Local AI: cài LM Studio, chạy model ngay trên laptop không cần mạng

1. Tắt wifi mà AI vẫn trả lời

Video có sự đồng hành của ASUS.

Thanh Trần mở đầu bằng một việc rất đơn giản: anh vừa tắt wifi, chiếc máy tính trước mặt đang chạy hoàn toàn không có mạng. Vậy mà con AI trên màn hình vẫn đang trả lời anh. Không có kết nối mạng, không có tài khoản, và cũng không tốn một đồng nào cả.

Anh giới thiệu mình là Thanh Trần, founder của kênh 5 Phút AI. Video này là tập đầu tiên trong chuỗi khoá Local AI anh làm cùng ASUS Việt Nam, gồm 6 tập, học từ con số 0, và toàn bộ đều được chạy trên chiếc ASUS TUF Gaming A14 mà anh đang dùng. Anh nói thêm rằng cái chuyện vừa rồi ai cũng làm được, kể cả người đang xem: chỉ cần xem hết video là có thể tự làm lại trên chính máy của mình.

2. Chuyện cái mạng ký túc xá lúc 11 giờ đêm

Để giải thích vì sao chuyện "không cần mạng" lại đáng quan tâm, anh kể một tình huống mà theo anh ai trong thời đi học cũng sẽ gặp. Mười một giờ đêm, ngày mai đi thi, bạn còn một đống thứ chưa hiểu. Bạn định lên mạng tra cứu, nên mở trình duyệt ra, và thứ bạn nhận được là một trang trắng với vòng tròn tải cứ quay mãi. Trên màn hình lúc đó chỉ là một tab trình duyệt trống, đang chờ tải.

Cái mạng ký túc xá hay mạng phòng trọ là như vậy: rất nhiều người dùng chung với nhau. Bạn bấm tải lại, rồi lại tải lại, mà vòng tròn vẫn cứ quay.

Còn như cách anh làm mẫu ở đầu video thì khác hẳn. Anh tắt luôn cả wifi, mở phần mềm lên và hỏi gì thì hỏi. Chưa tới nửa giây là chữ đã bắt đầu chạy, câu trả lời hiện ngay trên màn hình. Lý do là con AI này đang chạy trong chính chiếc laptop của anh. Nó không gửi bất cứ thứ gì ra bên ngoài, cho nên cũng không cần mạng để "suy nghĩ". Người ta gọi cách chạy như vậy là Local AI.

3. Sau video này bạn làm được gì

Anh hứa ba điều mà người xem sẽ có được sau tập này. Thứ nhất là hiểu Local AI là gì, và tại sao nó đáng để bỏ ra khoảng 20 phút cài đặt. Thứ hai là biết cách cài LM Studio và chạy con AI đầu tiên trên máy của mình, không cần biết lập trình. Thứ ba, anh sẽ lấy ví dụ ba việc học tập mà sinh viên làm hàng tuần, rồi làm lại từng việc bằng Local AI để xem nó khác ở chỗ nào. Anh sẽ demo ngay trong video để mỗi người tự đánh giá, rồi bắt đầu luôn.

Trên màn hình, ba mục này hiện thành một danh sách đánh số với tiêu đề "Sau video này bạn sẽ biết": Local AI là gì và vì sao đáng bỏ 20 phút ra cài; cài LM Studio và chạy con AI đầu tiên, không cần biết lập trình; ba việc học tập hàng tuần, làm bằng Local AI thì khác chỗ nào.

4. Local AI là gì, và ba thứ bạn đổi lại

Anh nói cái tên Local AI nghe to tát vậy thôi, chứ thực ra rất đơn giản. Bình thường khi bạn hỏi AI trên web, câu hỏi của bạn sẽ bay tới máy chủ của một công ty nào đó ở nước ngoài. Họ xử lý ở đó, xong rồi trả kết quả về cho bạn.

Local AI thì ngược lại. Bạn tải nguyên cái "bộ não" đó về máy tính của mình, và máy của bạn tự trả lời. Chỉ đổi chỗ xử lý thôi, nhưng có ba thứ thay đổi theo.

Thứ nhất, không cần mạng. Phần này người xem đã thấy ở đầu video. Kể cả khi mạng ký túc xá sập, khi bạn đang ngồi xe khách về quê, hay ngồi ở một quán cà phê nào đó không có wifi, nó vẫn chạy.

