#Agent

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

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

Fish Audio phát hành Live 3, mô hình giọng nói song công hoàn toàn phản hồi trong 186 ms

Fish Audio đã phát hành Live 3, một mô hình giọng nói song công hoàn toàn dành cho các tác nhân giọng nói thời gian thực, có khả năng tiếp tục lắng nghe trong khi nói và học cách luân phiên lượt nói từ các cuộc hội thoại thực của con người thay vì các quy tắc pipeline được tinh chỉnh thủ công. Fish Audio cho biết mô hình có thể quyết định phản hồi chỉ trong 186 ms đối với các phản ứng ngắn như "mm-hmm", tuy nhiên con số đó là mức sàn cho các phản ứng nhỏ chứ không phải thời gian đến âm thanh đầu tiên cho một câu trả lời đầy đủ, và chưa có điểm chuẩn nào được công bố. Live 3 chạy trên Fish Agent Platform (bản beta công khai), Fish Audio API và tại chỗ cho doanh nghiệp, với giá 0,035 USD mỗi phút đến ngày 31 tháng 12 năm 2026 so với giá niêm yết 0,07 USD, và chỉ hỗ trợ tiếng Anh.

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

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

Mirendil huy động 1 tỷ USD vòng Series A do Kleiner Perkins dẫn dắt nhằm dân chủ hóa R&D AI

Mirendil công bố vòng Series A trị giá 1 tỷ USD do Kleiner Perkins và Clearlake Capital dẫn dắt, với sự tham gia của Battery Ventures, Google, M13, Pear VC và những nhà đầu tư khác, nhằm xây dựng các công cụ giúp các nhà khoa học và kỹ sư tiếp cận R&D AI tiên phong. Công ty cho biết một nhà nghiên cứu làm việc với các agent đã tiền huấn luyện Mirendil-Base, một mô hình lập trình có tính cạnh tranh, từ đầu trong 3,5 tháng với chi phí tính toán dưới 10 triệu USD, sau đó hậu huấn luyện nó thành Fern, mô hình nắm giữ ngữ cảnh lên tới 10 triệu token. Lor, hiện đang trong giai đoạn beta riêng tư, cho phép hàng trăm agent viết mã và chạy thử nghiệm trong nhiều ngày liên tục, và Mirendil nói rằng công ty vận hành trên Lor mỗi ngày.

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

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

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

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

Hướng dẫn trên GitHub giải thích cách xây dựng agent skills chạy được trên Claude Code, Cursor và Copilot

GitHub đã công bố một hướng dẫn thực hành về agent skills, các thư mục được đánh phiên bản tập trung vào tệp SKILL.md mô tả khi nào và cách thực hiện một tác vụ lặp lại. Hướng dẫn sử dụng hai ví dụ, Proof Agent để xác minh đối kháng mã do AI tạo ra và Data Forge cho một pipeline dữ liệu đa kỹ năng, để cho thấy cách các skill chia sẻ một manifest dự án, tái sử dụng một đường thực thi và đặt phê duyệt của con người ở mỗi giai đoạn. Nó cũng mô tả một script đóng gói tạo ra các tệp riêng cho từng client dành cho Claude Code, Cursor và GitHub Copilot từ một nguồn skills duy nhất.

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

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

Công cụ AI giúp bệnh nhân khiếu nại quyết định từ chối bảo hiểm y tế

TIME đưa tin bệnh nhân đang sử dụng các dịch vụ AI như Claimable, Fight Health Insurance, Mediloop và Billyze để soạn đơn khiếu nại chống lại quyết định từ chối chi trả của công ty bảo hiểm y tế. Một bệnh nhân, Tom Whitehead, đã được chấp thuận chi trả cho Remicade năm ngày sau khi Claimable soạn một lá thư viện dẫn các đạo luật liên bang; công cụ này có giá khoảng 40 đô la mỗi lần khiếu nại, trong khi Fight Health Insurance miễn phí. Một khảo sát với hơn 4.500 người trưởng thành trong độ tuổi lao động ở Mỹ có bảo hiểm tư nhân cho thấy 21% cho biết bị từ chối trong năm qua, và chỉ khoảng một nửa trong số họ khiếu nại.

