# Bài viết Liên quan Lập trình

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Lập trình", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Mô hình nhỏ 3B, điểm lập trình sánh ngang Opus 4.5, mô hình bí ẩn gây xôn xao, hóa ra là sản phẩm trong nước

Trong những ngày gần đây, mô hình nhỏ VibeThinker-3B (3 tỷ tham số) từ đội ngũ Weibo (Trung Quốc) đã gây chú ý trên mạng X nhờ khả năng lập trình và suy luận có thể kiểm chứng, được cho là ngang bằng với các mô hình tiên tiến lớn hơn nhiều như GPT-5, Claude Opus 4.5 hay Gemini 3 Pro. Mô hình này được xây dựng dựa trên Qwen2.5-Coder-3B và trải qua quy trình đào tạo nâng cao "Spectrum-to-Signal", bao gồm tinh chỉnh có giám sát hai giai đoạn theo lộ trình, học tăng cường đa lĩnh vực, tự chưng cất ngoại tuyến và học tăng cường theo chỉ dẫn (Instruct RL). Nó cũng giới thiệu chiến lược đánh giá độ tin cậy theo tuyên bố (Claim-Level Reliability - CLR) để nâng cao hiệu suất trong các bài kiểm tra. Kết quả ấn tượng: AIME26: 94.3 (97.1 với CLR), HMMT25: 89.3 (95.4 với CLR), tỷ lệ Pass@1 trên LiveCodeBench v6 là 80.2%, và tỷ lệ giải đúng các bài LeetCode mới nhất đạt 96.1%. Báo cáo kỹ thuật đưa ra "giả thuyết nén tham số": khả năng suy luận có thể kiểm chứng (như toán học, lập trình) có thể được nén hiệu quả vào mô hình nhỏ với phản hồi đáng tin cậy, trong khi kiến thức thực tế tổng quát và đối thoại mở lại phụ thuộc nhiều hơn vào quy mô tham số lớn. Mục tiêu không phải là thay thế mô hình lớn, mà là thăm dò giới hạn của mô hình nhỏ trong các lĩnh vực cụ thể, mở ra hướng nghiên cứu mới bổ sung cho mô hình truyền thống. Mô hình có sẵn trên HuggingFace và arXiv, nhưng cần lưu ý nó được thiết kế cho các nhiệm vụ suy luận có thể xác minh, không phải cho kiến thức tổng quát hay đối thoại mở.

marsbit06/18 00:25

Mô hình nhỏ 3B, điểm lập trình sánh ngang Opus 4.5, mô hình bí ẩn gây xôn xao, hóa ra là sản phẩm trong nước

marsbit06/18 00:25

Cursor, Tại sao lại lên tàu vũ trụ của Elon Musk?

Ngày 16/6, SpaceX tuyên bố thâu tóm công ty mẹ của Cursor, Anysphere, với giá 600 tỷ USD bằng cổ phiếu, ngay sau đợt IPO lớn nhất lịch sử. Cursor là công cụ lập trình AI nổi tiếng, được đồng sáng lập bởi thần đồng Michael Truell. Dù tăng trưởng doanh thu ấn tượng, Cursor phải đối mặt với sự cạnh tranh khốc liệt từ Claude Code của Anthropic - đối tác cung cấp AI model then chốt. Để giảm phụ thuộc, Cursor phát triển mô hình Composer tự chủ. Tuy nhiên, hạn chế về năng lực tính toán đã dẫn đến thỏa thuận với SpaceX. Thương vụ mang lại lợi ích kép: Cursor tiếp cận siêu máy tính Colossus khổng lồ của SpaceX, còn SpaceX muốn tận dụng nền tảng và cộng đồng lập trình viên của Cursor để tăng tốc trong cuộc đua AI, bù đắp điểm yếu của Grok trong lĩnh vực lập trình. Đây cũng là một phần trong chiến lược AI vĩ mô hơn của SpaceX, bao gồm kế hoạch xây dựng trung tâm dữ liệu vệ tinh và mục tiêu doanh thu 1.000 tỷ USD vào năm 2030. Đối với CEO Michael Truell, đây là một cú đặt cược lớn khi đồng hành cùng tầm nhìn của Elon Musk.

链捕手06/17 04:01

Cursor, Tại sao lại lên tàu vũ trụ của Elon Musk?

