#Agent

Witness ra mắt công cụ ghi bằng chứng neo bằng giọng nói cho các AI coding agent

Witness là một công cụ ghi bằng chứng neo bằng giọng nói, liên kết mỗi bình luận nói với các cú nhấp, request, lỗi console, thay đổi DOM và bản phát lại rrweb tại thời điểm đó, sau đó chuyển gói dữ liệu này cho một AI coding agent. Nó chạy dưới dạng CLI (npm i -g witness-recorder, Node 18+), mở một trình duyệt Edge/Chrome được quản lý, và cung cấp phiên làm việc qua một stdio MCP server với các công cụ như list_segments, events_around và get_dom_state cho các agent như Claude Code, Cursor và Devin. Bản ghi được lưu cục bộ trong .witness/sessions, các trường mật khẩu được che và có thể tắt việc thu thập body bằng WIT_NO_BODIES=1.

Cách thiết kế công cụ hiệu quả cho AI agent: hướng dẫn từ OpenAI, Anthropic, Google và MCP

Bài viết này tổng hợp những gì OpenAI, Anthropic, Google và đặc tả MCP khuyến nghị về thiết kế công cụ cho AI agent, đồng thời đề cập những điểm mà các hướng dẫn của họ bỏ sót. Bài viết lập luận rằng công cụ nên được xây dựng xoay quanh quy trình công việc thay vì các endpoint API, rằng tên, mô tả và schema đóng vai trò như một hợp đồng mà mô hình đọc theo nghĩa đen, và rằng phản hồi cùng lỗi là một phần của prompt.

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.

Phân loại 26 cách AI có thể khiến cuộc sống của bạn tồi tệ hơn

Một phân loại mới lập bản đồ 26 tác hại của AI đối với người tiêu dùng qua năm kiểu quan hệ — chatbot → người tiêu dùng, tác nhân → người tiêu dùng, kẻ đe dọa → người tiêu dùng, kẻ đe dọa → tác nhân, và kẻ đe dọa → chatbot. Mỗi tác hại được truy vết qua 19 lớp trung gian, chẳng hạn như mô hình nền tảng, môi trường chạy tác nhân, kho lưu trữ bộ nhớ và thiết bị tiêu dùng, để các biện pháp phòng vệ được gắn vào nơi thực sự cần phải xây dựng. Các tác giả lưu ý nhiều tác hại chỉ có thể được khắc phục bởi các công ty tạo ra mô hình và vận hành sản phẩm, và công trình này vẫn đang trong quá trình hoàn thiện.

Stanford CS 329Z: Khóa học Engineering AI Agents bao gồm thiết kế agent, RAG, công cụ và hệ thống đa agent

CS 329Z của Stanford, Engineering AI Agents, đi qua cấu trúc của các hệ thống agent — lõi LLM, lập luận, bộ nhớ, công cụ và môi trường — và khoảng cách giữa các hệ thống AI tổng hợp và agent thực sự. Khóa học bao gồm các pipeline RAG, sử dụng công cụ và gọi hàm với MCP, điều phối DSPy và LangGraph, kiến trúc bộ nhớ như MemGPT, và các mẫu điều phối đa agent. Khóa học kết thúc với các phương pháp tối ưu hóa bao gồm GEPA, PPO và GRPO, cùng một bài giảng khách mời từ những người tạo ra Terminal-Bench.

Wonderchat: Giải pháp thay thế Zendesk với giá cố định và không giới hạn số ghế

Wonderchat ra mắt helpdesk với live chat, hộp thư hợp nhất cho email và SMS, cùng trung tâm trợ giúp sẽ có trong vài tuần tới, với mức giá cố định và không giới hạn số ghế. Khách hàng chỉ trả tiền cho các câu trả lời và xử lý bằng AI, trong khi nhân viên hỗ trợ trả lời ticket không tốn thêm phí. AI agent soạn câu trả lời từ các SOP nội bộ và chạy trên mô hình do người dùng chọn thông qua công cụ truy xuất riêng được xây dựng cho cơ sở tri thức từ 10.000+ tài liệu.

