Tới nội dung
Chỉ Chính chủ#Google
Hôm nay13 tháng 11Thứ Sáu2 mục
  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.

  2. Google Blog · AI82

    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.

    Vì sao đáng chú ý: Bản nâng cấp mô hình lớn nhất từ trước đến nay của Google Search, với Gemini 4 Hydrogen hiện xử lý các câu hỏi nhiều phần, gọi công cụ và query fan-out cho tất cả người dùng trên toàn cầu.

12 tháng 11Thứ Năm
  1. Databricks Blog58

    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。

  2. Google Research58

    Google Research sử dụng thiết bị đeo để xây dựng hồ sơ rủi ro CKM và huấn luyện cá nhân hóa

    Google Research đã giới thiệu một khung nghiên cứu chuyển dữ liệu từ thiết bị đeo tiêu dùng thành tuổi sức khỏe có thể huấn luyện và mô phỏng các quỹ đạo sức khỏe giả định cá nhân hóa trong 12 tuần. Mô hình thế giới SensorWM được tiền huấn luyện trên 2,28 triệu tuần-người dữ liệu Fitbit đã khử nhận dạng từ khoảng 100.000 người dùng và dự báo 20 chỉ dấu sinh lý dưới các chế độ đi bộ, ngủ và tim mạch khác nhau. Trong một nghiên cứu mù, các huấn luyện viên lối sống chọn kế hoạch dựa trên phản thực tế là tốt nhất tổng thể trong 71,4% đánh giá, và các bác sĩ đánh giá 99,2% kế hoạch nằm trong giới hạn cường độ tập luyện an toàn; các tác giả lưu ý các mô hình là nguyên mẫu nghiên cứu, không phải công cụ chẩn đoán lâm sàng.

  3. Google Blog · AI78

    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.

    Vì sao đáng chú ý: Điểm cuối mới của Google chấm điểm tới 1.000 câu hỏi đa phương thức có/không, lựa chọn và theo tiêu chí trong một lượt với 150-250 ms, mang đến cho việc định tuyến tác nhân và kiểm tra chính sách một giải pháp thay thế rẻ hơn so với các lệnh gọi sinh tạo.

  4. Google Developers Blog58

    Kỹ sư Google dùng Gemini 4 Argon và Z3 để bắt lỗi kiểm tra biên trong Go mà fuzzing bỏ sót

    Một kỹ sư Google, người dẫn dắt chương trình kỹ năng tác nhân của công ty, đã xây dựng một pipeline trong đó Gemini 4 Argon đọc mã nguồn Go và mã hợp ngữ RISC-V, chuyển các trap runtime.panicBounds còn sót lại thành ràng buộc Z3, sau đó go test phát lại bất kỳ đầu vào thỏa mãn nào như một reproducer thực sự. Quy trình này bắt được cả ba lỗi được cài sẵn và ba lỗi tiềm ẩn trong skill-lint, trong khi go test -fuzz không có seed bỏ sót hai trong số các crash được cài sẵn vì Go kiểm tra slice dựa trên capacity thay vì length. Việc cắt capacity về bằng length bằng data[:len(data):len(data)] khiến fuzzer làm crash cả hai lỗi tràn trong cả ba lần chạy, với trung vị là 0,28 s và 0,17 s.

  5. Google Developers Blog58

    Google Agent Anomaly Detection đạt điểm trên năm bộ chuẩn an ninh tác nhân công khai

    Google đã chạy Agent Anomaly Detection của mình, trong Private Preview trên Gemini Enterprise Agent Platform, đối chiếu với năm bộ chuẩn an ninh tác nhân công khai mà họ không tự viết, chấm điểm 1.774 phiên. Nó gắn cờ 87% các chỉ dẫn độc hại mà tác nhân thực sự thực thi, với báo động giả trên 2% đến 16% các phiên lành tính, và chỉ bắt được 4 trong 18 phiên nơi bộ nhớ dài hạn bị đầu độc khiến tác nhân hành động. Các bài kiểm tra sử dụng một tác nhân được xây dựng bằng Agent Development Kit (ADK) trên gemini-2.5-flash, bao gồm AgentDojo, InjecAgent, Agent Security Bench, AgentDyn và AgentHarm.

