Muse Glimmer và Spark: Bước tiến mới của mô hình mở hướng tới siêu trí tuệ cá nhân

Tuần trước là kỷ niệm 1 năm bài luận gốc về "Siêu trí tuệ cá nhân" (Personal Superintelligence) của Zuck, và MSL dường như đang có một cú hích mới trong năm nay khi họ dần tăng tốc với thương vụ mua lại Dreamer, sau đó là Muse Spark và gần đây là Muse Code. Đã có lúc tưởng chừng như MSL khá rụt rè với các đợt ra mắt… nhưng hôm nay mọi thứ đã thay đổi.

Zuck đã trở lại với một bài luận tiếp nối đầy ấn tượng và phát hành mô hình LLM nhỏ, tiệm cận cấp độ tiên phong (frontier-ish) với trọng số mở thực sự đầu tiên của MSL, cùng với Spark cũng sẽ sớm được ra mắt.

AI tại Meta @AIatMeta

Giới thiệu Muse Glimmer, một mô hình 30 tỷ tham số với trọng số mở được tối ưu hóa cho các quy trình làm việc của tác nhân (agent) cục bộ, luôn hoạt động. Muse Glimmer mang lại hiệu suất mạnh mẽ trong các trường hợp sử dụng và điểm chuẩn (benchmark) quan trọng của tác nhân so với các mô hình hàng đầu trong cùng phân khúc, và được thiết kế để chạy hoàn toàn trên

10:13 Sáng · 10 tháng 8, 2026 · 944K Lượt xem

261 Phản hồi · 902 Lượt đăng lại · 7.21K Lượt thích

Bài luận vạch ra những gì có khả năng trở thành chương trình nghị sự lâu dài cho MSL:

Meta là công ty tập trung chủ yếu vào việc xây dựng siêu trí tuệ cá nhân cho tất cả mọi người. Hầu hết các phòng thí nghiệm khác tập trung vào việc xây dựng AI cho các công ty, chính phủ hoặc các tổ chức khác, vì vậy nếu các phòng thí nghiệm đó dẫn đầu, cán cân quyền lực sẽ nghiêng về các tổ chức lớn hơn là cá nhân. Sứ mệnh của Meta kể từ khi thành lập là tập trung vào việc trao quyền vào tay mọi người. Nếu niềm tin và nguyên tắc của chúng tôi dẫn lối, cán cân quyền lực sẽ nghiêng về phía cá nhân và một tương lai tốt đẹp hơn cho tất cả mọi người.

Những dự đoán cốt lõi của ông:

Mọi người sẽ có một tác nhân cá nhân cực kỳ năng lực, hiểu bạn, mục tiêu của bạn và mọi thứ bạn quan tâm.

(có lẽ đây là lý do tại sao ông ấy quan tâm đến OpenClaw)

Mọi người sẽ có những công cụ sáng tạo đáng kinh ngạc để thể hiện ý tưởng của mình.

Mọi người sẽ có những công cụ mạnh mẽ để tạo ra các doanh nghiệp mới và nền kinh tế sẽ trở nên khởi nghiệp hơn.

Mọi người sẽ có một gia sư và huấn luyện viên cá nhân hóa với bằng Tiến sĩ trong mọi môn học cùng sự kiên nhẫn vô hạn để giúp bạn học bất cứ điều gì bạn muốn.

Mọi người sẽ được hưởng lợi từ những tiến bộ khoa học và có thể đóng góp vào sự tiến bộ của khoa học.

Mọi người sẽ được tiếp cận miễn phí hoặc với chi phí phải chăng với những công cụ này.

Và ông đã nêu tên một số rủi ro cốt lõi:

Tăng trưởng việc làm và Nền kinh tế: “Quy mô công ty có thể thu hẹp lại -- giống như cách chúng đã làm trong quá trình chuyển đổi từ các tập đoàn công nghiệp khổng lồ sang các công ty công nghệ. Nhưng điều này không có nghĩa là tổng thể có ít việc làm hơn. Nó ngụ ý một số lượng lớn hơn các công ty với ít nhân sự hơn ở mỗi công ty.”

Xây dựng cơ sở hạ tầng AI cùng cộng đồng: “Tại Richland Parish, Louisiana, nơi Meta đang xây dựng một trung tâm dữ liệu lớn, các giáo viên đã nhận được khoản thưởng 50.000 đô la trong năm nay nhờ doanh thu thuế tăng từ khoản đầu tư của chúng tôi… Chúng tôi giúp giữ giá điện ở mức thấp bằng cách xây dựng cơ sở hạ tầng tạo năng lượng của riêng mình ở bất cứ nơi nào chúng tôi đầu tư…. Ở những khu vực khan hiếm nước, mục tiêu của chúng tôi là phục hồi 200% lượng nước mà chúng tôi sử dụng.”

