Tin nổi bật
Gemma 4 12B: Google bỏ vision/audio encoder, mọi modality đi thẳng vào LLM backbone, chạy 16GB VRAM · 7 phút https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemma-4-12b/
Lần đầu một mid-sized multimodal model bỏ encoder riêng cho vision và audio — image được project qua một matrix multiplication + positional embedding, audio raw signal chiếu thẳng vào dimensional space của text token. Kết quả: footprint giảm còn dưới 16GB RAM, performance gần Gemma 4 26B MoE, license Apache 2.0, sẵn weight trên HuggingFace + Kaggle, hỗ trợ trực tiếp llama.cpp / MLX / vLLM / SGLang / Ollama / LM Studio từ ngày phát hành. Multi-Token Prediction drafter đi kèm sẵn để giảm latency cho speculative decoding — không phải hack thêm bằng third-party. Nếu bạn đang chạy Gemma 3 hay E4B cho on-device agent, đây là drop-in upgrade duy nhất cần làm tuần này. Skill repo riêng (github.com/google-gemma/gemma-skills) cho thấy Google đang push hẳn vào agentic dev với Gemma — không chỉ “small + fast”.
Models & Tools
Uber áp trần $1,500/tháng/tool cho AI coding agent — con số đầu tiên cho thấy enterprise đang định giá thật của Claude Code và Cursor · 4 phút https://simonwillison.net/2026/Jun/3/uber-caps-usage/
Uber set hard cap $1,500/employee/tool/tháng cho Claude Code, Cursor và các agentic coding tool khác — sau khi đốt sạch ngân sách AI 2026 trong 4 tháng. Quy thành annual: ~$36k/eng/năm với 2 tool active, ~11% median comp của Uber engineer ($330k theo levels.fyi) — đây là benchmark cụ thể đầu tiên để dev tự đối chiếu spend của mình. Simon Willison confirm $1k/tháng/provider là usage thực của một AI-heavy full-time dev; Pro/Max plan cá nhân subsidize phần lớn, enterprise không có cửa đó.
Hyper (YC P26): company brain dạng episode + fact graph cho agent, supersede chain thay vì rewrite memory · 5 phút https://news.ycombinator.com/item?id=48387095
Hai modality storage: episode là raw source (Slack, Doc, Email, Calendar) giữ nguyên, fact là subject-predicate-object extract ra với timestamp khởi tạo và invalidate; khi “ship Friday” bị contradict bởi “ship Monday”, fact mới supersede fact cũ — không xoá, vẫn truy ngược được lý do quyết định. Retrieval fuse semantic search trên embedding + Postgres FTS qua reciprocal rank fusion, filter theo permission của caller (hai người cùng team query cùng câu vẫn có thể ra answer khác nhau). Tích hợp Claude Code / Cursor / Codex qua lifecycle hook (inject context mỗi prompt, extract fact mỗi response), MCP làm fallback cho tool không expose hook — nếu bạn đã thử MCP và thấy context vẫn lost giữa session, đây là baseline approach mature hơn để study.
Research & Insights
Giá DRAM tăng 80-115%, GoPro ra going-concern warning — AI infra đang ăn supply chain consumer electronics, dev chạy on-prem cần biết · 6 phút https://thenextweb.com/news/gopro-going-concern-ai-memory-crisis-default
Samsung, SK Hynix, Micron đã chuyển wafer capacity từ DRAM consumer (margin 20-30%) sang HBM cho AI datacenter (margin 70%+); GoPro doanh thu giảm 26%, breach loan covenant, đang cân nhắc sale hoặc pivot defense vì giá memory tăng 80-115%. Đây không phải cyclical: CXMT (hy vọng duy nhất từ China cho consumer DRAM) cũng convert 20% capacity sang HBM vì margin quá hấp dẫn. Nếu workload của bạn cần on-prem GPU + RAM (local LLM serving, vector DB self-host, training rig nhỏ), giá hardware sẽ tiếp tục lên trong 6-12 tháng — buffer ngân sách H2 2026 ngay từ giờ.
— tinAI