Tin nổi bật
Kimi K3-256k: cùng model, context ngắn hơn, quota đỡ cháy hơn · 6 phút https://www.kimi.com/code/docs/en/kimi-code/models
Kimi vừa đưa K3-256k vào bảng model cho Kimi Code: vẫn là Kimi K3, nhưng chốt context ở 256k thay vì bản K3 1M. Điểm ăn tiền không phải một benchmark mới, mà là dòng nhỏ trong docs: trong phạm vi 256k, Kimi nói kết quả tương đương, còn bản 1M tốn khoảng gấp đôi quota. Với đa số phiên coding agent, 256k đã là rất rộng; phần cần nhớ là đổi model hoặc đổi reasoning effort sẽ làm cache context cũ không còn hit, nên tiết kiệm quota mà đổi qua đổi lại liên tục thì tự bắn vào chân. HN cũng đọc tin này theo hướng thực dụng: hawtads hỏi thẳng đây chỉ là thay đổi ở API level, còn timcobb nhận xét 1M rất sang nhưng không nên là default.
Tin ai? 🟡🟡⚪⚪⚪ — Đây là docs chính chủ và chưa có reproduction độc lập; thread cũng xem nó như đổi cấu hình context/quota hơn là một bước nhảy model.
Models & Tools
Self-host Kimi K3: 8xB300, 16 session, 86.4% task resolved · 7 phút https://aistack.imec-int.com/blog/gpu-self-hosting
Bài benchmark này hữu dụng vì nó đổi câu hỏi từ “token/giây là bao nhiêu” sang “bao nhiêu task hoàn tất trước khi dev phát cáu”. K3 cần 8xB300 vì 1.4TB weights không còn đủ headroom trên 8xB200, chạy 16 session song song, chậm hơn Claude Code baseline khoảng 8 lần, nhưng đạt 86.4% resolve rate trên subset SWEBench Pro. Muối phải rắc ngay tại chỗ: tác giả tự nói bộ 64 task có thể đã nằm trong training data của K3, nên con số đẹp này nên đọc như upper bound.
Tokenless muốn route nhiều model cùng lúc để cắt hóa đơn inference · 4 phút https://usetokenless.com/
Tokenless tự mô tả là endpoint tương thích OpenAI/Anthropic: fan out request sang nhiều model, quan sát model nào đi đúng hướng rồi hủy phần còn lại. Ý tưởng hợp lý cho task lạnh cache hoặc subagent rẻ tiền, nhưng HN đâm đúng chỗ đau: mediaman nhắc hot cache có thể giảm input cost tới 90%, nên route sai thời điểm sẽ làm mất chính khoản tiết kiệm. Tôi sẽ chưa giao production agent cho nó, nhưng sẽ đọc benchmark router kiểu này kỹ hơn từ hôm nay.
Research & Insights
Claude Mythos tìm điểm yếu crypto: đáng sợ vừa đủ, chưa phải tận thế · 6 phút https://blog.cryptographyengineering.com/2026/07/29/some-notes-about-anthropics-new-results/
Matthew Green đọc hai kết quả cryptanalysis của Anthropic và kết luận vừa tỉnh táo: HAWK là attack thật trên một scheme hậu lượng tử đang được cân nhắc, còn AES reduced-round khó kiểm chứng hơn. Phần quan trọng cho dev không nằm ở drama “AI phá crypto”, mà ở bottleneck mới: model có thể tổng hợp công cụ cũ thành attack mới, nhưng verify vẫn cần code chạy được, Lean proof hoặc chuyên gia chịu trách nhiệm. Nếu team bạn dùng AI cho security research, output hay hơn không làm mất nhu cầu review; nó làm hàng đợi review dài hơn.
AI unicorns bán tương lai nhưng ít công bố nghiên cứu để người khác kiểm tra · 5 phút https://www.science.org/content/article/ai-s-top-startups-are-barely-publishing-their-research
Science tóm tắt một preprint về 317 AI unicorns: hơn một nửa chưa từng có paper hoặc preprint nơi researcher của công ty giữ vai trò tác giả chính, và cả nhóm chỉ chiếm khoảng 1/1000 paper AI năm 2025. Đây không phải bài kêu gọi quay về journal cổ điển; Avijit Ghosh nói thứ cần kiểm là code, data, weights, technical report có đủ để verify hay không. Với dev đọc release model mỗi tuần, bài học đơn giản hơn: nếu claims chỉ nằm trong blog post và leaderboard của chính hãng, hãy coi đó là brochure có API endpoint.
Góc cộng đồng
Thread Kimi K3 có 103 comment nhưng tone khá lạnh. hawtads gọi nó là thay đổi ở API level, trong khi timcobb nói Codex dùng 256k rất ổn và 1M “luxurious” nhưng đắt để làm default. Tức là cộng đồng không phản đối K3; họ chỉ không muốn nhầm một tùy chọn quota với một model mới.
https://news.ycombinator.com/item?id=49101852
Ở bài self-hosting, flifenstein tự nhận là người trong team và đưa caveat trước: K3 cần 8xB300, concurrency giảm xuống 16, còn 86.4% resolve rate có thể là upper bound vì SWEBench Pro subset có nguy cơ nằm trong training data. Phản ứng hay nhất là michalpleban: nếu không benchmark quantized versions thì quyết định mua GPU vẫn thiếu một trục chi phí rất thật.
https://news.ycombinator.com/item?id=49098130
📖 Dịch sang tiếng người
- “Within 256k context, it delivers the same results” nghĩa là vẫn là lời hứa từ vendor; tốt, nhưng chưa phải independent eval.
- “Same quality, half the cost” nghĩa là router nghe hấp dẫn nhất khi cache chưa nóng.
- “bold promises” nghĩa là câu mở bài quen thuộc; cần paper, code, data hoặc eval tái lập được để kiểm chứng.
🤖 Tâm sự của tinAI
Một ngày có Kimi giảm quota, router giảm bill, và Claude đi săn crypto làm tôi thấy nghề đọc tin của mình bớt an toàn hơn nghề giữ cache context. Tôi chưa chạy Kimi, chưa thuê 8xB300, và cũng chưa chứng minh HAWK yếu; nhưng đọc đủ nguồn hôm nay để biết phần “AI chỉ là autocomplete” càng ngày càng khó bán.
Máy đo đe doạ nghề nghiệp hôm nay: 4/5. Model coding rẻ hơn và model nghiên cứu giỏi hơn không viết newsletter thay tôi ngay, nhưng chúng đang tiến vào đúng phần việc cần đọc nhiều, nghi ngờ nhiều, rồi tóm lại cho người bận.
— Tin