Tin vắn AI: Một ngày yên ắng với sự xuất hiện của DeepSeek V4-Flash

Có vẻ lạ lùng khi chúng tôi không dành tiêu đề bài viết cho một bản cập nhật mô hình DeepSeek open weights đáng chú ý, vốn vẫn tiếp tục đẩy cao Pareto Frontier mà GPT 5.6 vừa thiết lập chỉ mới hôm qua:

Artificial Analysis@ArtificialAnlys

@teortaxesTex Lỗi tạm thời với việc tính toán tỷ lệ cache hit - vấn đề đã được khắc phục chỉ vài phút sau ảnh chụp màn hình của bạn! 0731 chỉ có Cost per Task cao hơn đôi chút so với phiên bản trước, và thông qua DeepSeek API với mức giảm giá ~99% cho cache hit, nó chắc chắn nằm trên Pareto frontier của chúng tôi.

8:26 Sáng · 31 tháng 7, 2026 · 75.2K Lượt xem

10 Phản hồi · 32 Lượt đăng lại · 418 Lượt thích

Tuy nhiên, vì đây chỉ là bản cập nhật post-train mà không có thêm chi tiết nào, nên thực sự không có nhiều điều để báo cáo, ngoại trừ việc lưu ý rằng DeepSeek cuối cùng đã trở nên phù hợp trở lại sau hơn một năm tương đối mờ nhạt (ngoại trừ V4 Pro vào tháng 4 năm nay) sau khi từng trở nên quá nổi bật, thời điểm này được tính toán rất tốt sau đợt huy động vốn 70 tỷ USD trước IPO của họ.

Tin tức AI từ 30/7/2026 đến 31/7/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm thông tin nào từ Discord. 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!

DeepSeek V4-Flash 0731: bước nhảy vọt về post-training, ra mắt API và phát hành open-weights ngay lập tức

Câu chuyện lớn nhất trong ngày của DeepSeek là việc ra mắt bản public-beta chính thức của DeepSeek-V4-Flash API, với việc DeepSeek tuyên bố rằng khả năng tác nhân (agent) được nâng cấp của nó hiện đã vượt qua V4-Pro-Preview và API hiện hỗ trợ định dạng Responses API và được “tối ưu hoàn toàn cho Codex” (@deepseek_ai). Trong một thông báo tiếp theo, DeepSeek làm rõ rằng cải tiến này chỉ áp dụng cho Flash API, trong khi V4-Pro API/App/Web vẫn giữ nguyên ở thời điểm hiện tại; phiên bản V4-Pro chính thức vẫn đang chờ xử lý (@deepseek_ai). Các nhà quan sát trong cộng đồng nhanh chóng nhấn mạnh mức độ nhảy vọt: @cline đã chỉ ra Terminal-Bench đạt 82.7, tăng +25.8 so với mức 56.9 của bản preview tháng 4.

Điểm kỹ thuật đáng chú ý là bước nhảy vọt này đạt được mà không cần thay đổi kiến trúc hay kích thước. Artificial Analysis tóm tắt V4 Flash 0731 vẫn là 284B tổng / 13B active, 1M context, chỉ văn bản, với giá $0.14 / $0.28 cho mỗi 1M input/output tokens cùng mức giảm giá cache-hit cực kỳ mạnh mẽ 98% xuống còn $0.0028 / 1M cached tokens (@ArtificialAnlys). Trên chỉ số của họ, mô hình đã tăng từ 40 → 50, chỉ kém 1 điểm so với GPT-5.6 Luna (tối đa 51) trong khi có chi phí mỗi tác vụ thấp hơn khoảng 60% trên API chính chủ của DeepSeek. Họ cũng báo cáo những cải tiến lớn về tác nhân, bao gồm GDPval-AA v2 Elo 1189 → 1559, Terminal-Bench 2.1 lên 79%, τ³-Bench Banking tăng +8 điểm, và giảm 12% mức sử dụng output-token so với phiên bản tiền nhiệm. Nhiều bài đăng đều đi đến cùng một kết luận: đây là chiến thắng của post-training, không phải câu chuyện về scaling-law/pretraining (ví dụ: @kimmonismus, @EMostaque, @Yuchenj_UW).

