Yuchen Jin@Yuchenj_UWGLM-5.3-Flash at 270 tok/s! Databricks inference team is on fire. So proud of the team! On our Off…
DịchGLM-5.3-Flash thiết lập chuẩn mực mới với tốc độ 270 tok/s, mang lại chất lượng vượt trội 10% so với bản tiền nhiệm nhưng chỉ tốn 1/10 chi phí vận hành.
Ant Group vừa giới thiệu Ling-3.0-flash-Fin, mô hình chuyên biệt cho lĩnh vực tài chính với 124 tỷ tham số. Dự án sẽ chính thức mở mã nguồn vào tuần tới và cung cấp API miễn phí trong một tháng.
TTPO giới thiệu phương pháp tự học không cần nhãn bằng cách sử dụng bình chọn đa số làm nhãn giả và học tăng cường nhóm để tinh chỉnh mô hình. Kỹ thuật này giúp cải thiện đáng kể hiệu suất suy luận toán học của các mô hình nhỏ như Qwen3-1.7B, đạt kết quả ngang ngửa với phương pháp có giám sát.
CaSKG là khung đồ thị kỹ năng mới giúp tinh chỉnh các mối quan hệ quy trình trước khi truy xuất, giải quyết vấn đề quá tải ngữ cảnh và thiếu tính liên kết trong việc tái sử dụng kỹ năng cho các tác nhân LLM.
Nghiên cứu đề xuất khung làm việc ACE (Accuracy-Complexity-divErsity) để chuẩn hóa dữ liệu cho AI Agent, giúp tối ưu hóa quá trình tạo dữ liệu thông qua việc phân tách các yếu tố môi trường, nhiệm vụ và tương tác.
Nghiên cứu chỉ ra rằng chiến lược tiến hóa (ES) giúp tối ưu hóa suy luận LLM hiệu quả hơn GRPO, tránh được hiện tượng suy giảm entropy và cải thiện đáng kể tỷ lệ thành công (Pass@K) nhờ các cập nhật trọng số chọn lọc.
Sự xuất hiện của GLM-5.3-Flash và Qwen3.8-Flash đang thay đổi cuộc chơi tại Trung Quốc, khi các mô hình giá rẻ dần chiếm ưu thế thay thế cho các dòng flagship đắt đỏ.
Experiential là giải pháp mã nguồn mở giúp quản lý, điều phối và tối ưu hóa các mô hình AI thông qua API tương thích với OpenAI, hỗ trợ kiểm soát chi phí và hiệu suất cho các quy trình làm việc của AI Agent.
Nhóm nghiên cứu Apple giới thiệu phương pháp căn chỉnh dựa trên thang điểm (rubric) giúp mô hình hỏi đáp đưa ra câu trả lời chính xác và có căn cứ hơn, thay thế tín hiệu ưu tiên đơn lẻ bằng các tiêu chí đánh giá đa chiều rõ ràng.
Rohan Paul@rohanpaul_aiNetflix has explained the system behind those short "because you watched" lines: an AI writes them, …
DịchNetflix công bố nghiên cứu về hệ thống AI tự động tạo và kiểm duyệt lý do gợi ý phim, giúp tăng tỷ lệ người dùng xem hết nội dung thay vì chỉ lướt qua.
Elvis Saravia@omarsar0If you maintain a hand-built agent harness, this one is worth your time. (bookmark it) I feel like…
DịchJIT-Agent là mô hình giúp tổng hợp nhanh các khung làm việc cho AI Agent dựa trên 4 thành phần cốt lõi: bộ nhớ, lập kế hoạch, hành động và công cụ. Hệ thống có khả năng tự sửa lỗi trong quá trình vận hành và tối ưu hóa hiệu suất thông qua việc học hỏi từ lịch sử cấu hình.
Elvis Saravia@omarsar0Another good paper. Interesting finding on the benefits of the agent harness.
DịchNghiên cứu mới chỉ ra rằng hành vi của AI Agent có thể được mô hình hóa bằng máy trạng thái hữu hạn (FSM) với độ chính xác cao. Kết quả cho thấy cấu trúc khung triển khai đóng vai trò quyết định đến hành vi của Agent hơn là bản thân mô hình LLM nền tảng.
DAIR.AI@dair_ai// Automata from agent traces // How much of your agent's behavior comes from the model, and how mu…
DịchNghiên cứu mới cho thấy có thể nén quỹ đạo của AI thành các máy trạng thái hữu hạn (FSM) nhỏ gọn, giúp dự đoán hành vi chính xác hơn và hỗ trợ giám sát thời gian thực. Kết quả chỉ ra rằng cấu trúc hành vi của AI được định hình chủ yếu bởi khung triển khai thay vì mô hình ngôn ngữ nền tảng.
Nghiên cứu mới sử dụng khung tự đối kháng đa ngôn ngữ để chỉ ra rằng LLM thể hiện trình độ tư duy và chiến lược khác biệt đáng kể tùy theo ngôn ngữ sử dụng, đặt ra thách thức lớn cho việc phát triển các mô hình đa ngôn ngữ thực thụ.
