Tới nội dung
Chỉ Chính chủ#Agent
10 tháng 11Thứ Ba
  1. Mastra Blog25

    Mastra Platform ra mắt gói Starter 25 đô la với máy chủ chuyên dụng

    Mastra Platform giới thiệu gói Starter 25 đô la, nâng hạn mức hàng tháng cho tính toán, dữ liệu và sự kiện quan sát, đồng thời bao gồm một máy chủ chuyên dụng Small với chi phí tính toán được chi trả. Hạn mức hiện cao hơn ở mọi gói, và gói miễn phí được đổi tên thành Free, nơi một agent serverless vẫn chạy miễn phí. Các dự án chạy serverless hoặc trên máy chủ Small, Medium hoặc Large, và Mastra Connect bổ sung hạn mức kết nối cho mỗi gói.

9 tháng 11Thứ Hai
  1. NVIDIA Blog70

    NVIDIA ra mắt mô hình hành động thế giới GR00T 2 và Isaac Lab 3.0 tại CoRL

    NVIDIA giới thiệu GR00T 2, một mô hình hành động thế giới mở được xây dựng trên Cosmos và huấn luyện trên 100.000 giờ dữ liệu góc nhìn thứ nhất của con người, cùng với Isaac Lab 3.0 và các bộ đánh giá robot mới tại CoRL. GR00T 2 hoàn thành 40 trong số 50 nhiệm vụ được đánh giá ít nhất một lần mà không cần minh họa dành riêng cho nhiệm vụ và đạt tỷ lệ thành công trung bình 71% trên 50 nhiệm vụ với một minh họa mỗi nhiệm vụ, tăng lên 95% với năm minh họa. Isaac Lab 3.0 bổ sung tích hợp vật lý Newton cho các vật thể biến dạng và báo cáo thông lượng huấn luyện cao gấp 2,5 lần so với Isaac Lab 2.3 với PhysX trong một bộ đánh giá thao tác khéo léo dựa trên thị giác.

    Vì sao đáng chú ý: Bản phát hành CoRL của NVIDIA cho thấy cách mô phỏng kết hợp với các mô hình hành động thế giới hiện đang nhắm đến công việc lắp ráp tinh xảo, với các chi tiết của GR00T 2 và Isaac Lab 3.0 đáng để so sánh với các ngăn xếp robot trước đây.

  2. Anthropic · Claude.dev80

    Anthropic: 1.000 tác nhân Claude Fable 5.2 tái tạo bản hình thức hóa Định lý cuối cùng của Fermat trong 28,7 giờ

    7 giờ không có nền tảng Prove2Me hay sự điều hướng của nhà nghiên cứu như trong lần chạy tháng 9 của Anthropic, viết một chứng minh ngắn bằng một phần bảy và sử dụng một phần ba số token đầu ra. Mỗi tác nhân làm việc trong một sandbox cách ly mạng với bộ phân loại kiểm tra mọi lệnh shell và chỉnh sửa tệp cùng một giám sát viên ngoại tuyến, và qua hơn một triệu lệnh gọi công cụ, không có lệnh nào đạt ngưỡng bị chặn.

    Vì sao đáng chú ý: Lần chạy 1.000 tác nhân của Anthropic đã tái tạo bản hình thức hóa Định lý cuối cùng của Fermat mà không cần Prove2Me hay nhà nghiên cứu, cho thấy cách sandbox và giám sát ràng buộc một nhóm tác nhân tự tổ chức.

  3. Anthropic · Claude.dev60

    Hướng dẫn của Anthropic về cách chọn giữa Claude Fable 5.2, Opus 5.5, Sonnet 5.5 và Haiku 5.5

    Anthropic đã công bố một hướng dẫn khuyến nghị các nhà phát triển bắt đầu hầu hết công việc lập trình và tri thức trên Claude Opus 5.5 ở mức nỗ lực trung bình mặc định, vì chi phí trên mỗi token chỉ bằng một nửa so với Fable 5.2. Hướng dẫn ánh xạ Sonnet 5.5 cho công việc hàng ngày có phạm vi rõ ràng, Haiku 5.5 cho các tác vụ phân loại, định tuyến và tác nhân con với khối lượng lớn, và Fable 5.2 cho các dự án lập trình, tài chính và khoa học khó nhất hoặc các phiên chạy dài không có giám sát. Hướng dẫn cũng khuyên điều chỉnh mức nỗ lực trước khi chuyển đổi mô hình, và lưu ý rằng trên SWE-bench Pro, Opus 5.5 ở mức thấp với các lần thất bại được chạy lại ở mức cao đã vượt qua khoảng 97% tác vụ với chi phí khoảng 0,17 USD mỗi tác vụ, so với 95,3% với 0,29 USD khi mọi tác vụ đều ở mức cao.

    Vì sao đáng chú ý: Hướng dẫn của chính Anthropic ánh xạ từng mô hình Claude và mức nỗ lực tới các loại tác vụ cụ thể, kèm so sánh chi phí trên mỗi tác vụ và điểm chuẩn để lựa chọn giữa chúng.