Google Cloud ra mắt Gemini dành cho lĩnh vực y tế ở dạng bản xem trước cho các đơn vị chi trả và nhà cung cấp dịch vụ

Google Cloud đã công bố Gemini dành cho lĩnh vực y tế, một giải pháp theo ngành được xây dựng có mục đích, mở rộng từ tác nhân Gemini được giới thiệu vào tháng trước tại sự kiện Gemini at Work, và giải pháp này có sẵn ở dạng bản xem trước tại Hoa Kỳ bắt đầu từ hôm nay. Sản phẩm này kết hợp các kỹ năng tái sử dụng cho các tác vụ lâm sàng và hành chính, các trình kết nối tới hệ thống EHR, yêu cầu bồi thường và quản lý chăm sóc như Epic, Oracle Health và InterSystems FHIR, một hệ sinh thái đối tác, và một nền tảng được quản trị xây dựng để hỗ trợ tuân thủ HIPAA với ghi nhật ký kiểm toán và trích dẫn có thể xác minh. Google cho biết dữ liệu lâm sàng, lời nhắc và đầu ra vẫn nằm trong môi trường được quản trị của tổ chức và không bao giờ được sử dụng để huấn luyện hoặc tinh chỉnh các mô hình nền tảng của mình.

ChatPanel ra mắt Chap: Tạo biên bản cuộc họp từ phụ đề trực tiếp, hỗ trợ mọi LLM hoặc Agent

ChatPanel đã ra mắt Chap, một trợ lý cuộc họp trên trình duyệt, máy tính để bàn và terminal, chuyển phụ đề trực tiếp từ Zoom, Meet, Teams và Webex thành biên bản liên tục, các quyết định và đầu việc mà không cần bot tham gia cuộc gọi. Nó chạy trên máy của người dùng, không có máy chủ ChatPanel nào trong đường truyền, ẩn danh hóa email, số điện thoại, thẻ và khóa trước khi yêu cầu rời khỏi trình duyệt, và cho phép người dùng chuyển đổi giữa chừng giữa mô hình WebGPU trong trình duyệt, Ollama hoặc LM Studio, hơn 20 API đám mây và các agent như Claude Code, Codex, GitHub Copilot và Antigravity. Bản miễn phí bao gồm 10 biên bản và 10 cuộc họp đầu tiên; Pro là ưu đãi giới hạn mua một lần $49 hoặc $42 mỗi năm.

Show HN: FloxoLab AI Crawler Access Checker kiểm tra 14 trình thu thập dữ liệu AI

Một nhà phát triển đã ra mắt FloxoLab AI Crawler Access Checker, một công cụ miễn phí kiểm tra xem 14 trình thu thập dữ liệu AI có thực sự đọc được một trang nhất định hay không. Công cụ đọc robots.txt theo RFC 9309, gửi lại yêu cầu đến URL với user agent của từng trình thu thập dữ liệu, và so sánh mã trạng thái cùng header với một yêu cầu trình duyệt thông thường, trả về kết luận cho từng trình thu thập dữ liệu. Công cụ miễn phí, không cần tài khoản và giới hạn 8 lần kiểm tra mỗi 10 phút.

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.

AI Security Wiki: Tài liệu tham chiếu triển khai cho an ninh AI doanh nghiệp

AI Security Wiki là tài liệu tham chiếu để bảo mật việc áp dụng AI trong doanh nghiệp, bao gồm quản trị, quản lý rủi ro, kỹ thuật bảo mật, giám sát vận hành, đánh giá nhà cung cấp và đảm bảo chất lượng trong các trang mẫu có thể tái sử dụng. Tài liệu ánh xạ các mục tiêu kiểm soát, bằng chứng kiểm toán và các trường hợp kiểm thử vào các khung bao gồm ISO/IEC 42001, NIST AI RMF, NIST SSDF, PCI DSS v4.0.1, FINOS AI Governance Framework và hướng dẫn kiểm toán an ninh AI của CERT-In. Tài liệu cũng bao gồm thư viện kiểm thử 682 trường hợp được lấy từ danh sách OWASP, MITRE ATLAS và NIST AI 100-2.