Đảm bảo an ninh chống lại việc lạm dụng AI trong an ninh mạng, khủng bố sinh học và hơn thế nữa: “Tôi đề xuất rằng các công ty phát triển AI tiên phong nên cam kết các nguồn lực kỹ thuật đáng kể để giúp chính phủ củng cố cơ sở hạ tầng quan trọng. Tôi cũng đề xuất rằng các phòng thí nghiệm AI tiên phong nên chia sẻ các điểm kiểm tra (checkpoint) đào tạo trung gian của các mô hình mới để chính phủ sử dụng và đánh giá thay vì đợi cho đến khi quá trình đào tạo hoàn tất.”

Bảo vệ tự do và ngăn chặn sự chuyên chế của chính phủ: “Để duy trì tự do, chúng ta phải đảm bảo rằng siêu trí tuệ chủ yếu trao quyền cho các cá nhân. Lý tưởng trong nền dân chủ tự do là mọi người tự nhiên nắm giữ mọi quyền và chỉ đồng ý hạn chế một số quyền tự do để bảo vệ lợi ích chung. Tương tự, các cá nhân nên có quyền truy cập vào siêu trí tuệ cá nhân và chỉ nên chịu các hạn chế khi thực sự cần thiết.”

Đảm bảo vai trò lãnh đạo của Mỹ: “Về cơ sở hạ tầng, Mỹ và các đồng minh hiện đang nắm giữ lợi thế về thiết kế silicon nhưng lại bất lợi về tốc độ xây dựng công suất năng lượng và cơ sở hạ tầng vật lý. Các quốc gia như Trung Quốc đang đưa vào vận hành hơn 1GW công suất hạt nhân mỗi hai tuần, vì vậy chúng ta sẽ cần đẩy nhanh việc xây dựng cả năng lượng và trung tâm dữ liệu để duy trì khả năng cạnh tranh. Các biện pháp kiểm soát xuất khẩu đối với silicon đã thành công trong việc làm chậm tiến độ của các phòng thí nghiệm nước ngoài trong giai đoạn quan trọng này, vì vậy tiếp tục thực hiện điều đó là bước đi chiến lược đúng đắn. Bất kỳ chính sách nào làm chậm việc phát hành mô hình của Mỹ -- dù chỉ một tháng -- cũng có thể gây ra rủi ro đáng kể cho vai trò lãnh đạo của Mỹ trong khi để các mô hình nước ngoài vượt lên trước. Đồng thời, khi các năng lực mới xuất hiện, điều quan trọng là chính phủ Mỹ phải có kiến thức và nguồn lực tiên tiến để củng cố các hệ thống quan trọng, và có khả năng có một khoảng thời gian lợi thế trong việc sử dụng các hệ thống tiên tiến.”

Sự liên kết với con người và giải quyết rủi ro hiện hữu: “Một sự cân bằng quyền lực lành mạnh là đảm bảo không có một siêu trí tuệ tập trung duy nhất, mà thay vào đó là càng nhiều người và doanh nghiệp càng tốt với các tác nhân siêu trí tuệ khác nhau phù hợp với mục tiêu của họ, kiểm soát và cạnh tranh với nhau theo cách mà nền kinh tế tự nhiên của chúng ta vận hành. Sự cân bằng này sẽ được tăng cường hơn nữa nếu có nhiều phòng thí nghiệm tiên phong với các mô hình có giá trị khác nhau có thể kiểm soát lẫn nhau.”

Duy trì quyền kiểm soát siêu trí tuệ: “Có một tình thế tiến thoái lưỡng nan là một khi các hệ thống AI có thể tự cải thiện, bất kỳ phòng thí nghiệm nào không để hệ thống AI của họ dành một lượng công suất tính toán đáng kể cho việc tự cải thiện đệ quy sẽ vốn dĩ bị tụt hậu. Ví dụ, nếu một hệ thống AI tự cải thiện tập trung vào việc tối ưu hóa hiệu quả tính toán của nó, về lý thuyết, nó có thể phát minh ra các cách để vắt kiệt trí thông minh gấp 100 lần hoặc hơn từ mỗi gigawatt. Điều đó có nghĩa là một hệ thống AI tự cải thiện chạy trên một phần nhỏ công suất tính toán của thế giới có thể hình dung được là sẽ chỉ huy nhiều công suất tính toán và trí thông minh hiệu quả hơn, và do đó có cán cân quyền lực lớn hơn tất cả những người khác cộng lại và trở thành siêu trí tuệ duy nhất mà chúng ta lo sợ.”

