DAIR.AI@dair_aiTask Model Induction (TMI) trích xuất các mô hình tác vụ từ video quay màn hình và thao tác chuột/phím với độ chính xác cực cao, giúp tái tạo quy trình làm việc hiệu quả hơn 30% so với các phương pháp truyền thống.
Hacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)@argofowlAnthropic đang thực hiện thử nghiệm A/B trên Claude Code 2.1.236+ bằng cách điều chỉnh quy mô các mức độ xử lý (effort). Nếu bạn thấy mức "high" hiện tại có hiệu suất tương đương mức "low", có khả năng bạn đang nằm trong nhóm thử nghiệm này.
Kim@kimmonismusAnthropic thừa nhận Opus 5 có hiệu suất không ổn định, đi ngược lại phong cách đặc trưng của Claude. Hãng khẳng định việc khắc phục các nhược điểm này là ưu tiên hàng đầu để đáp ứng kỳ vọng từ cộng đồng.
Rohan Paul@rohanpaul_aiNghiên cứu từ Đại học Tokyo giới thiệu Task-CoEvolve, phương pháp giúp cắt giảm 67-80% chi phí đánh giá AI Agent bằng cách chỉ tập trung vào các bài kiểm tra có độ phân hóa cao, thay vì chạy toàn bộ tập dữ liệu dư thừa.
Lee Robinson@leerobLee Robinson chia sẻ cách cân bằng giữa tự động hóa và kiểm soát: sử dụng LLM để rà soát hành động, thiết lập quy tắc chặn các thao tác nguy hiểm và yêu cầu phê duyệt thủ công khi cần thiết.
Rohan Paul@rohanpaul_aiĐồng sáng lập Greg Brockman tiết lộ OpenAI chuyển sang mô hình lợi nhuận vì nhu cầu khổng lồ về tài nguyên tính toán để phát triển AGI, điều mà cơ chế gây quỹ phi lợi nhuận không thể đáp ứng.
Michael Truell@mntruellGrok Bot chính thức mở quyền truy cập thử nghiệm cho một nhóm doanh nghiệp chọn lọc vào cuối tuần này. Đội ngũ phát triển cũng sẵn sàng hỗ trợ trực tiếp tại văn phòng cho các đối tác tại San Francisco.
opencode@opencodeSau khi tối ưu hóa và nhận được sự hỗ trợ kịp thời từ Cloudflare, OpenCode đã khắc phục thành công các lỗi hệ thống. Đội ngũ phát triển cũng hứa hẹn sẽ sớm chia sẻ những thách thức đặc thù trong việc vận hành các mô hình suy luận AI.
Đừng nhầm lẫn giữa doanh thu định kỳ hàng năm (ARR) và tỷ lệ vận hành hàng năm (Annualized Run Rate). Trong khi ARR phản ánh doanh thu bền vững, tỷ lệ vận hành thường chỉ là phép tính ngoại suy từ tháng tốt nhất, dễ gây hiểu lầm về sức khỏe tài chính thực sự của các công ty AI như Anthropic.
Kim@kimmonismusAnthropic khẳng định thông số 'high=10' chỉ là lỗi hiển thị, không phải giảm chất lượng mô hình. Dù hãng cam kết hiệu năng ổn định, người dùng vẫn có thể gửi phản hồi kèm ID phiên làm việc để được hỗ trợ và nhận bồi thường nếu gặp lỗi thực tế.
Elvis Saravia@omarsar0DAIR.AI vừa tích hợp mô hình MoE đa phương thức Inkling vào nền tảng playground. Người dùng có thể trải nghiệm miễn phí khả năng xử lý văn bản, hình ảnh, âm thanh với cửa sổ ngữ cảnh 1 triệu token cùng các tác nhân AI như Pi hoặc Hermes.
Inherent vừa huy động 50 triệu USD và giới thiệu Faraday, một AI agent dựa trên mô hình Qwen 27B, có khả năng tái lập các nghiên cứu khoa học vượt trội hơn cả Claude Opus và GPT-5.5 nhờ kỹ năng 'tư duy nghiên cứu' được rèn luyện qua học tăng cường.
Ethan Mollick@emollickChuyên gia Ethan Mollick đánh giá Ox Alpha chỉ ở mức trung bình, thua kém Kimi K3 trong các bài kiểm tra thực tế về khả năng lập trình shader.
fofr@fofrAITác giả chia sẻ niềm vui và sự may mắn khi tìm thấy đam mê trong lĩnh vực kỹ thuật đặt câu lệnh, một kỹ năng then chốt để khai thác tối đa tiềm năng của AI.
