Framework agent, công cụ & đánh giá
Spec agent Figma. Figma ra mắt trình soạn thảo Specs dựa trên Markdown cùng các tích hợp ngữ cảnh để agent bên thứ ba tuân theo quy tắc thiết kế của thương hiệu khi tạo nội dung, đồng thời đưa agent canvas của mình ra rộng rãi hơn.
Đánh giá agent thực tế. LangChain công bố hướng dẫn đánh giá agent: bắt đầu với một hành vi, xây dựng bộ dữ liệu nhỏ từ trace thật, dùng evaluator bằng code khi có thể và LLM judge khi không, rồi đánh giá cả thread lẫn trajectory.
Khắc phục context rot. Harness Deep Agents của LangChain dùng năm kỹ thuật middleware để đưa ngữ cảnh ra khỏi cửa sổ hoạt động vào các file thuần, ngăn suy giảm độ chính xác ở agent chạy dài và giúp bộ nhớ có thể chuyển giữa các mô hình.
Benchmark parser OCR. Datalab phát hành OmniParseBench, benchmark mở với 16.288 bài test pass/fail trên 2.937 trang, giúp kỹ sư chọn parser tài liệu; Gemini 3.8 Flash dẫn đầu nhỉnh hơn parser của chính Datalab.
Agent tài chính an toàn. OpenAI và Anthropic đã thảo luận về cân bằng giữa tự chủ và an toàn ở agent tài chính tại AI Engineer NY, nhấn mạnh rằng cách đặt kiểm soát và phán đoán con người quan trọng hơn số lượng hạn chế.
Phát hành mô hình & fine-tune
LFM2.5 cho agent. Một người dùng đã thay LFM2.5-24B vào quy trình Pi Agent và báo cáo tốc độ duy trì khoảng 95 token/giây trên AMD W7900, cùng hiệu năng ổn định ở các tác vụ máy móc và đệ quy.
Biến thể Qwen tiết kiệm. Ba bản phát hành riêng biệt — Sabi-Noema, Tessera-27B-CJK và MLA/GLA của Telperion — nén token suy luận hoặc KV cache để cải thiện hiệu quả; Sabi-Noema tuyên bố đạt kết quả tốt hơn trên các benchmark agent và tool-calling.
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(mở trong thẻ mới)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(mở trong thẻ mới)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(mở trong thẻ mới)
Đa phương thức trên điện thoại. MiniCPM-V 4.7 dùng Lookahead Expert Scheduling để chạy mô hình ngôn ngữ - thị giác MoE 35B trên thiết bị di động với khoảng 3GB bộ nhớ, kèm một biến thể 1B nhỏ hơn.
MoE gọn sắp ra. NVIDIA Nemotron Bolt 3.5 là mô hình MoE 74B tham số, 9B active, được nén vào 24GB nhờ huấn luyện lượng tử hóa nhận biết 2-bit, ra mắt ngày 15/10; một biến thể E4B 4GB sẽ ra mắt ngày 23/10.
MoE lập trình. JetBrains Mellum 2.1 12B A2.5B MoE chạy ở 60–140 token/giây trên GPU tiêu dùng và đủ khả năng cho tác vụ lập trình, đặc biệt khi ghép với một mô hình planner lớn hơn.
AI local & phần cứng
Dàn máy trong chuồng gà. Một người dùng đã dựng dàn máy 256GB VRAM với bốn card CMP 170HX đã mở khóa và một Threadripper, chuyển nó vào nhà kho để xử lý nhiệt và tiếng ồn, rồi chạy Qwen Flash Next và GLM 5.3 cục bộ.
Doanh nghiệp dùng AI local. Dựng ba máy 4x Radeon R9700 với EPYC giá rẻ, mỗi máy 10,7k USD, tổng cộng 384GB VRAM, để chạy AI cho USA Arms sau khi các mô hình hosted từ chối công việc liên quan đến súng.
Engine Radiance nhanh. Engine Radiance của Deadcode đạt 176 token/giây khi decode và 6.450 token/giây khi prefill với Q4 Qwen-3.8 Flash-Next trên 2x R9700 và 64GB DDR5.
Tăng tốc kernel llama.cpp. Một PR của llama.cpp bổ sung kernel GDN chunked, cải thiện xử lý prompt cho MoE tới 20,6% trên RTX PRO 6000 và 17,9% trên RTX 5090.
Nghiên cứu & AI ứng dụng
AI thiết kế chip. Ricursive Intelligence cho biết AI có thể thiết kế chip theo vòng lặp để cải thiện hiệu quả, giải quyết nhu cầu tính toán tăng gấp 10.000 lần mà không cần xây số trung tâm dữ liệu nhiều gấp 10.000 lần.
