Chào bạn, Minh Trung đây! 👋
Nếu tuần trước bạn còn nghĩ "AI mạnh thì phải đắt", thì bản tin ngày 17/07 vừa lật ngược mệnh đề đó. Một mô hình mới của Meta tuyên bố làm được việc ngang ngửa Claude Opus 4.8 trong các tác vụ agent-viết-mã, nhưng chỉ tốn khoảng 20% chi phí. Kimi K3 của Moonshot (Trung Quốc) tung ra bản trọng số mở khổng lồ 2,8 nghìn tỷ tham số. Startup của Mira Murati (cựu CTO OpenAI) ra mô hình "tự tinh chỉnh chính nó". Cả một làn sóng "trọng số mở, giá rẻ" đang tràn tới.
Nhưng điểm thú vị nhất tuần này không phải là mô hình nào mạnh hơn. Đó là một sự dịch chuyển tư duy: giá trị đang chuyển từ bản thân mô hình sang cách chúng ta lắp ráp AI vào công việc — từ "bộ não thứ hai" tự sắp xếp ghi chú, đến agent tự chủ làm báo cáo tuần, đến kỹ thuật "nâng cấp yên cương chứ không nâng cấp mô hình". Và ở cuối bản tin là một hồi chuông tỉnh táo: dữ liệu mới cho thấy phần lớn các công ty sa thải nhân sự "nhờ AI" đều... không cải thiện được lợi nhuận.
Cùng đi vào chi tiết nhé.
⚡ Đọc nhanh — 5 tín hiệu trong bản tin hôm nay:
🌊 Làn sóng mô hình mở giá rẻ — Meta Muse Spark 1.1 ngang Opus 4.8 với 1/5 chi phí, Kimi K3 2,8 nghìn tỷ tham số, Nous Research gọi vốn 75 triệu USD.
🧠 "Bộ não thứ hai" tự sắp xếp — biến mớ ghi chú lộn xộn thành kho tri thức tự liên kết, cộng mẹo tóm tắt video YouTube trên máy Mac trong 3 giây.
🤝 Agent tự chủ vào bàn làm việc — ChatGPT Work cắm thẳng vào Gmail/Slack, tự làm báo cáo tuần; kèm cảnh báo "nghịch lý thông tin ngược" của sếp Microsoft.
🔭 Nâng cấp "yên cương", không phải mô hình — kỹ nghệ mới giúp agent tự chẩn lỗi và tự sửa; Anthropic đã viết lại 500 nghìn dòng mã trong 11 ngày bằng 64 agent.
💼 Sự thật về sa thải vì AI — Xbox cắt 3.200 việc, nhưng nghiên cứu Gartner nói 80% công ty sa thải "nhờ AI" không cải thiện lợi nhuận, một nửa sẽ tuyển lại vào 2027.
🌊 1. Làn sóng mô hình mở giá rẻ đổ bộ — sức mạnh AI đang tụt giá
Tuần này, "phòng thí nghiệm mở" và các hãng Trung Quốc đồng loạt ra hàng, và điểm chung là: mạnh hơn, rẻ hơn, và cho phép bạn tự vận hành.
CUỘC ĐUA "TRỌNG SỐ MỞ" — DỮ LIỆU 17/07/2026
│
├─ Meta Muse Spark 1.1 → ngang Gemini 3.1 Pro & Opus 4.8
│ trong agent-viết-mã, CHỈ ~20% chi phí
│ (cửa sổ ngữ cảnh 1 triệu token)
│
├─ Kimi K3 (Moonshot.ai) → 2,8 nghìn tỷ tham số, MoE thưa
│ giá $3 / $15 mỗi triệu token (vào/ra)
│
├─ Inkling (Thinking Machines, Mira Murati)
│ → MoE 975 tỷ (41 tỷ hoạt động)
│ "có thể tự tinh chỉnh chính nó"
│
└─ Nous Research → gọi vốn 75 triệu USD, định giá 1,5 tỷ
Hermes tải 55 triệu lượt trên HuggingFaceĐiểm đáng chú ý nhất là Meta Muse Spark 1.1: một mô hình suy luận đa phương thức thiết kế riêng cho agent, được quảng bá là ngang hoặc vượt các mô hình đắt tiền như Opus 4.8 trong tác vụ viết mã tự động, nhưng chỉ tốn khoảng một phần năm chi phí. Nó chạy được nhiều agent song song và có thể gọi thẳng từ Claude Code.
