Nvidia giới thiệu SoL-Pi, hệ thống tự động tối ưu hóa lớp điều khiển (harness) giúp tiết kiệm tới 54,3% lượng token khi thực hiện các tác vụ lập trình mà vẫn duy trì hiệu suất ổn định.
Nghiên cứu giới thiệu SchrodingerRepo, một khung đánh giá mới giúp loại bỏ tình trạng 'học vẹt' bằng cách thay đổi cấu trúc mã nguồn động, buộc các tác nhân AI phải thực sự tư duy thay vì dựa vào dữ liệu đã ghi nhớ từ trước.
Claude Devs@ClaudeDevsSorry for any confusion! Cloud sessions run on your Pro or Max plan, like the rest of Claude Code. T…
DịchĐội ngũ Claude Code xác nhận Cloud sessions hoạt động dựa trên gói đăng ký hiện có, đồng thời cung cấp khoản tín dụng dùng một lần trị giá 100 USD cho gói Pro và 250 USD cho gói Max để người dùng trải nghiệm tính năng này.
Cùng sự kiện, tinh chọn hiển thị «Claude Code chính thức ra mắt tính năng Cloud Sessions với ưu đãi tín dụng cho người dùng Pro và Max»JetBrains giới thiệu JetBrains Air, hệ sinh thái AI bao gồm các công cụ hỗ trợ lập trình, cộng tác nhóm và quản trị tổ chức, với sự góp mặt của trợ lý lập trình Junie trên mọi nền tảng.
Nhóm nghiên cứu từ NVIDIA, NTU và MIT giới thiệu SoL-Pi, bộ giải pháp tối ưu hóa giúp giảm đáng kể lượng token tiêu thụ cho các AI lập trình (Coding Agent) thông qua cơ chế tự động hóa thông minh.
Nghiên cứu giới thiệu khung huấn luyện tác nhân AI dựa trên việc phân loại nhiệm vụ kỹ thuật phần mềm, giúp giải quyết tình trạng hiệu suất không đồng đều giữa các nhóm tác vụ khác nhau thông qua cơ chế củng cố hành vi và chọn lọc tác vụ thích ứng.
Kỹ sư tại Linear giải quyết bài toán nghẽn CI khi số lượng test tăng gấp 4 lần nhờ AI, giúp giảm thời gian chờ PR từ 6 phút xuống còn 5 phút và tối ưu hiệu suất runner.
Haider@haider1this is absurd actually CursorBench 4.0: grok 4.7 xhigh: 46.3% - $6.01/task fable 5.1 medium: 46.8…
DịchCursorBench 4.0 cho thấy sự bứt phá ấn tượng của Grok 4.7 xhigh với tỷ lệ thành công 46,3% ở mức giá tối ưu, vượt qua cả GPT-5.6 sol max trong bài kiểm tra lập trình.
Elvis Saravia@omarsar0StepFun's new Step 5 Preview model is impressive! Had a chance to test it early. I've been testing…
DịchMô hình Step 5 Preview của StepFun gây ấn tượng mạnh trong các bài kiểm tra lập trình với hiệu suất vượt trội và chi phí tối ưu, cạnh tranh trực tiếp với GLM 5.3 và Kimi K3.
Qoder của Alibaba chính thức có mặt trên HarmonyOS PC, cho phép lập trình viên sử dụng ngôn ngữ tự nhiên để tự động hóa viết code, kiểm thử và xử lý dữ liệu thông qua các tác nhân AI chuyên biệt.
@mark_k@mark_kCoding agents can now create their own training environments from existing software! Xiaomi's new C…
DịchCodeMidas của Xiaomi giúp AI tự động trích xuất tác vụ từ các dự án mã nguồn mở để tạo môi trường kiểm thử, giúp cải thiện đáng kể hiệu suất sửa lỗi và xây dựng chương trình của mô hình MiMo-V2.5.
Huawei nâng cấp CodeArts với mô hình AI chuyên dụng cho HarmonyOS, giúp giảm 80% lỗi lập trình và tăng đáng kể tỷ lệ biên dịch thành công, hỗ trợ toàn diện quy trình từ phát triển đến kiểm thử.
Rohan Paul@rohanpaul_aiA 4B coding agent reached 61.5% on SWE-bench Verified without frontier-model distillation by combini…
DịchFrogNano là mô hình AI chuyên biệt cho lập trình với kích thước nhỏ gọn 4 tỷ tham số, gây ấn tượng mạnh khi đạt hiệu suất 61.5% trên bộ kiểm chuẩn SWE-bench Verified thông qua phương pháp huấn luyện tổng hợp tác vụ trực tuyến.
CodeMidas là quy trình tự động biến mã nguồn thực tế thành các bài tập lập trình cho AI, giúp mở rộng quy mô huấn luyện tác nhân thông minh mà không cần phụ thuộc vào các tài liệu phát triển thủ công.