  6. Google Blog · AI55

    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.

11 tháng 11Thứ Tư
  1. Google DeepMind72

    DeepMind phát hành AlphaGenome 2, mô hình DNA dự đoán tác động của biến thể trong từng loại tế bào cụ thể

    Google DeepMind công bố AlphaGenome 2, mô hình chuỗi DNA thế hệ mới dự đoán cách các chuỗi DNA và biến thể của chúng ảnh hưởng đến các loại tế bào người cụ thể. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình có điều kiện này xác định được gần gấp đôi số biến thể làm thay đổi biểu hiện so với mô hình trước đó, và trên bộ dữ liệu tế bào miễn dịch TenK10K, nó thu hồi được 30% biến thể nhân quả so với 16% của AlphaGenome gốc được tinh chỉnh trên dữ liệu đơn bào. Mô hình có sẵn cho nghiên cứu phi thương mại qua AlphaGenome API và ở chế độ xem trước riêng tư cho nghiên cứu thương mại.

    Vì sao đáng chú ý: AlphaGenome 2 chuyển từ giá trị trung bình trên toàn mô sang điều kiện hóa theo từng tế bào, gần như tăng gấp đôi khả năng thu hồi biến thể nhân quả trên dữ liệu tế bào miễn dịch, điều này quan trọng để liên kết tín hiệu GWAS với các loại tế bào cụ thể.

  2. Modal Blog58

    Modal gia nhập nhóm maintainer của gVisor khi Google trao tặng dự án cho CNCF

    Modal là một trong ba công ty, cùng với Ant Group và Tines, gia nhập nhóm maintainer của gVisor khi Google trao tặng dự án và các nhãn hiệu của nó cho CNCF theo mô hình quản trị do maintainer dẫn dắt. Modal cho biết họ khởi chạy hơn 40 triệu container gVisor mỗi ngày và đã đóng góp upstream từ năm 2023, bao gồm hỗ trợ GPU nvproxy, một proxy thiết bị RDMA có tên rdmaproxy, cùng các tối ưu hóa tmpfs và bộ cấp phát bộ nhớ. Công ty cho biết đang phát triển tính năng snapshot bộ nhớ đa GPU và hỗ trợ GPUDirect Storage cho gVisor.

  3. Google Blog · AI18

    Google Arts & Culture ra mắt hồi tưởng trực tuyến về Tiến sĩ Esther Mahlangu

    Google Arts & Culture đã công bố hồi tưởng trực tuyến đầu tiên về nghệ sĩ Nam Phi Tiến sĩ Esther Mahlangu, nhân dịp sinh nhật lần thứ 91 của bà, với hơn 45 câu chuyện được tuyển chọn và một kho lưu trữ phong phú về nghệ thuật, cuộc đời và di sản của bà. Vì kho lưu trữ không có tư liệu nào trước năm 1980, nhóm đã sử dụng AI để tái hiện trực quan những ký ức không được ghi chép của bà, tạo ra hình ảnh tĩnh rồi dùng Veo để chuyển chúng thành video. Triển lãm được tuyển chọn cùng các tổ chức bao gồm Bảo tàng Anh, Bảo tàng Iziko Nam Phi và Serpentine.

