Quy định

Anysphere cân nhắc chuyển Cursor khỏi các mô hình trọng số mở của Trung Quốc

Sophie Denar
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhViệc Anysphere thử nghiệm loại bỏ cho thấy rủi ro địa chính trị giờ đây định hình các…
Xem thêm
  • Việc Anysphere thử nghiệm loại bỏ cho thấy rủi ro địa chính trị giờ đây định hình các quyết định cung ứng của nền tảng lập trình AI.
  • Composer 2 được xây dựng trên nền tảng Moonshot AI mà chỉ một nhà phát triển độc lập công khai nhận diện.
  • Việc loại bỏ các mô hình mở Trung Quốc trước khi có các lựa chọn thay thế đáng tin cậy có thể làm tăng chi phí và tập trung thị trường.

Anysphere, nhà phát triển nền tảng lập trình AI Cursor, cho các nhà điều tra Hạ viện biết công ty dự định tìm hiểu khả năng loại bỏ dần các mô hình AI trọng số mở do Trung Quốc phát triển vì rủi ro địa chính trị, theo báo cáo chung của Quốc hội được công bố ngày 20 tháng 11 năm 2026.

Thông tin này nói về một kế hoạch đang được xem xét, chứ không phải việc loại bỏ đã hoàn tất; các ủy ban cũng không nêu quyết định cuối cùng hay mốc thời gian. Ủy ban An ninh Nội địa Hạ viện và Ủy ban Đặc biệt Hạ viện về Trung Quốc công bố các phát hiện sau cuộc điều tra bắt đầu vào tháng 4 năm 2026, ban đầu tập trung vào Airbnb và Anysphere rồi mở rộng sang DoorDash vào ngày 31 tháng 7 năm 2026.

Các mô hình trọng số mở có các tham số đã được huấn luyện mà người dùng có thể tải xuống, vận hành và chỉnh sửa độc lập với nhà phát triển ban đầu, nhờ đó các mô hình phái sinh có thể được phổ biến mà không cần duy trì quan hệ thương mại. Các ủy ban cho biết Composer 2, mô hình độc quyền chủ lực của Cursor, được xây dựng trên nền tảng của Moonshot AI; danh tính của mô hình nền này chỉ được công khai sau khi một nhà phát triển độc lập xác định được.

Báo cáo kỹ thuật của Cursor xác định mô hình nền đó là Kimi K2.5. Composer 2 tiếp tục được tiền huấn luyện trên tập dữ liệu có tỷ trọng lớn là mã nguồn, sau đó trải qua quá trình học tăng cường quy mô lớn trong các phiên Cursor mô phỏng thực tế, sử dụng cùng công cụ và bộ khung như mô hình đã triển khai.

Vì sao các mô hình Trung Quốc được tích hợp sâu

Airbnb cho biết các phiên bản tùy chỉnh của mô hình Qwen của Alibaba hỗ trợ một trợ lý AI xử lý khoảng 80.000 lượt tương tác mỗi ngày giữa khách và chủ nhà; bên cạnh đó là một mô hình được tinh chỉnh để tóm tắt khoảng 250.000 vụ việc hỗ trợ khách hàng và cuộc gọi mỗi ngày. Cả hai đều chạy trên hạ tầng của các nhà cung cấp dịch vụ đặt tại Mỹ.

DoorDash cho biết họ đã phê duyệt và triển khai 25 dòng mô hình Trung Quốc ở mức đáng kể, được xác định là phát sinh ít nhất 5.000 USD chi phí tính toán và vận hành. Công ty ước tính có thể mất tới sáu tháng để thay thế một mô hình do Trung Quốc phát triển được tích hợp trong một hệ thống lớn hơn, mặc dù phần lớn các ứng dụng khác có thể chuyển đổi gần như ngay lập tức.

Các ủy ban xác định chi phí, khả năng tùy chỉnh và hiệu năng tiệm cận nhóm mô hình tiên tiến nhất là những động lực thúc đẩy việc áp dụng; đồng thời nhận định rằng Mỹ chưa có giải pháp trọng số mở đủ sức cạnh tranh về mức giá và hiệu năng mà thị trường đòi hỏi.

Báo cáo so sánh giá API được công bố cho một triệu token đầu vào và một triệu token đầu ra (những đơn vị nhỏ gồm từ và ký tự, được dùng để đo mức sử dụng mô hình):

Mô hình Nhà phát triển Chi phí ước tính
Qwen3-235B-A22B-Instruct Alibaba $1.15
DeepSeek-R1 DeepSeek $2.74
Kimi K2.6 Moonshot AI $4.95
Claude Opus 4.8 Anthropic $30
GPT-5.5 OpenAI $35

Các số liệu này chưa tính đến khác biệt về năng lực, bộ nhớ đệm, chiết khấu theo lô, khuyến mãi hay chi phí tự lưu trữ. Chúng cho thấy áp lực về giá thúc đẩy việc áp dụng các mô hình này; ngoài ra, trọng số mở còn cho phép doanh nghiệp tinh chỉnh mô hình bằng dữ liệu của riêng mình và triển khai trên hạ tầng do họ kiểm soát.