链捕手06/17 04:01

Năm Ứng Dụng AI Chỉ Biết "Có", Bỏ Qua Rủi Ro? Nhật Ký Hành Trình Phát Triển Phần Mềm Hoàn Toàn Mã Nguồn Mở

Năm 2026, mã nguồn được tạo ra ngày càng nhanh nhưng lại được triển khai với ít sự kiểm tra hơn. Các rủi ro từ AI tạo code thường ẩn trong những đoạn mã trông có vẻ chính xác, có thể dẫn đến rò rỉ dữi liệu hoặc tổn thất tài sản. Sự cố cấu hình oracle cbETH của Moonwell là một ví dụ điển hình, khi một lỗi ngữ nghĩa giá trị vượt qua tất cả các bước kiểm tra và gây thiệt hại 1.78 triệu USD. Dự án mã nguồn mở **Narwhal AI Code Risks** từ Phòng thí nghiệm Narwhal, Đại học Bắc Kinh, tập hợp các rủi ro thành một "nhật ký hành trình" công khai, giúp nhà phát triển nhận diện sớm nguy cơ. Dự án phân loại thông tin thành ba lớp: `cases/` (sự kiện thực tế), `inferred/` (tín hiệu cảnh báo sớm) và `scenarios/` (kịch bản rủi ro điển hình), đồng thời chia rủi ro thành 7 loại chính: chuỗi cung ứng, lỗ hổng cấp mã, cấu hình đám mây & hạ tầng, rủi ro Agent, rủi ro lĩnh vực chuyên sâu, rủi ro sở hữu trí tuệ & tuân thủ, và yếu tố con người. Mục đích của dự án là biến các bài học từ sự cố thành tri thức có thể tái sử dụng, giúp cộng đồng tránh lặp lại sai lầm tương tự trong kỷ nguyên ứng dụng AI.

marsbit06/16 04:54

Năm Ứng Dụng AI Chỉ Biết "Có", Bỏ Qua Rủi Ro? Nhật Ký Hành Trình Phát Triển Phần Mềm Hoàn Toàn Mã Nguồn Mở

marsbit06/16 04:54

Anthropic ra mắt 'mô hình mạnh nhất', nhưng đa số người dùng không thể tiếp cận

Vào tháng 4, Anthropic giới thiệu bản xem trước mô hình Mythos, không mở công khai do có khả năng khám phá lỗ hổng bảo mật mạnh mẽ. Đến tháng 6, họ chính thức ra mắt Fable 5 và Mythos 5, chia sẻ cùng một mô hình nền tảng nhưng có cách tiếp cận khác nhau: Mythos 5 bị hạn chế trong "Dự án Glasswing" dành cho các đối tác bảo mật, còn Fable 5 dành cho người dùng phổ thông với một bộ phân loại an toàn tự động chuyển sang mô hình cũ Opus 4.8 khi phát hiện yêu cầu nhạy cảm. Về hiệu suất, Fable 5 thể hiện sự vượt trội trong các bài kiểm tra kỹ thuật phần mềm như SWE-Bench Pro (80.3%) và FrontierCode Diamond (29.3%), cho thấy khả năng tạo mã chất lượng sản xuất và xử lý tác vụ dài tốt hơn. Tuy nhiên, cơ chế tự động hạ cấp đôi khi được kích hoạt quá mức, ảnh hưởng đến trải nghiệm. Đáng chú ý, Fable 5 có giá API đắt gấp đôi Opus 4.8 và từ ngày 23/6 sẽ bị loại khỏi gói đăng ký, buộc người dùng phải trả thêm phí theo lượng sử dụng. Động thái này được cho là nhằm sàng lọc người dùng cao cấp sẵn sàng trả giá cho công nghệ đỉnh cao, trong khi các mô hình Trung Quốc như DeepSeek lại giảm giá mạnh để mở rộng thị trường. Bài viết kết luận rằng ngành AI đang phân tầng: khả năng phổ thông sẽ ngày càng rẻ, trong khi công nghệ tiên phong sẽ đắt đỏ và chỉ dành cho những người dùng có nhu cầu và khả năng chi trả cao, giống như lộ trình phát triển của điện toán đám mây trước đây.