  4. Google Blog · AI50

    Gemini Intelligence mở rộng sang Motorola signature 27 và Pixel 10 với các tính năng mới

    Google đang đưa Gemini Intelligence đến nhiều thiết bị Android hơn, bao gồm điện thoại Motorola Gemini Intelligence đầu tiên, motorola signature 27, mở đặt trước tại Mỹ từ ngày 19 tháng 11, và Pixel 10, Pixel 10 Pro XL cùng Pixel 10 Pro Fold thông qua Pixel Drop hôm nay. Các khả năng mới bao gồm Create My Widget, tạo widget tùy chỉnh từ mô tả văn bản bằng dữ liệu Gmail, Calendar và Search, và Device Assistance để điều khiển và sửa điện thoại bằng cách hỏi Gemini. Rambler hiện đã có trên dòng Pixel 10 và motorola signature 27, tự động hóa tác vụ mở rộng đến Vương quốc Anh, Ấn Độ và Nhật Bản, và Create My Widget sẽ đến với Pixel Watch trong vài tuần tới.

  5. 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.

  6. NVIDIA Blog60

    NVIDIA đóng góp OpenShell Agent Runtime cho CNCF và bổ sung công cụ DSX Kubernetes

    NVIDIA đang đóng góp OpenShell, runtime mã nguồn mở của mình để bảo mật và quản trị các tác nhân tự trị, cho Cloud Native Computing Foundation với tư cách là dự án Sandbox, đồng thời cũng đóng góp cho Agent Substrate do Google dẫn đầu. NVIDIA đã công bố ba thành phần mới của DSX AI Factory Platform: NVIDIA Kubernetes Engine và NVIDIA Kubernetes Recipes, hiện đang ở giai đoạn xem trước công khai, và NVIDIA Snapshot, có thể khôi phục các bản sao đã lưu checkpoint trong vài giây mà không cần tải lại mô hình hoặc khởi động làm nóng. Crusoe đã thử nghiệm GLM-5.3 trên Crusoe Cloud và giảm thời gian sẵn sàng của khối lượng công việc từ khoảng tám phút xuống còn 31 giây, trong khi Saturn Cloud giảm thời gian khởi động vLLM từ khoảng 2 đến 8,5 phút xuống còn 6 phút 34 giây.

    Vì sao đáng chú ý: NVIDIA đóng góp runtime bảo mật tác nhân OpenShell của mình cho CNCF và bổ sung bộ công cụ Kubernetes cho các nhà máy AI GPU, với kết quả Snapshot ban đầu giúp giảm thời gian khởi động suy luận từ vài phút xuống còn vài giây.

  7. Google Developers Blog75

    Google phát hành A2UI 1.0, một giao thức mở ổn định cho UI gốc do agent tạo ra

    Google đã phát hành A2UI 1.0, phiên bản ổn định đầu tiên của giao thức mở cho phép các AI agent trả lời bằng màn hình tương tác được hiển thị bởi các thành phần gốc của chính từng ứng dụng. Phiên bản 1.0 bổ sung gọi hàm hai chiều, hỗ trợ trợ năng và siêu dữ liệu mở rộng, cùng các trình kết xuất mã nguồn mở cho React, Angular, Lit, Flutter, SwiftUI và Jetpack Compose (trình kết xuất Compose đang ở 0.9.1 và 1.0 sẽ sớm ra mắt) và SDK agent cho Python, TypeScript và Dart. Atlassian đang đưa A2UI vào Jira, Alation kết xuất các nguồn cấp dữ liệu của mình bằng nó trong Claude, và ByteDance đã phát hành trình kết xuất Lynx vào tháng 6 năm 2026, hiện hỗ trợ 0.9.

    Vì sao đáng chú ý: Giao thức A2UI 1.0 ổn định của Google cho phép agent trả về màn hình tương tác gốc thay vì những khối văn bản, với trình kết xuất cho web, Android và iOS cùng những đơn vị áp dụng sớm gồm Atlassian và ByteDance.

