Claude Opus 5 ra mắt
Opus 5 ra mắt. Anthropic đã phát hành Claude Opus 5, một mô hình có trí thông minh gần như tiên tiến với chi phí chỉ bằng một nửa Fable 5. Nó thiết lập một trạng thái nghệ thuật mới trên các điểm chuẩn về lập trình và kiến thức, đồng thời tăng gấp đôi hiệu suất của Opus 4.8 trong khi hiệu quả hơn về token.
- Introducing Claude Opus 5(mở trong thẻ mới)
- Introducing Claude Opus 5(mở trong thẻ mới)
- Anthropic's Opus 5 is about token efficiency, not a capability leap(mở trong thẻ mới)
- Anthropic claims its new Claude Opus 5 delivers near-Fable 5 performance at half the token price(mở trong thẻ mới)
- Anthropic launches Opus 5(mở trong thẻ mới)
Giải quyết vấn đề chủ động. Opus 5 nổi bật nhờ khả năng tự xác minh công việc và xây dựng các công cụ riêng—trong một ví dụ, nó đã viết một pipeline thị giác máy tính để tái tạo một bộ phận máy từ pixel thô khi không thể xem trực tiếp bản vẽ.
An toàn hơn nhờ thiết kế. Anthropic cố tình không huấn luyện Opus 5 về khai thác mạng; mặc dù nó phát hiện lỗ hổng tốt, nhưng tụt hậu so với Mythos 5 trong việc vũ khí hóa chúng—một quyết định chịu ảnh hưởng từ sự giám sát gần đây của chính phủ Hoa Kỳ. Mô hình này cũng là Claude có khả năng chống tiêm kích thích tốt nhất.
Chi phí bằng một nửa Fable. Opus 5 có giá $5/triệu token đầu vào và $25/triệu token đầu ra, với tùy chọn Chế độ Nhanh với tốc độ gấp đôi. Nó trở thành mặc định trên Claude Max và mô hình mạnh nhất trên Pro, không có chính sách lưu giữ dữ liệu 30 ngày.
Trọng số mở và Tranh cãi về Chưng cất
Thư ngỏ bảo vệ chưng cất. Hơn 20 công ty bao gồm Microsoft, Meta, Nvidia và Hugging Face đã ký một bức thư ngỏ kêu gọi Mỹ không áp đặt các hạn chế rộng rãi đối với các mô hình AI trọng số mở. Bức thư lập luận rằng các kỹ thuật như chưng cất là hợp pháp và cần thiết cho sự đổi mới.
- More than 20 companies including NVIDIA, Meta, Microsoft, Palantir, and Hugging Face have signed a letter urging policymakers to avoid premature restrictions on open weight models.(mở trong thẻ mới)
- As US weighs response to Chinese AI, industry urges against broad open-weight restrictions(mở trong thẻ mới)
- Microsoft's open-weight AI push is so obviously an Azure play it hurts(mở trong thẻ mới)
Kimi K3 gây lo ngại. Mô hình mở Kimi K3 của phòng thí nghiệm Trung Quốc Moonshot đã gây lo ngại sau khi các đánh giá cho thấy nó hỗ trợ các hoạt động tấn công mạng mà không có sự kháng cự. Nó thua xa các mô hình Mỹ nhưng vượt trội so với các hệ thống Trung Quốc trước đó, trong khi Mỹ đang cân nhắc các biện pháp trừng phạt bao gồm lệnh cấm các mô hình trọng số mở của Trung Quốc.
- ‘AI communism’, rogue models, and the why Kimi K3 spooked Wall Street(mở trong thẻ mới)
- Kimi K3 trails frontier US models by a wide margin on cyber exploits, and distillation may explain why(mở trong thẻ mới)
- As US weighs response to Chinese AI, industry urges against broad open-weight restrictions(mở trong thẻ mới)
Tính hợp pháp bị nghi vấn. Một số nhà phát triển cho rằng chưng cất—học từ đầu ra của mô hình—không khác gì một học sinh học từ giáo sư và không cấu thành hành vi đánh cắp sở hữu trí tuệ, bất chấp những cáo buộc của Nhà Trắng.
Tối ưu hóa suy luận cục bộ
Tránh Intel cho nhiều GPU. Các nền tảng tiêu dùng của Intel như Z890 thiếu hỗ trợ peer-to-peer giữa các GPU, khiến chúng gần như vô dụng đối với suy luận hoặc huấn luyện AI yêu cầu P2P, mặc dù có đủ làn PCIe. Người xây dựng nên chọn thiết lập cấp máy chủ hoặc AMD thay thế.
DKV nén bộ nhớ đệm KV. DifferentialKV (DKV) là một framework mã nguồn mở mới giảm bộ nhớ đệm KV thông qua biểu diễn dựa trên điểm neo và chú ý thưa, nhằm làm cho suy luận cục bộ ngữ cảnh dài hiệu quả hơn về bộ nhớ. Nó đang tìm kiếm tích hợp với llama.cpp và vLLM.
