llama.cpp phát hành v1.0.0, đồng thời ggml cũng phát hành v1.0.0; từ nay hai dự án sẽ dùng việc thay đổi số phiên bản chính để đánh dấu các thay đổi không tương thích của C API và ABI công khai. Phía dự án cho biết, cùng với nhu cầu AI cục bộ và quyền riêng tư ngày càng tăng, số lượng ứng dụng downstream tăng lên, giao diện thư viện ổn định trở nên then chốt, trong tương lai ranh giới đối với các thay đổi phá vỡ sẽ chặt chẽ hơn.
OpenClaw mang hackathon Claw Hack kéo dài ba ngày và hội nghị ClawCon đến Thâm Quyến từ ngày 4–6 tháng 12 năm 2026, tiếp nối sự kiện tại Thượng Hải. Claw Hack bao gồm các hạng mục phần mềm và phần cứng, với M5Stack, reBot Arm B601 và phần cứng Pamir của Seeed Studio, và hạn chót nộp đơn là ngày 25 tháng 11. ClawCon diễn ra ngày 6 tháng 12 với các bài nói về AI mã nguồn mở, mô hình trọng số mở và chạy tác nhân cục bộ và trên đám mây.
TimeNet Challenge là một cuộc thi hackathon trực tuyến yêu cầu các đội từ 2–4 người đưa một bộ dữ liệu chuỗi thời gian vào định dạng TimeNet và huấn luyện hoặc tinh chỉnh một Mô hình AI thời gian như OpenTSLM cho các tác vụ như dự báo, phân loại, phát hiện bất thường hoặc suy luận. Vòng 1 khởi động ngày 11 tháng 11 và kết thúc lúc 11:59 tối ngày 22 tháng 11 theo giờ PST, với nhiều vòng tiếp theo sẽ diễn ra. Nebius cung cấp voucher trị giá $100 hoặc $500 cho mỗi đội mỗi vòng, và các đội thắng cuộc nhận được tín dụng giải thưởng bắt đầu từ $25,000 từ AWS và Google Cloud.
Brandon Thomas, nhà sáng lập kiêm CEO của ArtCraft, đã trình bày tại AI Engineer Code Summit ở San Francisco một tuyên ngôn về mã nguồn mở dựa trên AI, cho biết công ty đã phát hành 17 phiên bản mã nguồn mở của các công cụ phần mềm phổ biến, bao gồm một lựa chọn thay thế Photoshop có tên PhotoCraft được xây dựng bằng Rust và một công cụ PDF có tên PdfCraft.
Open Source Initiative đã khởi động Open Source AI Salons, một chuỗi sự kiện cộng đồng nhằm xem xét cách Định nghĩa AI mã nguồn mở (OSAID 1.0) được áp dụng trong thực tế, với các buổi tụ họp đầu tiên được tổ chức tại Raleigh và Barcelona. Những người tham gia đồng ý rằng bốn quyền tự do phải được giữ nguyên và tính minh bạch của dữ liệu huấn luyện vẫn là nút thắt lớn nhất, khi số lượng mô hình của Hugging Face tăng từ khoảng một triệu vào năm 2024 lên hơn ba triệu hiện nay.
Bright Machines hiện cung cấp cho khách hàng bảng điều khiển dữ liệu nhà máy trực tiếp, có quản trị từ các nhà máy cách ly mạng mà không cần mở bất kỳ quyền truy cập vào nào. Công ty ghi lại các thay đổi PostgreSQL tại biên với Debezium, ghi chúng dưới dạng Apache Iceberg, đẩy ra ngoài qua một đường ra duy nhất có thể kiểm toán, và đọc tại chỗ trong Databricks thông qua liên kết Unity Catalog. Bảng điều khiển đầu tiên mà khách hàng nhìn thấy đã đi vào hoạt động khoảng hai tháng sau khi khởi động, với các hàng đã cam kết có thể truy vấn trong một đến hai phút và bảng điều khiển làm mới mỗi mười phút.
