Tới nội dung
Chỉ Mô hình#Agent
  1. Hacker News · AI88

    Edge0 mã nguồn mở các mô hình trên thiết bị Edge0-145B và Edge0-120B cùng khung suy luận

    Edge0 đã mã nguồn mở Edge0-145B và Edge0-120B cùng khung suy luận thống nhất và các công cụ triển khai, tuyên bố Edge0-145B là mô hình trên thiết bị 145 tỷ tham số mã nguồn mở đầu tiên. Công ty báo cáo bộ nhớ đỉnh 29GB, prefill 1.100+ token/giây, decode 80+ token/giây và công suất tiêu thụ điển hình khoảng 120W trên một laptop tương thích, với ngữ cảnh 128K–256K. Họ dẫn điểm số nội bộ 64,6 trên DeepSWE 1.1, 86,52 trên Terminal-Bench 2.1, 90,4 trên GPQA-Diamond và 80,6 trên IFBench, và cho biết trọng số có trên Hugging Face với hỗ trợ ngay từ ngày đầu cho macOS, Windows và Linux.

    Vì sao đáng chú ý: Edge0 mã nguồn mở một mô hình trên thiết bị 145B báo cáo bộ nhớ đỉnh 29GB và decode 80+ token/giây, mang lại một dữ liệu cụ thể về mức độ mà suy luận cục bộ có thể mở rộng.

  2. 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. Google DeepMind88

    Google DeepMind phát hành Gemini 4 Carbon cho lập trình tác tử, an ninh mạng và suy luận khoa học

    Google DeepMind đã cung cấp Gemini 4 Carbon cho nhà phát triển, doanh nghiệp, nhà khoa học và người tiêu dùng, định vị nó cao hơn Gemini 4 Argon cho các tác vụ cần suy luận sâu hơn và nhiều token hơn. Carbon xếp hạng #1 trên CursorBench 4.0, WANDR của Perplexity và AutomationBench của Zapier với chi phí mỗi tác vụ thấp hơn hơn 2 lần so với mô hình bên ngoài tốt thứ hai, và có giá 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra, cùng mức giá giới thiệu như Argon. Google cũng đã xem trước /swarm trong Google Antigravity, biến một câu lệnh duy nhất thành một nhóm tác tử phối hợp, và báo cáo rằng Carbon đã chặn 99% quỹ đạo tấn công trong thử nghiệm tấn công mạng mô phỏng.

    Vì sao đáng chú ý: Ghi chú phát hành của Google trình bày chi tiết cách Gemini 4 Carbon đánh đổi việc dùng nhiều token hơn để lấy suy luận sâu hơn, xếp hạng nhất trên CursorBench 4.0, WANDR và AutomationBench với chi phí mỗi tác vụ dưới một nửa so với mô hình bên ngoài tiếp theo.

  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.

  2. Every78

    Đánh giá của Every: Fable 5.2 có thể xây dựng một sản phẩm hoàn chỉnh với rất ít sự điều hướng

    Every đưa tin rằng Fable 5.2, mô hình mới nhất của Anthropic, đã giúp Kieran Klaassen xây dựng một trình biên tập video kết hợp các tính năng kiểu Adobe Premiere, After Effects và Ableton, với một tác nhân AI vận hành nó, và Everycut đã ra mắt ba ngày sau khi anh bắt đầu. Bài đánh giá cho biết Fable 5.2 có thể đảm nhận toàn bộ một sản phẩm và tiếp tục xây dựng, kiểm thử và tinh chỉnh cho đến khi nó dùng được hàng ngày, khác với Opus 5.5, vốn khiến người dùng phải liên tục kiểm tra công việc của nó, và Fable 5 cùng 5.1, vốn chạy các tác vụ lớn trong nhiều giờ hoặc nhiều ngày. Every gọi đây là mô hình đầu tiên mà họ kiểm thử cho phép các chuyên gia xây dựng công cụ cấp sản xuất mà không cần đọc mã nguồn bên dưới.

    Vì sao đáng chú ý: Bài tường thuật trải nghiệm thực tế của Every về Fable 5.2 cho thấy một mô hình duy nhất có thể đảm nhận việc xây dựng sản phẩm đến đâu với rất ít sự điều hướng, đồng thời đưa ra so sánh cụ thể với Opus 5.5 và Fable 5/5.1.

  1. Meta AI Research Blog60

    Meta ra mắt các mô hình Muse và Meta AI chuyên biệt với Active Memory và Active Focus

    Meta đang triển khai các phiên bản chuyên biệt của những mô hình hiện có, được huấn luyện bằng Muse Wonder, cho người dùng Muse và Meta AI. Các mô hình chuyên biệt bổ sung Active Memory và Active Focus, và Meta báo cáo mô hình Muse hiện tại đạt 47% trên Chỉ số Siêu trí tuệ Cá nhân của mình so với 38% của mô hình trước đó, 90% so với 76% trên bài đánh giá Active Memory, và cải thiện 67% trong việc hoàn thành các tác vụ hàng ngày khi phát sinh vấn đề bất ngờ.