Kimi K3 của Moonshot đẩy quy mô lên 2,8 nghìn tỷ tham số với kiến trúc "chuyên gia thưa" (chỉ kích hoạt một phần khi chạy để tiết kiệm), cửa sổ 1 triệu token, giá niêm yết trên OpenRouter là 3 USD (đầu vào) và 15 USD (đầu ra) cho mỗi triệu token. Trong khi đó, Nous Research — một phòng thí nghiệm mã nguồn mở khởi đầu từ cộng đồng ẩn danh năm 2022 — đang gọi 75 triệu USD ở mức định giá 1,5 tỷ. Dòng mô hình Hermes của họ đã được tải hơn 55 triệu lượt, và công nghệ DisTrO của họ tuyên bố giảm băng thông trao đổi giữa các card đồ họa tới 10.000 lần, cho phép huấn luyện mô hình lớn qua Internet thường thay vì siêu cụm máy chủ.
🧠 2. "Bộ não thứ hai" tự sắp xếp — và mẹo tóm tắt video YouTube trong 3 giây
Bạn có bao giờ ghi chú khắp nơi — trong cuộc họp, trên điện thoại, trong ứng dụng ghi chú — rồi không bao giờ tìm lại được khi cần? Tuần này có hai giải pháp rất "dán-dùng-ngay".
Đầu tiên là hệ thống "Bộ não thứ hai" (Second Brain) mà Wes Roth giới thiệu, dựa trên ý tưởng wiki bằng tệp văn bản của Andrej Karpathy. Ý tưởng cốt lõi: bạn đổ mọi ghi chú thô vào một cấu trúc thư mục phẳng, rồi để Claude Code đọc, liên kết chéo và tóm tắt chúng thành một "mạng lưới tri thức" tự lớn lên theo thời gian.
CẤU TRÚC "BỘ NÃO THỨ HAI"
│
├─ Inbox/ → ghi chú nhanh, đọc chính tả, ý tưởng chưa sắp
├─ Raw/ → nguồn gốc bất biến (bài web, bản ghi, dữ liệu thô)
│
├─ Wiki/ → kho tri thức do "AI thủ thư" quản lý
│ ├─ Concepts/ (khái niệm: [[Học máy]])
│ ├─ Entities/ (thực thể: [[OpenAI]], [[Wes Roth]])
│ └─ Summaries/ (tóm tắt do AI tạo)
│
├─ Dashboards/ → Projects.md · Index.md · Log.md
└─ claude.md → "sổ tay nhân viên" cho AI (quy tắc vận hành)Điều hay là bạn giữ toàn quyền sở hữu dữ liệu — tất cả nằm trong tệp văn bản trên máy bạn, không khóa trong một ứng dụng đóng nào cả. AI đóng vai "người thủ thư" tự động gắn thẻ, tạo liên kết và trả lời khi bạn hỏi kho ghi chú của chính mình.
Thứ hai là một mẹo nhỏ mà ai dùng máy Mac cũng làm được ngay, kể cả khi không biết lập trình: tạo phím tắt tóm tắt video YouTube. Vào Cài đặt hệ thống → Bàn phím → Thay thế văn bản, thêm một mục: ở ô "Thay thế" gõ ,,s, ở ô "Bằng" dán câu lệnh "Please make a short 100-120 words plain text summary of this -". Từ nay, mở Google Gemini, gõ ,,s rồi dán link video vào là có ngay bản tóm tắt.
🎯 Làm gì ngay: Chưa cần dựng cả hệ thống. Hãy bắt đầu bằng một thư mục Inbox duy nhất trên máy, đổ mọi ghi chú vào đó trong một tuần. Cuối tuần, dùng AI (Claude, ChatGPT hay Gemini) hỏi: "Đọc các ghi chú này và liệt kê giúp tôi 5 việc cần làm và 3 chủ đề lặp lại." Bạn sẽ thấy ngay giá trị của việc để AI "đọc hộ" mớ ghi chú của mình.
