Phát hành mô hình & Điểm chuẩn
Granite 4.2 suy luận. IBM phát hành Granite 4.2 với ba kích thước 3B, 8B và 30B theo Apache 2.0. Các mô hình có chế độ tư duy chain-of-thought, ngữ cảnh 512K, gọi công cụ native và được huấn luyện thêm bằng học tăng cường agentic.
Mô hình pháp lý Thomson Reuters. Thomson Reuters phát hành Thomson-1.0-Small, mô hình tập trung vào luật và thuế.
Lượng tử hóa Qwen3.8 NVFP4. Checkpoint Qwen3.8-27B được lượng tử hóa hoàn toàn bằng NVFP4, dùng chưng cất có nhận thức lượng tử hóa (quantization-aware distillation) với QUASAR để duy trì hiệu suất gần với BF16, ngay cả khi mọi lớp tuyến tính đều lượng tử hóa.
Điểm chuẩn Muse Glimmer. Muse Glimmer vượt trội hơn Qwen3.8 medium trong một benchmark tri thức ngầm và chỉ mất 3-4 giờ, so với 30 giờ của Qwen xhigh, cho thấy RAG có thể đưa nó tới gần các mô hình tiên phong.
Qwen3.8-Flash-Next local. Qwen3.8-Flash-Next sắp ra mắt là MoE đa phương thức với khoảng 125B tổng tham số và khoảng 6B tham số kích hoạt, cùng bảng n-gram 51B. Một phiên bản lượng tử 4-bit có thể nằm vừa trong khoảng 82 GB; điều này khiến nó thân thiện với local một cách đáng ngạc nhiên.
Phần cứng & Suy luận
Kernel AMD MI350X. NetraRuntime đã phát hành mã nguồn mở một kernel chạy Qwen3.6-35B-A3B với 78.498 token đầu ra mỗi giây trên 8 GPU MI350X, gấp khoảng 2,16 lần thông lượng của vLLM.
Chip Jalapeño OpenAI. Chip suy luận tùy chỉnh đầu tiên của OpenAI, Jalapeño, được cho là vượt qua Nvidia Blackwell và Rubin về thông lượng trên mỗi watt và độ trễ trong các điểm chuẩn của SemiAnalysis, đạt 1.400 token/giây cho mỗi người dùng trên GPT-OSS 120B.
Tăng tốc DFlash2. Thiết lập speculative decoding DFlash2 trên RTX 4080 16GB giúp tăng tốc Qwen3.8-27B từ 50,6 lên 86,7 token/giây với chất lượng đầu ra giống hệt.
Lựa chọn Mac Studio. Mac Studio M5 Ultra 96GB có băng thông bộ nhớ gấp đôi M5 Max 128GB với giá cao hơn khoảng 740 euro, nhưng phân tích chi phí cho thấy các card 24-32GB rẻ hơn có thể tiết kiệm hơn cho hầu hết nhu cầu inference local.
Thử nghiệm lập trình 16GB. Một phiên bản Qwen3.8-27B bị lượng tử hóa mạnh chạy trên Quadro 16GB đã triển khai đúng phương pháp ma trận chuyển tiếp đa lớp từ đầu, dù dành phần lớn thời gian trong 100 phút để gỡ lỗi các validator của chính nó.
Agent & Framework
Công cụ agent LangChain. LangChain bổ sung RubricMiddleware cho agent tự đánh giá, hỗ trợ skills trong deepagents-CLI, và ghi lại các pattern về kỹ thuật vòng lặp để xếp chồng vòng lặp agent.
LangSmith Engine 2x. LangSmith Engine hiện xác định các vấn đề agent có ảnh hưởng tốt gấp hơn hai lần trên benchmark nội bộ và viết bản sửa lỗi tốt hơn 25%.
Bộ nhớ Claude Cowork. Anthropic đã hợp nhất bộ nhớ giữa Claude chat và Claude Cowork, nhờ đó Cowork giờ nhớ ngữ cảnh từ chat và người dùng có thể xem, sửa hoặc xóa thông tin được lưu.
Agent plan-and-execute. LangChain giới thiệu bộ thực thi agent Plan-and-Execute: đầu tiên lập kế hoạch cho tác vụ nhiều bước, sau đó thực thi; đánh đổi nhiều lần gọi LLM hơn để có khả năng lập kế hoạch dài hạn tốt hơn.
Ngành & Kinh doanh
Voice AI Ấn Độ. Ringg huy động 10 triệu USD từ Peak XV để xây dựng các agent voice AI cho doanh nghiệp Ấn Độ. Công ty hiện xử lý 20 triệu cuộc gọi mỗi tháng với các khách hàng như Flipkart và Cred.
Generalist robotics 3 tỷ USD. Startup robot Generalist hiện được định giá 3 tỷ USD sau vòng gọi vốn mở rộng đưa Series B lên 600 triệu USD. Mô hình Gen 1.5 cho phép robot học các tác vụ từ video demo ngắn chỉ từ 3 đến 12 giây.
Stability AI gọi vốn. Stability AI huy động 76 triệu USD trong vòng Series B từ các nhà đầu tư gồm Universal Music, Sony Music, Warner Music và EA, đưa tổng vốn huy động lên 232 triệu USD cho các công cụ AI sáng tạo.
Google AI pháp lý. Google ra mắt Gemini Enterprise for Legal, sử dụng các bộ kết nối MCP để tích hợp với iManage, NetDocuments, Harvey và các nền tảng khác nhằm rà soát hợp đồng, nghiên cứu pháp lý và theo dõi quy định.
Agent Lyft và Klarna. Lyft xây dựng nền tảng chăm sóc khách hàng đa agent tự phục vụ với LangGraph và LangSmith, trong khi trợ lý LangGraph của Klarna xử lý khối lượng công việc tương đương 700 nhân viên toàn thời gian.
An toàn & Chính sách
Chiến dịch ChatGPT Nga. OpenAI đã phá vỡ một chiến dịch ảnh hưởng ngầm của Nga sử dụng ChatGPT để tạo nội dung thân Kremlin và các bài viết giả mạo, phát tán trên X, LinkedIn, Facebook, Substack và Telegram.
Tuân thủ EU AI Act. LangChain đăng tải hướng dẫn sử dụng LangSmith và LangChain OSS để đáp ứng các yêu cầu rủi ro cao của EU AI Act, bao gồm ghi log, theo dõi và giám sát của con người.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.