Amazon đã công bố tính khả dụng công khai của SGLang-Neuron, một plugin out-of-tree chạy SGLang trên AWS Trainium thông qua AWS Deep Learning Container, được phát hành bởi RadixArk cùng Annapurna Labs. Người dùng giữ nguyên giao diện máy chủ SGLang và các API sinh, trong khi plugin cung cấp các mô hình, attention, MoE dành riêng cho Trainium và một graph runner được xây dựng trên các kernel PyTorch và NKI gốc được biên dịch bằng torch.compile. Nó cũng hỗ trợ PD disaggregation, chuyển bộ nhớ đệm KV prefill sang máy chủ decode qua NIXL trên EFA, và hướng dẫn thực hành phục vụ openai/gpt-oss-120b trên một phiên bản EC2 Trainium3 với container pytorch-inference-sglang-neuronx.
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.
CEO Nvidia Jensen Huang từ chức vào thứ Năm sau khi thừa nhận ngoại tình với một người bị cáo buộc là gián điệp Trung Quốc, khiến việc Nvidia có tiếp tục ủng hộ AI trọng số mở hay không trở nên bỏ ngỏ. Huang đã thúc đẩy dòng mô hình trọng số mở Nemotron, hậu thuẫn các startup như Reflection AI và Thinking Machines Lab, và tổ chức một lá thư ngỏ có chữ ký của 25 công ty kêu gọi Washington không hạn chế quá mức các mô hình mở. Nvidia đã bổ nhiệm CFO Colette Kress làm CEO tạm thời và vẫn chưa hoàn tất thương vụ mua lại Hugging Face trị giá 13 tỷ USD.
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.
Vì sao đáng chú ý: Phiên bản mới của runtime AgentCore điều chỉnh đồng thời việc khởi tạo phiên, giới hạn tính toán và tính phí bộ nhớ, mang lại cho các agent cần chạy lâu dài một sự đánh đổi mới giữa cách ly và chi phí.
CEO của Hugging Face, Clément Delangue, cho biết ông sẽ tiếp tục đấu tranh cho AI mã nguồn mở "mạnh mẽ hơn bao giờ hết" sau khi CEO của Nvidia, Jensen Huang, rời đi, gọi đó là một "ngày thực sự buồn." Nvidia đã công bố vào tháng 9 kế hoạch trị giá 12,9 tỷ USD để mua lại Hugging Face, một thương vụ mà Bộ Tư pháp Hoa Kỳ đang tìm hiểu vì lo ngại về cạnh tranh và vẫn dự kiến hoàn tất trong nửa đầu năm 2027. Huang từng là người ủng hộ nổi bật cho các mô hình trọng số mở, bao gồm một lá thư chính sách vào tháng 7 được 25 công ty ký kêu gọi chính phủ Hoa Kỳ không hạn chế quá mức chúng.
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.
vLLM hỗ trợ Inkling 2 Small của Thinking Machines ngay từ ngày đầu tiên, một MoE đa phương thức văn bản và thị giác với tổng 594B và 17B tham số hoạt động, ngữ cảnh lên đến 1M token. Tích hợp này bổ sung kernel fusion với PDL, sequence parallelism cho prefill giúp giảm bước prefill 8K token 22% ở TP4 và 26% ở TP8, cùng kernel decode attention tương đối Gluon giúp giảm bước decode batch-1 ở ngữ cảnh 100K từ 15,1 ms xuống 4,8 ms. vLLM báo cáo lên đến 630 TPS/người dùng ở TP4 trên GB200 với độ dài chấp nhận 3,5, đồng thời hỗ trợ LoRA và RL qua SkyRL.
Vì sao đáng chú ý: vLLM hỗ trợ Inkling 2 Small ngay trong ngày ra mắt, đồng thời cung cấp dữ liệu tối ưu cụ thể về kernel fusion, sequence parallelism và kernel decode Gluon, có thể làm tài liệu tham khảo cho các nhóm triển khai mô hình MoE lớn.
vLLM-Omni đã đưa MiniMax H3-Image lên NVIDIA Vera Rubin và đo được độ trễ trung vị 0,87 giây cho text-to-image gốc 4096×4096 trên bốn GPU, cùng 6.115 ảnh/giờ trong một cấu hình thông lượng riêng. H3-Image là mô hình text-to-image và chỉnh sửa ảnh trọng số mở, kết hợp bộ mã hóa Qwen3-VL với DiT dày đặc 33,1B và VAE hình ảnh, xử lý cả hai tác vụ trong sáu bước lấy mẫu với tối đa 16 ảnh tham chiếu. Nhóm báo cáo MXFP8 DiT GEMMs, Ulysses SP4, bộ nhớ đệm AdaLN và một thay đổi giải mã VAE giúp giảm thời gian giải mã từ 2,635 giây xuống 0,213 giây, đồng thời liệt kê các công thức cho phần cứng AMD, Intel, Huawei Ascend và Moore Threads.
