Tất cả tin

Cerulion 2.0 ra mắt: runtime robot mã nguồn mở tương thích ROS 2 với tính năng phát lại đa tiến trình

Cerulion Inc. đã phát hành Cerulion 2.0, một runtime robot mã nguồn mở tương thích ROS 2, ghi lại các lần chạy và phát lại lỗi trên mã đã thay đổi, với mặc định một tiến trình cho mỗi node. Nó cung cấp các bản binary cho Linux x86_64/ARM64 và macOS, một lớp rmw_cerulion đã được kiểm thử trên Foxy đến Lyrical, và các bản ghi MCAP với xác minh phát lại chính xác từng byte, trả về mã thoát khác 0 khi có sai lệch. Trên một máy tính để bàn Linux x86-64 với payload 1 MiB, dự án báo cáo thời gian khứ hồi trung vị 4,08 µs so với 10.952 µs của ROS 2 Jazzy với mặc định rmw_fastrtps_cpp.

Show HN: Buildout, một trò chơi chiến thuật dựa trên Harmonies về việc xây dựng một phòng thí nghiệm AI

Buildout là một trò chơi chiến thuật do người hâm mộ tạo ra dành cho một đến bốn người chơi, được xây dựng trên Harmonies của Johan Benvenuto, do Libellud phát hành. Người chơi đặt cơ sở hạ tầng, vận chuyển mô hình, chọn lọc linh kiện, ghép mẫu và triển khai các mô hình AI để xây dựng phòng thí nghiệm AI của riêng mình.

Neon và Mubit phát hành mẫu cho một agent tự cắt giảm 73% token của mô hình biên giới của chính nó

Neon và Mubit đã công bố một mẫu cho agent phân tích dữ liệu trên Neon Functions và Lakebase Postgres, mẫu này gửi mọi lệnh gọi mô hình qua Mubit đến Neon AI Gateway. Trong bài đánh giá chuẩn của Mubit trên 20 câu hỏi CL-bench, mỗi câu chạy ba lần, thiết lập này đã cắt giảm 73% token đầu vào của gpt-5.5 và trả lời nhanh hơn 40%, với độ chính xác 65% so với 60% khi chỉ dùng gpt-5.5. Mubit chuyển các bước thường quy như liệt kê bảng và viết câu trả lời sang một mô hình nhỏ đã được tinh chỉnh sau khi mô hình này vượt qua một bài kiểm tra được xây dựng từ chính lưu lượng của tác vụ, trong khi gpt-5.5 vẫn viết mọi truy vấn SQL.

AxiomStory: Studio kể chuyện AI giữ nhân vật và thế giới nhất quán xuyên suốt văn bản, hình ảnh và video

AxiomStory là một studio kể chuyện AI mới, đọc từng chương của bản thảo và đánh dấu các lỗi liên tục, chẳng hạn như màu mắt của nhân vật thay đổi giữa các chương. Nó xây dựng một trang wiki cho mỗi nhân vật và địa điểm, đồng thời tái sử dụng một diện mạo và giọng nói đã được phê duyệt cho mỗi nhân vật trên các hình ảnh và video được tạo. Gói miễn phí cung cấp khoảng 30.000 từ hỗ trợ AI; các gói trả phí từ $16 đến $160 mỗi tháng.

Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày với OpenAI như thế nào

Wave, đại lý sản phẩm chủ động của Amplitude, được xây dựng chủ yếu trên các mô hình OpenAI, xác định những gì cần xây dựng, giúp các nhóm triển khai thay đổi với các đại lý lập trình và đo lường tác động. Thiết lập này cho phép Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày.

Muse của Meta hiện có thể gọi điện đến các doanh nghiệp Mỹ cho người dùng trả phí

Trợ lý AI tiêu dùng Muse của Meta hiện có thể gọi điện đến các doanh nghiệp Mỹ thay mặt người dùng, nhưng tính năng này chỉ giới hạn cho người dùng trả phí tại Mỹ. Các gói Muse bắt đầu từ 20 USD mỗi tháng cho 500 triệu token mỗi tuần, hoặc 100 USD mỗi tháng cho 3 tỷ token. Giám đốc AI của Meta, Alexandr Wang, cho biết tính năng này nhắm đến những cuộc gọi mà mọi người không muốn thực hiện, như bảo hiểm, truyền hình cáp, DMV hay đặt chỗ ăn tối, và tùy chọn địa chỉ email Muse sẽ sớm được triển khai cho người dùng miễn phí.

