Hạn sử dụng của “mô hình mạnh nhất” đang dần rút ngắn.

Tác giả bài viết, nguồn: Định Tiêu

Trong vòng một tháng, chín mô hình cao cấp được ra mắt đồng loạt, điều này không phổ biến trong ngành mô hình lớn.

Từ đầu tháng, Tencent công bố phiên bản chính thức và mở nguồn Hunyuan Hy3, đến cuối tháng, Anthropic ra mắt Claude Opus 5, giữa lúc các mô hình như Kimi K3, Qwen3.8-Max bản xem trước, Grok 4.5 lần lượt xuất hiện. Tháng 7 trở thành một trong những đỉnh cao hiếm hoi về việc ra mắt mô hình trong vòng một năm qua.

Các công ty chọn thời điểm khác nhau. Một số công ty theo sau và công bố sau khi đối thủ cập nhật, một số chọn thời điểm xung quanh Hội nghị Trí tuệ Nhân tạo Thế giới để ra mắt, và cũng có công ty đáp ứng cạnh tranh thị trường thông qua điều chỉnh giá.

Nhưng tháng Bảy không chỉ có số lượng mô hình được ra mắt nhiều, mà còn đáng chú ý hơn là hai thay đổi được phản ánh qua đợt ra mắt này.

Đầu tiên, khoảng cách năng lực giữa các mô hình đang thu hẹp. Chỉ số trí tuệ tổng hợp mới nhất của Artificial Analysis cho thấy khoảng cách giữa các mô hình hàng đầu đã rõ ràng thu hẹp. Với sự lặp lại nhanh chóng của các phiên bản, vị trí “mô hình mạnh nhất” ngày càng khó duy trì lâu dài, và các công ty bắt đầu tìm kiếm lợi thế trên các nhiệm vụ khác nhau thay vì theo đuổi sự dẫn đầu tuyệt đối về một chiều duy nhất.

Thứ hai, các mô hình mã nguồn mở đang bước vào nhóm hàng đầu. Trong các mô hình mới được phát hành vào tháng Bảy, Tencent Hunyuan Hy3, Kimi K3 và các mô hình khác đã chọn mở trọng số (mở tham số mô hình, cho phép các nhà phát triển tự tải về và triển khai). Trong đó, Kimi K3 đứng đầu bảng xếp hạng lập trình前端 trên Code Arena, vượt qua GPT-5.6 Sol và Claude Fable 5. Trong hai năm qua, các mô hình mã nguồn mở chủ yếu được xem là người theo đuổi các mô hình đóng nguồn, nhưng cuộc cạnh tranh lần này cho thấy các mô hình mã nguồn mở đã bắt đầu cạnh tranh trực tiếp với các mô hình đóng nguồn trong một số bối cảnh phát triển.

Vậy, đợt ra mắt dày đặc trong tháng này đã mang lại những thay đổi gì và ý nghĩa như thế nào?

01. Không còn chỉ so sánh ai thông minh hơn

Trong vài năm qua, ngành mô hình lớn chủ yếu cạnh tranh về khả năng tổng quát, ai có kiến thức rộng hơn và câu trả lời chính xác hơn. Nhưng hiện tại, các chiều cạnh cạnh tranh đã thay đổi.

Trong đợt này, năng lực mã hóa đã trở thành hướng cạnh tranh rõ ràng nhất.

OpenAI tiếp tục củng cố khả năng lập trình và suy luận phức tạp, đồng thời mở rộng hệ sinh thái Codex, với mục tiêu gắn kết người lập trình thông qua các công cụ phát triển. Anthropic đặt cược vào việc hiểu mã và kiểm toán bảo mật, hỗ trợ các nhà phát triển xử lý các vấn đề kỹ thuật phức tạp trong các dự án lớn. Grok 4.5 nhấn mạnh vào tốc độ và chi phí thấp, đồng thời tích hợp với công cụ lập trình AI Cursor để bao phủ các cảnh huống phát triển hàng ngày.

Nhà nghiên cứu mô hình lớn Yao Yuhang cho biết «Định Tiêu One» rằng các công ty đều đang đầu tư trọng tâm vào khả năng lập trình, và khoảng cách đang nhanh chóng thu hẹp, ví dụ như khả năng mã hóa của Kimi K3 đã cải thiện rõ rệt và đang tiến gần đến mức của các mô hình đóng cửa hàng đầu.

