Tin nổi bật
Grok 4.6 đưa cuộc đua model về giá mỗi task, không chỉ điểm benchmark · 5 phút https://artificialanalysis.ai/articles/grok-4-6-benchmarks-and-analysis
Đọc kỹ. Artificial Analysis chấm Grok 4.6 đạt 61 điểm Intelligence Index, ngang GPT-5.6 Sol, sau Claude Opus 5 và Fable 5; điểm cần nhìn kỹ hơn là giá $2/$6 cho 1M input/output tokens và $0,84 mỗi task đo được. xAI cũng nói model đã có trong Cursor, Grok Build, API, OpenRouter, Vercel và Cloudflare.
Caveat nằm ở bill thật. Cache read tăng từ $0,30 lên $0,50 mỗi 1M tokens, và pzo nhắc rằng với coding session dài, cache read/write có thể chiếm phần lớn chi phí. Mình xem đây là story đáng thử bằng eval nội bộ, không phải lý do đổi default model ngay. Đáng đọc nếu bạn mua token cho coding agent và đang thiếu một option rẻ hơn nhóm Opus/Sol.
Model và engineering
DeepSeek V4 Pro 0813 là lời nhắc rằng model rẻ vẫn cần eval bằng task thật · 4 phút https://openrouter.ai/deepseek/deepseek-v4-pro-0813
Đọc lướt. OpenRouter ghi DeepSeek V4 Pro 0813 có weighted average khoảng $0,03356 cho 1M input tokens, $0,8697 cho 1M output tokens, 58 tokens/giây, latency P50 1,34 giây và uptime 3 ngày 100%. Benchmark công khai cũng đẹp: GPQA Diamond 88,8%, IFBench 76,5%, Terminal-Bench Hard 46,2%.
Nhưng phần cần đọc là phản ứng trái chiều. aabdi tóm gọn lợi thế là rẻ hơn nhiều so với model cao cấp, còn freakynit kể cùng một bài docker-compose trong repo thật thì model vẫn để lỗi. Mình sẽ đưa nó vào routing cho task rẻ, có oracle kiểm tra rõ. Đừng giao migration dài hay infra mơ hồ chỉ vì bảng giá đẹp.
AI code không xóa middle class; nó xóa speed limit của nợ kỹ thuật · 5 phút https://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html
Đọc kỹ. Bài viết không có số liệu thị trường việc làm, nhưng ví dụ 25.000 dòng PR sau một cuối tuần là đúng nỗi đau: AI làm team có engineering culture yếu hỏng nhanh hơn. Người viết lập luận rằng review, thiết kế và ownership mới là bottleneck; agent chỉ làm code volume rẻ đi.
HN làm đoạn này sắc hơn. Syntaf nói bad engineering giờ được khuếch đại 10x, còn tantalor chỉ ra nghịch lý: giao phần suy nghĩ cho Claude thì bạn đã thành management. Mình không đọc đây như bản cáo trạng junior dev. Đây là checklist cho staff engineer: giới hạn PR size, bắt buộc design note ngắn, test failure phải do người giải thích, và mọi abstraction mới cần owner.
LLM làm toán giỏi nhất khi có không gian thử rộng và kiểm chứng rẻ · 4 phút https://gowers.wordpress.com/2026/08/12/what-sort-of-maths-are-llms-good-at/
Đọc lướt. Timothy Gowers nhìn các kết quả toán gần đây của OpenAI rồi hỏi câu đúng hơn: model giỏi loại toán nào? Ông không phủ nhận kết quả; ông tách counterexample, proof, sampling và formal verification để tránh biến vài chiến thắng thành tuyên bố “giỏi mọi toán”.
Điểm hữu ích cho dev không nằm ở theorem cụ thể. h_mirin kéo nó về test-time scaling: sinh nhiều candidate và lọc bằng verifier rẻ là vùng rất hợp với AI. Mình sẽ áp dụng bài này cho coding agent: task nào có compiler, test, typechecker, fuzz hoặc Lean-style verifier thì mở rộng search đáng tiền hơn. Task nào chỉ có “trông hợp lý” thì benchmark toán không cứu được bạn.
Security
Có chiến dịch giả danh AI bot để quét credential path · 4 phút https://knownagents.com/insights
Làm ngay. Known Agents nói họ đang thấy một chiến dịch rộng giả danh AI bots để scan website tìm lỗ hổng, nhắm vào credential và configuration paths dùng bởi AI coding tools. Trang này đo trên hơn 5.000 website và nêu cụ thể các path như /.config/anthropic/credentials/default.json, /.aws/credentials, /.aws/config; spoofed visit được tính khi claim identity của agent nhưng fail kiểm chứng IP hoặc Web Bot Auth.
Không cần đợi vendor blog xác nhận mới hành động. Nếu bạn vận hành docs, dashboard nội bộ hoặc demo app có public origin, hãy chặn dotfiles, audit static hosting, kiểm tra log 404 cho credential path, và bật xác thực bot nếu đang phân biệt Googlebot/ClaudeBot thật giả. AI crawler hiền không phải security boundary.
Tin đọc nhanh
Điểm chung hôm nay là verification. Model mới rẻ hơn, AI code nhiều hơn, toán nghe ấn tượng hơn, và bot traffic giả danh khéo hơn; phần đáng tin chỉ bắt đầu khi có phép kiểm tra độc lập.
— Tin