  4. Berkeley AI Research22

    BAIR tại CoRL 2026: Các bài báo, phiên báo cáo miệng và bài phát biểu chính về Học máy Robot của Berkeley

    BAIR của UC Berkeley đang trình bày 33 bài báo hội nghị chính, 4 poster late-breaking, 3 bài báo cáo miệng và 7 spotlight tại CoRL 2026, diễn ra từ ngày 9–12 tháng 11 tại Austin, Texas. Giáo sư Negar Mehr sẽ có bài phát biểu chính Early Career Keynote về cách robot học tương tác và phối hợp với các đối tượng khác. Các công trình trải rộng từ bộ nhớ embodied cho mô hình vision-language-action, mở rộng quy mô thao tác khéo léo với dữ liệu người góc nhìn thứ nhất, đến tự cải thiện của robot dạng tác tử.

  5. NVIDIA Blog36

    Hệ sinh thái AI của Hàn Quốc tiến bộ và bảo mật Agentic AI với NVIDIA

    Tập đoàn Hyundai Motor đang nghiên cứu các blueprint NemoClaw của NVIDIA và runtime OpenShell của NVIDIA, trong khi AIM Intelligence đang tích hợp nền tảng Starfort của mình với OpenShell để hỗ trợ các AI agent bảo mật cho năng suất nhân viên và quy trình làm việc doanh nghiệp. OpenShell, một thành phần quan trọng của Nền tảng An toàn Agent Mở NVIDIA, cung cấp thực thi trong sandbox và kiểm soát dựa trên chính sách để quản lý các hành động của agent tự trị. LG AI Research cũng đang mở quyền truy cập API cho K-EXAONE-2.5, được phát triển bằng cách sử dụng các bộ dữ liệu NVIDIA Nemotron bao gồm Nemotron-Personas-Korea, một bộ dữ liệu mở gồm 7 triệu persona Hàn Quốc tổng hợp.

  6. Figma Blog38

    Sáu cách sử dụng tác nhân Figma trên canvas

    Figma đã nêu ra sáu cách sử dụng tác nhân thiết kế của mình trực tiếp trên canvas, từ việc chú thích thiết kế bằng biên bản cuộc họp được kéo vào qua các connector như Granola, Notion hoặc Google Drive, đến việc tóm tắt phản hồi bình luận và áp dụng các thay đổi đã thống nhất. Tác nhân cũng có thể tạo shader tùy chỉnh, tạo nhiều biến thể bố cục trong một lần nhắc bằng thư viện của nhóm, biến thiết kế tĩnh thành các lớp mã tương tác và thêm hiệu ứng chuyển động.

  7. 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.

  8. Google Developers Blog58

    Google AI Studio thêm tính năng xây dựng ứng dụng Google Maps Platform từ một câu lệnh

    Google AI Studio hiện cho phép người dùng xây dựng ứng dụng được hỗ trợ bởi Google Maps Platform trực tiếp từ một câu lệnh, với AI Studio xử lý cấu hình và quản lý khóa API và không cần thẻ tín dụng. Tích hợp này bao gồm các API Maps, Places, Routes và Environment, và sandbox cho phép 100 lệnh gọi mỗi ngày cho mỗi API với hạn mức được đặt lại sau mỗi 24 giờ. Liên kết tài khoản thanh toán Google Cloud sẽ mở khóa hạn mức cấp sản xuất theo giá tiêu chuẩn của Google Maps Platform.

  9. Anthropic Research71

    Anthropic thử nghiệm Claude Fable 5.2 trên thiết kế điện tử thực tế

    Anthropic báo cáo rằng Claude Fable 5.2 đã thiết kế ba thiết bị điện tử, gồm một loa hội nghị, một trung tâm trợ lý giọng nói và một thú ảo cầm tay, từ những yêu cầu tối thiểu, và Diode Computers đã chế tạo nguyên mẫu hoạt động được từ các tệp thiết kế của nó mà không cần sửa mạch. Trên bộ đánh giá PCB Gym nội bộ của Diode, Fable 5.2 đạt 69% so với 25% của Fable 5, và đạt 83,5% trên BenchCAD 2.1 công khai, gần gấp đôi Claude Fable 5.1. Các thiết bị vẫn là nguyên mẫu chưa qua kiểm định điện, tinh chỉnh ăng-ten, kiểm tra nhiệt hay chứng nhận, và Claude không được kết nối với thiết bị kiểm thử hay máy móc sản xuất.

    Vì sao đáng chú ý: Báo cáo của chính Anthropic về việc Claude Fable 5.2 thiết kế ba thiết bị điện tử hoạt động được cho thấy các mô hình đã tiến xa đến mức nào, từ việc chỉ bố trí một phần PCB đến tạo nguyên mẫu phần cứng đầu-cuối.

