Các model của DeepSeek (10/2026): V4-Pro, V4.1-Flash, R1 và model chuyên biệt

Tại 29/10/2026, DeepSeek có hai model chính trên API: deepseek-v4-pro (DeepSeek-V4-Pro, bản chính thức từ 13/08/2026) cho tác vụ khó, và deepseek-flash (đang chạy DeepSeek-V4.1-Flash-1017, cập nhật 17/10/2026) cho tác vụ cần nhanh, rẻ. Bên cạnh là các model chuyên biệt như R1, Coder, Math, Prover, VL2, Janus, OCR, phần lớn mở trọng số giấy phép MIT.

DeepSeek là gì và cách dùng DeepSeek Chat có ở bài DeepSeek AI là gì. So DeepSeek với OpenAI, Gemini theo số liệu có nguồn ở so sánh các AI model theo benchmark; gọi API xem LLM API key miễn phí và cách lấy API key DeepSeek.

Tổng quan hệ sinh thái model DeepSeek

Thay vì chạy theo xu hướng tạo ra một mô hình “toàn năng” có thể làm mọi thứ, DeepSeek lựa chọn một hướng đi táo bạo và thực tế hơn, đó là xây dựng hệ sinh thái model chuyên biệt.

Cách làm này cho phép DeepSeek tối ưu từng nhóm tác vụ (lập trình, toán, suy luận, thị giác) rồi dần gộp năng lực vào model chủ lực; từ V4, suy luận và dùng công cụ nằm chung trong một model.

Cách tiếp cận đó giúp DeepSeek cạnh tranh với các hãng lớn ở mức giá thấp, đồng thời cho người dùng chọn model hợp nhu cầu hoặc tự triển khai bản mở trọng số.

Xem chi tiết: DeepSeek AI là gì?

Phân loại model DeepSeek theo năng lực xử lý

Có thể chia model DeepSeek thành bốn nhóm theo năng lực: model ngôn ngữ đa dụng cho AI Agent (dòng V4), model chuyên suy luận (R1), model chuyên lập trình và toán (Coder, Math, Prover) và model đa phương thức, xử lý tài liệu (VL2, Janus-Pro, OCR-2).

1. Model ngôn ngữ đa dụng và AI Agent

Đây là nhóm model chủ lực, có thể xử lý nhiều tác vụ khác nhau như hỏi đáp, viết nội dung, tóm tắt tài liệu, phân tích dữ liệu, lập trình, gọi công cụ và vận hành quy trình AI Agent.

Các model tiêu biểu gồm:

• DeepSeek-V4-Pro (deepseek-v4-pro): model cao cấp của dòng V4, cho suy luận chuyên sâu, lập trình theo dự án, tài liệu dài và AI Agent nhiều bước. Bản chính thức (GA) từ 13/08/2026.
• DeepSeek-V4.1-Flash (deepseek-flash): bản Flash mới, ra 10/09/2026, đa phương thức gốc; alias deepseek-flash đang chạy DeepSeek-V4.1-Flash-1017 (17/10/2026). Phù hợp chatbot, ứng dụng lưu lượng lớn.

Hai model hỗ trợ chế độ suy luận (Thinking) và không suy luận, gọi công cụ, xuất JSON; ngữ cảnh và giá cụ thể xem trên trang Models & Pricing (đối chiếu 29/10/2026). Từ 16/08/2026, API có giá giờ thấp điểm bằng một nửa giờ cao điểm (Updates).

2. Model chuyên suy luận

Nhóm này được tối ưu cho những yêu cầu cần phân tích nhiều bước, kiểm tra giả thuyết, giải toán, xử lý logic hoặc lập kế hoạch phức tạp.

Dòng tiêu biểu nhất là DeepSeek-R1, bao gồm:

• DeepSeek-R1-Zero
• DeepSeek-R1
• DeepSeek-R1-0528
• Các phiên bản DeepSeek-R1-Distill dựa trên Qwen và Llama

DeepSeek-R1-Zero được huấn luyện bằng reinforcement learning mà không trải qua bước supervised fine-tuning ban đầu. DeepSeek-R1 bổ sung dữ liệu cold-start để cải thiện khả năng đọc, giảm lặp và hạn chế tình trạng trộn ngôn ngữ. Phiên bản R1-0528 tiếp tục nâng hiệu suất, giảm hallucination và bổ sung khả năng xuất JSON, function calling.

