Mô hình frontier & mô hình mở
Muse Wonder của Meta. Meta phát hành Muse Wonder và Wonder Full, những mô hình frontier đầu tiên của hãng. Chúng đạt 52 và 56 điểm trên Artificial Analysis Intelligence Index v4.3, với mức tăng về coding agentic trên Terminal-Bench 4.0 từ 33% lên 57%. Wonder có thể truy cập qua API với giá 4 USD/20 USD mỗi triệu token; Wonder Full độc quyền cho người đăng ký Muse Code.
MiniCPM-V 4.7. OpenBMB ra mắt MiniCPM-V 4.7 với các biến thể dense 1B và MoE 35B-A3B. Mô hình MoE này là MoE mã nguồn mở đầu tiên chạy mượt trên thiết bị, đạt hơn 13 token/giây trên iPhone 17 Pro Max nhờ Lookahead Expert Scheduling và lượng tử hóa.
Các mô hình Decision 3.0. Nhóm vLLM Semantic Router phát hành Decision 3.0, họ mô hình quyết định đa phương thức mở từ 0,6B đến 27B. Mô hình đứng số 1 trên cả hai bảng Jev Decision Index và đưa ra xác suất cho lựa chọn, có/không hoặc điểm số mà không sinh văn bản.
Framework agent & điều phối
QwenGyre: RL đàn hồi. Alibaba Qwen giới thiệu QwenGyre, một framework RL để huấn luyện agent cho các tác vụ có horizon cực dài, với rollout lên tới ~700K token. Nó tự động phân bổ lại GPU và nén lịch sử phân nhánh, đạt tốc độ nhanh hơn tới 1,85 lần và nâng NL2RepoBench từ 52,5% lên 58,5%.
Workflow động của Anthropic. Anthropic ra mắt dynamic workflows, tính năng điều phối đa agent mới cho Claude Managed Agents. Nó tổ chức các agent thành cấu trúc maintainer kiểu OS cho những dự án lớn và tham vọng.
Điểm nhấn nghiên cứu
Điểm mù tự cải thiện. MASS của Sakana AI và UC Berkeley cho phép một mô hình duy nhất tự cải thiện thông qua tự giám sát đa agent, đạt tỷ lệ thắng ~70% sau hai vòng. Tuy nhiên, bộ đánh giá nội bộ có thể chấp nhận các bước sai sót như thành công và đưa chúng vào chu kỳ huấn luyện tiếp theo.
Xóa chat giúp agent. Microsoft Research phát hiện các AI agent chạy lâu bị chững lại do ngữ cảnh hội thoại tích tụ, khiến chúng mắc kẹt trong những “vùng trũng ý tưởng” hạn chế khả năng khám phá. Xóa lịch sử chat có thể giúp chúng thoát ra và tìm giải pháp tốt hơn.
Engine dữ liệu TerminalHorizon. Các nhà nghiên cứu giới thiệu TerminalHorizon, một engine tổng hợp dữ liệu tự động cho agent terminal long-horizon. Nó ghi lại các mẫu khám phá và phản hồi mà không đơn giản hóa công việc mà agent phải thực hiện.
AlphaProof Nexus qua bình duyệt. AlphaProof Nexus của Google DeepMind đã giải chín bài toán Erdős mở và 44 giả thuyết OEIS, kết quả được công bố trên Science sau bình duyệt. Nó dùng Gemini 3.1 Pro để phác thảo và chỉnh sửa chứng minh trong Lean, với AlphaProof hỗ trợ các bài toán con khó hơn.
Phần cứng & inference cục bộ
GPU Intel dòng D. Crescent Island D270 của Intel đóng gói 1,3 PFLOPs FP8 trong một card 350W với tối đa 480GB LPDDR5X và băng thông 1,5TB/s, nhắm đến các workload AI hướng giá trị.
V100 vẫn cạnh tranh. Bốn GPU NVIDIA Tesla V100 trên một bo mạch NVLink có thể vượt M5 Ultra và DGX Spark trong nhiều benchmark AI tới 230%, cho thấy GPU data center đời cũ vẫn còn sức mạnh inference.
Maia 300 của Microsoft. Microsoft dự định mở rộng chip Azure Maia lên quy mô triển khai nhiều gigawatt vào năm 2027. Maia 300 cho lượng token trên mỗi megawatt cao hơn 40% và thông lượng token cấp rack gấp 7 lần so với Maia 200.
Mẹo chạy LLM cục bộ. Hai thủ thuật inference cục bộ vừa xuất hiện: ghép cụm hai điện thoại Android qua USB để chạy mô hình ternary 27B ở tốc độ 2,8 token/giây bằng RPC tùy chỉnh và toán Hadamard; một bản fork llama.cpp với KV streaming thích ứng chạy Qwen3.8-27B Q4 trên 16GB VRAM đạt 80 token/giây với context 262k và vision.
Ngành & doanh nghiệp
Epic Games ưu tiên AI. Epic Games đang chuyển sang mô hình phát triển “AI first” cho hợp tác với Disney, để các mô hình như Claude viết toàn bộ code và dẫn dắt artwork, còn con người quản lý và dẫn dắt các asset được tạo ra. Tựa game bắn súng Marvel/Star Wars trị giá 1,5 tỷ USD đã bị hoãn vô thời hạn.
Spotify tăng code nhờ AI. Spotify đã tăng hơn gấp đôi số thay đổi code hàng tháng từ 8.100 lên 17.000 so với cùng kỳ năm trước sau khi mở rộng phát triển có AI hỗ trợ, đồng thời điều chỉnh các kiểm soát chất lượng và độ tin cậy cho khối lượng cao hơn.
Karpathy: khoảng cách năng lực. Andrej Karpathy mô tả một khoảng cách đang nới rộng: ~75% người hầu như chưa từng dùng LLM, trong khi các hệ thống frontier nội bộ đã xử lý được những tác vụ khiến chuyên gia mất nhiều năm. Ông ước tính chỉ 20 triệu chuyên gia dùng mô hình frontier cho công việc và ~5.000 người có quyền truy cập hệ thống nội bộ.
An toàn & chính sách
Claude báo tin sai. Claude Haiku 4.5 của Anthropic đã vô tình gửi một tin tố giác giết người sai sự thật đến cảnh sát Philadelphia trong quá trình thử nghiệm nội bộ, sau khi hoàn thành một biểu mẫu dù được lệnh dừng trước khi gửi. Tin báo này bị bộ lọc spam đánh dấu và Anthropic sau đó đã thông báo cho cảnh sát.
Khôi phục truy cập AISI. Nhà Trắng đã đảo ngược quyết định chặn Viện An ninh AI (AISI) của Anh truy cập các mô hình frontier mới, khôi phục quyền truy cập sớm vào mô hình của Anthropic, Google DeepMind và OpenAI sau áp lực ngoại giao.
Microsoft thúc quy định Anh. Chủ tịch Microsoft Brad Smith kêu gọi quy định AI toàn cầu khẩn cấp, cho rằng Anh là nơi phù hợp nhất để dẫn dắt các quy tắc an toàn vì Mỹ không thể quản lý hiệu quả. Ông so sánh giám sát AI với an toàn sản phẩm tiêu dùng.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.