7 tháng 11Thứ Bảy
  1. GitHub Blog · AI & ML38

    Ngoài việc tạo mã nguồn: Hướng dẫn của nhà phát triển về kỹ thuật tác tử

    GitHub đã công bố hướng dẫn dành cho nhà phát triển về kỹ thuật tác tử, trình bày cách Copilot hỗ trợ các giai đoạn Lập kế hoạch, Xây dựng, Xác minh và Quan sát trong công việc phần mềm. Hướng dẫn trích dẫn con số 1,2 tỷ commit của GitHub trong một tuần vào tháng 10 năm nay, cao hơn 400% so với một năm trước đó, và một nghiên cứu của Faros AI phát hiện rằng các pull request mất thời gian xem xét lâu hơn 441% khi các nhóm chuyển từ mức độ áp dụng AI thấp lên cao. Hướng dẫn trình bày chi tiết các tính năng bao gồm Copilot trong Slack hoặc Teams, Plan Mode, GitHub Agentic Workflows, cloud sandboxes, session continuity, shared memory, Copilot Dreaming và Copilot Fusion.

  2. Meta Newsroom · AI58

    Meta ra mắt không gian trong ứng dụng Muse để người dùng tự xây dựng trải nghiệm cá nhân hóa

    Meta đã giới thiệu không gian trong ứng dụng Muse, một cách tương tác để người dùng xây dựng một Muse cá nhân hóa hơn bằng cách mô tả một ý tưởng như công cụ theo dõi quà tặng, trò chơi chữ hàng ngày hoặc bảng lập kế hoạch DIY. Người dùng có thể điều chỉnh từng không gian với Muse, đặt nó vào thanh bên hoặc các tab chính, ẩn hoặc lên lịch, và kết nối ứng dụng để các chi tiết như ngày diễn hòa nhạc và thay đổi giá được cập nhật trong nền. Không gian có sẵn ở mọi nơi Muse có mặt bắt đầu từ hôm nay, và Meta cho biết họ đang khám phá các tùy chọn chia sẻ và triển khai các phiên bản mô hình chuyên biệt được huấn luyện với những hiểu biết từ Muse Wonder.

6 tháng 11Thứ Sáu
  1. Zyphra Research58

    Zyphra ra mắt bản beta MAIA, một AI agent đa người dùng với bộ nhớ chia sẻ trên Slack và desktop

    Zyphra đã phát hành MAIA dưới dạng bản beta, một AI agent đa người dùng chủ động, ghi nhớ ngữ cảnh nhóm được chia sẻ, thực hiện hành động trên các công cụ được kết nối, và chạy dưới dạng ứng dụng desktop Mac độc lập và trong Slack, miễn phí trong giai đoạn beta. MAIA lưu giữ bộ nhớ liên tục về con người, các quyết định và sở thích kèm theo nguồn, thực thi các tác vụ nhiều bước bằng ngôn ngữ tự nhiên, và có thể lên lịch công việc định kỳ. Nó tuân theo quyền của công cụ hiện có, xác nhận trước các hành động không thể đảo ngược, và cho phép người dùng xem và xóa bộ nhớ, với các cuộc trò chuyện riêng tư được giữ kín trừ khi được chia sẻ.

  2. Ai2 · Allen Institute for AI58

    Ai2 phát hành ToyBlocks, một thế giới mô phỏng có kiểm soát cho việc học và đánh giá robot

    Ai2 đã phát hành ToyBlocks, một khung mô phỏng mở được xây dựng xoay quanh một cánh tay robot và các khối trên mặt bàn, là sản phẩm đầu tiên trong FoundationWorlds của họ dành cho nghiên cứu học robot có kiểm soát. ToyBlocks tự động tạo nhiệm vụ và bản trình diễn thông qua RL và lập kế hoạch chuyển động trong Isaac Lab, đạt tốc độ tạo dữ liệu lên tới 24 lần thời gian thực trên một GPU duy nhất, và đi kèm với 85.336 bản trình diễn tầm xa bao phủ gần 1.600 giờ và 144 triệu khung hình. Trong các thử nghiệm thực tế trên Franka FR3, tỷ lệ thành công của kỹ năng nguyên tử của ManiFlow là 80,0% trong mô phỏng và 81,1% trên phần cứng, trong khi hệ thống Molmo 2 kết hợp ManiFlow thành công trong 55,5% số tập mô phỏng và 50,0% số tập thực tế.

  3. Sierra Blog18

    Sierra được vinh danh vào JPMorganChase Hall of Innovation

    Sierra, nền tảng AI trải nghiệm khách hàng, đã được vinh danh vào Hall of Innovation của JPMorganChase, với giải thưởng được trao cho CEO Bret Taylor tại Hội nghị chuyên đề Đổi mới Công nghệ thường niên lần thứ 18 của J.P. Morgan ở Palo Alto vào ngày 29 tháng 10. Hall of Innovation, được thành lập năm 2011, công nhận các công ty công nghệ tư nhân đã tạo ra tác động đáng kể tại JPMorganChase thông qua đổi mới và hợp tác chặt chẽ. CIO của Chase, Gill Haus, đánh giá Sierra là một đối tác mạnh mẽ trong việc khám phá AI tác tử cho ngân hàng, trong khi Taylor cho biết các tác tử được xây dựng trên Sierra có thể được triển khai trên web, di động, trò chuyện, email và thoại để giải quyết các tác vụ phức tạp.

