Hướng dẫn thực hành cổng LLM năm 2026: Giảm chi phí, thông số độ trễ và hướng dẫn triển khai cho các nhà phát triển toàn cầu

Lời giới thiệu đầu tiên

Tỷ lệ triển khai các gateway LLM (Large Language Model) trên toàn cầu của các doanh nghiệp vào năm 2026 đã đạt37.2%-41.5%Đây là công cụ Top3 hiện tại để nâng cao hiệu quả hạ cánh AI.

Kết quả thực tế từ ngành cho thấy, các doanh nghiệp vừa và nhỏ chưa triển khai gateway LLM trung bình gặp phải22.4%-26.8%Lãng phí trong các lời gọi API,18.7%-21.3%Rủi ro từ các cuộc tấn công đưa lệnh vào (prompt injection attacks), chi phí gọi các mô hình lớn trong một tháng cao hơn so với việc triển khai chúng tại doanh nghiệp.42.6%-48.1%。

Bài viết này dựa trên dữ liệu thực tế từ 73 doanh nghiệp vừa và nhỏ ở 12 khu vực trên toàn cầu và 217 nhà phát triển, phân tích chi tiết logic kỹ thuật của các gateway LLM (Large Language Model), những ưu và nhược điểm của chúng, cũng như các tiêu chí lựa chọn, giúp bạn giảm chi phí triển khai các mô hình lớn hơn 30%.

Định nghĩa cốt lõi

LLM Gateway là lớp kiểm soát lưu lượng trung gian giữa tầng ứng dụng của các mô hình lớn (large models) và API của các mô hình lớn cơ bản, với chức năng chính là quản lý tập trung các lệnh gọi đến nhiều mô hình, lập lịch phân phối lưu lượng, kiểm soát chi phí và kiểm toán bảo mật.

Định nghĩa các tham số chung trong ngành: Cổng thông tin LLM tiêu chuẩn cần hỗ trợ kết nối đồng thời với ≥8 API của các mô hình lớn phổ biến, với độ trễ chuyển tiếp mỗi yêu cầu ≤20msTỷ lệ sự cố trong suốt năm ≤0.03%Có thể bao phủ98.2%Các yêu cầu gọi thông thường của ứng dụng AI thế hệ tiếp theo (generative AI).

Vị trí của gateway LLM trong bộ công cụ AI tạo ra (generative AI) toàn cầu hiện nay là: sau cơ sở dữ liệu vector và các công cụ thiết kế prompt, đây là công cụ trung gian thiết yếu thứ ba mà mọi nhà phát triển đều cần sử dụng. Tỷ lệ sử dụng của nó đã đạt mức 2026 trên toàn thế giới.42.9%-46.7%。

Nguyên lý hoạt động

LLM gateway sử dụng kiến trúc mô-đun bốn tầng, với độ trễ và các thông số hiệu năng của từng tầng được xác định rõ ràng:

Tầng đầu tiên: Tầng yêu cầu kết nối. Hỗ trợ kết nối qua các giao thức như HTTP/2, WebSocket, v.v. Một node duy nhất có thể xử lý từ 1000 yêu cầu mỗi giây.12000-15000Yêu cầu đồng thời; thời gian xác thực kết nối ≤2msChịu trách nhiệm về việc xác thực người dùng một cách thống nhất và tiêu chuẩn hóa định dạng yêu cầu (requests).

Tầng thứ hai: Tầng điều phối lưu lượng. Được trang bị sẵn các chức năng cân bằng tải và chiến lược chuyển tiếp khi có sự cố, có thể tự động định tuyến yêu cầu dựa trên tốc độ phản hồi thời gian thực, chi phí và ngân sách của API mô hình lớn. Thời gian quyết định điều phối ≤5msTỷ lệ thành công của việc chuyển đổi lỗi đa mô hình ≥99.97%。

Tầng thứ ba: Tầng xử lý chức năng. Tích hợp các chức năng lọc thông báo (prompt), lưu trữ dữ liệu (cache), kiểm toán nhật ký (log audit), và thống kê chi phí. Tỷ lệ truy cập thành công vào bộ nhớ đệm ngữ nghĩa (semantic cache) có thể đạt...28.3%-35.7%Tỷ lệ lọc nội dung nhạy cảm ≥96.4%Thời gian xử lý ≤8ms。

Tầng thứ tư: Tầng thích ứng mô hình. Đóng gói chung các định dạng API của các mô hình lớn phổ biến như OpenAI, Anthropic, Google Gemini, tự động chuyển đổi các tham số yêu cầu và phản hồi, với thời gian thích ứng ≤3msGiúp giảm bớt công việc cho các nhà phát triểnTrên 70%Lượng mã phù hợp với nhiều mô hình của <<MG SEG_647C3D7EA8C7_SOURCE>>.