Prefix Sliding giúp giảm bộ nhớ suy luận xuống mức hằng số bằng cách loại bỏ các token trung gian không cần thiết, giúp tăng tốc độ xử lý gấp 3 lần mà không cần huấn luyện lại.
SiliconFlow@SiliconFlowAIOx-Alpha🐮 has been revealed. 👀 Meet GLM-5.3-Flash from @Zai_org - now open source, and already liv…
DịchGLM-5.3-Flash là mô hình đa phương thức mã nguồn mở mới với 320B tham số (18B kích hoạt), mang lại khả năng lập trình và xử lý tác vụ thông minh ngang ngửa Opus 4.8 nhưng với chi phí giảm tới 95%. Hiện mô hình đã có mặt trên nền tảng SiliconFlow với khả năng suy luận tối ưu.
Rohan Paul@rohanpaul_aiClaude Cowork used 4.4M tokens on a benchmark where Glean used 1.3M. @glean is claiming an 81% savi…
DịchGlean khẳng định giải pháp của họ tối ưu hơn Claude Cowork nhờ khả năng lập chỉ mục dữ liệu doanh nghiệp tập trung, giúp giảm 81% chi phí token và 70% lượng token tiêu thụ trong các tác vụ thực tế.
Nhóm nghiên cứu Stanford giới thiệu phương pháp dùng DeepSeek V4 Flash tự tạo và kiểm chứng kết quả, giúp tăng tỷ lệ thành công trên Terminal-Bench 2.1 lên 88% mà vẫn tiết kiệm chi phí đáng kể so với các mô hình đóng.
Zhipu AI xác nhận mô hình ẩn danh 'Ox Alpha' chính là GLM-5.3-Flash, một mô hình Mixture-of-Experts tối ưu cho lập trình, tác vụ đại lý phức tạp và cửa sổ ngữ cảnh lên tới hàng triệu token.
Cùng sự kiện, tinh chọn hiển thị «Zhipu ra mắt GLM-5.3-Flash: Mô hình đa phương thức mạnh mẽ với chi phí cực thấp»
AI Notes@AYi_AInotesMột người dùng đã thành công chạy mô hình Qwen 3.8 Flash Next 125B trên hệ thống chỉ có một card RTX 4090 24GB kết hợp với 110GB RAM DDR4. Thiết lập này hỗ trợ ngữ cảnh lên tới 250.000 token với tốc độ giải mã đạt 21 từ mỗi giây.
Qwen@Alibaba_QwenQwen3.8-Flash on @qwen_cloud: $0.15/1M input tokens, $0.47/1M output tokens, and just $0.016/1M on c…
DịchAlibaba vừa ra mắt Qwen3.8-Flash trên QwenCloud với khả năng xử lý ngữ cảnh lên tới 1 triệu tokens. Mức giá cạnh tranh chỉ từ 0,15 USD/1 triệu tokens đầu vào, tối ưu hóa chi phí cho các doanh nghiệp triển khai quy mô lớn.
Qwen@Alibaba_QwenQwen3.8-Flash is now live on @OpenRouter! ⚡ Coding assistants, agentic workflows, long-video underst…
DịchQwen2.5-Flash đã cập bến OpenRouter, hỗ trợ lập trình, tác vụ thông minh và phân tích video dài chỉ qua một API duy nhất.
Thêm 1 nguồn khác đưa tinX: opencode (@opencode)Nghiên cứu này so sánh phương pháp RL suy luận theo đoạn với kỹ thuật Mixed SFT đơn giản. Kết quả cho thấy Mixed SFT đạt hiệu suất cao hơn đáng kể trong các bài kiểm tra suy luận, đặt ra dấu hỏi về tính ưu việt thực sự của các phương pháp RL phức tạp hiện nay.
Nghiên cứu phân tích hiệu quả và chi phí khi chuyển đổi giữa các mô hình AI khác nhau trong quá trình thực hiện tác vụ lập trình, cho thấy việc kế thừa lịch sử làm việc từ mô hình khác thường không đạt hiệu quả tối ưu.
VoiceMem giới thiệu kiến trúc bộ nhớ phân tách logic (não trái) và cảm xúc (não phải), giúp các mô hình ngôn ngữ giọng nói đạt độ chính xác cao và giàu tính nhân văn mà không làm tăng độ trễ phản hồi.
GeoRA từ Meituan và Đại học Bắc Kinh giúp tối ưu hóa quá trình huấn luyện RLVR bằng cách căn chỉnh hình học cập nhật, giúp giảm 99,5% tham số cần huấn luyện mà vẫn vượt trội hơn các phương pháp như LoRA hay PiSSA trên các tác vụ toán học, y tế và lập trình.
Sử dụng tiêu đề 'Accept: text/markdown' giúp một URL duy nhất trả về định dạng Markdown cho AI và HTML cho trình duyệt, loại bỏ việc phải duy trì hai phiên bản trang web riêng biệt.
