#编码

Deccy: Khung quản lý quyết định cho kỹ thuật phần mềm có AI hỗ trợ

Deccy là một khung quản lý quyết định tiền alpha để thực hiện kỹ thuật phần mềm với AI, tách biệt việc ra quyết định cấp cao của con người khỏi việc thực thi của AI. Nó được phát hành dưới dạng deccy-cli, một bộ các tác nhân tùy chỉnh deccy-agent và deccy-viewer, công cụ trực quan hóa các quyết định và mối quan hệ của chúng dưới dạng đồ thị có hướng không chu trình, trong đó mỗi quyết định đều mang một lý do và được đánh giá dựa trên các phụ thuộc của nó. Nhóm phát triển hướng tới các dự án dài hạn nơi ý định bị mai một, và báo cáo một cách giai thoại rằng các tác nhân lập trình cần ít chỉ dẫn hơn trên các dự án được mô hình hóa bằng deccy.

Lời khuyên dự kiến về việc xây dựng các công cụ hình thức với AI Agent

Mike Dodds của Oath Technologies chia sẻ ghi chú từ nhiều tháng xây dựng ngữ nghĩa, trình xác minh và chuỗi công cụ chứng minh với phần lớn công việc do AI Agent đảm nhận. Bài nói đưa ra lời khuyên dự kiến về việc dùng AI để xây dựng các công cụ hình thức, dựa trên trải nghiệm thực tế đó.

Show HN: AlgoCademy cho phép bạn luyện viết mã với AI trên các ticket thực tế

AlgoCademy ra mắt nền tảng luyện tập trên Show HN, nơi lập trình viên xử lý 30 ticket trên năm cơ sở mã Python và JavaScript, điều khiển một đồng đội AI viết mã và chạy kiểm thử nhưng cố ý mắc những lỗi thực tế. Mỗi ticket được chấm điểm dựa trên đặt câu hỏi, chỉ đạo, xác minh, bảo vệ và hiệu suất, và ticket Lakeside Wheels đầu tiên miễn phí với 25 phản hồi AI. Gói Pro có giá theo gói hàng tháng bao gồm 25 ticket và 50 phản hồi, cùng các gói tín dụng ở mức 19,99 đô la cho 200 phản hồi và 49,99 đô la cho 600.

Kiểm thử như dữ liệu: một phương pháp để giữ cho mã do AI tạo ra có thể kiểm chứng được

Martin Fowler đề xuất viết kiểm thử dưới dạng dữ liệu thay vì mã để mã sản phẩm do AI tạo ra vẫn có thể kiểm chứng được khi các tác nhân lập trình cũng tái cấu trúc các bài kiểm thử. Cách tiếp cận này kết hợp kiểm thử khách hàng, kiểm thử hộp đen, các ca kiểm thử dạng bảng hoặc YAML, và một trình chạy kiểm thử do AI tạo ra, với dữ liệu kiểm thử được lưu trong các tệp văn bản dễ xem xét hơn và được bảo vệ khỏi những chỉnh sửa bất ngờ. Bài viết dựa trên các cuộc phỏng vấn với 26 nhà phát triển của Thoughtworks vào đầu năm 2026, những người cho biết họ không còn hoàn toàn tin tưởng vào các bài kiểm thử của mình một khi AI tái cấu trúc chúng, và bài viết kết hợp phương pháp này với kiểm thử đột biến, kiểm thử dựa trên thuộc tính và kiểm thử khám phá do con người thực hiện.

Google phát hành Gemini 4 Hydrogen, tuyên bố nhanh gấp 2,5 lần Gemini 3.8 Flash

Google đã phát hành Gemini 4 Hydrogen, một mô hình trọng số đóng từ Google DeepMind, được định vị dưới Gemini 4 Carbon và Argon như một lựa chọn hàng ngày cho lập trình và các quy trình tác tử. Mô hình cung cấp cửa sổ hợp nhất 1.048.576 token, bốn mức suy nghĩ với mức cao là mặc định, và giá API là 1,50/7,50 USD cho mỗi 1 triệu token đầu vào/đầu ra, đồng nhất trên toàn bộ cửa sổ. Google báo cáo 57% trên Terminal-Bench 4.1 so với 18,2% của Gemini 3.8 Flash và 51 trên Chỉ số Trí tuệ Artificial Analysis, nhưng mô hình chỉ xếp thứ 5 trên Agent Arena; khi kết hợp với Carbon trong Antigravity, mô hình đã sử dụng ít hơn 24% hạn mức và hoàn thành nhanh hơn 19% so với chỉ dùng Carbon.