Thứ hai, không tốn phí. Không có gói tháng, không có hạn mức, không có chuyện đang làm dở thì bị chặn lại và bắt nâng cấp. Bạn hỏi một câu hay một nghìn câu cũng như nhau, vì nó chạy bằng chính máy của bạn.

Thứ ba, và theo anh là quan trọng nhất với những bạn đang đi học: dữ liệu không rời khỏi máy. Bài tập, luận văn, tài liệu thầy cô đưa, ghi chú cá nhân, tất cả nằm yên trong ổ cứng, không đi đâu cả.

5. Máy nào chạy được? Ví dụ cái bàn học

Nghe hay như vậy thì có phải máy nào cũng chạy được không? Anh nói thẳng: không. Để giải thích, anh đưa ra một ví dụ dễ hình dung nhất, và dặn người xem nhớ kỹ vì cả khoá anh sẽ dùng đi dùng lại ví dụ này.

RAM của máy tính giống như cái bàn học của bạn. Còn model AI, tức cái bộ não bạn tải về, giống như một chồng sách mà bạn phải bày hết lên bàn thì mới dùng được. Không bày lên bàn thì không mở ra đọc được. Từ đó suy ra: nếu bàn của bạn nhỏ thì bạn chỉ bày được một chồng sách nhỏ, mỏng thôi. Muốn dùng chồng sách dày hơn, tức là model thông minh hơn, thì chắc chắn bàn của bạn phải rộng hơn.

Đó cũng là lý do anh chạy cả khoá này trên chiếc ASUS TUF Gaming A14. Con chip bên trong có tên đầy đủ là AMD Ryzen AI Max+ 392. Cái anh quan tâm nhất ở chiếc máy này là 64 GB RAM, dùng kiến trúc bộ nhớ hợp nhất (cấu hình theo video đăng ngày 25/09/2026). Nói theo ví dụ vừa rồi thì đây là một cái bàn rất rộng, và quan trọng hơn, bạn có quyền tự chia cái bàn đó. Còn chia như thế nào thì anh để dành cho tập 2, vì theo anh đó là tính năng hay nhất của chiếc máy này.

Trong tập này anh để mọi thứ ở mặc định, không chỉnh gì cả. Cho nên ai đang dùng máy nào thì cứ để nguyên máy của mình, không cần làm giống anh.

6. Bước 1: cài LM Studio, và cái nút không được bấm

Bước thứ nhất là cài phần mềm. Phần mềm anh dùng suốt khoá tên là LM Studio. Nó miễn phí, và điều quan trọng với những bạn sợ kỹ thuật là dùng nó chỉ cần chuột và bàn phím, không phải gõ lệnh gì cả.

Mở trình duyệt, gõ lmstudio.ai. Đến đây anh dặn rất kỹ, vì trang này vừa đổi giao diện (tính đến lúc quay video đăng ngày 25/09/2026). Ngay giữa trang có một nút rất to ghi "Download LM Studio Bionic". Nút này thì bỏ qua, không bấm. Bionic là một sản phẩm khác của cùng nhà làm ra LM Studio: nó là một agent, không phải phần mềm dùng trong khoá này.

Thứ cần tải nằm ở phía dưới. Hoặc bạn gõ thẳng địa chỉ lmstudio.ai/download. Cuộn xuống một đoạn tới khi thấy dòng chữ "Download LM Studio", bên dưới có ba ô chọn: hệ điều hành, loại máy và phiên bản. Thực ra trang sẽ tự nhận ra bạn đang dùng Windows, nên không phải chọn gì cả. Bấm nút tím ghi "Download LM Studio for Windows", vì máy của anh là Windows. Nó sẽ tự lấy bản mới nhất (lúc quay video là 0.4.23, theo video đăng ngày 25/09/2026), và số phiên bản hiện ngay bên cạnh nút.

File cài khá nặng, nên anh khuyên tải vào lúc mạng rảnh. Tải xong thì mở file cài lên và bấm tiếp, tiếp liên tục. Phần cài này rất dễ, không có tuỳ chọn nào phải suy nghĩ. Máy anh đã cài từ trước, và vì phần này quá dễ nên anh không cài lại trong video; theo anh người xem hoàn toàn tự làm được.

