Tới nội dung
Chỉ Mô hình#Đa phương thức
  1. Google DeepMind90

    Google DeepMind phát hành Gemini 4 Hydrogen, một mô hình Gemini 4 nhanh hơn cho lập trình và quy trình tác tử

    Google DeepMind giới thiệu Gemini 4 Hydrogen, một mô hình Gemini 4 được xây dựng cho lập trình hàng ngày nhanh và thực thi tác tử thay vì suy luận tầm xa của Gemini 4 Carbon và Argon. Nó đạt 51 điểm trên Chỉ số Trí tuệ Artificial Analysis ở mức suy nghĩ cao mặc định so với 50 của Argon, đạt 54 ở cài đặt xhigh mới, và có giá cố định 1,50 USD mỗi triệu token đầu vào và 7,50 USD mỗi triệu token đầu ra trên cửa sổ ngữ cảnh 1 triệu token. Google cũng ra mắt Orchestrator trong Google Antigravity, công cụ chuyển đổi giữa các mô hình như Carbon và Hydrogen trong một phiên và đạt mức thành công nhiệm vụ gần bằng Carbon trên Terminal-Bench 4.0 trong khi sử dụng ít hơn 24% hạn mức và hoàn thành nhanh hơn 19%.

    Vì sao đáng chú ý: Gemini 4 Hydrogen của Google nhắm đến lập trình hàng ngày nhanh và công việc tác tử, với giá cố định 1,50/7,50 USD mỗi triệu token trên cửa sổ ngữ cảnh 1M và Orchestrator mới chuyển đổi giữa các mô hình Gemini 4.

  1. The Decoder80

    Google DeepMind ra mắt API Gemini Decisions và mô hình Gemini Decision 1

    Google DeepMind đã giới thiệu API Gemini Decisions, được xây dựng cho các quyết định đóng như câu hỏi có/không, trắc nghiệm và đánh giá theo thang điểm, với mô hình nền tảng Gemini Decision 1 xử lý tới 1.000 câu hỏi độc lập trong một lần chạy trên văn bản, hình ảnh, âm thanh, video và PDF. Nó trả về xác suất kèm giá trị độ tin cậy trong 150 đến 250 mili giây và có giá 0,10 USD trên một triệu token đầu vào, không tính phí token đầu ra, mà Google cho biết rẻ hơn khoảng năm lần so với Gemini 3.5 Flash-Lite. API hiện đã có sẵn thông qua Google AI Studio, với các tích hợp cho OpenRouter, LangChain và Vercel đang được triển khai, và Google cho biết họ đã sử dụng nó nội bộ cho định tuyến mô hình trong Gemini Notebook, tạo mẫu thiết kế trong Stitch và kiểm tra an toàn trong Google Search.

    Vì sao đáng chú ý: Việc Google gia nhập thị trường API quyết định đóng cho thấy cách các nhà cung cấp đóng gói chấm điểm nhanh, chi phí thấp cho định tuyến và kiểm tra an toàn, kèm theo các con số về giá và độ trễ để so sánh.

  1. Simon Willison82

    Simon Willison thử nghiệm Gemini 4 Carbon trong Antigravity IDE khi Google mở quyền truy cập cho tất cả người dùng

    Gemini 4 Carbon, được công bố cách đây hai tuần cho một nhóm chuyên gia phòng thủ không gian mạng, hiện đã có sẵn cho mọi người với giá 2 USD/triệu token đầu vào và 10 USD/triệu token đầu ra, với mức giá dự kiến sẽ tăng gấp đôi lên 4/20 USD vào ngày 1 tháng 12. Simon Willison đã thử nghiệm nó trong Antigravity IDE của Google, tạo ra một hoạt ảnh Three.js về một mech giẫm đạp khắp Thành phố New York bằng dữ liệu OpenStreetMap, và ghi nhận rằng CEO Google Sundar Pichai đã nhấn mạnh tính năng /swarm của Antigravity xây dựng một trò chơi 3D thế giới mở với tài nguyên Blender, shader WebGL và nhạc Lyria.