Tin tức AI từ 8/8/2026-10/8/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm Discord nào. Trang web của AINews cho phép bạn tìm kiếm tất cả các số báo trước đây. Xin nhắc lại, AINews hiện là một phần của Latent Space. Bạn có thể chọn tham gia/rời khỏi danh sách nhận email!

Meta quay trở lại với trọng số mở cùng Muse Glimmer và Spark 1.2

Meta tái gia nhập lĩnh vực tiên phong về trọng số mở: Câu chuyện chủ đạo trong ngày là việc Meta phát hành Muse Glimmer, một mô hình 30B dày đặc, đa phương thức, tập trung vào tác nhân theo giấy phép Apache 2.0, cùng với lời hứa sẽ sớm phát hành trọng số của Muse Spark 1.2. Thông báo đến từ Mark Zuckerberg và Alexandr Wang, với việc Meta coi đây là cam kết đổi mới đối với "siêu trí tuệ cá nhân" phổ biến rộng rãi trong bài luận của Zuckerberg. Chuỗi bài đăng sản phẩm của Meta định vị Glimmer là mô hình được tối ưu hóa cho các tác nhân cục bộ luôn hoạt động, có khả năng chạy trên phần cứng tiêu dùng, kèm theo các chi tiết chính thức và liên kết tải xuống.

Điểm đáng chú ý về mặt kỹ thuật của Glimmer: Meta cho biết Glimmer được thiết kế cho các vòng lặp tác nhân dài hạn, sử dụng công cụ và triển khai cục bộ. Trong ngăn xếp phục vụ (serving stack), Meta đề cập rõ ràng đến việc lượng tử hóa để đưa LM xuống dưới 20GB và một trình soạn thảo DFlash nhẹ để tạo phản hồi nhanh hơn trên thiết bị, mang lại tương tác cục bộ "mượt mà" @AIatMeta. Các bản tóm tắt từ cộng đồng bổ sung thêm màu sắc kiến trúc: @eliebakouch lưu ý những điểm tương đồng với cơ chế chú ý lai (hybrid attention) kiểu Gemma 4 cộng với chuẩn QK không phụ thuộc quy mô, độ sâu thị giác lớn hơn và SWA dài hơn; @nrehiew_ nhấn mạnh rằng Glimmer được chưng cất logit từ Muse Spark và được đào tạo ngay từ đầu trên các dấu vết tác nhân, tức là không phải là bản phát hành "cơ sở rồi hậu đào tạo" thông thường.

Các điểm chuẩn và hệ sinh thái triển khai đã xuất hiện ngay lập tức: Phân tích từ bên thứ ba của Artificial Analysis xếp Muse Glimmer ở vị trí 35 trên Chỉ số Trí tuệ của họ, ngay sau Qwen3.6-27B (38) và xung quanh Kimi K2.5 (36), đồng thời đạt điểm tốt về tính mở (Chỉ số Mở 44). Đánh giá của họ là Glimmer mạnh so với kích thước của nó và đặc biệt đáng chú ý đối với việc tự lưu trữ cục bộ: ~60GB BF16, ~18GB 4-bit, ngữ cảnh 128K và cơ chế chú ý lai tiết kiệm bộ nhớ phù hợp cho các chi tiết triển khai trên một nút (single-node). Điểm yếu: khả năng hiệu chuẩn kiến thức/ảo tưởng tương đối kém và tụt hậu so với một số đối thủ về công việc kiến thức tác nhân, mặc dù nó hoạt động tốt trong việc sử dụng công cụ Tau3-Banking.

Anthropic và OpenAI thúc đẩy năng lực tiên phong: Toán học và An ninh mạng

Claude của Anthropic cải thiện giới hạn liên quan đến giả thuyết Riemann: Anthropic báo cáo rằng một biến thể nghiên cứu Claude chưa được phát hành, khi được giao nhiệm vụ với Giả thuyết Riemann, đã không giải được giả thuyết này nhưng đã cải thiện một giới hạn dưới lâu đời: tỷ lệ các số không zeta trên đường tới hạn đã tăng từ 41,6% lên 67,2% trong thông báo kết quả được tạo ra. Bài đăng nhanh chóng trở thành câu chuyện lớn thứ hai trong ngày, với Jarred Sumner nói thêm rằng mô hình đã sử dụng các lần thử lại lặp đi lặp lại và khám phá quy mô lớn trên 31 triệu token đầu ra. Các kỹ sư xem đây ít giống như "RH đã được giải" mà giống một ví dụ nổi bật về việc tìm kiếm định lý và lặp lại chứng minh có sự hỗ trợ của AI; xem phản hồi từ @jdlichtman và @kimmonismus.

