Tới nội dung
Chỉ Chính chủ#Google
  1. Google DeepMind90

    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%.

    Vì sao đáng chú ý: Gemini 4 Hydrogen của Google nhắm đến lập trình hàng ngày nhanh và công việc tác tử, với giá cố định 1,50/7,50 USD mỗi triệu token trên cửa sổ ngữ cảnh 1M và Orchestrator mới chuyển đổi giữa các mô hình Gemini 4.

  2. Google Blog · AI82

    Google Search nâng cấp toàn cầu lên Gemini 4 Hydrogen

    Google Search đã chuyển toàn bộ người dùng trên toàn thế giới sang Gemini 4 Hydrogen, mà công ty gọi là bản nâng cấp mô hình lớn nhất cho Search từ trước đến nay. Mô hình này cải thiện khả năng hiểu ý định đối với các câu hỏi nhiều phần và nhiều lỗi chính tả, bổ sung khả năng tuân theo chỉ dẫn và gọi công cụ sâu hơn, đồng thời tăng cường query fan-out để hiển thị các liên kết mà người dùng có thể không tìm thấy. Phản hồi cũng trở nên trực quan hơn, với nhiều hình ảnh, bảng so sánh và công cụ tùy chỉnh hơn, trên tất cả các ngôn ngữ AI Mode được hỗ trợ.

    Vì sao đáng chú ý: Bản nâng cấp mô hình lớn nhất từ trước đến nay của Google Search, với Gemini 4 Hydrogen hiện xử lý các câu hỏi nhiều phần, gọi công cụ và query fan-out cho tất cả người dùng trên toàn cầu.

  1. Google Blog · AI78

    Google ra mắt API Gemini Decisions và mô hình Gemini Decision 1 cho các quyết định tập đóng nhanh chóng

    Google đã giới thiệu API Gemini Decisions, được hỗ trợ bởi mô hình Gemini Decision 1 mới (gemini-decision-1) và có sẵn thông qua API Gemini trong Google AI Studio. Một đầu vào đa phương thức duy nhất lên tới 256K token có thể được kiểm tra với tối đa 1.000 câu hỏi có/không, trắc nghiệm và chấm điểm theo tiêu chí trong một lượt truyền xuôi, trả về xác suất và điểm tin cậy với độ trễ đầu-cuối 150-250 ms với giá 0,10 USD trên 1 triệu token đầu vào và không tính phí token đầu ra. Google cho biết mô hình này dẫn đầu bộ tiêu chuẩn đánh giá của họ với sai số hiệu chuẩn thấp nhất và rẻ hơn gần 5 lần so với Gemini 3.5 Flash-Lite với API Interactions; các ứng dụng nội bộ bao gồm định tuyến mô hình trong Gemini Notebook, tạo wireframe trong Stitch và kiểm tra nội dung đối kháng cho các công cụ MCP trong Search.

    Vì sao đáng chú ý: Điểm cuối mới của Google chấm điểm tới 1.000 câu hỏi đa phương thức có/không, lựa chọn và theo tiêu chí trong một lượt với 150-250 ms, mang đến cho việc định tuyến tác nhân và kiểm tra chính sách một giải pháp thay thế rẻ hơn so với các lệnh gọi sinh tạo.

  1. Google DeepMind72

    DeepMind phát hành AlphaGenome 2, mô hình DNA dự đoán tác động của biến thể trong từng loại tế bào cụ thể

    Google DeepMind công bố AlphaGenome 2, mô hình chuỗi DNA thế hệ mới dự đoán cách các chuỗi DNA và biến thể của chúng ảnh hưởng đến các loại tế bào người cụ thể. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình có điều kiện này xác định được gần gấp đôi số biến thể làm thay đổi biểu hiện so với mô hình trước đó, và trên bộ dữ liệu tế bào miễn dịch TenK10K, nó thu hồi được 30% biến thể nhân quả so với 16% của AlphaGenome gốc được tinh chỉnh trên dữ liệu đơn bào. Mô hình có sẵn cho nghiên cứu phi thương mại qua AlphaGenome API và ở chế độ xem trước riêng tư cho nghiên cứu thương mại.

    Vì sao đáng chú ý: AlphaGenome 2 chuyển từ giá trị trung bình trên toàn mô sang điều kiện hóa theo từng tế bào, gần như tăng gấp đôi khả năng thu hồi biến thể nhân quả trên dữ liệu tế bào miễn dịch, điều này quan trọng để liên kết tín hiệu GWAS với các loại tế bào cụ thể.