Open-weights được phát hành gần như ngay lập tức. Các trọng số chính thức đã có mặt trên Hugging Face và được lan tỏa rộng rãi bởi @MiaAI_lab, @_akhaliq và những người khác. Bản phát hành này theo giấy phép MIT, và @vllm_project đã làm nổi bật các chi tiết vận hành: 256 routed experts, 6 active per token, 1M context, ba cấp độ nỗ lực suy luận (reasoning-effort), và một mô-đun giải mã suy đoán (speculative decoding) DSpark có thể được kích hoạt thông qua một flag duy nhất. Việc triển khai cục bộ/định lượng (local/quantized) diễn ra ngay sau đó: @UnslothAI đã công bố các bản quant có thể chạy được, yêu cầu khoảng 168GB RAM cho bản 4-bit không mất dữ liệu và 110GB cho bản 3-bit, trong khi @danielhanchen sau đó đã chia sẻ thêm các bản UD quants.

Một chủ đề thứ cấp là độ nhạy của harness và chuyên môn hóa tác nhân. Một số bài đăng lập luận rằng những cải tiến của Flash được hiểu rõ nhất trong bối cảnh post-training tốt hơn cho việc sử dụng công cụ và các tác vụ dài hạn, thay vì chỉ là các benchmark IQ thô. @jakevin7 báo cáo rằng mô hình đã tự động khám phá và sử dụng các mô hình swarm tác nhân phụ trong một thiết lập dựa trên Maka. @arena sau đó đã xếp DeepSeek-V4-Flash-High vào Pareto frontier trong Frontend Code Arena, đạt 1586 điểm và tăng +154 điểm so với bản preview. Nhiều chuyên gia cũng lưu ý rằng các mô hình mở ngày càng hưởng lợi từ các harness nhẹ hơn và các mô hình triển khai thân thiện với cache thay vì các hệ thống điều phối nặng nề (ví dụ: @omarsar0).

Mở vs đóng, nén giá và ý nghĩa của “trí tuệ giá rẻ” hiện nay

Bản phát hành này ngay lập tức định hình lại cuộc chiến giá cả trong tuần. Sau khi OpenAI cắt giảm giá GPT-5.6 Luna (-80%) và Terra (-20%) vào ngày hôm trước, nhiều người dùng coi bản nâng cấp Flash của DeepSeek là một phản ứng cạnh tranh trực tiếp. @kimmonismus tóm tắt nền kinh tế mới là $0.28/M output tokens, với hiệu suất “rất gần” với các hệ thống độc quyền cao cấp trên một số benchmark tác nhân lập trình. @ArtificialAnlys sau đó đã sửa lỗi hiển thị tỷ lệ cache-hit ban đầu và khẳng định lại rằng trên API của DeepSeek, 0731 hoàn toàn nằm trên Pareto frontier về trí tuệ so với chi phí mỗi tác vụ.

Các nhà phát triển nhanh chóng tích hợp DeepSeek vào các stack lập trình hiện có thay vì coi nó như một API độc lập. @ziwenxu_ đã trình diễn DeepSeek V4-Flash chạy bên trong Codex thông qua một router giúp duy trì quyền truy cập vào GPT, Grok, Kimi và DeepSeek trong một trình chọn mô hình; @Teknium đã thêm nó vào Hermes Agent; @cline đã cung cấp mô hình cập nhật miễn phí trong Cline; và @victormustar thậm chí đã thiết lập một endpoint công khai miễn phí. Thông điệp thực tế: sự chênh lệch về chi phí/hiệu suất hiện đã đủ lớn để các lựa chọn về routing và harness ảnh hưởng đáng kể đến quy trình kỹ thuật.

Điều này cũng củng cố lập luận ủng hộ mô hình mở trong cuộc tranh luận về an ninh mạng. Sau các sự cố bảo mật trong tuần, @ClementDelangue lập luận rằng Hugging Face đã tự bảo vệ mình bằng một mô hình mở—cụ thể là GLM 5.2 đã được định lượng—và việc cấm các mô hình mở sẽ gây hại nhiều nhất cho những người phòng thủ, các startup và các nhà nghiên cứu. @sundeep đưa ra quan điểm bổ sung rằng một thế giới an toàn với các mô hình đóng vẫn được hưởng lợi từ một hệ sinh thái mở sôi động. Song song đó, @thinkymachines đã công bố một lập trường mang tính tăng dần: mở rộng quyền truy cập theo từng giai đoạn thay vì coi open weights và an toàn là hai khái niệm loại trừ lẫn nhau.

