Agentic AI News Hôm nay

Qwen3.8-27B quant thấp vẫn mạnh. Người dùng nhận thấy Qwen3.8-27B vẫn rất mạnh cho agentic coding ngay cả ở Q3_xxs và Q6; các preset suy luận thấp/trung bình đạt điểm cao và giảm vòng lặp, với preserve_thinking ngăn suy luận lặp lại.

• → Qwen3.8-27B Q6 is a beast at agentic coding
• → Qwen 3.8 Low and Medium are goated
• → Qwen3.8-27B different thinking levels
• → Qwen 3.8 27b is strong even at Q3_xxs
• → Qwen 3.8 vs 3.6 27b low reasoning loops way less now

16GB VRAM chật vật. Một máy Windows 16GB chạy Qwen3.8-27B với MTP bị tắt, cache lượng tử hóa, và khoảng 100k context bằng cách chuyển mô-đun thị giác sang RAM.

• → 16 GB VRAM purgatory discussion thread

Tăng tốc inference cục bộ. vLLM trên hai RTX 3090 đạt 143 tok/s cho Qwen3.8-27B; các recipe dành riêng cho Strix Halo cung cấp tùy chọn Q8/Q6/Q5 với Unsloth Dynamic Quants.

• → I feel like I finally graduated.
• → Strix Halo (8060S / gfx1151), Qwen-3.8-27B @ Q8 and Q6 UD v3, up to 256K ctx, llama.cpp, DFlash2, vision, real workloads quality and steady performances, optimized recipes, ...

63 giờ MacBook mô phỏng bay. Một bản Qwen3.8-27B 3-bit trên MacBook Air M2 mất 63 giờ nhưng cuối cùng tạo ra trình mô phỏng bay HTML hoạt động được, cho thấy agentic coding cục bộ khả thi nhưng chậm.

• → I tried to do agenic coding with Qwen 3.8 27B 3bit quant on a macbook air m2 24gb. It took 63 hours, but amazingly, the flight simulator worked.

Harness thắng model. Harness tùy chỉnh của Nvidia với khả năng xử lý bộ nhớ và thành phần giám sát đã đưa Claude Opus 5 từ 30% lên 100% trên ARC-AGI-3, cho thấy lớp bọc agent có thể quan trọng hơn lựa chọn model đơn thuần.

• → Nvidia just showed that the harness, not the AI model, is now the real hero
• → NVIDIA AVO got 100% on ARC-AGI-3. It completed all 183 levels across all 25 public environments, figuring out what to do with no instructions, explicit rules, or stated goals.

DeepSeek Flash có vision. DeepSeek-V4-Flash-Vision-Exp bổ sung khả năng hiểu hình ảnh cho workflow agent và gần bằng Opus 4.8 trên các benchmark agent nội bộ; harness được cập nhật hỗ trợ đầu vào hình ảnh trong lệnh và MCP/ACP.

• → Deepseek releases experimental Flash vision model that rivals Opus 4.8 on agent benchmarks
• → DeepSeek-V4-Flash-Vision-Exp
• → DeepSeek Harness v0.1.1 released

AI agent Cloudflare. Cloudflare đã giảm khoảng 85% số issue đang mở của Astro bằng các agent GitHub Actions cô lập có thể tái hiện, chẩn đoán, xác minh và khắc phục; công ty cũng chuyển các tiêu chuẩn kỹ thuật thành các kiểm soát do AI thực thi.

• → Cloudflare Cuts Astro GitHub Issues by 85% with AI Agents
• → Cloudflare Turns Engineering Standards Into an AI-Enforced Control System

MCP Azure DevOps. Máy chủ MCP do Microsoft lưu trữ cho Azure DevOps đã được phát hành rộng rãi, nhưng Claude Desktop, ChatGPT và Cursor chưa kết nối được vì tính năng đăng ký client Entra auth chưa được hỗ trợ.

• → Azure DevOps Remote MCP Server Reaches GA, Without Support for Claude, ChatGPT, or Cursor

Cập nhật CLI LLM. llm 0.32.1 sửa lỗi pin phụ thuộc OpenAI bị hỏng, còn llm-openrouter 0.7 bổ sung các trace suy luận và các công cụ Shell, WebFetch, WebSearch phía máy chủ.

