Dự án InternLM vừa công bố Intern-Decision, một mô hình AI tập trung vào khả năng ra quyết định đa phương thức tốc độ cao. Hiện tại, các thông số kỹ thuật chi tiết và lộ trình phát hành vẫn chưa được công bố cụ thể.
Benchmark FAB từ Epoch AI cho thấy OpenAI GPT-6 Astra dẫn đầu với 80% độ chính xác trong việc phát hiện lỗi lắp ráp nội thất, vượt qua Claude Fable 5.1 (70%) và Claude Opus 5 (61%).
Cùng sự kiện, bài đại diện «GPT-6 Astra của OpenAI đạt độ chính xác 80% trong việc phát hiện lỗi lắp ráp nội thất IKEA»Hướng dẫn chi tiết cách sử dụng AugLy để tăng cường dữ liệu cho hình ảnh, văn bản và âm thanh, đồng thời giải quyết các vấn đề tương thích để xây dựng bộ dữ liệu tổng hợp chuẩn xác cho mô hình PyTorch.
Suno@sunoFor @braylonbrowner movement doesn't simply follow music, it's where the music begins. Watch him us…
DịchSuno v6 cho phép người dùng chuyển hóa các động tác vũ đạo thành những bản nhạc độc bản, mở ra cách tiếp cận sáng tạo mới nơi chuyển động chính là khởi nguồn của âm thanh.
For Braylon Browner, movement doesn't simply follow music, it's where the music begins. Watch him u…
DịchSuno v6 cho phép nghệ sĩ Braylon Browner chuyển hóa các chuyển động cơ thể thành những bản nhạc độc đáo, mở ra hướng đi mới cho sáng tạo nghệ thuật kết hợp vũ đạo và AI.
AV-GRPO là khung học tăng cường khuếch tán trực tuyến giúp tách biệt các ưu tiên đa phương thức thành bài toán đơn lẻ, tối ưu hóa sự đồng bộ giữa âm thanh và hình ảnh. Kết quả thực nghiệm trên JavisBench và VABench cho thấy hiệu suất vượt trội so với LTX-2.3 trong việc căn chỉnh ngữ nghĩa và chất lượng tạo nội dung.
Google DeepMind giới thiệu Gemini 3.8 Live tích hợp Live Avatar, kết hợp truyền phát video độ trễ thấp với khả năng đối thoại thời gian thực, mang đến trải nghiệm AI có hình ảnh động sống động cho người dùng doanh nghiệp.
Thêm 1 nguồn khác đưa tinThe Verge: AI
Rohan Paul@rohanpaul_aiSo many different kind of AI benchmarks are being released. This one is cool, "Furniture Assembly B…
DịchEpoch AI giới thiệu Furniture Assembly Benchmark (FAB), thử thách khả năng suy luận không gian của AI thông qua việc phát hiện lỗi lắp ráp nội thất. Điểm số cao nhất đã tăng vọt từ 28% lên 80% chỉ trong 10 tháng, cho thấy sự cải thiện đáng kể trong lĩnh vực vốn là điểm yếu của AI.
Ethan Mollick@emollickThis is both fun and a useful measure of how much better multimodal AI has gotten In a short time.
DịchBenchmark FAB mới từ Epoch AI kiểm tra khả năng phát hiện lỗi lắp ráp nội thất của AI thông qua hình ảnh. Chỉ trong 10 tháng, điểm số cao nhất đã tăng ấn tượng từ 28% lên 80%, cho thấy bước tiến lớn của AI đa phương thức.
Cùng sự kiện, bài đại diện «Epoch AI ra mắt FAB: Bộ tiêu chuẩn đánh giá khả năng lắp ráp nội thất của AI»Phòng thí nghiệm AI Thượng Hải vừa công bố Intern-S2-397B, mô hình đa phương thức chuyên sâu về khoa học với bộ giải mã bộ nhớ linh hoạt và tối ưu hóa cho chip Ascend, hiện đã có sẵn trên Hugging Face và ModelScope.
Thêm 1 nguồn khác đưa tinInternLMXiaomi vừa công bố mã nguồn mở bộ mô hình MiMo-V2.6, bao gồm các phiên bản Pro và Flash với khả năng đa phương thức mạnh mẽ, vượt qua nhiều đối thủ trong các bài kiểm tra hiệu năng nhờ ứng dụng học tăng cường quy mô lớn.
Thêm 4 nguồn khác đưa tinThe Decoder: AI NewsXiaomi MiMo: Phát hành và blog chính thứcWeChat: Carl AI WattsWeChat: KhazixXiaomi vừa công bố dòng mô hình MiMo-V2.6 (Pro và Flash) với khả năng đa phương thức toàn diện, đánh dấu bước tiến quan trọng trong việc ứng dụng cơ chế tự cải tiến đệ quy (RSI) vào nghiên cứu khoa học.