10 tháng 11Thứ Ba
  1. Google Blog · AI38

    Google và Adobe mở rộng hợp tác để đưa Acrobat và các công cụ sáng tạo vào Gmail, Drive, Gemini và Search

    Google và Adobe đang mở rộng quan hệ hợp tác nhằm nhúng trực tiếp các công cụ sáng tạo và năng suất của Adobe vào các ứng dụng Google hằng ngày, đồng thời đưa các mô hình AI tiên tiến của Google vào các ứng dụng của Adobe. Google Drive và Gmail sẽ sớm hiển thị Adobe Acrobat như một ứng dụng được gợi ý với mục "Edit with" trong phần xem trước tệp, trong khi Adobe bổ sung các trình kết nối Acrobat và công cụ sáng tạo vào Gemini và Gemini Enterprise, đồng thời đưa các công cụ sáng tạo vào AI Mode trong Google Search. Doanh nghiệp có thể sử dụng tác nhân CX Enterprise Coworker của Adobe trong Gemini Enterprise, và Adobe cùng Google DeepMind sẽ nghiên cứu một mô hình hình ảnh cho Photoshop có thể cho phép chỉnh sửa gần như theo thời gian thực.

  2. Google Blog · AI58

    Google Cloud ra mắt Gemini cho lĩnh vực y tế nhằm tự động hóa quy trình lâm sàng và hành chính

    Google Cloud công bố Gemini cho lĩnh vực y tế, một giải pháp AI hợp nhất các hệ thống lâm sàng, vận hành và hành chính bị phân mảnh bằng cách kết nối với hồ sơ sức khỏe điện tử, nền tảng thanh toán, hướng dẫn lâm sàng và bộ dữ liệu Medicare. Nền tảng này lập luận dựa trên ngữ cảnh đó để điều phối các quy trình nhiều bước như tổng hợp hồ sơ y tế và xem xét ủy quyền trước trong các giới hạn được xác định và có sự giám sát của con người. Ban đầu nó có sẵn ở dạng xem trước với các đối tác ra mắt gồm HCA Healthcare, Highmark Health và Northwell Health, nhắm đến khoảng 28 giờ mỗi tuần mà các bác sĩ lâm sàng mất vào giấy tờ.

  3. Google DeepMind82

    Google DeepMind giới thiệu AlphaProof Code, chính thức xác minh mã mật mã của Signal

    Các nhà nghiên cứu của Google DeepMind đã sử dụng AlphaProof Code, một khung tác tử đa LLM, để chính thức xác minh các thuộc tính bảo mật quan trọng của mã thực tế nằm bên dưới giao thức Signal. Các tác tử được vận hành bởi Gemini Carbon đã tạo ra hơn sáu triệu dòng Lean, và các chuyên gia con người chỉ xem xét khoảng một phần trăm cơ sở mã; quá trình xác minh mất bốn tuần, một nhiệm vụ mà theo lịch sử các nhóm chuyên gia phải mất nhiều năm. Khi hai lỗi đã được sửa trước đó được đưa trở lại vào một phiên bản cô lập của mã Signal, hệ thống đã tạo ra các chứng minh được máy kiểm tra rằng các phiên bản có lỗi là không an toàn, và DeepMind đang mở mã nguồn các sản phẩm xác minh hình thức của mình.

    Vì sao đáng chú ý: Khung đa tác tử của Google DeepMind đã chính thức xác minh mã mật mã đã triển khai của Signal trong bốn tuần, một nhiệm vụ mà theo lịch sử các nhóm chuyên gia phải mất nhiều năm.

  4. Hugging Face Blog20

    Hugging Face Hub hiện hỗ trợ thanh toán qua tài khoản Google Cloud

    Các tổ chức Hugging Face giờ đây có thể liên kết với tài khoản Google Cloud để việc sử dụng Hub xuất hiện trên hóa đơn Google Cloud hiện có thay vì thẻ tín dụng. Việc thiết lập diễn ra thông qua Google Cloud Marketplace và bao gồm các gói đăng ký Team hoặc Enterprise, tính toán trả theo mức sử dụng như Jobs, Inference Endpoints, Inference Providers và GPU Spaces, cùng bộ nhớ bổ sung theo giá công khai của Hugging Face. Các gói đăng ký được Hugging Face xem xét trước khi thanh toán qua marketplace bắt đầu, và các tổ chức có thẻ đã lưu sẽ chuyển đổi vào đầu kỳ thanh toán tiếp theo.