Nguồn hình ảnh / pexels

Agent là một hướng khác mà các công ty đang cạnh tranh. GPT-5.6 Sol kết hợp với Codex để khám phá lập trình tự động, Opus 5 nhấn mạnh vào thực thi nhiệm vụ dài hạn, Kimi K3 thể hiện khả năng chạy liên tục để hoàn thành các nhiệm vụ phức tạp, trong khi Tencent Hunyuan Hy3 cố gắng kết hợp hệ sinh thái WeChat để khám phá ứng dụng agent.

Tuy nhiên, các tác nhân trong thực tế vẫn chưa trưởng thành. Nhà phát triển độc lập Bắc Thành cho biết, điểm yếu hiện tại của một số sản phẩm tác nhân không nằm ở khả năng gọi công cụ, mà ở khả năng điều phối nhiệm vụ. Ví dụ, chế độ Ultra của Codex sẽ kích hoạt nhiều tác nhân con, các tác nhân con khác nhau lặp lại việc đọc cùng một tệp tin, thực hiện các phân tích tương tự, dẫn đến tiêu tốn nhiều Token hơn, nhưng lượng công việc thực sự hiệu quả không tăng lên. Theo anh ấy, việc nâng cao năng lực của tác nhân không thể chỉ dựa vào việc tăng số lượng tác nhân con, mà điều cốt lõi là có thể xác định được những nhiệm vụ nào đáng để phân tích và những bước nào có thể bỏ qua.

Quan điểm của Yao Yuhang tương tự. Anh cho rằng các tác nhân thông minh là hướng đi đáng quan tâm nhất hiện nay, nhưng vẫn còn khoảng cách đến mức độ chín muồi thực sự. Theo anh, các tác nhân thông minh trong các lĩnh vực chuyên sâu như y tế, tài chính vẫn còn nhiều cơ hội lớn; yếu tố then chốt để tạo ra sự khác biệt ở giai đoạn tiếp theo không chỉ là năng lực của mô hình, mà còn ở việc các tác nhân này có dễ sử dụng trong các bối cảnh cụ thể và khách hàng có sẵn sàng chi trả hay không.

Các mô hình trong nước則 thông qua việc nâng cao các khả năng khác nhau để tìm kiếm điểm đột phá. Kimi K3 lựa chọn tăng cường khả năng ngữ cảnh dài, lập trình giao diện người dùng và thiết kế sản phẩm, lọt vào nhóm đầu trong nhiều bài kiểm tra lập trình, với năng lực gần bằng các mô hình chủ lực đóng cửa của nước ngoài.

Sự cạnh tranh giữa quy mô tham số và hiệu suất suy luận cũng trở thành một trục chính khác.

Các mô hình được phát hành vào tháng 7 đã bước vào phạm vi tham số hàng nghìn tỷ甚至 hàng chục nghìn tỷ, nhưng quy mô tham số không còn có thể đơn giản đồng nhất với mức độ năng lực. Cùng với sự phát triển của kiến trúc MoE, các mô hình có thể sở hữu dung lượng tham số lớn hơn, đồng thời chỉ kích hoạt một phần nhỏ trong số đó để thực hiện suy luận, giảm chi phí tính toán thực tế.

Ngành công nghiệp từ đó hình thành hai hướng đi: một là tiếp tục mở rộng quy mô, đổi lấy khả năng mạnh mẽ hơn thông qua các tham số lớn hơn; hai là nhấn mạnh hiệu quả, đạt được hiệu suất gần với mô hình hàng đầu bằng cách sử dụng các tham số kích hoạt nhỏ hơn.

Giá cũng trở thành biến số trực tiếp nhất trong cuộc cạnh tranh mô hình tháng Bảy.

Các nhà sản xuất nước ngoài chủ yếu áp dụng chiến lược định giá phân biệt. OpenAI chọn cách phân khúc thị trường sâu hơn, chia GPT-5.6 thành các phiên bản khác nhau để người dùng lựa chọn mô hình phù hợp với mức độ phức tạp của nhiệm vụ; Anthropic tiếp tục theo đuổi chiến lược mô hình cao cấp hiệu năng cao, sử dụng dòng Opus để phủ sóng các kịch bản phát triển giá trị cao và doanh nghiệp; trong khi Grok 4.5 lại áp dụng chiến lược giá thấp, với giá đầu ra chỉ bằng một phần tư so với dòng Opus, đồng thời thu hút các nhà phát triển thông qua việc liên kết với Cursor.