Mở LM Studio lần đầu, nó sẽ hỏi vài câu làm quen, cứ để mặc định và bấm qua. Xong thì bạn thấy giao diện chính: bên trái là thanh menu, ở giữa còn trống vì bạn chưa có model nào.

7. Bước 2: tải bộ não cho AI

Bước 2 là tải bộ não cho AI. Bấm vào biểu tượng kính lúp ở thanh bên trái để tìm model. Bạn sẽ thấy một danh sách dài dằng dặc, tên nào cũng lòng vòng, chữ với số lẫn lộn. Anh bảo không cần hoảng, vì tập 3 anh sẽ dành nguyên một tập để dạy cách đọc những cái tên này. Còn hôm nay cứ tải đúng cái anh yêu cầu là được.

Gõ tìm Qwen3 VL 8B, chọn đúng dòng có chữ Staff Pick, của chính nhà Qwen. Để ý cột dung lượng bên phải: khoảng 6,19 GB. Con số đó là toàn bộ bộ não AI bạn sắp có. Tải một lần, dùng mãi mãi, kể cả lúc offline. Rồi bấm tải thôi.

Thanh tiến trình sẽ chạy ở phía dưới, cứ để nó chạy. Máy anh đã tải model này từ hôm chuẩn bị setup, nên ở chỗ đó đã ghi sẵn là có file. Trên máy của bạn, khi nào thấy dòng chữ đó là xong. Lần đầu thì chịu khó chờ một chút, tuỳ vào mạng.

Anh chọn model này vì ba lý do. Thứ nhất, nó nhẹ. Thứ hai, nó chạy được cả trên những máy yếu hơn máy của anh. Thứ ba, phần tiếng Việt của nó rất ổn.

8. Bước 3: câu hỏi đầu tiên, khi đã tắt wifi

Bước thứ 3 là hỏi câu đầu tiên. Bấm sang biểu tượng khung chat ở thanh bên trái. Trên cùng có ô chọn model, bấm vào và chọn model vừa tải về. Máy sẽ nạp model vào bộ nhớ, đợi vài giây.

Trước khi hỏi, anh tắt wifi, để người xem thấy nó chạy được trên máy thật chứ không phải anh "lừa". Rồi anh gõ câu hỏi bằng tiếng Việt luôn:

Chào bạn, giới thiệu về bạn bằng tiếng Việt trong 3 câu.

Gửi đi, và nó đã trả lời. Anh chúc mừng người xem: vậy là bạn vừa có một con AI của riêng mình, chạy hoàn toàn trong máy tính của bạn, và phần khó nhất của tập này đã xong.

9. Việc 1: giải thích xác suất có điều kiện

Cài xong thì dùng nó vào việc gì? Anh lấy đúng ba việc mà tuần nào đi học cũng phải làm. Với mỗi việc, anh chỉ ra cách người xem đang làm, rồi làm lại bằng Local AI ngay trong video để mọi người tự đánh giá.

Việc thứ nhất: trong một số bài giảng có những khái niệm đọc mãi không vào. Cách thường làm là mở slide ra đọc lại, vẫn không hiểu. Đọc lần nữa, vẫn vậy. Lên mạng tra thì ra một đống kết quả: cái thì hàn lâm quá, cái thì lạc đề, cái thì bằng tiếng Anh. Và theo anh, cái khó chịu nhất không phải là việc tìm kiếm mà là việc hỏi. Hỏi bạn bè một lần thì được, nhưng hỏi tới lần thứ ba cùng một câu thì rất ngại. Chính anh cũng vừa thử ngồi tìm hiểu khái niệm sắp đưa ra làm ví dụ, mở cả đống tab trên mạng mà vẫn chưa thông.

Giờ anh làm lại bằng Local AI. Khái niệm anh lấy làm ví dụ là xác suất có điều kiện và định lý Bayes: nghe rất quen, nhưng hỏi kỹ ra thì ai cũng lúng túng. Anh gõ nguyên câu này:

Giải thích xác suất có điều kiện và định lý Bayes cho một sinh viên năm nhất chưa quen công thức. Dùng ví dụ đời thường, đừng dùng ký hiệu toán ở lượt trả lời đầu tiên.

Model trả lời luôn. Đọc xong mà còn vướng thì có thể thoải mái hỏi tiếp, ngay trong cùng cuộc trò chuyện.