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

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

Natera đã xây dựng SWARM như thế nào, một hệ thống AI tác tử cho vận hành phòng thí nghiệm trên Amazon Bedrock AgentCore

Natera đã xây dựng SWARM, một hệ thống AI tác tử cho vận hành phòng thí nghiệm, trên Amazon Bedrock AgentCore, giảm thời gian phản hồi đầu tiên khoảng 130 lần và tự động hóa 96,2 phần trăm số ticket hỗ trợ. Hệ thống kết hợp một swarm-agent soạn thảo báo cáo chẩn đoán trước khi kỹ sư mở ticket với một swarm-hive để kỹ sư tương tác theo thời gian thực, cả hai cùng chia sẻ một thư viện kỹ năng. Nó xử lý hơn 65 ticket Jira mỗi ngày trên ba hàng đợi mà trước đây trung bình mất 17,4 giờ cho phản hồi đầu tiên.

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

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

Google phát hành Gemini 4 Hydrogen, đạt điểm cao hơn Argon lớn hơn bốn tuần sau khi Argon ra mắt

Google đã phát hành Gemini 4 Hydrogen, một mô hình đa dụng nhanh dành cho nhà phát triển và người dùng hàng ngày, với giá 1,50 USD mỗi triệu token đầu vào và 7,50 USD mỗi triệu token đầu ra cùng cửa sổ ngữ cảnh một triệu token. Google cho biết Hydrogen đạt 51 điểm trên Chỉ số Trí tuệ Artificial Analysis ở mức suy luận cao mặc định và 54 điểm ở mức xhigh mới, so với 50 điểm của Gemini 4 Argon lớn hơn. Kiểm thử độc lập của Artificial Analysis cho thấy Hydrogen gần tương đương Claude Sonnet 5.5 ở mức suy luận tối đa, nhưng yếu hơn ở công việc terminal tác tử, đạt 54 phần trăm trên Terminal-Bench 4.0 so với 64 phần trăm của Claude Sonnet 5.5.

Cùng sự việc; tuyển chọn có“Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows”

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

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

Phát triển dựa trên đánh giá là gì? Cách cải thiện AI Agent

LangChain giải thích phát triển dựa trên đánh giá (EDD), một quy trình ba bước để xây dựng AI Agent: xác định thế nào là tốt, viết đánh giá trước khi xây dựng, và so sánh kết quả sau mỗi thay đổi. Vì agent có tính không xác định, đánh giá sẽ chấm điểm các lần chạy trên một tập dữ liệu ví dụ và có thể dùng LLM-as-a-judge, với các lần chạy agent thực tế trong LangSmith làm nguồn đầu vào kiểm thử.

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

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

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

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

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

Các nhà khảo cổ học nói rằng các tác nhân AI của một nhà nghiên cứu Google không phát hiện ra một địa điểm Maya chưa được biết đến

Nhóm 48 tác nhân AI của một nhà nghiên cứu Google đã đánh dấu một địa điểm Maya ở Mexico là có khả năng chưa được đăng ký, nhưng các nhà khảo cổ học lưu ý rằng địa điểm này đã được ghi nhận trong một tạp chí học thuật hơn một năm trước đó. Pietro Miotti, người mô tả công việc này là một dự án phụ cá nhân không dùng tài nguyên hay máy tính của Google, cho biết ông đã kiểm tra với INAH của Mexico và sau đó cập nhật bài đăng của mình để ghi công nghiên cứu trước đó sau những chỉ trích trên mạng xã hội. Các nhà khảo cổ học bao gồm Sarah Parcak và Ivan Šprajc nói rằng phát hiện ra một địa điểm không giống với việc khám phá ra nó và nhấn mạnh rằng việc bình duyệt và nghiên cứu hiện có vẫn là thiết yếu.

The AI 100: 100 công ty tư nhân định hình kỷ nguyên AI

Newcomer và Bessemer Venture Partners đã công bố bảng xếp hạng AI 100 đầu tiên về các công ty AI tư nhân triển vọng nhất, với Anthropic ở vị trí số 1 trước thềm IPO dự kiến vào tuần tới và OpenAI ở vị trí số 2. 100 công ty này có tổng định giá khoảng 3,5 nghìn tỷ USD, và các công ty mô hình tập trung vào nghiên cứu chỉ chiếm 9% danh sách nhưng chiếm 55% định giá đó. Các đơn vị chuyên về inference như Fireworks (#9), Baseten (#12), Fal (#16) và Modal (#20) cũng xếp hạng cao, cùng với những tên tuổi lâu năm đã chuyển hướng như Stripe (#4) và Anduril (#7).