  2. 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.

  3. NVIDIA Blog60

    NVIDIA đóng góp OpenShell Agent Runtime cho CNCF và bổ sung công cụ DSX Kubernetes

    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.

  4. Google Developers Blog75

    Google phát hành A2UI 1.0, một giao thức mở ổn định cho UI gốc do agent tạo ra

    Google đã phát hành A2UI 1.0, phiên bản ổn định đầu tiên của giao thức mở cho phép các AI agent trả lời bằng màn hình tương tác được hiển thị bởi các thành phần gốc của chính từng ứng dụng. Phiên bản 1.0 bổ sung gọi hàm hai chiều, hỗ trợ trợ năng và siêu dữ liệu mở rộng, cùng các trình kết xuất mã nguồn mở cho React, Angular, Lit, Flutter, SwiftUI và Jetpack Compose (trình kết xuất Compose đang ở 0.9.1 và 1.0 sẽ sớm ra mắt) và SDK agent cho Python, TypeScript và Dart. Atlassian đang đưa A2UI vào Jira, Alation kết xuất các nguồn cấp dữ liệu của mình bằng nó trong Claude, và ByteDance đã phát hành trình kết xuất Lynx vào tháng 6 năm 2026, hiện hỗ trợ 0.9.

    Vì sao đáng chú ý: Giao thức A2UI 1.0 ổn định của Google cho phép agent trả về màn hình tương tác gốc thay vì những khối văn bản, với trình kết xuất cho web, Android và iOS cùng những đơn vị áp dụng sớm gồm Atlassian và ByteDance.

  1. Google DeepMind82

    Google DeepMind giới thiệu AlphaProof Code, chính thức xác minh mã mật mã của Signal

    Các nhà nghiên cứu của Google DeepMind đã sử dụng AlphaProof Code, một khung tác tử đa LLM, để chính thức xác minh các thuộc tính bảo mật quan trọng của mã thực tế nằm bên dưới giao thức Signal. Các tác tử được vận hành bởi Gemini Carbon đã tạo ra hơn sáu triệu dòng Lean, và các chuyên gia con người chỉ xem xét khoảng một phần trăm cơ sở mã; quá trình xác minh mất bốn tuần, một nhiệm vụ mà theo lịch sử các nhóm chuyên gia phải mất nhiều năm. Khi hai lỗi đã được sửa trước đó được đưa trở lại vào một phiên bản cô lập của mã Signal, hệ thống đã tạo ra các chứng minh được máy kiểm tra rằng các phiên bản có lỗi là không an toàn, và DeepMind đang mở mã nguồn các sản phẩm xác minh hình thức của mình.

    Vì sao đáng chú ý: Khung đa tác tử của Google DeepMind đã chính thức xác minh mã mật mã đã triển khai của Signal trong bốn tuần, một nhiệm vụ mà theo lịch sử các nhóm chuyên gia phải mất nhiều năm.

  2. Google DeepMind78

    Google DeepMind phát hành mô hình VLA Gemini Robotics 2.5 cho khả năng khéo léo trong thế giới thực

    Google DeepMind giới thiệu Gemini Robotics 2.5, mô hình thị giác-ngôn ngữ-hành động có năng lực mạnh nhất từ trước đến nay của họ, mở rộng phạm vi kỹ năng mà robot có thể học và tăng tốc độ tiếp thu các kỹ năng đó. Được đánh giá trên 200 nhiệm vụ khác nhau, mô hình đạt tỷ lệ thành công cao hơn 30% đến 100% so với các baseline trước đó đồng thời hoàn thành nhiệm vụ nhanh hơn 20% đến 30%, và trong một thử nghiệm chứng minh khái niệm trên dây chuyền sản xuất của Mercedes-Benz, robot hình người Apollo 2 của Apptronik đã nhặt và đóng gói phụ tùng ô tô với tỷ lệ thành công 96%. Bản phát hành này cũng bổ sung hướng dẫn suy luận tại thời điểm suy diễn cho an toàn vật lý, giúp tăng 33% tỷ lệ hoàn thành nhiệm vụ an toàn khi xung quanh có chướng ngại vật và 43% khi xung quanh có người ở gần, cùng với ASIMOV-Jailbreak, một benchmark mã nguồn mở mà trên đó Gemini 4 Argon đạt khả năng chống jailbreak 99,5%.

