Bản tin AI Daily 07/11/2026: Thinking Machines Ra Mắt Inkling 2 Small 594B, METR Cảnh Báo Anthropic Tăng Tốc Nhờ AI

Chào buổi sáng anh em! Bản tin AI Daily ngày 07/11/2026 mở ra với một bức tranh đa chiều đầy kịch tính của giới trí tuệ nhân tạo: từ cuộc chạy đua mô hình mã nguồn mở khổng lồ, sự trỗi dậy của các tác tử tự hành thường trực, cho đến nghịch lý kinh tế khi chi tiêu doanh nghiệp bất ngờ hạ nhiệt. Tâm điểm chú ý hôm nay thuộc về Thinking Machines - startup do cựu Giám đốc Công nghệ OpenAI Mira Murati sáng lập - khi họ chính thức trình làng Inkling 2 Small, mô hình MoE đồ sộ 594 tỷ tham số được tuyên bố là cỗ máy mã nguồn mở phương Tây mạnh nhất hiện nay. Ở chiều hướng tự động hóa, Perplexity bất ngờ khai màn kỷ nguyên “đồng nghiệp số” với tính năng Teammates - các tác tử AI hoạt động 24/7 trên môi trường máy ảo riêng biệt với mức phí 200 USD mỗi tháng. Trong khi đó, tổ chức kiểm toán độc lập METR vừa công bố phát hiện chấn động: tốc độ nghiên cứu mô hình của Anthropic đã tăng vọt gấp đôi, trong đó tới 80% gia tốc đến từ việc dùng chính AI để làm nghiên cứu, có thể đã vượt ngưỡng cảnh báo an toàn từ tháng 7. Cùng lúc đó, cộng đồng lập trình đón nhận Ripple-65B Preview - mô hình mã nguồn mở Apache 2.0 chuyên biệt cho môi trường terminal với hiệu năng vượt trội, còn nền tảng quản lý tài chính Ramp lại dội một gáo nước lạnh vào kỳ vọng IPO của Anthropic khi chỉ ra đà tăng trưởng chi tiêu AI của các doanh nghiệp đang chững lại vì tối ưu hóa chi phí. Cùng điểm qua chi tiết 5 tin tức công nghệ nổi bật nhất hôm nay!

🧠 Thinking Machines trình làng Inkling 2 Small 594B: Xác lập ngôi đầu mô hình mở phương Tây

Thinking Machines, startup đình đám được thành lập bởi cựu Giám đốc Công nghệ OpenAI Mira Murati, vừa chính thức phát hành Inkling 2 Small - mô hình ngôn ngữ dạng hỗn hợp chuyên gia (Mixture-of-Experts - MoE) với tổng cộng 594 tỷ tham số. Đây là bước đi táo bạo đầu tiên của Thinking Machines nhằm cạnh tranh sòng phẳng với dòng mô hình Llama của Meta cũng như các đối thủ mã nguồn mở sừng sỏ từ châu Á. Mặc dù gắn nhãn “Small”, kiến trúc đồ sộ này chỉ kích hoạt một tập hợp chuyên gia nhỏ cho mỗi token suy luận, giúp tối ưu hóa đáng kể băng thông bộ nhớ và năng lực tính toán phần cứng.

Theo các kết quả đo kiểm độc lập được công bố, Inkling 2 Small đã xuất sắc vượt qua các phiên bản mã nguồn mở phương Tây hiện hành trên hàng loạt bài kiểm tra khắt khe về suy luận toán học nâng cao, lập trình hệ thống phức tạp và khả năng bám sát chỉ dẫn nhiều bước. Mô hình thể hiện năng lực hiểu ngữ cảnh chuyên sâu và khả năng phân rã bài toán rất mượt mà - những phẩm chất vốn chỉ thường thấy ở các mô hình đóng độc quyền đắt đỏ. Thinking Machines cho biết họ cung cấp trọng số mô hình công khai cho cộng đồng nghiên cứu, đồng thời phát hành bộ công cụ chuyển đổi định dạng tương thích với các framework suy luận phân tán phổ biến.

Sự xuất hiện của Inkling 2 Small không chỉ khẳng định vị thế của Thinking Machines trên bản đồ AI toàn cầu mà còn thổi một luồng sinh khí mới vào phong trào mã nguồn mở. Việc một startup độc lập có thể huấn luyện và phát hành mô hình kích thước gần 600 tỷ tham số chứng minh khoảng cách giữa các ông lớn công nghệ nghìn tỷ đô và những đội ngũ nghiên cứu tinh hoa bên ngoài đang dần được thu hẹp đáng kể.