AWS phát hành SGLang-Neuron, cho phép triển khai các mô hình tiên tiến trên Trainium với giao diện SGLang hiện có

Amazon đã công bố tính khả dụng công khai của SGLang-Neuron, một plugin out-of-tree chạy SGLang trên AWS Trainium thông qua AWS Deep Learning Container, được phát hành bởi RadixArk cùng Annapurna Labs. Người dùng giữ nguyên giao diện máy chủ SGLang và các API sinh, trong khi plugin cung cấp các mô hình, attention, MoE dành riêng cho Trainium và một graph runner được xây dựng trên các kernel PyTorch và NKI gốc được biên dịch bằng torch.compile. Nó cũng hỗ trợ PD disaggregation, chuyển bộ nhớ đệm KV prefill sang máy chủ decode qua NIXL trên EFA, và hướng dẫn thực hành phục vụ openai/gpt-oss-120b trên một phiên bản EC2 Trainium3 với container pytorch-inference-sglang-neuronx.

Show HN: Bugsy – Tự động hóa bằng AI điều hành công ty tôi

Bugsy là một hệ thống tự động hóa bằng AI, khởi đầu là một công cụ phân loại Sentry AI đơn giản và hiện nay vận hành phần lớn các hoạt động thường ngày tại một công ty khoảng 20 người. Nó xử lý việc báo cáo và sửa lỗi, đánh giá mã nguồn, số liệu đo lường và trả lời câu hỏi, đồng thời có thể truy cập từ Slack, diễn đàn công ty và các kênh của công ty.

Anthropic ra mắt Claude Meetings để tham gia cuộc gọi video với tư cách người tham dự

Anthropic đã ra mắt Claude Meetings, một tính năng cho phép Claude tham gia cuộc gọi video với tư cách người tham dự hiển thị, trả lời câu hỏi, tạo tài liệu và bảng trắng, đồng thời ghi chú và các mục hành động. Ghi chú, bản ghi và tài liệu do Claude tạo ra được tập hợp trên một trang riêng trong claude.ai sau cuộc họp, và các kiểm soát quyền riêng tư mặc định chặn Claude tham gia cuộc gọi có người tham dự bên ngoài. Tính năng này đang ở giai đoạn beta cho gói Team và Enterprise, hiện chỉ hỗ trợ Google Meet và không khả dụng cho các tổ chức sử dụng cấu hình HIPAA hoặc mã hóa do khách hàng quản lý.

CopilotKit phát hành OpenBot 1.0, một cộng sự AI tự lưu trữ theo giấy phép MIT với quản trị tích hợp

CopilotKit phát hành OpenBot 1.0 vào ngày 9 tháng 11, một không gian làm việc agent tự lưu trữ theo giấy phép MIT, nơi các nhóm tự mang mô hình, agent và hạ tầng của riêng họ. Mỗi cú nhấp chuột trên trình duyệt, ghi tệp, gọi công cụ MCP và thành phần đều đi qua một cổng quản trị để đánh giá chính sách CEL và ghi dòng kiểm toán trước khi hành động, với các quy tắc từ chối chạy trước và các quy tắc bị lỗi sẽ đóng an toàn. Bản phát hành bổ sung ứng dụng desktop Mac và Windows, tính năng Learning biến một tác vụ đã ghi thành kỹ năng tái sử dụng, hỗ trợ đa tài khoản thông qua Composio và Arcade, và điều phối Bot-to-Bot; sử dụng cá nhân miễn phí và OpenBot for Business có giá lên tới 29 đô la mỗi người dùng hoạt động mỗi tháng.

Anthropic ra mắt Claude Meetings, đưa Claude vào các cuộc gọi video nhóm

Anthropic đang triển khai Claude Meetings dưới dạng bản beta trên gói Team và Enterprise, bắt đầu với Google Meet, các nền tảng hội nghị truyền hình khác sẽ theo sau. Claude tham gia cuộc gọi với tư cách là người tham gia hiển thị, tạo tài liệu, bảng trắng và các sản phẩm khác trong khi nhóm vẫn đang trao đổi, và có thể được đặt câu hỏi bằng lời nói hoặc trong chat. Sau cuộc gọi, ghi chú, các mục hành động, bản ghi và bất kỳ nội dung nào Claude đã tạo sẽ xuất hiện trên trang của cuộc họp trong Claude.

