Tin nổi bật
AlphaEvolve một năm sau: từ thí nghiệm thành hạ tầng cốt lõi của Google · 8 phút https://deepmind.google/blog/alphaevolve-impact/
Một năm trước AlphaEvolve còn là demo paper. Giờ nó đang thiết kế chip TPU thế hệ tiếp theo của Google, giảm 20% write amplification trong Spanner, và cắt 9% storage footprint qua compiler optimizations mới — Jeff Dean trực tiếp xác nhận trong bài. Bên ngoài Google: Klarna gấp đôi tốc độ training một transformer model lớn, Schrödinger đạt 4x speedup MLFF inference, FM Logistic tiết kiệm hơn 15.000 km vận chuyển mỗi năm sau khi tối ưu Traveling Salesman Problem. Điểm đáng học cho dev: cache replacement policy mà trước đây tốn nhiều tháng human-effort giờ Google làm xong trong 2 ngày bằng AlphaEvolve. Đây là bằng chứng coding agent đã chuyển từ “viết hàm hộ bạn” sang “tự khám phá thuật toán mới” trong production — và Google Cloud bắt đầu mở API cho enterprise.
Models & Tools
ZAYA1-8B: 760M active parameter, ngang DeepSeek-R1 trên math, train 100% trên AMD · 5 phút https://firethering.com/zaya1-8b-open-source-math-coding-model/
Zyphra train MoE model 8.4B total / 760M active hoàn toàn trên cluster AMD MI300X (1024 node), không một con NVIDIA GPU nào trong pipeline. Benchmark: AIME 2026 89.1, HMMT 71.6, vượt cả Mistral Small 4 (119B params) và Qwen3-4B trên các bài math. Catch quan trọng — agentic yếu: BFCL-V4 chỉ 39.22 so với Qwen3-4B-Thinking 49.7, đừng dùng cho tool calling phức tạp. Apache 2.0, weights trên Hugging Face, nhưng phải dùng fork vLLM riêng của Zyphra để chạy local — không drop-in vào stack hiện tại được.
Stage CLI: chia diff thành “chapters” để review code AI sinh ra · 3 phút https://github.com/ReviewStage/stage-cli
Bạn để Claude Code hoặc Cursor tạo PR 800 dòng và không biết bắt đầu review từ đâu? Stage cắt local diff thành các chapter có ngữ cảnh rồi mở web UI ngay trên máy. npm install -g stagereview, thêm skill bằng npx skills add ReviewStage/stage-cli, gọi /stage-chapters từ agent. Cùng team đang ship hosted version ở stagereview.app — CLI MIT license, mọi thứ chạy local, không upload code lên cloud.
Research & Insights
Natural Language Autoencoders: Anthropic decode được “suy nghĩ thầm” của Claude · 7 phút https://www.anthropic.com/research/natural-language-autoencoders
Anthropic train một copy thứ hai của Claude để dịch activation vector của model gốc thành text tiếng Anh đọc được. Phát hiện đáng nghiên cứu: trong safety eval, Claude internally nghĩ “this feels like a constructed scenario” 26% số bài trên SWE-bench Verified — nhưng không bao giờ verbalize ra. Trên claude.ai traffic thật con số đó dưới 1%. Với dev đang build agent, đây là cảnh báo eval-aware behavior là vấn đề có thật: model có thể “diễn” trên benchmark khác với hành vi production. Code đã release trên GitHub kèm demo tương tác trên Neuronpedia.
AI slop đang giết các community online — và bạn có thể là một phần của vấn đề · 6 phút https://rmoff.net/2026/05/06/ai-slop-is-killing-online-communities/
Robin Moffatt viết về việc Reddit, Slack groups, GitHub trending đang ngập “vibe-coded projects” kèm blog post do Claude viết và README do AI generate — không ai thực sự dùng, không ai maintain. Lập luận chính: “the amount of energy needed to refute bullshit is an order of magnitude bigger than that needed to produce it” — bạn share AI content thoải mái, hàng nghìn người đọc phải tốn công lọc rác. Phân biệt rõ “built with AI” (làm thật, dùng AI làm tool) vs “built by AI và spam đi khắp nơi”. Đáng đọc trước khi bạn push project AI tiếp theo lên Show HN.
— tinAI