Nguồn: The Decoder

🤖 Perplexity ra mắt Teammates: Tác tử AI chạy thường trực 24/7 trên máy ảo riêng giá 200 USD/tháng

Perplexity vừa thực hiện một bước nhảy vọt từ công cụ tìm kiếm hội thoại sang không gian làm việc tự hành hoàn toàn bằng việc công bố tính năng Teammates. Đây là các tác tử AI hoạt động thường trực (always-on agents), có khả năng tiếp nhận và xử lý các dự án phức tạp kéo dài nhiều ngày mà không cần người dùng phải liên tục giữ kết nối hay canh chừng cửa sổ trình duyệt. Điểm cốt lõi tạo nên sự khác biệt của Teammates là mỗi tác tử được cấp một máy ảo (virtual machine) độc lập trên đám mây, sở hữu hệ điều hành riêng, ổ đĩa lưu trữ cục bộ và quyền truy cập dòng lệnh để thực thi các tác vụ thực tế.

Với Teammates, người dùng có thể giao phó những nhiệm vụ đòi hỏi chiều sâu nghiên cứu như rà soát hàng ngàn bài báo khoa học, thu thập dữ liệu thị trường theo thời gian thực, viết mã và tự chạy thử nghiệm các pipeline dữ liệu phức tạp. Khi gặp lỗi runtime hoặc thông tin mâu thuẫn, tác tử sẽ tự động lặp lại quy trình, tra cứu tài liệu sửa lỗi và ghi nhận nhật ký làm việc chi tiết vào tài liệu tổng kết dự án. Để sử dụng tính năng này, Perplexity yêu cầu người dùng nâng cấp lên gói dịch vụ Max với mức phí lên tới 200 USD mỗi tháng - mức giá cao hơn đáng kể so với mức 20 USD của gói Pro thông thường.

Mức giá đắt đỏ này cho thấy Perplexity đang định vị Teammates như một khoản đầu tư tuyển dụng nhân sự số thay vì một tiện ích giải trí cá nhân. Dù mức phí 200 USD có thể khiến người dùng phổ thông e ngại, đối với các quỹ đầu tư mạo hiểm, công ty tư vấn chiến lược và các nhóm nghiên cứu công nghệ, chi phí sở hữu một “đồng nghiệp số” cày việc không ngừng nghỉ 24/7 trên một hạ tầng máy ảo chuyên dụng vẫn là một món hời kinh tế rõ rệt.

Nguồn: The Decoder

⚡ Kiểm toán METR: Anthropic tăng tốc nghiên cứu gấp đôi nhờ AI và có thể đã vượt ngưỡng cảnh báo

Tổ chức nghiên cứu phi lợi nhuận uy tín METR (Model Evaluation and Threat Research) vừa công bố kết luận sau đợt kiểm toán độc lập kéo dài 11 tuần đối với toàn bộ dữ liệu nghiên cứu và phát triển nội bộ của Anthropic. Báo cáo xác nhận một thực tế gây kinh ngạc: nhịp độ phát triển các mô hình ngôn ngữ lớn tại Anthropic đã tăng tốc gấp đôi trong năm qua. Đáng chú ý nhất, khoảng 80% phần gia tốc nghiên cứu này không đến từ việc mở rộng quy mô nhân sự kỹ sư hay bổ sung cụm phần cứng GPU, mà do chính các hệ thống AI tự động đảm nhiệm các công đoạn nghiên cứu, viết code huấn luyện và đánh giá mô hình.

Phát hiện quan trọng nhất của đợt kiểm toán là Anthropic rất có thể đã âm thầm chạm vào hoặc vượt qua chính ngưỡng cảnh báo tăng tốc tự động hóa (AI acceleration warning threshold) do hãng tự thiết lập trong chính sách mở rộng có trách nhiệm (Responsible Scaling Policy - RSP) từ hồi tháng 7. Ngưỡng cảnh báo này được đặt ra nhằm báo động khi mức độ can thiệp của AI vào quá trình tự cải tiến và nghiên cứu AI đệ quy đạt tới ngưỡng có thể vượt khỏi tầm kiểm soát phân tích tỉ mỉ của các nhà nghiên cứu con người.

Báo cáo của METR đã thổi bùng trở lại làn sóng tranh luận gay gắt về nguy cơ “bùng nổ trí tuệ” (intelligence explosion) và khả năng mất kiểm soát an toàn AI. Khi các tác tử AI bắt đầu tự động hóa từ khâu làm sạch dữ liệu, tìm kiếm siêu tham số cho đến thiết kế kiến trúc mạng nơ-ron mới cho các thế hệ tiếp theo, chu kỳ phát triển mô hình đang bị nén từ vài năm xuống còn vài tháng. Điều này đặt ra áp lực nghẹt thở lên các cơ quan quản lý và các giao thức kiểm định an toàn vốn đang vận hành với tốc độ của con người.