  5. Google Research25

    Language Explorer của Google trực quan hóa sự đa dạng ngôn ngữ trên thế giới

    Google đã ra mắt Language Explorer, một nền tảng web tương tác cho phép các nhà nghiên cứu, nhà giáo dục và những người đam mê ngôn ngữ khám phá và trực quan hóa sự đa dạng ngôn ngữ trên hàng nghìn ngôn ngữ. Được xây dựng như một phần của Sáng kiến 1.000 Ngôn ngữ của Google và dựa trên bộ dữ liệu mã nguồn mở LinguaMeta, nó được giới thiệu trong một triển lãm mới tại Bảo tàng Truyền thông Berlin khai mạc tuần này. Google Dịch hiện hỗ trợ gần 250 ngôn ngữ, trong khi Gboard bao phủ hơn 900 biến thể ngôn ngữ.

  6. Google DeepMind78

    Google DeepMind phát hành mô hình VLA Gemini Robotics 2.5 cho khả năng khéo léo trong thế giới thực

    Google DeepMind giới thiệu Gemini Robotics 2.5, mô hình thị giác-ngôn ngữ-hành động có năng lực mạnh nhất từ trước đến nay của họ, mở rộng phạm vi kỹ năng mà robot có thể học và tăng tốc độ tiếp thu các kỹ năng đó. Được đánh giá trên 200 nhiệm vụ khác nhau, mô hình đạt tỷ lệ thành công cao hơn 30% đến 100% so với các baseline trước đó đồng thời hoàn thành nhiệm vụ nhanh hơn 20% đến 30%, và trong một thử nghiệm chứng minh khái niệm trên dây chuyền sản xuất của Mercedes-Benz, robot hình người Apollo 2 của Apptronik đã nhặt và đóng gói phụ tùng ô tô với tỷ lệ thành công 96%. Bản phát hành này cũng bổ sung hướng dẫn suy luận tại thời điểm suy diễn cho an toàn vật lý, giúp tăng 33% tỷ lệ hoàn thành nhiệm vụ an toàn khi xung quanh có chướng ngại vật và 43% khi xung quanh có người ở gần, cùng với ASIMOV-Jailbreak, một benchmark mã nguồn mở mà trên đó Gemini 4 Argon đạt khả năng chống jailbreak 99,5%.

    Vì sao đáng chú ý: Gemini Robotics 2.5 đã cải thiện tỷ lệ thành công trên 200 nhiệm vụ thêm 30% đến 100%, và đạt tỷ lệ thành công 96% khi nhặt và đặt trong một thử nghiệm trên dây chuyền sản xuất của Mercedes-Benz, cung cấp dữ liệu tham chiếu để đánh giá việc triển khai thực tế của các mô hình VLA.

  7. Recraft Blog55

    Gemini Omni Flash 1.2 có mặt trong Recraft Studio với nhân vật ổn định hơn và khớp khẩu hình rõ nét hơn

    Gemini Omni Flash 1.2, mô hình video mới nhất của Google, hiện đã có trong Recraft Studio, nơi các clip dài tối đa 10 giây với âm thanh gốc. So với 1.1, mô hình giữ nhân vật, sản phẩm và bối cảnh ổn định hơn xuyên suốt clip, tuân theo chỉ dẫn camera với ít cảnh cắt không mong muốn hơn, và tạo ra hội thoại khớp khẩu hình rõ nét hơn, kể cả các cảnh có nhiều người nói. Google phát hành mô hình này vào ngày 5 tháng 11 năm 2026, và lưu ý rằng mô hình vẫn còn gặp khó khăn với hành động thể thao nhanh, thay đổi kịch bản nhanh và vật lý phức tạp.