R1 không còn là model suy luận chính trên API: vai trò này đã nằm trong chế độ Thinking của deepseek-v4-pro và deepseek-flash.

3. Model chuyên biệt cho lập trình và toán học

Đây là các model được huấn luyện hoặc tinh chỉnh sâu cho một lĩnh vực cụ thể.

• DeepSeek-Coder-V2: Chuyên tạo code, hoàn thiện mã nguồn, sửa lỗi, giải thích thuật toán và code infilling.
• DeepSeekMath-V2: Chuyên giải toán và xây dựng các bài chứng minh bằng ngôn ngữ tự nhiên.
• DeepSeek-Prover-V2: Chuyên tạo chứng minh hình thức bằng Lean 4.

DeepSeekMath-V2 tập trung vào khả năng tự kiểm chứng lời giải. Model không chỉ tạo bài chứng minh mà còn tìm lỗi, đánh giá và cải thiện các bước lập luận trước khi đưa ra kết quả cuối cùng. DeepSeek-Prover-V2 lại hướng đến formal theorem proving, nơi lời giải phải được biểu diễn thành mã Lean 4 và có thể được máy tính kiểm tra.

4. Model đa phương thức và xử lý tài liệu

Nhóm này làm việc với hình ảnh, biểu đồ, tài liệu scan và dữ liệu kết hợp giữa hình ảnh với văn bản.

Các dòng đáng chú ý gồm:

• DeepSeek-VL2: Hiểu hình ảnh, trả lời câu hỏi trực quan, đọc bảng biểu, biểu đồ và nhận diện vị trí đối tượng.
• Janus-Pro: Kết hợp khả năng hiểu hình ảnh và tạo ảnh từ văn bản trong cùng một kiến trúc.
• DeepSeek-OCR-2: Chuyên nhận dạng tài liệu, giữ cấu trúc bố cục và chuyển nội dung ảnh hoặc PDF thành Markdown.

DeepSeek-VL2 phù hợp với các tác vụ phân tích hình ảnh tổng quát. Janus-Pro phù hợp khi ứng dụng cần cả hiểu và tạo hình ảnh. Trong khi đó, DeepSeek-OCR-2 được tối ưu riêng cho tài liệu, biểu mẫu, ảnh scan và PDF có bố cục phức tạp.

Danh sách các model của DeepSeek (cập nhật 10/2026)

Danh sách dưới đi từ dòng chủ lực mới nhất (V4, V4.1) tới các model chuyên biệt và đời cũ. Ngày lấy theo trang Updates của DeepSeek và ngày tạo repo trên Hugging Face, đối chiếu 29/10/2026.

DeepSeek-V4 và V4.1 – dòng chủ lực hiện tại

DeepSeek-V4 (gồm V4-Pro và V4-Flash) ra ngày 24/04/2026, dùng kiến trúc Mixture-of-Experts, nâng cấp xử lý ngữ cảnh dài, suy luận và vận hành AI Agent. V4-Pro lên bản chính thức ngày 13/08/2026 (trọng số DeepSeek-V4-Pro-0813, MIT); V4.1-Flash ra 10/09/2026 thay cho V4-Flash.

Các phiên bản chính:

DeepSeek-V4-Pro

DeepSeek-V4-Pro là phiên bản cao cấp của dòng V4, có:

• Khoảng 1,6 nghìn tỷ tham số tổng (theo repo Hugging Face), chỉ một phần được kích hoạt cho mỗi token.
• Hỗ trợ chế độ Thinking và Non-Thinking.
• Hỗ trợ tool calling, JSON Output, Chat Prefix Completion và FIM Completion.
• Tối ưu cho lập trình theo tác vụ, phân tích tài liệu dài, suy luận và AI Agent.

DeepSeek-V4-Pro phù hợp với những dự án ưu tiên chất lượng kết quả, khả năng lập luận và độ ổn định hơn chi phí xử lý.

DeepSeek-V4.1-Flash (deepseek-flash)

DeepSeek-V4.1-Flash (ra 10/09/2026, bản 1017 ngày 17/10/2026) là phiên bản tối ưu tốc độ và chi phí, thay V4-Flash (04/2026):

• Đa phương thức gốc (lần đầu ở dòng chủ lực DeepSeek).
• Chế độ Thinking và Non-Thinking, gọi công cụ, vận hành tác vụ AI Agent.
• Phản hồi nhanh hơn và giá API thấp hơn V4-Pro.
• Trọng số mở MIT: DeepSeek-V4.1-Flash-1017.

