AINews: Cẩm nang thực chiến về Fable

Trong khi chúng tôi gửi lời chúc mừng đến General Intuition (một người bạn của chương trình!) về mô hình mới của họ và Shunyu Yao (một người bạn của chương trình!) về mô hình mới của anh ấy, và cả thế giới đang chờ đợi sự ra mắt của GPT-5.6 Sol Ultra, mọi người đang chạy đua để tìm ra các giới hạn của Fable 5 trước khi gói trợ giá đăng ký kết thúc vào ngày mai.

Thariq đã và đang thực hiện loạt bài blog “Field Guide to Fable” (Hướng dẫn thực địa về Fable), và tình cờ có một bài thuyết trình chính được lên kế hoạch vào đúng ngày tái ra mắt, vì vậy anh ấy đã khéo léo thay đổi toàn bộ nội dung bài thuyết trình chỉ trong một đêm để đưa ra những lời khuyên kịp thời nhất mà anh có, vốn đã được công bố ngày hôm nay:

4 phần chính bao gồm (bình luận theo dõi của tôi được in nghiêng):

0:00 Giới thiệu và thiết lập bối cảnh cho Fable

2:32 Giải phóng Claude: Hiểu về hành vi của mô hình

Các ràng buộc trên một mô hình thường được áp đặt bởi người dùng - “bộ khung mà chúng ta đặt lên chúng, và cách chúng ta ra lệnh (prompt) cho chúng”. Do đó, khi gặp một lớp mô hình mới, chúng ta nên kỳ vọng vào việc loại bỏ hoặc thay đổi những bộ khung và câu lệnh đó để khơi gợi các hành vi mới mà bạn sẽ không bao giờ thấy nếu cứ giới hạn mô hình quá mức (hay còn gọi là làm què quặt mô hình).

Ví dụ điển hình: hầu hết mọi người đã đồng ý với Thariq về hiệu quả không tưởng của HTML.

9:08 Tìm kiếm những điều chưa biết của bạn: Điều hướng khoảng cách giữa bản đồ và lãnh thổ

đã được viết blog tại đây.

một người anh em gần gũi với việc “giải phóng” - nếu giải phóng là về việc xóa bỏ những kiến thức cũ kỹ, thì đây là về việc tìm ra những thứ mà bạn thậm chí còn không biết là mình không biết.

các kỹ thuật dễ nhất:

yêu cầu Claude thực hiện một “lượt kiểm tra điểm mù” cho những điều bạn chưa biết

động não cho “các hướng thiết kế hoàn toàn khác biệt”

phỏng vấn tôi - tương tự như /grill-me, nhưng ưu tiên các câu hỏi có tác động cao

sử dụng tài liệu tham khảo: trong trường hợp di chuyển dữ liệu (migrations)

duy trì implementation-notes.md: một nhật ký chạy liên tục về các quyết định chưa được xác định rõ ràng được thực hiện thay cho bạn

kiểm tra tôi - đảm bảo sự hiểu biết CỦA TÔI

14:29 Đối mặt với sự tiếc nuối: Suy ngẫm về sự thay đổi cảm xúc trong năng suất lập trình

Những gì bạn từng mất hàng tuần để thực hiện giờ đây chỉ hoàn thành trong vài giờ

16:30 Trở nên phi lý trí: Đòi hỏi kết quả tốt, nhanh và rẻ

“Sự đánh đổi là không có thật” - vì Fable có năng lực mạnh mẽ hơn, bạn có thể tham vọng hơn và không cần chấp nhận sự đánh đổi.

“Xây dựng thì dễ, tạo ra giá trị vẫn là việc khó”.

Nhìn chung, đây là một bài nói chuyện xuất sắc mà chúng tôi sẽ vạch ra các ý nghĩa của nó khi thế giới dần thích nghi với các mô hình lớp Fable đầu tiên.

Tin tức AI từ 04/07/2026 đến 06/07/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm Discord nào mới. Trang web của AINews cho phép bạn tìm kiếm tất cả các số báo trước đây. Xin nhắc lại, AINews hiện là một chuyên mục của Latent Space. Bạn có thể chọn nhận hoặc hủy nhận email theo tần suất!

Sự ra mắt Hy3 của Tencent Hunyuan và Biên giới mô hình mở (Open-Weight)

Hy3 xuất hiện như một mô hình mở nghiêm túc: Tencent đã phát hành Hy3 theo giấy phép Apache 2.0, một mô hình MoE 295B với 21B tham số hoạt động, 192 chuyên gia / định tuyến top-8, GQA, ngữ cảnh 256K và lớp MTP 3.8B cho giải mã suy đoán (speculative decoding). Nhiều bài đăng đánh giá nó có khả năng cạnh tranh với các hệ thống lớn hơn nhiều về suy luận, lập trình và các tác vụ đại lý (agentic tasks), với sự nhấn mạnh đặc biệt vào các cải tiến độ tin cậy như tính ổn định khi gọi công cụ và công việc chống ảo giác @eliebakouch, @HuggingPapers, @ShunyuYao12.