Cùng sự việc; tuyển chọn có“Anthropic launches Claude Meetings in beta for Google Meet on Team and Enterprise plans”

Nectar ra mắt Creator Agent để tự động hóa việc tìm kiếm và tiếp cận nhà sáng tạo nội dung

Nectar đã ra mắt Creator Agent, một AI agent tìm kiếm trên hơn 300 triệu hồ sơ nhà sáng tạo nội dung để tìm đối tác thương hiệu, sau đó soạn thảo nội dung tiếp cận, xây dựng landing page và theo dõi các chiến dịch. Sản phẩm hiện có sẵn trên toàn cầu cho các nhà sáng tạo nội dung trên Instagram và TikTok, với kế hoạch truy cập MCP qua Claude, ChatGPT, Gemini và Copilot.

Muse Wonder, Muse Spark 1.3 và Muse Ember hiện đã có trên Google Cloud ở chế độ xem trước công khai

Các mô hình Muse Wonder, Muse Spark 1.3 và Muse Ember của Meta hiện đã được công bố rộng rãi ở chế độ xem trước công khai trên Google Cloud. Chúng có thể được triển khai thông qua model garden trên Google Cloud với bảo mật cấp doanh nghiệp và khả năng mở rộng serverless.

AWS cập nhật runtime AgentCore: khởi tạo phiên nhanh gấp 15 lần và tính toán nhiều gấp 4 lần

AWS công bố cập nhật cho runtime Amazon Bedrock AgentCore, lớp tính toán được quản lý dành cho agent, với các phiên nay khởi tạo nhanh hơn tới 15 lần, mở rộng lên tới 4 lần năng lực tính toán (tối đa 8 vCPU và 32 GB, với container image lên tới 10 GB) và chạy hiệu quả hơn tới 68%, trong khi mỗi phiên vẫn nằm trong Firecracker MicroVM cách ly phần cứng riêng. Phiên khởi tạo dưới 2 giây bất kể kích thước image hay mức đồng thời, agent nhàn rỗi tự động co về 0, và agent có thể gắn kết và lưu công việc vào hệ thống tệp như bucket Amazon S3 với hỗ trợ FUSE để dữ liệu nằm trong ranh giới tin cậy. Runtime hiện có sẵn tại các AWS Region ở Bắc Mỹ, Nam Mỹ, Châu Âu và Châu Á - Thái Bình Dương.

Databricks Genie Migrate chính thức GA, hỗ trợ dễ dàng di chuyển lên Lakehouse

Databricks thông báo Genie Migrate đã chính thức được phát hành rộng rãi (GA), cho phép các công ty chuyển khối lượng công việc dữ liệu của họ lên Databricks Lakehouse với ít thao tác thủ công hơn. Công cụ này nhắm đến các nhóm đang chạy đua để xây dựng AI agent và ứng dụng trên nền dữ liệu lakehouse.

Google Search nâng cấp toàn cầu lên Gemini 4 Hydrogen

Google Search đã chuyển toàn bộ người dùng trên toàn thế giới sang Gemini 4 Hydrogen, mà công ty gọi là bản nâng cấp mô hình lớn nhất cho Search từ trước đến nay. Mô hình này cải thiện khả năng hiểu ý định đối với các câu hỏi nhiều phần và nhiều lỗi chính tả, bổ sung khả năng tuân theo chỉ dẫn và gọi công cụ sâu hơn, đồng thời tăng cường query fan-out để hiển thị các liên kết mà người dùng có thể không tìm thấy. Phản hồi cũng trở nên trực quan hơn, với nhiều hình ảnh, bảng so sánh và công cụ tùy chỉnh hơn, trên tất cả các ngôn ngữ AI Mode được hỗ trợ.