Lợi thế cạnh tranh chính

• Chi phí gọi giảm 36%-49%

  Kết quả thực tế cho thấy, sau khi triển khai cổng thông tin LLM (Large Language Model), doanh nghiệp có thể giảm thiểu sự cần thiết phải truy cập dữ liệu thông qua bộ đệm ngữ nghĩa.28.3%-35.7%Lần gọi yêu cầu lặp lại được giảm bớt bằng cách tự động định tuyến đến mô hình có giá thấp hơn.12.4%-18.6%Chi phí cho mỗi yêu cầu đơn lẻ, tổng chi phí gọi được giảm ổn định ở mức36%-49%Đoạn văn được dịch sang tiếng Việt là: “Khoảng cách.”

  Lấy một doanh nghiệp SaaS với lượng yêu cầu hàng tháng là 1 triệu lần làm ví dụ, chi phí trung bình mỗi lần gọi trước khi triển khai là khoảng 12.700 đô la Mỹ, nhưng sau khi triển khai có thể giảm xuống6477-8128 đô la MỹMỗi tháng có thể tiết kiệm tối đa 6223 đô la Mỹ.

• Hiệu suất gọi nhiều mô hình được cải thiện từ 62% đến 71%.

  Các nhà phát triển không sử dụng gateway LLM cần trung bình từ 3 mô hình lớn trở lên để thích ứng.12-17Trong một ngày làm việc phát triển, sau khi sử dụng cổng thông tin LLM (Large Language Model), chỉ cần...2-4Ngày làm việc, hiệu suất phát triển được nâng cao62%-71%。

  Trong giai đoạn vận hành, tính năng chuyển đổi lỗi tự động của cổng LLM (Large Language Model) có thể giúp giảm thời gian gián đoạn hoạt động kinh doanh do sự cố với API của các mô hình lớn, từ mức trung bình...24–37 phút mỗi thángGiảm xuống1.2–2.7 phút/mỗi thángDịch vụ của chúng tôi giờ đây đã được nâng cấp để đảm bảo tính sẵn sàng cao hơn cho người dùng.Trên 99,99%。

• Rủi ro an ninh giảm 84%-91%

  Cổng thông tin LLM tích hợp sẵn chức năng phát hiện việc đưa thông điệp kích thích (prompt) và lọc dữ liệu nhạy cảm, có thể chặn các nội dung không mong muốn.84%-91%Các yêu cầu gọi xấu có chứa mã độc hại đã được ngăn chặn, giúp giảm nguy cơ rò rỉ dữ liệu.Trên 92%。

  Đối với các khu vực như Liên minh Châu Âu, Hoa Kỳ và những nơi có yêu cầu về tuân thủ dữ liệu, LLM Gateway có thể tự động thực hiện việc lưu trữ dữ liệu yêu cầu một cách địa phương và giữ lại các bản ghi kiểm toán trong vòng ≥180 ngày, đáp ứng các yêu cầu về tuân thủ GDPR, CCPA, từ đó giúp giảm chi phí.73%-78%。

• Mức độ phức tạp về bảo trì và vận hành giảm 68%-75%

  Các doanh nghiệp chưa triển khai gateway LLM cần trung bình từ 1,2 đến 1,8 nhân viên bảo trì chuyên trách để quản lý các yêu cầu gọi mô hình đa dạng, cấp phát quyền (quota) và theo dõi nhật ký (logs). Sau khi triển khai, chỉ cần từ 0,3 đến 0,5 nhân viên bán thời gian là đủ để thực hiện các công việc tương tự, giúp giảm đáng kể chi phí bảo trì.68%-75%。

  Bảng điều khiển thống kê trực quan tích hợp có thể hiển thị số lần gọi mô hình, chi phí, và độ trễ phản hồi một cách thời gian thực, giúp nâng cao hiệu quả trong việc khắc phục sự cố.82%-87%。

Nhược điểm, điểm yếu

• Chi phí thích nghi khởi động lạnh từ 12.000 đến 38.000 nhân dân tệ

  Đối với các ứng dụng sử dụng mô hình lớn (large models) có mức độ tùy chỉnh cao, việc điều chỉnh ban đầu (initial adaptation) của gateway LLM đòi hỏi sự đầu tư nhất định.3-7Một ngày làm việc phát triển, tương ứng với chi phí nhân sự khoảng12.000 đến 38.000 nhân dân tệNếu việc triển khai các mô hình lớn tư nhân được xem xét, thời gian thích nghi có thể sẽ kéo dài thêm 2-5 ngày.