Ở chỗ này anh dặn một câu quan trọng, và sẽ quay lại kỹ hơn ở phần lỗi: khi hỏi tiếp, hãy đưa lại đủ dữ kiện cho nó, chứ đừng hỏi cộc lốc kiểu "tại sao lại ra con số đấy". Anh dán nguyên đề bài vào, đủ số liệu, rồi bảo nó đếm từng bước ra cho anh xem. Trên màn hình, model đáp rằng nó sẽ giải bài toán bằng cách đếm cụ thể trên 1000 người, không dùng công thức, không dùng ký hiệu toán; đề bài là một bệnh hiếm gặp, chỉ 1 người trong 1000 mắc.

Đây là chỗ anh thích nhất: bạn có thể hỏi lại 5 đến 10 lần cũng được. Nó không cằn nhằn, không tính phí, và không ai biết bạn đang chưa hiểu chỗ nào. Cái khác ở đây không nằm ở chỗ nhanh hơn mấy phút, mà ở chỗ bạn có thể hỏi lại cho đến khi thực sự hiểu.

10. Việc 2: dịch một đoạn tài liệu chuyên ngành

Việc thứ 2 cũng rất hay gặp: thầy giáo đưa một tài liệu tiếng Anh chuyên ngành, đọc không nổi. Cách cũ là quăng vào công cụ dịch có sẵn. Anh nói công bằng: nó dịch nhanh thật, đọc cũng xuôi, và anh không ngồi chê nó. Vấn đề nằm ở chỗ khác. Đụng tới thuật ngữ chuyên ngành thì bạn phải dò lại từng chỗ, những chỗ dịch cứng vẫn phải ngồi sửa tay. Chưa kể một chuyện ít ai để ý: bạn vừa tải nguyên tài liệu của thầy lên máy chủ của người khác.

Local AI thì khác. Anh dán đoạn văn vào và gõ yêu cầu. Trên màn hình anh gõ câu mở đầu "Dịch đoạn sau sang tiếng Việt.", còn yêu cầu đầy đủ anh đọc ra là:

Dịch đoạn này sang tiếng Việt. Giữ nguyên thuật ngữ chuyên ngành và giải thích ngắn những thuật ngữ khó.

Anh thử luôn: nó vừa dịch vừa chú thích thuật ngữ ngay bên dưới. Chỗ nào thấy chưa ổn thì có thể bảo nó dịch lại theo cách khác.

Nhưng anh cũng nói thẳng để người xem đỡ vỡ mộng: nó không dịch chuẩn hết đâu. Những từ khó nhất thì nó vẫn xử đẹp, nhưng soát lại thì vẫn có những từ nó dịch kiểu tự chế, và người trong ngành đọc sẽ thấy gợn ngay. Có điều, để ý kỹ: mỗi thuật ngữ nó đều để nguyên từ tiếng Anh ngay bên cạnh. Nghĩa là chỗ nào nghi nghi thì bạn có từ gốc để tra lại ngay, chứ không phải nhận về một bản tiếng Việt trơn tru mà không biết sai ở đâu.

Theo anh, đó mới là giá trị: không phải nó dịch giỏi hơn, mà là nó để lại dấu vết để bạn kiểm. Và quan trọng nhất, tài liệu không đi đâu hết, vẫn nằm trên máy. Nên cái đáng so ở việc này không phải là thời gian, mà là tài liệu của bạn đi đâu, và bạn có kiểm soát được câu trả lời hay không.

11. Việc 3: tạo đề ôn tập từ ghi chú

Việc thứ 3 cũng rất phổ biến: sắp thi, bạn đang ôn và muốn kiểm tra xem mình nhớ được bao nhiêu. Cách cũ là tự nghĩ ra câu hỏi từ ghi chú. Nghe thì dễ, nhưng làm mới biết: ngồi nghĩ lâu cũng chỉ ra được lèo tèo vài câu.

Và anh thấy buồn cười ở chỗ: những câu hỏi bạn nghĩ ra lại nằm đúng ở những phần bạn đã nhớ rồi. Còn phần đã quên thì bạn không nghĩ ra được câu hỏi, vì có nhớ đâu mà hỏi.

Ở đây bạn dán nguyên phần ghi chú vào và gõ yêu cầu. Trên màn hình anh gõ:

Tạo 10 câu hỏi ôn tập từ nội dung sau. Đáp án để riêng ở cuối.