    Vì sao đáng chú ý: Simon Willison thử nghiệm khả năng lập trình và tạo 3D của Gemini 4 Carbon trong Antigravity IDE, mang đến cái nhìn thực tế về mô hình mới nhất của Google trước khi giá tăng gấp đôi vào ngày 1 tháng 12.

  1. Claude YouTube78

    Anthropic phát hành Claude Fable 5.2 cho các công việc kỹ thuật đầy tham vọng

    Anthropic đã phát hành Claude Fable 5.2, một mô hình được thiết kế cho những thách thức kỹ thuật khó khăn nhất và các dự án mở rộng đầy tham vọng, với những cải tiến về lập trình, suy luận và thị giác. Công ty khuyến nghị bắt đầu với Opus 5.5 cho hầu hết các tác vụ lập trình và tri thức; Fable 5.2 hiện đã có sẵn trên các gói Pro, Max, Team và Enterprise.

    Vì sao đáng chú ý: Claude Fable 5.2 nhắm đến các công việc kỹ thuật mở rộng đầy tham vọng, với những cải thiện được công bố về lập trình, suy luận và thị giác, trong khi Opus 5.5 vẫn là lựa chọn mặc định được khuyến nghị cho hầu hết các tác vụ lập trình và tri thức.

  1. Meta AI Research Blog78

    Meta phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất cho các tác vụ agent

    Meta đã phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất của họ, nhắm đến những công việc lặp đi lặp lại mà agent làm cả ngày như gọi công cụ, tác vụ con lập trình, định tuyến, trích xuất và phân tích tài liệu dài. Meta cho biết mô hình này đạt điểm cao nhất của Claude Haiku 5.5 với chi phí khoảng một phần ba và vượt mọi cấu hình GPT-6 Luna, ở mức 0,10 USD mỗi triệu token đầu vào và 0,50 USD mỗi triệu token đầu ra. Mô hình đi kèm cửa sổ ngữ cảnh 1M token, tối đa 512K token đầu ra, hỗ trợ đầu vào văn bản, hình ảnh, âm thanh và video gốc, và có sẵn ngay hôm nay trên Muse Code và Meta Model API với tên muse-ember-1.0.

    Vì sao đáng chú ý: Mô hình nhỏ nhất của Meta nhắm đến các bước agent có khối lượng lớn, và so sánh chi phí mỗi tác vụ với Claude Haiku 5.5 và GPT-6 Luna cho thấy tuyên bố về hiệu quả đến từ đâu.

  1. Google DeepMind78

    Google DeepMind phát hành Gemini Omni 1.2 Flash với clip 15 giây và giá thấp hơn 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash, hiện đã được cung cấp rộng rãi trên Gemini API và Gemini for business, với khả năng tạo video gốc dài 15 giây, chỉnh sửa hội thoại nhiều lượt và tuân thủ tham chiếu tốt hơn. Giá giảm 30% so với Gemini Omni 1.1 xuống còn 0,07 USD mỗi giây cho video 720p, và người dùng có thể tạo bản nháp ở 360p hoặc 720p trước khi nâng cấp lên 1080p hoặc 4K. Clip có thể được đặt từ 3 đến 15 giây theo từng bước một giây, và đầu ra mang watermark SynthID không thể nhận biết.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash nâng độ dài clip gốc lên 15 giây và giảm giá 30% xuống còn 0,07 USD mỗi giây video 720p, với tính năng chỉnh sửa hội thoại nhiều lượt hiện đã được cung cấp rộng rãi.

  2. Google Blog · AI80

    Google phát hành Gemini Omni 1.2 Flash với clip 15 giây và giảm giá 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash và cung cấp rộng rãi trên Gemini API và Gemini for business. Mô hình tạo và chỉnh sửa clip gốc dài tối đa 15 giây, tăng từ 10 giây ở Omni 1.1, hỗ trợ chỉnh sửa hội thoại nhiều lượt và giữ tham chiếu nhân vật, sản phẩm và phong cách nhất quán hơn; video 720p hiện có giá 0,07 USD mỗi giây, thấp hơn 30% so với Omni 1.1. Đầu ra mang watermark SynthID và mô hình đang được triển khai trong Flow, Google Vids, ứng dụng Gemini và Google Ads.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash giảm giá 30% xuống 0,07 USD mỗi giây cho video 720p đồng thời mở rộng clip gốc lên 15 giây, mang đến cho các nhóm sản xuất video quy mô lớn một lựa chọn rẻ hơn để so sánh với các phiên bản trước.