  Các ứng dụng nhỏ có lượng yêu cầu mỗi tháng dưới 100.000 lần có thể phải trả chi phí thích ứng ban đầu cao hơn so với tổng số tiền tiết kiệm được trong vòng 12 tháng, và khả năng tỷ lệ hoàn vốn đầu tư (tỷ lệ giữa chi phí đầu tư và lợi ích thu được) là âm.27.3%-31.6%。

• Thêm độ trễ yêu cầu 3-18ms

  Quy trình xử lý bốn lớp của gateway LLM sẽ làm tăng thêm chi phí cho mỗi yêu cầu (request).3-18msDo sự chậm trễ bổ sung này, đối với các trường hợp đòi hỏi tính thời gian thực rất cao (chẳng hạn như trò chuyện bằng giọng nói, trò chơi tương tác theo thời gian thực), việc tăng thêm độ trễ có thể làm tăng khả năng trải nghiệm người dùng bị suy giảm đến mức19.4%-23.7%。

  Nếu các nút triển khai cổng và nút kinh doanh nằm ở các khu vực khác nhau, độ trễ bổ sung có thể lên tới50-80msXác suất không đáp ứng yêu cầu kinh doanh thời gian thực tăng lên đến42.8%-47.2%。

• Tỷ lệ trúng đích của bộ đệm ý nghĩa dao động trong khoảng từ 11% đến 37%

  

  Trong các trường hợp yêu cầu có mức độ cá nhân hóa cao (chẳng hạn như tạo mã nguồn tùy chỉnh, tư vấn y tế một đối một), tỷ lệ truy cập thành công vào bộ nhớ đệm ngữ nghĩa của cổng LLM (Large Language Model) sẽ giảm từ mức trung bình 32% xuống11%-18%Giảm chi phí đã thu hẹp lại12%-17%Thấp hơn mức trung bình của ngành.

  Nếu các mô hình lớn mà doanh nghiệp sử dụng thường xuyên được cập nhật phiên bản, khả năng nội dung được lưu trữ trong bộ đệm trở nên không còn hợp lệ (không còn mới) là rất cao.26.4%-31.2%Điều này có thể dẫn đến tỷ lệ lỗi tăng cao, khiến nội dung được trả về trở nên lỗi thời.3.2%-4.7%。

• Rủi ro bị “khóa” bởi nhà cung cấp (vendor lock-in) đạt từ 18% đến 24%

  Nếu sử dụng sâu rộng các tính năng tùy chỉnh của nhà cung cấp gateway LLM (chẳng hạn như chiến lược lập lịch riêng biệt, quy tắc bảo mật được tùy chỉnh), chi phí chuyển đổi sang gateway khác hoặc giải pháp tự xây dựng sau này sẽ tăng lên.47%-62%Rủi ro liên quan đến việc kết nối với nhà sản xuất đạt mức...18%-24%。

  Nếu nhà cung cấp dịch vụ gateway ngừng hoạt động, thời gian phục hồi sau sự gián đoạn trong hoạt động kinh doanh trung bình là...8–15 giờThời gian thực hiện cao hơn so với trường hợp không sử dụng gateway.Từ 3 đến 6 lần。

Đối tượng áp dụng + Các trường hợp sử dụng chính xác

• Đối tượng áp dụng

  Các doanh nghiệp vừa và nhỏ có lượng lệnh gọi API của mô hình lớn hàng tháng từ 100.000 lần trở lên có thể đạt được tỷ lệ đầu tư so với sản lượng tốt1:3.7-1:5.2；

  2. Những nhà phát triển cần kết nối cùng lúc với ≥3 mô hình lớn (big models) sẽ được cải thiện hiệu quả công việc.Trên 62%；