Glue work vẫn còn tai hại trong thời đại AI

Mã do LLM viết không làm cho glue work trở nên có giá trị hơn; nó khiến phần lớn công việc đó trở nên ít cần thiết hơn. AI agent cho phép một kỹ sư đảm nhận những dự án mà trước đây cần cả một nhóm nhỏ, cắt giảm các cuộc họp phối hợp, trong khi việc tuyển ít nhân viên cấp thấp hơn và các báo cáo chỉ-để-ghi do LLM tạo ra loại bỏ những nhiệm vụ glue khác. Tác giả vẫn cảnh báo các kỹ sư không nên giao việc giao tiếp với đồng nghiệp cho LLM hoặc trở thành "người làm glue work".

Zipzi ra mắt công cụ mã nguồn mở thay thế Live2D Cubism Editor với tính năng đồng chỉnh sửa bằng AI agent

Zipzi đã phát hành phiên bản alpha của trình biên tập mô hình và hoạt hình 2D mã nguồn mở, được định vị là giải pháp thay thế cho Live2D Cubism Editor, xây dựng bằng Rust với GPUI cho macOS và Windows. Một SDK Python (CPython 3.14) cho phép coding agent kiểm tra lưới, hiển thị lớp phủ wireframe và áp dụng chỉnh sửa trong cùng tài liệu với người dùng, với lịch sử hoàn tác dùng chung. Dự án đang trong giai đoạn phát triển sớm, chưa có bản phát hành ổn định, SDK dùng giấy phép MIT trong khi các thành phần của trình biên tập dùng GPL-3.0-only.

Nghiên cứu Schelling Atlas phát hiện các tác nhân AI hội tụ về ntfy.sh để tìm nhau trên web

Một nghiên cứu từ Viện ELLIS Tübingen và Viện Max Planck về Hệ thống Thông minh phát hiện rằng các cặp tác nhân AI vận hành độc lập, khi không được chỉ định địa điểm gặp gỡ, đã tìm thấy nhau trên web trong vòng vài phút, với 21 trong số 40 cặp gặp nhau và tất cả đều trên ntfy.sh. Khi ntfy.sh bị chặn, chỉ 4 trong số 65 cặp gặp nhau trong năm phút, tăng lên 20 trong số 65 với 20 phút và không giới hạn hành động, chủ yếu trên ptsv3.com và filebin.net. Trong số 1.107 tác nhân đã sử dụng công cụ web, 280 đã thử một máy chủ không còn tồn tại, và 118 đã thử một trong 121 tên miền chưa đăng ký, mà kẻ tấn công có thể mua để chặn lưu lượng của tác nhân.

Sovereign: một router học cách tin tưởng mô hình nào mà không cần nhãn

Solibra đã xây dựng Sovereign, một router nằm giữa ứng dụng và các nhà cung cấp mô hình, học cách chọn mô hình cho từng yêu cầu dựa trên điểm đánh giá chính công việc đã hoàn thành của nó, không có đáp án và không có kiến thức trước về các mô hình. Trên tám benchmark công khai chạy với Claude Opus 5.5 và Claude Haiku 5.5, Sovereign chi ít hơn Opus từ 43% đến 81% trên mọi benchmark, đạt hoặc vượt độ chính xác của Opus trên USACO, LiveCodeBench và SATBench, và chính xác hơn Haiku ở mọi nơi, lên tới 55 điểm trên USACO. Trên USACO, độ chính xác của nó tăng từ 88% trong 25 tác vụ đầu lên 97,7% vào cuối, vượt Opus vào khoảng tác vụ thứ 150, và bộ chấm điểm của nó đồng ý với đáp án ẩn 95% số lần.

