LangChain chính thức mở thử nghiệm công khai Managed Deep Agents và LLM Gateway, đồng thời nâng cấp hàng loạt tính năng như Deep Agents v0.7, bộ đánh giá Tuned Evaluators và hỗ trợ triển khai trên hạ tầng đám mây riêng (BYOC) của AWS.
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.
Thay vì phụ thuộc vào các khung công cụ bên ngoài, phương pháp 'Inspirational Learning' giúp AI tự học hỏi từ kinh nghiệm cũ, áp dụng tư duy tương tự để giải quyết vấn đề mới một cách thông minh và tự chủ hơn.
GLM-5.3-Flash đạt 57 điểm trên Artificial Analysis, vượt xa mức trung bình 18 của các mô hình cùng phân khúc. Với cửa sổ ngữ cảnh 400k tokens và khả năng xử lý đa phương thức, đây là lựa chọn đáng chú ý về hiệu năng và giá thành.
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»
Elvis Saravia@omarsar0Want to test how good GLM-5.3-Flash is? I have been finding it useful for visual explainers using /…
DịchZhipu AI vừa trình làng GLM-5.3-Flash với 320B tham số, hỗ trợ cửa sổ ngữ cảnh 1 triệu token và đa phương thức nguyên bản. Mô hình này được cấp phép theo chuẩn MIT, chạy hoàn toàn trên chip AI nội địa và đã sẵn sàng để trải nghiệm qua API.
PROOF-Gen cải thiện khả năng gọi công cụ của mô hình nhỏ bằng cách tận dụng các tín hiệu thất bại từ mô hình giáo viên, thay vì bỏ qua chúng như các phương pháp truyền thống.
Testing Catalog@testingcatalogGlean has published a Pareto frontier analysis of 37 models and reasoning configurations across 1, 00…
DịchGlean đã đánh giá 37 mô hình AI qua 1.000 tác vụ doanh nghiệp, phát hiện sự chênh lệch chi phí lên tới 36 lần nhưng chất lượng chỉ cải thiện 22%, giúp doanh nghiệp tối ưu hóa lựa chọn mô hình.
AI Notes@AYi_AInotesOx Alpha, mô hình ẩn danh vừa soán ngôi DeepSeek trên OpenRouter, chính là thế hệ mới của dòng GLM từ Zhipu AI. Với khả năng xử lý 1 triệu token và đa phương thức, mô hình này đang tạo nên cơn sốt nhờ hiệu suất vượt trội.
Qwen@Alibaba_QwenA high-performance 125B model now running locally on just 75GB RAM! Thank you @UnslothAI for the day…
DịchNhờ sự hỗ trợ từ UnslothAI, mô hình mạnh mẽ 125B của Alibaba giờ đây đã có thể vận hành cục bộ chỉ với 75GB RAM, mở ra khả năng tiếp cận AI hiệu năng cao cho người dùng cá nhân.
SecOPD giải quyết lỗ hổng Prompt Injection bằng cách cung cấp phản hồi ở cấp độ token thay vì toàn bộ chuỗi, giúp mô hình LLM nhận diện và từ chối các lệnh độc hại chính xác hơn so với các phương pháp tinh chỉnh truyền thống.
Ant Ling@AntLingAGIAccording to Artificial Analysis, Ling-3.0-tiny sits on the mobile intelligence-speed Pareto frontie…
DịchTheo Artificial Analysis, Ling-3.0-tiny thiết lập chuẩn mực mới về tốc độ trên iPhone 17 Pro với khả năng xử lý 16K ngữ cảnh trong 5,7 giây và dẫn đầu bảng xếp hạng 64K, mang sức mạnh AI vượt trội lên các thiết bị nhỏ gọn.
Kim@kimmonismusToday is a huge day for open-weight and local AI. Qwen3.8-Flash-Next is a 125B MoE with another 51B…
DịchHai mô hình mới Qwen3.8-Flash-Next và GLM-5.3-Flash vừa trình làng với hiệu suất vượt trội, thách thức các đối thủ hàng đầu như Claude Opus. Cả hai đều hỗ trợ đa phương thức, cửa sổ ngữ cảnh 1M và giấy phép MIT, hứa hẹn thay đổi cuộc chơi cho cộng đồng mã nguồn mở.
Elvis Saravia@omarsar0Great new paper from AWS on agent handoff tax. If you build agents today, you need to understand th…
DịchAWS AI Labs giới thiệu khái niệm 'thuế chuyển giao', chỉ ra rằng việc nâng cấp từ mô hình yếu lên mạnh trong quá trình xử lý không bù đắp được hiệu suất như kỳ vọng nhưng lại tốn kém chi phí. Ngược lại, chiến lược hạ cấp mô hình mang lại sự cân bằng tối ưu hơn giữa chất lượng và chi phí.
Rohan Paul@rohanpaul_aiFinally, Z.ai revealed that Ox Alpha was actually GLM-5.3-Flash. So that means over the last few d…
DịchZ.ai tiết lộ Ox Alpha chính là GLM-5.3-Flash, vận hành nhờ hàng chục nghìn chip AI nội địa thay vì cụm GPU NVIDIA, xử lý lưu lượng 100 nghìn tỷ token mỗi ngày.