United Airlines chặn các tác nhân AI đặt vé máy bay, với lý do rủi ro an ninh mạng

United Airlines cho biết sẽ hạn chế các tác nhân AI đặt vé máy bay và quản lý đặt chỗ thay mặt người dùng, với lý do rủi ro an ninh mạng và lo ngại về việc làm suy yếu các quy định liên bang. Hãng hàng không cho biết việc chia sẻ thông tin đăng nhập tài khoản với các trợ lý AI của bên thứ ba có thể làm lộ thông tin nhạy cảm và dẫn đến các giao dịch mua ngoài ý muốn, thay đổi tài khoản hoặc sử dụng dặm MileagePlus, và hãng đang cập nhật các chính sách đặt vé, xuất vé và phân phối để chặn quyền truy cập đó trực tiếp cũng như thông qua các đại lý du lịch và đơn vị tổng hợp. Động thái này diễn ra sau cảnh báo từ các ngân hàng bao gồm Bank of America kêu gọi khách hàng không chia sẻ mật khẩu với các trợ lý AI.

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

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

Xây dựng cổng LLM tự phục vụ với Amazon Bedrock và LiteLLM

Một cổng LLM tự phục vụ được xây dựng trên Amazon Bedrock Application Inference Profiles và LiteLLM chạy trên AWS Fargate, đưa các mô hình nền tảng của Bedrock ra sau một API tương thích OpenAI, mang lại cho nhà phát triển một base URL duy nhất và khóa riêng cho từng người dùng. Thiết lập này bổ sung kiểm soát chi tiêu theo từng người dùng, cô lập hạn mức theo từng mô hình và khả năng quan sát RPM/TPM qua CloudWatch, cùng với Langfuse để theo dõi telemetry ở cấp độ prompt. Việc cấp khóa tự phục vụ yêu cầu LiteLLM Enterprise, vì gói miễn phí chỉ giới hạn ở năm người dùng.

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%.

Tối ưu chi phí trên mỗi tác vụ và chứng minh ROI của agent trên Amazon Bedrock

Bài viết này của AWS lập luận rằng chi tiêu cho Amazon Bedrock nên được đánh giá theo chi phí trên mỗi tác vụ thay vì chi phí trên mỗi token, vì hiệu quả của tokenizer, độ dài đầu ra, số vòng lặp agentic và chi phí suy luận có thể khiến một mô hình có giá niêm yết thấp hơn lại tốn kém hơn. Một ví dụ minh họa cho thấy một mô hình có giá niêm yết gấp 2 lần lại hoàn thành với chi phí rẻ hơn 65% trên mỗi tác vụ, và bài viết bổ sung thêm caching, định tuyến và ràng buộc đầu ra cùng một bảng điểm năm chiều để đo ROI của agent so với đường cơ sở do con người thực hiện.

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

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

Sở hữu trí tuệ của bạn: LangChain lý giải vì sao AI phổ thông là chưa đủ

LangChain lập luận rằng các công ty phải sở hữu trí tuệ của mình thay vì dựa vào các mô hình phổ thông, kiểm soát ba lớp: mô hình, harness và ngữ cảnh. Họ nói rằng việc sở hữu hệ thống agent, cùng với các yếu tố kinh tế, chất lượng và rủi ro xung quanh nó, chính là điều biến AI thành lợi thế lâu dài.

Xây dựng Claude API cho Frontier: Bên trong các quyết định phát hành và an toàn của Claude Platform

Các kỹ sư Claude Platform Jake Dejno và Lucca Siaudzionis giải thích cách Claude API phát triển song hành cùng mỗi lần ra mắt mô hình, bao gồm các quyết định phát hành tính năng, quản lý phiên bản và di chuyển mô hình, và quản lý chi phí. Họ trình bày chi tiết các thực tiễn tốt nhất để thay đổi effort giữa cuộc trò chuyện mà không làm hỏng prompt caching, và cách Claude Mythos và Fable chia sẻ cùng trọng số mô hình với các biện pháp bảo vệ khác nhau. Claude Managed Agents và thay đổi effort giữa cuộc trò chuyện đang ở giai đoạn beta, và quyền truy cập Mythos được thực hiện thông qua Cyber Verification Program.

