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

1、Nhà sản xuất mô hình gốc: Mô hình thế hệ mới của DeepSeek có khả năng bắt tay cùng các mô hình nội địa khác, thúc đẩy AI của Trung Quốc tăng tốc đi ra thế giới; đồng thời quá trình huấn luyện được đẩy thêm một bước để giảm chi phí, khiến các token rẻ hơn thúc đẩy tổng lượng gọi API của các mô hình cỡ lớn trên toàn cầu tăng lên. 2、Ứng dụng AI: Việc bình quyền mô hình có助 giúp giảm bớt sự lo lắng của thị trường trước câu chuyện mâu thuẫn giữa mô hình và ứng dụng, hỗ trợ các AI Agent trong hàng ngàn ngành nghề triển khai thực tế, có lợi cho các công ty ứng dụng AI có rào cản. 3、Cơ sở hạ tầng AI: Giảm chi phí dẫn đến tăng lượng sử dụng khiến AI Infra được hưởng lợi, khi cơ sở hạ tầng AI nội địa và các mô hình nội địa “đi về cùng một phía”.

Toàn văn như sau

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

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

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

Trong lĩnh vực lập trình bằng AI, việc nâng cấp framework huấn luyện, áp dụng đầy đủ kho mã lệnh và dấu vết quy trình kỹ thuật làm dữ liệu huấn luyện, đồng thời đưa vào chuỗi suy nghĩ sâu hơn với thực thi nhiều bước và tự sửa chữa, đã tạo ra bước tiến của AI Coding từ công cụ “bổ sung mã” sang mức độ tác tử thông minh (agent) tự chủ ở cấp dự án. Harness Engineer được kỳ vọng sẽ khiến các kỹ sư chuyển từ vai trò kỹ sư mã lệnh sang người quản lý Agent để AI phát huy hiệu năng tối đa. Ở lĩnh vực “cụm đa Agent”, sản phẩm mang tính hiện tượng OpenClaw đã thể hiện đầy đủ tiềm năng của hệ thống đa Agent; các nhà sản xuất trong nước như Zhipu, MiniMax, Tencent, Kimi… đều cho ra mắt các sản phẩm “giống tôm hùm”, giải phóng năng suất sản xuất của “nhân viên số”. Ở lĩnh vực đa phương thức nguyên sinh, kiến trúc đa phương thức nguyên sinh đã trở thành xu hướng chủ đạo; mã hóa nhúng lai đã đột phá nhanh chóng. Tuy nhiên, 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 đa phương thức vẫn đang cần được đột phá.

▍ Mô hình cỡ lớn nội địa: Lặp nâng cấp dày đặc, năng lực tiếp tục đột phá.

1）MiniMax: Năng lực mã lệnh tiếp tục được nâng cấp; bài kiểm tra M2.7 SWE-Pro đạt 56,22%, vượt Gemini 3.1 Pro; trong kịch bản bàn giao dự án hoàn chỉnh end-to-end VIBE-Pro, đạt 55,6%, sánh ngang Claude Opus 4.6, khiến khả năng hiểu logic vận hành của hệ thống phần mềm được tăng cường thêm. Đồng thời, các mô hình dòng M2 tham gia huấn luyện M2.7 trong các bối cảnh như RL, thực hiện tự lặp cải tiến cho mô hình.

2）Zhipu: GLM-5 đưa vào DSA và tự nghiên cứu kiến trúc “Slime”. Kiến trúc này có thể, với can thiệp thủ công rất ít, tự chủ hoàn thành các tác vụ kỹ thuật hệ thống như lập kế hoạch dài hạn và thực thi theo hướng Agent, tái cấu trúc phần backend và debug sâu; năng lực gọi công cụ và thực thi tác vụ đa bước (MCP-Atlas 67,8%), tìm kiếm qua mạng và hiểu thông tin (Browse Comp 89,7%) gần như, thậm chí vượt mức mô hình tiên tiến hàng đầu ở nước ngoài.