Phota Labs ra mắt ứng dụng iOS biến ảnh thường ngày thành ảnh chuyên nghiệp

Phota Labs đã ra mắt một ứng dụng iOS miễn phí sử dụng trợ lý ảnh AI cá nhân để biến những bức ảnh chụp thường ngày thành hình ảnh trông chuyên nghiệp mà vẫn giữ nguyên diện mạo thật của chủ thể. Startup được a16z hậu thuẫn này, do cựu nhân viên nhiếp ảnh tính toán của Adobe là Cecilia Zhang và Zach Xia sáng lập, đã tự xây dựng mô hình nhận diện danh tính để việc chỉnh sửa không làm thay đổi khuôn mặt, và thêm watermark vô hình vào những ảnh đã được AI chỉnh sửa. Công ty đã gọi được 5,6 triệu USD vòng hạt giống vào năm ngoái và đang lên kế hoạch ra mắt ứng dụng Android.

AWS phát hành AWS Emulator, trình giả lập cục bộ cho hơn 200 dịch vụ AWS do các AI agent viết

AWS đã phát hành AWS Emulator, một trình giả lập cục bộ miễn phí các API AWS chạy trên laptop, dev server hoặc trong CI mà không cần tài khoản AWS, và toàn bộ mã của nó được viết và đánh giá bởi các agent tự trị. Nó được xây dựng từ 438 mô hình API AWS bao phủ hơn 200 dịch vụ và vượt qua 24.243 trong số 42.857 bài kiểm tra độ trung thực có tính điểm (56,6%) trong bản phát hành v1.0.322, với AWS KMS đạt 93,9% và AWS CloudFormation đạt 15,8%. AWS nêu rõ các giới hạn: không đánh giá chính sách IAM, một region và một tài khoản, tài nguyên trong bộ nhớ tồn tại ngắn hạn, và telemetry bật theo mặc định.

Databricks ra mắt Lakehouse//RT để phục vụ phân tích thời gian thực mà không tăng chi phí tương ứng

Databricks giới thiệu Lakehouse//RT, một engine phân tích thời gian thực chạy các khối lượng công việc có độ đồng thời cao trực tiếp trên dữ liệu lakehouse và hiện đang ở giai đoạn beta. Công ty cho biết nó đạt độ trễ dưới 100 mili giây với 12.000 truy vấn mỗi giây, bổ sung dung lượng từng node một và tránh cần một lớp phục vụ riêng; các khách hàng Aurasell, VisionHeight và nOps báo cáo chi phí hạ tầng thấp hơn 6 đến 10 lần sau khi chuyển từ các thiết lập đa cụm, Apache Pinot và Apache Druid.

Kimi K3.1 Pro Highspeed của Moonshot AI ra mắt trên Amazon Bedrock

Kimi K3.1 Pro Highspeed của Moonshot AI hiện đã có trên Amazon Bedrock, đây là phiên bản được huấn luyện hậu kỳ của Kimi K3 với cùng kiến trúc trọng số mở cấp 3T và cửa sổ ngữ cảnh 1 triệu token, được huấn luyện với nhiều tính toán hậu kỳ hơn cho công việc tác nhân dài hạn và ít lỗi thực tế hơn. Moonshot AI báo cáo tốc độ đầu ra gấp 2–3 lần Kimi K3.1 Pro, và người dùng Kimi K3 hiện tại có thể chuyển đổi bằng cách thay đổi ID mô hình. Bài đăng trình bày các lệnh gọi API Chat Completions, Responses và Converse, gói Flex với giá bằng một nửa giá Standard, bộ nhớ đệm lời nhắc rõ ràng với prompt_cache_breakpoint, và kết nối mô hình với tác nhân lập trình OpenCode.

Amazon SageMaker AI phát trực tuyến hai chiều được hưởng giá theo mức sử dụng, Deepgram là đối tác ra mắt

Amazon SageMaker AI phát trực tuyến hai chiều hiện hỗ trợ đo lường theo mức sử dụng, cho phép các nhà cung cấp mô hình báo cáo mức tiêu thụ thực tế cho phí phần mềm trên AWS Marketplace trong khi phí hạ tầng endpoint vẫn được áp dụng. Deepgram là đối tác ra mắt, mang đến tính phí Speech-to-Text và Text-to-Speech theo mức sử dụng trên AWS Marketplace. Thiết kế bổ sung một luồng siêu dữ liệu WebSocket đi kèm, giới hạn ở một tin nhắn mỗi giây và 512 byte, để các nhà cung cấp có thể gửi các bản ghi đo lường tăng dần trong các phiên trực tiếp.