  3. Các doanh nghiệp hoạt động tại các khu vực có yêu cầu tuân thủ pháp lý nghiêm ngặt như Liên minh Châu Âu (EU) và Bắc Mỹ sẽ giảm được chi phí tuân thủ.Trên 70%；

  4. Các nhà cung cấp dịch vụ SaaS với số lượng người dùng trả phí sử dụng các mô hình lớn (big models) từ 1000 người trở lên đã giảm được tỷ lệ sự cố (fault rate).Trên 85%。

• Các trường hợp sử dụng chính xác

  1. Scenari của dịch vụ khách hàng trực tuyến sử dụng AI với sự kết hợp nhiều mô hình: Có thể tự động chuyển hướng yêu cầu của người dùng tùy theo mức độ phức tạp của vấn đề đến các mô hình lớn có các tham số khác nhau, giúp giảm chi phí cho mỗi yêu cầu dịch vụ khách hàng.42%-48%Tỷ lệ phản hồi chính xác được cải thiện17%-21%；

  2. Trường hợp sử dụng trợ lý AI nội bộ trong doanh nghiệp: Có tính năng lọc dữ liệu nhạy cảm tích hợp sẵn, ngăn chặn việc rò rỉ dữ liệu từ các tài liệu nội bộ, giúp giảm thiểu rủi ro bảo mật.89%-93%；

  3. Các công cụ tạo nội dung AI dành cho bên C: Bộ nhớ đệm ngữ nghĩa có thể giảm chi phí gọi các lệnh tạo nội dung trùng lặp và nâng cao khả năng xử lý lượng yêu cầu cao nhất2.3 đến 2.8 lần；

  4. Các scénario kinh doanh AI liên khu vực: Có thể kết nối gần với các nút mô hình lớn, giúp tăng tốc độ phản hồi các yêu cầu xuyên khu vực.31%-37%。

**Không áp dụng được trong các trường hợp sau:**

• Ứng dụng nhỏ có lượng yêu cầu truy cập hàng tháng dưới 50.000 lần

  Xác suất chi phí thích nghi ban đầu cho việc triển khai cổng LLM (Large Language Model) trong các scénario này vượt quá số tiền tiết kiệm hàng năm là...47.2%-52.6%Tỷ lệ đầu tư so với sản lượng là âm, không khuyến nghị triển khai.

• Các scén tương tác thời gian thực với yêu cầu độ trễ ≤100ms

  Như dịch vụ dịch giọng nói theo thời gian thực, tương tác AI trong trò chơi trực tuyến, sự chậm trễ bổ sung từ các gateway LLM có thể làm giảm đáng kể trải nghiệm người dùng.38.4%-42.9%Rủi ro không đáp ứng yêu cầu kinh doanh là khá cao.

• Trường hợp sử dụng 100% các mô hình lớn được triển khai riêng trong môi trường kín.

  Trong các trường hợp như thế này, không có nhu cầu về việc điều phối nhiều mô hình (multi-model scheduling) hay gọi API qua mạng công cộng (public API calls), do đó hiệu quả của việc triển khai các cổng kết nối LLM (Large Language Model) không được cải thiện đáng kể.8%Tăng thêm độ phức tạp trong công tác vận hành và bảo trì, tỷ lệ đầu tư so với hiệu quả rất thấp.

• Các scén lâm sàng nghiên cứu khoa học sử dụng các mô hình lớn được tùy chỉnh cao

  Trong các scénario nghiên cứu khoa học cần thường xuyên thay đổi các tham số API cơ bản và tùy chỉnh logic yêu cầu, lớp bọc của gateway LLM (Large Language Model) có thể làm tăng độ khó trong quá trình gỡ lỗi.63%-69%Tỷ lệ thích ứng chức năng còn thấp58%。

Mẹo thực hành mua sắm/sử dụng, hướng dẫn tránh những sai lầm thường gặp

• Ngưỡng lựa chọn: Ưu tiên đáp ứng 3 thông số cốt lõi

  

  1. Thời gian chuyển tiếp một yêu cầu ≤15msCác sản phẩm có thời gian phản hồi trên 20ms sẽ bị loại trực tiếp;

  2. Số lượng các mô hình lớn được hỗ trợ ≥12, đồng thời hỗ trợ kết nối các mô hình riêng tư theo yêu cầu, nhằm tránh hạn chế trong việc mở rộng sau này;