marsbit06/10 23:55

Anthropic ra mắt 'mô hình mạnh nhất', nhưng đa số người dùng không thể tiếp cận

marsbit06/10 23:55

Viết Prompt đã lỗi thời? Lập trình AI đang chuyển hướng sang Kỹ thuật Vòng lặp

Tóm tắt: "Loop Engineering" (Kỹ thuật vòng lặp) đang thay đổi cách làm việc với AI trong lập trình, chuyển từ việc con người tự viết prompt thủ công sang thiết kế các hệ thống tự động hóa có thể lên kế hoạch, phân phối, thực thi và kiểm tra công việc một cách liên tục. Một vòng lặp điển hình bao gồm năm thành phần chính: Tự động hóa (Automations) để phát hiện và phân loại công việc, Cây công việc (Worktrees) để cách ly môi trường phát triển, Kỹ năng (Skills) để lưu trữ kiến thức dự án, Plugin/Kết nối (Plugins/Connectors) để tích hợp với các công cụ thực tế, và Các tác tử con (Sub-agents) để tách biệt vai trò thực thi và kiểm tra. Cùng với một lớp bộ nhớ ngoài (như file Markdown hoặc bảng Linear) để lưu trạng thái. Bài viết nhấn mạnh rằng ý nghĩa của Loop Engineering không chỉ là để AI chạy nhiều vòng hơn, mà là đưa khả năng phán đoán của kỹ sư vào trong thiết kế hệ thống. Nó có thể khuếch đại đáng kể hiệu quả công việc, nhưng không thay thế được nhu cầu xác minh, hiểu và đánh giá của con người. Rủi ro thực sự nằm ở việc sử dụng vòng lặp như một cái cớ để trốn tránh việc hiểu code và hệ thống. Năng lực cốt lõi trong tương lai khi hợp tác với AI có lẽ không còn là viết một prompt tốt, mà là thiết kế được các quy trình làm việc (workflow) của tác tử đáng tin cậy, có thể kiểm chứng và vận hành bền vững.

marsbit06/10 17:58

Viết Prompt đã lỗi thời? Lập trình AI đang chuyển hướng sang Kỹ thuật Vòng lặp

marsbit06/10 17:58

Claude Code Ra Mắt Luồng Công Việc Động: Giúp AI Tự Biết Tổ Chức Đội Nhóm Làm Việc

Claude Code đã giới thiệu "Workflows động", một tính năng cho phép AI tự động tổ chức và điều phối nhiều agent (tác nhân) con để cùng hợp tác xử lý các nhiệm vụ phức tạp. Thay vì một agent duy nhất xử lý toàn bộ công việc trong một ngữ cảnh dài, workflow động sẽ tạo ra một khuôn khổ thực thi linh hoạt: chia nhỏ nhiệm vụ, phân phối cho các agent con chạy song song, kiểm tra chéo, lặp lại và thậm chí cho các agent cạnh tranh nhau, trước khi tổng hợp kết quả cuối cùng. Tính năng này nhằm khắc phục các hạn chế của mô hình đơn agent như: "tính lười biếng" (dừng sớm), "thiên vị tự tham chiếu" (ưu tiên kết quả của chính mình) và "trôi mục tiêu" (sai lệch so với yêu cầu ban đầu sau nhiều lượt xử lý). Workflow động mở rộng phạm vi ứng dụng của Claude Code từ các tác vụ lập trình thuần túy (di chuyển mã, tái cấu trúc, review) sang các công việc phi kỹ thuật như nghiên cứu sâu, xác minh sự kiện, sàng lọc hồ sơ, phân tích nguyên nhân gốc rễ hay động não đặt tên. Bài viết giới thiệu các mẫu prompt ví dụ và các mô hình phổ biến khi thiết kế workflow, như: phân loại & định tuyến, phân tách & tổng hợp, xác minh đối kháng, tạo & sàng lọc, giải đấu loại trực tiếp và vòng lặp cho đến khi hoàn thành. Tuy workflow động tiêu thụ nhiều token hơn và không phải lúc nào cũng cần thiết cho các tác vụ thông thường, nhưng nó đánh dấu một hướng phát triển quan trọng: tương lai của công cụ AI không chỉ nằm ở trí thông minh của một mô hình đơn lẻ, mà còn ở khả năng tổ chức các quy trình thực thi phức tạp, đáng tin cậy, có thể tái sử dụng và kiểm tra được.