Các nhà sản xuất trong nước lại nhấn mạnh vào lợi thế chi phí. Trong sáu tháng qua, nhiều nhà sản xuất mô hình trong nước liên tục giảm giá API, mong muốn thông qua chi phí thấp để hạ thấp rào cản sử dụng và mở rộng quy mô nhà phát triển cũng như người dùng doanh nghiệp.

Tóm tắt trong một câu: Cuộc cạnh tranh giữa các mô hình lớn trong tháng 7 đã mở rộng từ việc so sánh khả năng đơn lẻ sang nhiều khía cạnh như mã nguồn, tác nhân, hiệu quả tham số và giá cả.

02. Ai vượt kỳ vọng, ai nhận đánh giá trái chiều?

So sánh tổng thể với các phiên bản trước đó, hiệu suất trên bảng xếp hạng và phản hồi từ các nhà phát triển, các mô hình được phát hành vào tháng 7 có thể được chia thành ba cấp độ.

Trước tiên, hãy xem xét những loại vượt quá kỳ vọng: Kimi K3, Grok 4.5, Hunyuan Hy3.

Trong số đó, nổi bật nhất là Kimi K3. Mô hình này sử dụng kiến trúc MoE, với tổng quy mô tham số đạt cấp độ nghìn tỷ, đặc biệt tăng cường khả năng xử lý ngữ cảnh dài, lập trình frontend và thiết kế sản phẩm. Ngay trong ngày ra mắt, Kimi K3 đã đạt 1679 điểm, đứng đầu bảng xếp hạng lập trình frontend trên Code Arena, tăng 17 bậc so với vị trí thứ 18 của phiên bản tiền nhiệm Kimi K2.6. Một tuần sau, trên bảng xếp hạng tổng thể Arena, Kimi K3 lần đầu tiên lọt vào Top 10 toàn cầu.

Tuy nhiên, Kimi K3 cũng có những giới hạn rõ ràng về khả năng. Trong bài kiểm tra độ tin cậy tri thức của Artificial Analysis, tỷ lệ ảo giác của nó tăng từ 39% ở Kimi K2.6 lên 51%, và tốc độ đầu ra khoảng 33 Token/s, thấp xa so với các mô hình cùng loại.

Cảm nhận thực tế của các nhà phát triển cũng xác nhận sự “thiên lệch” này. Bắc Thành cho rằng Kimi K3 so với thế hệ trước thực sự có cải thiện rõ rệt, với ưu thế chủ yếu tập trung vào phát triển frontend, thiết kế UI và biểu đạt sản phẩm. Ví dụ, trong các nhiệm vụ như tối ưu hóa UI trang web hoặc thiết kế giao diện ứng dụng, Kimi K3 có thể tạo ra sản phẩm tốt hơn, nhưng khi đối mặt với các nhiệm vụ kỹ thuật phức tạp, hiệu suất lại không ổn định.

Nguồn hình ảnh / pexels

Grok 4.5 cũng được quan tâm tương tự. Sau khi ra mắt vào ngày 9 tháng 7, nó đã lọt vào top chỉ số thông minh Artificial Analysis và thể hiện nổi bật trong một số bài kiểm tra gọi công cụ, được nhiều nhà phát triển xem là lựa chọn có tính năng vượt trội về giá cả.

Bắc Thành cảm nhận tương tự, anh cho rằng lợi thế lớn nhất của Grok 4.5 là tốc độ, cùng một yêu cầu, dùng nó có thể hoàn thành trong ba đến năm phút, trong khi dùng GPT-5.6 đôi khi cần hai mươi phút hoặc thậm chí ba mươi phút, cộng với giá thành thấp hơn, rất phù hợp để sử dụng khi có nhu cầu phát triển nhanh. Yao Yuhang cho rằng khả năng lập trình của Grok 4.5 đã được tối ưu hóa đặc biệt, khi kết hợp với Cursor mang lại trải nghiệm tổng thể rất tốt. Một bối cảnh là trước đó SpaceX đã công bố mua lại Anysphere – công ty mẹ của Cursor, giao dịch dự kiến hoàn tất trong quý ba; hợp tác dữ liệu giữa xAI và Cursor cũng được cho là đã giúp tối ưu hóa trải nghiệm lập trình của Grok 4.5.

