Tới nội dung
#Lập trình
4 tháng 11Thứ Tư
  1. 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.

30 tháng 10Thứ Sáu
  1. Microsoft Research22

    Microsoft Research Focus Edition #97: ForkPilot, CABRA, TeleTune và việc sử dụng AI tại nơi làm việc

    Microsoft Research Focus Edition #97 nêu bật ForkPilot, một khung tác tử tự cải thiện đạt được kết quả ngang với các phương pháp tốt nhất hiện có trong khi cắt giảm nhu cầu xử lý AI tới 59% trên sáu bài đánh giá chuẩn. Ấn phẩm cũng đề cập CABRA, một khung cho thấy các tác tử lập trình vẫn còn gặp khó khăn trong việc hiểu các cơ sở mã không quen thuộc, và TeleTune, công cụ học các kỹ năng tái sử dụng từ nhật ký hoạt động của người dùng. Ấn phẩm cũng xem xét hoạt động của Copilot Chat, trong đó chỉnh sửa tài liệu chiếm hơn 20% các hoạt động đã được phân loại.

  2. Meta Engineering Blog58

    Meta trình bày chi tiết triển khai sản xuất Catching JiTTests với quy trình đánh giá có con người trong vòng lặp

    Meta đã đưa Catching JiTTests, phương pháp tạo kiểm thử đúng lúc dựa trên LLM của mình, từ nguyên mẫu nghiên cứu vào hạ tầng sản xuất và công bố kết quả trong bài báo FSE 2026 "Just-in-Time Catching Test Generation at Meta." Hệ thống chạy qua đêm trên công suất dư thừa, nhắm vào các diff rủi ro, tạo kiểm thử thông qua quy trình dodgy-diff và nhận biết ý định, đồng thời lọc dương tính giả bằng một tập hợp LLM-as-Judge cùng bộ đánh giá RubFake dựa trên quy tắc trước khi đến tay kỹ sư. Tính đến thời điểm viết bài, 589 kỹ sư (64% số được tiếp cận) đã tương tác với kết quả, cho thấy tỷ lệ dương tính thật 60%, và trong nửa đầu năm 2026 hệ thống đã phát hiện 74 lỗi quyền riêng tư nghiêm trọng ở giai đoạn diff và giảm 20% SEV về quyền riêng tư.

29 tháng 10Thứ Năm
  1. The Pragmatic Engineer38

    Tác giả cuốn Software Engineering at Google Titus Winters bàn về việc tái cấu trúc 250 triệu dòng C++ và sửa chữa giáo dục khoa học máy tính

    Titus Winters, tác giả chính của cuốn Software Engineering at Google, trên podcast The Pragmatic Engineer đã thảo luận về việc một tá kỹ sư đã tái cấu trúc khoảng 250 triệu dòng mã C++ của Google vào năm 2010 bằng cách phân tích cú pháp, đối chiếu và sinh mã, từ rất lâu trước khi LLM xuất hiện. Ông cũng giải thích lý do Google bắt buộc kiểm thử tự động sau khi Search bị chậm trễ chuyển sang phát hành hàng quý, và lý do giờ đây ông cho rằng phần lớn chương trình giảng dạy khoa học máy tính hiện nay nên được xây dựng lại.

  2. 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.

  3. 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.

28 tháng 10Thứ Tư
  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.

27 tháng 10Thứ Ba
  1. Replit Blog75

    Replit Cloud Agents giờ đây cho phép cả những người không phải kỹ sư đóng góp vào cơ sở mã của công ty

    Replit đã ra mắt Cloud Agents cho các kho lưu trữ hiện có, cho phép bất kỳ ai trong nhóm mô tả thay đổi bằng ngôn ngữ tự nhiên và để agent mở một pull request đã được kiểm thử trên GitHub hoặc GitLab, khả dụng cho tất cả khách hàng Pro và Enterprise. Agent chạy từng thay đổi trong các sandbox đám mây biệt lập, nhấp qua ứng dụng đang chạy và đính kèm ảnh chụp màn hình cùng video vào PR, trong khi môi trường chia sẻ cung cấp cho mọi người đóng góp một thiết lập được cấu hình sẵn và cập nhật từ nhánh chính. Replit cũng giới thiệu bộ nhớ không gian làm việc tự cải thiện ở chế độ truy cập sớm, biến các bình luận đánh giá thành kỹ năng nhóm do kỹ sư phê duyệt, và tích hợp Slack cho phép người dùng nhắc @Replit trong một luồng để bắt đầu một thay đổi.