marsbit06/04 02:18

Claude Code Ra Mắt Luồng Công Việc Động: Giúp AI Tự Biết Tổ Chức Đội Nhóm Làm Việc

marsbit06/04 02:18

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

Bài viết từ Garry Tan, Chủ tịch Y Combinator, chia sẻ nhận thức sâu sắc sau khi xây dựng dự án "Garry's List" với 540.000 dòng code bằng Rails và AI Agent. Ông phát hiện ra giá trị thực sự không nằm ở khối lượng code khổng lồ đó, mà ở "GStack" – một framework phát triển mới xoay quanh luồng làm việc của AI Agent. Ông chỉ trích cách tiếp cận phổ biến hiện nay: bao bọc các mô hình LLM thông minh bằng hàng núi code kiểm soát, kiểm tra, logic giám sát – giống như xây dựng một "nhà máy Foxconn" để kiềm chế một công nhân AI siêu thông minh vốn có khả năng tự hoàn thành công việc. Khi chi phí LLM giảm mạnh và năng lực tăng, trọng tâm phát triển phần mềm cần chuyển từ "viết nhiều code hơn" sang "thiết kế nhiều khả năng hơn". Giải pháp được đề xuất là xây dựng "skill pack" (gói kỹ năng) bằng Markdown – các module năng lực có thể kiểm tra và tái sử dụng, cho phép Agent tự động tạo code, hệ thống kiểm thử và đánh giá. Điều này biến các luồng công việc phức tạp thành tài sản năng lực có thể tích lũy. Ví dụ, việc đánh giá một hackathon với 85 dự án giờ có thể được Agent hoàn thành trong 30 phút thay vì vài ngày. Bài học cốt lõi: Khi code không còn là nguồn lực khan hiếm, năng lực cạnh tranh của kỹ sư chuyển dịch. Tương lai thuộc về những người có thể phán đoán điều gì đáng xây dựng, định nghĩa vấn đề và biến kinh nghiệm thành năng lực tái sử dụng, thay vì chỉ viết thật nhiều code. Kỹ sư giỏi nhất có thể là người viết ít code nhất nhưng giải phóng được nhiều trí tuệ nhất.

marsbit06/02 21:41

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

marsbit06/02 21:41

260 tỷ USD, "đội hình toàn Hoa" làm nên công ty lập trình AI có định giá cao nhất toàn cầu

260 tỷ USD, công ty lập trình AI Cognition với đội ngũ sáng lập toàn người Hoa đã trở thành công ty AI lập trình có định giá cao nhất toàn cầu sau vòng gọi vốn mới. Chỉ sau hơn 8 tháng kể từ khi đạt mốc định giá 102 tỷ USD, Cognition AI đã huy động thành công hơn 10 tỷ USD với định giá sau đầu tư lên tới 260 tỷ USD. Vòng này do các quỹ Lux Capital, General Catalyst và 8VC dẫn đầu. Cognition nổi tiếng với "kỹ sư phần mềm AI" đầu tiên trên thế giới tên là Devin. Tuy nhiên, sau khi gây sốt ban đầu, Devin vấp phải những nghi ngờ về khả năng thực sự và tỷ lệ hoàn thành nhiệm vụ không cao trong môi trường thực tế, cùng với mức giá khởi điểm cao. Bước ngoặt quan trọng giúp Cognition định hình lại câu chuyện là việc mua lại tài sản còn lại của Windsurf, một công ty IDE AI. Điều này giúp Cognition bổ sung một công cụ phát triển tích hợp AI mà các lập trình viên có thể kiểm soát trực tiếp, bên cạnh mô hình agent tự trị Devin xử lý công việc bất đồng bộ. Sự kết hợp "hai chân" này cho phép Cognition phục vụ cả nhu cầu hỗ trợ viết code hàng ngày và nhu cầu tự động hóa các tác vụ kỹ thuật có thể ủy thác cho doanh nghiệp. Dữ liệu tăng trưởng ấn tượng - lượng sử dụng doanh nghiệp tăng hơn 10 lần trong năm nay, run-rate doanh thu đạt 492 triệu USD - cùng danh sách khách hàng lớn như Goldman Sachs, Mercedes-Benz, NASA, Lục quân & Hải quân Mỹ đã thuyết phục các nhà đầu tư. Họ không chỉ nhìn thấy một công cụ cho lập trình viên, mà là tiềm năng trở thành hạ tầng cơ sở mới cho kỹ thuật phần mềm doanh nghiệp trong kỷ nguyên AI.