Hỗ trợ suy luận (inference) đã trưởng thành ngay từ ngày đầu: @vllm_project cho biết Hy3 chạy nguyên bản trong vLLM ngay từ khi ra mắt với các trình phân tích cú pháp gọi công cụ và suy luận, giải mã suy đoán MTP, và hỗ trợ đã được xác thực trên NVIDIA và AMD. Một bài viết tiếp theo đã trình bày chi tiết các nhân (kernels) sản xuất của Tencent hiện đã được đưa vào vLLM chính, bao gồm lập lịch giải mã cân bằng tải và phục vụ MoE FP8 hợp nhất, với mức tăng hiệu suất được báo cáo lên tới 2,95 lần trên giải mã độ dài hỗn hợp và giảm độ trễ khoảng 24% TTFT và 17% TPOT so với các backend mặc định @vllm_project. Phản ứng của cộng đồng mạnh mẽ đến mức @Teknium đã nhanh chóng cung cấp Hy3 miễn phí trên Nous Portal trong hai tuần.

Bối cảnh mô hình mở rộng hơn: Hy3 ngay lập tức được so sánh với GLM-5.2, với một số người đăng bài cho rằng Tencent hiện đã gia nhập nhóm các phòng thí nghiệm mã nguồn mở hàng đầu nếu kết quả benchmark và kiểm tra cảm quan (vibe-test) giữ vững @teortaxesTex, trong khi những người khác vẫn duy trì quan điểm GLM-5.2 là mô hình trọng số mở tốt nhất hiện có trong thực tế @tinygrad, @mbusigin. Kết luận chung: biên giới mở đang thu hẹp nhanh chóng, và sự cạnh tranh ngày càng tập trung vào tính bền vững khi triển khai thay vì chỉ là các con số trên bảng xếp hạng.

Benchmark đại lý, Bộ khung và Bộ nhớ dài hạn

AutomationBench-AA bổ sung một đánh giá đại lý thực tế hơn: @ArtificialAnlys đã ra mắt bảng xếp hạng độc lập cho AutomationBench của Zapier, đánh giá các đại lý trên 657 tác vụ và 40 ứng dụng SaaS mô phỏng với cả mục tiêu và rào cản. Claude Fable 5 dẫn đầu với 48,6%, nhỉnh hơn một chút so với Opus 4.8 với 48,5%, trong khi Gemini 3.5 Flash đạt 42,6% và GPT-5.5 xhigh đạt 42,1%. Điều thú vị hơn cả thứ hạng: mọi mô hình vẫn vi phạm các quy tắc kinh doanh, và Gemini tỏ ra đặc biệt mạnh mẽ về tỷ lệ mục tiêu trên mỗi vi phạm rào cản và hiệu quả chi phí. Các mô hình trọng số mở vẫn tụt hậu đáng kể, với GLM-5.2 max là mô hình mở tốt nhất được liệt kê ở mức 27,8%.

Các chỉ số năng lực đang trở nên đa chiều: Artificial Analysis cũng giới thiệu sáu chỉ số chuyên biệt theo lĩnh vực—Tài chính & Kế toán, Pháp lý, Chăm sóc sức khỏe & Y tế, Chiến lược & Vận hành, Kỹ thuật, Kinh tế—để vượt qua các điểm số mô hình vô hướng đơn lẻ @ArtificialAnlys. Tiêu đề vẫn quen thuộc—Claude Fable 5 cộng với dự phòng Opus 4.8 dẫn đầu—nhưng thông tin chi tiết hữu ích hơn là cách các bảng xếp hạng thay đổi mạnh mẽ theo lĩnh vực và biên giới giá/hiệu năng đã trở nên dốc như thế nào. Điều này phù hợp với @fchollet, người đã lập luận rằng việc báo cáo điểm benchmark mà không kèm theo chi phí trên mỗi tác vụ ngày càng trở nên vô nghĩa.

Bộ nhớ và truy xuất vẫn là nút thắt cho các đại lý bền bỉ: Hai bài báo đã thu hút sự chú ý ở đây. Đầu tiên, A-TMA giải quyết “bộ nhớ ma”, nơi các dữ kiện cũ và hiện tại được truy xuất cùng nhau trong các trợ lý chạy dài hạn; trên benchmark LTP, việc thêm nó vào Graphiti được cho là cải thiện độ chính xác xung đột thêm +0,240 tuyệt đối @omarsar0. Thứ hai, ReContext là một bộ khung suy luận ngữ cảnh dài không cần đào tạo, phát lại bằng chứng nội bộ của mô hình ngay trước khi tạo câu trả lời, cải thiện việc sử dụng bằng chứng trên tám tập dữ liệu 128K @dair_ai. Kết hợp với BlockSearch cho việc truy xuất trong ngữ cảnh hàng triệu token @dair_ai, chủ đề rất rõ ràng: hành vi bộ nhớ tốt hơn đang ngày càng được thiết kế tại thời điểm suy luận, thay vì chỉ được đào tạo từ trước.

