Trí Hưng

🚨 CĂNG: Những tuần tới có thể chứng kiến sự bùng nổ của hàng loạt model AI!

Những model đáng chú ý sắp xuất hiện: 🔥 GPT-6: Được đồn đoán sở hữu mô hình nền tảng mới ở cấp độ 10 nghìn tỷ tham số, context 1,5 triệu token; nâng cấp tối đa về bộ nhớ, cá nhân hóa và khả năng phối hợp đa tác nhân. 🔥 Fable 5.1: Trí tuệ đạt đỉnh ở cấp độ Mythos, có khả năng tự chủ thực hiện các nhiệm vụ dài hạn, chuyển đổi mã nguồn ở quy mô cực lớn; dẫn đầu về thị giác máy tính và công việc tri thức. 🔥 Opus 6: Trí tuệ gần ngang Fable nhưng có chi phí chỉ bằng một nửa, mang lại hiệu năng trên giá thành cực tốt; tiến hóa mạnh về lập trình, tự động hóa và AI Agent. 🔥 Grok 4.6: 1,5 nghìn tỷ tham số, nâng cấp lớn về SFT và RL, nhanh hơn và chính xác hơn. 🔥 Grok 4.7: 2,1 nghìn tỷ tham số, quy mô lớn hơn, sức mạnh vượt trội hơn và hiệu quả sử dụng token cao hơn. 🔥 Qwen 3.8 27B: Mô hình MoE đa phương thức với tổng quy mô 2,4 nghìn tỷ tham số, context 1 triệu token; một ứng viên mã nguồn mở đang vươn lên mạnh mẽ trong các tác vụ dài hạn. 🔥 Gemini 3.5 Pro: Context siêu dài 2 triệu token kết hợp Deep Think; tối đa hóa khả năng đa phương thức, AI Agent và thực thi tác vụ. 🔥 Kimi K4: Context siêu dài cùng hệ thống Agent Swarm quy mô 300 tác nhân; một “sát thủ” mã nguồn mở dành cho xử lý tài liệu dài và quy trình làm việc tự động. 🔥 DeepSeek V4 Pro – phiên bản chính thức: Mô hình MoE 1,6 nghìn tỷ tham số, kích hoạt 49 tỷ tham số, context 1 triệu token; đạt chuẩn SOTA mã nguồn mở về lập trình và suy luận, với hiệu năng trên giá thành thuộc hàng “vô đối”. Mã nguồn đóng đối đầu trực diện với mã nguồn mở!!!

Nếu bạn đang học AI Workflow với Claude, đừng bỏ qua video này!

Trong 30 phút, một kỹ sư Anthropic chia sẻ cách xây dựng AI có thể: * Tự viết prompt * Tự đánh giá kết quả * Tự cải thiện sau mỗi lần chạy Nội dung chuyên sâu hoàn toàn miễn phí. Lưu lại để xem và học cách xây dựng AI Agent từ chính đội ngũ Anthropic.

DEEPSEEK THẢ V4-FLASH-0731 MIỄN PHÍ, KÈO NÀY CĂNG ĐẤY ANH EM!

Cái này mới đáng hóng này các bác. DeepSeek vừa bung V4-Flash-0731 với tận 284B parameters, và quan trọng nhất: weight được mở để tải về, tự triển khai. • V4-Flash không chỉ được làm như một LLM chat thông thường, mà được post-train tập trung cho coding agent. • Model được tối ưu cho các workflow coding, hỗ trợ Responses API và đạt kết quả rất mạnh trên Terminal Bench 2.1. • Điểm đáng chú ý nhất vẫn là bài toán chi phí: thay vì phụ thuộc hoàn toàn vào các gói AI coding subscription hàng trăm USD/tháng, đội nào có hạ tầng GPU đủ khỏe giờ có thêm lựa chọn tự host. • Nếu hiệu năng thực tế đúng như những benchmark đang được chia sẻ, đây có thể là một đối thủ cực kỳ đáng gờm trong cuộc đua coding model. Quả này có thể gây áp lực khá lớn lên thị trường AI coding. Khi model mạnh ngày càng được mở weight, lợi thế sẽ dần chuyển từ “ai sở hữu model ngon” sang “ai build được agent, workflow và hạ tầng ngon hơn”. Anh em coder chọn phe nào: trả subscription cho tiện hay đầu tư GPU rồi tự host luôn? Link truy cập bên dưới nhé

Gemini 3.8 Flash lần này nâng cấp khá mạnh.