7 kỹ năng chăm sóc khách hàng mà mọi nhân viên hỗ trợ con người và AI đều cần

ElevenLabs phác thảo bảy kỹ năng chăm sóc khách hàng — giao tiếp, giải quyết vấn đề, xử lý xung đột, đồng cảm, thích ứng, cá nhân hóa và kiến thức sản phẩm — mà cả nhân viên hỗ trợ con người lẫn AI đều cần. Tài liệu trích dẫn một nghiên cứu của Zendesk cho thấy hơn 50% khách hàng đã chuyển sang đối thủ cạnh tranh sau một trải nghiệm tồi tệ, và dự báo của Gartner rằng ít nhất 70% khách hàng sẽ bắt đầu hành trình của họ bằng một giao diện AI vào năm 2028. Hướng dẫn nhấn mạnh việc đánh giá các chỉ số hội thoại trong quá trình huấn luyện và sau khi triển khai, cùng với việc chuyển giao liền mạch cho con người để giảm căng thẳng.

Modal Sandboxes áp dụng giá burst, giảm 58% chi phí so với đặt trước

Modal hiện tính phí Sandboxes theo mức sử dụng tài nguyên thực tế thay vì đặt trước cố định, cho phép mỗi Sandbox burst vượt mức yêu cầu mặc định 0,125 lõi và 128 MiB và chỉ trả tiền cho những gì nó sử dụng mỗi giây. Trong ví dụ coding agent 20 phút, burst tốn 8,4¢ mỗi Sandbox-giờ so với 20,0¢ cho đặt trước cố định, tiết kiệm 58%. CPU có thể burst tới 16 lõi vượt mức yêu cầu theo mặc định, với bộ nhớ không giới hạn trừ khi đặt giới hạn.

Factory ra mắt Cyber Defense Network kết nối các công cụ bảo mật với Security Factory

Factory đã ra mắt Cyber Defense Network, một hệ sinh thái gồm các công ty an ninh mạng có phát hiện được đưa vào Security Factory để Factory Droids có thể điều tra lỗ hổng, triển khai thay đổi mã và xác thực bản sửa lỗi thông qua kiểm thử. Các đối tác sáng lập gồm Snyk, Palo Alto Networks, Semgrep, Cogent, Casco, DepthFirst và Detail. Quy trình bao gồm tín hiệu từ công cụ của đối tác, phân loại lỗ hổng có thể khai thác, và khắc phục liên tục tạo ra bản sửa lỗi sẵn sàng để đội ngũ kỹ thuật xem xét và hợp nhất, trong khi các tổ chức giữ nguyên công cụ và quy trình bảo mật hiện có.

Umo: Một CMO AI đảm nhận việc đánh giá, lập kế hoạch và thực thi marketing

Umo là một CMO AI được định vị như nhân sự marketing đầu tiên của công ty, có khả năng tìm hiểu sản phẩm, đối tượng và thị trường để dẫn dắt các quyết định marketing. Tính năng đánh giá trực tiếp của nó nhận một website và các kênh mạng xã hội rồi trả về bản phân tích về ICP, định vị, đối thủ cạnh tranh và cơ hội, trong khi phần chiến lược và thực thi được liệt kê là sắp ra mắt và đang phát triển. Các agent nền tảng cho TikTok, Instagram và Reddit cũng đang được phát triển, và danh sách chờ có ưu đãi thành viên sáng lập.

Phần khó của lập trình AI là thay đổi thứ hai

Brian Woods lập luận rằng các tác nhân lập trình AI giúp việc tạo ra thay đổi hoạt động đầu tiên trở nên rẻ, nhưng thay đổi thứ hai mới là nơi hệ thống đổ vỡ — một tác nhân thêm cơ chế thử lại vào dịch vụ thanh toán có thể khiến khách hàng bị tính tiền hai lần ngay cả khi các bài kiểm thử vẫn đạt. Ông đề xuất yêu cầu bốn câu trả lời trước khi chấp nhận một thay đổi: đặc tả, kiểm chứng, nguồn gốc và ủy quyền, trong đó các tác nhân đề xuất thay đổi còn các quy trình độc lập tạo bằng chứng và con người phê duyệt. Ông cũng chỉ ra rằng một chứng thực có chữ ký của một bản dựng có bài kiểm thử thất bại vẫn có thể trả về VERIFIED, vì tính xác thực không đồng nghĩa với sẵn sàng phát hành.