Khi nói, anh thêm một ý nữa cho yêu cầu: hỏi cả những ý phụ, đừng chỉ hỏi ý chính. Nó sẽ quét hết trang tài liệu, đọc cả những chỗ mình đọc lướt. Bạn có ngay một bài kiểm tra thử, tự chấm được, làm bao nhiêu lần cũng được.

Mỗi lần bảo nó ra đề mới là có đề mới. Trên màn hình, sau bảng đáp án 10 câu của đề đầu, anh gõ tiếp "Ra cho mình một đề khác, khó hơn đề vừa rồi, không lặp lại câu nào." và model ra một "Đề ôn tập cấp cao" về Cách mạng công nghiệp lần thứ nhất. Theo anh, đây là lý do sẽ không quay lại cách làm cũ nữa: không phải vì nó nhanh hơn, mà vì nó ra đề rất đúng chỗ.

Ra cho mình một đề khác, khó hơn đề vừa rồi, không lặp lại câu nào.

12. Số đo thật: token mỗi giây và RAM

Nãy giờ toàn nói chuyện nhanh, chuyện chậm, nên anh đưa con số để người xem tự đánh giá. Mọi con số dưới đây là anh đo trên chính chiếc máy trong video, tại thời điểm quay (video đăng ngày 25/09/2026); máy khác cấu hình khác thì số sẽ khác.

Trong AI, người ta đo tốc độ bằng token mỗi giây. Token hiểu nôm na là một mẩu chữ: có khi là một từ, có khi chỉ là một phần của từ. Càng nhiều token mỗi giây thì chữ hiện ra càng nhanh. Mốc để dễ nhớ: một người đọc bình thường đọc khoảng 5 đến 8 token mỗi giây. Nghĩa là nếu máy chạy trên 10 token mỗi giây thì nó đã viết nhanh hơn tốc độ bạn đọc, và bạn không phải ngồi chờ.

Trên máy này anh đo 5 lần: lần thấp nhất là 35, lần cao nhất là trên 42 token mỗi giây. Tạm coi là 35 token mỗi giây, tức là nó viết nhanh gấp 5 đến 6 lần tốc độ đọc. Cho nên không phải ngồi chờ chữ nữa, lúc nào cũng có cái để đọc.

Còn vì sao lại chênh từ 35 đến 42? Lúc máy anh đang mở nhiều thứ khác thì nó chạy có 35 thôi, còn lúc máy rảnh thì lên tới 42. Máy của người xem cũng vậy. Bạn có thể tự kiểm tra bằng cách trỏ chuột vào con số hiện ngay dưới mỗi câu trả lời trong LM Studio.

Con số thứ 2 đáng quan tâm là model này ăn bao nhiêu bộ nhớ. Anh mở Task Manager trước khi nạp model: máy đang dùng 16,4 GB. Sau khi nạp model, con số lên tới 21,7 GB, nhảy hơn 5 GB, vừa khớp với con AI vừa tải về.

Nhớ lại ví dụ cái bàn: đây đúng là chỗ chồng sách chiếm trên bàn. Model càng lớn thì chiếm càng nhiều, tới lúc bàn không đủ chỗ thì máy không chạy nổi. Model hôm nay còn nhẹ, nên người xem chưa nhận ra gì đâu. Nhưng sang tập 2, khi anh lôi một model to gấp mấy lần ra chạy thử, người xem sẽ thấy vì sao 64 GB bộ nhớ hợp nhất trên chiếc máy này lại đáng giá như vậy.

13. Bốn lỗi thường gặp, đều dính thật

Anh nhấn mạnh các lỗi này không phải đoán: đó là những lỗi anh dính thật khi chuẩn bị cho tập này.

Lỗi thứ nhất, cũng là lỗi to nhất: hỏi thiếu dữ kiện thì AI tự bịa đề rồi trả lời sai, mà nghe rất trôi chảy. Ở ví dụ đầu, anh có hỏi nó vì sao đáp án bài xác suất lại là 2%. Nó không biết đề gốc, nhưng lại tự chế ra số liệu khác, tính toán đâu ra đấy rồi chốt luôn 66%. Sai một trời một vực, mà giọng rất tự tin. Cách sửa: đưa đủ dữ kiện vào câu hỏi. Anh hỏi lại, lần này dán nguyên đề bài với đủ số liệu, và nó đếm từng bước ra đúng 2%. Anh dặn người xem nhớ câu này: AI không đọc được suy nghĩ của bạn, bạn đưa gì thì nó làm đó.

