Agent & mô hình mới
Nanbeige4.3-33B ra mắt. Nanbeige LLM Lab phát hành Nanbeige4.3-33B theo Apache 2.0, mô hình lập trình agentic dense 33B với cửa sổ ngữ cảnh 512K. Mô hình dẫn đầu 17/20 benchmark trong bảng của lab khi so với các mô hình quanh 30B, có hiệu năng Terminal-Bench 2.1 mạnh nhưng điểm yếu hơn trên một số benchmark SWE/tác vụ. Đã có các bản quant GGUF do cộng đồng tạo, trong đó bản AD-IQ4_XS 20,3 GB được khuyến nghị cho GPU 32 GB.
Microsoft mở mã nguồn Agensh. Microsoft Research mở mã nguồn Agensh, khung agent lập trình phi tập trung bỏ điều phối trung tâm; các worker tự chọn tác vụ con, chia sẻ phát hiện và hợp nhất mã. Trong thử nghiệm, nó mở rộng từ 1 lên 1.024 agent, cải thiện điểm trên các tác vụ ProgramBench khó nhất khi số agent tăng.
Lure-TTS cỡ nhỏ. Một nhà phát triển độc lập phát hành Lure-TTS và Lure-Turbo, các mô hình giọng nói 600M tham số tinh chỉnh từ Qwen3-TTS để tổng hợp nhanh hơn thời gian thực, hỗ trợ thẻ nội tuyến, chỉ dẫn và nhân bản giọng nói. Chi phí huấn luyện được cho là dưới 200 USD, dùng RLVR, OPD và chưng cất đa giáo viên.
Agent điện thoại OpenMobile-2. Các nhà nghiên cứu phát hành OpenMobile-2, các mô hình agent điện thoại mã nguồn mở xây trên Qwen3.5 và Qwen3.6 (9B/27B). Môi trường huấn luyện gồm hơn 110 ứng dụng mô phỏng; độ đa dạng ứng dụng cải thiện tỉ lệ thành công trên ứng dụng chưa thấy từ 60,7 lên 67,5, và mô hình lớn hơn đạt 59,6 trên SPA-Bench, cao nhất trong các mô hình mở.
Mô hình DNA Carbon-X. Hugging Face phát hành Carbon-X, mô hình ngôn ngữ DNA mở 14,8B đọc chuỗi DNA thô và trả lời bằng tiếng Anh; mô hình dự đoán mức độ gây bệnh của đột biến, vùng điều hòa và base tiếp theo. Mô hình đạt trung bình 66,7% trên năm benchmark DNA, tốt nhất trong các mô hình mở được thử, và chạy trên một GPU 80 GB.
Công cụ, framework & hạ tầng
TorchTPU cho PyTorch. Google và Meta mở mã nguồn TorchTPU tại PyTorch Conference 2026, backend PyTorch gốc cho TPU nhằm thay PyTorch/XLA. Việc port được đơn giản hóa thành đổi model.to('cuda') thành model.to('tpu'), và Meta dự định chạy khối lượng lớn workload LLM trên TPU.
ML Drift của Google. Google phát hành ML Drift, engine tính toán GPU đa nền tảng theo Apache 2.0 cho suy luận AI trên thiết bị, hỗ trợ OpenGL ES, OpenCL, Metal và WebGPU. Đây là engine lõi phía sau LiteRT, hướng tới cải thiện tính di động và hiệu năng cho AI tạo sinh trên thiết bị edge.
Flora gán nhãn của Nvidia. Nvidia mở mã nguồn Flora, data engine gán nhãn video robot để tạo mô tả hành động, đánh giá tiến độ và mức thành công của tác vụ. Flora tuyên bố chi phí gán nhãn là 72 cent mỗi giờ, so với 88 USD cho GPT-6 Astra, và đã được dùng để huấn luyện GR00T với tối đa 200.000 giờ/ngày.