Gemma 4 26B trên iPhone. Sử dụng kỹ thuật Overfit của Noema, một mô hình Gemma 4 26B A4B chạy trên iPhone 17 Pro bằng cách phân trang trọng số chuyên gia từ SSD trong khi giữ trọng số không chuyên trong RAM. Điều này đánh đổi tốc độ lấy khả năng, đạt ~34 token tiền điền/giây với thời gian tạo 6 phút cho các câu trả lời phức tạp.
CachyLLama tăng tốc tác nhân. CachyLLama, một nhánh của llama.cpp, bổ sung các điểm kiểm tra bộ nhớ đệm KV liên tục được hỗ trợ SSD và bộ nhớ đệm lời nhắc hệ thống, giảm đáng kể thời gian xử lý lại trong các phiên lập trình tác nhân dài trên phần cứng chậm hơn.
Tinh chỉnh MTP để tăng tốc miễn phí. Dự đoán đa token (MTP) có thể mang lại tăng tốc suy luận đáng kể, nhưng cài đặt tối ưu thay đổi theo họ mô hình; tinh chỉnh tham số n_max có thể tăng gấp đôi lợi ích so với mặc định.
Bonsai 27B 1-bit tỏa sáng. Lượng tử hóa 1-bit của Bonsai 27B chạy trên MacBook Air 16GB và mang lại hiệu suất hữu ích đáng ngạc nhiên cho việc dạy kèm và trò chuyện, gợi ý rằng lượng tử hóa cực độ có thể làm cho các mô hình cục bộ có khả năng trở nên phổ biến rộng rãi.
Các startup ưu tiên tác nhân và Chiến lược nền tảng
Prentis nhắm đến tự động hóa văn phòng. Prentis, do Reid Hoffman và Mark Pincus đồng sáng lập, đang huấn luyện các mô hình sử dụng máy tính để tự động hóa quy trình làm việc văn phòng và đang đàm phán huy động 100 triệu đô la với định giá 1 tỷ đô la, đã có hợp đồng trị giá 50 triệu đô la.
Devin có cá tính. Startup lập trình AI Cognition đã mua lại Poke, một trợ lý nổi tiếng với khả năng trò chuyện thân thiện như con người, để làm cho Devin hấp dẫn hơn—nhấn mạnh rằng cá tính AI đang trở thành lợi thế cạnh tranh.
Nước đi mô hình 10 tỷ đô la của Stripe. Stripe đang đàm phán mua thị trường mô hình OpenRouter với giá 10 tỷ đô la, một động thái có thể mang lại cho gã khổng lồ thanh toán quyền kiểm soát một điểm truy cập quan trọng cho các nhà phát triển sử dụng hàng trăm mô hình AI.
Nâng cấp trợ lý của Meta. Meta đang nâng cấp chatbot AI của mình với tích hợp lịch, báo cáo hàng ngày và nghiên cứu có thể điều khiển, được hỗ trợ bởi Muse Spark 1.1, báo hiệu sự chuyển đổi từ tập trung vào giải trí sang trợ lý truyền thống hơn.
Giọng nói trở thành giao diện tác nhân. OpenAI đã đưa ChatGPT Voice vào ứng dụng desktop của mình, cho phép người dùng đọc chính tả các lệnh lập trình và duyệt web phức tạp, trong khi Anthropic mở rộng chế độ giọng nói của Claude sang các mô hình và công cụ mạnh mẽ hơn như Gmail và Slack, cho phép điều khiển tác nhân rảnh tay.
Attie của Bluesky trở nên mở. Trợ lý Attie của Bluesky hiện hỗ trợ các Nhiệm vụ mở cho phép người dùng nghiên cứu xu hướng và tin tức trên toàn bộ fediverse, có khả năng biến mạng xã hội thành một công cụ thông tin có giá trị.
Nghiên cứu: Khoảng cách nhận thức cho các tác nhân AI
Tác nhân mù với thị giác chủ động. Một điểm chuẩn mới, ActiveVision, tiết lộ rằng ngay cả những mô hình có khả năng nhất cũng đạt điểm cực thấp trong các nhiệm vụ yêu cầu nhận thức thị giác lặp lại—GPT-5.5 đạt 10,6%, Claude Fable 5 chỉ 3,5%, trong khi con người trung bình 96,1%.
Lý luận không gian dựa trên pixel. ProVisE đề xuất một khung độc lập với điểm chuẩn để đánh giá lý luận không gian thị giác bằng cách yêu cầu các mô hình tạo hình ảnh vẽ câu trả lời, phát hiện rằng các mô hình hiện tại gặp khó khăn trong việc thể hiện vị trí và đường dẫn trực tiếp bằng pixel.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.