🤝 3. Agent tự chủ vào bàn làm việc — nhưng coi chừng "nghịch lý thông tin ngược"
Cho đến gần đây, AI trong công việc vẫn chủ yếu là "hỏi — đáp". Tuần này, ranh giới đó bị xóa mờ với ChatGPT Work của OpenAI — một agent tự chủ cắm thẳng vào các ứng dụng như Gmail và Slack.
CHATGPT WORK — TỪ "TRÒ CHUYỆN" SANG "LÀM XONG VIỆC"
│
├─ Chạy trên GPT-5.6
├─ Biến mục tiêu lớn → sản phẩm hoàn chỉnh
│ (tài liệu · slide · website · ứng dụng nhỏ)
├─ Điều phối công cụ across app, tệp, trình duyệt, máy tính
├─ Giữ ngữ cảnh nhiều GIỜ cho dự án dài hơi
└─ Tự chạy việc lặp theo lịch (báo cáo tuần, chiến dịch marketing)Thay vì bạn phải chép qua chép lại giữa các ứng dụng, ChatGPT Work nhận một mục tiêu ở tầm cao — ví dụ "tổng hợp phản hồi khách hàng trong Gmail tuần này thành báo cáo slide" — rồi tự điều phối các công cụ để cho ra sản phẩm cuối. Nó giữ được ngữ cảnh qua nhiều giờ và có thể đặt lịch chạy lặp lại, biến những việc đều đặn nhàm chán thành tự động.
Nhưng đúng tuần này, CEO Microsoft Satya Nadella lại đưa ra một cảnh báo đáng suy ngẫm, gọi là "nghịch lý thông tin ngược" (reverse information paradox). Ý ông: khi các công ty đưa dữ liệu, câu lệnh và những chỉnh sửa quý giá của mình cho nhà cung cấp AI, họ có thể đang cho không tri thức độc quyền của chính mình — thứ sau đó có thể được dùng để huấn luyện mô hình và làm lợi cho bên bán. (Điều hơi mỉa mai là chính Microsoft cũng thu thập dữ liệu người dùng qua Copilot.)
Nhận định: Agent tự chủ là bước nhảy về năng suất thật sự cho dân văn phòng — nhưng nó đặt ra một câu hỏi mới về ranh giới dữ liệu. Mặt phải: việc lặp đi lặp lại (báo cáo tuần, tổng hợp email) là mảnh đất vàng để giao cho agent. Mặt trái: càng trao cho AI nhiều ngữ cảnh nội bộ, bạn càng cần rõ ràng về việc dữ liệu nào được phép rời khỏi công ty. Lời khuyên thực tế: hãy tách bạch — dùng agent cho quy trình và bản nháp, nhưng đừng dán những thông tin nhạy cảm nhất (chiến lược, dữ liệu khách hàng, bí quyết) vào công cụ dùng chung khi chưa rõ chính sách lưu trữ.
🔭 4. Tầm nhìn: nâng cấp "yên cương", không phải mô hình
Nghĩ xem: nếu giá robot hình người ngang một chiếc xe máy điện thì cuộc sống của chúng ta sẽ thay đổi thế nào nhỉ?
Đây là ý tưởng khiến tôi tâm đắc nhất tuần này. Khi mọi người còn mải chạy theo "mô hình nào thông minh hơn", một hướng đi khác đang lặng lẽ chứng minh giá trị: cải thiện phần "yên cương" (harness) quanh mô hình — tức là mã, câu lệnh và công cụ bao quanh nó — thay vì đổi mô hình.
Trong một thí nghiệm được chia sẻ tuần này về "agent tự cải thiện", một agent liên tục thất bại khi xử lý các tệp nhật ký (log) dài. Người ta đưa một mô hình thứ hai, mạnh hơn, vào vai "bác sĩ chẩn đoán". Nó chỉ ra đúng điểm nghẽn: một tham số cắt dữ liệu trong phần yên cương. Chỉ cần nâng giá trị cấu hình đó — trong một "vùng được phép sửa" định nghĩa chặt chẽ — là lỗi biến mất. Không cần huấn luyện lại mô hình khổng lồ nào cả.