Thêm 1 nguồn khác đưa tinX: AK (@_akhaliq)
Yuchen Jin@Yuchenj_UWMy model + harness stack these days: 1. Kimi K3 is the best OSS coding model. GLM-5.3 is next. 2. D…
DịchTác giả chia sẻ bộ công cụ AI tối ưu cho lập trình, trong đó Kimi K3 và GLM-5.3 dẫn đầu về khả năng code, DeepSeek V4.1 Flash là lựa chọn tiết kiệm cho tác vụ đơn giản, còn Astra dành cho các bài toán phức tạp.
AK@_akhaliqAn Empirical Study of Harness Design for Coding Agents paper: https://huggingface.co/papers/2609.20...
DịchNghiên cứu này đi sâu vào việc tối ưu hóa thiết kế Harness, giúp nâng cao hiệu suất và độ tin cậy cho các tác nhân AI trong lĩnh vực lập trình phần mềm.
Dex Horthy (HumanLayer)@dexhorthy300k views and counting on "why software factories fail" - don't be the last one 🙂 Deep dive on c…
DịchVideo phân tích lý do các mô hình 'nhà máy phần mềm' tự động hóa thường gặp thất bại, đồng thời đưa ra góc nhìn về vai trò của việc đọc hiểu mã nguồn và cách thiết kế hệ thống AI lập trình hiệu quả.
CTO Azure Mark Russinovich đã sử dụng AI để chuyển đổi công cụ ZoomIt từ Windows sang macOS chỉ trong 2 ngày với 90% tính năng hoàn thiện, giúp tiết kiệm đáng kể thời gian học hỏi cơ chế nền tảng mới.
Nhóm nghiên cứu tại UC Berkeley đã đánh giá 21 tổ hợp mô hình và môi trường kiểm thử trên SWE-bench Lite và Terminal-Bench 2.0, phát hiện rằng việc thay đổi môi trường ít tác động đến hiệu suất nhưng lại gây ra sự khác biệt lớn về chi phí vận hành.
ProgramDistill là bộ benchmark mới giúp đánh giá khả năng suy luận của AI thông qua 4.063 tác vụ được trích xuất tự động từ 26 ứng dụng web thực tế, cho phép kiểm chứng hành vi lập trình chính xác.
OpenAI Developers@OpenAIDevsGPT-6 Astra helps @cognition's Devin back up "it works" with tests before the team ships.
DịchOpenAI sử dụng GPT-6 Astra để hỗ trợ đội ngũ Cognition thực hiện các bài kiểm thử, đảm bảo khả năng vận hành ổn định cho AI lập trình Devin trước khi chính thức phát hành.
Elvis Saravia@omarsar0The future is clearly agent teams. I run several agent harnesses at once, but the hard part is keep…
DịchPlasma giới thiệu Radio, một nền tảng cho phép các AI lập trình như Claude Code hay Cursor kết nối và phối hợp công việc trong cùng một kênh chat, giúp tối ưu hóa quy trình sửa lỗi và quản lý dự án.
Testing Catalog@testingcatalogShowly now allows users to connect coding agents and give the agent-built work a shareable link. > …
DịchShowly cho phép kết nối các AI lập trình như Claude Code, Cursor hay các agent tương thích MCP để tạo và chia sẻ sản phẩm trực tiếp. Mọi nội dung xuất bản đều yêu cầu sự phê duyệt từ người dùng để đảm bảo tính bảo mật và kiểm soát.
Tác giả đã sử dụng GPT-6 Astra và Fable 5.1 để chẩn đoán và xử lý lỗi hiển thị sọc dọc trên hình ảnh thang độ xám của máy đọc sách Xteink X3 chạy firmware CrossPoint.
Microsoft Research@MSFTResearchA look at how coding agents behave at scale; evaluating AI models that find lymphoma lesions in PET/…
DịchMicrosoft Research công bố các nghiên cứu mới về tác nhân AI lập trình, mô hình phát hiện ung thư hạch qua ảnh PET/CT, tâm lý phụ thuộc vào chatbot và hệ thống ra quyết định quy mô lớn.
Moonshot AI chính thức triển khai Kimi K2.8 Preview với khả năng lập trình và tác vụ thông minh tiệm cận bản flagship K3, hỗ trợ tư duy tùy chỉnh và cửa sổ ngữ cảnh 1 triệu token cho mọi gói dịch vụ.
Các mô hình AI như Astra đang dần tối ưu hóa code theo cách chỉ máy mới hiểu được để tiết kiệm token, gây khó khăn cho việc bảo trì và kiểm soát chất lượng phần mềm trong tương lai.