AWS mã nguồn mở UAEF, một hệ thống đánh giá độc lập với framework cho các tác nhân AI

AWS đã mã nguồn mở UAEF (Universal Agent Evaluation Framework), một hệ thống độc lập với framework sử dụng các adapter để chuẩn hóa dấu vết tác nhân từ LangGraph, LangChain, Strands Agents, Amazon Bedrock AgentCore và Langfuse thành một AgentTrace chuẩn duy nhất, sau đó chấm điểm chúng bằng 36 chỉ số tích hợp trên 7 khía cạnh. Kết quả được lưu trữ theo từng thử nghiệm trong Amazon DynamoDB và Amazon S3, để các nhóm có thể so sánh các phiên bản tác nhân với một đường cơ sở, đánh dấu các hồi quy với ngưỡng mặc định 5 phần trăm, và tạo báo cáo thống kê cùng các thông tin chi tiết do LLM viết. Bài viết cho biết khách hàng trên 12 tổ chức trong lĩnh vực viễn thông, chăm sóc sức khỏe và dịch vụ tài chính đã sử dụng UAEF trước khi phát hành, và mã Apache 2.0, thư viện Python, triển khai CDK cùng các notebook theo từng framework nằm trong kho GitHub awslabs/uaef.

Replit Agent bổ sung tính năng mua hàng qua Link và Visa cùng tạo chiến dịch Google Ads

Replit Agent hiện có thêm hai nhiệm vụ mới: mua vật tư kinh doanh qua Link và Visa, và xây dựng chiến dịch Google Ads trên Search, YouTube, Display và Discover. Trong luồng mua hàng, một subagent trình duyệt sẽ điều hướng trang web của người bán và chuẩn bị thanh toán, sau đó chờ chủ sở hữu phê duyệt tổng số tiền cuối cùng; quyền truy cập shell và duyệt web thông thường bị vô hiệu hóa trong quá trình thanh toán và các bước kiểm tra phê duyệt được thực thi trong mã. Agentic Commerce khả dụng cho người dùng Core và Pro bắt đầu từ Hoa Kỳ, chỉ với các giao dịch mua một lần, trong khi Agentic Ads khả dụng cho người dùng Pro trên toàn thế giới.

Databricks cập nhật Genie agent để chạy các tác vụ đa bước không cần giám sát

Databricks đã ra mắt phiên bản cập nhật của AI agent Genie, có thể hoàn thành các công việc đa bước kéo dài mà không cần giám sát, sử dụng ontology được xây dựng từ dữ liệu khách hàng lưu trữ trên nền tảng Databricks. CEO Ali Ghodsi đã trình diễn việc sử dụng trực tiếp của chính mình, bao gồm phân tích các điểm yếu trong một khảo sát mức độ hài lòng của nhân viên, tóm tắt một buổi chào hàng thất bại và chuẩn bị cho một cuộc phỏng vấn podcast. Ghodsi cho biết các nhà lãnh đạo tại các công ty có hơn 150 nhân viên có thể nhận được giá trị từ những agent như vậy, và chi phí có thể được giới hạn thông qua Unity Gateway của Databricks, công cụ đặt giới hạn sử dụng và cho phép thay thế bằng các mô hình open-weight rẻ hơn.

Ứng dụng Databricks Genie cho Slack đạt trạng thái General Availability

Databricks đã đưa ứng dụng Genie cho Slack lên trạng thái generally available, cho phép người dùng đặt câu hỏi về dữ liệu qua DM hoặc @mention và nhận câu trả lời ngay trong thread, dựa trên quyền của Unity Catalog. Mọi câu trả lời đều trích dẫn nguồn, và thông qua các connector MCP, Genie có thể soạn thảo thay đổi cho tài liệu, ticket và bản ghi để chờ phê duyệt trước khi thực thi.