    Vì sao đáng chú ý: Các mô hình Muse và Meta AI chuyên biệt của Meta mang Active Memory và Active Focus đến nhiều người dùng hơn, với mức cải thiện được báo cáo trên các bài đánh giá về ghi nhớ và hoàn thành tác vụ.

  1. Artificial Analysis Articles78

    Thinking Machines phát hành Inkling 2 Small, đạt 31 điểm trên Chỉ số Trí tuệ Artificial Analysis

    Thinking Machines đã phát hành Inkling 2 Small, một mô hình suy luận độc quyền đạt 31 điểm trên Chỉ số Trí tuệ Artificial Analysis v5.0.1, cao hơn Inkling Small 18 điểm, với trọng số Apache 2.0 dự kiến sẽ có vào một ngày sau đó chưa được xác nhận. Mô hình 594B tham số (17B hoạt động) trước tiên có sẵn thông qua Tinker và Tinker Playground với giá $0.30/$1.00 cho mỗi 1M token đầu vào/đầu ra, và nó ngang bằng Gemini 3.8 Flash (high) trong khi kém hơn Claude Sonnet 5.5 trên các bài kiểm tra lập trình và ảo giác. Nó trung bình khoảng 150K token đầu ra cho mỗi tác vụ Chỉ số Trí tuệ, gấp khoảng 4 lần Inkling Small, với $1.18 mỗi tác vụ so với $0.20.

    Vì sao đáng chú ý: Kết quả đánh giá độc lập của Artificial Analysis cho thấy Inkling 2 Small vượt trội hơn mô hình tiền nhiệm ở đâu và vẫn còn kém Gemini 3.8 Flash và Claude Sonnet 5.5 ở đâu.

  1. Mistral AI86

    Mistral phát hành trọng số mở cho Mistral Large 4 (Le Chonk), mô hình đa phương thức 1 nghìn tỷ tham số

    Mistral AI đã phát hành trọng số mở của Mistral Large 4 (Le Chonk), một mô hình đa phương thức bản địa 1 nghìn tỷ tham số đã vào bản xem trước công khai đầu tháng này và được huấn luyện từ đầu tại châu Âu. Công ty cho biết thêm ba tuần học tăng cường đã đưa nó lên đỉnh về lập trình với trọng số mở, đạt 41% trên Terminal-Bench 4.0 và 48% trên Artificial Analysis Coding Agent Index trong khi sử dụng ít hơn 47% token mỗi tác vụ so với GLM-5.3. Mô hình bổ sung các chế độ suy luận Low, Medium và High, đạt 51% trên Artificial Analysis Cyber Index, và có giá 0,70 USD đầu vào, 0,07 USD đầu vào được lưu cache và 2,10 USD đầu ra trên mỗi triệu token theo giấy phép MIT sửa đổi.

    Vì sao đáng chú ý: Mistral mở trọng số cho mô hình hàng đầu 1 nghìn tỷ tham số của mình, kết hợp các cải thiện về điểm chuẩn lập trình và an ninh phòng thủ với ba chế độ suy luận và giá theo token.

  2. Google DeepMind82

    Google DeepMind công bố Gemini 4 Carbon, một mô hình tiên phong tập trung vào an ninh mạng và các tác vụ dài hạn

    Google DeepMind đã công bố Gemini 4 Carbon, mô hình mạnh nhất của họ cho đến nay, với năng lực an ninh mạng và tác vụ dài hạn đạt mức tiên tiến nhất, xếp hạng #1 trên Chỉ số Trí tuệ Artificial Analysis v5.0 với 59 điểm. Mô hình đạt 88,2% trên SEC-bench Pro về phát hiện lỗ hổng, 54,8% trên ExploitGym về khai thác và 71,0% trên CWE-bench về vá lỗi, đồng thời đạt hạng #4 (1768) trên WebDev Arena. Carbon ra mắt với mức giá giới thiệu tương đương Argon, 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra, và lần đầu tiên được cung cấp cho một nhóm chuyên gia phòng thủ không gian mạng thông qua Chương trình Fairwind trước khi phát hành rộng rãi.

    Vì sao đáng chú ý: Kết quả đánh giá của Gemini 4 Carbon trong phát hiện và vá lỗ hổng cho thấy cách các mô hình tiên phong đang được định vị cho công tác phòng thủ an ninh mạng.

  1. Artificial Analysis Articles82

    Gemini 4 Carbon đứng đầu Artificial Analysis Intelligence Index v5, xếp thứ hai trên Coding Agent Index

    Gemini 4 Carbon của Google là vị trí thứ 5 mới trên Artificial Analysis Coding Agent Index. 5 (tối đa, 62), và nó dẫn đầu 4 trong 9 đánh giá của Index bao gồm HLE-Diamond và Terminal-Bench-Science. 1 tăng từ 4% lên 11%; mô hình đang được triển khai cho người dùng được chọn và chưa có sẵn công khai.

    Vì sao đáng chú ý: Gemini 4 Carbon đứng đầu Artificial Analysis Intelligence Index v5 với 59 điểm và kém Claude Opus 5.5 3 điểm trên Coding Agent Index, với chi phí mỗi tác vụ và số liệu ảo giác để so sánh.

Bạn đã xem hết