Kết quả J-Space / Global Workspace của Anthropic

Khả năng diễn giải cơ học (Mechanistic interpretability) chiếm vị trí trung tâm: Anthropic đã công bố nghiên cứu tuyên bố về một cấu trúc nội bộ giống như không gian làm việc toàn cầu (global workspace) trong Claude, tập trung vào một tập hợp con nhỏ các kích hoạt mà họ gọi là J-space @AnthropicAI, @AnthropicAI. Tuyên bố cốt lõi không phải là trích xuất chuỗi suy nghĩ (chain-of-thought), mà là xác định một chất nền biểu diễn nội bộ đặc quyền dường như có sẵn để báo cáo, điều biến và suy luận linh hoạt. Anthropic cũng đã phát hành bản demo Neuronpedia cho các mô hình trọng số mở @AnthropicAI.

Tại sao các nhà nghiên cứu quan tâm: Các nhà nghiên cứu về khả năng diễn giải coi đây là bằng chứng mạnh mẽ hơn cho một “bộ nhớ làm việc” hoặc không gian làm việc nội bộ của mô hình so với các công trình công khai trước đó, ngay cả khi họ không đồng ý với cách đặt vấn đề. @NeelNanda5 gọi đây là bằng chứng tốt nhất cho đến nay về một cơ chế giống như bộ nhớ làm việc. @Jack_W_Lindsey lập luận rằng việc hiểu không gian đặc quyền này có thể là chìa khóa cho nhận thức của LLM. Các bài đăng cũng nhấn mạnh các khía cạnh an toàn thực tế: không gian làm việc được cho là có thể làm nổi lên các khái niệm ẩn, phát hiện các lệnh tiêm nhiễm (prompt injections) và phơi bày các tính năng liên quan đến phá hoại nội bộ trước khi chúng được diễn đạt bằng lời @mlpowered, @LiorOnAI, @omarsar0.

Nhưng ngôn ngữ về “ý thức” đã bị tranh cãi: Cách đặt vấn đề công khai của Anthropic đã vấp phải sự phản đối mạnh mẽ. Những người ủng hộ cho rằng kết quả cho thấy một sự tương tự chức năng của ý thức truy cập (access consciousness) thay vì ý thức hiện tượng (phenomenal consciousness) @BorisMPower, trong khi các nhà phê bình lập luận rằng công ty đang phóng đại bằng cách đánh đồng kích hoạt tiềm ẩn đặc quyền với ý thức @AlanCowen. Ngay cả một số ý kiến đồng cảm cũng nhấn mạnh câu chuyện lớn hơn là một điểm can thiệp mới để kiểm toán và điều hướng các mô hình, chứ không phải triết học.

Suy luận, Phục vụ và Hiệu quả hệ thống

Giải mã suy đoán vẫn là cơ sở hạ tầng nóng hổi: @lmsysorg đã thêm DSpark vào SGLang để xác minh độ dài biến đổi dựa trên sự tự tin. Lập luận là dưới tải trọng cao, nó tránh việc xác minh mọi token dự thảo, cải thiện sự đánh đổi giữa thông lượng/độ trễ so với các phương pháp suy đoán ngân sách cố định; DeepSeek-V4-Pro được báo cáo đã đạt 383,7 tok/s ở batch=1 trên B300. Microsoft cũng thảo luận về tối ưu hóa cấp độ câu lệnh của GPT-5.5 trong bộ khung GitHub Copilot để cải thiện độ trễ và hiệu quả token sau khi ra mắt @code, @pierceboggan.

Hiệu quả suy luận ngày càng trở thành nút thắt chiến lược: @jon_durbin lập luận rằng suy luận, chứ không chỉ riêng đào tạo, hiện là “toàn bộ cuộc chơi”, bởi vì mọi đường ống dữ liệu, vòng lặp RL và thời gian chạy đại lý cuối cùng đều được quy đổi thành tính toán tại thời điểm kiểm tra. Quan điểm đó cũng xuất hiện trong công việc về nhân (kernel) cấp thấp hơn: Chutes báo cáo tốc độ tăng đáng kể cho MiniMax MSA và GatedDeltaNet-2, bao gồm cải tiến đào tạo sparse-attention khoảng ~7x trên RTX Pro 6000 / SM120 và các nhân FP8 hợp nhất tốt hơn @jon_durbin.