• → llm 0.32.1
• → llm-openrouter 0.7

Opus 4.6 bị jailbreak. TechCrunch phát hiện Claude Opus 4.6 tạo ra nội dung tình dục tường minh trong 10/10 yêu cầu trực tiếp; các model cũ hơn có chung một jailbreak đa lượt trong khi các phiên bản Opus gần đây kháng lại.

• → Anthropic’s Opus 4.6 is a smut-machine

Bảo mật Claude Mythos 5. Anthropic đang dùng Claude Mythos 5 trong một trình quét bảo mật mã nguồn cho khách hàng doanh nghiệp, đề xuất bản vá với sự phê duyệt của con người và cấp quyền truy cập cho đối tác mà không cần tương tác trực tiếp với model.

• → Anthropic puts its most powerful model Claude Mythos 5 to work for cyber defense

Tạo ảnh nền trong suốt. GPT-Image-2 của OpenAI giờ có thể tạo PNG nền trong suốt qua API, hữu ích cho ảnh sản phẩm và icon; kênh alpha được tích hợp sẵn ngay trong lúc tạo.

• → OpenAI's GPT-Image-2 can now generate images without a background

dots3-note bản xem trước. llama.cpp thêm hỗ trợ cho dots3-note, một model MoE 280B với 16B tham số hoạt động, ngữ cảnh 512K và khả năng hiểu đa phương thức văn bản, hình ảnh, video và âm thanh.

• → model: add dots3-note by ngxson · Pull Request #27060 · ggml-org/llama.cpp

SWE-bench Science. Một benchmark mới gồm 119 tác vụ phần mềm khoa học cho thấy agent tốt nhất, Claude Code với Opus-5 max, đạt dưới 50%, với các dạng lỗi phổ biến ở kiến thức khoa học, khám phá, khái quát hóa và tích hợp.

• → SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science?

Trace judge rẻ hơn. LangSmith tinh chỉnh một model Qwen bằng Fireworks để phát hiện các lỗi được nhận thấy trong trace sản xuất, đạt hiệu suất ngang frontier với chi phí thấp hơn tới 100 lần.

• → Building a 100x Cheaper Trace Judge with Fireworks

Scaling law mô phỏng. Simile AI, với vòng Series B 2 tỷ USD, chạy mô phỏng hành vi con người cho các công ty Fortune 100 và tuyên bố độ chính xác 85-99% so với nhóm tập trung; CEO Joon Sung Park thảo luận về việc chuyển từ agent tạo sinh sang digital twin.

• → Simulation: the new Scaling Law — Joon Sung Park, Simile AI

Thương vụ Poolside của Nvidia. Nvidia đang trả 6 tỷ USD để cấp phép Model Factory của Poolside và tuyển 109 nhân viên, cùng khoản đầu tư 1 tỷ USD; thương vụ này không phải thâu tóm hay acquihire.

• → Nvidia is acquiring Poolside's "Model Factory" and 109 employees for $6 billion
• → [AINews] Poolside gets $12B reverse-execuhire to NVIDIA; founders stay for $1B, employees go for $6B, Infraco scaling to 7GW neocloud

Đầu tư data center. Nvidia nắm cổ phần thiểu số tại Cloverleaf Infrastructure để đẩy nhanh phát triển data center, sau khi đầu tư 1,5 tỷ USD vào SB Energy.

• → Nvidia partners with data center developer Cloverleaf

Phản đối data center. 75% người Mỹ hiện phản đối các data center gần nơi họ sống, tăng từ 42% một năm trước, do lo ngại về điện, nước và sử dụng đất.

• → Data center opposition surged from 42 to 75 percent in just one year, survey finds

Cuộc đua AI Mỹ-Trung. Mỹ đang soạn một bức thư đề nghị các nước đối tác chọn phe trong AI, cảnh báo rằng việc tham gia sáng kiến của Trung Quốc sẽ loại họ khỏi Pax Silica.

• → US wants to force partner countries to choose between Washington and Beijing in the AI race

Doanh thu OpenAI tăng vọt. GPT-5.6 Sol đã đưa doanh thu quý của OpenAI tăng 35% và doanh thu doanh nghiệp tăng hơn 50%, vượt qua mức tăng trưởng API doanh nghiệp trong quý 3 của Anthropic.

• → GPT-5.6 Sol drives OpenAI's revenue surge as it regains ground on Anthropic