Vì sao đáng chú ý: Benchmark của vLLM-Omni cho thấy MiniMax H3-Image chạy trên Vera Rubin với độ trễ 4K dưới một giây, kèm cấu hình theo từng phần cứng và mô hình chi phí cho kinh tế phục vụ.
Các nhà nghiên cứu của Epoch AI báo cáo rằng trong các thí nghiệm sandbox ngoại tuyến, mô hình trọng số mở GLM 5.3 đã tự động xâm nhập sáu phiên bản Firefox gần đây, một trình duyệt có hơn 200 triệu người dùng hoạt động, với chi phí khoảng 1.000 USD mỗi exploit bằng cách kỹ nghệ đảo ngược các cuộc tấn công từ những bản vá chưa đến tay người dùng. Mô hình đã tạo ra các trang web có thể đọc tệp từ máy tính của khách truy cập và gửi chúng đến kẻ tấn công mà không cần con người can thiệp; nhóm nghiên cứu không thể tái tạo điều này với Chrome. Bản tóm tắt tương tự cũng ghi nhận rằng Claude Fable 5.2 của Anthropic, phát hành ngày 9 tháng 11, đã lập kỷ lục mới của Chỉ số Năng lực Epoch là 174, cao hơn mức 169 của GPT-6 Astra.
Mastra đã bổ sung các cổng mô hình riêng tư cho phép các agent định tuyến yêu cầu đến các mô hình trọng số mở tự lưu trữ, được tham chiếu bằng tiền tố như private/ollama/gpt-oss:20b. Tự lưu trữ giữ dữ liệu nhạy cảm trong mạng nội bộ và thay thế chi phí theo token bằng chi phí hạ tầng, và việc đặt AUTO_BLOCK_EXTERNAL_PROVIDERS=true sẽ ẩn các nhà cung cấp bên ngoài trong Studio. Tính năng này yêu cầu @mastra/core@1.82.0 trở lên.
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.
vLLM đã mở rộng phân tách Encoder/Prefill/Decode (EPD) cho phục vụ đa phương thức, bổ sung yêu cầu chỉ chứa metadata, một đường thực thi encoder riêng, truyền embedding từ xa qua NIXL và Mooncake, tái sử dụng đầu ra cross-encoder, và điều phối thông qua vLLM Router, SMG và llm-d. Các năng lực cốt lõi bao gồm hỗ trợ MiMo và XPU có trong vLLM v0.32.0, trong khi hỗ trợ chỉ metadata cho DeepSeek V4.1 Flash có sẵn trên main qua #62802. Trong một thử nghiệm DeepSeek V4.1 Flash trên GB200, EPD đạt thông lượng trên mỗi GPU cao hơn 6,6–9,5% và P90 TTFT thấp hơn 44–47% so với baseline PD tám GPU ở mức đồng thời 64–128, nhưng có thông lượng trên mỗi GPU thấp hơn ở mức đồng thời 16.
Meta đã trình bày chi tiết về TLX (Triton Low-Level Extensions), một tiện ích mở rộng cho Triton bổ sung điều phối cấp nhóm warp và cụm một cách tường minh trong khi vẫn giữ mô hình lập trình tensor của Triton. TLX đã được vận hành trong môi trường sản xuất trên toàn Meta, với 20-25% MFU end-to-end trên hàng nghìn GPU NVIDIA Blackwell cho huấn luyện GEM, giảm tới hai phần ba độ trễ mạng tính toán chuyên sâu cho suy luận RecSys, và một kernel GEMM nhóm phân tán được triển khai trong tiền huấn luyện LLM quy mô lớn. Meta cho biết TLX nhắm đến NVIDIA Hopper và Blackwell cùng AMD Mi300 và Mi350x, và đang phát triển thêm nhiều kiến trúc hơn, suy luận nhóm warp tự động và một backend torch.compile.
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.
