OpenAI công bố dữ liệu về mức độ sử dụng AI lập trình của các nhà nghiên cứu. Đến giữa tháng 8, chi phí ước tính trung bình đạt hơn 600 USD/ngày, trong khi nhóm 10% người dùng tích cực nhất tiêu tốn hơn 7.000 USD/ngày theo giá API.
Cùng sự kiện, bài đại diện «OpenAI công bố lộ trình AI tự nghiên cứu: Cảnh báo về rủi ro an toàn và chi phí vận hành khổng lồ»
Rohan Paul@rohanpaul_aiBoris Cherny, lãnh đạo dự án Claude Code tại Anthropic, chia sẻ kinh nghiệm thực tế về việc tối ưu hóa chi phí token và cách lựa chọn mô hình hiệu quả trong quy trình phát triển phần mềm.
Rohan Paul@rohanpaul_aiHarness-of-Harness beat repeated coding-agent runs by carrying code, QA evidence, and plans forward….
DịchShanghai AI Lab giới thiệu khung HoH, cho phép các tác nhân AI lưu giữ mã nguồn, kết quả kiểm thử và kế hoạch phát triển qua nhiều vòng lặp, giúp tối ưu hóa hiệu suất lập trình tự động.
Yuchen Jin@Yuchenj_UWThe AI coding market is a duopoly today: Anthropic and OpenAI It'll soon become a triopoly: Open-so…
DịchYuchen Jin nhận định thị trường lập trình AI đang dần phá vỡ thế độc quyền của OpenAI và Anthropic để tiến tới thế chân vạc, khi các mô hình mã nguồn mở bắt đầu chiếm lĩnh thị phần tương tự như cách Android và Linux đã làm.
Artificial Analysis@ArtificialAnlysMeta's Muse Spark 1.3 (max), which is in limited preview for Meta's partners, scores 68 on the Artif…
DịchMeta Muse Spark 1.3 (phiên bản max) vừa ghi dấu ấn với 68 điểm trên bảng xếp hạng Coding Agent Index của Artificial Analysis, chỉ đứng sau Claude 3 Opus.
AI at Meta@AIatMetaWe're excited to release Muse Spark 1.3 with improved performance on agentic and coding tasks, and a…
DịchMeta vừa phát hành Muse Spark 1.3 với khả năng xử lý tác vụ phức tạp tốt hơn, giảm 20% số lần gọi công cụ và tiết kiệm 25% token. Phiên bản này tập trung vào tính thực dụng, giúp AI chủ động đặt câu hỏi và giảm thiểu tình trạng ảo giác khi thực hiện các dự án lập trình.
DAIR.AI@dair_ai// Harness-of-Harness // Exciting new research on coding agents that keep building for days without…
DịchCác nhà nghiên cứu tại Shanghai AI Lab giới thiệu Harness-of-Harness (HoH), một khung làm việc giúp các tác nhân AI tự động hóa quy trình lập trình, kiểm thử và tối ưu hóa phần mềm liên tục mà không cần sự can thiệp của con người.
Harness-of-Harness (HoH) là khung làm việc mới cho phép các AI lập trình tự động hóa quy trình phát triển phần mềm dài hạn mà không cần con người can thiệp, thông qua cơ chế lặp lại chu trình lập kế hoạch, viết mã và kiểm thử.
Thêm 2 nguồn khác đưa tinX: DAIR.AI (@dair_ai)X: Elvis Saravia (@omarsar0, DAIR.AI)
Xiaobei@frxiaobeiAnthropic vừa giới thiệu bộ đôi mô hình Claude Fable 5.1 và Mythos 5.1, được tối ưu hóa chuyên sâu cho lập trình và các tác vụ tri thức phức tạp. Giới chuyên gia nhận định đây là dấu hiệu cho thấy AI đang dần phân hóa theo phân khúc: mô hình phổ thông cho nhu cầu cơ bản và mô hình tinh hoa cho công việc giá trị cao.