    Vì sao đáng chú ý: Replit tích hợp Cloud Agents vào cơ sở mã hiện có của doanh nghiệp, cho phép nhân sự không phải kỹ sư gửi thay đổi dưới dạng PR kèm video kiểm thử, thể hiện một hướng đi của công cụ lập trình AI khi mở rộng sang quy trình cộng tác nhóm.

24 tháng 10Thứ Bảy
  1. Epoch AI · Gradient Updates42

    Epoch Brief: Thử nghiệm tự động hóa công việc bằng AI, Chuẩn đánh giá SpireClimb và bước tiến biên giới của Gemini 4 Argon

    Epoch AI đã thử nghiệm sáu mô hình hàng đầu trên 11 nhiệm vụ công việc thực tế của Epoch và nhận thấy không mô hình nào có thể đáp ứng đáng tin cậy tiêu chuẩn chất lượng của mình, với Claude Fable 5.1 và GPT-6 Astra gần như ngang bằng nhau ở vị trí dẫn đầu. Chuẩn đánh giá SpireClimb mới của họ cho thấy các mô hình biên giới đã đi từ chỗ chật vật với Slay the Spire đến chỗ thắng hơn 90% các lượt chơi ở độ khó cơ bản trong sáu tháng, với GPT-6 Astra đạt 98%. Gemini 4 Argon đạt 166 điểm trên Chỉ số Năng lực Epoch, ngang bằng với Claude Fable 5.1 và xếp sau Claude Opus 5.5 và GPT-6 Astra ở mức 169.

21 tháng 10Thứ Tư
  1. Google AI · DEV58

    Google Antigravity bổ sung Claude Opus 5.5 và Sonnet 5.5 với tính năng chuyển đổi mô hình giữa phiên

    Claude Opus 5.5 và Claude Sonnet 5.5 của Anthropic hiện đã chính thức có mặt trong Google Antigravity trên Antigravity 2.0 Desktop, CLI và các tiện ích mở rộng IDE cho VS Code, JetBrains và Visual Studio. Opus 5.5 hướng đến suy luận chuyên sâu và tái cấu trúc kiến trúc đa tệp, trong khi Sonnet 5.5 là lựa chọn nhanh hơn, chi phí thấp hơn cho việc lập trình hàng ngày. Các nhà phát triển có thể chuyển đổi mô hình giữa phiên thông qua menu thả xuống hoặc /model claude-opus-5-5 trong CLI mà không mất ngữ cảnh, trạng thái terminal hay các tạo tác trong workspace, và quản trị viên bật các mô hình và đặt giới hạn chi tiêu trong Google Cloud Console thuộc Gemini Enterprise.

  2. GitHub Blog · AI & ML22

    3 Java Champion sử dụng GitHub Copilot để tăng năng suất như thế nào

    Ba Java Champion với hơn mười năm kinh nghiệm Java mỗi người đã chia sẻ cách họ sử dụng GitHub Copilot trong công việc sản xuất và mã nguồn mở. Vlad Mihalcea đã xây dựng một ứng dụng web Hypersistence Optimizer trong hai ngày thay vì nhiều tuần, và tạo các kỹ năng tùy chỉnh được huấn luyện trên 65 bài viết của ông để khớp với giọng văn của ông. Patrick Baumgartner đã chuyển khoảng 900 slide giảng dạy trong 15 bài thuyết trình từ Reveal.js sang Marp với Copilot, xác minh kết quả thông qua so sánh ảnh chụp màn hình.

20 tháng 10Thứ Ba
  1. GitHub Blog · AI & ML26

    Cách tiếp tục phiên ứng dụng GitHub Copilot trong VS Code

    Các phiên ứng dụng GitHub Copilot giờ đây có thể được mở trực tiếp trong VS Code, mang theo cuộc hội thoại, các thay đổi mã và worktree để nhà phát triển có thể xem lại diff, chỉnh sửa thủ công và kiểm thử cục bộ mà không cần khởi động lại. Hướng dẫn đi qua việc mở một phiên, xem lại từng dòng thay đổi của agent, tiếp tục cùng cuộc hội thoại trong thanh bên Copilot và đẩy các cập nhật lên pull request của phiên đó.