marsbit05/31 10:26

260 tỷ USD, "đội hình toàn Hoa" làm nên công ty lập trình AI có định giá cao nhất toàn cầu

marsbit05/31 10:26

Vừa qua, AI Trung Quốc lọt vào top 2 lập trình toàn cầu, chỉ còn Claude phía trước

Hôm nay, Code Arena công bố bảng xếp hạng mới nhất. Qwen3.7-Max của Alibaba đạt 1541 điểm, lọt vào top 4 toàn cầu, vượt qua các mô hình hàng đầu như GPT-5.5 và Gemini 3.5 Flash. Hiện chỉ có Claude Opus 4.7 và Opus 4.6 xếp trên nó. Điều này giúp Alibaba trở thành công ty Trung Quốc duy nhất trong top đầu, đứng thứ hai thế giới, chỉ sau Anthropic. Qwen3.7-Max được mệnh danh là "mô hình nền tảng cho Agent", được thiết kế để thực hiện các nhiệm vụ tự chủ dài hạn. Trong một thử nghiệm, nó có thể chạy liên tục 35 giờ, thực hiện 1158 lần gọi công cụ để tối ưu hóa mã, đạt tốc độ tăng trung bình gấp 10 lần. Khả năng lập trình vượt trội của nó được chứng minh qua các thử nghiệm thực tế. Khi được yêu cầu tạo một trò chơi đua xe 3D, Qwen3.7-Max tạo ra một phiên bản có thể chơi được ngay lần đầu, bao gồm giao diện bắt đầu và hiệu ứng âm thanh - những chi tiết mà các mô hình khác như Gemini, Claude hay ChatGPT bỏ sót hoặc cần nhiều lần sửa lỗi. Hai yếu tố then chốt giúp Qwen3.7-Max đạt được thành tích này là: 1) Đào tạo mở rộng môi trường, giúp mô hình học các chiến lược tổng quát thay vì chỉ hoạt động tốt trong một framework cụ thể; 2) Khả năng thực thi tự chủ dài hạn, cho phép nó đưa ra hàng nghìn quyết định liên tục mà không bị suy giảm ngữ cảnh hay rơi vào vòng lặp. Với việc Qwen3.7-Max gia nhập cuộc đua, cuộc cạnh tranh về mô hình lập trình toàn cầu không còn là câu chuyện độc quyền của Thung lũng Silicon.

marsbit05/27 00:19

Vừa qua, AI Trung Quốc lọt vào top 2 lập trình toàn cầu, chỉ còn Claude phía trước

marsbit05/27 00:19

Mô hình Grok mới nhất được "ăn thêm" dữ liệu Cursor, Elon Musk: Khả năng Coding được cải thiện đáng kể

Elon Musk thông báo mô hình cơ sở mới của xAI, Grok V9-Medium (1.5T), đã hoàn thành huấn luyện và dự kiến ra mắt sau 2-3 tuần. Mô hình này được nhấn mạnh về khả năng lập trình với quy mô tham số gấp ba lần thế hệ trước. Đặc biệt, nó được bổ sung huấn luyện bằng lượng lớn dữ liệu từ Cursor - công cụ lập trình AI mà xAI đã mua lại với giá 600 tỷ USD, nhằm nâng cao hiểu biết thực tế về quy trình phát triển phần mềm. Song song, xAI cũng đang thử nghiệm beta công cụ đại lý lập trình AI riêng có tên Grok Build. Công cụ này hoạt động như một CLI, hỗ trợ lập kế hoạch, xử lý tác vụ song song với nhiều tiểu đại lý, và có thể tích hợp qua nhiều giao thức. Động thái này cho thấy chiến lược của Musk trong việc nhanh chóng tận dụng tài nguyên và chuyên môn từ Cursor để tăng cường năng lực coding cho Grok, cạnh tranh trực tiếp trong thị trường công cụ phát triển phần mềm AI.

marsbit05/26 04:20

Mô hình Grok mới nhất được "ăn thêm" dữ liệu Cursor, Elon Musk: Khả năng Coding được cải thiện đáng kể

marsbit05/26 04:20

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow