Tin nổi bật
Google Gemma 4 chạy hoàn toàn offline trên iPhone · 5 phút https://www.gizmoweek.com/gemma-4-runs-iphone/
Trước đây muốn có AI inference trên mobile phải chọn một trong hai: model bé xíu không đủ mạnh, hoặc phụ thuộc cloud với latency cao và chi phí API. Gemma 4 phá vỡ cái lưỡng nan đó — chạy full inference native trên iPhone, hoàn toàn offline. Không có gì gửi lên server, không tốn một đồng API nào sau khi download. Với 262 upvotes và 166 comments trên HN, đây không phải demo lab — cộng đồng đang thực sự chạy và test nó. Nếu bạn đang build mobile app cần AI mà không muốn ràng buộc vào cloud, đây là thời điểm để nghiêm túc xem xét Gemma 4.
Models & Tools
Gemini Robotics-ER 1.6 — Embodied reasoning thế hệ mới · 5 phút https://deepmind.google/blog/gemini-robotics-er-1-6/
Google DeepMind ra phiên bản cập nhật của model robotics chuyên về “embodied reasoning” — spatial reasoning, success detection, và instrument reading (đọc đồng hồ áp suất, sight glasses trong công nghiệp). Đã available qua Gemini API ngay hôm nay với model ID gemini-robotics-er-1.6-preview. Instrument reading đặc biệt ấn tượng: từ 23% (ER 1.5) lên 93% với agentic vision — nhảy vọt đủ để Boston Dynamics tích hợp vào Spot.
Gas Town bị cáo buộc dùng LLM credits của người dùng để cải thiện chính nó · 4 phút https://github.com/gastownhall/gastown/issues/3649
Một GitHub issue với 169 HN upvotes: Gas Town có thể đang gửi request LLM bằng API key của người dùng không chỉ để phục vụ user mà còn để train/improve chính tool. Chưa confirmed hoàn toàn nhưng thread đủ chi tiết để lo ngại. Bài học thực tế: bất kỳ tool AI nào có quyền đọc API key của bạn đều là rủi ro tiềm tàng — audit permissions và monitor usage thường xuyên.
Research & Insights
Cách tiếp cận “back-to-basics” có thể sánh ngang LLM trong phân tích ngôn ngữ · 4 phút https://www.manchester.ac.uk/about/news/back-to-basics-approach-can-match-or-outperform-ai/
Nghiên cứu từ Đại học Manchester cho thấy các phương pháp NLP truyền thống — không dùng LLM — có thể match hoặc thậm chí vượt trội LLM trong một số tác vụ phân tích ngôn ngữ cụ thể. Không phải “LLM vô dụng”, mà là reminder quan trọng: trước khi nhét LLM vào pipeline, hãy benchmark xem regex, statistical models, hay rule-based systems có đủ không. Đôi khi giải pháp đơn giản hơn thắng vì nó deterministic, rẻ hơn, và dễ debug hơn.
— tinAI