Hunyuan Hy3 đại diện cho sự đột phá trên con đường hiệu suất. Mô hình này có tổng tham số 295B và chỉ 21B tham số được kích hoạt, với quy mô tham số nhỏ hơn một phần năm so với mô hình hàng đầu, đạt thành tích gần bằng các đối thủ lớn hơn trên nhiều bộ dữ liệu chuẩn công khai. Tuy nhiên, trong SWE-Bench Pro, điểm số 57.9 của Hunyuan Hy3 vẫn còn khoảng cách rõ rệt so với 69.2 của Claude Opus, cho thấy khả năng sửa lỗi mã phức tạp vẫn cần tiếp tục cải thiện.

Yao Yuhang cho rằng HuanYuan Hy3 có tiến bộ so với các mô hình trước đây của Tencent, kết hợp với thiết kế mở nguồn và kích thước nhỏ gọn, là một lựa chọn khá tốt trong phân khúc quy mô trung bình.

Xem xét nhóm ổn định trong nhóm hàng đầu nhưng ít bất ngờ hơn: GPT-5.6 Sol và Claude Opus 5.

GPT-5.6 Sol và Claude Opus 5 vẫn duy trì vị trí nhóm đầu, nhưng không mang lại thay đổi đáng kể. GPT-5.6 Sol đã củng cố khả năng suy luận phức tạp và lập trình tác nhân, đạt 88,8% trong bài kiểm tra Terminal-Bench 2.1 (chuẩn đánh giá khả năng mô hình hoàn thành các nhiệm vụ thực tế trong môi trường dòng lệnh), và tăng lên 91,9% ở chế độ Ultra. Claude Opus 5 tiếp tục duy trì lợi thế trong các nhiệm vụ phức tạp, nhấn mạnh hơn vào độ tin cậy của mô hình trong các bối cảnh như kỹ thuật phức tạp, hiểu mã và phân tích bảo mật. Ưu điểm của Opus 5 là hiệu năng gần với Fable 5, nhưng giá chỉ bằng một nửa.

Hai mô hình vẫn nằm trong nhóm hàng đầu, nhưng chưa mang lại bước đột phá lớn.

Bắc Thành cho biết, GPT-5.6 đã có thể đáp ứng phần lớn nhu cầu phát triển hàng ngày của anh ấy, nhưng khi gặp các vấn đề đặc biệt phức tạp, anh sẽ sử dụng Opus 5 để giải quyết. Tuy nhiên, khả năng mạnh mẽ hơn cũng đồng nghĩa với chi phí cao hơn. Đối với anh ấy, Opus 5 đóng vai trò như một “chuyên gia” được gọi đến để giải quyết các vấn đề then chốt.

Cuối cùng là một loại phản hồi phân hóa, vẫn đang chờ xác minh: Gemini 3.6 Flash và bản xem trước Qwen3.8-Max.

Điển hình nhất là Gemini 3.6 Flash. Nó đạt điểm 50 trên bảng xếp hạng chỉ số thông minh Artificial Analysis, bằng với thế hệ trước là 3.5 Flash. Cộng đồng nhà phát triển có phản hồi khá nhất quán rằng thế hệ này không có cải tiến rõ rệt so với thế hệ trước và hiệu suất kém hơn so với các đối thủ cùng thời. Tuy nhiên, cũng có người cho rằng, với một mô hình nhẹ, chất lượng đầu ra của Gemini 3.6 Flash về cơ bản là chấp nhận được.

Theo quan điểm của nhà phát triển độc lập Kapdim, Gemini 3.6 Flash mang lại trải nghiệm sử dụng hàng ngày tốt, dù khả năng lập trình không nổi bật, nhưng hiểu biết đa phương tiện vẫn khá ấn tượng. Nó hỗ trợ nhập bất kỳ định dạng tệp nào, và phong cách cũng như trải nghiệm trò chuyện hàng ngày vượt trội hơn nhiều đối thủ cạnh tranh.