Alexandr Wang (Scale AI nhà sáng lập/Meta Giám đốc AI)@alexandr_wangmuse code + muse spark 1.3 max is really good at real-world software engineering
DịchAlexandr Wang chia sẻ kết quả thử nghiệm cho thấy Muse Spark 1.3 Max đã sửa thành công 33/105 lỗi trong các kho lưu trữ thực tế, ngang bằng với Fable 5.1 và vượt qua Grok 4.6 cùng Opus 5, khẳng định vị thế của Meta trong lĩnh vực AI lập trình.
Specific ra mắt Real-SWE, bộ benchmark sử dụng kho mã nguồn thực tế từ các doanh nghiệp để đánh giá khả năng giải quyết vấn đề của các mô hình AI lập trình, với tỷ lệ thành công cao nhất đạt 38.8%.
Thêm 1 nguồn khác đưa tinHuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Arena@arenaNearly a year of Code Arena: WebDev progress compressed into 15 seconds. Each line follows the high…
DịchSau một năm hoạt động, bảng xếp hạng Code Arena chứng kiến sự bứt phá mạnh mẽ về hiệu suất lập trình của các mô hình AI, với số lượng các phòng thí nghiệm hàng đầu tham gia tăng từ 6 lên 10 đơn vị.
DeepSeek vừa phát hành mã nguồn mở V4.1-Flash với kiến trúc CED giúp giảm đáng kể chi phí prefill. Mô hình 552B tham số này hỗ trợ cửa sổ ngữ cảnh 1 triệu token và khả năng xử lý đa phương thức văn bản - hình ảnh.
Cùng sự kiện, tinh chọn hiển thị «DeepSeek ra mắt DeepSeek-V4.1-Flash: Cửa sổ 1M token, tối ưu bộ nhớ KV Cache cực đỉnh»Boris Cherny từ Anthropic nhấn mạnh mã nguồn do Claude viết cần được kiểm soát nghiêm ngặt hơn con người thông qua hệ thống kiểm thử, linting và đánh giá tự động để tránh tình trạng khó bảo trì.
Lee Robinson@leerobWe just rolled out CursorBench 4.0! It includes new tasks for how well models follow instructions, …
DịchCursorBench 4.0 vừa được phát hành với các bài kiểm tra khắt khe hơn về khả năng tuân thủ chỉ dẫn và xử lý các dự án phức tạp dài hạn, khiến điểm số của mọi mô hình AI đều giảm đáng kể.
Elvis Saravia@omarsar0Just amazed by how specialized models keep pushing the Pareto frontier. Just watch that massive co…
DịchCognition vừa trình làng SWE-2, mô hình đạt điểm số ấn tượng trên FrontierCode 1.1 với chi phí vận hành thấp hơn 64-70% so với các đối thủ hàng đầu nhờ ứng dụng kỹ thuật học tăng cường (RL) quy mô lớn.
SWE-Bench Pro Verified khắc phục các lỗ hổng như gian lận kết quả và lỗi dữ liệu trong bộ chuẩn cũ, giúp đánh giá chính xác hơn năng lực thực tế của các tác nhân AI trong kỹ thuật phần mềm.
Rohan Paul@rohanpaul_aiNew Tsinghua + Qwen Team's paper flips the usual agent-data recipe: Reconstructing and re-solving o…
DịchNhóm nghiên cứu từ Thanh Hoa và Qwen giới thiệu Terminal-Universe, phương pháp khôi phục không gian làm việc từ quỹ đạo AI để tạo dữ liệu huấn luyện chất lượng cao, giúp cải thiện đáng kể hiệu suất của mô hình Qwen3.5-27B trong các tác vụ lập trình thực tế.
Google giới thiệu phương pháp đánh giá hành vi (behavioral evals) cho AI lập trình, thay vì chỉ kiểm tra kết quả cuối cùng, họ tập trung vào việc thiết lập các điểm kiểm soát cho từng bước thực thi trung gian để tối ưu hóa hiệu suất.
DAIR.AI@dair_aiBanger report from Microsoft. (bookmark it) They show that it's possible to build competitive smal…
DịchMicrosoft giới thiệu FrogNano, mô hình 4B tham số tự học lập trình trên 1.500 môi trường phần mềm bằng Reinforcement Learning mà không cần chưng cất từ mô hình lớn. Điểm đột phá nằm ở quy trình tổng hợp nhiệm vụ trực tuyến giúp tối ưu hóa khả năng học tập của mô hình.
Startup đứng sau AI lập trình Devin vừa chốt vòng gọi vốn Series E với hơn 2 tỷ USD, nâng mức định giá lên 48 tỷ USD dưới sự dẫn dắt của các quỹ đầu tư mạo hiểm hàng đầu như a16z và Accel.
Frank Wang@lifesingerMột góc nhìn đầy ẩn ý về sự khác biệt giữa YouMind và Codex, đặt ra câu hỏi liệu các tính năng cao cấp của YouMind có thực sự vượt trội so với các công cụ lập trình truyền thống.