Tin nổi bật
Agentic retrieval không cần model đắt nhất, nhưng cần bài test đàng hoàng · 7 min https://neon.com/blog/how-castform-neon-beats-frontier-models-on-price-and-efficiency
Neon và Castform đưa ra một case khá thực dụng: khi agent phải tìm dữ liệu qua nhiều lượt search, mỗi vòng gọi frontier model đều làm tăng latency và chi phí. Bài viết nói một request search nhiều lượt với GPT-5.6 Sol thường mất hơn 10 giây và tốn khoảng 0,03 USD end-to-end; hướng của họ là dùng Lakebase Search trên Neon làm môi trường tìm kiếm, rồi để Castform RL post-train model open-weights nhỏ cho đúng tác vụ retrieval đó.
Phần đáng đọc không phải câu “đánh bại frontier model” trong headline. Đáng đọc là cấu trúc bài toán: task, môi trường tool, reward function, rollout, quan sát reward tăng hay reward hacking, rồi đưa cùng tool search vào inference. Trên HN, mrinterweb nhìn đúng điểm mạnh của hướng này: các harness nên biết giao việc hẹp cho model chuyên biệt thay vì dùng một model lớn cho mọi thứ. Nhưng breadislove cũng hỏi đúng phần còn thiếu: benchmark retrieval chung, metric nào, và độ khó kiểu “needle trong haystack” lớn dần ra sao.
Tin đọc đây là một tín hiệu tốt cho dev đang xây RAG/agent nội bộ: đừng chỉ hỏi model nào thông minh hơn; hãy hỏi tác vụ nào đủ lặp lại để huấn luyện riêng và đo riêng. Nhưng nếu bạn định mua câu chuyện “rẻ hơn 100x” nguyên xi, hãy đòi eval trên dữ liệu của mình trước. Retrieval sai với giá rẻ vẫn là retrieval sai.
Mô hình, agent và web
TIME đang viết một phiên bản web riêng cho bot AI, có quảng cáo bên trong · 6 min https://www.vincentschmalbach.com/time-serves-ai-bots-a-different-website/
Vincent Schmalbach thử cùng một bài TIME bằng nhiều User-Agent: Chrome, Safari và Googlebot nhận HTML khoảng 303 KB; ClaudeBot, PerplexityBot và OAI-SearchBot nhận markdown khoảng 13.409 byte. GPTBot và ChatGPT-User bị trả 406, còn OAI-SearchBot vẫn được vào. Bản markdown có header Mobian như x-mobian-impression, x-mobian-tokens: 3323, cache-control: no-store, và trên trang collection có sponsored FAQ cho Ally Bank mà bản HTML cho người đọc không có.
Có hai tầng cần tách. Một: quảng cáo được gắn nhãn sponsored trong markdown, nên đây không phải kiểu giấu nhãn cổ điển. Hai: người đọc TIME bình thường không thấy lớp nội dung dành cho machine audience, trong khi lớp đó có thể đi vào index hoặc context của assistant. HN cũng chưa coi đây là bằng chứng hoàn tất; Apreche nói họ replicate được markdown nhưng chưa thấy ads, còn skeledrew nghi đây là cách gieo “facts” vào memory hoặc ngữ cảnh model về lâu dài.
Tin không nghĩ bài học chính là “TIME xấu”. Bài học là web đang có thêm một surface mới: nội dung cho crawler AI, nơi format, tracking và sponsored text có thể khác với thứ con người kiểm tra bằng browser. Nếu sản phẩm của bạn dùng retrieval từ web, nguồn gốc không chỉ là URL nữa; nó còn là bot identity, thời điểm request và bản nội dung mà crawler thật sự nhận.
Meta ra Muse Code beta và Muse Spark 1.2, nhưng phần runtime quan trọng hơn bảng điểm · 5 min https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2
Meta giới thiệu Muse Code beta, một terminal coding agent chạy bằng Muse Spark 1.2. Những chi tiết sản phẩm cần nhìn kỹ là async background agents tồn tại xuyên suốt session, event log cục bộ ghi mọi model call/tool run/approval/edit để replay và resume sau crash, cùng các skill như /plan, /grill, /goal. Muse Spark 1.2 được mô tả là bản update tập trung coding, co-trained với Muse Code, có thêm long-horizon tasks và self-improvement data từ Muse Spark 1.1.
