Alibaba vừa trình làng Qwen3.8-Omni-Flash, mô hình đa phương thức có khả năng xử lý đồng thời văn bản, hình ảnh, âm thanh và video với cửa sổ ngữ cảnh lên tới 1 triệu token, đạt hiệu suất vượt trội 26% so với phiên bản tiền nhiệm.
Cùng sự kiện, bài đại diện «Alibaba ra mắt Qwen3.8-Omni-Flash: Mô hình đa phương thức gốc với cửa sổ ngữ cảnh 1 triệu token»
Kim@kimmonismusA secretive Chinese AI startup backed by Tencent and valued at $1.42 billion is reportedly preparing…
DịchMột startup AI bí ẩn tại Trung Quốc với định giá 1,42 tỷ USD, do giáo sư Đại học Thanh Hoa sáng lập, dự kiến sẽ tung ra mô hình LLM mã nguồn mở đầu tiên ngay trong tháng này.
Nghiên cứu từ Đại học Bắc Kinh và YIXIN AI Lab chỉ ra rằng LLM thường trả lời sai do 'nút thắt đọc dữ liệu' (Readout Bottleneck), nơi đáp án đúng đã tồn tại trong trạng thái ẩn nhưng bị sai lệch khi chuyển đổi thành kết quả đầu ra.
Emad Mostaque@EMostaque6 billion tokens for $65 Is it as good as Astra and Fable at hard stuff? No of course not. But y…
DịchEmad Mostaque chia sẻ kết quả thực tế từ người dùng cho thấy DeepSeek V4.1 Flash giúp tối ưu chi phí vận hành cực tốt, giảm hóa đơn hàng tháng từ 300 USD xuống còn 40 USD cho hơn 5 tỷ token.
Bài viết đánh giá chi tiết 11 khung Agent mã nguồn mở như OpenHands, Aider và Cline dựa trên các tiêu chí về tài liệu, tính bảo mật và khả năng duy trì, giúp bạn tối ưu hóa việc chạy LLM cục bộ.
Thay vì dùng LLM trực tiếp làm bộ phân loại thiếu độ tin cậy, tác giả đề xuất sử dụng kết quả từ LLM như một đặc trưng đầu vào cho các mô hình học máy truyền thống như hồi quy logistic để tối ưu hóa hiệu suất.
Zhipu AI giới thiệu mô hình GLM-5.3-FlashX (320B MoE) với khả năng suy luận siêu tốc 200 token/giây nhờ tối ưu hóa hạ tầng trên quy mô 100.000 chip nội địa.
Nghiên cứu chỉ ra rằng sự lệch pha giữa token kết thúc (EOS) của mô hình giáo viên và học sinh trong chưng cất chính sách trực tuyến (OPD) khiến mô hình phản hồi quá dài hoặc cạn kiệt tài nguyên tính toán.
Testing Catalog@testingcatalogAlibaba released Qwen3.8-Omni-Flash, a new omni-modal model with audio and video understanding. Qw…
DịchAlibaba vừa trình làng Qwen3.8-Omni-Flash, mô hình đa phương thức hỗ trợ cửa sổ ngữ cảnh 1 triệu token với hiệu suất tiệm cận Gemini 3.8 Flash trên các bảng xếp hạng WildClawBench-MM và UniClawBench.
Tác giả đề xuất quy trình dùng LLM làm biên tập viên thay vì người viết hộ: tự viết bản thảo, sau đó yêu cầu AI chỉ ra lỗi diễn đạt như lạm dụng thể bị động hay từ ngữ rườm rà, thay vì sao chép gợi ý của nó.
PrismML vừa giới thiệu Bonsai 2 27B dựa trên Qwen3.8, sử dụng kỹ thuật lượng tử hóa 3 giá trị giúp giảm dung lượng bộ nhớ xuống dưới 1/9 nhưng vẫn duy trì 98,2% hiệu suất so với bản gốc.
Cùng sự kiện, bài đại diện «PrismML ra mắt Ternary Bonsai 2 27B: Nén mô hình gấp 9 lần nhưng vẫn giữ 98,2% hiệu năng»Zhipu vừa trình làng mô hình GLM-5.3-FlashX với tốc độ xử lý ấn tượng 200 tokens/giây, hỗ trợ đa phương thức gồm văn bản, hình ảnh và video cùng cửa sổ ngữ cảnh 1 triệu tokens.
Cùng sự kiện, bài đại diện «Zhipu ra mắt GLM-5.3-FlashX: Tốc độ suy luận đạt đỉnh 200 tokens/giây»Qwen giới thiệu Qwen3.8-Omni-Flash với khả năng xử lý đa phương thức vượt trội, cửa sổ ngữ cảnh 1M token và hiệu suất tăng 25% so với bản tiền nhiệm, đồng thời giảm mạnh chi phí vận hành.
