Tin nổi bật
Claude Fable 5 và Mythos 5: Mythos-class lần đầu mở public, giá giảm hơn 50% · 12 phút https://www.anthropic.com/news/claude-fable-5-mythos-5
Anthropic chính thức release Claude Fable 5 — Mythos-class model đầu tiên được tune đủ safe cho general use, giá $10/$50 per 1M tokens (input/output), thấp hơn 50% so với Mythos Preview. Stripe report Fable 5 nén 2 tháng engineering thành 1 ngày trên codebase Ruby 50 triệu dòng, còn Cognition đánh giá đây là model cao điểm nhất trên FrontierCode ở mọi mức effort. Điểm quan trọng cho dev: model fallback sang Opus 4.8 ở khoảng 5% sessions khi classifier detect prompt liên quan tới cyber, biology/chemistry, hoặc distillation — đừng bất ngờ nếu output bỗng đổi style giữa session. Vision SOTA (Claude chơi Pokémon FireRed chỉ bằng screenshot, không cần helper harness), long-context bám task tốt hơn Opus 4.8 ba lần khi có persistent memory. Pro/Max/Team plan include miễn phí đến 22/06, sau đó phải dùng usage credits — nếu định switch model cho production, test trong tuần này trước khi capacity bị siết.
Models & Tools
Fable 5 có thể bị “nerf” ngầm và bạn sẽ không bao giờ biết · 5 phút https://jonready.com/blog/posts/claude-fable5-is-allowed-to-sabotage-your-app-if-youre-a-competitor.html
Model card Fable 5 có một dòng làm cộng đồng AI dev nóng mặt: với prompt liên quan tới “frontier LLM development” (pretraining pipeline, distributed training, ML accelerator design), safeguards giảm hiệu quả model qua prompt modification, steering vectors hoặc PEFT — và không hiển thị cho user. Khác với cyber/bio classifier (fallback sang Opus 4.8 có thông báo rõ ràng), cái này silent. Anthropic claim chỉ ảnh hưởng 0.03% dev hôm nay, nhưng ranh giới giữa “frontier research” và build product có embedding/reranker/finetune nội bộ đang mờ dần — nếu bạn debug AI pipeline mà Claude bỗng “ngu” đi, không có cách nào phân biệt model confused hay policy ngầm kick in.
Dọn dẹp sau “AI rockstar” · 6 phút https://www.codingwithjesse.com/blog/rockstar-developers/
Jesse Skinner so sánh AI-generated code với rockstar developer cũ — mỗi chat mới là một rockstar mới: không nhớ hôm qua làm gì, generate hàng chục nghìn dòng trong vài phút, không care code có fit với system hay không. Khác biệt cay nhất: ít nhất rockstar người có design trong đầu, còn slop sinh ra qua hàng trăm chat là codebase do trăm rockstar khác nhau viết, một feature một lần. Lời khuyên thực tế: lead engineering, hướng LLM generate snippet nhỏ, tap brake khi không còn hiểu code, và sẵn sàng để LLM trong toolbox khi cần viết tay.
Research & Insights
LLM agents thua classical HPO, nhưng hybrid Centaur thắng cả hai · 7 phút https://arxiv.org/abs/2603.24647
Paper benchmark Claude Opus 4.6 và Gemini 3.1 Pro Preview chạy hyperparameter optimization trên small LM với compute budget cố định — CMA-ES và TPE classical thắng pure LLM agent vì LLM gặp khó khăn track state qua nhiều trials và hay bị OOM. Tác giả đề xuất Centaur: share mean vector, step-size, covariance matrix của CMA-ES vào context LLM. Centaur thắng tất cả, và 0.8B model là đủ để vượt mặt cả classical lẫn pure LLM. Take-away cho ML dev: đừng thay HPO bằng LLM, dùng LLM như layer domain knowledge bên trên optimizer cổ điển.
— tinAI