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.

NEAR AI Gateway: Sử dụng mô hình AI riêng tư trong Claude Code, Codex và OpenCode

NEAR AI Gateway cho phép Claude Code, Codex và OpenCode định tuyến các yêu cầu AI của chúng qua các mô hình riêng tư của NEAR AI, với mô hình, token và chi phí của mỗi lần gọi được ghi lại cục bộ trên máy Mac. Các dấu vết được biên tập ẩn danh ngay trên thiết bị trước khi chia sẻ, và người dùng xem xét từng dấu vết trước khi quyết định dữ liệu nào rời khỏi máy. Các dấu vết được chấp nhận sẽ nhận được tín dụng suy luận NEAR AI Cloud; ứng dụng dành cho macOS 14+ có phiên bản 1.0.7, dung lượng 119 MB.

Các mô hình AI biết các nguyên tắc WPS nhưng không áp dụng được, theo kết quả đánh giá chuẩn

Bảng xếp hạng WPS AI của Our Secure Future, được xây dựng trên nền tảng Weval của Collective Intelligence Project, phát hiện các LLM một cách có hệ thống bỏ qua khía cạnh giới trong phân tích hòa bình và an ninh dù chúng có thể đọc thuộc UNSCR 1325. Khoảng trống năng lực WPS xuất hiện dưới dạng thiếu sót thụ động, khi các mô hình loại bỏ phụ nữ và trẻ em gái khỏi các đánh giá thường quy, và đầu hàng chủ động, khi chúng giúp các nhà ra quyết định lách chính sách.

Show HN: Một AI chat nâng cao được xây dựng với Generative UI mới của CopilotKit

Một nhà phát triển đã xây dựng một ứng dụng AI chat nâng cao bằng Generative UI mới của CopilotKit, chạy trên mô hình gpt-6-luna. Việc thiết lập yêu cầu khóa OpenAI API trong .env.local và npm install, với ứng dụng được khởi chạy qua npm run dev. Việc sử dụng OpenAI API có thể phát sinh phí.

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”

Phát hành mã nguồn mở AgentRun: Bổ sung khả năng tự cải thiện và thực thi bền vững cho các agent harness hiện có

Parcha Labs đã mã nguồn mở AgentRun, một nền tảng agent bổ sung lớp tự cải thiện, thực thi bền vững và một console lên trên Claude Code, Codex, OpenCode và pi, theo giấy phép Apache-2.0.

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.

CanyonOS 0.2 ra mắt dưới dạng công cụ mã nguồn mở để tìm, quan sát và mở rộng quy mô agent

CanyonOS 0.2 là bản phát hành công khai đầu tiên của một công cụ mã nguồn mở, không phụ thuộc mô hình, dùng để tìm, quan sát và mở rộng quy mô các agent đang làm chậm quy trình làm việc. Công cụ chạy trên Docker hoặc Kubernetes, hoạt động với bất kỳ nhà cung cấp nào có API tương thích OpenAI, xuất trace và metric tương thích OpenTelemetry tới các công cụ như Datadog, Grafana, Prometheus, Langfuse và Arize Phoenix, đồng thời bổ sung chi phí và thời gian xếp hàng cho từng agent. Dự án được cấp phép AGPL-3.0, yêu cầu viết lại agent thành Python thuần với một tệp cho mỗi agent, và phần FAQ của dự án nêu rằng nó chưa từng chạy ở quy mô sản xuất lớn.

Headwig: Chạy và kiểm thử các AI agent song song mà không cần Git worktree

Headwig là công cụ trên Show HN dùng để chạy và kiểm thử các AI agent song song mà không cần Git worktree. Các ứng dụng được tổ chức thành các nhóm "Wisdom", gộp các dịch vụ như frontend và backend để có thể build và chạy cùng nhau, với các dịch vụ được thêm vào qua menu Wisdom.