3）Kimi: Kimi 2.5 đưa vào năng lực thị giác để tự động tách rời logic tương tác, tái tạo mã lệnh; đồng thời ra mắt chế độ “cụm Agent” mới. Trong các bộ kiểm thử ứng dụng thông minh thể như HLE-Full, BrowseComp, DeepSearchQA, mô hình đạt điểm số đối53标 với GPT-5.2, Claude 4.5 Opus, Gemini 3 Pro. Moonshoot áp dụng chiến lược giảm giá; giá API thấp hơn hơn 30% so với định giá K2 Turbo.

4）Xiaomi: Xiaomi MiMo-V2-Pro trong các bộ kiểm thử đánh giá năng lực gọi Agent của mô hình như ClawEval, t2-bench đạt gần như hoặc thậm chí dẫn trước một số mô hình hàng đầu ở nước ngoài. Phiên bản thử nghiệm nội bộ giai đoạn đầu của hãng được triển khai lên OpenRouter với mã định danh ẩn danh Hunter Alpha; trong thời gian triển khai, nhiều ngày liền đứng đầu bảng ngày về lượng gọi. Chúng tôi lạc quan rằng “lớp nền” mô hình cỡ lớn sẽ trao năng lực cho toàn hệ sinh thái “người- xe- nhà” của Xiaomi, giúp năng lực AI nhảy vọt.

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

DeepSeek V3.2 do DeepSeek phát hành vào tháng 1 năm 26 sử dụng kiến trúc attention thưa (DSA) + chuyên gia hỗn hợp (MoE), giúp nâng hiệu suất và giảm chi phí cho huấn luyện lẫn suy luận. Đơn giá token đầu vào/đầu ra lần lượt giảm 60%/75%; đồng thời điểm trong các bài đánh giá (BenchMark) về năng lực mã lệnh và đa Agent cũng tăng đáng kể. Kết hợp với hướng tiến hóa của các mô hình DeepSeek và bài báo mô-đun Engram có sự tham gia ký tên của Liang Wenfeng, chúng tôi cho rằng các mô hình thế hệ mới như DeepSeek V4.0 có khả năng tích hợp Engram vào kiến trúc trưởng thành DSA+MoE; thông qua lưu trữ theo lớp các thông tin quan trọng, thường dùng, sẽ làm lượng tính toán của lớp attention trong kiến trúc Transformer giảm theo cấp số nhân, từ đó đạt xử lý ngữ cảnh cực dài. Đồng thời, trong khi nâng cao hiệu quả của mô hình, nó còn tinh tiến năng lực về mã lệnh và Agent, đồng thời bù đắp những điểm yếu đa phương thức.

▍ Các yếu tố rủi ro:

Phát triển công nghệ AI cốt lõi và mở rộng ứng dụng không đạt kỳ vọng, giảm chi phí tính toán không đạt kỳ vọng, AI bị sử dụng không đúng cách gây ra ảnh hưởng 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 tập trung vào 3 mạch đầu tư sau.

1）Nhà sản xuất mô hình gốc: Mô hình thế hệ mới của DeepSeek có khả năng bắt tay cùng các mô hình nội địa khác, thúc đẩy AI của Trung Quốc tăng tốc đi ra thế giới; đồng thời quá trình huấn luyện được đẩy thêm một bước để giảm chi phí, khiến các token rẻ hơn thúc đẩy tổng lượng gọi API của các mô hình cỡ lớn trên toàn cầu tăng lên.

2）Ứng dụng AI: Việc bình quyền mô hình có助 giúp giảm bớt sự lo lắng của thị trường trước câu chuyện mâu thuẫn giữa mô hình và ứng dụng, hỗ trợ các AI Agent trong hàng ngàn ngành nghề triển khai thực tế, có lợi cho các công ty ứng dụng AI có rào cản;

3）Cơ sở hạ tầng AI: Giảm chi phí dẫn đến tăng lượng sử dụng khiến AI Infra được hưởng lợi, khi cơ sở hạ tầng AI nội địa và các mô hình nội địa “đi về cùng một phía”.

（Nguồn: Tin tài chính thứ Nhất）