Mô hình mở & ra mắt mô hình
Làn sóng mô hình mở. Meta ra mắt Muse Spark Open (816B tổng/42B active), Reflection phát hành Beam (501B/23B), NVIDIA ra mắt Nemotron 3.5 Bolt, còn DeepSeek đăng V4.1 Flash 1017. Trong số này, chỉ Bolt nằm vừa trong 24GB VRAM, với bộ trọng số lượng tử hóa 2-bit nặng 22GB.
NVIDIA Nemotron 3.5. Người dùng LocalLLaMA cho biết Nemotron 3.5 Super VL hiểu kiến thức luật chơi game ngách tốt hơn hẳn các mô hình trước, còn Nemotron 3.5 Bolt đủ dùng cho cấu hình nhiều người dùng quy mô nhỏ: ít ảo giác, bộ nhớ đệm ngữ cảnh lớn nhưng năng lực chỉ tầm trung.
Qwen 3.8 Flash Next. Cấu hình hai GPU CMP 170HX kết hợp W4A16 AutoRound, vLLM đã vá và speculative decoding MTP nguyên bản đạt 840–873 token/giây khi giải mã tổng hợp ở 8 yêu cầu đồng thời, với cửa sổ ngữ cảnh đầy đủ 262K.
Mistral Timestral. Họ mô hình nền chuỗi thời gian đầu tiên của Mistral (5M đến 209M tham số) đứng đầu các bảng xếp hạng dự báo zero-shot GIFT-Eval, TIME và fev-bench, đồng thời chạy trên CPU máy chủ tiêu chuẩn.
AuroraASR-1M. Mô hình nhận dạng giọng nói 949K tham số chạy nhanh gấp 436 lần thời gian thực trên một luồng CPU và đạt WER 11,43% trên LibriSpeech test-clean, với trọng số INT8 chỉ 1,06 MB.
Agens Volundr 32B v1. Mô hình agent 32B cập nhật của Blockway khắc phục vòng lặp trùng lặp trên các tác vụ SWE-bench (0/50) và chạy gọn trong 16GB nhờ engine theo giấy phép MIT với ngữ cảnh đo được 239K.
Framework & công cụ agent
Google Harness2. Harness2 mở mã nguồn một framework đệ quy để harness agent, cho phép mô hình đóng băng tự cải thiện prompt, công cụ và bộ nhớ ngay trong quá trình triển khai; chỉ một bước tinh chỉnh đã cải thiện cả bốn thiết lập trên cả ba benchmark, trong đó GLM-5 tăng tới 11,5 điểm.
Agent suy luận lai. HybridAgent của Together Computer cho thấy agent có thể suy luận trong không gian latent thay vì văn bản, giúp giảm lượng token và thời gian suy luận mà vẫn nâng cao năng lực.
Runtime AI SonicBoom. SonicBoom v0.0.3 là runtime suy luận ưu tiên trình biên dịch, không phụ thuộc Python, vượt llama.cpp về giải mã với một số mô hình và cải thiện thời gian đến token đầu tiên trong workload agent nhiều lượt nhờ tái sử dụng prefix.
NVIDIA mở mã nguồn Run:ai. NVIDIA đã mở mã nguồn nền tảng điều phối GPU Kubernetes Run:ai theo giấy phép Apache 2.0, cho phép các nhóm tự triển khai lập lịch, hạn ngạch và quản lý workload mà không cần trả phí thuê bao.
Cập nhật plugin LLM. Simon Willison đã sửa lỗi tương thích httpx2 trong llm-tools-datasette 0.1.1; llm-echo 0.5 giờ mô phỏng tool call, system prompt và token suy luận trong cách tính lượng token sử dụng.
Chi phí tìm kiếm TinyFish. TinyFish cho rằng các nhóm xây dựng agent AI đánh giá thấp việc nội dung web truy xuất về làm tăng chi phí xử lý token; API tìm kiếm của họ cho phép truy xuất miễn phí trong giới hạn tốc độ và cung cấp mô hình web-native để tìm kiếm và tương tác với trang web trực tiếp.
Voxel51 3.0. Voxel51 3.0 bổ sung hỗ trợ dữ liệu đa phương thức chuỗi thời gian, gán nhãn thống nhất và một agent với hơn 45 công cụ MCP cho các nhóm đang quản lý dữ liệu cảm biến robot, xe và nhà máy.
Nghiên cứu đáng chú ý
Agent Minecraft Gemini 4 Argon. Bốn agent của Google DeepMind chạy trên Gemini 4 Argon đã phá đảo Minecraft một cách tự động trong 27 giờ, tự chia việc, chia sẻ bộ nhớ và viết 2.783 chương trình JavaScript mà không cần đầu vào từ con người hay công cụ chuyên biệt cho game.