    Vì sao đáng chú ý: Gemini Robotics 2.5 đã cải thiện tỷ lệ thành công trên 200 nhiệm vụ thêm 30% đến 100%, và đạt tỷ lệ thành công 96% khi nhặt và đặt trong một thử nghiệm trên dây chuyền sản xuất của Mercedes-Benz, cung cấp dữ liệu tham chiếu để đánh giá việc triển khai thực tế của các mô hình VLA.

  3. Google Developers Blog72

    Google AI Edge Gallery bổ sung nhận dạng giọng nói và chuyển văn bản thành giọng nói trên thiết bị

    Google đã giới thiệu Nhận dạng giọng nói tự động (ASR) và Chuyển văn bản thành giọng nói (TTS) trên thiết bị trong Google AI Edge Gallery, cho phép các ứng dụng chạy ASR đa ngôn ngữ và TTS biểu cảm hoàn toàn ngoại tuyến song song với các SLM trên thiết bị như Gemini Nano và Gemma 4. Trên Android, các mô hình giọng nói mới của ML Kit phiên âm hơn 100 ngôn ngữ với tốc độ gấp 10 lần thời gian thực, đạt Tỷ lệ lỗi từ (Word Error Rate) từ 8,0% đến 9,0% trên FLEURS, trong khi TTS khuếch tán few-step bắt đầu nói trong khoảng 100 ms và tạo âm thanh 24 kHz với tốc độ lên đến gấp 50 lần thời gian thực. Hỗ trợ đa nền tảng đến qua MediaPipe Tasks và LiteRT với các gói trọng số mở bao gồm Parakeet-TDT 0.6B, PocketTTS 100M, Kokoro-82M và Phonon 31M, được trình diễn trong showcase XR Language Teacher và AI Chat hỗ trợ giọng nói.

    Vì sao đáng chú ý: Google bổ sung ASR và TTS hoàn toàn ngoại tuyến vào AI Edge Gallery, với ML Kit báo cáo phiên âm hơn 100 ngôn ngữ ở tốc độ gấp 10 lần thời gian thực và TTS khuếch tán bắt đầu nói trong khoảng 100 ms.

  1. Google Developers Blog60

    Google Cloud MaxText bổ sung song song hóa ngữ cảnh cho huấn luyện ngữ cảnh dài trên TPU

    Google Cloud đã phát hành hỗ trợ huấn luyện ngữ cảnh dài trong MaxText v0.2.4, khung huấn luyện JAX mã nguồn mở của họ, bổ sung bốn chiến lược song song hóa ngữ cảnh trên Cloud TPU: All-gather, A2A (DeepSpeed Ulysses), P2P (Ring Attention) và kết hợp A2A + P2P (USP). Các đánh giá chuẩn với Llama 3.1 8B đạt 70% MFU trên TPU 5p ở độ dài chuỗi lên đến 4 triệu token, và ngữ cảnh mở rộng đến 14 triệu token trên cả TPU 5p và TPU 7, với TPU 7 duy trì 50% MFU dưới 6 triệu token. Bản phát hành có sẵn trên PyPI, trong các Docker image và trên GitHub main, kèm các công thức mẫu cho TPU 7 và TPU 5p.

    Vì sao đáng chú ý: Bốn chiến lược song song hóa ngữ cảnh của MaxText trên Cloud TPU, cùng các số liệu MFU đánh giá chuẩn cho Llama 3.1 8B, mang đến cho các nhóm một tham chiếu cụ thể để lựa chọn cách huấn luyện ở độ dài chuỗi hàng triệu token.

  2. Google Developers Blog62

    Google đưa Pathways lên trạng thái khả dụng chung trên Google Cloud để huấn luyện mô hình lớn

    Google thông báo Pathways, hệ thống huấn luyện phân tán cho các mô hình lớn bao gồm Gemini, đã đạt trạng thái Khả dụng chung trên Google Cloud Platform. Pathways thay thế cách thực thi SPMD đồng bộ bằng một máy khách Python duy nhất khai báo toàn bộ phép tính dưới dạng đồ thị luồng dữ liệu, trong khi một môi trường chạy phân tán đặt các khối lên thiết bị ảo, di chuyển và phân mảnh lại tensor, và sắp xếp công việc trên toàn cụm. Google cho biết thiết kế này cho phép ánh xạ lại một máy chủ bị lỗi sang các chip khỏe mạnh thay vì khởi động lại công việc, và một dịch vụ Pathways dùng chung có thể phục vụ nhiều máy khách từ một cụm.

