm chi phí dẫn đến tăng lượng sử dụng khiến AI Infra được hưởng lợi, hạ tầng AI nội địa và mô hình nội địa đi cùng hướng.

（Nguồn tin: Đài 1 Tài chính）