The Pragmatic Engineer phỏng vấn Sean Allen, một kỹ sư xuất sắc tại Antithesis và là người đóng góp cốt lõi cho ngôn ngữ Pony, về tính đúng đắn của phần mềm và bảo mật chuỗi cung ứng. Allen lập luận rằng các hệ thống kiểu mạnh trong họ ngôn ngữ ML phát hiện nhiều lỗi hơn ở thời điểm biên dịch so với các ngôn ngữ thuộc họ ALGOL, và rằng kiểm thử thủ công là cách tồi tệ nhất để đảm bảo tính đúng đắn. Ông cũng nói rằng các cuộc tấn công chuỗi cung ứng không có một giải pháp đơn giản duy nhất, vì những ngôn ngữ được phòng thủ vững chắc như 'E' lại không phổ biến trong khi các ngôn ngữ phổ biến lại giả định một hệ sinh thái đáng tin cậy.
Stripe đã xây dựng Kai, Nền tảng AI Tri thức toàn công ty của mình, trên khung Deep Agents mã nguồn mở của LangChain, với một kỹ sư phát hành phiên bản đầu tiên chỉ trong một tuần. Ngăn xếp này xếp lớp một harness và lớp cấu hình dành riêng cho Stripe lên trên Deep Agents, sử dụng middleware hệ thống tệp được hỗ trợ bởi S3, middleware sandbox để thực thi mã, middleware tóm tắt cho các phiên dài và tải công cụ động dựa trên kỹ năng trên hơn 500 công cụ MCP nội bộ và hơn 1.000 kỹ năng. Kai đã tăng từ 296 lên hơn 5.000 người dùng trong khoảng bốn tuần và hiện được 83% nhân viên Stripe sử dụng hàng tuần với hơn 60k phiên.
Meta đã xây dựng kiến trúc plugin tăng tốc trung lập nhà cung cấp trong lldb-server cho phép LLDB gỡ lỗi các ứng dụng trải rộng trên CPU và GPU trong một phiên duy nhất. Thiết kế biểu diễn CPU và GPU thành các target LLDB riêng biệt, mỗi target có kiến trúc, luồng, thanh ghi và không gian địa chỉ riêng, trong khi một plugin chuyển dịch các API gỡ lỗi thiết bị của nhà cung cấp thành các khái niệm LLDB. Hỗ trợ GPU chỉ kích hoạt khi ứng dụng sử dụng runtime GPU được hỗ trợ, do đó gỡ lỗi chỉ CPU vẫn giữ nguyên đường dẫn native hiện có mà không tăng thêm chi phí.
Goodfire Research đã công bố một nghiên cứu lập luận rằng các neuron MLP riêng lẻ trong Qwen3.6-35B-A3B có thể diễn giải được hơn so với giả định, dựa trên các công cụ thưa hóa, quy gán và các tác nhân nghiên cứu. Việc loại bỏ 92,2% kích hoạt neuron MoE yếu nhất mỗi lượt truyền xuôi chỉ làm tăng mất mát của mô hình ngôn ngữ thêm 2,9%, và 69% các cực neuron có một chế độ duy nhất chịu trách nhiệm cho ít nhất 90% hiệu ứng nhân quả của chúng. Các mô tả neuron bằng ngôn ngữ tự nhiên cho phép một mô hình giám khảo dự đoán việc kích hoạt với độ chính xác 95% so với văn bản ngẫu nhiên và phục hồi 73% thiệt hại do loại bỏ thông qua mô phỏng.
Vì sao đáng chú ý: Nghiên cứu của Goodfire về các neuron của Qwen3.6-35B-A3B lập luận rằng chỉ riêng các kích hoạt mạnh đã mang phần lớn tính toán của mô hình, đưa ra một giải pháp thay thế cụ thể cho cách diễn giải bằng từ điển đặc trưng.
Preferred Networks đã phát hành PLaMo 3.0 Fin, một mô hình ngôn ngữ nhỏ chuyên ngành tài chính được xây dựng trên mô hình tiền huấn luyện PLaMo 3 NICT từ nghiên cứu chung với NICT và được huấn luyện thêm trên dữ liệu tài chính tiếng Nhật, công bố trọng số mở trên Hugging Face theo PLaMo Community License. Mô hình bổ sung Reasoning từng bước với các dấu vết suy luận được xuất bằng tiếng Nhật, cùng với tool calling cho tìm kiếm web, tính toán và truy cập cơ sở dữ liệu nội bộ, và có thể chạy trên một GPU duy nhất trong môi trường đám mây kín hoặc tại chỗ. PFN cho biết quá trình huấn luyện theo chỉ dẫn cho Reasoning và sử dụng công cụ được thực hiện trên chip AI MN-Core 2 của riêng họ, với việc chuyển mã hoàn thành trong vòng một tuần và tốc độ huấn luyện tương đương với môi trường GPU.