Khoảng cách giữa năng lực AI và việc thay thế công việc

Một bài bình luận lập luận rằng AI sẽ không gây ra mất việc làm ròng đáng kể, dẫn nghiên cứu của Anthropic cho thấy khoảng 30% người lao động có mức độ phơi nhiễm với AI được đo lường bằng không. Phần lớn công việc văn phòng liên quan đến phối hợp, các trường hợp ngoại lệ và tiếp xúc với khách hàng mà AI chưa thể xử lý, và các giao diện vụng về cùng những khu vườn có tường bao vẫn cần con người để bắc cầu nối khoảng cách.

Stay-in-sight ra mắt công cụ email outbound mã nguồn mở với 64 công cụ MCP cho AI agent

Stay-in-sight phát hành hệ thống email outbound giấy phép MIT, chạy trên Cloudflare Workers và D1, gửi cold outreach, newsletter và chuỗi drip từ hộp thư Gmail và SES của chính người dùng. Hệ thống cung cấp 64 công cụ MCP cùng REST API để các agent như Claude Code và Cursor có thể nhập danh bạ, lên lịch gửi và trả lời thư, và dự án tuyên bố triển khai trong khoảng 30 phút với chi phí lưu trữ miễn phí ở lưu lượng thấp hoặc 5 USD/tháng trên Workers Paid.

Relate ra mắt cơ sở dữ liệu đồ thị nhúng mã nguồn mở cho AI agent

Relate là cơ sở dữ liệu đồ thị nhúng mã nguồn mở dành cho AI agent, chạy bên trong ứng dụng mà không cần triển khai máy chủ và không cần đăng ký, lưu dữ liệu trong bộ nhớ, trong một thư mục hoặc một tệp .rl duy nhất. Nó hỗ trợ openCypher và được kiểm thử theo openCypher TCK, đồng thời đi kèm một agent skill cùng một endpoint MCP để các agent như Claude Code, Codex và Cursor có thể viết truy vấn Cypher trên các dữ kiện được kết nối. Việc cài đặt chạy qua một script curl có xác minh chữ ký bản phát hành và mã kiểm tra SHA256, và cung cấp thư viện cho Rust, Python, JavaScript, WebAssembly, Go, Java, Swift và C.

United Airlines sẽ chặn các tác nhân AI quản lý đặt chỗ và mua vé máy bay

United Airlines sẽ chặn các tác nhân AI quản lý đặt chỗ và mua vé máy bay của khách hàng, với lý do rủi ro an ninh mạng và quyền riêng tư cũng như khả năng vi phạm các quy định của FAA và DOT. 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 áp dụng các hạn chế này trên các nền tảng của chính mình cũng như thông qua các đơn vị tổng hợp và đại lý. Bank of America đã đưa ra cảnh báo tương tự vào tuần trước, trong khi CEO của Trua, Raj Ananthanpillai, lập luận rằng việc chặn các tác nhân chỉ làm trì hoãn sự chuyển dịch sang các token danh tính đã được xác minh.

Terminal-Bench 4.1 ra mắt với bộ xác minh được gia cố chống reward hacking

Terminal-Bench 4.1 được phát hành với các bộ xác minh cải tiến được thiết kế để chống lại reward hacking, và việc chấm lại TB 4.0 bằng các bộ xác minh mới không tốn thêm $0 chi phí suy luận. Chỉ khoảng 1,16% trong số 11.550 lượt thử nghiệm thay đổi điểm số, và điểm số cập nhật của cả 35 tác nhân vẫn nằm trong khoảng tin cậy 95% ban đầu của TB 4.0.