Sau khi bản xem trước Qwen3.8-Max ra mắt vào tháng Bảy, hiệu suất mô hình chưa ổn định và phản hồi từ thị trường có sự khác biệt. Trải nghiệm lớn nhất của Bắc Thành là bản xem trước Qwen3.8-Max có độ sâu suy luận cao, nhưng đôi khi bị mắc kẹt trong quá trình suy luận kéo dài, “dường như tự cuốn mình vào vòng lặp”, nhưng cuối cùng lại không đưa ra giải pháp hiệu quả. Kapdim cho rằng bản xem trước Qwen3.8-Max dưới kỳ vọng; khi sử dụng bộ đánh giá thẩm mỹ frontend của riêng mình, anh phát hiện năng lực thực tế có khoảng cách rõ rệt so với quảng bá. Là một sản phẩm bản xem trước vẫn đang được điều chỉnh, hiệu suất cuối cùng cần được xác minh sau khi phiên bản chính thức ra mắt.

Tháng 7 không có mô hình nào dẫn đầu trên mọi khía cạnh, các mô hình khác nhau bắt đầu phân công nhiệm vụ xung quanh các bối cảnh cụ thể.

Lấy Bắc Thành làm ví dụ, anh ấy sẽ chọn công cụ dựa trên nhiệm vụ: GPT-5.6 phụ trách phát triển hàng ngày, Grok 4.5 để hoàn thành nhanh các yêu cầu, Kimi K3 dùng cho các tình huống sản phẩm và frontend, Claude Opus 5 chịu trách nhiệm giải quyết các vấn đề phức tạp. Cách phối hợp của Kapdim thì khác, anh ấy sẽ sử dụng mô hình Fable 5 hoặc Opus 5 của Claude để lập kế hoạch, sau đó thực hiện thông qua GPT-5.6 Sol.

03. Việc phát hành ngày càng nhanh, cuộc tranh luận giữa mã nguồn mở và mã nguồn đóng đang gia tăng

Đằng sau đợt ra mắt dày đặc này, có vài câu hỏi đáng để phân tích: tại sao việc lặp lại mô hình ngày càng nhanh, tại sao chúng tập trung xảy ra vào tháng 7, và tại sao mã nguồn mở lại tác động đến các mô hình kinh doanh hiện tại.

Trước hết, cách thức lặp lại mô hình đang thay đổi. Trước đây, việc nâng cao khả năng của các mô hình lớn chủ yếu dựa vào việc huấn luyện lại các mô hình quy mô lớn hơn, với chu kỳ dài và chi phí cao. Tuy nhiên, với sự trưởng thành của các công nghệ như học tăng cường và huấn luyện sau (sau khi hoàn thành huấn luyện mô hình cơ sở, tiếp tục tối ưu hóa hiệu suất mô hình thông qua tinh chỉnh, học tăng cường...), việc nâng cấp mô hình ngày càng phụ thuộc nhiều hơn vào tối ưu hóa sau huấn luyện.

Yao Yuhang cho biết với «Định Tiêu One», trong hai năm qua, tốc độ ra mắt các mô hình đã tăng rõ rệt, một lý do quan trọng là ngành đã nắm được các phương pháp hậu huấn luyện chín muồi hơn. Hiện nay, nhiều cải tiến của mô hình không cần huấn luyện lại toàn bộ mô hình, mà chỉ cần tối ưu hóa trên các mô hình nền tảng đã có thông qua các cách như học tăng cường và tự lặp lại.

Điều này có nghĩa là chu kỳ cạnh tranh giữa các mô hình đang được rút ngắn. Trước đây, một mô hình dẫn đầu có thể duy trì lợi thế trong vài tháng; hiện tại, khoảng thời gian dẫn đầu do cập nhật phiên bản mang lại có thể chỉ kéo dài vài tuần. Nếu nhịp độ phát hành không theo kịp, mô hình có thể nhanh chóng bị phiên bản mới thay thế. Đối với các nhà sản xuất, việc phát hành mô hình không chỉ là sự trình diễn công nghệ, mà thời điểm phát hành cũng trở thành một phần của cuộc cạnh tranh.

Nguồn hình ảnh / pexels

Thứ hai, tháng Bảy là thời điểm trùng hợp của nhiều sự kiện quan trọng. Đối với các nhà sản xuất trong nước, Hội nghị Trí tuệ Nhân tạo Thế giới (WAIC) được tổ chức vào tháng Bảy, khiến các công ty tập trung ra mắt mô hình và trình bày tiến bộ kỹ thuật trong giai đoạn này. Đối với các nhà sản xuất nước ngoài, nhiều công ty hàng đầu cũng lựa chọn cập nhật mô hình trong giai đoạn này nhằm chiếm ưu thế trong hệ sinh thái nhà phát triển và cạnh tranh thương mại.