"KỸ NGHỆ VÒNG LẶP" — SỬA YÊN CƯƠNG, GIỮ CON NGƯỜI Ở GIỮA
│
├─ Mô hình mạnh chẩn lỗi của agent yếu
├─ Chỉ sửa trong "vùng được phép sửa" (an toàn)
├─ Kiểm chứng bằng các bài test ẩn
└─ Con người duyệt thủ công (pull request) → KHÔNG tự triển khaiĐiểm mấu chốt là con người vẫn ở trong vòng lặp: mọi thay đổi được kiểm chứng bằng bài test ẩn và phải qua duyệt thủ công, chứ không tự động đẩy ra sản phẩm. Cùng mạch này là các kỹ thuật như /workflow trong Claude Code (điều phối hàng chục agent nền theo từng giai đoạn) và "Chế độ Thi đấu" (Compete Mode) do bà Angela Jen của Anthropic chia sẻ — cho nhiều agent làm song song rồi một "trọng tài mù" chọn bản tốt nhất.
Và nếu bạn nghĩ đây chỉ là lý thuyết, hãy nhìn con số này: Anthropic đã viết lại bộ công cụ Bun (hơn 500 nghìn dòng mã) từ ngôn ngữ Zig sang Rust chỉ trong 11 ngày, dùng 64 agent Claude chạy song song (chi phí mô phỏng khoảng 165 nghìn USD), xử lý 128 lỗi tồn đọng và giảm 20% kích thước tệp chạy.
Nhận định: Bài học cho người không lập trình cũng rõ ràng: đừng chỉ hỏi "AI nào giỏi nhất", hãy hỏi "mình lắp AI vào quy trình như thế nào cho khéo". Mặt phải: cải thiện quy trình (câu lệnh, công cụ, cách kiểm tra) thường rẻ và nhanh hơn nhiều so với chờ mô hình đời mới. Mặt trái: các kỹ thuật chạy nhiều agent song song tiêu tốn thời gian và token gấp bội, nên chỉ nên dành cho việc thật sự quan trọng — không phải mọi tác vụ đều cần một "hội đồng agent".
💼 5. Sự thật phũ phàng: sa thải "nhờ AI" phần lớn đã thất bại
Xin khép lại bằng một tín hiệu tỉnh táo. Tuần này, Xbox công bố kế hoạch tái cấu trúc lớn: cắt khoảng 3.200 việc làm đến hết năm tài chính 2027 (1.600 việc bị cắt ngay), bốn studio rời khỏi quyền quản lý của Xbox. Nguyên nhân: biên lợi nhuận yếu, chi phí cao gắn với AI, và tăng trưởng Game Pass chững lại. Một chi tiết gây sốc trong bản ghi nhớ: có bộ phận vận hành với tới 14 tầng quản lý — Microsoft dự định làm phẳng xuống còn năm tầng hoặc ít hơn.
Nhưng con số đáng suy ngẫm nhất đến từ một nghiên cứu của Gartner:
KHI AI ĐƯỢC DÙNG ĐỂ "THAY NGƯỜI"
│
├─ 80% công ty triển khai AI đã cắt giảm nhân sự...
├─ ...nhưng các đợt sa thải đó KHÔNG cải thiện lợi nhuận
├─ Cloudflare, Oracle, Coinbase → giá cổ phiếu giảm / rủi ro
│ chảy máu nhân tài sau khi cắt người và viện cớ "AI"
└─ Gartner dự báo: MỘT NỬA sẽ tuyển lại đúng vị trí đó vào 2027Bức tranh việc làm rộng hơn cũng đang căng: theo layoffs.fyi, ngành công nghệ Mỹ đã có khoảng 121 nghìn người mất việc tính đến 17/07/2026 (trueup.io ghi nhận con số cao hơn, khoảng 167 nghìn — tức gần 850 người mỗi ngày). Nhưng thông điệp cốt lõi từ dữ liệu tuần này lại đầy hy vọng cho người lao động: coi AI như công cụ để thay thế nhân viên thường phản tác dụng; dùng nó để khuếch đại năng lực con người mới thành công.