Block 如何利用 Buzz 和 Databricks Unity Gateway 运行协作式 AI 智能体

Block 构建了 Buzz，这是一个开源协作工作空间，员工和 AI 智能体可以在其中通过群组讨论、聚焦对话和一对一交流协同工作，并使用 Databricks Unity Gateway 作为模型访问层。员工可以创建智能体，为每个智能体选择背后的模型或编码工具，并选择 Databricks 作为其推理提供商，通过单一集成访问 OpenAI、Anthropic 和 Google 的前沿模型以及部分开放权重模型。Block 的工程师还在试验多智能体设置，即由能力更强的模型协调运行更小、更高效模型的智能体，并已构建了一套内部方法来对这些智能体团队进行基准测试。

Warhammer 40,000: Dawn of War IV sẽ có mặt trên GeForce NOW

Warhammer 40,000: Dawn of War IV, do KING Art Games phát triển và Deep Silver phát hành, sẽ có mặt trên GeForce NOW khi ra mắt trên Steam vào thứ Năm, ngày 3 tháng 12. Tựa game chiến thuật thời gian thực này có hơn 70 nhiệm vụ chiến dịch có thể chơi đơn hoặc chơi hợp tác, cùng với các chế độ The Last Stand, Skirmish và nhiều người chơi. NVIDIA DLSS 5 với 3D-Guided Neural Rendering cũng sẽ đến với War Thunder vào giữa tháng 11 và Where Winds Meet vào thứ Hai, ngày 23 tháng 11.

LiveKit ra mắt Cloud API dưới dạng bản beta mở để các coding agent có thể quản lý LiveKit Cloud

LiveKit đã phát hành LiveKit Cloud API dưới dạng bản beta mở, cho phép các coding agent tạo và cấu hình dự án, quản lý thành viên và webhook, đồng thời lấy bản ghi, log, trace và bản ghi âm từ các cuộc gọi agent. API này là REST API, chạy với tư cách đăng nhập của người dùng, sử dụng token ngắn hạn được kiểm tra theo vai trò dự án và các hành động nhạy cảm chỉ giới hạn cho quản trị viên dự án. Trong một thử nghiệm trên trợ lý tài liệu của LiveKit, một coding agent đã đọc 4.321 phiên từ tuần trước và trả về danh sách xếp hạng 8 vấn đề sau khoảng 30 phút. Dữ liệu phiên yêu cầu Agent Observability, tính năng này mặc định tắt đối với các dự án được tạo qua API, và các yêu cầu API là miễn phí nhưng bị giới hạn tốc độ theo gói.

vLLM hỗ trợ day-0 cho Inkling 2 Small của Thinking Machines

vLLM hỗ trợ Inkling 2 Small của Thinking Machines ngay từ ngày đầu tiên, một MoE đa phương thức văn bản và thị giác với tổng 594B và 17B tham số hoạt động, ngữ cảnh lên đến 1M token. Tích hợp này bổ sung kernel fusion với PDL, sequence parallelism cho prefill giúp giảm bước prefill 8K token 22% ở TP4 và 26% ở TP8, cùng kernel decode attention tương đối Gluon giúp giảm bước decode batch-1 ở ngữ cảnh 100K từ 15,1 ms xuống 4,8 ms. vLLM báo cáo lên đến 630 TPS/người dùng ở TP4 trên GB200 với độ dài chấp nhận 3,5, đồng thời hỗ trợ LoRA và RL qua SkyRL.

OpenRouter giải thích quy trình bản địa hóa tự sửa lỗi đằng sau 7 ngôn ngữ mới của mình

OpenRouter đã ra mắt bản beta bản địa hóa bằng tiếng Trung Giản thể, tiếng Tây Ban Nha, tiếng Bồ Đào Nha Brazil, tiếng Đức, tiếng Pháp, tiếng Nhật và tiếng Hàn, đồng thời trình bày chi tiết quy trình tự sửa lỗi giúp duy trì bản dịch của 16.918 chuỗi tiếng Anh. Vòng lặp hàng ngày gửi các chuỗi đã thay đổi đến GPT-6.1 Sol theo lô tối đa 40 chuỗi, để mã từ chối các placeholder bị hỏng và vi phạm bảng thuật ngữ, sau đó dùng lệnh gọi thứ hai đến cùng mô hình làm trình xác minh trả về lỗi theo mức độ nghiêm trọng để thử lại. OpenRouter cho biết việc dịch lại toàn bộ danh mục sang 7 ngôn ngữ tốn khoảng 460 USD, so với khoảng 7.200 USD theo mức giá dịch máy công bố của Smartling.