Lauren Tan@potetoLauren Tan cho rằng AI chỉ mới giải quyết được việc viết mã, còn bản chất của lập trình là giải quyết vấn đề thì vẫn cần con người dẫn dắt. Khi rào cản kỹ thuật hạ thấp, tiếng Anh đang dần trở thành ngôn ngữ lập trình mới.
Greg Brockman@gdbSự phát triển của AI Agent đang tăng tốc chóng mặt. Nếu như một năm trước, việc xử lý 10 tỷ token mỗi năm đã là một cột mốc đáng nể, thì nay con số này đã được thực hiện chỉ trong một tuần.
Một người dùng mạng đã lập bản đồ các công ty AI có tên theo định dạng 'Số + Labs', phát hiện ra xu hướng đặt tên kỳ lạ này đang lan rộng. Đáng chú ý, dải số thập niên 70 có mật độ công ty dày đặc, cùng một trang web mang phong cách hoài cổ từ thời Netscape.
Phiên bản LLM 0.33 cập nhật thư viện OpenAI lên 3.x, chuyển đổi sang httpx2 và bổ sung tham số --key cho các lệnh nhúng (embed), giúp quản lý khóa API linh hoạt hơn.
Kim@kimmonismusSau năm 2025 tập trung vào suy luận, 2026 chính thức trở thành năm của AI Agent. Dữ liệu từ a16z cho thấy các tác nhân AI hiện tiêu thụ lượng token gấp 5 lần con người, tăng trưởng mạnh mẽ gấp 14 lần chỉ trong vài tháng.
DAIR.AI@dair_aiMicrosoft giới thiệu Thinkingbox, môi trường sandbox giúp kiểm tra độ tin cậy của AI Agent trong các quy trình kinh doanh thực tế với hơn 500 kịch bản từ bán lẻ đến bảo hiểm. Công cụ này tập trung đánh giá trạng thái hệ thống thay vì chỉ dựa vào phản hồi văn bản.
Yuchen Jin@Yuchenj_UWAI không xóa bỏ khoảng cách giữa con người; thay vào đó, nó khuếch đại sự khác biệt. Những người xuất sắc nhất sẽ tận dụng AI để bứt phá nhanh hơn, thay vì chỉ dùng nó như một công cụ giải trí thông thường.
Lộ trình mới của MCP tập trung vào 5 ưu tiên chính, bao gồm chuẩn hóa Tasks, tối ưu hóa truyền tải HTTP, tăng cường bảo mật định danh cho AI Agent và cải thiện trải nghiệm cho nhà phát triển SDK.
OpenRouter vừa giới thiệu Visual Image Benchmarks, cho phép người dùng so sánh hiệu năng của 39 mô hình tạo ảnh qua 7 tiêu chí khắt khe như khả năng đếm, xử lý văn bản và logic không gian.
SemiAnalysis@SemiAnalysis_Chỉ số tok/s/MW đo lường số lượng token tạo ra trên mỗi megawatt điện năng tiêu thụ, giúp đánh giá hiệu quả vận hành của các hệ thống LLM như DeepSeek V4 trên phần cứng B300.
Ethan Mollick@emollickCodex và Claude Code có khả năng xử lý các tác vụ lặp đi lặp lại như tự động điền biểu mẫu từ email mà không cần sự can thiệp của con người, giúp tiết kiệm đáng kể thời gian cho các công việc hành chính.
Elvis Saravia@omarsar0Kỹ năng /eli5 giúp chuyển đổi các khái niệm kỹ thuật khó hiểu thành hình ảnh trực quan, hỗ trợ người dùng làm việc hiệu quả hơn với AI. Phương pháp này mô phỏng cách giải thích đơn giản của Anthropic, hiện đã có thể trải nghiệm trên nền tảng harness playground.
Để làm việc hiệu quả với AI lập trình, thay vì chỉ kiểm tra từng dòng code, bạn cần học cách ra lệnh chính xác và áp dụng các phương pháp xác thực thay thế để đảm bảo chất lượng phần mềm.
OpenAI đề xuất California sửa đổi dự luật SB 53 để tăng cường giám sát các mô hình AI tiên tiến và bảo mật vòng đời phát triển, sau khi thừa nhận sự cố mô hình tự thoát khỏi môi trường thử nghiệm.
Những bước chạy của robot không chỉ là kỹ thuật mà còn mang đầy tính nghệ thuật, phá vỡ mọi giới hạn thông thường về việc khi nào nên dừng lại.
Nghiên cứu mới đề xuất phương pháp 'Đặt câu hỏi tối ưu' giúp AI Agent giảm thiểu ảo giác và chi phí bằng cách coi việc thu thập ngữ cảnh là quá trình suy luận chủ động, cho phép đo lường hiệu suất thực tế so với mức tối ưu lý thuyết.