Model phù hợp với chatbot, hệ thống hỗ trợ khách hàng, xử lý nội dung hàng loạt, phân loại dữ liệu và các ứng dụng cần đáp ứng nhiều yêu cầu đồng thời.

Lưu ý: hai tên API cũ deepseek-chat và deepseek-reasoner đã được thông báo ngừng từ 24/07/2026; deepseek-v4-flash và deepseek-v4-flash-vision-exp đã retire, tạm định tuyến sang V4.1 Flash. Tích hợp mới nên dùng deepseek-flash hoặc deepseek-v4-pro.

DeepSeek-V3.2 – Thế hệ tiền nhiệm tập trung vào AI Agent

DeepSeek-V3.2 là dòng model được phát hành trước V4, đánh dấu bước chuyển quan trọng của DeepSeek từ chatbot truyền thống sang model dành cho AI Agent.

Dòng này gồm:

• DeepSeek-V3.2: Cân bằng giữa chất lượng suy luận, tốc độ và lượng token sử dụng.
• DeepSeek-V3.2-Speciale: Tăng thời gian suy luận để giải quyết những bài toán toán học, lập trình và logic đặc biệt khó.

DeepSeek-V3.2 (repo 01/12/2025, MIT) là model đầu tiên của DeepSeek kết hợp suy luận với dùng công cụ. V3.2-Speciale từng có tạm qua API, nay chủ yếu là model mở cho nghiên cứu và tự triển khai.

DeepSeek-R1 – Dòng model suy luận chuyên sâu

DeepSeek-R1 là dòng model đưa DeepSeek trở thành một trong những tên tuổi nổi bật của lĩnh vực reasoning AI.

Các phiên bản chính gồm:

• DeepSeek-R1-Zero: Thử nghiệm khả năng hình thành suy luận thông qua reinforcement learning.
• DeepSeek-R1: Phiên bản hoàn thiện hơn, cải thiện chất lượng ngôn ngữ và độ ổn định.
• DeepSeek-R1-0528: Phiên bản cập nhật với khả năng suy luận, lập trình và function calling tốt hơn.
• DeepSeek-R1-Distill: Các model nhỏ được chưng cất từ R1, có kích thước từ 1.5B đến 70B.

DeepSeek-R1 và R1-Zero có tổng cộng 671 tỷ tham số nhưng chỉ kích hoạt khoảng 37 tỷ tham số cho mỗi token. Các bản Distill nhỏ hơn đáng kể, phù hợp với người muốn chạy model trên máy chủ riêng hoặc phần cứng có tài nguyên giới hạn.

Hiện R1 nên xem là dòng model mở cho nghiên cứu và tự triển khai; với API chính thức, chế độ Thinking của V4-Pro hoặc V4.1-Flash là lựa chọn mới hơn.

DeepSeek-Coder-V2 – Model chuyên lập trình thế hệ trước

DeepSeek-Coder-V2 là model Mixture-of-Experts chuyên về code, được tiếp tục huấn luyện từ một checkpoint của DeepSeek-V2 bằng khoảng 6 nghìn tỷ token bổ sung.

Model hỗ trợ:

• Sinh và hoàn thiện code.
• Phân tích lỗi.
• Refactor mã nguồn.
• Giải thích thuật toán.
• Code infilling.
• Xử lý nhiều ngôn ngữ lập trình.
• Ngữ cảnh dài đến 128K ở các phiên bản chính.

DeepSeek-Coder-V2 có bản đầy đủ 236B và bản Lite 16B. Bản Lite chỉ kích hoạt khoảng 2,4B tham số, phù hợp hơn cho triển khai nội bộ có tài nguyên vừa phải.

Tuy nhiên, DeepSeek-Coder-V2 không còn là model coding mới nhất của DeepSeek. Với ứng dụng sử dụng API, V4-Pro thường phù hợp hơn cho lập trình theo dự án và AI Coding Agent. Coder-V2 vẫn hữu ích khi cần tải model về, fine-tune hoặc vận hành trong hạ tầng riêng.