  8. Google Developers Blog72

    Google AI Edge Gallery bổ sung nhận dạng giọng nói và chuyển văn bản thành giọng nói trên thiết bị

    Google đã giới thiệu Nhận dạng giọng nói tự động (ASR) và Chuyển văn bản thành giọng nói (TTS) trên thiết bị trong Google AI Edge Gallery, cho phép các ứng dụng chạy ASR đa ngôn ngữ và TTS biểu cảm hoàn toàn ngoại tuyến song song với các SLM trên thiết bị như Gemini Nano và Gemma 4. Trên Android, các mô hình giọng nói mới của ML Kit phiên âm hơn 100 ngôn ngữ với tốc độ gấp 10 lần thời gian thực, đạt Tỷ lệ lỗi từ (Word Error Rate) từ 8,0% đến 9,0% trên FLEURS, trong khi TTS khuếch tán few-step bắt đầu nói trong khoảng 100 ms và tạo âm thanh 24 kHz với tốc độ lên đến gấp 50 lần thời gian thực. Hỗ trợ đa nền tảng đến qua MediaPipe Tasks và LiteRT với các gói trọng số mở bao gồm Parakeet-TDT 0.6B, PocketTTS 100M, Kokoro-82M và Phonon 31M, được trình diễn trong showcase XR Language Teacher và AI Chat hỗ trợ giọng nói.

    Vì sao đáng chú ý: Google bổ sung ASR và TTS hoàn toàn ngoại tuyến vào AI Edge Gallery, với ML Kit báo cáo phiên âm hơn 100 ngôn ngữ ở tốc độ gấp 10 lần thời gian thực và TTS khuếch tán bắt đầu nói trong khoảng 100 ms.

9 tháng 11Thứ Hai
  1. Recraft Blog22

    Trình tạo nhãn dán AI tốt nhất năm 2026: So sánh 7 công cụ

    Recraft là trình tạo nhãn dán AI tốt nhất cho đường viền cắt rời, PNG trong suốt và SVG từ cùng một khung vẽ, trong khi Canva tốt hơn cho bảng nhãn dán và đặt in ngay trong cùng trình biên tập. Bảy công cụ đã được chấm điểm vào ngày 9 tháng 11 năm 2026 theo năm tiêu chí in ấn, và chỉ Recraft, Kittl và Canva Print mang lại lộ trình thực sự để có đường cắt hoặc bảng in. Firefly, Ideogram, Leonardo AI và ChatGPT thắng ở những tác vụ hẹp hơn như chuyển ảnh thành nhãn dán hoặc bộ nhãn dán chat.

  2. Google Developers Blog60

    Google Cloud MaxText bổ sung song song hóa ngữ cảnh cho huấn luyện ngữ cảnh dài trên TPU

    Google Cloud đã phát hành hỗ trợ huấn luyện ngữ cảnh dài trong MaxText v0.2.4, khung huấn luyện JAX mã nguồn mở của họ, bổ sung bốn chiến lược song song hóa ngữ cảnh trên Cloud TPU: All-gather, A2A (DeepSpeed Ulysses), P2P (Ring Attention) và kết hợp A2A + P2P (USP). Các đánh giá chuẩn với Llama 3.1 8B đạt 70% MFU trên TPU 5p ở độ dài chuỗi lên đến 4 triệu token, và ngữ cảnh mở rộng đến 14 triệu token trên cả TPU 5p và TPU 7, với TPU 7 duy trì 50% MFU dưới 6 triệu token. Bản phát hành có sẵn trên PyPI, trong các Docker image và trên GitHub main, kèm các công thức mẫu cho TPU 7 và TPU 5p.

    Vì sao đáng chú ý: Bốn chiến lược song song hóa ngữ cảnh của MaxText trên Cloud TPU, cùng các số liệu MFU đánh giá chuẩn cho Llama 3.1 8B, mang đến cho các nhóm một tham chiếu cụ thể để lựa chọn cách huấn luyện ở độ dài chuỗi hàng triệu token.

  3. 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.

