Tin nổi bật
MAI-Thinking-1 — Microsoft tự build reasoning model, không distill, ngang Opus 4.6 SWE-Bench Pro ở 35B-active · 10 phút https://microsoft.ai/news/introducing-mai-thinking-1/
Microsoft chính thức ra MAI-Thinking-1 — reasoning model đầu tiên build end-to-end in-house, không distill từ OpenAI hay bất kỳ frontier model nào khác. Kiến trúc MoE 35B-active / ~1T-total, context 256k, đạt 97.0% AIME 2025 và toe-to-toe với Claude Opus 4.6 trên SWE-Bench Pro mặc dù footprint inference nhỏ hơn nhiều. Quan trọng hơn cả benchmark là blind side-by-side 1,276 task do Surge chấm: rater chuyên nghiệp prefer MAI-Thinking-1 hơn Sonnet 4.6 — tức Microsoft đã ra khỏi cái bóng OpenAI ở mảng reasoning. Đi kèm là “Hill-Climbing Machine”: pipeline khép kín train trên data sạch (loại bỏ AI-generated content khỏi pre-training), chạy trên cluster GB200 in-house, design để mọi component đều climbable qua mỗi vòng RL. Hiện private preview trên Microsoft Foundry, chưa có pricing public — nhưng nếu bạn build enterprise app trên Azure stack, đây là model đầu tiên của Microsoft đáng đo trực tiếp với Claude/GPT thay vì phải qua OpenAI deployment.
Models & Tools
MAI-Code-1-Flash — Microsoft thả model coding nhỏ vào VS Code Copilot, +16 điểm SWE-Bench Pro vs Haiku 4.5 · 5 phút https://microsoft.ai/news/introducingmai-code-1-flash/
Cùng ngày với MAI-Thinking-1, Microsoft tung MAI-Code-1-Flash — lightweight coding model đã đang rollout cho GitHub Copilot individual user trong VS Code (model picker và auto picker). So trên cùng production harness Copilot: 51.2% vs 35.2% trên SWE-Bench Pro, với 60% ít token hơn để giải task SWE-Bench Verified. Adaptive solution length là điểm khác biệt — model tự decide spend bao nhiêu reasoning budget tuỳ task, không phải tuning bằng prompt. Nếu tuần này Copilot auto pick model lạ ra response, có thể bạn đang dùng nó mà chưa biết.
Project Glasswing scale từ 50 lên 150 partner — Anthropic chạy đua trang bị Claude Mythos cho defender trước khi attacker có model tương đương · 4 phút https://www.anthropic.com/news/expanding-project-glasswing
Anthropic mở rộng program từ 50 partner ban đầu (đã tìm 10,000+ critical/high severity vuln trong vài tuần) lên 150 tổ chức ở 15+ quốc gia — phủ thêm power, water, healthcare, communications, hardware. Lý do behind ramp-up nói thẳng trong post: trong 6-12 tháng tới, các AI lab khác sẽ có Mythos-class capability, có thể release không safeguard. Đi kèm tin: Claude Security ra mắt rộng rãi — sản phẩm scan codebase + suggest patch dùng Opus 4.8 cho mọi team, không cần là partner Glasswing. Bottleneck cybersecurity giờ chuyển từ “find vuln” sang “verify, disclose, patch” — đó là chỗ AI tooling cần tiếp.
Research & Insights
Search as Code — Perplexity expose từng primitive search (retrieval, ranking, filter, fanout) thành Python SDK trong sandbox, agent tự sinh code orchestrate · 12 phút https://research.perplexity.ai/articles/rethinking-search-as-code-generation
Perplexity vứt monolithic search pipeline cho agent: thay vì model gọi search API qua function calling/MCP, model sinh Python code chạy trong sandbox có Agentic Search SDK — gọi retrieval, ranking, fanout, render trực tiếp như primitive. Một single inference turn có thể trigger hàng nghìn retrieval operation, không phải xé thành round-trip qua model. Phân tích ba failure mode của search truyền thống (coarse context, không leverage được domain knowledge của model, control flow inefficient) rất sát với thực tế dev xây agent — nếu bạn đang stuck với function calling cho search-heavy workflow, đây là baseline architecture mới cần đọc.
kapa.ai: query-time multimodal RAG không scale, dịch image thành caption ở indexing time mới work · 7 phút https://www.kapa.ai/blog/how-we-index-images-for-rag
Kapa.ai test “send image to model at query time” với GPT 5.1 (+27% cost) và Claude 4.6 Sonnet (+51% cost), payload limit 30 MB chỉ chứa được ~25 image trong khi câu hỏi thực tế reference 20-30 image trung bình (long tail tới 130). Pattern work được: ở indexing time, dùng cheap VLM viết caption cho mỗi image một lần, lưu thành text chunk thường, query-time chỉ retrieve text — overhead còn 1-6% per query, McNemar test confirm answer tốt hơn statistically (p < 0.05) qua 3 project và 2 model. Áp dụng được cho mọi knowledge base có nhiều screenshot/diagram — không cần đợi multimodal embedding model giải quyết.
— tinAI