Artificial Analysis đã ra mắt Chỉ số Độ chính xác Endpoint v1.1, thu hẹp khoảng tin cậy AA-LCR-25 và bổ sung phạm vi bao phủ cho GLM-5.3 Flash và Muse Spark Open. Trong số 103 endpoint serverless được đánh giá chuẩn, 24 endpoint có điểm số thấp hơn đáng kể về mặt thống kê so với tham chiếu tự lưu trữ, với các nguyên nhân bao gồm giới hạn token đầu ra, giảm suy luận, lỗi định dạng gọi công cụ và hết thời gian yêu cầu. Việc nâng AA-LCR-25 lên 25 lần lặp lại mỗi câu hỏi thu hẹp khoảng tin cậy 95% trung bình từ ±4,7 xuống ±2,6 điểm, và khoảng tin cậy của chỉ số tổng hợp từ ±5,5 xuống ±4,3 điểm trên 45 endpoint được chấm điểm theo cả hai phiên bản.
Apple đã bắt đầu thử nghiệm dành cho nhà phát triển đối với Qwen bên trong Apple Intelligence tại Trung Quốc trong tuần này, trước kế hoạch triển khai vào tháng 12 cùng iOS 27.3, đưa Qwen vào Siri, Writing Tools và Visual Intelligence theo hình thức người dùng tự chọn tham gia. Bản phát hành Hy4 ngày 4 tháng 11 của Tencent bổ sung suy luận thị giác và sử dụng máy tính, trong khi Baidu, Moonshot, Ant và Meituan cũng đã công bố hoặc ra mắt các mô hình mới.
vLLM đã chuyển bản dựng CUDA của mình sang LibTorch Stable ABI, và kể từ v0.33.0, nó phát hành LibTorch ABI Stable CUDA wheels, nhờ đó có thể import một PyTorch wheel mới mà không cần rebuild vLLM. Nhóm đã chuyển các nguồn trong cây và bảy phụ thuộc phụ thuộc LibTorch, bao gồm FlashMLA, DeepGEMM và FlashAttention-2/3, sang các API ổn định, sử dụng torch-abi-audit trong CI để xác nhận không còn ký hiệu không ổn định nào. Bài viết nêu các đánh đổi như tập con API ổn định bị giới hạn và chi phí nhỏ ở phía host, và cho biết các bản dựng CPU và ROCm sẽ là bước tiếp theo.
OpenClaw đã xây dựng lại cách nó phát hiện mô hình để các mô hình mới như GPT-6.1 Sol xuất hiện mà không cần phát hành bản cập nhật, lấy danh sách từ một danh mục tự cập nhật tại catalog.openclaw.ai (được xây dựng lại bốn giờ một lần, khoảng 1.000 mô hình), danh sách mô hình của nhà cung cấp riêng cho từng tài khoản, và một bắt tay với Codex mới hơn trên PATH của bạn. Danh mục chuyển đổi trực tiếp trên một Gateway đang chạy, và danh sách mô hình không còn bị thu hẹp sau khi nhà cung cấp hết thời gian chờ hoặc hoán đổi danh mục.
Newcomer và Felicis công bố Emergent, danh sách 29 startup ở giai đoạn hạt giống hoặc sớm hơn được các diễn giả là nhà sáng lập hiện tại và cựu nhà sáng lập từ Cerebral Valley AI Summits đề cử là có tiềm năng thế hệ. Mỗi công ty giới hạn ở vòng hạt giống và đi kèm một đoạn giới thiệu từ người đề cử. Nhóm lớn nhất xây dựng công cụ để vận hành và kiểm soát agent, cùng với phần cứng, mã nguồn mở và dịch vụ AI-native cũng nổi bật.