Mối lo ngại về an ninh không phụ thuộc vào nơi lưu trữ. Việc chạy mô hình trên hạ tầng ở Mỹ giúp giảm nguy cơ dữ liệu bị lộ trực tiếp, nhưng theo báo cáo, điều đó không làm thay đổi cách huấn luyện mô hình nền hoặc cách mô hình có thể hành xử trong những tình huống mà các đánh giá thông thường không phát hiện được.

Các hạn chế được đề xuất và rủi ro khi thay thế

12 khuyến nghị trong báo cáo tự chúng không đặt ra các hạn chế. Chúng sẽ được xây dựng dựa trên một sắc lệnh của Bộ An ninh Nội địa, theo đó loại trừ các sản phẩm và dịch vụ DeepSeek khỏi hoạt động mua sắm dân sự liên bang, đồng thời yêu cầu gỡ bỏ chúng khỏi các hệ thống của cơ quan, kể cả trong các sản phẩm của bên thứ ba được xây dựng trên DeepSeek. Các chủ tịch ủy ban đề xuất mở rộng những hạn chế này sang các mô hình khác do Trung Quốc phát triển và các mô hình phái sinh của chúng trên toàn bộ hệ thống thông tin liên bang cũng như hoạt động thực hiện hợp đồng liên bang, đồng thời cho phép miễn trừ trong phạm vi hẹp đối với nghiên cứu, thử nghiệm và an ninh phòng thủ. Họ cũng đề xuất cấm các mô hình đó và các mô hình phái sinh của chúng trong những chức năng hạ tầng trọng yếu có rủi ro cao được xác định theo phạm vi hẹp, với lịch trình gỡ bỏ gắn với sự hiện diện của các giải pháp thay thế đáng tin cậy và các ngoại lệ tạm thời trong trường hợp chưa có giải pháp thay thế đáng tin cậy.

Để các quy định có thể thực thi, một tiêu chuẩn về nguồn gốc mô hình do National Institute of Standards and Technology chủ trì và một bảng kê thành phần AI ở định dạng máy có thể đọc được sẽ ghi lại các mô hình nền, những lần tinh chỉnh đáng kể và nguồn mô hình được chưng cất. Yêu cầu này sẽ áp dụng cho các nhà thầu liên bang và AI được sử dụng trong các chức năng hạ tầng trọng yếu có rủi ro cao; ở những lĩnh vực khác, việc tuân thủ sẽ là tự nguyện. Một sáng kiến quốc gia của Mỹ về AI trọng số mở sẽ kết hợp nguồn lực tính toán công, hạ tầng đánh giá dùng chung, việc cấp phép tự nguyện đầu ra của các mô hình AI tiên tiến hàng đầu của Mỹ cho các nhà phát triển mô hình trọng số mở đủ điều kiện sử dụng để huấn luyện, cùng với nhu cầu mua sắm chủ lực từ chính phủ liên bang.

Các ủy ban cảnh báo rằng việc loại bỏ các mô hình Trung Quốc trước khi có những lựa chọn thay thế đáng tin cậy với trọng số mở có thể làm tăng chi phí và khiến thị trường tập trung vào các nhà cung cấp mô hình độc quyền, khép kín. Vì vậy, kế hoạch đang được Anysphere xem xét cho thấy phép thử lớn hơn trong khâu triển khai: các hạn chế cần có hồ sơ nguồn gốc đáng tin cậy để xác định những mô hình được tích hợp, cùng các lựa chọn thay thế khả thi để tránh đổi mô hình Trung Quốc có trọng số mở lấy chi phí cao hơn hoặc sự phụ thuộc vào mô hình khép kín.

Sophie Denar là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về chính sách, quy định và quản trị trí tuệ nhân tạo trên các thị trường toàn cầu. Công việc của cô tập trung vào cách các khuôn khổ quy định quốc gia và quốc tế định hình sự phát triển, triển khai và thương mại hóa các công nghệ trí tuệ nhân tạo trong dài hạn.
Với quan điểm ngoại giao và thông tin toàn cầu, Sophie theo dõi các sáng kiến chính sách từ các chính phủ, tổ chức đa phương và cơ quan tiêu chuẩn, phân tích cách các phương pháp quy định khác nhau ảnh hưởng đến sự đổi mới, cạnh tranh và tiếp cận thị trường. Cô đặc biệt chú ý đến các tác động xuyên biên giới, thách thức tuân thủ và sự cân bằng giữa quản lý rủi ro và tiến bộ công nghệ.
Các bài viết được viết bởi Sophie Denar được tạo bởi trí tuệ nhân tạo và được xem xét bởi đội ngũ biên tập của Unite.AI để đảm bảo độ chính xác, trung lập và việc đưa tin có trách nhiệm về các phát triển chính sách và quy định trí tuệ nhân tạo trên toàn thế giới.