AI chưa tự cải thiện. Haydn Belfield của Google DeepMind nói rằng AI viết hơn 75% code production nhưng chưa tăng tốc đáng kể nghiên cứu AI; giám sát của con người vẫn thiết yếu với các tác vụ phức tạp.
Comment không quan trọng. Một lập trình viên xóa 168.000 dòng comment khỏi codebase và nhận thấy một agent AI tạo code tốt như nhau trên cả hai phiên bản qua ba lần chạy, đặt câu hỏi về giá trị của comment.
Dịch ngược bằng AI. Dịch ngược bằng AI đang mở đường cho game mashup và bảo tồn game, nhưng cũng đe dọa phần mềm độc quyền, theo thảo luận của lập trình viên indie Popcar.
Protease do AI thiết kế. Các nhà nghiên cứu dùng thiết kế protein bằng AI để thay thế phần không xúc tác của protease, tạo ra enzyme cắt đặc hiệu các protein liên quan đến bệnh thần kinh.
Dự báo thời tiết AI. HiRO-ACEv2 của Ai2 mô phỏng thời tiết cực đoan ở độ phân giải 3 km với chi phí bằng khoảng 1/300 so với X-SHiELD, trong khi công cụ ML của Microsoft hiệu chỉnh sai lệch trong dự báo 2–6 tuần, công bố trên Nature.
Agent trong production
Agent chống lừa đảo. Apate triển khai hàng nghìn agent AI giả làm nạn nhân để làm tốn thời gian của kẻ lừa đảo và thu thập tài khoản ngân hàng, ví cũng như hạ tầng lừa đảo; chúng đã xử lý 2,5 triệu cuộc trò chuyện.
Bán hàng tự chủ. Floqer đang xây dựng agent AI liên tục thu thập và cập nhật kiến thức khách hàng cho bán hàng B2B, đã vượt 1,2 triệu USD ARR và dự định mở mã nguồn công nghệ này.
Đặt hàng hội thoại. Square ra mắt kiosk giá 1.999 USD với lớp giọng nói agentic hiểu menu và xử lý chỉnh sửa, thay thế món trong thời gian thực.
Theo dõi bão mạng. Gudea dùng AI để phân tích cách câu chuyện lan truyền trên hơn 500 nền tảng và xác định ai đang dẫn dắt các cuộc trò chuyện trước khi khủng hoảng bùng phát, vượt ra ngoài social listening truyền thống.
Gemini chống lừa đảo. Google Messages đang triển khai tính năng bảo vệ tăng cường dạng opt-in, dùng Gemini trên đám mây để đánh giá ý định của người gửi chưa nhận diện, với xử lý mã hóa trong không gian an toàn.
AI phỏng vấn khách hàng. McKinsey sẽ để một số ứng viên entry-level tương tác với khách hàng mô phỏng bằng AI trong buổi phỏng vấn; con người đánh giá phần thể hiện, không phải AI.
Ngành, chính sách & kinh doanh
Cuộc đua AI mở lại. Google và Meta công bố các mô hình frontier mới thách thức OpenAI và Anthropic, đảo ngược cảm nhận rằng cuộc đua đã thu hẹp.
Lộ trình mô hình OpenAI. OpenAI được cho là dự định phát hành một hoặc hai mô hình trong năm nay, nhưng mô hình flagship tiếp theo vẫn cần công việc alignment và đánh giá an toàn từ chính phủ.
Kiện OpenAI vì trẻ em. Tám bang của Mỹ kiện OpenAI, cáo buộc ChatGPT không an toàn cho trẻ em và công ty đánh lừa người tiêu dùng về an toàn, viện dẫn các tác hại gồm suy giảm tư duy phản biện.
Dữ liệu Character.AI. Các tổng chưởng lý bang đệ trình thông báo trong vụ phá sản của Character.AI nhằm bảo vệ các cuộc trò chuyện riêng tư của người dùng khỏi bị bán, cảnh báo rủi ro do số lượng lớn người chưa thành niên.
Kiểm soát nhạc AI. YouTube bổ sung nhãn cho bài hát do AI tạo, Deezer dự định có bộ lọc loại trừ track AI, và cả hai nền tảng đều hướng tới tăng minh bạch quanh nhạc generative.
Nvidia đầu tư châu Âu. Nvidia công bố 2 tỷ USD đầu tư mới vào châu Âu, cổ phần trong các startup Pháp và 250 triệu USD cho năng lực tính toán tại các phòng thí nghiệm an toàn AI của Anh.
Launcher vibe-code. Epic Games xây lại launcher từ đầu bằng lập trình có AI hỗ trợ, tuyên bố hiệu năng nhanh hơn và đội ngũ nhỏ hơn.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.