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

Có một 'lượng AI vừa phải' không? Một cuộc tranh luận về việc sử dụng LLM trong phần mềm

Một cây bút tự mô tả mình là người hoài nghi AI nhưng không chống AI lập luận rằng không có "lượng vừa phải" nào có thể chấp nhận được khi sử dụng LLM trong phần mềm, dẫn chứng mã do Claude tạo ra của Overcast và việc Big Walk tiết lộ rằng chưa đến một phần trăm của một phần trăm mã của họ có sự can thiệp của LLM. Ông cho rằng sử dụng LLM nghĩa là tham gia vào một hệ thống bóc lột, và chỉ ra bằng chứng ngày càng tăng về việc "mất kỹ năng" ở các nhà phát triển dựa vào các tác nhân lập trình.

Nghiên cứu phát hiện các ghim phiên bản lỗi thời kiểu AI trong 13,7% gói npm mới trong nửa đầu 2026

Kobi Mozgori đã lấy mẫu 250.000 gói npm và phát hiện rằng các gói mới có phiên bản phụ thuộc được ghim chủ yếu là các số tròn x.0.0 đã bị thay thế đã tăng từ mức cơ sở 1–2,4% năm 2019 đến đầu 2024 lên 13,7% trong nửa đầu 2026, giảm xuống 7,6% trong nửa cuối 2026 tính đến đầu tháng 11. Phụ thuộc được ghim trung vị khoảng 155 ngày tuổi khi sinh ra trong giai đoạn 2021–2023 nhưng là 451 ngày trong quý 2 năm 2026, và tỷ lệ các gói sinh ra với về cơ bản tất cả các ghim đều ở bản phát hành mới nhất đã giảm từ khoảng 28% xuống khoảng 10%. Tác giả diễn giải mô hình này như một suy luận chứ không phải bằng chứng, vì siêu dữ liệu của registry không thể cho thấy ai hoặc cái gì đã viết một manifest, và lưu ý rằng sự sụt giảm từ giữa năm 2026 vẫn chưa được giải thích.

ArtCraft sao chép Photoshop và Acrobat, giờ hướng tới mục tiêu tái tạo mọi thứ dưới dạng mã nguồn mở

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.

Loose Ends: Kiểm tra tính sống cho mã không dùng đến mà các tác nhân AI để lại

Loose Ends là một công cụ CLI mới kiểm tra xem mã được thêm vào hoặc bị chạm đến trong một thay đổi có còn có thể truy cập được từ một điểm vào thực sự hay không, đánh dấu các phần bổ sung bị mồ côi, mã mới bị mồ côi và các triển khai bị thay thế nhưng vẫn được giữ lại. Nó xây dựng một đồ thị tính sống trên TypeScript, JavaScript, Python và Java, và chỉ báo cáo những gì thay đổi đã làm, vì vậy mã chết hiện có không bao giờ chặn một pull request. Có thể cài đặt qua npm, yêu cầu Node.js 20 trở lên và git.

Bao nhiêu phần trong số công cụ AI được gắn sao nhiều nhất trên GitHub là do các tác nhân lập trình viết ra?

Một phân tích toàn bộ lịch sử git của 52 kho lưu trữ công cụ AI được gắn sao nhiều nhất trên GitHub, bao gồm 324.088 commit, cho thấy ở kho lưu trữ trung vị, 16,9% số commit trong 180 ngày hoạt động gần nhất mang dấu hiệu AI, và 21 trong số 52 kho đạt từ 25% trở lên. Số sao và tỷ lệ commit có dấu hiệu AI không cho thấy mối liên hệ nào có thể phát hiện được (Spearman ρ = -0,05, p = 0,72), và 85,3% trong số 36.892 commit có dấu hiệu đến từ Claude, công cụ của nó mặc định thêm một trailer. Tác giả lưu ý rằng việc sử dụng AI nhiều tập trung ở các dự án bắt đầu từ năm 2025 trở đi, nên mẫu không thể tách biệt việc sử dụng AI khỏi tính gần đây, và mọi tỷ lệ phần trăm AI đều là giới hạn dưới.