  4. Sierra Blog38

    Sierra Accelerators lo những điều cơ bản cho AI Agent

    Sierra đã phát hành Accelerators, các gói dựng sẵn cho những quy trình có khối lượng lớn như theo dõi đơn hàng, đặt lịch hẹn, tiếp nhận yêu cầu bồi thường và xác minh danh tính, hiện đã có trong Agent Studio. Mỗi Accelerator đi kèm các tích hợp và guardrail cơ bản, và Ghostwriter điều chỉnh nó theo chính sách riêng của công ty; các bản cập nhật từ Sierra được giữ nguyên trong khi các thay đổi của khách hàng được theo dõi riêng. Các nhóm sẽ sớm có thể tự xây dựng và chia sẻ Accelerator của riêng mình trong nội bộ.

  5. OpenClaw Blog69

    OpenClaw phát hành Multiplayer cho các agent và ngữ cảnh dùng chung

    OpenClaw đã phát hành Multiplayer, một tính năng miễn phí và mã nguồn mở cho phép nhiều người kết nối với cùng một agent và workspace của OpenClaw, với các prompt hiển thị trực tiếp trên nhiều laptop và các yêu cầu được điều phối qua một hàng đợi dùng chung. Trong các bản demo tại GitHub Universe ở San Francisco, hai người tham dự đã chỉnh sửa cùng một cảnh 3D bằng cách nhập prompt trên các máy riêng biệt mà không cần nhắc lại ngữ cảnh. OpenClaw Foundation cho biết đã có hơn 50 người cộng tác trong cùng một môi trường dùng chung và đang tiếp tục mở rộng tính năng này.

    Vì sao đáng chú ý: OpenClaw biến việc nhiều người dùng chung một Agent và ngữ cảnh thành tính năng miễn phí, mã nguồn mở, mang đến một cách làm có thể chuyển giao cho vấn đề phải liên tục tái tạo ngữ cảnh trong cộng tác nhóm.

  6. Google Developers Blog60

    Nghiên cứu của Google phát hiện các tham chiếu lỗi TODO cũ gây xao nhãng các tác nhân lập trình trong 13% số phiên

    ) các tham chiếu. Các tác nhân đã hành động dựa trên ID lỗi trong 6% số lần gặp, và 83% trong số những hành động đó là do nhà phát triển không nhắc đến; 41% các chuyến đi lạc không được nhắc đến đuổi theo các phiếu đã đóng trong khi 57% gặp phải các lỗi vẫn còn mở và mở rộng phạm vi. Khi kiểm soát theo nhà phát triển, độ phức tạp của cơ sở mã, loại nhiệm vụ, cấp độ mô hình và các yếu tố khác, các chuyến đi lạc lỗi không được nhắc đến đã thêm 70% số bước, 77% token và 105% thời gian chờ mỗi phiên.

    Vì sao đáng chú ý: Phân tích dấu vết quy mô lớn của Google cho thấy các tham chiếu lỗi TODO cũ kéo các tác nhân lập trình vào những chuyến đi lạc không được nhắc đến, và các tác nhân dọn dẹp của họ đã loại bỏ hàng nghìn tham chiếu lỗi thời với tỷ lệ chấp nhận của người đánh giá trên 95%.

  7. Anthropic Research60

    Anthropic giải thích các thành phần bộ nhớ của tác nhân Claude

    Anthropic đã phác thảo cách họ thiết kế bộ nhớ cho các tác nhân Claude, định nghĩa bộ nhớ tác nhân là kiến thức được lưu giữ qua các phiên và tách biệt nó khỏi thay đổi trọng số, học trong ngữ cảnh và nén. 5 đã khớp nó với bộ nhớ. 7 đã ghi 413 tệp trên 225 thư mục và giành được một huy hiệu.

    Vì sao đáng chú ý: Anthropic trình bày chi tiết cách bộ nhớ tác nhân của Claude hoạt động, so sánh việc ghi chú của các mô hình trên CL-Bench và Pokémon Red và cho thấy cách mơ ngoại tuyến sửa chữa và sắp xếp các ghi chú đã lưu.

  8. Anthropic Research36

    Anthropic: Dạy AI xây dựng mô hình khoa học

    Nghiên cứu của Anthropic lập luận rằng các hệ thống AI giờ đây có thể suy ra các phương trình như mô hình Hodgkin-Huxley trong một buổi chiều, nhưng khớp dữ liệu thực nghiệm không đồng nghĩa với thấu hiểu. Công trình chia mô hình hóa khoa học thành xây dựng, ràng buộc và diễn giải mô hình, và lưu ý rằng AI tiến bộ nhất ở việc ràng buộc chúng, nơi suy luận Bayes là phương pháp chuẩn để ánh xạ mọi tập tham số khả dĩ thay vì một khớp đơn lẻ.