Cùng sự kiện, tinh chọn hiển thị «Anthropic ra mắt bộ đôi Claude Fable 5.1 và Claude Mythos 5.1»
Elvis Saravia@omarsar0Nice paper showing just how far you can push an agent harness. In most setups, the default coding a…
DịchHuawei giới thiệu openJiuwen, bộ công cụ đánh giá (harness) mã nguồn mở cho AI lập trình, đạt hiệu suất vượt trội với 82.6% trên SWE-bench Verified và 87.19% trên Terminal-Bench, thiết lập chuẩn mực mới cho khả năng giải quyết vấn đề thực tế của AI.
DAIR.AI@dair_aiHow far can you push an agent harness? Great paper providing some insights.
DịchNhóm nghiên cứu từ Huawei giới thiệu openJiuwen, một framework AI lập trình đạt kết quả ấn tượng 82.6% trên SWE-bench Verified và 87.19% trên Terminal-Bench, thiết lập kỷ lục mới vượt xa các tiêu chuẩn hiện tại.
Claude Devs@ClaudeDevsFable 5.1 is now live in Claude Code and the Claude Platform. It's priced the same as Fable 5, with…
DịchAnthropic vừa phát hành bộ đôi Claude Fable 5.1 và Mythos 5.1 với khả năng xử lý tác vụ dài tốt hơn, văn phong tự nhiên và giảm 75% chi phí đọc cache API, hứa hẹn là bước tiến lớn cho lập trình và tri thức.
Cùng sự kiện, tinh chọn hiển thị «Anthropic ra mắt bộ đôi Claude Fable 5.1 và Claude Mythos 5.1»Jordan Andersen hoài nghi về tuyên bố AI giúp tăng năng suất gấp 10 lần, lập luận rằng nếu điều đó đúng, chúng ta đã thấy sự bùng nổ của hàng loạt kỳ lân công nghệ mới từ bốn năm trước.
Dex Horthy (HumanLayer)@dexhorthysol is very good at structural stuff. refactoring, or plumbing through a thick call stack without mi…
DịchDex Horthy đánh giá Sol vượt trội trong các tác vụ cấu trúc như tái cấu trúc mã nguồn, trong khi Fable mạnh về suy luận không gian và UI. Dù Sol là lựa chọn hàng đầu, một số người dùng vẫn cân nhắc Terra cho các công việc lập kế hoạch phức tạp.
Rohan Paul@rohanpaul_aiKeep the model fixed, change the harness, and coding-agent results can move a lot when context gets …
DịchNghiên cứu cho thấy việc tinh chỉnh khung làm việc thay vì thay đổi mô hình giúp các AI lập trình (như Qwen, Devstral) cải thiện đáng kể hiệu suất khi xử lý ngữ cảnh dài, với tỷ lệ giải quyết tác vụ thực tế tăng vọt trên SWE-bench.
Rohan Paul@rohanpaul_aiCoding agents mostly read the instruction files and notes they were given or wrote themselves, so yo…
DịchNghiên cứu trên 33.000 PR cho thấy AI lập trình chủ yếu dựa vào các file chỉ dẫn (như CLAUDE.md) và ghi chú kế hoạch, thay vì tra cứu tài liệu API. Các nhà phát triển nên tập trung tối ưu hóa file hướng dẫn để cải thiện hiệu suất của AI.
Từ 14/9, Anthropic tăng 25% hạn mức cơ bản cho các gói trả phí, nhưng do kết thúc chương trình ưu đãi tạm thời 50%, tổng dung lượng thực tế của người dùng sẽ giảm 17%. Đồng thời, hãng cũng bổ sung công cụ tự động báo lỗi để tối ưu trải nghiệm lập trình.
Từ ngày 14/9, Anthropic chính thức nâng hạn mức sử dụng hàng tuần cho các gói Pro, Max và Team thêm 25% so với mức cơ bản, thay thế cho chương trình tăng tạm thời 50% trước đó.
Cùng sự kiện, bài đại diện «Claude tăng 25% hạn mức sử dụng hàng tuần cho người dùng trả phí từ 14/9»
Kim@kimmonismusThey deleted their post about cutting weekly limits by 25%, only to reupload it after recalculating …
DịchAnthropic đã phải đính chính thông tin sau khi xóa bài đăng về việc giảm 25% hạn mức, xác nhận con số thực tế là 17%. Động thái này gây ra nhiều tranh cãi trong cộng đồng người dùng về tính minh bạch.