Google phát hành Gemini 4 Hydrogen, một mô hình thực thi nhanh cho lập trình và quy trình tác tử

Google giới thiệu Gemini 4 Hydrogen, một mô hình được xây dựng để thực thi nhanh trong lập trình hàng ngày và các quy trình tác tử, được triển khai trên toàn cầu qua Gemini API, AI Studio, Gemini cho doanh nghiệp, ứng dụng Gemini, Google Search và Google Antigravity.

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

CodeRabbit đạt 100 triệu USD ARR khi nhu cầu quản trị phần mềm tác tử gia tăng

CodeRabbit đã vượt 100 triệu USD doanh thu định kỳ hàng năm, phục vụ hơn 20.000 khách hàng, 120.000 người dùng hoạt động hàng ngày, hơn 300.000 dự án mã nguồn mở và hơn 8,5 triệu kho mã nguồn được kết nối. Công ty cho biết các nhóm kỹ thuật hiện chạy hơn 3 triệu pull request qua CodeRabbit mỗi tuần, và nó đã phát hiện hơn 100 triệu vấn đề trước khi mã đến môi trường sản xuất. CEO Harjot Gill lập luận rằng ở quy mô tác tử, không con người nào có thể xem xét từng thay đổi theo từng dòng, nên cần một lớp kiểm tra riêng không phải là tác tử đã viết mã.

Gondola tăng gấp đôi doanh thu khi đội ngũ xây dựng nhiều hơn với Codex

Gondola đã tăng gấp đôi doanh thu trong khi mở rộng việc sử dụng Codex của OpenAI, công cụ này đã nâng năng suất của kỹ sư trưởng lên 50%. Công ty, chuyên giúp các nhà sáng tạo được ghi nhận và được tuyển dụng, cũng sử dụng ChatGPT để đơn giản hóa công việc hàng ngày.

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.

Microsoft Research Focus Edition #98: Dịch thuật AI, chứng minh giả thuyết KLS và tác nhân lập trình nhanh hơn

Microsoft Research Focus Edition #98 nêu bật những tiến bộ AI đưa dịch thuật phổ quát đến gần thực tế hơn và một chứng minh mới giải quyết giả thuyết KLS đã tồn tại 31 năm trong hình học chiều cao. Ấn bản cũng đề cập CompactionBench và APEC, giúp giảm chi phí nén ngữ cảnh của tác nhân lập trình tới 25,4% và thời gian thực thi 9,6%, cùng với Latent Core Tokenizer, cải thiện token hóa trên 104 ngôn ngữ.

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.

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.

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.

Những câu chuyện khởi nguồn tiếp theo của ngành game: AI tăng tốc các nhà phát triển độc lập, nhà sản xuất công cụ và studio xây dựng thế giới như thế nào

Theo Anish, Jon của a16z và tác giả, AI có thể tăng tốc cả ba nguyên mẫu cốt lõi của ngành game — nhà phát triển độc lập, nhà sản xuất công cụ tiên phong và studio xây dựng thế giới — thay vì thay thế họ. Các tác nhân lập trình giờ đây giúp nhà phát triển độc lập thu hẹp khoảng cách kỹ năng: một tác nhân đã xây dựng một cửa hàng băng đĩa lấy cảm hứng từ Habbo Hotel trong Blender và một engine, sau đó thêm cơ chế nhận nuôi thú cưng và giữ cho codebase tương thích ngược. Jon đã dùng ChatGPT và Codex để xây dựng một bản mod Minecraft lấy cảm hứng từ Ghost of Tsushima cho con trai tám tuổi của mình.

Holiday Extras sử dụng Codex để biến chuyên môn của khách hàng thành ứng dụng tốt hơn

Holiday Extras đang sử dụng Codex của OpenAI để biến chuyên môn của khách hàng thành ứng dụng tốt hơn, tỷ lệ chuyển đổi đặt phòng cao hơn và cơ hội tăng trưởng mới. Công ty cung cấp dịch vụ bổ trợ du lịch này đang suy nghĩ lại về những gì có thể xây dựng bằng mô hình lập trình này.