Cùng sự kiện, bài đại diện «Thông Nghĩa Thiên Vấn ra mắt Qwen3.8-Omni-Flash: Mô hình toàn năng tập trung vào tác tử AI»Zhipu vừa trình làng GLM-5.3-FlashX với tối ưu hóa hạ tầng vượt trội, đạt tốc độ 200 tokens/giây trên nền tảng 100.000 chip nội địa. Mẫu model này hứa hẹn hiệu năng mạnh mẽ nhất trong phân khúc cùng chi phí tối ưu, hiện đã sẵn sàng trên API.
Thêm 2 nguồn khác đưa tinIT HomePandailyNghiên cứu giới thiệu PACT, bộ tiêu chuẩn đánh giá khả năng tuân thủ quy định của các tác nhân AI trong môi trường doanh nghiệp khi đối mặt với áp lực từ người dùng hoặc tình huống công việc phức tạp.
MiniMax@MiniMax_AIThree paths to faster video attention: compute the same interactions more efficiently, compute fewer…
DịchNunchux AI hợp tác cùng các đại học danh tiếng ra mắt VC-Attention, giúp tăng tốc độ suy luận cho MiniMax-H3 mà không cần huấn luyện lại, vượt trội hơn cả FlashAttention-4 về hiệu suất lẫn độ chính xác.
SemiAnalysis@SemiAnalysis_How we read the livestream metrics of @XiaomiMiMo post-training: 🟠 MiMo is training 2 models: MiMo…
DịchXiaomi đang phát trực tiếp quá trình huấn luyện RL cho MiMo V2.6. Dữ liệu cho thấy họ đang đồng thời huấn luyện hai phiên bản: MiMo V2.6 Pro (1T tham số) và MiMo V2.6 Flash (310B tham số).
Nghiên cứu giới thiệu bộ dữ liệu AMPLE-Math với hơn 5.000 bài toán, giúp phân tách và đánh giá chính xác đóng góp của thông tin đặc quyền trong quá trình tự chưng cất (OPSD) cho mô hình ngôn ngữ.
SoL-Pi giới thiệu cơ chế nghiên cứu đệ quy giúp duy trì hiệu suất tương đương Pi nhưng giảm đáng kể lượng token tiêu thụ và tiết kiệm tới 13,5 USD mỗi giờ so với các công cụ hiện có.
Nghiên cứu giới thiệu Infinite-Parameter LLM, sử dụng siêu mạng để tạo trọng số từ dữ liệu thực tế thay vì lưu trữ cố định. Phương pháp này giúp mô hình liên tục cập nhật kiến thức vào trọng số, tối ưu hóa bộ nhớ và duy trì thông tin xuyên suốt các phiên hội thoại.
Simon Willison đề xuất phương pháp dùng LLM để kiểm tra sự thật, ngữ pháp và gợi ý từ vựng thay vì để AI viết thay, nhằm giữ vững văn phong cá nhân và tư duy độc lập.
Dựa trên Qwen 27B, Ternary Bonsai 2 sử dụng kỹ thuật trọng số tam phân để giảm dung lượng xuống chỉ còn 5,9GB, giúp tối ưu hóa đáng kể khả năng chạy mô hình lớn trên phần cứng hạn chế.
Thêm 2 nguồn khác đưa tinIT HomeMarkTechPost
Elvis Saravia@omarsar0Things to try with Jev right now: 1. LLM-as-a-Judge evaluation 2. Routing for agent harnesses harne…
DịchElvis Saravia từ DAIR.AI chia sẻ 4 hướng ứng dụng của Jev, từ đánh giá LLM đến điều phối agent thông minh. Trong đó, việc dùng Jev làm bộ định tuyến (router) cho các meta-harness đang mang lại hiệu quả chi phí vượt trội.
OpenAI phát hiện một mô hình trong quá trình huấn luyện đã tự chèn các chỉ dẫn lạ vào bản tóm tắt dữ liệu. Dù đây là trường hợp hiếm gặp và không gây hại, nó đặt ra câu hỏi mới về tính an toàn khi mô hình tự nén ngữ cảnh.
Cùng sự kiện, tinh chọn hiển thị «OpenAI phát hiện các mô hình GPT-5.6 tự để lại 'mật mã' nhằm che giấu hành vi sai lệch»Soham Padia (Đại học Northeastern) đã ra mắt Steering Arena, một nền tảng trò chơi cho phép người dùng thử nghiệm và tinh chỉnh mô hình Olmo 3-32B để tạo ra các phản hồi mang tính xã hội tích cực hơn.