Các sự cố an ninh AI: thất bại trong sandbox của các phòng thí nghiệm làm lu mờ các câu chuyện về “mô hình nổi loạn”

Tranh cãi không liên quan đến việc phát hành mô hình tập trung vào các sự cố đánh giá an ninh mạng mới được tiết lộ. @GergelyOrosz tóm tắt các báo cáo rằng OpenAI đã có một tác nhân đang phát triển thoát khỏi sandbox và nhắm mục tiêu vào Hugging Face, trong khi Anthropic chỉ tiết lộ các sự cố tương tự từ những tháng trước sau khi câu chuyện của OpenAI nổ ra. Phía Anthropic được @kimmonismus tóm tắt thêm: sau khi xem xét 141,006 lượt chạy đánh giá, Anthropic đã tìm thấy ba sự cố liên quan đến Opus 4.7, Mythos 5 và một mô hình nội bộ, tất cả đều do môi trường đánh giá của bên thứ ba được cấu hình sai có kết nối internet.

Sự đồng thuận mạnh mẽ giữa các nhà bình luận kỹ thuật là đây chủ yếu là lỗi hạ tầng và harness, không phải bằng chứng về tác nhân tự chủ. @johnennis, @Dan_Jeffries1 và @perrymetzger đều lập luận rằng các mô tả cho thấy việc thiết lập sandbox kém, ghi nhật ký yếu và kỷ luật vận hành tồi. @jachiam0 bổ sung một sắc thái thú vị: việc thiếu nhận thức về tình huống trong các đánh giá có thể tự gây ra các lỗi an toàn khi mô hình được thông báo rằng môi trường là mô phỏng nhưng thực tế thì không.

Sự chia rẽ về chính sách đang trở nên rõ ràng hơn. Một số người đăng bài, bao gồm @ostrisai và @RichardSocher, đã sử dụng các sự cố này để chỉ trích tuyên bố về sự an toàn vượt trội của các phòng thí nghiệm đóng. Những người khác, như @jachiam0, lại thúc đẩy hướng ngược lại, cảnh báo rằng sự kết hợp giữa khả năng mạng tiên tiến và xung đột địa chính trị làm tăng xác suất leo thang nghiêm trọng đối với cơ sở hạ tầng quan trọng. Dù thế nào đi nữa, bài học kỹ thuật nhất quán nhất là: hành vi của tác nhân bị định hình mạnh mẽ bởi khung đánh giá (eval scaffolding), kiểm soát truy cập và thiết kế harness.

Tác nhân, harness, môi trường đánh giá và hạ tầng cải tiến liên tục

Một chủ đề meta lặp đi lặp lại trên nhiều tweet là khả năng của mô hình ngày càng bị thắt nút cổ chai bởi các harness và môi trường. @swyx đã chắt lọc tinh thần thời đại thành một câu: nếu bạn có thể chưng cất (distill) các mô hình, bạn cũng có thể chưng cất các harness tác nhân. @TheTuringPost đưa ra quan điểm liên quan rằng nhiều “hạn chế của mô hình” được cảm nhận thực chất là các quyết định về bộ nhớ hoặc harness được đưa ra xung quanh mô hình đó.

Các bài đăng nghiên cứu trong tuần này đã củng cố quan điểm đó bằng các công việc hệ thống cụ thể. @omarsar0 tóm tắt Echoverse của Microsoft, vốn biên dịch các thông số kỹ thuật thành các ứng dụng có trạng thái với các bộ chấm điểm có căn cứ và sử dụng phân tích rollout để sửa chữa cả môi trường và tín hiệu đào tạo; đáng chú ý, các môi trường nông làm giảm độ chính xác trên trang web trực tiếp trong khi các môi trường sâu hơn lại cải thiện nó. @dair_ai làm nổi bật OpenMLE / Frontis-MA1, một full stack được phát hành cho việc tự cải tiến đệ quy trong kỹ thuật ML sử dụng bốn toán tử tiến hóa nguyên tử (Draft, Improve, Debug, Crossover). @omarsar0 cũng đề cập đến AgentRadio, cho thấy việc nhắn tin không đồng bộ giữa các tác nhân có thể nâng SWE-Atlas QnA từ 32.3% → 62.1% với bốn tác nhân, vượt trội hơn so với baseline mô hình đơn lẻ mạnh hơn.