Làm lại NetHack thành game nhập vai hành động 3D với Gemini 4 Carbon trong Antigravity

Một nhà phát triển đã dùng Gemini 4 Carbon trong nền tảng Antigravity của Google để làm lại tựa game roguelike NetHack năm 1987 thành một game nhập vai hành động 3D hiện đại, chuyển nó sang công nghệ web và wasm. Bản dựng dựa vào tính năng /swarm, vốn sinh ra các tác nhân phụ với ngữ cảnh riêng để đánh giá chéo kết quả của nhau, cùng với một máy chủ Blender MCP để tạo tài nguyên 3D. Gemini 4 Carbon có sẵn thông qua gói Google AI Ultra.

Simon Willison thêm tính năng duyệt theo thẻ vào trang web công cụ vibe-coded của mình

Simon Willison đã thêm tính năng duyệt theo thẻ vào tools.simonwillison.net, cho phép khách truy cập khám phá bộ sưu tập 244 công cụ vibe-coded của ông theo thẻ. Ông đã dùng số tín dụng Fable 5.2 còn lại để cho tree-sitter phân tích mã của từng công cụ nhằm tìm các API JavaScript, thư viện và máy chủ web API. Trang chủ hiện hiển thị đám mây thẻ cho từng danh mục thẻ đó.

Big Walk dùng AI để sửa lỗi, làm dấy lên cuộc tranh cãi trong giới game indie

Game indie Big Walk đã dùng AI để sửa một lỗi, và việc công bố điều này đã làm dấy lên một cuộc tranh cãi khắp giới game indie. Nhiều giám khảo của Liên hoan Game Độc lập (Independent Games Festival) giờ đây nói rằng bất kỳ mức độ lập trình bằng AI nào cũng là quá nhiều.

Fable 5.2 hay Opus? Khi nào nên dùng từng model trong Claude Code

Claude Fable 5.2 đã có sẵn, và một hướng dẫn mới giải thích khi nào nên bắt đầu với Opus 5.5, khi nào nên nâng lên Fable 5.2, hoặc hạ xuống Sonnet 5.5 hay Haiku 5.5 trong Claude Code. Hướng dẫn cũng đề cập việc chia một công việc cho nhiều model, với tính khả dụng và giới hạn sử dụng khác nhau tùy theo gói.

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.

Kỹ sư OpenAI trình bày chi tiết các cách làm việc mới với Codex tại AI Engineer Code Summit

Các kỹ sư Trải nghiệm Nhà phát triển của OpenAI, Dominik Kundel và Charlie Guo, đã trình bày "New Ways of Working with Codex" tại AI Engineer Code Summit, bao gồm Codex Cloud v2 được cải tiến được công bố tại DevDay, chế độ giọng nói như một mặt phẳng điều khiển để quản lý các luồng lập trình, và các tác nhân cá nhân được gọi là dots. Kundel cho biết Codex Cloud hiện hoạt động như một bộ thực thi nền, cho phép Codex cục bộ chuyển giao nhiệm vụ lên đám mây, mặc dù ông thừa nhận quy trình làm việc trên đám mây vẫn cần trở nên dễ dàng hơn.

Grok Build coding agent rò rỉ dữ liệu mật của hàng nghìn người dùng, bao gồm cả SpaceXSI

Công ty bảo mật Claroc phát hiện Grok Build, agent lập trình theo phong cách vibe-coding của SpaceXSI, rò rỉ thông tin kinh doanh độc quyền và các bí mật nhạy cảm khác của hàng nghìn người dùng thông qua các liên kết ứng dụng có thể chia sẻ. Mặc dù Grok ngẫu nhiên hóa URL để chỉ người có liên kết chính xác mới truy cập được dữ liệu, một quyết định thiết kế cho phép bất kỳ ai liệt kê hàng nghìn dự án đang hoạt động, và việc nhấp vào những liên kết đó thường tiết lộ toàn bộ dữ liệu liên quan. Tài liệu bị lộ bao gồm kế hoạch kinh doanh nội bộ, đề xuất quảng cáo, kết quả khám sức khỏe, danh sách kiểm tra khu bếp trên tàu du lịch, cùng tên và số ID nhân viên, trong đó một phần đến từ 24 ứng dụng do chính SpaceXSI xây dựng, bao gồm một kế hoạch hội nhập bảo mật, bản đồ lãnh thổ bán hàng gồm 594 tài khoản và địa chỉ hệ thống nội bộ cho các công cụ bán hàng.