H6.ai xây dựng tự động hóa tài chính bằng AI với Lakebase Postgres như thế nào

H6.ai tự động hóa các khoản phải trả trên nền ERP hiện có của khách hàng, sử dụng một cơ sở dữ liệu Lakebase Postgres riêng cho từng khách hàng làm hệ thống lưu trữ gốc. Vì dữ liệu hóa đơn liên tục thay đổi, nhóm sử dụng các nhánh copy-on-write của Lakebase để đóng băng ảnh chụp nhanh cơ sở dữ liệu khách hàng và chạy từng bài kiểm tra hồi quy trên nhánh ngắn hạn riêng của nó, nhờ đó cơ sở dữ liệu trực tiếp không bao giờ bị ghi vào. Mỗi lần chạy được đánh giá bằng các khẳng định tất định cùng một hội đồng giám khảo AI đến từ các nhà cung cấp mô hình khác nhau.

Amazon Bedrock AgentCore Evaluations: trình đánh giá tích hợp, DeepEval và AutoEval

Amazon Bedrock AgentCore Evaluations hiện cho phép các nhóm chạy các trình đánh giá tích hợp của AWS song song với các chỉ số DeepEval và AutoEval được quản lý, cùng các trình đánh giá tùy chỉnh bắt nguồn từ một trong hai. Danh mục tích hợp bao gồm 15 trình đánh giá trên chất lượng phản hồi, hoàn thành mục tiêu, sử dụng công cụ, kỹ năng và an toàn, với ba kiểm tra quỹ đạo cho các đường dẫn công cụ dự kiến. DeepEval bổ sung các chỉ số đa lượt như ConversationCompleteness và KnowledgeRetention, trong khi AutoEval đóng góp các tín hiệu chuyên biệt bao gồm bảo mật.

Xây dựng Trình theo dõi Phụ thuộc Hàng ngày với LangGraph và Tìm kiếm Web Amazon Bedrock AgentCore

API Tìm kiếm Web trong Amazon Bedrock AgentCore hiện đã khả dụng, cung cấp cho các agent kết quả web hiện tại thông qua một lệnh gọi API duy nhất được ký SigV4, phục vụ từ chỉ mục web do Amazon vận hành. Một hướng dẫn xây dựng trình theo dõi phụ thuộc hàng ngày dưới dạng đồ thị LangGraph, nghiên cứu song song npm, PyPI và các image nền container, với cửa sổ ngày, danh sách chặn và ngân sách tìm kiếm được thực thi trong mã. Trong thử nghiệm, ba nhánh hoàn thành trong 36 giây so với 99 giây khi chạy tuần tự.

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

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

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

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

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

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

AWS Quick AI-PDLC: Sáu tác nhân cho phát triển sản phẩm dẫn dắt bởi AI

AWS Quick giới thiệu AI-PDLC, một khung gồm sáu tác nhân chuyên biệt—dẫn dắt bởi một Orchestrator bao gồm Discovery, Prioritize, Working Backwards, Spec Generator và Designer—biến các tín hiệu doanh nghiệp phân tán từ Slack, Jira, Salesforce và SharePoint thành một prototype_spec.md có thể truy vết. Mỗi giai đoạn đều yêu cầu con người phê duyệt, và bản đặc tả có thể được chuyển giao cho các tác nhân lập trình như Kiro hoặc Claude Code thông qua Agent Client Protocol (ACP) mở.

AWS mở danh mục 23 tài sản AI tạo sinh có thể tái sử dụng từ Trung tâm Đổi mới của mình

AWS đã công bố danh mục 23 tài sản AI tạo sinh mã nguồn mở, sẵn sàng cho môi trường sản xuất, từ Trung tâm Đổi mới AI tạo sinh của mình, nay thuộc AWS Frontier AI Engineering & Services. Các khối xây dựng này bao gồm pipeline RAG, bộ xử lý tài liệu, khung tác nhân (agent scaffolding) và khung đánh giá, và AWS cho biết chúng có thể rút ngắn thời gian phát triển từ nhiều tháng xuống còn vài tuần. DoorDash báo cáo năng lực kiểm thử tăng 50 lần và Ricoh tăng thông lượng gấp 7 lần sau khi xây dựng trên các tài sản này.