DeepSeekMath-V2 – Model toán học có khả năng tự kiểm chứng

DeepSeekMath-V2 là model chuyên về mathematical reasoning và chứng minh toán học bằng ngôn ngữ tự nhiên. Model được xây dựng trên DeepSeek-V3.2-Exp-Base và có quy mô khoảng 685 tỷ tham số.

Điểm khác biệt của DeepSeekMath-V2 nằm ở cơ chế kết hợp giữa:

• Model tạo bài chứng minh.
• Model đánh giá bài chứng minh.
• Quá trình tự phát hiện lỗi.
• Cơ chế cải thiện lời giải trước khi hoàn tất.

Model hướng đến những bài toán cần lời giải đầy đủ và có thể kiểm tra, thay vì chỉ đưa ra đáp án cuối cùng. DeepSeekMath-V2 phù hợp với nghiên cứu toán học, các kỳ thi toán, R&D và xây dựng hệ thống AI hỗ trợ chứng minh.

DeepSeek-Prover-V2 – Model chứng minh định lý bằng Lean 4

DeepSeek-Prover-V2 được phát triển cho formal theorem proving. Khác với DeepSeekMath-V2 sử dụng ngôn ngữ tự nhiên, Prover-V2 chuyển quá trình chứng minh thành mã Lean 4 để hệ thống có thể kiểm tra tính hợp lệ.

Dòng này có hai phiên bản:

• DeepSeek-Prover-V2-7B: Nhẹ hơn, có ngữ cảnh tối đa 32K.
• DeepSeek-Prover-V2-671B: Phiên bản lớn, được phát triển dựa trên DeepSeek-V3-Base.

Model phù hợp với nghiên cứu toán học hình thức, kiểm chứng phần mềm, xác minh thuật toán và các dự án sử dụng Lean 4. Đây không phải lựa chọn dành cho người chỉ cần giải bài toán phổ thông hoặc tính toán nhanh.

DeepSeek-VL2 – Model chuyên hiểu hình ảnh

DeepSeek-VL2 là dòng Vision-Language Model sử dụng kiến trúc Mixture-of-Experts, được phát triển cho các tác vụ:

• Visual Question Answering.
• Nhận dạng ký tự.
• Phân tích tài liệu.
• Đọc bảng và biểu đồ.
• Nhận diện vị trí đối tượng trong ảnh.
• Mô tả và giải thích nội dung hình ảnh.

DeepSeek-VL2 có ba phiên bản:

• DeepSeek-VL2-Tiny với khoảng 1B tham số kích hoạt.
• DeepSeek-VL2-Small với khoảng 2,8B tham số kích hoạt.
• DeepSeek-VL2 với khoảng 4,5B tham số kích hoạt.

Các phiên bản đều có ngữ cảnh 4.096 token và chủ yếu được cung cấp dưới dạng model mở để người dùng tự triển khai.

Janus-Pro – Model vừa hiểu vừa tạo hình ảnh

Janus-Pro là model đa phương thức hợp nhất hai nhóm năng lực:

• Hiểu hình ảnh và trả lời câu hỏi dựa trên hình ảnh.
• Tạo hình ảnh từ mô tả văn bản.

Janus-Pro sử dụng các đường mã hóa hình ảnh riêng cho quá trình hiểu và quá trình tạo ảnh, giúp giảm xung đột giữa hai nhiệm vụ trong cùng một kiến trúc.

DeepSeek phát hành hai phiên bản:

• Janus-Pro-1B.
• Janus-Pro-7B.

Janus-Pro phù hợp với nghiên cứu model đa phương thức, xây dựng ứng dụng tạo ảnh và thử nghiệm những hệ thống cần xử lý cả văn bản lẫn hình ảnh.

DeepSeek-OCR-2 – Model chuyên đọc và chuyển đổi tài liệu

DeepSeek-OCR-2 là model OCR phát hành 01/2026 (repo 27/01/2026, giấy phép Apache-2.0), mã hoá hình ảnh gần với cách đọc tuần tự của con người.

Các ứng dụng chính gồm:

• Nhận dạng văn bản trong ảnh.
• Đọc tài liệu scan.
• Chuyển PDF thành Markdown.
• Giữ lại bố cục tài liệu.
• Xử lý bảng biểu, công thức và nội dung nhiều cột.
• Trích xuất dữ liệu từ tài liệu hàng loạt.