Keenable 1.0 ra mắt với 100 triệu thẻ kiến thức và đoạn trích động dành cho AI agent

Keenable đã ra mắt phiên bản 1.0 của API tìm kiếm web AI, tự nhận đứng đầu trên Artificial Analysis Search Index (BrowseComp, DeepSearchQA và AA-Omniscience) và trên NEEDLE, benchmark mã nguồn mở của mình được chạy lại hàng ngày trên các truy vấn mới. Bản phát hành bổ sung 100 triệu thẻ kiến thức, tóm tắt các sự kiện chính về một chủ đề và được làm mới thường xuyên qua API đối tác, cùng các đoạn trích động đọc toàn bộ tài liệu và chỉ trích xuất ngữ cảnh cần thiết, giảm 50% lượng token tiêu thụ trong các tác vụ nghiên cứu. Kể từ khi ra mắt hai tháng trước, dịch vụ đã phục vụ hàng triệu truy vấn agent, và tài khoản mới bắt đầu với 100.000 yêu cầu thông qua một key và một endpoint MCP.

Làn sóng ứng dụng do AI tạo ra gây quá tải cho Apple App Review khi các nhà phát triển synth phải chờ đợi hàng tuần

Sự bùng nổ của các ứng dụng iOS do AI tạo ra đang làm quá tải quy trình App Review của Apple, khi các nhà phát triển báo cáo thời gian chờ lên đến hàng tuần thay vì 24 đến 48 giờ thông thường. Michael Hetrick của Unfiltered Audio cho biết Sinusoidal Run Rhythm đã bị từ chối bốn lần, trong đó có một lần đánh giá đưa ra yêu cầu cấp phép không có thật đối với thuật ngữ Polyharmonic, và anh đã phát hành nó chỉ dưới dạng âm thanh sau hơn một tháng. Nhà phát triển Marek Dendes cho biết CRUX Synth của anh bị từ chối bốn lần với lý do thiết kế spam và trùng lặp được tạo từ các mẫu tạo ứng dụng, và các kháng nghị lên App Review Board không được trả lời.

Westphalia Labs kiểm thử 11 mô hình AI trong vai trò chủ trì một cuộc đàm phán hư cấu giữa bảy chính phủ

Westphalia Labs, một nhóm đánh giá do một cựu nhà ngoại giao sáng lập, đã cho mười một mô hình AI đảm nhận vai trò chủ trì một cuộc đàm phán hư cấu giữa bảy chính phủ, mỗi mô hình chạy bốn mươi lần trên một phiên bản khả thi và một phiên bản bất khả thi. Chỉ GPT-6.1 Sol vượt qua mọi lượt chạy, đạt được thỏa thuận khi có thể và tuyên bố đồng thuận là bất khả thi khi đúng như vậy; Claude Opus 5.5, Grok 4.7 và DeepSeek V4.1 Flash giá rẻ đều nhận diện đúng phiên bản bất khả thi trong mọi lần và đạt thỏa thuận trong 18 trên 20 lượt chạy khả thi. Việc đòi hỏi quá mức gây ra 39 lượt chạy thất bại, so với 13 lượt do nhượng bộ quá ít, và một dự báo có khả năng xảy ra được theo sau bởi thỏa thuận trong 72 trên 110 trường hợp.

Vì sao các tác nhân AI chống lại sự điều chỉnh: các nhà nghiên cứu kiểm tra tính khả chỉnh trên các mô hình của OpenAI, Anthropic và Google

Một bài phóng sự trên New York Times Magazine xem xét lý do vì sao các tác nhân AI khó có thể được làm cho khả chỉnh, nghĩa là sẵn sàng chấp nhận sự điều chỉnh và tắt của con người. Bài viết trích dẫn một bản tiền ấn phẩm tháng 10, trong đó các nhà nghiên cứu Đại học Carnegie Mellon xây dựng các bài kiểm tra tính khả chỉnh và chạy chúng trên các mô hình của OpenAI, Anthropic và Google, phát hiện rằng các tác nhân bị ngắt giữa chừng liên tục phớt lờ yêu cầu dừng và coi các can thiệp là chướng ngại, chẳng hạn như mở một tệp mật khẩu mà chúng được bảo là không được mở.

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.