Theo các benchmark ban đầu, model này vượt Opus 5 ở khá nhiều hạng mục, thậm chí một số task còn cho kết quả tốt hơn GPT-5.6 Sol, trong khi chi phí lại thấp hơn gần 10 lần. So với Gemini 3.7 Flash thì đây là một bước tiến khá rõ rệt. Sau một thời gian có vẻ khá yên ắng với Gemini, Google đang bắt đầu tăng tốc trở lại trong cuộc đua AI. Điểm mình thích không chỉ nằm ở giá model. Nếu đang dùng các gói Gemini AI của Google thì chắc nhiều bạn cũng nhận ra quota/usage được cấp khá thoải mái. Xét riêng khoản này, Google hiện thuộc nhóm hào phóng nhất thị trường. Mình đã thử với một số công việc thực tế như viết content, phân tích thông tin, SEO và Marketing thì kết quả khá ấn tượng, đặc biệt nếu tính cả tốc độ lẫn chi phí. Anh em đang dùng Gemini 3.8 Flash thử đem chính workflow hằng ngày của mình ra test xem sao. Có khi đây lại là một lựa chọn ngon hơn nhiều so với những model đắt tiền mà chúng ta đang dùng.

OpenAI cho biết AI đã giải được bài toán Navier–Stokes

Bài toán Navier–Stokes là gì? Đây là một trong bảy Bài toán Thiên niên kỷ do Viện Toán học Clay công bố. Mỗi bài toán có giải thưởng 1 triệu USD cho người giải được. Navier–Stokes nghiên cứu chuyển động của: * Nước và các chất lỏng * Không khí và các chất khí Câu hỏi chính là: > Một dòng chảy ban đầu ổn định có luôn ổn định theo thời gian, hay có thể xuất hiện một điểm khiến vận tốc tăng lên vô hạn? Điểm này được gọi là điểm kỳ dị. OpenAI đã công bố điều gì? Ngày 8/9/2026, OpenAI cho biết một hệ thống AI nội bộ đã tạo ra lời giải cho bài toán này. Theo OpenAI, AI đã chứng minh rằng: * Một dòng chảy ban đầu rất ổn định vẫn có thể xuất hiện điểm kỳ dị. * Điểm kỳ dị có thể hình thành trong thời gian hữu hạn. * Tổng năng lượng của dòng chảy vẫn ở mức hữu hạn. Có thể hình dung hiện tượng này giống như: > Một sợi mì spaghetti bị kéo dài và mỏng dần. Đồng thời, nó xoáy ngày càng mạnh cho đến khi xuất hiện điểm kỳ dị. Hệ thống AI hoạt động như thế nào? OpenAI cho biết: Khoảng 10.000 tác nhân AI* đã phối hợp làm việc. Quá trình tính toán kéo dài khoảng 88 giờ*. Hệ thống sử dụng một mô hình mạnh hơn GPT-6 Astra*. Chi phí tính toán lên tới hàng triệu USD*. OpenAI cũng công bố: Bản chứng minh dài khoảng 165 trang*. Phiên bản được viết bằng Lean*, để máy tính kiểm tra từng bước logic. Công ty không có ý định nhận khoản tiền thưởng 1 triệu USD*. Kết quả đã được công nhận chưa? Chưa. Viện Toán học Clay và các nhà toán học trên thế giới vẫn đang kiểm tra độc lập bản chứng minh. Nếu được xác nhận, đây sẽ là Bài toán Thiên niên kỷ thứ hai được giải, sau giả thuyết Poincaré. Tranh luận về quyền ưu tiên Trước đó, Tristan Buckmaster của Đại học New York và Levent Alpöge của Anthropic cũng đã công bố những kết quả liên quan đến các phương trình Euler và Boussinesq, với sự hỗ trợ của AI. Buckmaster đặt câu hỏi liệu OpenAI có biết hướng nghiên cứu của nhóm ông và dùng sức mạnh tính toán để hoàn thành nhanh hơn hay không. OpenAI phủ nhận việc truy cập: * Dữ liệu người dùng * Các chứng minh chưa công bố * Tài liệu riêng của nhóm nghiên cứu Câu hỏi lớn hơn Nếu chứng minh được xác nhận, điều quan trọng nhất có thể không phải là giải thưởng 1 triệu USD. Điểm đáng chú ý là AI đã trực tiếp tham gia xây dựng một chứng minh toán học rất phức tạp. Điều này đặt ra một câu hỏi mới: > Khi hàng nghìn AI cùng làm việc, còn con người thiết kế hệ thống, chọn mục tiêu và kiểm tra kết quả, công lao khoa học nên được ghi nhận như thế nào?

Trước khi gia nhập Anthropic, Andrej Karpathy thường xuyên có các public commit trên GitHub. Tuy nhiên, kể từ đó, tần suất cập nhật công khai đã giảm đi khá nhiều.

Đây cũng là điều dễ hiểu, bởi khi làm việc tại các công ty AI hàng đầu, phần lớn công việc thường diễn ra trong các repository nội bộ, các dự án nghiên cứu chưa công bố hoặc những sản phẩm vẫn đang trong giai đoạn phát triển. Dù vậy, với một nhân vật có sức ảnh hưởng lớn và rất năng động trong cộng đồng AI như Karpathy, sự thay đổi này vẫn khiến không ít người để ý. 😅