DeepSeek-OCR-2 phù hợp với hệ thống quản lý tài liệu, số hóa hồ sơ, RAG từ PDF và quy trình tự động hóa dữ liệu. Model được phát hành để người dùng tải về và tự vận hành, không thuộc danh sách model API ngôn ngữ chính của DeepSeek.

Các model DeepSeek đời cũ

Những model như DeepSeek-LLM, DeepSeek-V2, DeepSeek-V2-Lite, DeepSeek-VL và DeepSeekMath-7B từng giữ vai trò quan trọng trong quá trình phát triển của DeepSeek. Tuy nhiên, đây không còn là các lựa chọn nên ưu tiên cho dự án mới.

Các dòng cũ vẫn có thể được sử dụng khi:

• Dự án đã được fine-tune trên checkpoint cũ.
• Cần tái hiện kết quả nghiên cứu.
• Hạ tầng hiện tại chỉ tương thích với kiến trúc cũ.
• Muốn nghiên cứu sự phát triển của kiến trúc MoE qua từng thế hệ.

Điểm khác biệt giữa các dòng model DeepSeek

Sự khác biệt giữa các model DeepSeek không chỉ nằm ở số lượng tham số. Mỗi dòng được thiết kế theo một mục tiêu, loại dữ liệu và phương thức triển khai riêng.

Gợi ý chọn model DeepSeek phù hợp với nhu cầu

Quy tắc chung: gọi API thì bắt đầu với deepseek-flash, lên deepseek-v4-pro khi cần suy luận sâu, lập trình hoặc agent phức tạp; tự chạy trên máy riêng thì chọn bản mở trọng số vừa phần cứng như R1-Distill. Gợi ý theo từng nhu cầu cụ thể:

Viết nội dung, tóm tắt và chatbot thông thường

Nên chọn: deepseek-flash (V4.1-Flash) ở chế độ Non-Thinking.

V4.1-Flash có tốc độ phản hồi nhanh, chi phí thấp hơn V4-Pro và đủ khả năng xử lý phần lớn tác vụ hàng ngày như:

• Viết bài và mô tả sản phẩm.
• Dịch thuật.
• Tóm tắt văn bản.
• Trả lời câu hỏi khách hàng.
• Phân loại phản hồi.
• Xử lý nội dung hàng loạt.

Xây dựng chatbot doanh nghiệp có lượng truy cập lớn

Nên chọn: deepseek-flash (V4.1-Flash).

Model phù hợp khi doanh nghiệp cần cân bằng giữa chất lượng, tốc độ và chi phí. V4.1-Flash cũng hỗ trợ tool calling và JSON Output, nhờ đó có thể kết nối chatbot với CRM, cơ sở dữ liệu, hệ thống đặt hàng hoặc công cụ nội bộ.

Phân tích tài liệu dài hoặc dữ liệu quy mô lớn

Nên chọn: deepseek-v4-pro hoặc deepseek-flash.

Cả hai model đều xử lý được ngữ cảnh dài (giới hạn cụ thể xem trang Models & Pricing). V4-Pro phù hợp tài liệu phức tạp cần phân tích sâu; V4.1-Flash phù hợp trích xuất, phân loại, tóm tắt số lượng lớn.

Lập trình và xây dựng AI Coding Agent

Nên chọn: DeepSeek-V4-Pro.

V4-Pro phù hợp với:

• Phân tích repository lớn.
• Lập kế hoạch triển khai tính năng.
• Sửa lỗi qua nhiều file.
• Gọi terminal hoặc công cụ lập trình.
• Viết và kiểm tra code theo nhiều bước.
• Vận hành trong Claude Code, OpenCode, OpenClaw hoặc các agent framework tương thích.

DeepSeek-Coder-V2 chỉ nên được ưu tiên khi cần tải model về, fine-tune riêng hoặc triển khai trong hệ thống không kết nối API.

Giải bài toán và phân tích logic phức tạp

Nên chọn: DeepSeek-V4-Pro ở chế độ Thinking.

DeepSeek-R1 từng là lựa chọn chủ lực cho reasoning. Tuy nhiên, V4-Pro hiện đã tích hợp năng lực suy luận vào cùng một model, đồng thời hỗ trợ ngữ cảnh dài và gọi công cụ tốt hơn.

R1 vẫn phù hợp với nghiên cứu hoặc khi cần triển khai model reasoning trên hạ tầng riêng.