  4. Google Developers Blog62

    Google đưa Pathways lên trạng thái khả dụng chung trên Google Cloud để huấn luyện mô hình lớn

    Google thông báo Pathways, hệ thống huấn luyện phân tán cho các mô hình lớn bao gồm Gemini, đã đạt trạng thái Khả dụng chung trên Google Cloud Platform. Pathways thay thế cách thực thi SPMD đồng bộ bằng một máy khách Python duy nhất khai báo toàn bộ phép tính dưới dạng đồ thị luồng dữ liệu, trong khi một môi trường chạy phân tán đặt các khối lên thiết bị ảo, di chuyển và phân mảnh lại tensor, và sắp xếp công việc trên toàn cụm. Google cho biết thiết kế này cho phép ánh xạ lại một máy chủ bị lỗi sang các chip khỏe mạnh thay vì khởi động lại công việc, và một dịch vụ Pathways dùng chung có thể phục vụ nhiều máy khách từ một cụm.

    Vì sao đáng chú ý: Google giải thích mô hình một bộ điều khiển của Pathways khác với SPMD như thế nào và cách nó xử lý truyền tensor giữa các nhóm, lập lịch và phục hồi khi máy chủ gặp sự cố.

6 tháng 11Thứ Sáu
  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.

  3. Google Research72

    Nhà nghiên cứu Google phát hiện dấu hiệu tăng huyết áp bằng dữ liệu PPG và gia tốc kế trên đồng hồ thông minh, không cần hiệu chuẩn vòng bít

    Google Research đã công bố một nghiên cứu trên Nature về AI-PPG-ACC-HTN, một hệ thống đa phương thức phát hiện dấu hiệu tăng huyết áp từ dữ liệu PPG và gia tốc kế trên đồng hồ thông minh mà không cần hiệu chuẩn vòng bít. Được xác thực đối chiếu với theo dõi huyết áp lưu động 24 giờ trên 196 người tham gia tại năm địa điểm ở Mỹ, hệ thống đạt độ nhạy 65,8% và độ đặc hiệu 90,0% cho sàng lọc ban đầu, và độ nhạy 78,4% cùng độ đặc hiệu 90,9% cho xét nghiệm xác nhận. Các tác giả mô tả công trình này là nghiên cứu khả thi ban đầu, không thay thế vòng bít đo huyết áp ở cánh tay trong lâm sàng cũng không phải chẩn đoán độc lập.

    Vì sao đáng chú ý: Mô hình tăng huyết áp không dùng vòng bít trên đồng hồ thông minh của Google được đánh giá đối chiếu với theo dõi lưu động 24 giờ, cho thấy cách tổng hợp thụ động dữ liệu cảm biến nhiều ngày có thể hỗ trợ sàng lọc cơ hội.

  4. 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%.

5 tháng 11Thứ Năm
  1. Google Research47

    Agile Deliberation của Google Research giúp con người định nghĩa các danh mục AI mang tính chủ quan

    Google Research giới thiệu Agile Deliberation, một framework biến việc tạo bộ phân loại AI mang tính chủ quan thành một cuộc trò chuyện lặp đi lặp lại, trong đó AI giúp người dùng làm sắc nét các định nghĩa của chính họ. Framework chia nhiệm vụ thành phạm vi khái niệm và lặp lại khái niệm, sử dụng các mô hình ngôn ngữ - thị giác để làm nổi bật các hình ảnh ranh giới và đưa phản hồi vào một vòng tối ưu hóa lời nhắc tự động. Trong 18 phiên người dùng trực tiếp kéo dài 1,5 giờ, phương pháp này giảm mệt mỏi và lo lắng cho người dùng, đồng thời tạo ra các mô hình nhất quán hơn, vượt trội so với các baseline tiêu chuẩn; mã nguồn được mở trên GitHub.