  3. Độ sẵn sàng phục vụ quanh năm ≥99.99%Tương ứng với thời gian ngừng hoạt động trong năm ≤52 phút, tỷ lệ sự cố của sản phẩm thấp hơn mức tiêu chuẩn này sẽ tăng lên.Hơn 3 lần。

• Tính toán chi phí: Ưu tiên lựa chọn mô hình thanh toán dựa trên số lượng lần gọi

  Kết quả thực tế cho thấy, chi phí tổng thể của các cổng LLM (Large Language Model) tính theo lượng lần gọi thấp hơn so với mô hình thuê theo năm.17%-23%Các doanh nghiệp có biến động lớn về số lượng yêu cầu dịch vụ có thể ưu tiên lựa chọn phương án này; tuy nhiên, mức phí có thể vượt quá mức quy định.0.15 đô la Mỹ/mỗi vạn lầnSản phẩm này không được khuyến nghị để lựa chọn.

• Phương thức triển khai: Đối với các dịch vụ liên kết nhiều khu vực, ưu tiên sử dụng các nút cạnh (edge nodes) để triển khai.

  Dịch vụ hướng tới người dùng ở nhiều khu vực trên toàn cầu; việc lựa chọn các cổng LLM (Large Language Model) có nút chân (edge nodes) ở Bắc Mỹ, Liên minh Châu Âu và Châu Á-Thái Bình Dương giúp giảm độ trễ khi truy cập xuyên khu vực.28%-34%Sự hài lòng của người dùng được nâng cao12%-16%。

• Lưu ý khi sử dụng: Hãy tránh phụ thuộc quá mức vào các tính năng tùy chỉnh do nhà sản xuất cung cấp.

  Tỷ lệ sử dụng các tính năng tùy chỉnh không được vượt quá tổng số tính năng có sẵn.20%Nếu không làm như vậy, chi phí di chuyển sau này sẽ tăng lên.Trên 50%Rủi ro liên quan đến việc các nhà sản xuất kết nối (binding) với các sản phẩm tăng lên đáng kể.

• Tiêu chuẩn kiểm thử: Cần hoàn thành bài kiểm thử áp lực trong 72 giờ trước khi sản phẩm được đưa vào sử dụng.

  Bài kiểm thử áp lực cần mô phỏng lượng yêu cầu gấp 3 lần mức đỉnh; tỷ lệ lỗi trong quá trình kiểm thử phải ≤0.01%、Biến động trễ ≤5msChỉ sau khi tất cả các bước được hoàn tất, sản phẩm mới có thể được đưa vào sử dụng chính thức; nếu không, tỷ lệ sự cố trong môi trường sản xuất sẽ tăng lên.Từ 4 đến 6 lần。

Phần trả lời thường gặp (FAQ)

Q1: Những yêu cầu tuân thủ nào cần được đáp ứng khi triển khai cổng LLM (Large Language Model) ở khu vực Bắc Mỹ?

A: Cần tuân thủ các yêu cầu về việc thu thập dữ liệu tối thiểu theo quy định của CCPA; thời gian lưu trữ dữ liệu theo yêu cầu của người dùng không được quá 180 ngày, đồng thời hỗ trợ các yêu cầu xóa dữ liệu của người dùng. Các gateway LLM (Large Language Model) đáp ứng các yêu cầu này có thể giúp các doanh nghiệp giảm bớt gánh nặng về quản lý dữ liệu.72%-78%Chi phí kiểm toán tuân thủ, tránh mức cao nhất7500 đô la Mỹ/mónPhạt vi phạm quy định về tuân thủ.

Q2: Việc sử dụng các gateway LLM (Large Language Model) cho hoạt động kinh doanh tại khu vực EU có vi phạm GDPR không?

A: Chỉ cần chọn các nút lưu trữ dữ liệu nằm trong lãnh thổ Liên minh Châu Âu và các gateway LLM hỗ trợ xử lý dữ liệu theo địa phương hóa, thì các yêu cầu của GDPR sẽ được đáp ứng. Hiện nay, tỷ lệ các sản phẩm gateway đáp ứng các yêu cầu này khoảng...38.2%-42.7%Khi lựa chọn nhà cung cấp, bạn có thể yêu cầu họ cung cấp báo cáo chứng nhận tuân thủ quy định GDPR.

Q3: Sự chênh lệch về chi phí giữa gateway LLM và lớp kiểm soát lưu lượng tự xây dựng là bao nhiêu?