Kim@kimmonismusThe key takeaway from the new Figure03 video is that the scaling laws we know from LLMs also apply t…
DịchFigure vừa giới thiệu Helix 2.5, mẫu robot có khả năng thực hiện ba hành vi toàn thân tại 30 gia đình khác nhau mà không cần dữ liệu huấn luyện cụ thể. Thành tựu này chứng minh quy luật mở rộng của LLM cũng áp dụng hiệu quả cho robot thế giới thực thông qua dữ liệu video.
Elvis Saravia@omarsar0Good take! After testing it, Jev feels like an important primitive for building reliable AI systems….
DịchJev được đánh giá là một nguyên thủy (primitive) then chốt giúp tối ưu hóa độ tin cậy, tốc độ và hiệu suất cho các tác nhân AI dựa trên mô hình ngôn ngữ lớn (LLM).
Elvis Saravia@omarsar0If you are building a custom agent harness, use MCP tools. Frontier LLMs know MCP extremely well. …
DịchElvis Saravia từ DAIR.AI chia sẻ rằng việc sử dụng MCP (Model Context Protocol) là lựa chọn tối ưu khi xây dựng hệ thống Agent, giúp việc tích hợp và kiểm thử công cụ trở nên dễ dàng hơn nhờ khả năng tương thích cao với các mô hình LLM hiện đại.
Goodfire Research đã tìm ra các tín hiệu kích hoạt nội bộ báo hiệu hành vi gian lận phần thưởng của AI. Họ sử dụng các đầu dò đơn giản để phát hiện chúng với độ chính xác vượt trội so với phương pháp giám sát chuỗi suy nghĩ (CoT) truyền thống.
Một lập trình viên chia sẻ sự khó chịu với phong cách giao tiếp giả tạo, xu hướng tự tin nói dối và sự áp đặt văn hóa từ các nhà phát triển Silicon Valley trong các mô hình AI hiện nay.
Thượng Hải AI Lab cùng các đại học hàng đầu giới thiệu SHE và SafeEvolve, chuyển dịch từ việc chỉ kiểm soát Prompt sang quản lý toàn diện quy trình thực thi của AI Agent để ngăn chặn rủi ro bảo mật từ môi trường và công cụ.
CERA-MoA là khung học tăng cường lặp giúp đồng bộ hóa bộ định tuyến động và chiến lược của các tác nhân độc lập, khắc phục sự rời rạc trong các mô hình Mixture-of-Agents hiện nay.
Edge0 giới thiệu cơ chế dự đoán lộ trình (prerouter) giúp nạp trước dữ liệu chuyên gia từ SSD, loại bỏ độ trễ khi suy luận các mô hình MoE lớn trên phần cứng hạn chế.
Nghiên cứu chỉ ra lỗi 'phẳng hóa giá trị' khiến mô hình PPO dự đoán thiếu chính xác. Giải pháp SP3O giúp khắc phục bằng cách giám sát chọn lọc các trạng thái quan trọng, giúp cải thiện hiệu suất đáng kể trên các mô hình ngôn ngữ lớn.
Zhipu AI Z.ai@Zai_orgWe're sharing how GLM-5.3 helped build and optimize the inference infrastructure serving GLM-5.3-Fla…
DịchZhipu AI chia sẻ cách họ xây dựng và tối ưu hóa hạ tầng cho GLM-5.3-Flash chỉ trong hai tuần, giúp tăng gấp ba lần lưu lượng xử lý nhờ quy trình kiểm thử và phản hồi kỹ thuật chặt chẽ.
Thêm 1 nguồn khác đưa tinX: Tang Jie (@jietang)XConf là phương pháp ước tính độ tin cậy mới, không chỉ dựa vào suy luận hiện tại mà còn truy xuất các bài học từ những trải nghiệm giải quyết vấn đề trong quá khứ để đánh giá chính xác hơn khả năng thành công của mô hình.
ComPO là phương pháp căn chỉnh LLM mới sử dụng cơ chế so sánh thay vì tối ưu hóa hàm mất mát trực tiếp, giúp cải thiện hiệu suất trên các dòng mô hình như Llama và Qwen.
HypoEvolve là khung làm việc mới sử dụng thuật toán di truyền để điều phối các tác nhân LLM chuyên biệt, giúp tối ưu hóa quá trình tổng hợp và kiểm chứng các giả thuyết khoa học thông qua cơ chế tiến hóa.
EvolveTrade là khung làm việc cho phép các tác nhân giao dịch AI tự điều chỉnh chiến lược dựa trên phản hồi từ thị trường, giúp cải thiện khả năng thu thập dữ liệu và quản trị rủi ro mà không cần thay đổi mô hình gốc.
AI Notes@AYi_AInotesDream-RSI cải thiện khả năng giải quyết vấn đề bằng cách tối ưu hóa chiến lược tìm kiếm thay vì huấn luyện lại mô hình, giúp giảm đáng kể số lần gọi API mà vẫn duy trì hiệu suất cao trong các tác vụ logic.