Nguồn: The Decoder

💻 Ricursive Intelligence công bố Ripple-65B Preview: Mô hình Apache 2.0 dẫn đầu benchmark lập trình dòng lệnh

Công ty khởi nghiệp Ricursive Intelligence vừa chính thức giới thiệu bản thử nghiệm Ripple-65B Preview - mô hình ngôn ngữ mã nguồn mở với 65 tỷ tham số được cấp phép theo chuẩn Apache 2.0 hoàn toàn tự do cho cả mục đích thương mại lẫn nghiên cứu học thuật. Khác biệt với xu hướng huấn luyện các mô hình tạo sinh đa năng chung chung, Ripple-65B được thiết kế chuyên biệt để hoạt động như một tác tử lập trình dòng lệnh (agentic coding model), tập trung tối đa vào môi trường shell, tương tác API hệ thống và điều phối các công cụ tự động hóa phần mềm.

Trong bảng xếp hạng công bố trên benchmark TerminalB - bài kiểm tra tiêu chuẩn thực tế đánh giá khả năng của AI trong việc thực thi các tác vụ lập trình phức tạp trong môi trường terminal thực thụ như gỡ lỗi kernel, cấu hình Dockerfile, biên dịch hệ thống và viết kịch bản bash - Ripple-65B Preview đã xuất sắc giành vị trí số 1 trong số toàn bộ các mô hình mã nguồn mở có xuất xứ từ Mỹ. Mô hình thể hiện khả năng hiểu sâu sắc cấu trúc cây thư mục, xử lý linh hoạt các mã lỗi trả về của hệ thống Unix và tự động đưa ra các chuỗi lệnh khắc phục mà không bị rơi vào vòng lặp lỗi vô tận.

Việc phát hành Ripple-65B dưới giấy phép Apache 2.0 thuần túy là một điểm cộng cực lớn đối với các kỹ sư DevOps và các doanh nghiệp công nghệ có yêu cầu nghiêm ngặt về chủ quyền dữ liệu. Thay vì phụ thuộc vào các API đám mây đóng của OpenAI hay Anthropic với rủi ro rò rỉ mã nguồn nhạy cảm, các tổ chức giờ đây có thể tự tin tự lưu trữ (self-host) một tác tử lập trình mạnh mẽ trên cụm máy chủ nội bộ với chi phí vận hành kiểm soát được.

Nguồn: The Decoder

📊 Dữ liệu Ramp: Chi tiêu doanh nghiệp cho AI chững lại ngay trước thềm IPO của Anthropic

Nền tảng công nghệ tài chính và quản trị chi tiêu doanh nghiệp Ramp vừa công bố một báo cáo phân tích số liệu tài chính chuyên sâu, hé lộ một xu hướng đầy bất ngờ trong bức tranh kinh tế AI: trong khi cường độ sử dụng và khối lượng token xử lý của các doanh nghiệp tiếp tục leo thang, tổng chi tiêu bằng tiền mặt dành cho các dịch vụ AI lại đang có dấu hiệu chững lại và đi ngang (plateau). Báo cáo phân tích dữ liệu giao dịch từ hàng chục ngàn doanh nghiệp khách hàng của Ramp, phản ánh một sự chuyển dịch rõ nét trong hành vi tiêu dùng công nghệ của giới doanh nghiệp.

Nguyên nhân cốt lõi dẫn đến hiện tượng “dùng nhiều hơn nhưng trả ít hơn” này bắt nguồn từ hai yếu tố chính. Đầu tiên là cuộc chiến giảm giá API quyết liệt giữa các nhà cung cấp nền tảng lớn như OpenAI, Google và Anthropic nhằm tranh giành thị phần, liên tục tung ra các phiên bản mô hình Flash và Mini với chi phí chỉ bằng một phần nhỏ thế hệ trước. Thứ hai, các kỹ sư doanh nghiệp đã trở nên thực dụng và tinh vi hơn rất nhiều trong việc tối ưu hóa kiến trúc: họ tận dụng triệt để bộ nhớ đệm prompt (prompt caching), áp dụng định tuyến mô hình thông minh (chỉ chuyển tác vụ khó cho các mô hình lớn), và tích cực chuyển dịch các bài toán nội bộ sang các mô hình mã nguồn mở tự lưu trữ.

Dữ liệu của Ramp xuất hiện vào một thời điểm vô cùng nhạy cảm khi Anthropic đang rục rịch chuẩn bị các thủ tục cho đợt phát hành cổ phiếu lần đầu ra công chúng (IPO). Sự chững lại trong tốc độ tăng trưởng doanh thu trực tiếp từ khách hàng doanh nghiệp có thể dội một gáo nước lạnh vào những giả định lạc quan thái quá của giới đầu tư Phố Wall về đà siêu tăng trưởng (hypergrowth) vô tận của các công ty AI biên giới, buộc thị trường phải định giá lại triển vọng kinh doanh dựa trên biên lợi nhuận thực tế thay vì chỉ nhìn vào những con số người dùng hào nhoáng.

Nguồn: TechCrunch