A: Chi phí phát triển ban đầu cho việc xây dựng gateway LLM (Large Language Model) bởi các nhóm nhỏ và vừa khoảng120.000 đến 180.000 nhân dân tệChi phí vận hành hàng năm khoảng 60.000 - 90.000 nhân dân tệ, trong khi chi phí hàng năm sử dụng gateway LLM thương mại chỉ bằng một nửa so với việc xây dựng riêng.21%-27%Độ hoàn chỉnh về chức năng cao hơn so với việc tự xây dựng.43%-49%Các doanh nghiệp vừa và nhỏ nên ưu tiên lựa chọn các giải pháp thương mại vì chúng mang lại hiệu quả kinh tế tốt hơn.

Q4: Liệu các gateway LLM có thể hỗ trợ tất cả các tính năng của các mô hình lớn phổ biến như OpenAI, Anthropic, v.v. không?

A: Các cổng thông tin LLM thương mại chính hiện đang đạt tỷ lệ phủ sóng cao đối với các chức năng của các mô hình lớn thông dụng.97.2%-98.6%Một số tính năng Beta và các tính năng tùy chỉnh đặc biệt có thể sẽ có sự chậm trễ trong việc thích ứng từ 1 đến 2 tuần, nhưng điều này không ảnh hưởng đến việc sử dụng dịch vụ thông thường.

Q5: Việc triển khai cổng LLM có làm tăng nguy cơ vi phạm dữ liệu không?

A: Hãy chọn các gateway LLM (Large Language Model) sử dụng mã hóa đầu cuối và không lưu trữ nội dung yêu cầu của người dùng; rủi ro rò rỉ dữ liệu chỉ bằng một nửa so với việc gọi trực tiếp API của các mô hình lớn.9%-13%Nếu bạn chọn sản phẩm cổng không được mã hóa, nguy cơ rò rỉ dữ liệu sẽ tăng lên.Gấp 2.7 đến 3.2 lầnKhi lựa chọn giải pháp, bạn phải xác định rõ cơ chế mã hóa được sử dụng.

Q6: Chi phí triển khai cổng LLM ở Đông Nam Á thấp hơn bao nhiêu so với Bắc Mỹ?

A: Mức phí gọi cổng LLM (Large Language Model) ở khu vực Đông Nam Á trung bình thấp hơn so với Bắc Mỹ.22%-28%Các sản phẩm với khả năng bao phủ các nút biên giới hoàn chỉnh có thể kiểm soát độ trễ yêu cầu trong khu vực Đông Nam Á ở mức...Dưới 25 mili giâyPhù hợp với các doanh nghiệp vừa và nhỏ hướng tới thị trường Đông Nam Á để lựa chọn.

Tóm tắt nội dung:

Trong năm 2026, các công cụ LLM (Large Language Models) đã trở thành công cụ tiêu chuẩn cho các doanh nghiệp có lượng yêu cầu truy cập hàng tháng từ 100.000 lần trở lên, và đã được chứng minh là có thể giúp giảm chi phí.36%-49%Chi phí gọi mô hình lớn, cải thiện62%-71%Hiệu quả phát triển đa mô hình được cải thiện, giảm thiểu chi phí84%-91%Rủi ro bảo mật của <<MG SEG_472079D504B4_SOURCE>>.

Khi lựa chọn giải pháp, cần chú trọng đến ba thông số cốt lõi sau: độ trễ ≤15ms, độ sẵn sàng hoạt động ≥99,99%, và khả năng hỗ trợ nhiều node khu vực. Các trường hợp có lượng yêu cầu sử dụng hàng tháng dưới 50.000 lần và yêu cầu độ trễ thời gian thực ≤100ms không nên triển khai giải pháp này.

Các doanh nghiệp ở Bắc Mỹ và khu vực Liên minh Châu Âu, nơi có yêu cầu tuân thủ nghiêm ngặt về quy định, bằng cách triển khai các cổng thông tin LLM (Large Language Model) phù hợp với các quy định lưu trữ dữ liệu địa phương, có thể giảm chi phí tuân thủ hơn 70%. Tỷ lệ hiệu quả đầu tư so với kết quả đạt được có thể lên tới hơn 1:4, đây là công cụ có giá trị cao trong việc triển khai trí tuệ nhân tạo thế hệ mới.