Cùng sự kiện, bài đại diện «Claude Code tăng vĩnh viễn 25% hạn mức sử dụng hàng tuần từ 14/9»
Replit@ReplitIntelligent Model Routing: Replit Picks the Best Model for the Job https://x.com/i/broadcasts/1nxeLM...
DịchReplit vừa giới thiệu hệ thống định tuyến mô hình thông minh, giúp tự động phân tích và lựa chọn mô hình AI phù hợp nhất cho từng yêu cầu lập trình cụ thể của người dùng.
Nghiên cứu giới thiệu bộ tiêu chuẩn SWE Refactor Bench nhằm kiểm tra khả năng thực hiện các đợt di chuyển mã nguồn phức tạp của AI, khắc phục tình trạng các mô hình chỉ 'gian lận' để vượt qua bài kiểm tra mà không thực sự thay đổi cấu trúc hệ thống.
cb_doge@cb_dogeGrok Build made this fun lil Mars simulator game for my nephew. I gave it simple prompts. It did th…
DịchNgười dùng đã sử dụng Grok Build để phát triển hoàn chỉnh một trò chơi mô phỏng sao Hỏa cho trẻ em, từ khâu lập trình, xây dựng hệ thống đến sửa lỗi, chứng minh khả năng thay thế cả một studio game của AI.
LangChain giới thiệu WikiBench để kiểm chứng hiệu quả của tài liệu Wiki đối với các tác nhân AI lập trình. Kết quả cho thấy việc kết hợp Wiki với mã nguồn giúp cải thiện hiệu suất đáng kể và tối ưu chi phí so với chỉ sử dụng mã nguồn đơn thuần.
Tác giả chỉ ra 4 điều kiện để AI thay thế lập trình viên sơ cấp, nhưng hiện tại chỉ có một điều kiện về tư duy quản trị doanh nghiệp được đáp ứng. Các dữ liệu thực tế từ METR và OpenAI cho thấy hiệu suất của AI vẫn còn nhiều hạn chế so với kỳ vọng.
Kim@kimmonismusCoding agents can pass tests and still miss the task. In SWE Refactor Bench, 340 of 520 runs comple…
DịchEinsia ra mắt SWE Refactor Bench để kiểm tra khả năng chuyển đổi hệ thống (như C sang Rust) của AI. Kết quả cho thấy AI vẫn gặp khó khăn lớn với các tác vụ tái cấu trúc phức tạp, khi chỉ 5,4% thử nghiệm vượt qua được các tiêu chuẩn đánh giá khắt khe.
Lauren Tan@potetotry pstack! it's like hiring me but it's free:)
DịchLauren Tan chia sẻ trải nghiệm sử dụng tính năng /poteto-mode trên công cụ Pstack kết hợp với Cursor để tự động tối ưu hóa website, giúp các chỉ số Core Web Vitals đạt trạng thái hoàn hảo một cách dễ dàng.
Dex Horthy (HumanLayer)@dexhorthySeveral recent large features I built for production involved - research and product outline doc - …
DịchDex Horthy chia sẻ quy trình dùng AI để chia nhỏ các dự án hàng chục nghìn dòng code thành các PR tinh gọn, giúp việc kiểm duyệt và triển khai tính năng lớn trở nên nhanh chóng và hiệu quả hơn.
GameXpert-Bench là bộ tiêu chuẩn mới đánh giá khả năng của các AI lập trình thông qua ba giai đoạn: tạo game, sửa lỗi và tối ưu hóa, nhằm đo lường hiệu quả thực tế trong quy trình phát triển trò chơi phức tạp.
Rohan Paul@rohanpaul_aiCoding agents fix the symptom you show them far more often than the defect underneath. Agents are g…
DịchSWE-bench Science cho thấy các AI lập trình hiện nay dù giỏi sửa lỗi kỹ thuật nhưng vẫn yếu trong việc khôi phục logic khoa học cốt lõi. Điểm nghẽn nằm ở khả năng kiểm chứng thực tế thay vì chỉ dựa vào kiến thức lý thuyết.