Nhận định: Đây chính là "từ khóa tuần này" hiện ra rõ nhất. Công ty nào cắt người rồi kỳ vọng AI gánh hết thường vỡ mộng — mất tri thức, mất tinh thần đội ngũ, rồi phải tuyển lại. Mặt phải: với cá nhân, đây là lời nhắc rằng giá trị của bạn không biến mất — nó dịch chuyển sang khả năng dùng AI để làm nhiều hơn, tốt hơn. Mặt trái: làn sóng tái cấu trúc là có thật và sẽ còn tiếp diễn; sự an toàn không đến từ việc né AI, mà từ việc trở thành người trong tổ chức biết "đóng yên cương" cho nó giỏi nhất.
🎯 Làm gì ngay: Tuần này, hãy viết ra một việc cụ thể mà AI giúp bạn làm nhanh gấp đôi, kèm con số (ví dụ: soạn báo giá từ 2 giờ xuống 30 phút). Đây vừa là bằng chứng giá trị khi trao đổi với sếp, vừa là cách bạn tự định vị mình ở phía "được khuếch đại" thay vì "bị thay thế".
🙋 Góc ứng dụng
"Tôi là dân viết lách, không phải lập trình viên. Tôi ghi chú khắp nơi — trong họp, trên podcast, khi nghĩ ý tưởng bài viết — nhưng khổ nỗi mọi ứng dụng ghi chú tôi thử đều giỏi lưu mà dở tìm lại. Tôi biết chính xác mình muốn gì: một app gắn ghi chú với sự kiện lịch, tự nổi bật các đầu việc thay vì bắt tôi đọc lại từ đầu. Vấn đề là tôi chưa bao giờ mở Xcode, không biết tạo một dự án phần mềm là gì. Thứ tôi mô tả nằm ngoài tầm với của tôi.
Nên tôi thử Claude Code. Và tôi có đúng cái app mình muốn. Nó tên Contextly, giờ ai cũng tải miễn phí được trên Mac App Store. Tôi — một người viết — đã tự dựng được app mình mơ ước và phát hành nó."
Đó là câu chuyện thật của Jason Aten, cây bút công nghệ của tạp chí Inc., kể trên chính trang này hồi tháng 5/2026. Bài học ở đây rất "AI 24h": bạn không cần biết lập trình để biến một nỗi bực bội lặp đi lặp lại thành một công cụ giải quyết nó. Ranh giới giữa "người có ý tưởng" và "người làm ra sản phẩm" đang mỏng đi từng tuần.
Bạn cũng có một câu chuyện tự dùng AI để giải quyết một vấn đề đời thường? Gửi cho Minh Trung nhé — biết đâu tuần sau lại là chuyện của bạn ở mục này.
🔭 Nhìn lại tuần
Năm tín hiệu tuần này ghép lại thành một thông điệp: sức mạnh AI đang vừa rẻ đi vừa dịch lại gần bạn hơn. Mô hình "ngang Opus" giờ chỉ bằng 1/5 giá; ghi chú lộn xộn có thể tự sắp thành kho tri thức; agent tự chủ đã ngồi vào bàn làm việc. Nhưng đúng lúc công cụ mạnh nhất trong tay, dữ liệu về sa thải lại nhắc ta rằng: giá trị không nằm ở việc thay người bằng máy, mà ở việc con người dùng máy để làm được nhiều hơn.
Vài tin bổ sung đáng chú ý tuần này:
PrismML chạy mô hình Qwen 27 tỷ tham số trên iPhone 17 Pro. Kỹ thuật nén "Bonsai" ép mô hình từ 54GB xuống còn 3,9–6GB, chạy 11 token/giây mà vẫn giữ 90–97% chất lượng gốc — AI mạnh đang tiến vào túi quần bạn.
Mã nguồn của Suno bị hack. Một hacker cài mã độc đánh cắp thông tin đăng nhập GitHub và đám mây của nhân viên, để lộ cách Suno thu thập nhạc quy mô lớn từ YouTube Music, Deezer, Genius... và cả danh sách khách hàng. Lời nhắc về an ninh cho mọi công ty AI.
Vulkan và Mojo phá thế độc quyền CUDA của Nvidia. Sau 15 năm, đã có hai lựa chọn thay thế thuyết phục để chạy AI trên nhiều loại card; Qualcomm vừa mua công ty mẹ của Mojo (Modular) với giá khoảng 4 tỷ USD.