OpenAI ra mắt GPT-5.6-Cyber dưới quyền truy cập hạn chế: OpenAI đã công bố GPT-5.6-Cyber và mở rộng sáng kiến an ninh mạng Daybreak, định vị rõ ràng mô hình này cho công việc phòng thủ nâng cao, được ủy quyền @OpenAI. OpenAI cho biết mô hình này đã được sử dụng trong nghiên cứu lỗ hổng thực tế, bao gồm việc tìm ra các lỗi chưa từng biết trước đây trong phần mềm nguồn mở và thậm chí cả các chi tiết của Chrome V8. Quyền truy cập bị giới hạn đối với "những người bảo vệ được phê duyệt", với các biện pháp kiểm soát và giám sát bổ sung cho các biện pháp bảo vệ tác vụ mạng rủi ro cao hơn. Động thái này theo sau cuộc tranh luận rộng rãi hơn về việc lạm dụng mạng của mô hình và khai thác do tác nhân điều khiển, được @kimmonismus và @jachiam0 đề cập.

Áp lực về giá cũng xuất hiện: Anthropic thông báo riêng rằng giá giới thiệu của Claude Sonnet 5 sẽ trở thành vĩnh viễn ở mức 2 đô la/triệu token đầu vào và 10 đô la/triệu token đầu ra @claudeai, một động thái được hiểu rộng rãi là áp lực cạnh tranh trong bối cảnh lĩnh vực mở và bán mở đang phát triển nhanh chóng.

Khung tác nhân (Agent Harnesses), Sử dụng công cụ và Tối ưu hóa chi phí/độ trễ

Chất lượng khung (harness) đang trở thành yếu tố khác biệt hàng đầu: Một số tweet nhấn mạnh rằng chất lượng mô hình ngày càng bị hạn chế bởi khung tác nhân, không chỉ bởi mô hình cơ sở. Điểm chuẩn của Composio đã chạy DeepSeek V4 Flash qua bốn khung trên 40 tác vụ tác nhân, nhận thấy Pi Agent vừa rẻ nhất vừa hoạt động tốt nhất trong thiết lập đó. Shashwat Goel tương tự gọi Prime-agent là một khung chung mạnh mẽ cho các tác vụ dài hạn.

Thiết kế giao diện công cụ quan trọng hơn nhiều ngăn xếp giả định: Một bản tóm tắt bài báo đáng chú ý từ @dair_ai lập luận rằng việc gọi công cụ theo chương trình—các stub Python được định kiểu thực thi trong mã—khớp hoặc vượt qua việc gọi công cụ JSON gốc ở 11/14 mô hình, với dòng GPT-5.6 đạt mức tăng 10,6% so với các đường cơ sở JSON trên BFCL v4. Tuyên bố: khi các mô hình trở nên giỏi hơn về mã, việc coi các công cụ là đối tượng mã thay vì các khối lược đồ (schema blobs) ngày càng thắng thế, đặc biệt là trong bối cảnh suy giảm ngữ cảnh (context rot) và phân nhánh song song.

Hiệu quả token vẫn là một vấn đề hệ thống trực tiếp: Teknium nhấn mạnh các cải tiến đọc-công cụ trong Hermes Agent, trong khi sau đó báo cáo mức giảm ~60% token cho tự động hóa trình duyệt bằng cách thu gọn nhiều hành động trình duyệt thành một giao diện công cụ điều khiển bằng CLI tại đây và đây. Liên quan đến điều này, Browser Use và Stagehand v4 báo hiệu sự chuyển dịch sang các trừu tượng mỏng hơn, gốc trình duyệt cho các tác nhân.

Chuỗi công cụ tác nhân ưu tiên cục bộ (local-first) tiếp tục cải thiện: SDK của Pi nhấn mạnh rằng một tác nhân lập trình có thể duy trì khả năng đáng ngạc nhiên chỉ với bốn nguyên hàm—đọc, bash, chỉnh sửa, ghi—trong khi LiteParse của Jerry Liu nhắm mục tiêu phân tích tài liệu có độ trễ thấp bên trong vòng lặp tác nhân, tuyên bố đạt 4 ms cho 200 trang về trích xuất heuristic trước khi quay lại OCR/VLM.