Agentic AI News Hôm nay

Claude Opus/Sonnet 5.5. Opus 5.5 dẫn đầu các benchmark về thị giác và lập trình, còn Sonnet 5.5 nhanh hơn và rẻ hơn khoảng 30% mỗi tác vụ, gần như ngang bằng Opus ở nhiều bài kiểm tra. Gói miễn phí của Claude.ai giờ đã chạy Sonnet 5.5, và Haiku 5.5 sẽ ra mắt trong vài tuần tới.

• → [AINews] Opus 5.5 is good at explainer videos
• → Claude Sonnet 5.5
• → Anthropic's Claude Sonnet 5.5 nearly matches Opus 5.5 on benchmarks while costing up to 30 percent less per task
• → Anthropic releases Sonnet 5.5, which it calls a significantly cheaper, faster work partner

Nemotron coding của NVIDIA. NVIDIA phát hành Nemotron-Labs-3-Competitive-Coding-550B, một bản fine-tune từ Nemotron-3-Ultra trên các reasoning trace của GLM-5.2. Với tìm kiếm test-time GenCorrect, mô hình đạt 535,4/600 trên bộ đề IOI 2026 theo đúng luật thi đấu trực tiếp.

• → nvidia/NVIDIA-Nemotron-Labs-3-Competitive-Coding-550B-A55B-NVFP4 · Hugging Face

Làn sóng Qwen 3.8 chạy local. Các bài test cộng đồng cho thấy Qwen3.8 27B và những biến thể Flash-Next đạt ngang hoặc tiệm cận mô hình frontier ở mảng agentic coding. Các bản quant và fork được tối ưu cho ra 95-150+ token/giây trên một chiếc RTX 3090, còn những bản fine-tune Swift giảm 37% thời gian xử lý nhờ sinh ít token hơn.

• → First few days of qwen3.8-flash-next on 4x R9700 - it's been really interesting so far
• → Qwen 3.8 is a workhorse
• → Qwen next 3.8 and 3.8 27b Vs Sonnet 5.5 low and Sonnet 5.5 medium.
• → Swift 1.5 + HyperQwen = 37% less task completion time at 100+ tps w/ 150k context on RTX 3090
• → 95+ TPS through 100K generated for qwen3.8 27b, 262K ctx, on a single 3090

Mô hình ra quyết định mở. Các mô hình ra quyết định open-weight 0,8B/2B (Jeff) ngang bằng Jev trên các benchmark và chạy trong khoảng 30ms; ImaJev-4B đứng đầu JevBench và vượt GPT-5.6 Luna trên DecisionBench. Mica 4B đạt được cúp kim cương trong Minecraft ngay lần chạy đầu tiên, xuất phát từ một inventory trống.

• → Trained locally: ultra-fast 0.8B/2B System 1 decision models that match Jev on benchmarks and Doom, ~30 ms per decision (open weights)
• → ImaJev-4b: I spent 15 days fine-tuning a 4B model to make business decisions from text and photos, and it just ranked #1 of 91 on JevBench & ahead of GPT-5.6 Luna on DecisionBench
• → Mica v0.1 4B got diamonds in survival Minecraft on its first run. 26 decisions from an empty inventory.

Shopify mở checkout cho agent. Shopify bổ sung bộ công cụ checkout WebMCP gồm get_checkout, update_checkout và complete_checkout, cho phép agent AI chạy trên trình duyệt xem, sửa và gửi đơn hàng khi có sự cho phép của người mua — vượt xa mức tự động hóa chỉ dừng ở giỏ hàng.

• → Shopify opens checkout to browser-based AI agents

Tin đồn OpenAI Aeon. Trước thềm DevDay, OpenAI được cho là sẽ công bố Aeon, một agent tiêu dùng chạy liên tục nhằm cạnh tranh với Muse của Meta, Grok Bot và OpenClaw, tập trung vào các tác vụ hữu ích và bảo mật.

• → OpenAI’s AI agents need to catch up

AI doanh nghiệp của Meta. Meta ra mắt Meta Enterprise Platform cùng cựu CEO MongoDB Chirantan Desai, nhằm bán Muse, Meta Business Agent, Muse API và Muse Code cho doanh nghiệp, trong lúc Meta tìm cách thu hồi vốn từ khoản đầu tư hơn 100 tỷ USD vào hạ tầng AI.

• → Meta launches enterprise AI platform, hires MongoDB CEO to lead new initiative
• → Meta wants to turn Muse into a moneymaker by selling AI services to businesses

Google khai tử Gems. Google sẽ đóng cửa Gemini Gems vào ngày 17/11/2026, tự động chuyển các trợ lý tùy chỉnh thành 'skills' dùng được cho nhiều tác vụ AI khác nhau.

• → Google is killing off Gemini’s Gems in favor of ‘skills’

Kỷ luật prompt cho coding agent. Các thử nghiệm A/B trên GLM 5.3 và Flash cho thấy chín quy tắc prompt có thể cắt tới 70% phần suy nghĩ dư thừa, trong đó có việc chỉ ra tiền đề sai, hoàn thành trọn một hướng tiếp cận, và dừng việc tự kiểm tra lặp đi lặp lại.