Naive-N0.5-Flash của NaiveAI tuyên bố đạt 2.100 token mỗi giây: khả năng lập trình của nó ra sao?

Latent Space đã thử nghiệm Naive-N0.5-Flash trọng số mở của NaiveAI, một mô hình lập trình phát triển từ MiMo-V2.5 của Xiaomi và được ghép với engine suy luận NaiveRT, so với DeepSeek V4.1 Flash 1017 và GLM 5.3 Flash. Trong các lần chạy của tác giả, nó đạt đỉnh gần 2.000 token mỗi giây và duy trì khoảng 1.000 trong các tác vụ suy nghĩ nặng, với thời gian phản hồi trung vị là 3,1 giây so với 5,3 và 10,1 giây của hai mô hình so sánh. Trên các câu hỏi HLE khó, nó trung bình khoảng 108.500 token hoàn thành khi bật chế độ suy nghĩ, gấp khoảng chín lần GLM 5.3 Flash và 11 lần DeepSeek V4.1 Flash 1017, và tác giả lưu ý mẫu là 10 câu hỏi mỗi mức độ khó mà không chấm điểm độ chính xác.

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.

Anthropic phát hành Claude Fable 5.2 và Mythos 5.2, giành lại vị trí LLM hàng đầu khi bắt đầu roadshow IPO

Anthropic phát hành Claude Fable 5.2 và Claude Mythos 5.2, đứng đầu hầu hết các bảng xếp hạng độc lập, bao gồm Artificial Analysis Intelligence Index v5 với 65 và SemiAnalysis GDPx với 16,4%. Giá giảm 20% xuống còn 8/40 USD cho 1M token đầu vào/đầu ra, nhưng SemiAnalysis báo cáo chi phí mỗi tác vụ GDPx tăng từ 67,16 USD lên 88,15 USD vì mô hình viết hàng trăm đến hàng nghìn ca kiểm thử và tạo các tác nhân phụ để kiểm tra công việc của mình. Nhiều đánh giá cho thấy mức nỗ lực tối đa hoạt động kém hơn mức cao, và Fable bị giới hạn ở 50% hạn mức đăng ký hàng tuần.

Anthropic ghi lại một chỉnh sửa prompt giúp Claude Fable 5.2 hợp nhất mã trùng lặp

Tài liệu của Anthropic về Claude Fable 5.2 cho biết mô hình chú ý nhiều đến việc ai sở hữu mã mà nó đang xử lý. Trong thử nghiệm trên các tác vụ lập trình nhỏ, mô hình đã hợp nhất mã trùng lặp trong dưới 10 phần trăm số lần chạy khi prompt không nói gì về quyền sở hữu, và trong khoảng 75 phần trăm số lần chạy khi prompt nêu rõ rằng cơ sở mã là của chính mô hình. Câu được đề xuất là: You are the owner and long-term maintainer of this codebase, and its design is up to you.

Anthropic phát hành Claude Fable 5.2 cho các công việc kỹ thuật đầy tham vọng

Anthropic đã phát hành Claude Fable 5.2, một mô hình được thiết kế cho những thách thức kỹ thuật khó khăn nhất và các dự án mở rộng đầy tham vọng, với những cải tiến về lập trình, suy luận và thị giác. Công ty khuyến nghị bắt đầu với Opus 5.5 cho hầu hết các tác vụ lập trình và tri thức; Fable 5.2 hiện đã có sẵn trên các gói Pro, Max, Team và Enterprise.