Elvis Saravia@omarsar0What's better than an open-weight multimodal model release? Well, the technical report. I just love…
DịchAlibaba ra mắt Qwen3.8-Flash, mô hình MoE đa phương thức với 125B tham số (kích hoạt 6B mỗi token), hỗ trợ ngữ cảnh lên tới 1 triệu token và là phiên bản xem trước của kiến trúc Qwen4.
AI Notes@AYi_AInotesMô hình Ox Alpha với hiệu suất vượt trội và chi phí thấp đã được xác nhận là sản phẩm của Zhipu. Zhipu sẽ mở mã nguồn mô hình này ngay trong tối nay, hỗ trợ cửa sổ ngữ cảnh 1M, đa phương thức và khả năng lập trình ấn tượng.
Speculative Decoding giúp tăng tốc độ tạo văn bản gấp 2-3 lần bằng cách dùng mô hình nhỏ dự đoán trước các token, sau đó để mô hình lớn xác thực song song. Phương pháp này tận dụng hiệu quả tài nguyên GPU nhàn rỗi mà vẫn đảm bảo độ chính xác tuyệt đối như mô hình gốc.
Kim@kimmonismusGLM-5.3 Flash ("Ox Alpha") official: Benchmarks attached. This looks exceptional for its size! GLM-…
DịchGLM-5.3 Flash (Ox Alpha) chính thức trình làng với kiến trúc MoE 320B, hỗ trợ cửa sổ ngữ cảnh 1M và khả năng đa phương thức nguyên bản. Mô hình được cấp phép MIT, tối ưu hóa mạnh mẽ với chỉ 18B tham số được kích hoạt mỗi token.
AI Notes@AYi_AInotesQwen3.8-Flash chính thức lộ diện với kiến trúc tiền nhiệm Qwen4, sở hữu 125B tham số nhưng chỉ kích hoạt 6B mỗi token. Với chi phí huấn luyện tối ưu và điểm số SWE-bench Pro đạt 62.5, mô hình này đã vượt mặt Claude Opus 4.6 Max.
Zhipu AI Z.ai@Zai_orgIntroducing GLM-5.3-Flash - Leading capabilities at a highly competitive price - Natively multimoda…
DịchZhipu AI vừa phát hành GLM-5.3-Flash, mô hình đa phương thức mạnh mẽ với 320 tỷ tham số, hỗ trợ cửa sổ ngữ cảnh 1 triệu token và hoàn toàn tương thích với chip AI nội địa.
Zhipu giới thiệu GLM-5.3-Flash, mô hình đa phương thức 320B với 18B tham số kích hoạt, đạt hiệu suất tương đương Claude Opus 4.8 nhưng có mức giá chỉ bằng 1/40.
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»Kim@kimmonismusThe upcoming Ox Alpha is GLM-5.3 Flash (as expected): 320b total parameters, 18b active. Outperform…
DịchMô hình Ox Alpha (GLM-5.3 Flash) sở hữu 320 tỷ tham số với 18 tỷ tham số kích hoạt, hứa hẹn vượt trội hơn bản 5.2 về lập trình và tác vụ thông minh với chi phí chỉ bằng 1/10.
Qwen@Alibaba_QwenBig thanks to @sgl_project for the day-0 support! 🙌 Qwen3.8-Flash-Next is ready to deploy with SGLa…
DịchAlibaba trình làng Qwen3.8-Flash-Next, mô hình 125B sử dụng 51B N-gram embedding giúp tăng dung lượng mà không tốn thêm chi phí tính toán. SGLang đã hỗ trợ triển khai ngay lập tức cho kiến trúc này.
Cùng sự kiện, bài đại diện «Qwen3.8-Flash-Next chính thức được hỗ trợ trên SGLang ngay từ ngày ra mắt»Được sáng lập bởi cựu kỹ sư Google, QueryStory vừa ra mắt nhằm biến dữ liệu phức tạp thành các báo cáo có căn cứ, giúp doanh nghiệp xóa bỏ rào cản niềm tin khi sử dụng AI.
Kim@kimmonismusA bit more tl; dr about the model: Qwen3.8-Flash-Next combines 125B MoE parameters with 51B N-gram em…
DịchQwen3.8-Flash-Next vừa ra mắt với kiến trúc MoE siêu thưa, sở hữu tổng 125B tham số nhưng chỉ kích hoạt 6B mỗi token, mang lại hiệu suất vượt trội so với Claude Opus 4.6 Max.
IBM giới thiệu Granite 4.2 với các phiên bản 3B, 8B và 30B, hỗ trợ cửa sổ ngữ cảnh lên tới 512.000 token và khả năng linh hoạt chuyển đổi giữa chế độ 'suy luận' và 'phản hồi nhanh'.