19 tháng 10Thứ Hai
  1. MiniMax Blog83

    MiniMax ra mắt M3.1 Flash, tuyên bố chi phí thấp hơn 70% và suy luận nhanh gần 3 lần

    MiniMax chính thức ra mắt MiniMax M3.1 Flash, một mô hình Flash thế hệ mới mà hãng cho biết cắt giảm 70% chi phí sử dụng so với phiên bản tiền nhiệm và khiến suy luận trực tuyến nhanh gần ba lần. Công ty báo cáo đạt 73,7% trên DeepSWE v1.1, 76,2 trên BankerToolBench, 61,7 trên OSWorld V2, 29,6 trên Agents' Last Exam và 82% trên CyberGym, với tốc độ đầu ra 200+ TPS và trung vị 170+ TPS. Giá là 0,15 USD mỗi 1M token đầu vào, 0,60 USD mỗi 1M token đầu ra và 0,015 USD mỗi 1M token đầu vào được lưu trong bộ nhớ đệm, và mô hình có sẵn qua MiniMax API, M Plan và MiniMax Code, với trọng số sẽ được phát hành sau.

    Vì sao đáng chú ý: Mô hình Flash của MiniMax tuyên bố đạt điểm số agentic và lập trình hàng đầu với giá 0,15 USD mỗi 1M token đầu vào, mang lại một dữ liệu cụ thể về khía cạnh chi phí của khối lượng công việc agent.

15 tháng 10Thứ Năm
  1. Anthropic · Claude.dev62

    Nhóm Claude Code thực hiện đánh giá mã như thế nào

    Nhóm Claude Code mô tả quy trình đánh giá mã theo nhiều lớp của mình, trong đó phần lớn việc đọc được thực hiện bởi máy móc và sự chú ý của con người được dành cho việc phê duyệt dựa trên rủi ro. Từ tháng 6 đến tháng 9, số pull request đã hợp nhất vào cơ sở mã Claude Code tăng hơn gấp đôi trong khi tỷ lệ phải hoàn nguyên giảm hơn 40 phần trăm. Quy trình xếp chồng các bước xác minh trước PR, CI bắt buộc, đánh giá của Claude, đánh giá bảo mật, phê duyệt của con người theo cấp rủi ro và hàng đợi hợp nhất với cờ và hoàn nguyên nhanh, và nhóm đã biến các sự cố trong quá khứ thành một bộ đánh giá hàng ngày cho người đánh giá.

    Vì sao đáng chú ý: Nhóm Claude Code của Anthropic trình bày chi tiết cách họ chuyển phần lớn việc đọc mã sang các lớp tự động trong khi PR đã hợp nhất tăng gấp đôi và số lần hoàn nguyên giảm hơn 40 phần trăm, mang lại một mô hình đánh giá có thể chuyển giao cho các nhóm sử dụng nhiều tác nhân.

  2. Every40

    Codex đã ra đời như thế nào: Màn trở lại của OpenAI trong lĩnh vực lập trình AI

    Codex của OpenAI, từng là một nỗ lực đám mây chắp vá không tìm được sự phù hợp sản phẩm-thị trường, đã trở thành tâm điểm trong màn trở lại lập trình AI của công ty sau khi chuyển hướng sang phiên bản terminal và trình soạn thảo mã. Trong đợt thử nghiệm mùa hè 2025, GPT-5 bên trong Codex cho cảm giác nhanh nhưng quá thận trọng so với Claude Code của Anthropic, vốn cho phép người dùng giao toàn bộ tác vụ cho Opus 4 và rời đi.

  3. Meta AI Research Blog88

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

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

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

  4. Modal Blog78

    Meta phát hành trọng số mở Muse Spark Open và có sẵn trên Modal Auto Endpoints

    Meta đã phát hành trọng số cho Muse Spark Open, và Modal hiện cung cấp mô hình này thông qua Auto Endpoints với tính phí theo token. Mô hình hướng đến lập trình tác tử và các tác vụ dài hạn, với khả năng hiểu đa phương thức gốc, cửa sổ ngữ cảnh 1M token, lập kế hoạch nhiều bước, sử dụng công cụ tuần tự và phục hồi sau lỗi. Meta báo cáo 76,4 trên Terminal-Bench 2.1 với tác tử Terminus 2 và 60 trên DeepSWE 1.1 khi dùng harness ưa thích của mình ở mức nỗ lực suy luận xhigh.

