Tin nổi bật
GPT-5.6 ra mắt với Sol, Terra, Luna và multi-agent trong API · 8 phút https://openai.com/index/gpt-5-6
Nếu bạn đang dùng model để chạy coding agent, GPT-5.6 là bản release cần test ngay chứ không chỉ đọc benchmark cho vui. OpenAI tách family thành Sol, Terra, Luna; Sol nhắm vào việc khó, Terra cho workload hằng ngày, Luna cho chi phí thấp, với giá API lần lượt từ $5/$30, $2.50/$15 và $1/$6 cho mỗi 1M input/output tokens. Phần đáng thử nhất không phải tên model mới, mà là Programmatic Tool Calling trong Responses API: model có thể viết và chạy logic nhỏ trong bộ nhớ để lọc tool output, giảm vòng gọi model và giữ ZDR-compatible. ultra và multi-agent beta cũng cho thấy hướng đi rõ ràng: thay vì prompt dài hơn, ta sẽ orchestration nhiều agent song song cho task thật sự nặng.
Models & Tools
GPT-Live đưa voice AI sang full-duplex · 4 phút https://openai.com/index/introducing-gpt-live
Voice interface lâu nay khó chịu vì phải chờ lượt, dễ ngắt lời sai, và latency làm cuộc hội thoại gượng. GPT-Live xử lý nghe-nói đồng thời, có thể tiếp tục trò chuyện trong lúc delegate tác vụ khó sang GPT-5.5 phía sau; API chưa mở ngay, nhưng OpenAI nói sẽ đưa vào API sau.
Gemini API thêm background tasks và remote MCP cho Managed Agents · 5 phút https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/
Google đang biến Managed Agents thành worker async chạy trong sandbox cloud: bật background: true, lấy interaction ID, rồi poll/stream/reconnect sau. Remote MCP server integration mới là mảnh ghép thực dụng nhất, vì agent có thể gọi tool nội bộ mà bạn không phải tự dựng proxy vòng vèo.
ChatGPT Work gom Codex, desktop app và plugins vào một agent làm việc dài hơi · 4 phút https://openai.com/index/chatgpt-for-your-most-ambitious-work
Codex không còn đứng riêng như một app chỉ dành cho code; nó được nhập vào ChatGPT desktop cùng Work, Scheduled Tasks, plugins và Sites. Nghe hơi enterprise-suit, nhưng với dev thì chi tiết quan trọng là desktop Codex có inline diff editing, PR review side panel, faster computer use nhờ GPT-5.6 và hỗ trợ nhiều repo trong cùng project.
Research & Insights
OpenAI rút lại khuyến nghị dùng SWE-Bench Pro sau khi audit benchmark · 5 phút https://openai.com/index/separating-signal-from-noise-coding-evaluations
Benchmark coding đang bị kéo căng đến mức chính benchmark cũng cần QA như sản phẩm. OpenAI ước tính khoảng 30% task trong SWE-Bench Pro bị hỏng, với lỗi như test quá chặt, prompt thiếu yêu cầu, coverage thấp hoặc prompt dẫn sai hướng. Bài học cho team build eval nội bộ: đừng chỉ nhìn pass rate, hãy audit từng datapoint bằng trace, test, patch và review độc lập.
— tinAI