CyberFactory là khung mã nguồn mở toàn diện giúp chuẩn hóa quy trình tạo dữ liệu, huấn luyện mô hình và thực thi các tác vụ bảo mật như vá lỗi hay giải đáp lỗ hổng từ dữ liệu thực tế (CVE).
Các nhà khoa học tại Stanford chỉ ra rằng trẻ em chỉ cần tiếp xúc với lượng từ vựng rất nhỏ đã có thể giao tiếp, trong khi AI cần khối lượng dữ liệu khổng lồ nhưng kết quả vẫn kém xa. Điều này đặt ra thách thức lớn cho việc phát triển AI chỉ dựa vào quy mô dữ liệu.
Kim@kimmonismusQwen may be about to drop another super interesting open-weight models of the year. A ModelScope de…
DịchQwen3.8-Flash-Next chính thức lộ diện như bản xem trước của kiến trúc Qwen4. Với cấu trúc MoE đa phương thức, mô hình sở hữu tổng 176B tham số nhưng chỉ kích hoạt 6B tham số mỗi token, hứa hẹn hiệu suất vượt trội.
Alibaba chuẩn bị ra mắt Qwen3.8-Flash-Next, một mô hình đa phương thức dạng Mixture-of-Experts dựa trên kiến trúc Qwen4, nhằm giúp cộng đồng lập trình viên làm quen trước khi phiên bản chính thức trình làng.
Cùng sự kiện, tinh chọn hiển thị «Alibaba ra mắt Qwen3.8-Flash: Mô hình MoE hiệu năng cao, hé lộ kiến trúc Qwen4»
Tencent Hunyuan@TencentHunyuanThank you. We're working on it - more soon.
DịchĐại diện Tencent Hunyuan xác nhận dự án Hy4 đang được đội ngũ tích cực phát triển và hứa hẹn sẽ sớm công bố thêm thông tin chi tiết trong thời gian tới.
Qwen@Alibaba_Qwen#1 among open models in the Image-to-WebDev Arena, #7 overall. 🚀 Thanks for the recognition! @arena…
DịchMô hình Qwen2.5-27B đạt vị trí dẫn đầu trong nhóm mã nguồn mở tại Image-to-WebDev Arena với 1574 điểm, cho thấy hiệu suất ngang ngửa các siêu mô hình 2.8T tham số dù chỉ sở hữu 27B tham số.
BPCO là phương pháp huấn luyện mới kết hợp nhiều kỹ thuật tiên tiến nhằm khắc phục sự bất ổn trong Reinforcement Learning dựa trên Critic, giúp cải thiện đáng kể khả năng suy luận toán học của các mô hình ngôn ngữ lớn.
OPDVR là phương pháp mới kết hợp học tăng cường dựa trên phần thưởng kiểm chứng (RLVR) với chưng cất chính sách trực tuyến (OPD) mà không cần thêm siêu tham số, giúp tối ưu hóa mô hình hiệu quả hơn.
Meta^n giới thiệu phương pháp tự cải thiện đệ quy bằng cách mở rộng chiều sâu xử lý thông qua các thao tác meta cố định. Mô hình này vượt trội hơn các tác nhân tự cải thiện hiện có trên 8 bộ tiêu chuẩn, đặc biệt là kết quả ấn tượng tại ARC-AGI-2.
AutoSaddler là khung làm việc tự động giúp tối ưu hóa các khung điều khiển (harness) cho tác nhân AI bằng cách học từ lỗi thực thi, giúp cải thiện đáng kể độ tin cậy trong các tác vụ dài hạn trên các nền tảng như SWE-Bench Pro.
Nghiên cứu giới thiệu phương pháp kiểm định nhẹ giúp phát hiện lỗi rò rỉ dữ liệu tương lai trong các mô hình AI, vốn thường bị bỏ qua bởi các kỹ thuật kiểm tra mặt nạ (mask) truyền thống.
MiniMax@MiniMax_AILove seeing real-world agent benchmarks like this 👇 MiniMax-M3: $0.018 to spin up an inbox, write …
DịchMiniMax-M3 thiết lập chuẩn mực mới cho AI agent khi hoàn thành tác vụ gửi email chuyên nghiệp chỉ với 0,018 USD, khẳng định vị thế là mô hình hiệu quả nhất về chi phí trên thị trường hiện nay.
DAIR.AI@dair_ai// There Is No Neutral Harness // Great work discussing some of the issues in harness evaluation. …
DịchNghiên cứu chỉ ra rằng chỉ cần thay đổi thứ tự đáp án hoặc cách diễn đạt câu lệnh, điểm số của các mô hình AI có thể dao động cực lớn, khiến bảng xếp hạng hiện nay trở nên thiếu khách quan.
Elvis Saravia@omarsar0Great paper on agent harnesses.
DịchNghiên cứu mới chỉ ra rằng cách thiết lập bộ khung đánh giá ảnh hưởng cực lớn đến kết quả của AI. Chỉ cần thay đổi thứ tự đáp án hay cách đặt câu hỏi, thứ hạng của các mô hình có thể bị đảo lộn hoàn toàn, cho thấy các bài kiểm tra hiện nay còn nhiều lỗ hổng.