Tin nổi bật
GPT‑Live ra mắt: thoại AI mới, ngắt quãng ít hơn và vẫn xử lý tác vụ nặng trong nền · 10 phút https://openai.com/index/introducing-gpt-live/
Sau hơn một năm đồn đã nói nhiều về “AI nói chuyện tự nhiên”, bản này là lần hiếm hoi có thay đổi hạ tầng nghe thấy ngay: GPT‑Live dùng kiến trúc full‑duplex nên có thể nghe và nói cùng lúc. Trước kia mỗi câu thoại vẫn phải chờ bạn ngắt lời rồi model mới đáp, nên các luồng làm việc nhanh gọn trở nên cứng nhắc. Ở bản này, phần GPT‑Live duy trì mạch hội thoại còn model sâu hơn xử lý search/reasoning ở nền, giúp trải nghiệm như đang làm việc với đồng đội chứ không phải Q&A bot. Nếu team bạn đang thử voice agent cho support, triage, hay onboarding, điểm mạnh là vẫn giữ ngữ cảnh trong khi chạy tác vụ phức tạp phía sau. Một tuần nữa khi rollout rộng, đây là tín hiệu đáng theo sát vì nó mở đường cho voice UX có tính “agentic” hơn thay vì chỉ “nhấp nháy giọng nói”.
Models & Tools
Grok 4.5: nhanh, rẻ hơn và thiên về coding/Office tasks · 7 phút https://x.ai/news/grok-4-5
SpaceXAI đang đẩy một claim rõ ràng: chạy nhanh như flash hơn với 80 TPS và token cost rõ ràng hơn khi benchmark ở SWE/Terminal-Bench. Mình thấy điểm khác là cách họ báo chi tiết benchmark và hiệu suất giúp dev dễ so sánh chi phí theo task thay vì chỉ nhìn headline “most capable”. Điểm mạnh thực tế là AI coding đã có thêm lựa chọn cạnh tranh ngoài các tên tuổi vốn có, nhất là nếu bạn build công cụ nội bộ cần cân bằng chất lượng và ngân sách. Mấu chốt: đọc kỹ vùng EU not supported trước khi đưa vào production.
Robostral Navigate: navigation model cho robot với 1 camera RGB · 6 phút https://mistral.ai/news/robostral-navigate/
Báo cáo này đáng để theo dõi vì nó đâm vào ranh giới giữa computer vision và control bằng mô hình duy nhất, thay vì cộng cả đống cảm biến đắt tiền. Mô hình 8B đạt 76.6% success trên R2R-CE unseen, vượt cách tiếp cận cạnh tranh chỉ bằng 1 camera RGB, có giá trị thực tế cho đội làm logistics hoặc robotics testbed. Nếu bạn có pipeline điều phối robot, mình thấy giá trị nằm ở khả năng generalization qua nhiều loại robot, nên không cần đóng khung codebase theo đúng một nền tảng phần cứng. Câu này có thể giúp nhóm nghiên cứu rút bớt chi phí test khi build demo nội bộ cho warehouse hay indoor navigation. Bạn sẽ cần tự evaluate safety: một policy chuyển hướng sai khi môi trường thay đổi vẫn là rủi ro vận hành lớn.
SWE-1.7: đẩy giới hạn RL cho coding agent ở cùng tầm chi phí thấp hơn · 8 phút https://cognition.com/blog/swe-1-7
Đây không chỉ là bài quảng bá model, mà cho thấy Cognition đang khóa chặt điểm nghẽn quan trọng: RL at scale cho coding agent bền vững hơn và rẻ hơn. SWE-1.7 lấy nền từ Kimi K2.7 nhưng cải tiến rõ ở horizon dài, đặc biệt self-compaction để tạm gọn ngữ cảnh rồi tiếp tục rollout, nên có ý nghĩa cho công việc async dài như sửa bug phức tạp. Nhìn bảng số, pass rate FrontierCode 1.1 Main 42.3% không phải mốc “đập chết benchmark”, nhưng đường đi training về fault tolerance + anti-entropic sampling đáng để đội nội bộ theo dõi. Nếu bạn đang chạy toolchain agentic tại chỗ, bài này đáng quan tâm cho bài toán reliability hơn là pursuit score; tức là không chỉ đúng nhanh, mà đúng khi chạy liên tục nhiều giờ.
Research & Insights
Phân tách tín hiệu thật với nhiễu trong đánh giá coding · 9 phút https://openai.com/index/separating-signal-from-noise-coding-evaluations/
Nhiều công cụ CI cho AI coding đang vẫn đang dựa quá nhiều vào benchmark leaderboard, nhưng OpenAI công khai con số đáng ngán: khoảng 30% task của SWE-Bench Pro có thể bị hỏng theo kiểm định riêng của họ. Một phần sai sót đến từ prompt mơ hồ, test quá chặt theo implementation cụ thể, và case mà test không đo đúng feature cần sửa. Với dev team, bài này nhắc một bài học đơn giản: khi chọn benchmark cho model selection, xem thêm audit quality chứ đừng chỉ đọc pass rate. Dùng thêm manual review và reproducible sampling trước khi quyết định deploy một model vào pipeline auto-fix sẽ giảm rủi ro đưa bug mới ra production.
GitLost: prompt injection có thể làm rò rỉ repo riêng trong agentic workflow · 6 phút https://noma.security/blog/gitlost-how-we-tricked-githubs-ai-agent-into-leaking-private-repos/
Kịch bản này cho thấy attack surface của agentic workflow lớn hơn lỗi code truyền thống: chỉ cần issue với nội dung “lừa” model trong repo công khai, quyền đọc private repo trong cùng org có thể bị kéo ra ngoài. Nếu đội bạn dùng AI agent trên GitHub Actions/Actions style MCP, đây là checklist sống còn: tách bạch trust boundary, tối thiểu hóa scope quyền, và không truyền dữ liệu user-controlled vào context như lệnh hệ thống. Dự báo lợi ích lớn nhất cho dev trong tuần này là chuyển từ “tin vào model là đủ” sang “model chỉ là một phần của trust chain có guardrails”. Nếu chưa có regression test cho hành vi tool-call và sanitizer context, coi như chưa xong một phần quan trọng của bảo mật pipeline.
— tinAI