    Vì sao đáng chú ý: Google giải thích mô hình một bộ điều khiển của Pathways khác với SPMD như thế nào và cách nó xử lý truyền tensor giữa các nhóm, lập lịch và phục hồi khi máy chủ gặp sự cố.

  1. Google DeepMind78

    Google DeepMind phát hành Gemini Omni 1.2 Flash với clip 15 giây và giá thấp hơn 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash, hiện đã được cung cấp rộng rãi trên Gemini API và Gemini for business, với khả năng tạo video gốc dài 15 giây, chỉnh sửa hội thoại nhiều lượt và tuân thủ tham chiếu tốt hơn. Giá giảm 30% so với Gemini Omni 1.1 xuống còn 0,07 USD mỗi giây cho video 720p, và người dùng có thể tạo bản nháp ở 360p hoặc 720p trước khi nâng cấp lên 1080p hoặc 4K. Clip có thể được đặt từ 3 đến 15 giây theo từng bước một giây, và đầu ra mang watermark SynthID không thể nhận biết.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash nâng độ dài clip gốc lên 15 giây và giảm giá 30% xuống còn 0,07 USD mỗi giây video 720p, với tính năng chỉnh sửa hội thoại nhiều lượt hiện đã được cung cấp rộng rãi.

  2. Google Blog · AI80

    Google phát hành Gemini Omni 1.2 Flash với clip 15 giây và giảm giá 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash và cung cấp rộng rãi trên Gemini API và Gemini for business. Mô hình tạo và chỉnh sửa clip gốc dài tối đa 15 giây, tăng từ 10 giây ở Omni 1.1, hỗ trợ chỉnh sửa hội thoại nhiều lượt và giữ tham chiếu nhân vật, sản phẩm và phong cách nhất quán hơn; video 720p hiện có giá 0,07 USD mỗi giây, thấp hơn 30% so với Omni 1.1. Đầu ra mang watermark SynthID và mô hình đang được triển khai trong Flow, Google Vids, ứng dụng Gemini và Google Ads.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash giảm giá 30% xuống 0,07 USD mỗi giây cho video 720p đồng thời mở rộng clip gốc lên 15 giây, mang đến cho các nhóm sản xuất video quy mô lớn một lựa chọn rẻ hơn để so sánh với các phiên bản trước.

  3. Google Research72

    Nhà nghiên cứu Google phát hiện dấu hiệu tăng huyết áp bằng dữ liệu PPG và gia tốc kế trên đồng hồ thông minh, không cần hiệu chuẩn vòng bít

    Google Research đã công bố một nghiên cứu trên Nature về AI-PPG-ACC-HTN, một hệ thống đa phương thức phát hiện dấu hiệu tăng huyết áp từ dữ liệu PPG và gia tốc kế trên đồng hồ thông minh mà không cần hiệu chuẩn vòng bít. Được xác thực đối chiếu với theo dõi huyết áp lưu động 24 giờ trên 196 người tham gia tại năm địa điểm ở Mỹ, hệ thống đạt độ nhạy 65,8% và độ đặc hiệu 90,0% cho sàng lọc ban đầu, và độ nhạy 78,4% cùng độ đặc hiệu 90,9% cho xét nghiệm xác nhận. Các tác giả mô tả công trình này là nghiên cứu khả thi ban đầu, không thay thế vòng bít đo huyết áp ở cánh tay trong lâm sàng cũng không phải chẩn đoán độc lập.

    Vì sao đáng chú ý: Mô hình tăng huyết áp không dùng vòng bít trên đồng hồ thông minh của Google được đánh giá đối chiếu với theo dõi lưu động 24 giờ, cho thấy cách tổng hợp thụ động dữ liệu cảm biến nhiều ngày có thể hỗ trợ sàng lọc cơ hội.

  4. Google Developers Blog60

    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.