DXC Technology đã xây dựng nền tảng AI đa mô hình trên Amazon Bedrock như thế nào

DXC Technology đã xây dựng nền tảng mô hình cho bộ công cụ vận hành IT DXC OASIS trên Amazon Bedrock, truy cập Anthropic Claude, Amazon Nova, Meta Llama và các mô hình trọng số mở thông qua một giao diện quản lý duy nhất. Amazon Bedrock Guardrails áp dụng lọc nội dung, che giấu PII và chính sách chủ đề bị cấm một cách thống nhất trên mọi mô hình, trong khi AWS PrivateLink giữ lưu lượng suy luận bên trong VPC của khách hàng. DXC OASIS đã được cung cấp rộng rãi từ tháng 3 năm 2026 và giảm thời gian giải quyết trung bình 95% trên 56 trường hợp sử dụng được đo lường.

Agent DLC: Kỹ thuật AI Agent từ Nguyên mẫu đến Sản xuất

AWS giới thiệu Agent Development Lifecycle (Agent DLC), một khung với một vòng đời, hai vòng lặp và một tiêu chuẩn rõ ràng duy nhất để đánh giá mọi thay đổi của agent. Nó giải quyết ba thuộc tính của agent khiến CI/CD thông thường bị phá vỡ: tính không xác định, prompt như mã nguồn và các phụ thuộc di chuyển độc lập. Một trợ lý chính sách nhân sự tham chiếu cho thấy độ chính xác truy xuất ở cấp độ đoạn là 1,00 trên cả ba câu hỏi kiểm tra trong khi độ chính xác ở cấp độ sự kiện giảm xuống 0,09 và độ phủ truy xuất đạt 0,00 ở một câu hỏi.

Kiểm soát truy cập chi tiết cho các công cụ Amazon Bedrock Managed Knowledge Base

AWS hướng dẫn cách cấp quyền truy cập tài liệu theo từng người dùng cho một AI agent dùng chung trên Amazon Bedrock Managed Knowledge Base bằng cách đưa tìm kiếm ra dưới dạng các công cụ MCP thông qua AgentCore Gateway. Một request interceptor chèn email đã xác minh của người dùng từ Cognito JWT vào userContext, và khả năng nhận biết ACL chỉ trả về những tài liệu mà người dùng đó được phép xem. Một chính sách Cedar trong AgentCore và một chính sách dựa trên tài nguyên trên knowledge base bổ sung lớp phòng thủ thứ cấp chống lại các tìm kiếm giả mạo hoặc trái phép.

AWS hướng dẫn xây dựng hệ thống đa tác nhân liên tổ chức với A2A

AWS đã công bố một kiến trúc tham chiếu, trong đó một bộ điều phối doanh nghiệp dựa trên LangChain trên Amazon ECS gọi một tác nhân SaaS tuân thủ dựa trên Strands Agents trên Amazon Bedrock AgentCore thông qua giao thức A2A, với hai bên nằm trong các tài khoản AWS riêng biệt và không chia sẻ bí mật. Mỗi bên xác thực bằng token từ nhóm người dùng Amazon Cognito của riêng mình, và tác nhân SaaS gọi lại một tác nhân ngữ cảnh doanh nghiệp để lấy siêu dữ liệu tài khoản, do đó các tác nhân hoạt động như những bên ngang hàng thay vì máy khách và máy chủ. Hệ thống được triển khai từ ba sổ tay Jupyter, cung cấp năm ngăn xếp CloudFormation và chạy một bài kiểm tra đầu cuối cùng bảy kiểm tra ranh giới tin cậy.

Chuyển sang Amazon Bedrock Managed Knowledge Base với một coding agent

AWS đã thêm hướng dẫn chuyển đổi knowledge base vào skill amazon-bedrock trong Agent Toolkit for AWS, cho phép một coding agent lập kế hoạch chuyển từ knowledge base do khách hàng quản lý sang Amazon Bedrock Managed Knowledge Base. Agent bắt đầu bằng việc khám phá chỉ đọc và một kế hoạch được xem xét từng dòng, sau đó tạo knowledge base và các data source mới song song với bản gốc hoặc ghi một mẫu IaC đã chuyển đổi. Managed Knowledge Base nâng hạn mức mặc định lên 200 data source mỗi knowledge base và 10.000 knowledge base mỗi tài khoản mỗi Region, đồng thời bổ sung truy xuất agentic, tích hợp AgentCore Gateway và resource-based policy.