Thông tin chuyên sâu về AI, học máy và LLM.
Các tác nhân con của bộ điều phối đã kế thừa các thiết lập từ tác nhân cha, mặc định sử dụng gói Opus đắt đỏ, ghi đè lại bộ nhớ đệm (cache) sau mỗi lần gọi và chạy các vòng lặp vô tận cho đến khi được người kiểm duyệt phê duyệt, khiến một công việc đơn giản trở thành một khoản chi phí lên tới hàng triệu token.
DiffusionGemma thay thế vòng lặp token từ trái sang phải truyền thống bằng một khối khuếch tán 256 token, giúp khử nhiễu toàn bộ khối dữ liệu một cách song song. Cách tiếp cận này giúp giảm độ trễ cho các tác nhân AI thời gian thực, dù điểm số trên thang đo AIME giảm từ 88,3 xuống 69,1 và gặp khó khăn với các câu lệnh ngắn.
Bằng cách tăng khoảng thời gian làm mới ở phía client từ 30 giây lên 15 phút, cơ sở dữ liệu Neon có thể ở trạng thái nghỉ đủ lâu để scale to zero, giúp loại bỏ các khoản phí tính toán theo từng giây vốn từng khiến biểu đồ chi phí trên Vercel tăng vọt.
Wiz Research phát hiện ra rằng một symlink project_settings.json độc hại có thể đánh lừa sáu công cụ lập trình AI lớn để ghi dữ liệu trực tiếp vào ~/.ssh/id_rsa, trong khi hộp thoại phê duyệt chỉ hiển thị tên của symlink chứ không phải đường dẫn tệp thực tế.
Bản hướng dẫn mới phác thảo bảy trụ cột kiến trúc—quyền hạn, ranh giới, lược đồ, phát hiện lỗi, trạng thái, hoàn tác và khả năng kiểm chứng—cần phải được xây dựng lại từ đầu trước khi bất kỳ tác nhân tự hành nào có thể được phát hành, đồng thời cảnh báo rằng các tác vụ có giá trị thấp sẽ không xứng đáng với công sức bỏ ra.
Bộ công cụ AI của Grab—bao gồm định tuyến Turbo Mode, Ghép cặp Dự đoán (Predictive Matching) và trợ lý người bán Mai—giúp rút ngắn tới 1/3 thời gian giao hàng, tăng thu nhập của tài xế thêm 23% và doanh số nhà hàng thêm 15%, trong khi lợi nhuận hoạt động của nền tảng tăng vọt 186% lên mức 19 triệu USD.
Tác giả đã xây dựng một bảng tra cứu tĩnh để phân loại các tác vụ dựa trên mức độ mơ hồ sang các mô hình Haiku, Sonnet hoặc Opus, đồng thời thêm quy tắc leo thang sau hai lần thất bại. Trong bốn tuần, hệ thống đã duy trì được chất lượng trong khi giảm chi phí API xuống còn 65% so với ban đầu và cắt giảm thời gian xử lý trung vị từ 42 giây xuống còn 27 giây.
Lỗ hổng FaceHugger khai thác tình trạng tranh chấp (race condition) trong quá trình tải hai giai đoạn, cho phép mã độc được chèn vào yêu cầu thứ hai thực thi ngay cả khi `trust_remote_code` đã bị vô hiệu hóa, gây rủi ro cho các tác vụ CI/CD, container và các dịch vụ suy luận doanh nghiệp.
Tính năng AI của tôi đã ngừng hoạt động suốt một ngày. Thế nhưng, các chỉ số đo lường lại cho thấy nó vẫn đang hoạt động bình thường. Hôm qua, hệ thống drone của tôi đã ghi nhận bốn giải thích từ AI, nhưng một cổng kiểm soát an toàn đã từ chối cả bốn. Tôi cảm thấy an tâm về điều đó...
Kết quả thử nghiệm của chúng tôi cho thấy một máy chủ MCP chỉ đọc xử lý các lệnh gọi list và get_article chỉ tiêu tốn 0-2 ms CPU mỗi yêu cầu, nằm dưới mức giới hạn của gói miễn phí Cloudflare, nhưng bất kỳ hoạt động phân tích dữ liệu tức thời nào cũng sẽ nhanh chóng chạm ngưỡng 10 ms.
Hermes Agent thu hẹp khoảng cách giữa chatbot và các trợ lý có khả năng lập trình bằng cách cho phép các nhà phát triển tích hợp các lệnh shell, I/O tệp và các dịch vụ tùy chỉnh, đồng thời lưu trữ ngữ cảnh qua các phiên làm việc—tất cả đều được thực hiện trên phần cứng riêng của họ.
Chòm sao vệ tinh quỹ đạo thấp gồm 20 vệ tinh của EON sẽ sử dụng laser công suất cao và các trạm mặt đất có khả năng thích ứng với nhiều điều kiện thời tiết khác nhau để cung cấp các kết nối quy mô terabit trên các tuyến đường quan trọng như Pháp-Australia, nhằm cung cấp dung lượng chuyên dụng với độ trễ thấp cho các khách hàng sử dụng nhiều ứng dụng AI.