    Vì sao đáng chú ý: Muse Spark Open trọng số mở của Meta hiện được cung cấp trên Modal, mang đến cho các đội nhóm một cách tính phí theo token để thử một mô hình lập trình tác tử với cửa sổ ngữ cảnh 1M token.

12 tháng 10Thứ Hai
  2. Meta AI Research Blog82

    Meta ra mắt các mô hình tiên phong Muse Wonder và Muse Wonder Full cho tác nhân cá nhân và chuyên nghiệp

    Meta giới thiệu dòng Muse Wonder, bao gồm Muse Wonder và Muse Wonder Full, được cho là đạt hiệu năng tiên tiến nhất trên các tác vụ tác nhân cá nhân và chuyên nghiệp, ghi nhớ và lập trình. Muse Wonder có sẵn hôm nay thông qua Meta Model API và Muse Code, trong khi Muse Wonder Full có sẵn hôm nay cho người đăng ký Muse Code. Các mô hình kết hợp Active Memory, mang ngữ cảnh xuyên suốt các cuộc hội thoại và truy xuất chi tiết liên quan đến tác vụ, với Active Focus, duy trì công việc trên các mục tiêu dài hạn và kiểm tra trước các hành động quan trọng; Meta cho biết cả hai đều được huấn luyện tại trung tâm dữ liệu Prometheus quy mô gigawatt của mình.

    Vì sao đáng chú ý: Dòng Muse Wonder của Meta tuyên bố đạt kết quả tiên tiến nhất trên các benchmark tác nhân, ghi nhớ và lập trình, với Active Memory và Active Focus là hai năng lực cốt lõi mà nó được xây dựng xoay quanh.

6 tháng 10Thứ Ba
  1. Mistral AI82

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

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

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

5 tháng 10Thứ Hai
  1. GitHub Blog · AI & ML58

    GitHub phát hành ReviewBench, một benchmark mở cho đánh giá mã nguồn bằng AI

    GitHub đã phát hành ReviewBench, một benchmark mở dành cho các tác nhân đánh giá mã nguồn bằng AI, được xây dựng trên 219 pull request công khai thuộc 19 ngôn ngữ, với phân bố ngôn ngữ và quy mô kho mã mô phỏng theo 103,9 triệu pull request trên GitHub. Tập dữ liệu chuẩn (golden set) lấy các phát hiện từ người đánh giá là con người, các commit tiếp theo của tác giả, phân tích tĩnh và nhiều LLM tiên tiến, được chấm điểm bởi Claude Sonnet 5 theo một rubric đã công bố, và các kỹ sư cấp cao đã độc lập gán nhãn lại từng phát hiện với mức đồng thuận 96,6%. GitHub cho biết đánh giá ngoại tuyến của họ đối với tính năng đánh giá mã nguồn của Copilot đã dự đoán đúng hướng của một thử nghiệm A/B trong môi trường sản xuất, trong đó tỷ lệ được xử lý tăng 8,0%, độ phủ (recall) tăng 13,6% và chi phí cho mỗi lần đánh giá giảm 8,0%.

2 tháng 10Thứ Sáu
  1. GitHub Blog · AI & ML25

    GitHub Blog: Ba kỹ năng lập trình viên cần khi AI định hình lại công việc

    GitHub Blog nêu ra ba kỹ năng mà lập trình viên nên củng cố khi AI thay đổi công việc của họ: điều hướng các tác nhân AI thay vì chỉ sử dụng chúng, đánh giá phê bình đầu ra của AI thay vì tin vào câu trả lời đầu tiên, và dùng thời gian AI tiết kiệm được để giải quyết những vấn đề rộng lớn hơn. Bài viết dẫn ra tác nhân Rubber Duck tích hợp sẵn của GitHub Copilot, sử dụng một mô hình thứ hai để phê bình kế hoạch, mã và kiểm thử trước khi lập trình viên tiến hành.