Lỗi thứ 2: thuật ngữ chuyên ngành hẹp. Dịch nghe xuôi tai nhưng chưa chuẩn với giới chuyên môn. Với đoạn mẫu kinh tế anh cho nó dịch, mấy từ khó nhất thì nó dịch rất tốt, nhưng vài từ hẹp hơn thì nó dịch kiểu tự chế, người trong ngành đọc là biết ngay. Cách khắc phục: dùng AI làm bản nháp đầu thôi, còn thuật ngữ của ngành mình học thì phải đối chiếu giáo trình. AI là trợ lý, người ký tên vẫn là bạn.

Lỗi thứ 3: khi tạo đề ôn tập, nó chèn luôn lời giải thích ngay dưới câu hỏi, lộ sạch đáp án. Đề vừa tạo xong, đọc phát là biết hết đáp án, thì còn ôn cái gì nữa. Cách khắc phục là ghi rõ trong câu lệnh. Như trong demo, anh nói rõ phần đề không kèm chú thích, mọi giải thích để ở phần đáp án. Chạy lại là sạch. Chỉnh câu lệnh một chút thôi mà kết quả khác hẳn.

Phần đề không kèm chú thích, mọi giải thích để ở phần đáp án.

Lỗi thứ 4, lỗi anh sợ nhất: nó cộng sai ngay giữa bài. Vẫn bài xác suất lúc nãy, nó ghi 0.99 + 49.95 = 49.94. Bấm máy tính thử thì đúng phải là 50.94. Và chỗ lạ nhất nằm ở đây: đáp số cuối của nó vẫn ra khoảng 2%, vẫn đúng. Cho nên nếu đọc lướt qua thì sẽ không phát hiện ra lỗi đó. Cách khắc phục: bài nào AI tính nhiều bước thì phải soát lại mấy phép tính ở giữa, đừng thấy đáp án cuối đúng mà tin cả bài. Ba lỗi trên còn dễ bắt, còn lỗi thứ 4 này thì phải cẩn thận.

14. Tóm tắt, bài tập và tập sau

Cuối video anh tóm tắt nhanh. Một: Local AI là chạy AI ngay trên máy của bạn, đem lại ba thứ: không cần mạng, không tốn phí, và dữ liệu ở lại trên máy. Hai: cài LM Studio và tải model là xong, không cần biết lập trình, ai cũng làm được ngay. Ba: ví dụ ba việc học tập hàng tuần, kèm các con số cụ thể vừa thấy.

Anh cũng nói thẳng một điều để người xem đỡ kỳ vọng sai: AI chạy trên máy cá nhân không thông minh bằng những AI khổng lồ chạy trên hệ thống máy chủ của các công ty lớn. Chuyện đó bình thường thôi, quy mô hoàn toàn khác nhau. Cái bạn đổi lại là miễn phí, không cần mạng, dữ liệu ở lại trên máy. Với ba việc vừa demo, anh thấy đổi như vậy là quá lãi. Còn những việc cần suy luận sâu, bạn có thể dùng công cụ phù hợp nhất, không phải cực đoan.

Tin vui, theo anh, là những model chạy local càng ngày càng khá lên, mạnh lên, và việc chạy được model lớn tuỳ thuộc vào chiếc máy bạn đang dùng. Tập 2 anh sẽ chứng minh điều này.

Bài tập của tập này: cài LM Studio, tải model về, rồi lấy đúng một việc học tập của bạn trong tuần này và làm thử nó 2 lần, một lần theo cách cũ, một lần bằng Local AI. Rồi tự so sánh xem kết quả nào ổn hơn.

Ở tập sau, anh sẽ chỉ một tuỳ chỉnh giúp máy chạy được model to gấp mấy lần, điều mà đa số laptop chịu thua; màn hình giới thiệu tập sau ghi "Mở khoá 48GB VRAM". Anh cũng sẽ demo một model ở 3 mức độ khác nhau và đưa số liệu cho người xem. Anh để thông tin về chiếc ASUS TUF Gaming A14 dùng trong khoá ở phần mô tả video, rồi hẹn gặp lại ở tập sau.