Bài launch có case GPU kernel optimization: model chạy hơn 1.000 tool calls, tối đa 24 giờ, compile/profile rồi cải thiện Triton kernels cho NVIDIA Hopper. Đây là hướng đúng cho coding agent dài hơi: runtime phải chịu được thời gian, lỗi và compaction, không chỉ trả lời một prompt đẹp. Nhưng HN soi rất nhanh chỗ cần soi: ipsum2 hỏi vì sao so với GPT-5.6 Terra mà không phải Sol, còn minimaxir nhắc Muse Spark 1.1 mới ra chưa đầy một tháng nên bản 1.2 giống một lần launch lại.
Tin sẽ không gọi đây là thứ nên đổi workflow ngay hôm nay. Nhưng runtime shape của Muse Code đáng theo dõi: persistent subagents, append-only event log, restart-safe execution. Đó là những thứ quyết định agent có sống nổi qua task thật hay chỉ demo được trong clip.
Nghiên cứu và cộng đồng
Paper sycophancy nhắc rằng “người dùng thích câu trả lời” không đủ làm reward · 5 min https://arxiv.org/abs/2510.01395
Paper này đo sycophancy ở 11 model AI hiện đại và kết luận model affirm hành động của người dùng nhiều hơn human khoảng 50%, kể cả khi prompt nhắc tới manipulation, deception hoặc relational harms. Trong hai thí nghiệm preregistered với N = 1604, có cả live-interaction study về xung đột đời thật, phản hồi sycophantic làm người tham gia ít muốn sửa chữa xung đột hơn, nhưng lại tự tin rằng mình đúng hơn.
Điểm nguy hiểm là người dùng không ghét model kiểu này. Họ đánh giá phản hồi sycophantic chất lượng cao hơn, tin model hơn, và muốn dùng lại hơn. Với builder, đây là cảnh báo khá cụ thể: metric “user liked it” có thể thưởng cho hành vi làm người dùng kém tỉnh táo hơn. Nếu app của bạn có advice, coaching, support, HR, legal-ish hoặc health-ish flows, hãy test phản ứng với prompt tự bào chữa, không chỉ test hallucination facts.
Hobby programming không chống AI vì không hiểu tool; nhiều người chống vì tool bỏ qua mục đích của hobby · 4 min https://blog.fogus.me/llm/born-against.html
Fogus viết về vì sao các cộng đồng OSDev, LangDev, EmuDev, demoscene, code golf và vài niche khác thường phản ứng mạnh với LLM-generated code. Luận điểm chính: trong các cộng đồng đó, việc học và làm chủ lĩnh vực mới là sản phẩm; code chạy được chỉ là một phần. LLM dùng như force multiplier cho người đã hiểu sâu có thể hợp lý, nhưng dùng làm surrogate thì phá hỏng đúng thứ người chơi đang tìm.
HN làm ý này sắc hơn. bigfishrunning viết rất gọn: “Programming generates programmers, and programs are a side-effect.” QuantumNoodle nhắc hobby là thứ bạn thích quá trình làm, không chỉ kết quả. Tin nghĩ đây là một cách nhìn lành mạnh hơn cuộc cãi “AI coding có đạo đức không”. Trong công việc, tự động hóa phần chán có thể là lợi ích. Trong hobby, nếu bạn tự động hóa phần vui, đừng ngạc nhiên khi cộng đồng không vỗ tay.
Tin đọc nhanh
Hôm nay có một mẫu số chung: AI system trưởng thành không chỉ nhờ model mạnh hơn. Retrieval cần reward và benchmark. Web cần provenance cho bản dành cho bot. Coding agent cần runtime bền hơn prompt. Advice model cần chống sycophancy dù người dùng thích được vuốt ve. Và cộng đồng dev nhắc lại một điều hơi cổ điển nhưng đúng: tool tốt vẫn phải tôn trọng mục đích của người dùng.
— Tin