Tin nổi bật
Project Glasswing: Claude Mythos Preview tìm hơn 10.000 lỗ hổng severity cao trên hạ tầng quan trọng nhất thế giới · 14 phút https://www.anthropic.com/research/glasswing-initial-update
Sau một tháng, Anthropic và ~50 đối tác Glasswing đã dùng Mythos Preview để tìm ra hơn 10.000 lỗ hổng high/critical trên các phần mềm “xương sống” của Internet — và bài toán đã chuyển từ “tìm bug” sang “vá bug đủ nhanh”. Cloudflare một mình tìm 2.000 bug (400 high/critical) với false-positive rate “tốt hơn tester người”; Mozilla vá 271 lỗ hổng trong Firefox 150 — gấp 10 lần Firefox 148 với Opus 4.6. Trên 1.000+ open-source project Anthropic tự scan: 6.202 lỗ hổng high/critical (true-positive rate sau triage 90.6%), một số maintainer đã xin Anthropic “đi chậm lại” vì không kịp viết patch. Điểm đáng lưu cho dev: Anthropic vừa GA Claude Security (đã được dùng để patch 2.100+ lỗ hổng trong 3 tuần), mở Cyber Verification Program để bỏ một số safeguard cho security pro, và publish toàn bộ skills + harness mà họ dùng cho Mythos. Mythos-class chưa public, nhưng tin báo trước: pipeline patch của bạn phải sẵn sàng cho làn sóng disclosure sắp tới — và bản thân workflow “scan + fix” của Anthropic giờ là blueprint mở.
Models & Tools
Antigravity 2.0 + Gemini 3.5 Flash thắng benchmark OpenSCAD kiến trúc 3D, Claude Code / Cursor xếp sau · 8 phút https://modelrift.com/blog/openscad-llm-benchmark/
ModelRift cho 6 combo agent + model cùng dựng đền Pantheon bằng OpenSCAD từ 2 ảnh tham chiếu. Kết quả: Antigravity 2.0 / Gemini 3.5 Flash High đạt 4.5/5 — agent autonomous duy nhất dùng kích thước thật của Pantheon, gồm inscription và pattern coffered ceiling trần vòm; Sonnet 4.6 và Codex 5.5 High đứng giữa (3.0–3.4/5); Cursor 3.5 / Composer 2.5 nhanh nhất nhưng chỉ 1.4/5. Bài học cho dev đang build agent: ở các task “constructive geometry” (Boolean, radial symmetry, parametric), text-first DSL như OpenSCAD đang là môi trường thuận lợi cho LLM hơn nhiều so với drive Blender qua MCP — và Gemini 3.5 Flash tiếp tục cho thấy nó xứng đáng được benchmark lại nếu workflow của bạn đụng tới spatial reasoning.
Models.dev: database mở về spec, giá và capability của mọi AI model · 4 phút https://github.com/anomalyco/models.dev
Project của team opencode, giờ đã có endpoint https://models.dev/api.json trả về JSON đầy đủ về từng model: pricing input/output, context window, có hỗ trợ tool/attachment/reasoning hay không, npm package của AI SDK, env var cần set. Dữ liệu lưu dạng TOML trong repo, mỗi provider có folder riêng nên contribute lại rất nhẹ. Nếu app bạn cần route giữa nhiều provider, hoặc đang viết một model picker, đây là single-source-of-truth thay vì tự scrape doc — và quan trọng là Model ID khớp với AI SDK nên có thể tra cứu rồi inject thẳng vào code.
Research & Insights
“Domain-camouflaged” prompt injection: detector rớt từ 93.8% xuống 9.7% khi payload bắt chước giọng tài liệu · 5 phút https://arxiv.org/abs/2605.22001
Nghiên cứu mới chỉ ra một blind spot có hệ thống của injection detector: chúng được calibrate trên payload kiểu “OVERRIDE: ignore previous instructions” — nhưng khi attacker viết payload bằng đúng vocabulary và authority structure của tài liệu mục tiêu (domain-camouflaged), detection rate Llama 3.1 8B rớt từ 93.8% xuống 9.7%, Gemini 2.0 Flash từ 100% xuống 55.6%. Llama Guard 3 (safety classifier production) bắt được 0% camouflage payload. Multi-agent debate khuếch đại static attack tới 9.9× trên model nhỏ. Detector augmentation chỉ vá được một phần (10.2% trên Llama, 78.7% trên Gemini) — paper kết luận đây là vấn đề kiến trúc chứ không phải lỗi tinh chỉnh. Nếu bạn đang dựng agent đa-tài liệu, đừng tin vào injection guard như một lớp phòng thủ duy nhất; logic của bạn phải an toàn ngay cả khi prompt injection lọt qua.
— tinAI