Nghiên cứu chỉ ra rằng phương pháp chưng cất đa giáo viên (M-OPD) hiện nay gặp hạn chế lớn trong việc tích hợp năng lực, chỉ đạt 35,6% hiệu suất tối ưu. Nhóm tác giả đề xuất giải pháp khắc phục tình trạng suy giảm chất lượng khi huấn luyện mô hình tổng quát từ các chuyên gia RL.
Qwen@Alibaba_QwenFantastic! 🥳 Thanks @lightseekorg for the TokenSpeed day-0 support. The new architecture is fully c…
DịchTokenSpeed đã cập nhật hỗ trợ Day-0 cho kiến trúc mới của Qwen 3.8 Flash Next, tối ưu hóa toàn diện từ GDN, QSA đến khả năng nhúng N-gram với độ chính xác FP8.
Zhipu AI Z.ai@Zai_orgMore good news: GLM-5.3's weights will be released tomorrow. https://huggingface.co/zai-org/GLM-5.3
DịchZhipu AI thông báo sẽ chính thức phát hành trọng số (weights) của mô hình GLM-5.3 trên Hugging Face vào ngày mai, mở ra cơ hội tiếp cận cho cộng đồng mã nguồn mở.
Yuchen Jin@Yuchenj_UWGLM-5.3 open weights in 22 hours!!! I'm excited.
DịchCộng đồng AI đang rất hào hứng khi trọng số của mô hình GLM-5.3 chuẩn bị được phát hành mã nguồn mở chỉ trong chưa đầy một ngày tới.
Qwen@Alibaba_QwenThank you @NVIDIAAI for the day-0 support! 🙌 Developers can finetune the model for domain-specific…
DịchAlibaba giới thiệu mô hình thử nghiệm Qwen3.8-Flash-Next, hé lộ kiến trúc Qwen4. NVIDIA đã cung cấp hỗ trợ Day 0, cho phép nhà phát triển tinh chỉnh qua NeMo và tối ưu hóa hiệu suất với SGLang.
JIT-Agent là mô hình thông minh cho phép các AI Agent tự động tổng hợp và tinh chỉnh khung làm việc thích ứng với từng tác vụ. Công nghệ này giúp các mô hình như DeepSeek và GLM đạt hiệu suất vượt trội trên các bài kiểm tra chuyên sâu.
Đội ngũ Qwen của Alibaba vừa giới thiệu Qwen3.8-Flash, mô hình đa phương thức MoE thuộc kiến trúc Qwen4 với 6 tỷ tham số kích hoạt, giúp tối ưu hóa đáng kể chi phí huấn luyện so với phiên bản tiền nhiệm.
xAI vừa đưa mô hình Grok 4.6 lên nền tảng Microsoft Foundry, cung cấp cửa sổ ngữ cảnh 500k cùng khả năng tùy chỉnh cường độ suy luận, tối ưu cho các tác vụ thông minh và xử lý đa phương thức.
Thêm 2 nguồn khác đưa tinX: cb_doge (@cb_doge)X: Elon Musk (@elonmusk, xAI)Nghiên cứu chỉ ra rằng khả năng trả lời câu hỏi trực tiếp không phản ánh đúng sự hài lòng của người dùng. MemUse đề xuất phương pháp đánh giá mới dựa trên cách AI tích hợp ngữ cảnh quá khứ một cách tự nhiên vào hội thoại.
MARS là khung làm việc sử dụng các tác nhân chuyên sâu theo từng chủ đề thuật toán thay vì các vai trò chung chung, giúp LLM giải quyết các bài toán lập trình phức tạp thông qua quy trình phối hợp và kiểm thử tự động.
Z.ai trình làng GLM-5.3-Flash, mô hình đa phương thức gốc với 320 tỷ tham số, hỗ trợ xử lý hình ảnh, video và cửa sổ ngữ cảnh lên tới 1 triệu token, hiện đã mở mã nguồn theo giấy phép MIT.
Cùng sự kiện, tinh chọn hiển thị «Zhipu ra mắt GLM-5.3-Flash: Mô hình đa phương thức mạnh mẽ với chi phí cực thấp»Nghiên cứu chỉ ra rằng các quy trình chuyển tiếp trong AI Agent thường làm mất đi tính ràng buộc của nhiệm vụ, khiến 100% các yêu cầu bắt buộc bị biến thành thông tin tham khảo, dẫn đến sai sót vận hành. Việc khôi phục trạng thái dữ liệu đầy đủ là chìa khóa để đảm bảo tính tuân thủ tuyệt đối.
Apple giới thiệu IDEA Prune, một quy trình kết hợp việc huấn luyện mô hình lớn trước khi cắt tỉa để tối ưu hóa hiệu quả sử dụng token, giúp đạt hiệu suất cao hơn so với việc huấn luyện mô hình kích thước mục tiêu ngay từ đầu.