Hơn nữa, các quy tắc cạnh tranh trong ngành đang thay đổi. Khả năng mô hình mạnh mẽ không còn là mục tiêu duy nhất; cạnh tranh đã mở rộng sang cách mô hình được sử dụng và cách chuyển hóa thành doanh thu.

Đây cũng là lý do tại sao tranh luận giữa mô hình mã nguồn mở và mã nguồn đóng lại nóng lên vào tháng Bảy. Trong thời gian dài, đã tồn tại khoảng cách về năng lực giữa các mô hình mã nguồn mở và mã nguồn đóng. Nhưng khi một số mô hình mã nguồn mở lọt vào nhóm hàng đầu, một vấn đề thực tế hơn xuất hiện: Khi các mô hình hiệu năng cao có thể được sử dụng miễn phí, doanh thu từ gọi API và đăng ký của các công ty mô hình có bị chia sẻ không?

Những người ủng hộ mã nguồn mở cho rằng việc mở trọng số giúp giảm rào cản kỹ thuật, cho phép nhiều doanh nghiệp và nhà phát triển tham gia vào đổi mới AI. Mã nguồn mở có nghĩa là các nhà cung cấp công nghệ chủ động nhượng lại một phần lợi ích để thúc đẩy sự phát triển của hệ sinh thái; trong khi các bên đóng nguồn lo ngại rằng người dùng của họ sẽ bị các mô hình mã nguồn mở chia sẻ. Các công ty như Anthropic cho rằng, khi khả năng của mô hình được cải thiện, việc mở trọng số có thể mang lại rủi ro an toàn và cần có quản lý chặt chẽ hơn.

Đằng sau cuộc tranh luận này thực chất là các lợi ích khác nhau của các công ty. Đối với các doanh nghiệp cơ sở hạ tầng như NVIDIA, việc mở nguồn mô hình đồng nghĩa với nhu cầu triển khai nhiều hơn và thị trường tính toán lớn hơn. Đối với các công ty mô hình như OpenAI và Anthropic, mô hình đóng nguồn giúp duy trì doanh thu từ việc gọi API và đăng ký. Tuy nhiên, cũng cần nhìn nhận mặt khác: việc mở nguồn thực sự sẽ làm tăng nhu cầu triển khai, nhưng khi hiệu quả tham số được cải thiện, mức tiêu thụ tính toán cho mỗi nhiệm vụ cũng có thể được phân bổ đều hơn, do đó mức tăng trưởng của thị trường tính toán không nhất thiết đồng bộ với mức độ mở nguồn của mô hình. Đối với các nhà phát triển trong nước, việc mở trọng số không chỉ là lựa chọn về tuyến đường kỹ thuật, mà còn là cách giành lấy hệ sinh thái nhà phát triển, dịch vụ đám mây và các cơ hội thương mại hóa trong tương lai.

Sau tháng 7, cuộc cạnh tranh giữa các mô hình lớn sẽ tiếp tục. Cộng đồng nhà phát triển dự kiến rằng các mô hình mới như DeepSeek V4 phiên bản chính thức, Fable 5.1 và GPT-6 sẽ lần lượt ra mắt vào tháng 8.

Khoảng cách năng lực mô hình đang thu hẹp, việc chỉ đơn thuần ra mắt một mô hình mạnh hơn ngày càng khó tạo ra lợi thế dài hạn. Những chỉ số cụ thể cần theo dõi tiếp theo gồm: phiên bản chính thức DeepSeek V4 có thể đẩy giới hạn năng lực của các mô hình mã nguồn mở đến đâu, giá API có tiếp tục giảm xuống, các tác nhân thông minh có thể tạo ra các kịch bản trả phí ổn định hay không, và các mô hình mã nguồn mở có thể được triển khai riêng tư trong nhiều doanh nghiệp hơn hay không. Câu trả lời cho những câu hỏi này sẽ cho thấy rõ hơn những gì thực sự đã thay đổi trong cuộc cạnh tranh lần này so với thứ hạng trên bảng xếp hạng.

*Ảnh bìa được lấy từ Pexels.