Cùng sự kiện, bài đại diện «Xiaomi MiMo-V2.6-Pro: Bước tiến mới trong tối ưu hóa nghiên cứu vật liệu»Xiaomi vừa giới thiệu dòng mô hình MiMo-V2.6 tập trung vào trí tuệ nhân tạo tiên tiến và khả năng đa phương thức. Tuy nhiên, các thông số kỹ thuật chi tiết về quy mô, hiệu suất và hình thức triển khai vẫn chưa được công bố.
Cùng sự kiện, bài đại diện «Xiaomi mã nguồn mở dòng mô hình MiMo-V2.6 sau khi tối ưu hóa học tăng cường»Xiaomi chính thức phát hành dòng mô hình đa phương thức MiMo-V2.6 gồm bản Pro và Flash. Trong đó, bản Pro đạt 46 điểm trên bảng xếp hạng AA Intelligence Index v4.3.2.
Cùng sự kiện, bài đại diện «Xiaomi MiMo-V2.6-Pro: Bước tiến mới trong tối ưu hóa nghiên cứu vật liệu»
Google AI for Developers@googleaidevsEver get stuck on a bug and wish the exact problem could be pointed out to you on screen? Watch how…
DịchKhám phá cách Gemini 3.8 Live Extended Thinking đóng vai trò gia sư lập trình, tự động quan sát màn hình và sử dụng function calling để giải thích logic code p5.js giúp bạn gỡ lỗi hiệu quả.
OmniVChat giới thiệu phương thức tương tác trực tiếp giữa người dùng và mô hình AI thông qua âm thanh và video mà không cần chuyển đổi văn bản, giúp giảm độ trễ và giữ trọn vẹn các tín hiệu cảm nhận.
GPT-6 Astra đang gây sốt khi chứng minh khả năng điều khiển robot thực hiện các tác vụ phức tạp chỉ qua quan sát, từ vẽ tranh đến mô phỏng vật lý, cho thấy OpenAI có thể trở thành 'ông trùm' trong lĩnh vực robot.
Qwen giới thiệu Qwen3.8-Omni-Flash, mô hình đa phương thức chuyên dụng cho AI agent với khả năng xử lý âm thanh, video và công cụ, cùng cửa sổ ngữ cảnh lên tới 1 triệu token.
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»
Testing Catalog@testingcatalogDAILY AI BRIEF 🗞 - Sept 19 XAI 🔥: - Grok Voice Transcribe 2.0 is live in the Grok Voice API. $0.1…
DịchxAI giới thiệu Grok Voice Transcribe 2.0 với chi phí tối ưu, trong khi Alibaba ra mắt Qwen3.8-Omni-Flash, mô hình đa phương thức toàn diện với cửa sổ ngữ cảnh 1 triệu token và chi phí xử lý video giảm tới 89%.
Cùng sự kiện, bài đại diện «Meta ra mắt Muse Connectors và tích hợp thanh toán qua Stripe»
karminski@karminski3Qwen3.8-Omni-Flash cải thiện 25% hiệu suất, giảm tỷ lệ lỗi nhận diện giọng nói trong hội họp từ 88% xuống 3% và hỗ trợ xử lý âm thanh/video liên tục 1 giờ. Đặc biệt, giá thành giảm mạnh và ra mắt phiên bản Realtime với độ trễ cực thấp.
SenseTime nhận định khả năng hiểu hình ảnh và tạo nội dung có kiểm soát là bước đệm quan trọng để AI có thể tư duy và tương tác hiệu quả trong môi trường thực tế.
ZDTaichu 5.0-9B vừa ra mắt đã gây ấn tượng mạnh khi giành vị trí dẫn đầu trong 8/9 bài kiểm tra năng lực không gian, chính thức gia nhập nhóm các mô hình đa phương thức hàng đầu thế giới.
Ant Group vừa phát hành Realtime-Venus trên Hugging Face, mô hình 9B đa phương thức hỗ trợ tương tác toàn song công, được xây dựng trên nền tảng kiến trúc Omni-Flow và Qwen3-8B.
Omni-Streaming Thinking (OST) giúp mô hình AI phân tách dữ liệu thành bằng chứng và dự đoán, cho phép kiểm chứng thông tin theo thời gian thực để tránh sai sót khi xử lý dữ liệu đa phương thức.
Jason Liu@jxnlcoMaking Astra make me infinite ambient music and watching my screen and using computer history.
DịchAstra có khả năng tạo nhạc nền vô tận dựa trên việc quan sát hoạt động và lịch sử thao tác trên màn hình máy tính của người dùng.
Sierra vừa giới thiệu AI đa phương thức tích hợp linh hoạt giọng nói, văn bản và hình ảnh. Giao diện của ứng dụng sẽ tự động thay đổi cấu trúc theo nội dung hội thoại, giúp tối ưu hóa trải nghiệm người dùng trong từng tình huống cụ thể.