Anaconda mua lại Kilo Code, nền tảng agent mã nguồn mở với hơn 3 triệu lập trình viên, định tuyến qua hơn 500 mô hình và xử lý gần 10 nghìn tỷ token mỗi tháng.
ElevenLabs đạt 600 triệu USD doanh thu định kỳ hằng năm (ARR) nhờ giọng nói tổng hợp giống người thật.
AI giúp máy tính lượng tử tiến gần "ngày Q". Số qubit cần để phá mã hóa hiện đại đã giảm 40 lần (từ 20 triệu xuống 0,5 triệu); Google, Cloudflare và IBM đã dời hạn chuyển sang bảo mật hậu lượng tử về năm 2029. Cảnh báo "thu hoạch bây giờ, giải mã sau" đáng để các doanh nghiệp rà soát an ninh ngay.
Nhìn rộng ra: Nếu có một điều để mang theo tuần này, thì đó là câu hỏi bạn nên tự hỏi mỗi khi chạm vào AI: "Mình đang dùng AI để thay thế, hay để khuếch đại năng lực?" Câu trả lời quyết định bạn thuộc về phía nào của làn sóng.
【🎁 Quà tặng tuần này: Cẩm nang "Bộ Não Thứ Hai" — Để AI sắp xếp ghi chú giúp bạn】
Một hướng dẫn A4 ngắn gọn giúp bạn bắt đầu hệ thống ghi chú tự-sắp-xếp bằng AI: cấu trúc thư mục, cách để AI đóng vai "thủ thư", ba câu lệnh dùng ngay, cộng mẹo tóm tắt video YouTube trong 3 giây. Không cần biết lập trình.
📥 Tải miễn phí bên dưới.
🔚 Bản tin AI 24h hôm nay kết thúc tại đây!
Hẹn gặp bạn trong bản tin tiếp theo với những cập nhật mới nhất!
Theo dõi và phản hồi để chúng tôi ngày càng hoàn thiện bản tin cho bạn!
Tái bút: Chúng tôi làm bản tin AI này hoàn toàn miễn phí mỗi ngày. Sự ủng hộ của bạn là động lực giúp chúng tôi tiếp tục. Nếu bạn thấy hữu ích, chia sẻ cho ít nhất một, hai (hoặc 20) bạn bè của bạn nhé 😉
📚 Nguồn Tham Khảo Chính
Meta Muse Spark 1.1, Kimi K3, Inkling (Thinking Machines), Nous Research/Hermes: số liệu từ slide AI Updates 17/07/2026 (chi phí ~20%, 1 triệu token; Kimi 2,8 nghìn tỷ, giá $3/$15; Inkling MoE 975 tỷ/41 tỷ; Nous gọi 75 triệu USD, định giá 1,5 tỷ, Hermes 55 triệu lượt tải, DisTrO giảm băng thông tới 10.000 lần).
Second Brain (Wes Roth, theo ý tưởng Andrej Karpathy) & mẹo tóm tắt YouTube trên Mac: slide AI Updates 17/07/2026.
ChatGPT Work (GPT-5.6): openai.com/chatgpt-work. "Nghịch lý thông tin ngược" (Satya Nadella): theregister.com, 13/07/2026.
Self-Improving Agents / "Evolving the Harness, Not the Model", /workflow, Compete Mode (Angela Jen), Anthropic viết lại Bun sang Rust: slide AI Updates 17/07/2026.
Việc làm & AI (Xbox cắt 3.200 việc, nghiên cứu Gartner, layoffs.fyi 121K, trueup.io ~167K): slide AI Updates 17/07/2026; layoffs.fyi; trueup.io/layoffs.
Góc độc giả — Jason Aten & app Contextly: Inc., "Claude Code Just Solved My Biggest Productivity Problem", 08/05/2026 — inc.com/jason-aten/claude-code-just-solved-my-biggest-productivity-problem/91342360; app trên Mac App Store (Contextly Notes).
Hẹn gặp lại ở bài viết sau!
Bạn muốn nghe Podcast?
🎤 Spotify: Project AI - AI 24h |
🎤 Apple Podcasts : AI 24h |