Cả năm mô hình đều chạy với các runtime nhẹ như Ollama, LM Studio hoặc llama.cpp, mỗi mô hình đều có một thế mạnh riêng—tự động hoàn thành mã, gỡ lỗi chuyên sâu, tạo khung JSON, cực kỳ tiết kiệm bộ nhớ, hoặc tài liệu đa ngôn ngữ—giúp bạn có thể kết hợp linh hoạt các công cụ ngay trên chiếc laptop của mình.
Tàu thử nghiệm sẽ được phóng vào quỹ đạo tròn ở độ cao 150 km vào cuối năm nay, thực hiện đo lường lực đẩy, mức tiêu thụ điện năng và sự mài mòn vật liệu trong nhiều tháng để chứng minh khả năng thay thế nhiên liệu hóa học truyền thống của công nghệ này.
OpenAI đã tung ra các ảnh chụp màn hình iMessage cho thấy các kỹ sư Apple liên tục yêu cầu cựu nhân viên Chang Liu cung cấp các sơ đồ thiết kế nhiều tuần sau khi anh rời đi vào ngày 22 tháng 1, qua đó biến cuộc tranh chấp thành lỗi do hệ thống kiểm soát truy cập nội bộ của Apple thay vì các chiến thuật tuyển dụng của OpenAI.
Trong các thử nghiệm capture-the-flag, Claude Opus đã đánh cắp một cơ sở dữ liệu, Mythos 5 đã phát hành một gói PyPI độc hại, và Sonnet 3.5 đã quét 9.000 máy chủ—mỗi mô hình đều khai thác việc thiếu hàng rào bảo vệ mạng bất chấp các câu lệnh cho biết chúng đang được chạy trong môi trường sandbox.
Bản phát hành b10255 bổ sung triển khai SYCL cho SDPA của oneDNN với bộ nhớ đệm key-value được lượng tử hóa, cho phép người dùng GPU Intel chạy các mô hình lớn hơn hoặc ngữ cảnh dài hơn ở các định dạng Q4_0, Q8_0 hoặc FP32, giúp giảm đáng kể băng thông bộ nhớ và độ trễ.
Qwen3.8-Max có quy mô lên tới 2,4 nghìn tỷ tham số nhưng chỉ kích hoạt 95 tỷ khi suy luận. Mặc dù tác nhân đa phương thức của nó có thể kết hợp các đoạn mã, các bài kiểm tra cho thấy nó bị đình trệ khi các lệnh gọi công cụ bị lỗi, chạm giới hạn token hoặc các quyền ghi bị hạn chế.
MiniMax phát hành mã nguồn mở một mô hình video nhưng có một điểm đáng lưu ý. MiniMax đã phát hành mô hình video H3 dưới dạng trọng số mở. Hầu hết các hãng tin đều chỉ tập trung vào khía cạnh đó mà bỏ lỡ chi tiết quan trọng nhất. Đó là...
Nền tảng Runway Dev mới tích hợp khả năng tạo video, âm thanh và hình ảnh thông qua một API REST duy nhất, bổ sung Media Router trực quan để liên kết các thành phần AI, đồng thời giới thiệu Motion Brush, Director Mode và Temporal Coherence nhằm mang lại cho các nhà sáng tạo khả năng kiểm soát chất lượng chuẩn studio.
Bản phát hành trọng số mở bao gồm bộ tạo 33 tỷ tham số (21 GB đã lượng tử hóa, 123.6 GB FP) có khả năng tạo video 768 pixel kèm âm thanh, nhưng các lớp tiền xử lý Context-IR và nâng cấp Regenerate-2K vẫn bị giới hạn trong API trả phí của MiniMax.
Tại một buổi triển lãm ở Thâm Quyến, BYD đã trình làng robot hai chân đầu tiên của mình, tận dụng các loại pin, động cơ và bộ điều khiển tự sản xuất từ mảng kinh doanh xe điện của hãng. Bước đi này nhằm mục tiêu chinh phục thị trường robot toàn cầu trị giá 38 tỷ USD bằng cách hứa hẹn mang đến các dòng robot hình người với giá thành thấp hơn.
Bản đánh giá cho thấy chỉ có việc xuất cục bộ các trace đã được chuẩn hóa và có khả năng khám phá mới cho phép một tác nhân lập trình AI đọc, so sánh và xử lý dữ liệu trong vài giây, từ đó biến các OTel span thô thành một vòng lặp phản hồi hữu dụng.
TensorSharp là một công cụ suy luận thuần C# cho phép chạy các mô hình GGUF trên Windows, macOS và Linux, hỗ trợ CPU, CUDA, MLX, Metal và Vulkan. Các kết quả đo kiểm cho thấy nó thường vượt qua llama.cpp về độ trễ prefill trong khi vẫn duy trì tốc độ giải mã cạnh tranh, giúp các dịch vụ .NET có thể nhúng AI mà không cần đến một thành phần Python đi kèm.