vLLM-Omni benchmark MiniMax H3-Image trên Vera Rubin: tạo ảnh 4K trong 0,87 giây và 6.115 ảnh/giờ

vLLM-Omni đã đưa MiniMax H3-Image lên NVIDIA Vera Rubin và đo được độ trễ trung vị 0,87 giây cho text-to-image gốc 4096×4096 trên bốn GPU, cùng 6.115 ảnh/giờ trong một cấu hình thông lượng riêng. H3-Image là mô hình text-to-image và chỉnh sửa ảnh trọng số mở, kết hợp bộ mã hóa Qwen3-VL với DiT dày đặc 33,1B và VAE hình ảnh, xử lý cả hai tác vụ trong sáu bước lấy mẫu với tối đa 16 ảnh tham chiếu. Nhóm báo cáo MXFP8 DiT GEMMs, Ulysses SP4, bộ nhớ đệm AdaLN và một thay đổi giải mã VAE giúp giảm thời gian giải mã từ 2,635 giây xuống 0,213 giây, đồng thời liệt kê các công thức cho phần cứng AMD, Intel, Huawei Ascend và Moore Threads.

Ra mắt API Tìm kiếm Web của Amazon Bedrock AgentCore

Amazon Bedrock AgentCore hiện cung cấp API Tìm kiếm Web độc lập, cho phép nhà phát triển gọi trực tiếp InvokeWebSearch từ AWS SDK hoặc AWS CLI chỉ với một yêu cầu và không cần tạo tài nguyên nào. API trả về kết quả đã xếp hạng từ chỉ mục web do Amazon vận hành, mỗi kết quả gồm một đoạn trích văn bản và, khi có sẵn, tiêu đề, URL và thời gian xuất bản, kèm bộ lọc theo tên miền và ngày. Các yêu cầu được ký bằng SigV4 và IAM, sử dụng cùng quyền như tuyến AgentCore Gateway.

Google ra mắt API Gemini Decisions với Gemini Decision 1 ở mức 0,10 USD/1 triệu token

Google đã ra mắt API Gemini Decisions, được vận hành bởi một mô hình mới có tên Gemini Decision 1 (gemini-decision-1), mô hình này không sinh văn bản mà chấm điểm tối đa 1.000 câu hỏi có kiểu dữ liệu xác định dựa trên một đầu vào chung và trả về xác suất đã hiệu chỉnh. Nó đọc văn bản, hình ảnh, âm thanh, video và PDF trong một lượt prefill duy nhất, hỗ trợ các loại câu hỏi có/không, lựa chọn và điểm số, và có giá 0,10 USD/1 triệu token đầu vào với không tính phí token đầu ra. Google báo cáo ngữ cảnh 262.144 token, độ trễ end-to-end 150-250 ms và ECE top-1 là 0,0250, khoảng một nửa so với TypeSafe Jev 1.14, mặc dù nó kém Jev trên benchmark When2Call (79,9% so với 82,0%) và tốn nhiều chi phí hơn trên mỗi token (0,10 USD so với 0,042 USD).

AWS phát hành trình giả lập cục bộ chính thức để kiểm thử các dịch vụ của mình mà không cần API key trả phí

AWS đã phát hành một trình giả lập chính thức cho phép các nhà phát triển chạy thử nghiệm trên một bản sao cục bộ của nhiều dịch vụ khác nhau mà không cần cấp API key trả phí. Trình giả lập được viết bằng Rust và đã tích lũy 29.684 commit trong ba tuần đầu tiên của dự án, theo một bài đăng khách mời của Swaminathan (Swami) Sivasubramanian trên blog của Werner Vogels. Hiện tại nó yêu cầu Docker trên macOS và Windows, và Simon Willison hy vọng sẽ có một tệp nhị phân đơn lẻ có thể tải xuống để sử dụng trong các bộ kiểm thử tiêu chuẩn trên các nền tảng và ngôn ngữ khác.