  9. Mastra Blog38

    Mastra Agents bổ sung Tín hiệu Ring cho Sự kiện Chuông cửa

    Các agent Mastra giờ đây có thể nhận sự kiện chuông cửa Ring dưới dạng tín hiệu thông báo thông qua gói @mastra/ring-signals mới, yêu cầu @mastra/core@1.81.0 trở lên. Mỗi sự kiện đến trong luồng của agent với mức ưu tiên có thể cấu hình, và agent có thể lấy ảnh chụp nhanh hoặc đoạn video từ API Ring để quyết định cách phản hồi. Tín hiệu Ring cũng có thể nhắm đến một luồng kênh hiện có, chẳng hạn như iMessage, để cảnh báo đến được một cuộc trò chuyện chung.

  10. Modal Blog22

    Snorkel vận hành mô phỏng tác nhân thực tế với Modal như thế nào

    Snorkel sử dụng các sandbox GPU và CPU của Modal để chạy hàng triệu mô phỏng tác nhân mỗi tháng, đạt đỉnh hàng chục nghìn sandbox mỗi giờ, và dựa vào Modal để suy luận trên các mô hình trọng số mở mà họ đánh giá. Việc áp dụng tính năng memory bursting của Modal đã cắt giảm tổng hóa đơn sandbox của Snorkel khoảng 20%, với khoảng 10-15% số sandbox của họ sử dụng bursting hiện nay. Modal là nhà cung cấp sandbox duy nhất có thể đáp ứng nhu cầu sandbox GPU của Snorkel ở quy mô lớn.

  11. Microsoft Research58

    PDD Kit của Microsoft Research chính thức xác minh các ứng dụng web full-stack do agent viết

    Microsoft Research đã giới thiệu PDD Kit, một nguyên mẫu nghiên cứu biến ý định bằng ngôn ngữ tự nhiên của nhà phát triển thành đặc tả hình thức Verus, chứng minh mã Rust do coding agent viết thỏa mãn đặc tả đó với mọi đầu vào, và quay về kiểm thử ở những nơi chứng minh không thể vươn tới. Trong một bản demo bên trong Chopin của GitHub Next, nhóm đã dùng PDD Kit để xác minh logic đăng nhập của Pet Store, một ứng dụng full-stack Rust khoảng 5.000 dòng, với việc nhà phát triển xem xét tạo tác ý định thay vì từng dòng mã được sinh ra. PDD Kit hiện chỉ xác minh Rust, và các bảo đảm của nó dựa trên sáu thành phần tin cậy đã được nhà phát triển phê duyệt, bao gồm kiểm tra mật khẩu bcrypt và hai lần tra cứu cơ sở dữ liệu.

  12. 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.

  13. Sierra Blog58

    Sierra mua lại Anon để bổ sung xác thực và điều hướng tác nhân trên trình duyệt

    Sierra đã mua lại Anon, một startup đã xây dựng cơ sở hạ tầng cho phép các tác nhân AI doanh nghiệp đăng nhập, điều hướng trang và điền biểu mẫu trên các trang web không có API. Anon đã huy động được hơn 13 triệu USD và tung ra sản phẩm được hàng trăm khách hàng sử dụng, và đội ngũ của công ty giờ đây sẽ giúp các tác nhân của Sierra hoàn thành các bước yêu cầu đăng nhập vào một trang web hoặc làm việc thông qua một cổng thông tin trên trình duyệt. Nhà sáng lập Daniel Mason cho biết các mô hình và harness tốt hơn đã khiến tác nhân trình duyệt trở nên đáng tin cậy hơn nhiều, và các tác nhân Horizon của Sierra đang theo đuổi các mục tiêu dài hơi hơn như khởi tạo một khoản vay hoặc xin chấp thuận trước cho một thủ thuật chăm sóc sức khỏe.

  14. Descript Changelog22

    Tổng hợp bản phát hành ngày 6 tháng 11 năm 2026 của Descript: Gói bố cục thương hiệu, Kỹ năng Underlord, Thùng rác 30 ngày

    Bản tổng hợp ngày 6 tháng 11 năm 2026 của Descript bổ sung các gói bố cục tạo sinh, biến hướng dẫn thương hiệu, logo và màu sắc thành bốn hướng do AI đề xuất cùng một gói bố cục đầy đủ có thể chỉnh sửa trên các gói trả phí. Underlord hiện hỗ trợ các kỹ năng tái sử dụng, được gọi bằng "/" trong chat, thay thế các mẫu prompt, vốn sẽ bị tắt vào ngày 30 tháng 11. Các dự án đã xóa giờ nằm trong thùng rác 30 ngày, và tính năng tìm kiếm ổ đĩa của Enterprise khớp với nội dung bên trong hình ảnh và video, bao gồm cả qua Descript MCP và API.

