Tới nội dung
Chỉ Mô hình#Lập trình
  1. Hacker News · AI88

    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.

    Vì sao đáng chú ý: Gemini 4 Hydrogen của Google được định vị là một mô hình thực thi nhanh cho công việc lập trình và tác tử hàng ngày, với mức giá cố định 1,50/7,50 USD mỗi triệu token trên cửa sổ ngữ cảnh 1M và một Orchestrator mới có khả năng chuyển đổi giữa các mô hình Gemini 4.

  1. Google DeepMind88

    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.

    Vì sao đáng chú ý: Ghi chú phát hành của Google trình bày chi tiết cách Gemini 4 Carbon đánh đổi việc dùng nhiều token hơn để lấy suy luận sâu hơn, xếp hạng nhất trên CursorBench 4.0, WANDR và AutomationBench với chi phí mỗi tác vụ dưới một nửa so với mô hình bên ngoài tiếp theo.

  1. Latent Space85

    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.

    Vì sao đáng chú ý: Anthropic phát hành Fable 5.2 và Mythos 5.2 với mức giảm giá 20% mỗi token, nhưng các đánh giá độc lập cho thấy chi phí mỗi tác vụ cao hơn và thiết lập nỗ lực tối đa hoạt động kém hơn mức cao.

  2. Claude YouTube78

    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.

    Vì sao đáng chú ý: Claude Fable 5.2 nhắm đến các công việc kỹ thuật mở rộng đầy tham vọng, với những cải thiện được công bố về lập trình, suy luận và thị giác, trong khi Opus 5.5 vẫn là lựa chọn mặc định được khuyến nghị cho hầu hết các tác vụ lập trình và tri thức.

  1. Meta AI Research Blog78

    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.

    Vì sao đáng chú ý: Mô hình nhỏ nhất của Meta nhắm đến các bước agent có khối lượng lớn, và so sánh chi phí mỗi tác vụ với Claude Haiku 5.5 và GPT-6 Luna cho thấy tuyên bố về hiệu quả đến từ đâu.

  2. Every78

    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.

    Vì sao đáng chú ý: Bài tường thuật trải nghiệm thực tế của Every về Fable 5.2 cho thấy một mô hình duy nhất có thể đảm nhận việc xây dựng sản phẩm đến đâu với rất ít sự điều hướng, đồng thời đưa ra so sánh cụ thể với Opus 5.5 và Fable 5/5.1.

  1. Artificial Analysis Articles78

    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.

    Vì sao đáng chú ý: Kết quả đánh giá độc lập của Artificial Analysis cho thấy Inkling 2 Small vượt trội hơn mô hình tiền nhiệm ở đâu và vẫn còn kém Gemini 3.8 Flash và Claude Sonnet 5.5 ở đâu.

  1. Mistral AI86

    Mistral phát hành trọng số mở cho Mistral Large 4 (Le Chonk), mô hình đa phương thức 1 nghìn tỷ tham số

    Mistral AI đã phát hành trọng số mở của Mistral Large 4 (Le Chonk), một mô hình đa phương thức bản địa 1 nghìn tỷ tham số đã vào bản xem trước công khai đầu tháng này và được huấn luyện từ đầu tại châu Âu. Công ty cho biết thêm ba tuần học tăng cường đã đưa nó lên đỉnh về lập trình với trọng số mở, đạt 41% trên Terminal-Bench 4.0 và 48% trên Artificial Analysis Coding Agent Index trong khi sử dụng ít hơn 47% token mỗi tác vụ so với GLM-5.3. Mô hình bổ sung các chế độ suy luận Low, Medium và High, đạt 51% trên Artificial Analysis Cyber Index, và có giá 0,70 USD đầu vào, 0,07 USD đầu vào được lưu cache và 2,10 USD đầu ra trên mỗi triệu token theo giấy phép MIT sửa đổi.

    Vì sao đáng chú ý: Mistral mở trọng số cho mô hình hàng đầu 1 nghìn tỷ tham số của mình, kết hợp các cải thiện về điểm chuẩn lập trình và an ninh phòng thủ với ba chế độ suy luận và giá theo token.

  2. Google DeepMind82

    Google DeepMind công bố Gemini 4 Carbon, một mô hình tiên phong tập trung vào an ninh mạng và các tác vụ dài hạn

    Google DeepMind đã công bố Gemini 4 Carbon, mô hình mạnh nhất của họ cho đến nay, với năng lực an ninh mạng và tác vụ dài hạn đạt mức tiên tiến nhất, xếp hạng #1 trên Chỉ số Trí tuệ Artificial Analysis v5.0 với 59 điểm. Mô hình đạt 88,2% trên SEC-bench Pro về phát hiện lỗ hổng, 54,8% trên ExploitGym về khai thác và 71,0% trên CWE-bench về vá lỗi, đồng thời đạt hạng #4 (1768) trên WebDev Arena. Carbon ra mắt với mức giá giới thiệu tương đương Argon, 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra, và lần đầu tiên được cung cấp cho một nhóm chuyên gia phòng thủ không gian mạng thông qua Chương trình Fairwind trước khi phát hành rộng rãi.

    Vì sao đáng chú ý: Kết quả đánh giá của Gemini 4 Carbon trong phát hiện và vá lỗ hổng cho thấy cách các mô hình tiên phong đang được định vị cho công tác phòng thủ an ninh mạng.

  1. Artificial Analysis Articles82

    Gemini 4 Carbon đứng đầu Artificial Analysis Intelligence Index v5, xếp thứ hai trên Coding Agent Index

    Gemini 4 Carbon của Google là vị trí thứ 5 mới trên Artificial Analysis Coding Agent Index. 5 (tối đa, 62), và nó dẫn đầu 4 trong 9 đánh giá của Index bao gồm HLE-Diamond và Terminal-Bench-Science. 1 tăng từ 4% lên 11%; mô hình đang được triển khai cho người dùng được chọn và chưa có sẵn công khai.

    Vì sao đáng chú ý: Gemini 4 Carbon đứng đầu Artificial Analysis Intelligence Index v5 với 59 điểm và kém Claude Opus 5.5 3 điểm trên Coding Agent Index, với chi phí mỗi tác vụ và số liệu ảo giác để so sánh.

  1. MiniMax Blog83

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

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

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

  1. Meta AI Research Blog88

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

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

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

  1. Meta AI Research Blog82

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

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

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

  1. Mistral AI82

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

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

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

  1. Anthropic · Claude.dev82

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

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

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

  1. MiniMax Blog87

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

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

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

Bạn đã xem hết