Đánh giá: Khả năng lập trình của Gemini 4 Carbon vượt trội so với khả năng phán đoán của nó

Bài đánh giá thực tế của Every cho thấy Gemini 4 Carbon, được Google DeepMind phát hành hôm nay, là một lập trình viên mạnh hơn nhiều so với Gemini 4 Argon và có thể tạo ra các đối tượng 3D tốt hơn và làm việc hàng giờ với ít sự giám sát. Các nhà thử nghiệm không đồng ý về mức độ giám sát mà nó cần, và bài đánh giá nói rằng Fable 5.2 của Anthropic, được phát hành một ngày trước đó, đã nâng cao kỳ vọng rằng một tác nhân hàng đầu cũng phải chọn đúng công việc, tôn trọng giới hạn và biết khi nào nó hoàn thành. Google đã cấp cho Every quyền truy cập sớm và không có ý kiến đóng góp nào cho bài đánh giá.

Meta phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất cho các tác vụ agent

Meta đã phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất của họ, nhắm đến những công việc lặp đi lặp lại mà agent làm cả ngày như gọi công cụ, tác vụ con lập trình, định tuyến, trích xuất và phân tích tài liệu dài. Meta cho biết mô hình này đạt điểm cao nhất của Claude Haiku 5.5 với chi phí khoảng một phần ba và vượt mọi cấu hình GPT-6 Luna, ở mức 0,10 USD mỗi triệu token đầu vào và 0,50 USD mỗi triệu token đầu ra. Mô hình đi kèm cửa sổ ngữ cảnh 1M token, tối đa 512K token đầu ra, hỗ trợ đầu vào văn bản, hình ảnh, âm thanh và video gốc, và có sẵn ngay hôm nay trên Muse Code và Meta Model API với tên muse-ember-1.0.

Đánh giá của Every: Fable 5.2 có thể xây dựng một sản phẩm hoàn chỉnh với rất ít sự điều hướng

Every đưa tin rằng Fable 5.2, mô hình mới nhất của Anthropic, đã giúp Kieran Klaassen xây dựng một trình biên tập video kết hợp các tính năng kiểu Adobe Premiere, After Effects và Ableton, với một tác nhân AI vận hành nó, và Everycut đã ra mắt ba ngày sau khi anh bắt đầu. Bài đánh giá cho biết Fable 5.2 có thể đảm nhận toàn bộ một sản phẩm và tiếp tục xây dựng, kiểm thử và tinh chỉnh cho đến khi nó dùng được hàng ngày, khác với Opus 5.5, vốn khiến người dùng phải liên tục kiểm tra công việc của nó, và Fable 5 cùng 5.1, vốn chạy các tác vụ lớn trong nhiều giờ hoặc nhiều ngày. Every gọi đây là mô hình đầu tiên mà họ kiểm thử cho phép các chuyên gia xây dựng công cụ cấp sản xuất mà không cần đọc mã nguồn bên dưới.

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

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

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.

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

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

Thinking Machines phát hành Inkling 2 Small, đạt 31 điểm trên Chỉ số Trí tuệ Artificial Analysis

Thinking Machines đã phát hành Inkling 2 Small, một mô hình suy luận độc quyền đạt 31 điểm trên Chỉ số Trí tuệ Artificial Analysis v5.0.1, cao hơn Inkling Small 18 điểm, với trọng số Apache 2.0 dự kiến sẽ có vào một ngày sau đó chưa được xác nhận. Mô hình 594B tham số (17B hoạt động) trước tiên có sẵn thông qua Tinker và Tinker Playground với giá $0.30/$1.00 cho mỗi 1M token đầu vào/đầu ra, và nó ngang bằng Gemini 3.8 Flash (high) trong khi kém hơn Claude Sonnet 5.5 trên các bài kiểm tra lập trình và ảo giác. Nó trung bình khoảng 150K token đầu ra cho mỗi tác vụ Chỉ số Trí tuệ, gấp khoảng 4 lần Inkling Small, với $1.18 mỗi tác vụ so với $0.20.

Kỹ thuật phần mềm đang thay đổi như thế nào: Câu chuyện của hai thời đại

Kỹ sư phần mềm Neil Kakkar báo cáo đã gửi hơn 200 pull request mỗi tháng tại startup thuần AI Tano, gấp khoảng 11 lần tốc độ của anh ấy tại PostHog và gấp khoảng mười lần sản lượng trước đó. Anh ấy cho rằng sự nhảy vọt này là do các tác nhân AI thay thế việc review mã và chi phí giao tiếp, đồng thời chỉ ra những chi phí mới như context thrashing, mất ngữ cảnh chia sẻ và giới hạn gói AI.