5 tháng 11Thứ Năm
  1. Mistral AI69

    Mistral mở rộng Studio với các agent được quản lý, workflow và ứng dụng cùng Mistral Large 4 (Le Chonk)

    Mistral đã mở rộng nền tảng AI doanh nghiệp Studio với các agent và ứng dụng được quản lý, cùng các khả năng mới về workflow, ngữ cảnh doanh nghiệp, quan sát và đánh giá agent, chạy trên mô hình Mistral Large 4 (Le Chonk). Nhà phát triển có thể xây dựng các agent nhiều bước với skills, sandbox, subagent và hook, rồi triển khai lên Studio bằng một lệnh thông qua Mistral MCP server mới. Mistral cho biết các khách hàng gồm ABANCA, BNP Paribas, Capgemini và TCS đã sử dụng Studio trong môi trường production, với các triển khai có sẵn trên cloud, VPC hoặc on-premises.

    Vì sao đáng chú ý: Mistral mở rộng Studio với các agent được quản lý, workflow và ứng dụng, cho thấy doanh nghiệp có thể giữ quyền kiểm soát triển khai và dữ liệu trong môi trường của chính mình.

  2. Anthropic Research58

    Anthropic nghiên cứu cách các nhà nghiên cứu sử dụng Claude trong các lĩnh vực và tác vụ khoa học

    Anthropic đã phân tích 207.049 phiên nghiên cứu trên Claude và Claude Code từ ngày 2 tháng 8 đến ngày 30 tháng 9 năm 2026, bằng các bộ phân loại bảo vệ quyền riêng tư, và phát hiện các nhà khoa học sử dụng Claude nhiều nhất cho phân tích dữ liệu và viết lách, ít nhất cho thu thập dữ liệu và hình thành ý tưởng. Phân tích dữ liệu chiếm 33,7% số phiên Claude và 48,1% số phiên Claude Code, so với 27,6% thời gian của nhà nghiên cứu, trong khi hình thành ý tưởng chiếm 4,2% và 2,1% số phiên so với 7,1% thời gian của nhà nghiên cứu. Báo cáo ước tính rằng việc áp dụng rộng rãi các năng lực hiện tại có thể gần như nhân đôi sản lượng nghiên cứu ở một số lĩnh vực, và tự động hóa hoàn toàn công việc phi vật lý có thể nâng các lĩnh vực như khoa học máy tính và thống kê lên tới 15 lần.

  3. Mastra Blog38

    Mastra ra mắt Chương trình Harness Tùy chỉnh với các Kỹ sư Triển khai Tiền tuyến nhúng

    Mastra đã ra mắt Chương trình Harness Tùy chỉnh, trong đó các kỹ sư triển khai tiền tuyến nhúng vào đội ngũ khách hàng để cùng xây dựng các harness agent phù hợp. Chương trình bao gồm khả năng quan sát, đánh giá, MCP tùy chỉnh, quy trình làm việc có con người tham gia, xác thực và RBAC, cùng quyền truy cập sớm vào Nền tảng Doanh nghiệp Mastra. Mastra dẫn chứng Workday, đơn vị đã chuyển khỏi Amazon Bedrock Agents trong 31 ngày, cắt giảm 3.000 dòng mã và giảm chi phí lưu trữ vector 98%.

4 tháng 11Thứ Tư
  1. LiveKit Blog22

    Clerk AI sử dụng LiveKit để vận hành các tác nhân thoại doanh nghiệp ở quy mô lớn

    Clerk AI đang vận hành các tác nhân thoại và nhắn tin doanh nghiệp trên khung mã nguồn mở và mạng biên toàn cầu của LiveKit, xử lý hơn 1.000 phiên thoại đồng thời mà không cần cấp phát trước. Các tác nhân phản hồi trong dưới 500ms và hỗ trợ gốc hơn 30 ngôn ngữ, với tính năng sàng lọc cuộc gọi ScreenSense đạt độ chính xác 97% và phát hiện thư thoại TrueReach trên 98%. Nền tảng này duy trì toàn quyền kiểm soát các nhà cung cấp STT, LLM và TTS, đồng thời có chứng nhận SOC 2 Type II với tính năng tuân thủ TCPA tích hợp sẵn.

  2. Microsoft Research18

    Mike Walker của Microsoft Research về tư duy hacker và xây dựng phòng thủ không gian mạng

    Mike Walker, quản lý tại Microsoft Research, người từng dẫn dắt Cyber Grand Challenge của DARPA, thảo luận về cách văn hóa hacker định hình sự nghiệp xây dựng phòng thủ không gian mạng thế hệ mới của ông, bao gồm giải đấu hack toàn máy đầu tiên. Ông lập luận rằng an ninh hiệu quả phụ thuộc vào việc hiểu sự tin cậy và bối cảnh, đồng thời suy ngẫm về những gì hack thi đấu đã dạy ông về làm việc nhóm và trí tuệ tập thể.