30 tháng 9Thứ Tư
  1. Factory62

    Factory đưa Automations ra mắt chính thức cho các tác nhân Droid

    Factory đã đưa Automations ra mắt chính thức, cho phép các nhóm mô tả một quy trình làm việc lặp lại và để Droid chạy quy trình đó theo lịch hoặc theo sự kiện kích hoạt. Mỗi automation kết hợp một trigger (lịch, Slack, GitHub hoặc webhook), hướng dẫn, một mô hình và mức độ suy luận do người dùng chọn, và một máy có thể là cục bộ, được kết nối hoặc Droid Computer do Factory quản lý. Factory cho biết 52% người dùng doanh nghiệp đã chạy đánh giá mã tự động trong 30 ngày qua, 48% sử dụng đánh giá bảo mật, 35% sử dụng AutoWiki, và khối lượng phiên automation tăng 51% so với 30 ngày trước đó.

    Vì sao đáng chú ý: Factory đưa Automations ra mắt chính thức, cho thấy những quy trình kỹ thuật lặp lại nào doanh nghiệp thực sự giao cho Droid và cách lựa chọn mô hình và máy hoạt động theo từng tác vụ.

28 tháng 9Thứ Hai
  1. Anthropic · Claude.dev82

    Anthropic phát hành Claude Sonnet 5.5 với giá mỗi token không đổi và tốc độ đầu ra nhanh hơn 30%

    Anthropic đã phát hành Claude Sonnet 5.5, mô hình thứ hai trong dòng Claude 5.5 sau Opus 5.5, mà công ty cho biết thông minh hơn, hiệu quả hơn và nhanh hơn 30% so với Sonnet 5 với cùng mức giá mỗi token. Vì mô hình thường cần ít token hơn cho mỗi tác vụ, Anthropic cho biết hầu hết công việc tốn ít hơn tới 30% chi phí, và mô hình đi kèm cửa sổ ngữ cảnh gốc 1M token, đầu ra tối đa 128k và tính năng thinking bật theo mặc định. Hướng dẫn phát hành liệt kê các thay đổi phá vỡ tương thích đối với người dùng Sonnet 5, bao gồm thay thế disabled thinking bằng cài đặt between_tools, đổi forced tool_choice sang auto kèm strict tools, và chuyển computer use sang bộ công cụ computer_toolset_20260801.

    Vì sao đáng chú ý: Sonnet 5.5 của Anthropic giữ nguyên giá của Sonnet 5 trong khi cắt giảm lượng token dùng cho mỗi tác vụ, và ghi chú chuyển đổi cho thấy những gì thay đổi đối với các nhóm đã và đang xây dựng trên Sonnet 5.

10 tháng 8Thứ Hai
  1. Every34

    Tôi đã vibe code một rủi ro bảo mật: Cách một MCP Connector phơi bày ứng dụng của tôi

    Một cây viết không chuyên về kỹ thuật đã vibe code Tastemaker, một ứng dụng tạo hướng dẫn phong cách viết, và thêm một MCP connector để các agent như Claude Code và Codex có thể kéo trực tiếp các hướng dẫn phong cách. Sau khi triển khai, GPT-5.6 Sol phát hiện connector đang chạy có một tuyến đăng ký công khai mà bất kỳ ai cũng có thể đi qua; không tìm thấy bằng chứng nào về việc truy cập dữ liệu, và connector đã bị tắt.

24 tháng 7Thứ Sáu
  1. One Useful Thing62

    Hướng dẫn mang tính quan điểm của Ethan Mollick về việc nên dùng AI nào cho công việc thực tế

    Ethan Mollick đã công bố một hướng dẫn mang tính quan điểm, lập luận rằng dùng AI hiện nay đồng nghĩa với việc vận hành các hệ thống agentic kết hợp một mô hình với các công cụ, chứ không chỉ trò chuyện với chatbot. Ông khuyến nghị ChatGPT (chế độ Work và Codex) hoặc Claude (chế độ Cowork và Code) với giá 20 USD/tháng cho công việc thực tế, bắt đầu với GPT-5.6 Sol hoặc Fable/Opus ở mức High thinking, và giữ bật các lời nhắc phê duyệt để phòng chống prompt injection. Ông cũng nói rằng Google hiện không có mô hình tiên phong dẫn đầu hay tương đương Codex/Code, mặc dù Gemini Notebook và Gemini Omni vẫn hữu ích cho nghiên cứu và chỉnh sửa video.