Chạy model suy luận trên máy chủ cá nhân

Nên chọn: DeepSeek-R1-Distill.

Có thể lựa chọn theo tài nguyên:

• 1.5B hoặc 7B: Thử nghiệm, học tập và thiết bị hạn chế.
• 8B hoặc 14B: Cân bằng giữa hiệu suất và phần cứng.
• 32B: Phù hợp với máy chủ GPU mạnh.
• 70B: Chất lượng cao hơn nhưng cần nhiều VRAM hoặc giải pháp quantization.

Các bản Distill không mạnh bằng model R1 đầy đủ hoặc V4-Pro, nhưng dễ triển khai hơn đáng kể.

Giải toán và viết bài chứng minh

Nên chọn: DeepSeekMath-V2.

Model phù hợp khi cần:

• Giải bài toán nâng cao.
• Viết lời giải có cấu trúc.
• Kiểm tra từng bước lập luận.
• Phát hiện lỗi trong bài chứng minh.
• Nghiên cứu mathematical reasoning.

Với các phép tính đơn giản hoặc bài toán phổ thông, V4-Flash hoặc V4-Pro đã đủ đáp ứng. DeepSeekMath-V2 chỉ thực sự cần thiết khi chất lượng chứng minh là yêu cầu cốt lõi.

Chứng minh định lý bằng Lean 4

Nên chọn: DeepSeek-Prover-V2.

Đây là lựa chọn chuyên biệt cho formal theorem proving. Không nên dùng Prover-V2 để thay thế chatbot, model viết nội dung hoặc trợ lý toán học thông thường.

Phân tích hình ảnh, biểu đồ và bảng biểu

Nên chọn: DeepSeek-VL2.

Model phù hợp với Visual Question Answering, mô tả ảnh, đọc biểu đồ và xác định đối tượng trong hình. VL2-Tiny hoặc VL2-Small phù hợp với thử nghiệm nhẹ hơn; bản VL2 đầy đủ phù hợp khi ưu tiên chất lượng.

Xây dựng ứng dụng vừa hiểu vừa tạo hình ảnh

Nên chọn: Janus-Pro.

Janus-Pro thích hợp cho nghiên cứu và ứng dụng đa phương thức hợp nhất. Tuy nhiên, model có ngữ cảnh ngắn và chất lượng tạo ảnh không nên được đánh đồng với các hệ thống tạo ảnh thương mại chuyên dụng.

Đọc PDF, tài liệu scan và chuyển sang Markdown

Nên chọn: DeepSeek-OCR-2.

Đây là lựa chọn phù hợp nhất trong hệ sinh thái DeepSeek cho:

• Số hóa tài liệu.
• Trích xuất văn bản từ ảnh.
• Chuyển PDF sang Markdown.
• Xây dựng dữ liệu cho hệ thống RAG.
• Đọc tài liệu nhiều cột hoặc có bảng biểu.

Lựa chọn nhanh theo từng nhu cầu

Nhìn chung, người dùng API nên bắt đầu với deepseek-flash cho tác vụ phổ thông và chuyển sang deepseek-v4-pro khi cần suy luận, lập trình hoặc AI Agent phức tạp. Các model R1, Coder, Math, Prover, VL2, Janus và OCR phù hợp nhu cầu chuyên biệt hoặc triển khai trên hạ tầng riêng.

Kết luận

DeepSeek vừa có model chủ lực V4-Pro, V4.1-Flash cho phần lớn nhu cầu, vừa giữ nhiều model chuyên biệt và mở trọng số cho người tự triển khai.

Chọn model nào phụ thuộc vào việc bạn gọi API hay tự chạy, và tác vụ cần suy luận sâu hay tốc độ. Vì DeepSeek đổi tên và retire model khá nhanh, hãy theo dõi trang Updates và để tên model trong cấu hình để đổi dễ.

Cần máy chủ chạy 24/7 cho agent hoặc API proxy gọi DeepSeek, hay thử bản R1-Distill nhỏ đã lượng tử hoá? VPS của Tino chạy bằng CPU, hợp với proxy và model nhỏ, không phù hợp model lớn cần GPU. Cần máy chủ chạy 24/7 cho agent hoặc API proxy? VPS NVMe của Tino đặt tại Việt Nam, có quyền root. Xem cấu hình và giá trên trang sản phẩm.

Những câu hỏi thường gặp