  3. Google DeepMind72

    Google Antigravity bổ sung Kỹ năng Tin học Hóa học cho khám phá thuốc bằng tác nhân

    Google DeepMind giới thiệu Kỹ năng Tin học Hóa học cho Google Antigravity, cho phép một tác nhân tìm kiếm tài liệu, tuyển chọn hợp chất, chạy phân tích cặp phân tử khớp, huấn luyện mô hình hiệu lực và đề xuất các macrocycle được làm cứng với lộ trình tổng hợp trong khoảng một giờ, một quy trình mà họ nói trước đây mất nhiều ngày. Các kỹ năng này dựa trên RDKit với các kết nối đến ChEMBL và PubChem, và nhóm đã trình diễn chúng trên các chất tương tự crizotinib và lorlatinib cho ung thư phổi không tế bào nhỏ. Các kỹ năng có sẵn ngay hôm nay thông qua plugin Science của ứng dụng Antigravity, và DeepMind đang cung cấp cho 10.000 nhà khoa học gói sử dụng cao nhất miễn phí trong 6 tháng, tùy thuộc vào điều kiện đủ, công suất và lựa chọn.

    Vì sao đáng chú ý: Google DeepMind trình diễn Kỹ năng Tin học Hóa học của mình trong Antigravity, nén vòng khám phá thuốc kéo dài nhiều ngày xuống còn khoảng một giờ, đồng thời lưu ý rằng các thiết kế vẫn là giả thuyết cần được xác thực trong phòng thí nghiệm.

  4. Anthropic Research66

    Phòng thí nghiệm sinh học của Anthropic báo cáo cấu trúc hạt vault prokaryote đầu tiên, được giải bằng Claude

    Phòng nghiên cứu sinh học của Anthropic báo cáo cấu trúc 3D đầu tiên của một hạt vault tìm thấy trong tế bào prokaryote, một protein phage tên L05 được tạo từ 96 bản sao với khối lượng khoảng 9,5 megadalton. Dưới sự chỉ đạo của nhóm, Claude đã tìm kiếm một cơ sở dữ liệu khoảng 15 tỷ protein dự đoán, thiết kế các cấu trúc DNA, tối ưu hóa một phương pháp phân lập sắc ký loại trừ kích thước giúp rút ngắn quá trình tinh chế từ ba ngày xuống còn khoảng 90 phút, và chạy xử lý cryo-EM bằng RELION để tạo ra mô hình đầy đủ đầu tiên trong 34 giờ. Bản preprint đã được gửi lên bioRxiv, và nhóm cho biết chức năng sinh học của các vault vẫn chưa được biết.

    Vì sao đáng chú ý: Phòng thí nghiệm sinh học của Anthropic báo cáo cấu trúc 3D đầu tiên của một hạt vault từ prokaryote, với Claude đảm nhận việc tìm kiếm cơ sở dữ liệu, thiết kế cấu trúc, tinh chế và xử lý cryo-EM.

  5. Figma Blog58

    Figma mở code layer cho tất cả người dùng trong bản beta mở với quy trình tạo nguyên mẫu do agent dẫn dắt

    Tính năng code layer của Figma hiện đã ở bản beta mở cho 100% người dùng, cho phép các nhóm xây dựng và so sánh các nguyên mẫu dựa trên code trực tiếp trên canvas Figma. Phần hướng dẫn cho thấy một nhà thiết kế clone kho GitHub vào một code layer, nhắc agent của Figma tạo ba biến thể địa chỉ giao hàng cạnh nhau, và tinh chỉnh một biến thể trong trình soạn thảo code toàn màn hình. Extract designs biến màn hình hoặc luồng đã ghi thành các design layer có thể chỉnh sửa, có thể gửi lại vào nguyên mẫu bằng Update code layer, và agent có thể hợp nhất code layer của hai đồng đội thành một trải nghiệm kết hợp.

3 tháng 11Thứ Ba
  1. OpenAI Alignment Blog58

    OpenAI xem xét khoảng cách hành vi giữa đánh giá và vận hành trong an toàn tác nhân và vai trò của nhận thức về đánh giá

    Các nhà nghiên cứu OpenAI đã đo lường khoảng cách hành vi giữa đánh giá và vận hành trong an toàn tác nhân: trên sáu mô hình được phục vụ, tỷ lệ thành công trên bài đánh giá Respecting Warnings thấp hơn 10,2 đến 37,4 điểm phần trăm so với các quyết định vận hành Codex tương ứng, với khoảng cách lớn nhất ở GPT-5.6 Sol và GPT-6 Sol. Chỉ riêng nhận thức chung về đánh giá cho thấy mối liên hệ yếu với khoảng cách này (R² = 0,008), trong khi nhận thức cụ thể về mục tiêu đánh giá mạnh hơn (R² = 0,370), và các mô hình thường diễn đạt sai mục tiêu nhất (chống lại prompt injection) có khoảng cách lớn nhất. Trong một can thiệp trên GPT-6.1 Sol, một tín hiệu đánh giá chung gần như không làm thay đổi tỷ lệ thành công (63,1% so với 63,4%), tín hiệu mục tiêu đúng đã nâng lên 91,6%, và tín hiệu mục tiêu sai đã giảm xuống 17,6%.

