Tin nổi bật
grok-4.3 lên xAI API: 1M context, $1.25/$2.50 mỗi 1M tokens · 3 phút https://docs.x.ai/developers/models/grok-4.3
Nếu bạn đang tìm long-context model giá rẻ cho agent, grok-4.3 vừa landed trên xAI API với context 1M tokens và giá $1.25 input / $2.50 output mỗi 1M tokens — rẻ hơn Claude Sonnet 4.6 ($3/$15) và rơi gần tier của Gemini 2.5 Pro. Cached input chỉ $0.20/1M, gần ngang Flash. Function calling, structured outputs, reasoning đều có sẵn, rate limit 1,800 RPM và 10M TPM nên không phải bottleneck cho production. Catch quan trọng: request vượt 200K context bị tính giá khác (xAI nói “higher context pricing” mà chưa list rõ trong page chính) — benchmark cost thật với prompt size production trước khi switch primary model. Available ở us-east-1 và eu-west-1.
Models & Tools
Intel AutoRound: quantize 7B trong 10 phút, INT2 vẫn giữ 97.9% accuracy · 8 phút https://github.com/intel/auto-round
Intel ship AutoRound — toolkit quantization dùng sign-gradient descent, support schemes từ W2A16 tới MXFP4/NVFP4 và GGUF. Tích hợp native vào vLLM, SGLang, Transformers, LLM-Compressor; quantize Qwen3-7B mất ~10 phút trên 1 GPU. Demo ấn tượng nhất: DeepSeek-R1 quantize INT2-mixed xuống ~200GB nhưng vẫn giữ 97.9% accuracy so với bản full. Nếu đang self-host LLM và bị bottleneck VRAM, thử trước khi mua thêm GPU.
Spotify thêm ‘Verified by Spotify’ badge để tách artist người vs AI · 3 phút https://www.bbc.com/news/articles/c5yerr4m1yno
Spotify ra badge xanh check để phân biệt artist là người thật, tiêu chí gồm linked social account, tour dates, merchandise. Vấn đề: badge chỉ verify có người đứng sau profile, không verify nhạc không dùng AI — và Ed Newton-Rex chỉ ra approach này sẽ thiệt thòi cho indie artist không tour hay bán merch. So với cách Sony xử lý (gỡ 135K deepfake năm ngoái) hay platform khác auto-label track AI-generated, đây là giải pháp half-measure phục vụ artist mainstream hơn là solve vấn đề gốc.
Research & Insights
AI water use ở California: chiếm 0.05–0.7% tổng nước bang, hết panic được rồi · 6 phút https://californiawaterblog.com/2026/04/26/ai-water-use-distractions-and-lessons-for-california/
Một analysis hiếm có data thực thay vì FUD: data center AI ở California tiêu thụ ~20K-290K acre-ft nước cooling/năm, tức 0.05-0.7% tổng nước bang dùng — sản xuất bia ở Arizona còn tốn nước hơn data center. Author chạy 4 AI (ChatGPT, Claude, Gemini, Co-Pilot) độc lập để cross-check estimate rồi đối chiếu với physics. Take-away cho dev: AI hiện đủ tốt để làm preliminary quantitative estimation — bài này chính là demo cho cách dùng AI thay write-up cảm tính.
— tinAI