Hongming@hongming731Bài viết phân tích nút thắt khi dùng AI lập trình: việc tạo mã chỉ chiếm 20-30% quy trình, cần xây dựng hệ thống Agent khép kín từ build đến kiểm thử. Các chuyên gia đề xuất mô hình quản trị bằng 'hàng rào' luật lệ và phát triển phần mềm dựa trên đánh giá dữ liệu thực tế.
DAIR.AI@dair_aiIf you maintain an AGENTS.md or a CLAUDE.md, this one is worth your time. (bookmark it) Researcher…
DịchNghiên cứu trên 557 phiên lập trình cho thấy AI ưu tiên đọc file hướng dẫn và ghi chú (60,5%) thay vì tài liệu kỹ thuật hay API. Việc đọc tài liệu giúp giảm thiểu lỗi cần kiểm thử, đồng thời phần lớn các truy vấn của AI là chủ động thay vì phản ứng khi gặp lỗi.
Mô hình ẩn danh Ox Alpha (được cộng đồng gọi là 'Ngưu Lai') đang gây xôn xao khi sở hữu cửa sổ ngữ cảnh 1 triệu token và khả năng lập trình vượt trội, thách thức các ông lớn trong ngành.
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.
Dex Horthy (HumanLayer)@dexhorthyI love uncle bob's work and I believe if anyone will figure out lights off (ie not reading code), he…
DịchDex Horthy cho rằng dù AI có năng suất cao, việc vận hành chúng vẫn đòi hỏi kỹ năng kỹ thuật chuyên sâu. Do đó, việc hoàn toàn không đọc code là bất khả thi, ngay cả với sự hỗ trợ của AI và các công cụ kiểm soát lỗi tự động.
opencode@opencodeOx Alpha is now available on OpenCode Go too For the next 6 days, usage is near unlimited and compl…
DịchNền tảng OpenCode Go vừa tích hợp Ox Alpha, cho phép người dùng trải nghiệm miễn phí với dung lượng gần như không giới hạn trong 6 ngày tới mà không ảnh hưởng đến hạn mức Go hiện tại.
Nhờ dữ liệu huấn luyện dồi dào, các mô hình AI tạo mã JavaScript/TypeScript với độ chính xác cao, khiến TypeScript trở thành lựa chọn ưu tiên của 78% lập trình viên chuyên nghiệp và làm thay đổi quy trình phát triển phần mềm.
Nhóm nghiên cứu ra mắt SWE-bench Science, bộ tiêu chuẩn đánh giá khả năng giải quyết 119 tác vụ phần mềm khoa học. Kết quả cho thấy ngay cả mô hình mạnh nhất cũng chưa đạt 50% độ chính xác, đồng thời chỉ ra rằng kiến thức khoa học không phải lúc nào cũng giúp AI tối ưu hóa hiệu suất.
Charlie Holtz@charlieholtzLive in Conductor! Settings → Default models → Concise
DịchClaude Code vừa bổ sung chế độ Concise giúp tinh giản phản hồi, người dùng có thể kích hoạt nhanh thông qua cài đặt mô hình mặc định trong Conductor.
Repo0 giới thiệu khung làm việc tiến hóa cấu trúc liên tục, cho phép AI chuyển đổi yêu cầu ngôn ngữ tự nhiên thành dự án phần mềm hoàn chỉnh với kiến trúc module hóa chặt chẽ, đảm bảo tính nhất quán từ giai đoạn thiết kế đến kiểm thử.
Rohan Paul@rohanpaul_aiMeta's Muse Spark 1.2 now leads Design Arena's Video-to-Website test while placing top-three across …
DịchMeta Muse Spark 1.2 vừa dẫn đầu bảng xếp hạng Design Arena với điểm Elo ấn tượng, đồng thời lọt top 3 trong các tác vụ chuyển đổi hình ảnh sang mã nguồn với mức giá cực kỳ cạnh tranh.