SemiAnalysis công bố kết quả suy luận tác tử đa lượt, ngữ cảnh dài đầu tiên trên InferenceX/AgentX cho Google TPUv7 Ironwood trên bốn mô hình, nhận thấy nó cạnh tranh về hiệu năng trên mỗi đô la hoặc đạt mức tiên tiến trong một số trường hợp. Trên GLM-5.2 ở FP8, TPUv7 đạt 1,2x đến 2,7x số token trên mỗi đô la so với B200, B300 và MI355X từ 60 đến 300 tok/s/người dùng, trong khi GPU FP4 vẫn dẫn đầu trên GLM-5.3 vì TPUv7 thiếu hỗ trợ FP4 gốc cho đến TPUv8 vào Q1 2027. Bài viết cũng lập luận rằng bộ máy quan liêu của NVIDIA làm chậm các đóng góp driver và hệ sinh thái so với AMD và Google.
OpenClaw đã phát hành Multiplayer, một tính năng miễn phí và mã nguồn mở cho phép nhiều người kết nối với cùng một agent và workspace của OpenClaw, với các prompt hiển thị trực tiếp trên nhiều laptop và các yêu cầu được điều phối qua một hàng đợi dùng chung. Trong các bản demo tại GitHub Universe ở San Francisco, hai người tham dự đã chỉnh sửa cùng một cảnh 3D bằng cách nhập prompt trên các máy riêng biệt mà không cần nhắc lại ngữ cảnh. OpenClaw Foundation cho biết đã có hơn 50 người cộng tác trong cùng một môi trường dùng chung và đang tiếp tục mở rộng tính năng này.
Vì sao đáng chú ý: OpenClaw biến việc nhiều người dùng chung một Agent và ngữ cảnh thành tính năng miễn phí, mã nguồn mở, mang đến một cách làm có thể chuyển giao cho vấn đề phải liên tục tái tạo ngữ cảnh trong cộng tác nhóm.
Mastra đã ra mắt Chương trình Harness Tùy chỉnh, trong đó các kỹ sư triển khai tiền tuyến nhúng vào đội ngũ khách hàng để cùng xây dựng các harness agent phù hợp. Chương trình bao gồm khả năng quan sát, đánh giá, MCP tùy chỉnh, quy trình làm việc có con người tham gia, xác thực và RBAC, cùng quyền truy cập sớm vào Nền tảng Doanh nghiệp Mastra. Mastra dẫn chứng Workday, đơn vị đã chuyển khỏi Amazon Bedrock Agents trong 31 ngày, cắt giảm 3.000 dòng mã và giảm chi phí lưu trữ vector 98%.
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.
Buoyant công bố Kinference, một control plane mã nguồn mở Apache v2 định tuyến lưu lượng suy luận tương thích OpenAI và Anthropic đến các worker vLLM trên Kubernetes, bổ sung giới hạn tốc độ token, theo dõi mức sử dụng và chi phí theo từng tenant, cân bằng tải nhận biết KV-cache và các chính sách suy luận bằng YAML. Trong các benchmark công khai của dự án, Kinference giảm 95% thời gian đến token đầu tiên trung vị và 45% độ trễ end-to-end trung vị so với cân bằng tải dịch vụ Kubernetes tiêu chuẩn trên một workload, và phục vụ goodput gấp 7,4 lần trên shared-prefix và khoảng 3,5 lần trên multiturn trong một bài kiểm tra công suất. Các chính sách có thể định tuyến prompt đơn giản hơn đến các mô hình rẻ hơn, đẩy lưu lượng đột biến tràn sang các nhà cung cấp như Bedrock và Databricks, hoặc giữ các yêu cầu gắn thẻ PII bên trong cluster, và các chỉ số theo từng tenant bao gồm tốc độ token, TTFT, ITL và token prompt có cache so với không có cache.
Vì sao đáng chú ý: Kinference của Buoyant bổ sung cân bằng tải nhận biết KV-cache và các chính sách suy luận bằng YAML lên trên vLLM, với các benchmark tuyên bố cải thiện lớn về TTFT và goodput so với định tuyến dịch vụ Kubernetes tiêu chuẩn.