  1. Preferred Networks News71

    PFN phát hành PLaMo 3 Translate, LLM dịch thuật trọng số mở cho thiết bị biên

    Preferred Networks đã phát hành PLaMo 3 Translate, một LLM chuyên dịch thuật được sử dụng trong dịch vụ PLaMo Translation của họ, dưới dạng mô hình trọng số mở trên Hugging Face vào ngày 5 tháng 11. 8B, 2B, 8B và 31B) và hỗ trợ 53 ngôn ngữ bao gồm tiếng Nhật và tiếng Anh, chạy trên điện thoại thông minh, máy tính xách tay và máy chủ nội bộ mà không cần kết nối đám mây.

    Vì sao đáng chú ý: PFN phát hành một LLM chuyên dịch thuật với bốn kích cỡ từ 0.8B đến 31B, cho phép các công ty và cá nhân chạy dịch thuật 53 ngôn ngữ trên thiết bị mà không cần truy cập đám mây.

  1. Meta AI Research Blog88

    Meta phát hành Muse Spark Open, mô hình đa phương thức trọng số mở 816B chạy trên hai Mac Studio

    Meta đã phát hành trọng số cho Muse Spark Open, một mô hình đa phương thức gốc với trọng số mở có tổng cộng 816B tham số (42B hoạt động) và cửa sổ ngữ cảnh 1M token, định hướng cho công việc lập trình và tác tử. Đây là mô hình đầu tiên trong phân khúc của nó chạy trên máy tính để bàn bằng hai Apple M5 Ultra Mac Studio với framework MLX, và có sẵn thông qua các đối tác API bao gồm Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter và Together AI, với trọng số trên Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden và Microsoft Foundry Models. Meta cho biết mô hình đi kèm với các kernel GPU Helion có thể tự động tinh chỉnh trong SGLang, mang lại tốc độ tăng tốc cấp kernel từ 1,03-3,95 lần trên GPU NVIDIA và AMD và tăng tốc end-to-end 3% trên AMD MI350.

    Vì sao đáng chú ý: Meta phát hành trọng số mở cho một mô hình đa phương thức 816B tham số chạy trên hai Mac Studio, mang đến cho nhà phát triển một lựa chọn cục bộ cho các tác vụ lập trình và tác tử dài hạn.

  1. Mistral AI82

    Mistral ra mắt bản xem trước Mistral Large 4, mô hình đa phương thức 1T tham số với trọng số dự kiến trong tháng này

    Mistral đã ra mắt bản xem trước công khai của Mistral Large 4, một mô hình đa phương thức gốc với 1 nghìn tỷ tham số và 52 tỷ tham số hoạt động, hiện có sẵn qua API Mistral Studio. Mistral cho biết mô hình này cạnh tranh với các mô hình mã nguồn mở mạnh nhất và vượt trội so với các mô hình trọng số mở khác từ Mỹ và châu Âu, đạt 82% trên bài kiểm tra tái tạo và vá lỗ hổng của Artificial Analysis Cyber Index và 49,8% trên Coding Agent Index tổng hợp của mình. Trọng số dự kiến sẽ được phát hành vào cuối tháng này, sau khi red-team với các đối tác an ninh mạng và cơ quan chức năng; Mistral cho biết mô hình được huấn luyện từ đầu trên 3.800 GPU NVIDIA Grace Blackwell trong các trung tâm dữ liệu châu Âu của riêng mình.

    Vì sao đáng chú ý: Mô hình lớn nhất của Mistral đến nay tuyên bố dẫn đầu về trọng số mở trong an ninh mạng và lập trình tác tử, với trọng số được hứa hẹn vào cuối tháng.