4 tháng 11Thứ Tư
  1. Ai2 · Allen Institute for AI38

    Ai2 và Google hợp tác phát triển mô hình khí hậu NeuralGCM+

    Ai2 đã khởi động một sáng kiến mô hình hóa khí hậu với nguồn tài trợ ba năm từ Google.org và hỗ trợ kỹ thuật từ Google Research nhằm phát triển NeuralGCM+, một mô hình mã nguồn mở cho các dự báo khí hậu nhanh hơn và đáng tin cậy hơn. Dự án mở rộng NeuralGCM của Google Research, vốn kết hợp các phương trình vật lý cho động lực quy mô lớn với AI cho các quá trình quy mô nhỏ hơn như hình thành mây và lượng mưa, để mô phỏng đồng thời khí quyển và đại dương. Ai2 hướng tới việc giảm sai số nhiệt độ và lượng mưa khu vực trong 50 năm qua và phát hành các mô hình cùng khung làm việc với quy trình được ghi chép cho các nhà nghiên cứu bên ngoài.

  2. 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.

3 tháng 11Thứ Ba
  1. 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.

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. Google Developers Blog12

    DevFest 2026 trở lại: Hơn 800 sự kiện cộng đồng tại 115 quốc gia

    DevFest, chuỗi sự kiện dành cho nhà phát triển do cộng đồng dẫn dắt của Google và được tổ chức bởi các Google Developer Groups, sẽ trở lại từ ngày 1 tháng 10 đến ngày 31 tháng 12 năm 2026, với hơn 800 sự kiện tại 115 quốc gia, dự kiến thu hút gần 1 triệu người tham dự. Các phiên thảo luận và workshop bao gồm các công nghệ Google AI cùng các nhánh Google Cloud, Android và Web, xoay quanh việc xây dựng, bảo mật và mở rộng quy mô trong kỷ nguyên tác tử. Các sự kiện được tổ chức bằng ngôn ngữ địa phương bởi những nhà tổ chức cơ sở, với diễn giả bao gồm các Google Developer Experts và kỹ sư Google.

29 tháng 10Thứ Năm
  1. 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.

  2. Google Developers Blog58

    Google giải thích cách xây dựng ứng dụng Generative UI với A2UI và các agent CopilotKit

    Google đã công bố hướng dẫn xây dựng ứng dụng Generative UI với chuẩn A2UI (Agent-to-UI) không phụ thuộc framework của mình và bộ tích hợp agent của CopilotKit. A2UI gửi UI dưới dạng thông điệp JSON khai báo thay vì mã thực thi, nên client chỉ render các component từ một catalog tin cậy, và cùng một payload hoạt động trên React, Angular, Lit, SwiftUI, Jetpack Compose và Flutter. Hướng dẫn trình bày cách kết nối một agent Google ADK thông qua AG-UI, định nghĩa catalog component được Zod kiểm tra, và xây dựng các bề mặt hai chiều nơi dữ liệu người dùng nhập được truyền ngược về agent cho các luồng nhiều bước như đặt chỗ.

28 tháng 10Thứ Tư
  1. Google Research58

    Khung "giấc ngủ" của Google Research giúp LLM củng cố kiến thức mới mà không bị quên thảm khốc

    Google Research đã giới thiệu một khung "giấc ngủ" cho học liên tục, xen kẽ tương tác chủ động với củng cố bộ nhớ ngoại tuyến, cho phép LLM tiếp thu các sự kiện mới vào tham số Mixture-of-Experts mở rộng thay vì mất kiến thức trước đó. Cách tiếp cận kết hợp mở rộng tham số, chưng cất on-policy với mô phỏng dựa trên học tăng cường, và một giai đoạn mơ tạo và lọc các mẫu huấn luyện tổng hợp. Các tác giả báo cáo mức giảm hiệu suất gần bằng không trong dịch liên tục cho các ngôn ngữ chưa thấy như Manchu và Kalamang, khả năng mở rộng gần hoàn hảo lên 10M token trên BABILong, kết quả 48,9% đơn nhiệm vụ và 46,2% CPT trên việc tích hợp sự kiện dựa trên SQuAD, và 79,2%, 69,0% và 46,1% trên AIME 24/25 và HMMT 25.