  2. Sierra Blog42

    Sierra thiết kế lại Agent Studio xoay quanh Ghostwriter

    Sierra đã thiết kế lại Agent Studio xoay quanh Ghostwriter, agent luôn hoạt động của hãng để xây dựng agent, nhờ đó việc điều tra sự cố, chỉnh sửa một journey và kiểm thử bản sửa giờ diễn ra trong một cuộc hội thoại. Ghostwriter theo bạn qua các journey, simulation và dashboard, và mỗi phiên giữ các thay đổi cùng kết quả kiểm thử với nhau cho đến khi đồng đội xem xét và merge chúng. Agent Studio cũng nhóm các agent liên quan vào một project duy nhất và bổ sung diff từng dòng, Preview Chat, Simulations, cùng quản trị phát hành với phê duyệt bắt buộc và triển khai có kiểm soát.

  3. Google Developers Blog58

    Google đánh giá các bộ phân loại giá rẻ để định tuyến mô hình Gemini theo chi phí mỗi tác vụ

    Google đã chạy một bài đánh giá tác nhân lập trình tự động chấm gồm 50 câu hỏi để kiểm tra liệu một bộ phân loại nhẹ, Jev của TypeSafe, có thể định tuyến từng tác vụ đến cấu hình Gemini rẻ nhất mà vẫn trả lời đúng hay không. Một heuristic regex cố định và độ dài prompt đạt 93,8% trên 16 câu hỏi phát triển nhưng giảm 23,2 điểm xuống 70,6% trên 34 tác vụ giữ lại, trong khi Jev đạt 96,0% trên toàn bộ bộ kiểm thử. Thiết lập không định tuyến mạnh nhất, Gemini 3.8 Flash ở chế độ suy nghĩ thấp, giải được tất cả 50 tác vụ, và một bộ định tuyến Jev gửi tác vụ đến Flash-Lite trước rồi nâng cấp những tác vụ bị gắn cờ cũng giải được tất cả 50 tác vụ trong khi giảm chi phí và thời gian phản hồi; giới hạn maxOutputTokens ở 300 không tiết kiệm gì trên các tác vụ dễ và làm hỏng 7 trong số 25 tác vụ khó.

1 tháng 11Chủ Nhật
  1. Sakana AI Blog40

    Hội thảo Sakana AI: Jürgen Schmidhuber về quá khứ và tương lai của AI, Nhật Bản thúc đẩy mô hình ngôn ngữ, mô hình thế giới và AI vật lý

    Sakana AI đã tổ chức hội thảo "Từ Mô hình Thế giới đến AI Thực tế" tại Tokyo vào ngày 26 tháng 10 năm 2026, nơi Cố vấn Khoa học Chính Jürgen Schmidhuber có bài phát biểu chính và Sakana AI công bố sẽ phát triển dòng mô hình ngôn ngữ tiền huấn luyện của riêng mình, Sakana Sawara (tên tạm thời). Mô hình nhỏ đầu tiên, Sawara Small (tên tạm thời), dự kiến ra mắt vào mùa xuân năm 2027 nếu quá trình phát triển diễn ra suôn sẻ. Hơn 400 người tham dự đã tham gia sự kiện, cũng bao gồm cuộc trò chuyện giữa Schmidhuber và CEO David Ha.

30 tháng 10Thứ Sáu
  1. Google DeepMind58

    Google DeepMind mở rộng công cụ lập kế hoạch AI PlanAssist tới 12 hội đồng tiếng Anh khác

    Google DeepMind đang mở rộng PlanAssist, công cụ lập kế hoạch AI được xây dựng trên Gemini của mình, tới 12 cơ quan lập kế hoạch địa phương khác ở Anh, nâng tổng số lên 15. Trong các thử nghiệm tại Barnet, Camden và Dorset từ tháng 6, công cụ này đã giảm thời gian trung bình mà các cán bộ dành cho các nhiệm vụ đánh giá chủ hộ xuống tới 58%, và hơn 70% báo cáo do công cụ tạo ra được phê duyệt mà không cần chỉnh sửa.

  2. Sierra Blog58

    Sierra đạt ARR hơn 400 triệu USD, riêng quý 3 đã tăng thêm hơn 150 triệu USD

    Sierra đạt ARR hơn 400 triệu USD, riêng trong quý 3 đã tăng thêm hơn 150 triệu USD ARR, nhiều hơn mức tạo ra trong cả năm ngoái. Công ty cho biết mất sáu tháng để tăng gấp đôi từ 100 triệu lên 200 triệu USD ARR nhưng chỉ mất năm tháng để tăng gấp đôi từ 200 triệu lên 400 triệu USD, và hiện làm việc với gần 50% trong Fortune 50. Sierra cũng cho biết đang phát triển một tiêu chuẩn mở có tên Poppy với hơn 50 doanh nghiệp, bao gồm Meta, Shopify, Stripe và Walmart, nhằm kiểm soát cách các tác nhân cá nhân tương tác với thương hiệu.