    Vì sao đáng chú ý: Phân tích dấu vết quy mô lớn của Google cho thấy các tham chiếu lỗi TODO cũ kéo các tác nhân lập trình vào những chuyến đi lạc không được nhắc đến, và các tác nhân dọn dẹp của họ đã loại bỏ hàng nghìn tham chiếu lỗi thời với tỷ lệ chấp nhận của người đánh giá trên 95%.

  1. Google DeepMind72

    Google Antigravity bổ sung Kỹ năng Tin học Hóa học cho khám phá thuốc bằng tác nhân

    Google DeepMind giới thiệu Kỹ năng Tin học Hóa học cho Google Antigravity, cho phép một tác nhân tìm kiếm tài liệu, tuyển chọn hợp chất, chạy phân tích cặp phân tử khớp, huấn luyện mô hình hiệu lực và đề xuất các macrocycle được làm cứng với lộ trình tổng hợp trong khoảng một giờ, một quy trình mà họ nói trước đây mất nhiều ngày. Các kỹ năng này dựa trên RDKit với các kết nối đến ChEMBL và PubChem, và nhóm đã trình diễn chúng trên các chất tương tự crizotinib và lorlatinib cho ung thư phổi không tế bào nhỏ. Các kỹ năng có sẵn ngay hôm nay thông qua plugin Science của ứng dụng Antigravity, và DeepMind đang cung cấp cho 10.000 nhà khoa học gói sử dụng cao nhất miễn phí trong 6 tháng, tùy thuộc vào điều kiện đủ, công suất và lựa chọn.

    Vì sao đáng chú ý: Google DeepMind trình diễn Kỹ năng Tin học Hóa học của mình trong Antigravity, nén vòng khám phá thuốc kéo dài nhiều ngày xuống còn khoảng một giờ, đồng thời lưu ý rằng các thiết kế vẫn là giả thuyết cần được xác thực trong phòng thí nghiệm.

  1. 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. Anthropic Newsroom71

    Anthropic tặng chuẩn Agent Skills cho Agentic AI Foundation

    Anthropic đang tặng Agent Skills, chuẩn mở giúp cung cấp kiến thức chuyên biệt và quy trình làm việc cho các tác nhân AI, cho Agentic AI Foundation (AAIF) thuộc Linux Foundation. Hơn 70 nền tảng tác nhân bao gồm ChatGPT, Cursor, GitHub Copilot và VS Code đã tích hợp chuẩn này kể từ khi được công bố vào tháng 12 năm 2025, với 1 triệu kỹ năng được công bố và gần 280 triệu lượt cài đặt. Việc tặng bao gồm tên và logo Agent Skills, tổ chức GitHub và tên miền agentskills.io, với các kỹ sư từ Anthropic, Google, OpenAI và các công ty khác duy trì nó với tư cách cá nhân dưới sự dẫn dắt của các Lead Maintainer David Soria Parra và Mahesh Murag.

    Vì sao đáng chú ý: Anthropic trao chuẩn Agent Skills của mình cho AAIF thuộc Linux Foundation, cùng một ngôi nhà trung lập như MCP, mang lại cho cộng đồng tiếng nói chính thức về lộ trình của đặc tả.

  1. Google Developers Blog60

    Google tích hợp TorchTitan vào TorchTPU và phát hành sổ tay tối ưu hóa mô hình TPU

    Google đã phát hành bản fork TPU của TorchTitan do Meta phát triển, cho phép huấn luyện PyTorch trên Cloud TPU thông qua backend torch.device("tpu") gốc của TorchTPU, với các kernel gốc TPU và một playbook tối ưu hóa từng bước. Trên TPU v7x (Ironwood), Llama 3 405B duy trì khoảng 57% MFU từ 128 đến 1.024 chip, Qwen3 235B đạt 32,42% MFU trên một slice 1.024 chip, và FLUX.1 đạt 19,4% MFU trên 1.024 chip với hiệu suất weak-scaling 93%. Bản fork có tại https://github.com/google-pytorch/torchtitan/, và một backend mô hình hóa Transformers cùng một kỹ năng onboarding agent mở rộng cùng trainer này cho các checkpoint khác.

    Vì sao đáng chú ý: Google hợp tác với Meta để chuyển TorchTitan sang TPU, đồng thời đưa ra lộ trình tinh chỉnh từng bước từ FLUX.1 đến Qwen3 235B cùng các con số MFU, có thể dùng làm tài liệu tham khảo cho các nhóm PyTorch đánh giá tính khả thi của huấn luyện trên TPU.