Các chuyên gia AI đa phương thức hàng đầu thế giới cùng 64 đội ngũ nghiên cứu đang tập trung giải quyết bài toán ứng dụng AI vào thực tiễn kinh doanh tại hội nghị ECCV.
DeepSeek@deepseek_ai🚀 Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient. 🔹 Introducing the smallest mo…
DịchDeepSeek vừa giới thiệu DeepSeek-V4.1-Flash, thành viên mới nhất trong dòng kiến trúc tối ưu hóa với kích thước nhỏ gọn, tích hợp sẵn khả năng xử lý và hiểu hình ảnh trực tiếp.
DeepSeek vừa tung ra phiên bản thử nghiệm giới hạn V4.1 Flash, tích hợp kiến trúc đa phương thức (multimodal) mới. Phiên bản này có mức giá tương đương V4 Flash và sẽ kết thúc thử nghiệm vào ngày 10/9.
DeepSeek vừa giới thiệu phiên bản beta của V4.1 Flash, mô hình sử dụng kiến trúc mới với khả năng xử lý đa phương thức vượt trội, tốc độ nhanh và chi phí tối ưu hơn. Người dùng hiện có thể trải nghiệm mô hình này thông qua API của hãng.
Cùng sự kiện, bài đại diện «DeepSeek V4.1 Flash chính thức mở thử nghiệm: Cấu trúc mới, tốc độ vượt trội»Gander là mô hình AI end-to-end tích hợp khả năng nhận diện đa phương thức, tương tác thời gian thực và tư duy logic. Với kiến trúc Cerebellum-Brain, mô hình cho phép phản hồi giọng nói, video và văn bản với độ trễ thấp, hỗ trợ tính năng ngắt lời tự nhiên.
fofr@fofrAINeat Gemini capability
DịchGemini Flash 3.8 gây bất ngờ với khả năng phân tích và "nghe" hiểu các biểu đồ phổ âm thanh (spectrogram) một cách chính xác, mở ra tiềm năng ứng dụng mới trong xử lý tín hiệu.
Gabriel@gabriel1astra is at everything except it still lacks fables ability to evoke the right emotions in people w…
DịchDù Astra sở hữu khả năng đa nhiệm ấn tượng, Fable AI lại vượt trội hơn trong việc thấu hiểu và khơi gợi cảm xúc sâu sắc từ người dùng, tạo ra những trải nghiệm mang tính kết nối cao.
Nghiên cứu phân tích cơ chế 'tam giác chú ý' trong các mô hình khuếch tán, chỉ ra cách thông tin ngữ nghĩa bị rò rỉ giữa âm thanh và hình ảnh, dẫn đến các kết quả sai lệch so với yêu cầu người dùng.
Elvis Saravia@omarsar0GPT-6 Astra tiếp tục chứng minh sức mạnh vượt trội khi có thể tạo ra các mô phỏng khoa học phức tạp như hành trình vào hố đen chỉ từ yêu cầu của người dùng.
Charlie Holtz@charlieholtzMô hình AI đa phương thức Astra đã được tích hợp vào Conductor, cho phép người dùng trải nghiệm khả năng xử lý dữ liệu thời gian thực mạnh mẽ ngay trên nền tảng này.
AI Notes@AYi_AInotesWhy is Spatial Intelligence considered the lifeline for Embodied AI? Because the biggest Achilles' h…
DịchWorld Labs giới thiệu Atlas, mô hình thế giới đa phương thức đầu tiên cho phép điều khiển camera chính xác, tái tạo 3D từ ảnh đơn và mô phỏng không gian nhất quán, mở ra tiềm năng ứng dụng lớn từ kỹ xảo điện ảnh đến robot học.
World Labs của Fei-Fei Li vừa giới thiệu Atlas, mô hình thế giới đa phương thức đầu tiên có khả năng xử lý văn bản, hình ảnh, video và 3D với độ chân thực cao, cho phép kiểm soát camera ở cấp độ pixel và tái tạo không gian 3D từ dữ liệu 2D.
Thêm 4 nguồn khác đưa tinX: AI Notes (@AYi_AInotes)X: Xiaobei (@frxiaobei)IT HomeHacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)EM^2Mem là khung bộ nhớ mới giúp liên kết các bằng chứng đa phương thức vào các mốc sự kiện, từ đó cải thiện độ chính xác khi truy vấn video dài và giảm đáng kể chi phí tính toán.
Google DeepMind cập nhật khả năng xử lý video thông minh cho dòng Gemini Flash, giúp mô hình tự động quét các phân đoạn quan trọng. Công nghệ này giúp giảm 88% lượng token, tiết kiệm 66% chi phí và tăng 7% độ chính xác so với phương pháp xử lý khung hình cố định truyền thống.
Diễn biến sự kiện · 2 bài →Thêm 4 nguồn khác đưa tinX: Google AI for Developers (@googleaidevs)X: Logan Kilpatrick (@OfficialLoganK)X: Google DeepMind (@GoogleDeepMind)The Decoder: AI News