OSS Scanner của Anthropic. Anthropic ra mắt OSS Scanner, công cụ quét lỗ hổng miễn phí dạng opt-in cho các dự án mã nguồn mở trọng yếu, dùng những mô hình mạnh nhất của hãng. Công cụ đã nhận 114 dự án và báo cáo 77 phát hiện nghiêm trọng, 803 phát hiện mức cao; 88% phát hiện được kiểm toán đạt ngưỡng công bố, nhưng vẫn có một số trường hợp thổi phồng mức độ nghiêm trọng và trùng lặp.
TokenGate cắt tỉa token. Stanford và UC Berkeley phát hành TokenGate, module cắt tỉa token học được, cắm là chạy, dành cho LLM. Module bỏ qua các token đầu vào không liên quan, giúp thời gian tới token đầu tiên nhanh hơn 1,4–11,3 lần và bộ nhớ prefill thấp hơn 1,5–3,4 lần, không mất độ chính xác trên các tác vụ đã thử với ngữ cảnh lên tới 128k.
Điểm nhấn nghiên cứu
Agent camera FilmFlow. FilmFlow là framework agentic biến chỉ dẫn ngôn ngữ tự nhiên hoặc video tham chiếu thành quỹ đạo camera tường minh cho cảnh 3D. Một agent Director lập kế hoạch cùng các agent Interpreter, Scout và Critic; CinemaBench gồm 750 tác vụ chỉ dẫn bằng văn bản và đánh giá bằng video tham chiếu.
RouteWeaver định tuyến hợp nhất. RouteWeaver hợp nhất định tuyến một lượt, nhiều lượt và agentic trong một policy LLM, đồng thời chọn chế độ thực thi và mô hình. Cách huấn luyện COMET-GRPO của nó tách việc chọn chế độ khỏi gán tín dụng thực thi, cải thiện độ chính xác trên các tác vụ toán, lập trình và kiến thức.
Anthropic dự báo RSI 2027. Đồng sáng lập Anthropic Jack Clark dời dự đoán về tự cải thiện đệ quy sang 2027, dựa trên benchmark TasteVal, nơi năng lực gu nghiên cứu của AI tăng gấp đôi khoảng mỗi ba tháng. Mô hình tốt nhất vượt 24 chuyên gia con người với chi phí chỉ bằng một phần nhỏ, nhưng benchmark này chỉ là một lát cắt hẹp của công việc khoa học.
Thị trường & doanh nghiệp
OpenAI giảm giá giành khách. OpenAI đang giảm giá tới 90% để giành những khách hàng lớn nhất của Anthropic; Rippling, Replit và DataCamp đã chuyển chi tiêu. Khối lượng công việc lập trình của Rippling trên OpenAI tăng từ 16% lên 52%, trong khi Anthropic giảm từ 57% xuống 18%; Replit được giảm 30% cho hợp đồng hơn 100 triệu USD.
Apollo: AI chưa sinh lợi. Kinh tế gia trưởng của Apollo, Torsten Slok, nói AI chưa mang lại lợi ích tài chính nào cho 493 công ty phi công nghệ thuộc S&P, với biên lợi nhuận và doanh thu trên mỗi nhân viên đi ngang. Ông lập luận rằng trí tuệ kinh doanh chủ yếu là phán đoán, và AI không hiểu trách nhiệm giải trình, niềm tin, văn hóa hay sự công bằng.
Tìm kiếm AI của Google. Các tính năng tìm kiếm AI của Google đã đảo lộn ngành xuất bản trực tuyến, phá vỡ quan hệ đối ứng lâu năm: nhà xuất bản đổi nội dung lấy lưu lượng truy cập. Các cơ quan báo chí dành nhiều năm tối ưu cho tìm kiếm đang thấy lượt nhấp và độ hiển thị biến mất vào các câu trả lời do AI tạo.
Đế chế AI Mỹ-Trung. Trên Foreign Affairs, Eric Schmidt, Niall Ferguson và Lisa Klaassen lập luận rằng Mỹ và Trung Quốc đã dựng nên những đế chế AI khiến các nước khác phụ thuộc; Washington đổi hệ thống đóng lấy trung thành chính trị, còn Bắc Kinh cho không các mô hình trọng số mở để phổ biến tiêu chuẩn. Họ coi xung đột tiềm tàng xoay quanh Đài Loan và TSMC là rủi ro lớn nhất đối với chuỗi cung ứng AI.