Simon Willison thêm tính năng duyệt theo thẻ vào trang web công cụ vibe-coded của mình

Simon Willison đã thêm tính năng duyệt theo thẻ vào tools.simonwillison.net, cho phép khách truy cập khám phá bộ sưu tập 244 công cụ vibe-coded của ông theo thẻ. Ông đã dùng số tín dụng Fable 5.2 còn lại để cho tree-sitter phân tích mã của từng công cụ nhằm tìm các API JavaScript, thư viện và máy chủ web API. Trang chủ hiện hiển thị đám mây thẻ cho từng danh mục thẻ đó.

Google ra mắt API Gemini Decisions và mô hình Gemini Decision 1 cho các quyết định tập đóng nhanh chóng

Google đã giới thiệu API Gemini Decisions, được hỗ trợ bởi mô hình Gemini Decision 1 mới (gemini-decision-1) và có sẵn thông qua API Gemini trong Google AI Studio. Một đầu vào đa phương thức duy nhất lên tới 256K token có thể được kiểm tra với tối đa 1.000 câu hỏi có/không, trắc nghiệm và chấm điểm theo tiêu chí trong một lượt truyền xuôi, trả về xác suất và điểm tin cậy với độ trễ đầu-cuối 150-250 ms với giá 0,10 USD trên 1 triệu token đầu vào và không tính phí token đầu ra. Google cho biết mô hình này dẫn đầu bộ tiêu chuẩn đánh giá của họ với sai số hiệu chuẩn thấp nhất và rẻ hơn gần 5 lần so với Gemini 3.5 Flash-Lite với API Interactions; các ứng dụng nội bộ bao gồm định tuyến mô hình trong Gemini Notebook, tạo wireframe trong Stitch và kiểm tra nội dung đối kháng cho các công cụ MCP trong Search.

Fable 5.2 hay Opus? Khi nào nên dùng từng model trong Claude Code

Claude Fable 5.2 đã có sẵn, và một hướng dẫn mới giải thích khi nào nên bắt đầu với Opus 5.5, khi nào nên nâng lên Fable 5.2, hoặc hạ xuống Sonnet 5.5 hay Haiku 5.5 trong Claude Code. Hướng dẫn cũng đề cập việc chia một công việc cho nhiều model, với tính khả dụng và giới hạn sử dụng khác nhau tùy theo gói.

LLM 0.37.2 khắc phục lỗi rò rỉ khóa API tới các endpoint tương thích OpenAI của bên thứ ba

Simon Willison đã phát hành LLM 0.37.2 để khắc phục một vấn đề bảo mật do Daniel de Araujo báo cáo trong GHSA-v9h7-jj4g-f862 và GHSA-r639-rr7r-x72w. Lỗi này có thể gửi khóa API OpenAI đã cấu hình tới các endpoint tương thích OpenAI của bên thứ ba thông qua extra-openai-models.yaml nếu api_key_name được chỉ định chưa từng được lưu, hoặc nếu một mô hình responses: true chạy với -o chat_completions 1.

Google Labs ra mắt Tabletop, không gian cộng tác thời gian thực cho lập kế hoạch nhóm

Google Labs giới thiệu Tabletop, một thử nghiệm mới cho cộng tác nhóm theo thời gian thực, nơi người dùng thêm liên kết, tệp và ý tưởng, sau đó nhắc @tabletop hoặc chọn một mẫu khởi đầu để tạo lịch trình chuyến đi tương tác, bình chọn bữa tối, chia chi phí và bảng đấu giải đấu. Khi một không gian đã sẵn sàng, một liên kết mời cho phép mọi người tham gia và sử dụng đồng thời, giống như trong Google Doc. Tabletop đang được triển khai tại Hoa Kỳ (18+) thông qua danh sách chờ tại labs.google/tabletop.

Mastra Agents Private Model Gateways cho các mô hình tự lưu trữ

Mastra đã bổ sung các cổng mô hình riêng tư cho phép các agent định tuyến yêu cầu đến các mô hình trọng số mở tự lưu trữ, được tham chiếu bằng tiền tố như private/ollama/gpt-oss:20b. Tự lưu trữ giữ dữ liệu nhạy cảm trong mạng nội bộ và thay thế chi phí theo token bằng chi phí hạ tầng, và việc đặt AUTO_BLOCK_EXTERNAL_PROVIDERS=true sẽ ẩn các nhà cung cấp bên ngoài trong Studio. Tính năng này yêu cầu @mastra/core@1.82.0 trở lên.