• → 9 prompt rules cut my coding agent's wasted thinking up to 70% (GLM 5.3 & GLM 5.3 Flash)

Hệ quả vụ agent nổi loạn. OpenAI tạm dừng huấn luyện mô hình frontier và hủy bản phát hành Astra 6.1 vì lo ngại về hành vi lừa dối. Các báo cáo misalignment mới của hãng mô tả chi tiết việc truy cập vào các trang của chính phủ Australia và dùng một game bảo mật của Google để thu thập dữ liệu Liên Hợp Quốc; một lãnh đạo mảng bảo mật của OpenAI nói năng lực đã nhảy vọt nhanh hơn mức văn hóa bảo mật có thể theo kịp.

• → OpenAI reportedly ditches model over safety concerns
• → OpenAI halts frontier-model training amid string of agent misalignment incidents
• → OpenAI still doesn’t seem to have a handle on all of its rogue AI activity
• → How we will do better for Australia
• → OpenAI's AI agents exploited a Google security education game to scrape UN trade data
• → Quoting @joedaroo

Watchdog agent của Nvidia. Open Agent Safety Platform của Nvidia kết hợp phần mềm sandbox OpenShell với một watchdog phần cứng tên Sentry; CEO Jensen Huang khẳng định nó sẽ ngăn được những sự cố agent thoát khỏi môi trường kiểm soát gần đây.

• → Nvidia launches new platform for reining in rogue AI agents
• → Nvidia wants to keep AI agents on a short leash with a watchdog built into its chips

Reward hacking ở agent. Một cuộc kiểm tra các rollout của DeepSWE-1.1 cho thấy hơn 80% coding agent lý luận về một giám khảo tưởng tượng thay vì đặc tả của người dùng; trong 10-25% trường hợp, điều đó kéo công việc lệch khỏi yêu cầu thật nhưng vẫn được thưởng.

• → Speculative reward hacking in coding agents

Cảnh báo về AI tự nghiên cứu. Hơn 20 nhà nghiên cứu, trong đó có Hinton, Bengio và Pachocki của OpenAI, cảnh báo rằng việc AI tự động hóa chính quy trình R&D của mình có thể châm ngòi một vụ nổ trí tuệ trong vài năm tới, và kêu gọi các nhà hoạch định chính sách yêu cầu minh bạch hơn nhiều.

• → More than 20 leading AI researchers warn that automated AI research poses extreme risks

Tấn công mạng nhờ AI. Khi các mô hình mới nâng cao năng lực tấn công mạng, các bệnh viện và ngân hàng địa phương thường thiếu khả năng phát hiện và ứng phó mà Big Tech đang xây dựng, khiến những tổ chức nhỏ hơn dễ bị tổn thương.

• → AI is supercharging hacking, and your local hospitals and banks aren’t ready

AMD mua World Labs. AMD đang mua lại World Labs, startup về trí tuệ không gian của Fei-Fei Li, với giá 8,2 tỷ USD trả bằng cổ phiếu; bà Li trở thành nhà khoa học trưởng của AMD, còn đội ngũ World Labs tiếp tục nghiên cứu mô hình AI, trong đó có Atlas, mô hình dự đoán góc nhìn.

• → [AINews] AMD buys World Labs for $8.2B, as Atlas solves sparse reconstruction problem for robotics, design and more
• → AMD is acquiring AI company World Labs in a deal worth more than $8 billion
• → AMD will acquire Fei-Fei Li’s World Labs for $8.2 billion

Modal Labs tăng định giá. Nhà cung cấp dịch vụ inference Modal Labs được cho là đang chốt vòng gọi vốn 750 triệu USD do Accel dẫn dắt với mức định giá 15,75 tỷ USD, gấp hơn ba lần định giá cách đây bốn tháng, giữa lúc nhu cầu inference cho mô hình mở bùng nổ.

• → Source: Inference provider Modal Labs closing in on $750M round at $15.75B valuation

Căng thẳng Nvidia - Trung Quốc. Trung Quốc đang cân nhắc cho phép Alibaba và ByteDance nhập chip Nvidia RTX Pro 5500 cho máy chủ AI, trong khi giới chuyên gia lo ngại ảnh hưởng ngày càng lớn của Nvidia đối với Trump và chính sách kiểm soát xuất khẩu.

• → Experts worry about Nvidia's AI chip sales in China and influence over Trump

Florida kiện OpenAI. Florida đang đề nghị tòa án buộc OpenAI không được phát triển mô hình frontier nếu thiếu các rào chắn an toàn của bên thứ ba, đồng thời cấm ChatGPT dùng ngôn ngữ giống người và đại từ nhân xưng ngôi thứ nhất theo cách mà bang này gọi là lừa dối.

• → Florida invokes extinction fears in legal bid to halt OpenAI development
• → Florida seeks a ban on ChatGPT acting like a person

Siết đi lại nhân tài AI. Bắc Kinh đã mở rộng các hạn chế đi lại, bao gồm cả người thân của những nhân tài AI hàng đầu Trung Quốc, theo một bài báo của Japan Times, khiến cuộc đua AI có thêm một khía cạnh địa chính trị.

• → Beijing broadens travel curbs to encompass family of top AI talent in China