Anthropic khuyên dùng một agent. Anthropic khuyến nghị doanh nghiệp cân nhắc gộp các sub-agent thành một agent chính nạp ngữ cảnh theo nhu cầu, vì các mô hình mới hơn có thể xử lý trực tiếp kế hoạch phức tạp. Trong một so sánh, agent đơn chạy nhanh khoảng gấp đôi đa agent, và bộ công cụ chuyển đổi có sẵn trên GitHub.
Doanh thu phần mềm Nvidia. Một thread trên Reddit nhấn mạnh phát biểu của Jensen Huang rằng NVIDIA đang nhắm mức doanh thu phần mềm 2.000 USD/GPU mỗi năm, cho thấy hướng đẩy mạnh phần mềm AI định kỳ bên cạnh phần cứng.
Bảo mật & an toàn
Rủi ro mô hình mở. Một thảo luận trên Reddit lập luận rằng khi Mỹ và Trung Quốc hạn chế các mô hình trọng số mở có năng lực mạng, quyền truy cập AI phòng thủ và tấn công sẽ tập trung vào chính phủ và doanh nghiệp lớn, khiến cá nhân và doanh nghiệp nhỏ khó bảo vệ hệ thống hơn. Bài đặt câu hỏi liệu các mô hình do cộng đồng huấn luyện có theo kịp mô hình tiên phong hay không.
CVE trong llama.cpp. Một CVE trong thành phần Pocket-TTS của llama.cpp cho phép ghi ngoài biên qua tệp mmproj độc hại, yêu cầu truy cập cục bộ. Nâng cấp lên b11796 hoặc master hiện tại sẽ phát hiện và dừng khai thác, nhưng PR sửa lỗi theo thiết kế vẫn còn mở.
Agent gây thảm họa dữ liệu. Một người dùng báo cáo agent VS Code Copilot đã xóa sạch cơ sở dữ liệu của họ trong lúc thử nghiệm, và hỏi liệu những vụ xóa hàng loạt do agent gây ra như vậy còn xảy ra dù đã có tiến bộ hay không. Sự việc gợi lại các báo cáo lan truyền trước đó và nhấn mạnh nhu cầu sao lưu và sandbox.
AI cục bộ & phần cứng
Qwen3.8-Flash chạy local. Người dùng so sánh Qwen3.8-Flash-Next với Swift-1.5 và thấy hiệu năng tốt hơn nhưng suy luận sâu quá mức và dùng token kém hiệu quả. Một cấu hình khác chạy mô hình 125B ở khoảng 20 tok/s trên 16 GB VRAM và 8 GB RAM, dùng offload NVMe trực tiếp với ExLlamaV3.
Mở khóa P2P RTX 3080. Một bản mở khóa cộng đồng bật P2P và reBAR trên RTX 3080 20GB, giúp tốc độ xử lý prompt với tensor parallel tăng tới 70%. Hai GPU được thử với Swift-1.5-Qwen3.8-27B AWQ INT4 trong vLLM.
ISTA quảng cáo quant. Một thread hỏi liệu bản quant IQ3_S của Qwen3.8-27B-GSQ-RCO-GGUF do ISTA-DASLab tạo có thực sự đạt hiệu năng BF16 như công bố hay không, khi so với Unsloth UD Q4_K_XL. Model card hứa hẹn chất lượng cao ở mức lượng tử hóa thấp hơn, nhưng cộng đồng vẫn chưa kiểm chứng xong.
Gemma 4 bị chê viết. Người dùng báo cáo các bản fine-tune Gemma 4 26B đồng nhất, viết văn hoa mỹ quá đà và bỏ qua các ví dụ hội thoại được cung cấp, khiến nhân vật nghe giống nhau giữa các mô hình. Tinh chỉnh phong cách vẫn là điểm đau với kiến trúc này.
Đó là tất cả tin của ngày này – khoảng 5 phút đọc.