Tâm điểm hôm nay là Long-Horizon-Terminal-Bench, đứng đầu Hugging Face Daily Papers. Benchmark gồm 46 tác vụ terminal dài hạn, từ kỹ nghệ phần mềm đến tái lập thí nghiệm. Mô hình mạnh nhất chỉ hoàn thành hoàn hảo 10,9%; mỗi lần chạy trung bình tiêu thụ 9,9 triệu token. Khoảng cách lớn nhất của agent hiện không phải viết lệnh, mà là duy trì kế hoạch, ngữ cảnh và sửa lỗi qua hàng trăm bước.
Computer vision nổi bật với nghiên cứu Google DeepMind Video Generation Models are General-Purpose Vision Learners. Thay vì chỉ tạo video, mô hình sinh học được biểu diễn không–thời gian, liên kết hình ảnh–ngôn ngữ và có thể trở thành nền tảng thị giác tổng quát. Đây là tín hiệu rằng mô hình sinh sẽ dần thay thế pipeline chuyên biệt cho từng tác vụ CV.
Với LLM và code, Agora cho nhiều mô hình, công cụ “đấu giá” từng bước suy luận nhằm cân bằng năng lực–chi phí. Bộ nhớ chọn lọc chỉ lưu yêu cầu, schema và cấu hình hữu ích, đạt 96% hoàn thành tác vụ, đồng thời giảm chi phí token tới 97 lần. ProofCouncil và mã nguồn dùng kiến trúc tác giả–phản biện; 6/10 lời giải toán mở được đánh giá đúng hoặc chỉ cần sửa nhỏ.
Anthropic tổ chức webinar về agent production với Claude Sonnet 5; Microsoft khai mạc OSDI 2026; còn ITiCSE 2026 mở màn các thảo luận mới về giáo dục lập trình. Reuters nhận định chi phí AI khổng lồ đang đưa các phòng nghiên cứu doanh nghiệp trở lại vị trí trung tâm của đổi mới.
Trần Ngọc Minh 