Zyphra đã giới thiệu Zyphra Hierarchical Attention (ZHA), một phương pháp attention thưa xây dựng một cây các bản tóm tắt KV-cache nén và định tuyến các truy vấn từ trên xuống qua cây đó, mang lại độ phức tạp dưới bậc hai với các ngưỡng top-p phù hợp. Các mô hình đã được huấn luyện trước hiện có thể được thích nghi thông qua một giai đoạn chưng cất KL ngắn chỉ sử dụng vài tỷ token; trên Qwen3.6-35B-A3B, ZHA thêm 81.920 tham số có thể huấn luyện, khoảng 0,00024% của mô hình cơ sở. Trên RULER-13 ở 256K token, mô hình cây rộng đạt 96,2% so với 96,0% của dense attention, và cây sâu sáu tầng đạt 63,4% trên LongBench v2 so với 58,0% của dense trong khi chỉ chú ý đến khoảng 1,1% của KV cache; một mô hình roofline trên GPU dự báo tốc độ nhanh hơn 32-35 lần so với dense attention ở 10M token.
Olmo 3 của Ai2 đã nhận được xếp hạng AI Đạo đức cao nhất của Nextcloud, màu xanh lá, đòi hỏi phần mềm huấn luyện và suy luận mã nguồn mở, một mô hình đã huấn luyện có thể tự lưu trữ, và dữ liệu huấn luyện công khai. Nextcloud đóng gói Olmo 3 với backend LLM cục bộ llm2 của mình, và biến thể 7B được chọn để người dùng không có 16 hoặc 32 GB VRAM vẫn có được trải nghiệm cục bộ tốt ngay khi dùng.
Sakana AI đã tổ chức hội thảo "Từ Mô hình Thế giới đến AI Thực tế" tại Tokyo vào ngày 26 tháng 10 năm 2026, nơi Cố vấn Khoa học Chính Jürgen Schmidhuber có bài phát biểu chính và Sakana AI công bố sẽ phát triển dòng mô hình ngôn ngữ tiền huấn luyện của riêng mình, Sakana Sawara (tên tạm thời). Mô hình nhỏ đầu tiên, Sawara Small (tên tạm thời), dự kiến ra mắt vào mùa xuân năm 2027 nếu quá trình phát triển diễn ra suôn sẻ. Hơn 400 người tham dự đã tham gia sự kiện, cũng bao gồm cuộc trò chuyện giữa Schmidhuber và CEO David Ha.
Epoch AI báo cáo rằng GLM 5.3, một mô hình trọng số mở do Z.ai phát hành vào tháng 8, đã tự động xây dựng các exploit hoạt động từ các bản vá bảo mật của Mozilla đã được công bố nhưng chưa phát hành tới người dùng, xâm phạm cả sáu phiên bản Firefox phát hành từ ngày 17 tháng 9 đến ngày 26 tháng 10. Sau khoảng 100.000 USD chi phí thiết lập và API, mỗi cuộc tấn công thành công tốn khoảng 1.000 USD chi phí tính toán, và nỗ lực nhanh nhất mất 12 giờ trong ngân sách 48 giờ. Các cuộc tấn công tương tự nhắm vào Chrome đã không thành công, và các nhà nghiên cứu cho biết không có biện pháp bảo vệ hay từ chối nào của nhà cung cấp bị kích hoạt; một lỗ hổng chưa công bố riêng biệt mà họ phát hiện đã được vá trong bản phát hành Firefox 159.0 ngày 27 tháng 10.
Vì sao đáng chú ý: Thí nghiệm của Epoch AI cho thấy một mô hình trọng số mở tự động vũ khí hóa các bản vá Firefox đã công bố nhưng chưa phát hành, đưa ra con số cụ thể về chi phí và thời gian cho khoảng trống vá lỗi.
Meta đang hợp tác với năm trường đại học Hoa Kỳ — Caltech, Trường Y của Ohio State, Đại học Bang Louisiana, Đại học Indiana và UTHealth Houston — và tài trợ 2 triệu đô la để hỗ trợ nghiên cứu sử dụng các mô hình của mình trong y học, vật lý, hóa học, sinh học, khoa học máy tính và toán học. Các dự án bao gồm một hệ thống thị giác máy tính được xây dựng trên các mô hình SAM trọng số mở của Meta để phát hiện lệch ống mở khí quản ở trẻ sơ sinh, AI đa phương thức giúp các tác nhân hội thoại thích ứng với người mắc chứng sa sút trí tuệ, và các mô hình trọng số mở dự đoán nguy cơ suy tim từ các ca chụp CT thường quy và hồ sơ y tế.