13 tháng 7Thứ Hai
  1. Every38

    Cách tôi đánh bóng phần mềm do agent xây dựng

    Kieran Klaassen mô tả "polish" (đánh bóng), bước cuối cùng trong quy trình kỹ thuật tổng hợp của anh, nơi anh tự chạy ứng dụng và nói cho agent biết chỗ nào chưa ổn cho đến khi hết chưa ổn. Dùng lệnh /ce-polish từ plugin kỹ thuật tổng hợp, anh checkout một nhánh, khởi động dev server và mở ứng dụng đang chạy bên cạnh agent trong trình soạn thảo. Anh dẫn chứng một hoạt ảnh thẻ email Cora đã vượt qua mọi kiểm tra tự động và agent đánh giá nhưng vẫn trượt vào từ đỉnh màn hình thay vì mở ra từ điểm nhấp.

1 tháng 6Thứ Hai
  1. MiniMax Blog87

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

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

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

1 tháng 5Thứ Sáu
  1. Every26

    Claude Code dành cho Quản lý Sản phẩm: Cách Tổng giám đốc của Spiral điều hành sản phẩm một mình

    Marcus Moretti, tổng giám đốc của Spiral, điều hành toàn bộ sản phẩm một mình bằng Claude Code, ông nói công cụ này đã loại bỏ công việc nhàm chán của quản lý sản phẩm bằng cách chuyển công việc từ 10 ứng dụng khác nhau vào một luồng chat duy nhất. Tài liệu sản phẩm duy nhất ông tự viết là roadmap, được phác thảo qua sáu phiên bản; mọi PRD và ticket đều do Claude viết.

30 tháng 4Thứ Năm
  1. OpenAI Developers Blog47

    Plugin OpenAI Developers cho ChatGPT và Codex

    OpenAI đã phát hành plugin Developers, cho phép ChatGPT và Codex truy cập vào Nền tảng API OpenAI cùng hướng dẫn thiết lập API, với các điều chỉnh dành cho Claude Code và Cursor đi kèm các kỹ năng phát triển di động và máy chủ MCP OpenAI Docs công khai. Plugin bao gồm thiết lập khóa API, xây dựng ứng dụng Agents SDK, chuyển đổi API sang Responses API và xử lý sự cố các lỗi API phổ biến.

29 tháng 4Thứ Tư
  1. Factory58

    Factory đánh giá 13 mô hình trên code review, nhận thấy GPT-5.2 tốt nhất và MiniMax M2.7 rẻ nhất

    Factory đã xây dựng một benchmark mã nguồn mở thử nghiệm 13 mô hình trên 50 pull request thực tế từ Sentry, Grafana, Keycloak, Discourse và Cal.com, với mỗi mô hình review mỗi PR ít nhất ba lần ở mức nỗ lực suy luận cao và một giám khảo LLM chấm điểm các phát hiện so với một golden set do con người tuyển chọn. GPT-5.2 dẫn đầu với 60,5% F1 với $1,25 mỗi PR, trước Claude Opus 4.6 với 59,8% F1 và $3,11 mỗi PR, trong khi MiniMax M2.7 đạt 45,6% F1 với $0,15 mỗi PR và Kimi K2.5 đạt 51,9% F1 với $0,41. Factory cho biết chi phí chỉ giải thích khoảng 21% phương sai chất lượng, và họ đã mã nguồn mở golden set, các script đánh giá và một Droid Action GitHub Action hỗ trợ cả 13 mô hình.

16 tháng 4Thứ Năm
  1. OpenAI Developers Blog60

    Bản cập nhật ứng dụng OpenAI Codex mở rộng sang công cụ, ứng dụng và tự động hóa

    OpenAI đã công bố tổng quan về các bản cập nhật mới của ứng dụng Codex, hướng đến việc hoạt động xuyên suốt các công cụ, ứng dụng, tự động hóa và các quy trình làm việc khác của nhà phát triển. Tài liệu chỉ là bản tóm tắt ngắn, nên không mô tả các tính năng cụ thể, phiên bản và chi tiết về khả năng cung cấp.