  1. MiniMax Blog71

    MiniMax phát hành Music 3.0, mô hình tạo nhạc trọng số mở cho các bài hát đầy đủ dài tới năm phút

    MiniMax giới thiệu Music 3.0, một mô hình tạo nhạc trọng số mở có khả năng sáng tác, phối khí và sản xuất một bài hát hoàn chỉnh dài tới năm phút từ một ý tưởng sáng tạo và phần lời tùy chọn trong một lần tạo. Pipeline kết hợp một Global LLM 8B được khởi tạo từ Qwen3.5-8B với một Local LLM 0.6B, hợp nhất các trạng thái ẩn liên tục của chúng để điều kiện hóa một mô-đun flow-matching 2.4B và một Flow-VAE 123M, đồng thời sử dụng RVQ tám lớp cùng Structured Captions mô tả cảm xúc, nhạc cụ và cách thể hiện giọng hát theo thời gian. MiniMax cho biết điều này mang lại khả năng diễn giải ý định sáng tạo chính xác hơn, phối khí đầy đủ hơn và giọng hát rõ ràng, tự nhiên hơn.

    Vì sao đáng chú ý: Phân tích kiến trúc của MiniMax cho thấy cách một Global LLM 8B kết hợp với một mô hình cục bộ 0.6B và ngăn xếp flow-matching nhắm giải quyết vấn đề mạch lạc của bài hát dài.

  1. MiniMax Blog82

    MiniMax ra mắt H3, mô hình tạo đa phương thức tổng quát với video âm thanh nổi gốc ở độ phân giải 2K

    MiniMax đã ra mắt H3, một mô hình tạo đa phương thức tổng quát có khả năng hiểu văn bản, hình ảnh, video và âm thanh như một ngữ cảnh thống nhất, đồng thời tạo video với âm thanh nổi gốc dài tối đa 15 giây ở độ phân giải 2K. Công ty cho biết chi phí đầu ra 2K thấp hơn một phần ba so với các mô hình chủ lưu tính theo giây, và dự kiến sẽ mở trọng số mô hình trong những ngày tới, tuân theo các luật và quy định hiện hành. H3 được xây dựng trên Contextual Omni Representation, H3-VAE, H3-Omni Transformer và In-Context Regeneration, và MiniMax cho biết báo cáo kỹ thuật đầy đủ sẽ sớm được công bố.

    Vì sao đáng chú ý: H3 của MiniMax hợp nhất việc tạo văn bản, hình ảnh, video và âm thanh trong một mô hình và tuyên bố mức giá 2K thấp hơn một phần ba so với các mô hình chủ lưu, với trọng số được hứa hẹn sẽ sớm phát hành.

  1. MiniMax Blog87

    MiniMax M3 ra mắt với ngữ cảnh 1M, lập trình tiên tiến và đa phương thức gốc

    MiniMax đã phát hành M3, một mô hình trọng số mở mà họ nói là mô hình đầu tiên kết hợp hiệu năng lập trình và tác nhân tiên tiến, cửa sổ ngữ cảnh 1 triệu token, và đầu vào hình ảnh và video gốc. M3 sử dụng kiến trúc chú ý thưa MSA mới của MiniMax, mà công ty báo cáo cắt giảm tính toán mỗi token ở ngữ cảnh 1M xuống còn 1/20 so với thế hệ trước và tăng tốc prefill hơn 9 lần và giải mã hơn 15 lần. Nó đạt 59,0% trên SWE-Bench Pro, 66,0% trên Terminal-Bench 2.1 và 74,2% trên MCP Atlas, và có sẵn thông qua MiniMax Code, Token Plan và API, với trọng số và báo cáo kỹ thuật được hứa hẹn trong vòng 10 ngày.

    Vì sao đáng chú ý: MiniMax M3 kết hợp ngữ cảnh 1 triệu token, điểm số lập trình và tác nhân tiên tiến, và đầu vào hình ảnh và video gốc trong một mô hình trọng số mở, với MSA cắt giảm tính toán mỗi token ở ngữ cảnh dài.

Bạn đã xem hết