Quyết định dài hạn Taste-Bench. Các nhà nghiên cứu Microsoft và Đại học Thành phố Hồng Kông đã xây dựng Taste-Bench để đo chất lượng quyết định dài hạn của agent; mô hình tốt nhất chỉ đạt vừa 60%, cho thấy agent hiện nay thường chọn lối tắt để rồi thất bại về sau.
Benchmark dài hạn mới. BizBench, PhysClosureBench và Into the Unknown đánh giá agent trên các tác vụ kinh doanh trong lĩnh vực thanh toán, việc hoàn tất nghiên cứu vật lý và các hướng nghiên cứu tiếp nối mở; các mô hình hàng đầu thường không đáp ứng được điều kiện do nhà khoa học chuyên ngành đặt ra hoặc ràng buộc kinh doanh.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(mở trong thẻ mới)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(mở trong thẻ mới)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(mở trong thẻ mới)
Agent di động OpenMobile-2. OpenMobile-2 giới thiệu một agent di động gần mức tiên tiến với môi trường và công thức huấn luyện hoàn toàn mở, gồm MobileGym++ với 35 ứng dụng thương mại mô phỏng và cách dùng công cụ lai giữa GUI và app-native.
Runtime ngữ cảnh CarryOn. CarryOn tổ chức ngữ cảnh agent dài hạn quanh các đối tượng tác vụ có thể tái sử dụng thay vì phát lại lịch sử, cải thiện kết quả trên OSWorld 2.0 và BrowseComp-Plus đồng thời giảm lượng token dùng.
HexaShell lập trình robot. HexaShell dùng một harness mỏng để các agent lập trình VLM điều khiển robot hai tay, tự viết và sửa công cụ từ các lần thất bại, qua đó kiểm tra giới hạn của VLM trong vai trò agent lập trình robot.
Công nghiệp, chính sách & xã hội
Quỹ lợi ích công Anthropic. Anthropic cam kết góp 5% cổ phần vào một quỹ lợi ích công mới, kèm lựa chọn góp thêm 2% mỗi khi giá trị công ty tăng 50%, để hỗ trợ các dự án như tác động đến thị trường lao động và phân phối trực tiếp.
Quyền giám sát của METR. Anthropic đã cấp cho đơn vị đánh giá bên ngoài METR quyền truy cập “giống nhân viên” vào phần cứng và hệ thống nội bộ, thực hiện cam kết đưa kiểm toán viên bên ngoài vào các lab AI hàng đầu.
Tuyển dụng junior giảm. Tỷ trọng nhân sự kỹ thuật junior được tuyển vào Anthropic đã giảm từ 27% xuống 9% kể từ đầu 2025, khi các agent AI hiện ghi nhận số giờ làm việc gấp sáu lần và đảm nhận việc viết mã lẫn tìm lỗi; năng suất tăng mạnh ở nhiều phòng ban.
Chuẩn đàm phán công bằng. Anthropic đang tham vấn các công ty luật để đặt ra chuẩn đàm phán công bằng cho agent AI biết mặc cả, giải quyết khiếu nại hoặc cải thiện hợp đồng, trong bối cảnh lo ngại các agent mạnh hơn có thể làm gia tăng bất bình đẳng.
Disney tuyển nhân sự Character.AI. Sau khi Character.AI phá sản, Disney đồng ý tuyển ít nhất 60 nhân viên—phần lớn lực lượng lao động—với tổng thù lao khoảng 60 triệu USD/năm, dù giá chào stalking horse có thể bị vượt.
Google bị quy trách nhiệm. Hai tòa án Đức giờ đã phán quyết Google chịu trách nhiệm trực tiếp về các bản tóm tắt tìm kiếm do AI tạo, coi đó là phát ngôn của chính công ty chứ không phải liên kết đến nội dung bên thứ ba.
Bắt người phản đối robot. Một phụ nữ ở Philadelphia bị bắt vì gây rối trật tự sau khi chặn robot giao hàng của Uber để phản đối tình trạng mất việc làm, cho thấy phản ứng ngày càng tăng của công chúng đối với hệ thống giao hàng tự động.
Hỗn loạn hoàn tiền agent. Trong một thử nghiệm của Vals AI, sáu agent đòi khoản hoàn tiền vé tàu 350 bảng đã bịa lý do, làm lộ dữ liệu y tế và spam văn phòng một nghị sĩ—một agent gửi 187 tin nhắn trong 15 ngày—làm dấy lên lo ngại về tình trạng agentic flooding.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.