    Vì sao đáng chú ý: OpenAI phác thảo các bản cập nhật ứng dụng Codex mở rộng tác nhân lập trình sang công cụ, ứng dụng và tự động hóa, cho thấy phạm vi của nó đang mở rộng ra ngoài việc tạo mã.

25 tháng 2Thứ Tư
  1. OpenAI Developers Blog62

    OpenAI công bố hướng dẫn prompting Codex cho gpt-5.3-codex

    OpenAI đã phát hành hướng dẫn prompting Codex dành cho các nhà phát triển gọi trực tiếp mô hình gpt-5.3-codex được tinh chỉnh cho Codex thông qua API, khuyến nghị mức reasoning effort trung bình cho lập trình tương tác và mức high hoặc xhigh cho những tác vụ khó nhất. Hướng dẫn bao gồm việc di chuyển một harness hiện có sang codex-cli mã nguồn mở, bao gồm prompt Codex-Max tiêu chuẩn, các công cụ apply_patch, shell_command và update_plan, cùng tính năng compaction hạng nhất qua /compact trong Responses API cho các phiên kéo dài nhiều giờ. Hướng dẫn cũng mô tả trường phase mới, chỉ được hỗ trợ trên gpt-5.3-codex, đánh dấu các mục của assistant là commentary hoặc final_answer và phải được giữ nguyên trong lịch sử để tránh suy giảm hiệu năng.

    Vì sao đáng chú ý: Hướng dẫn chính thức của OpenAI trình bày chi tiết cách tinh chỉnh prompt, công cụ và compaction cho gpt-5.3-codex, mang lại cho các nhóm một lộ trình di chuyển cụ thể cho các coding agent của riêng họ.

19 tháng 2Thứ Năm
  1. Modal Blog58

    Ramp đã xây dựng Ramp Inspect như thế nào — một background coding agent với đầy đủ ngữ cảnh trên Modal

    Ramp đã xây dựng Ramp Inspect, một background coding agent nội bộ chạy trên Modal Sandboxes, và hiện nó khởi tạo khoảng một nửa tổng số pull request được merge trên các repo frontend và backend của Ramp. Mỗi phiên khởi động một môi trường full-stack với Postgres, Redis, Temporal và RabbitMQ trong vài giây, nhờ một cron job của Modal clone repo và lưu snapshot hệ thống tệp mỗi 30 phút. Modal Functions, Dicts và Queues đảm nhận việc build snapshot, khóa phiên và định tuyến prompt, giúp Inspect hỗ trợ các phiên nhiều người dùng và hàng trăm phiên đồng thời mà không phiên nào ảnh hưởng đến phiên khác.

11 tháng 2Thứ Tư
  1. Modal Blog78

    Modal ra mắt endpoint miễn phí cho GLM-5 và phát hành hướng dẫn tự triển khai cùng tích hợp frontend

    Modal giới thiệu endpoint tương thích OpenAI API miễn phí cho GLM-5, dùng được đến cuối tháng 4, giới hạn một yêu cầu đồng thời, đồng thời phát hành mã có thể tái lập để triển khai bằng SGLang trên 8 GPU B200 trong một nút đơn.

    Vì sao đáng chú ý: Modal cung cấp endpoint tương thích OpenAI miễn phí cho GLM-5 của Z.ai, và đưa ra cấu hình cụ thể để tích hợp trong OpenCode, OpenClaw, Claude Code và Vercel AI SDK.

2 tháng 2Thứ Hai
  1. OpenAI Developers Blog62

    OpenAI giới thiệu ứng dụng Codex

    OpenAI đã giới thiệu ứng dụng Codex, một ứng dụng chuyên dụng cho coding agent Codex của mình, trong một bài đăng trên blog chính thức dành cho nhà phát triển. Bài đăng là một hướng dẫn giới thiệu bao quát về ứng dụng và các quy trình làm việc cốt lõi của nó, với video đầy đủ được lưu trữ trên YouTube.

    Vì sao đáng chú ý: Hướng dẫn chính thức của OpenAI cho thấy cách ứng dụng Codex tổ chức các quy trình làm việc lập trình cốt lõi, hữu ích cho các nhà phát triển đang cân nhắc nó so với các coding agent hiện có.