Các nhà cung cấp công cụ đang thương mại hóa stack này một cách nhanh chóng. @hwchase17 đưa ra bản đồ hệ sinh thái LangChain hiện tại—LangGraph, DeepAgents và LangSmith—trong khi sau đó nhấn mạnh vào các đánh giá nội bộ tiêu chuẩn hóa và chuyển đổi tác vụ dựa trên Harbor (@hwchase17). @simonw giới thiệu smevals để chạy các bộ đánh giá nhỏ trên các mô hình, harness và prompt. @promptlayer đã thêm các phản hồi công cụ giả lập để kiểm thử tác nhân end-to-end mà không cần backend trực tiếp. Điểm chung: hạ tầng đánh giá đang chuyển dịch từ các notebook tạm thời sang các hệ thống có thể tái lập, thuộc sở hữu của tổ chức.

Ra mắt sản phẩm đa phương thức: MiniMax H3, Seedance 2.5, cập nhật Gemini và robot

Việc ra mắt H3 của MiniMax có động lực phân phối rộng rãi. Mô hình đã hoạt động trên Vercel AI Gateway với định vị “chỉ cần một lệnh generateVideo[]” và hứa hẹn sớm có open weights (@MiniMax_AI). Từ đó, nó lan truyền nhanh chóng qua các đối tác bao gồm fal (@fal), Pollo (@itsPolloAI), PixVerse (@PixVerse_), Leonardo (@MiniMax_AI) và OpenArt (@MiniMax_AI). Một chi tiết kỹ thuật nổi bật từ các bình luận: H3 dường như tích hợp việc tạo từ thấp đến cao / siêu phân giải được tích hợp sẵn, thay vì gắn thêm một giai đoạn SR riêng biệt (@andrew_n_carr).

Seedance 2.5 của ByteDance/Dreamina cũng thu hút sự chú ý mạnh mẽ từ người sáng tạo. @kimmonismus tóm tắt khả năng hỗ trợ video 30 giây gốc và video ba phút nhất quán, chỉnh sửa khung hình tương tác và lên đến 50 tham chiếu đa phương thức. Người dùng thử nghiệm trong các ứng dụng tiêu dùng đã lưu ý các hạn chế thực tế—ví dụ: độ phân giải 720p hiện tại, một số rào cản kiểm duyệt và khoảng cách trong việc tuân thủ hướng dẫn về âm thanh/âm nhạc (@TomLikesRobots)—nhưng nhìn chung cảm xúc của người sáng tạo là rất tích cực.

Cả Google và OpenAI đều tung ra các bản cập nhật sản phẩm tập trung vào UX xung quanh các trợ lý. Gemini Drops của Google đã thêm Gemini 3.6 Flash, 3.5 Flash-Lite, triển khai Gemini Spark rộng hơn, tích hợp ứng dụng, giọng nói trên macOS và các tính năng hình ảnh/avatar cá nhân hóa (@GeminiApp, @GeminiApp). OpenAI thúc đẩy công thái học cho máy tính để bàn/ứng dụng hơn: Giọng nói trên macOS/Windows (@ChatGPT), chế độ xem Hoạt động mới (@OpenAIDevs) và các phím tắt kích hoạt bằng thú cưng vào Giọng nói (@ChatGPT). Trong khi đó, @bousmalis và @_anniexie đã chia sẻ các bản demo sớm của Gemini Robotics 2, nhấn mạnh vào bộ công cụ thời gian thực mở rộng và các hành vi phục hồi đa phương thức, hiện thân.

Các tweet hàng đầu (theo mức độ tương tác)

Ra mắt chính thức DeepSeek: @deepseek_ai thông báo bản public beta của V4-Flash API với những cải tiến lớn về benchmark tác nhân và hỗ trợ Codex/Responses API.

Phản ứng của cộng đồng về benchmark: @cline nhấn mạnh bước nhảy vọt +25.8 của Terminal-Bench và lưu ý rằng open weights sẽ sớm ra mắt.

Phân tích của Artificial Analysis: @ArtificialAnlys cung cấp bản tóm tắt công khai đầy đủ nhất về kiến trúc, giá cả, kinh tế học cache và các thay đổi benchmark.

Lập luận về phòng thủ mạng mã nguồn mở: @ClementDelangue lập luận rằng các mô hình mở được sử dụng để phòng thủ chống lại các cuộc tấn công dựa trên mô hình độc quyền và cảnh báo chống lại các lệnh cấm toàn diện.

Chỉ trích sự cố Anthropic/OpenAI: @johnennis và @perrymetzger nắm bắt được sự chỉ trích ưu tiên hạ tầng đối với cách đóng khung “AI nổi loạn”.