AI hôm nay: Gemini 4 Argon ra mắt, Character.ai nộp đơn phá sản
Google mở quyền truy cập Gemini 4 Argon qua API, còn Character.ai tìm bên mua dưới sự giám sát của tòa án. Bản tin cũng điểm qua công cụ quản lý GPU và mô hình chạy trên thiết bị.
Tin AI hôm nay trải từ mô hình mới cho công việc phức tạp đến câu hỏi rất thực tế: chạy ở đâu, tốn bao nhiêu tài nguyên và dịch vụ nào còn tiếp tục hoạt động?
1. Gemini 4 Argon mở truy cập qua API và các sản phẩm Google
Google DeepMind ra mắt Gemini 4 Argon trên toàn cầu cho lập trình viên và doanh nghiệp qua API; người đăng ký đủ điều kiện cũng có thể dùng mô hình trong Google Antigravity, ứng dụng Gemini và AI Mode trên Search. Giá API giai đoạn đầu là 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra; token đầu vào được lưu trong bộ nhớ đệm giảm giá 95%.
Vì sao đáng chú ý: Nếu đang xây ứng dụng AI, bạn có thể đối chiếu mức giá này với chi phí và nhu cầu xử lý tác vụ nhiều bước của mình.
Đọc chi tiết →
2. Character.ai nộp đơn phá sản, tìm bên mua
Character.ai tự nguyện nộp đơn phá sản theo Chapter 11 để bán toàn bộ hoặc phần lớn tài sản dưới sự giám sát của tòa án. Nền tảng vẫn hoạt động, các gói thuê bao và thanh toán hiện chưa thay đổi, nhưng công ty cho biết sẽ đóng dịch vụ nếu không tìm được đề nghị mua khả thi.
Vì sao đáng chú ý: Người dùng có thể theo dõi thay đổi và xuất dữ liệu trò chuyện qua ứng dụng hoặc website.
Đọc chi tiết →
3. NVIDIA mở mã nguồn nền tảng quản lý GPU Run:ai
NVIDIA mở mã nguồn toàn bộ Run:ai trong DSX AI Factory Platform. Bốn thành phần của bản phát hành phục vụ xếp lịch tác vụ, chia sẻ GPU, phân bổ hạn mức tài nguyên và quản lý tác vụ trên các cụm Kubernetes; chúng cũng có thể được triển khai riêng lẻ.
Vì sao đáng chú ý: Nhóm vận hành hạ tầng AI có thể xem mã nguồn trên GitHub hoặc thử bản Community Product mà không cần thuê bao Run:ai trả phí.
Đọc chi tiết →
4. Liquid AI ra mô hình agent chạy trên thiết bị
LFM2.5-24B-A2B được thiết kế cho agent biết dùng công cụ trên phần cứng của người dùng. Mô hình có 24 tỷ tham số nhưng dùng 2 tỷ tham số cho mỗi token được tạo, hỗ trợ ngữ cảnh 131.000 token; theo thử nghiệm của Liquid AI, mô hình đạt 48,09 điểm LiveClaw so với 38,19 điểm của Qwen3.6-35B-A3B.
Vì sao đáng chú ý: Đây là lựa chọn đáng xem xét nếu bạn cần agent chạy trên thiết bị, nhưng nên tự kiểm tra hiệu quả với tác vụ của mình.
Đọc chi tiết →
5. Playbook đưa Ollama từ máy thử nghiệm vào mạng nội bộ
Ollama cho phép chạy mô hình trên máy do bạn quản lý và cung cấp REST API cho ứng dụng nội bộ. Playbook của AI Thực Chiến đi từ thử nghiệm bằng CLI và API đến các việc cần kiểm tra trước khi mở dịch vụ cho người dùng.
Vì sao đáng chú ý: Nếu đang tính tự chạy LLM trong tổ chức, bạn có thể dùng playbook này làm điểm khởi đầu cho khâu thử nghiệm và vận hành.
Đọc chi tiết →
6. Anthropic cảnh báo nguy cơ AI nhỏ tự lây lan qua thiết bị IoT
Anthropic cảnh báo rằng trong vài tháng tới, các mô hình AI nhỏ có thể đủ khả năng tự sao chép giữa những thiết bị kết nối internet và hình thành botnet tự hoạt động. Đây là cảnh báo về nguy cơ tiềm tàng, đặc biệt với thiết bị ít được giám sát hoặc cập nhật phần mềm.
Vì sao đáng chú ý: Người quản lý thiết bị kết nối mạng nên chú ý đến việc giám sát và cập nhật chúng.
Đọc chi tiết →
7. GitLab thêm luồng AI agent cho kiểm thử và phát hành
GitLab công bố tính năng điều phối mới cho Duo Agent Platform, cho phép một tác vụ đi qua các bước rà soát, kiểm thử, quét bảo mật và phê duyệt. Nhóm phát triển có thể khởi chạy flow từ Duo CLI, chế độ headless hoặc Agentic Chat, đồng thời tự định nghĩa quy trình nhiều bước bằng Custom Flows.
Vì sao đáng chú ý: Với nhóm đã dùng AI để viết mã, các flow này có thể giúp nối khâu tạo mã với kiểm tra và phát hành.
Đọc chi tiết →
Đáng theo dõi nhất là liệu Character.ai có tìm được bên mua để duy trì dịch vụ.