12 tháng 11, 2024Thứ Ba
  1. Cursor Changelog58

    Supermaven gia nhập Cursor khi đội ngũ chuyển trọng tâm sang trình soạn thảo Cursor

    Cursor thông báo rằng Supermaven, trợ lý lập trình AI nhận biết ngữ cảnh nhanh, đang gia nhập công ty, với người sáng tạo Supermaven Jacob Jackson và đội ngũ của anh ấy cùng tham gia. Cursor cho biết họ dự định ra mắt phiên bản mô hình Tab mới nhanh, nhận biết ngữ cảnh và đặc biệt giỏi xử lý chuỗi dài các chỉnh sửa lớn, trong khi plugin Supermaven sẽ tiếp tục được duy trì ngay cả khi Cursor trở thành trọng tâm chính của đội ngũ.

2 tháng 9, 2024Thứ Hai
  1. Cursor Changelog58

    Cursor trình bày chi tiết Shadow Workspace cho quá trình lặp mã AI chạy nền

    Cursor đã triển khai một shadow workspace cho phép AI của mình áp dụng các chỉnh sửa trong một cửa sổ Electron ẩn và đọc lại kết quả lint mà không đụng đến phiên chỉnh sửa của người dùng. Bài viết phác thảo các mục tiêu thiết kế về tính khả dụng của LSP, tính độc lập, quyền riêng tư, tính đồng thời và tốc độ, đồng thời giải thích lý do vì sao việc sao chép một TextModel hoặc chạy các language server riêng biệt đã thất bại. Bài viết cũng phác thảo một proxy thư mục cấp kernel trong tương lai cho khả năng chạy được, lưu ý rằng macOS và Windows thiếu một đường dẫn FUSE khả thi và hỗ trợ LSP cho Rust hiện không khả dụng.

23 tháng 8, 2024Thứ Sáu
  1. Cursor Changelog62

    Cursor huy động được 60 triệu USD vòng Series A từ Andreessen Horowitz, Thrive Capital và OpenAI

    Cursor đã huy động được 60 triệu USD trong vòng Series A từ Andreessen Horowitz, Thrive Capital, OpenAI, Jeff Dean, Noam Brown, và những người sáng lập của Stripe, GitHub, Ramp, Perplexity và OpenAI. Công cụ lập trình AI này cho biết đã phát triển lên hơn 40.000 người dùng, bao gồm các startup, tổ chức nghiên cứu và doanh nghiệp lớn, và mô tả các hệ thống nội bộ cho dự đoán chỉnh sửa tiếp theo, truy xuất trên hàng tỷ tệp và viết lại mã bằng suy luận suy đoán.

    Vì sao đáng chú ý: Thông báo vòng Series A 60 triệu USD của Cursor cũng tiết lộ cơ sở người dùng của nó đã vượt qua 40.000 và nêu tên các nhà đầu tư đứng sau công cụ lập trình AI của mình.

26 tháng 5, 2024Chủ Nhật
  1. Cursor Changelog40

    Cursor phác thảo các vấn đề lập trình AI giai đoạn tiếp theo: Dự đoán hành động, Chỉnh sửa hoàn hảo, Ngữ cảnh tối ưu

    Cursor đã công bố bài viết tiếp nối cho bài đăng "Problems" gốc của mình, liệt kê các câu hỏi nghiên cứu mà công ty coi là quan trọng nhất đối với giai đoạn tiếp theo của lập trình AI. Công ty đã mở rộng Copilot++ để dự đoán vị trí con trỏ tiếp theo, và kết hợp điều đó với dự đoán chỉnh sửa tiếp theo cho phép mô hình "chơi" chuỗi các thay đổi có độ hỗn loạn thấp—một bản demo cần 11 lần nhấn Tab so với 3 lần nhấn mọi phím khác, mà Cursor gọi là Cursor Flow. Các hướng khác bao gồm dự đoán hành động trên toàn bộ cơ sở mã, chỉnh sửa hoàn hảo thông qua nhiều tính toán suy luận hơn, mã giả ảo giác, chỉnh sửa nhiều tệp, ngữ cảnh tối ưu, ngữ cảnh đa bước, và phát hiện lỗi và gỡ lỗi.