Bản tin AI 28/08: Gemini nghe tốt hơn, Claudeforce vào CRM, agent vẫn hụt workflow

Bản tin sáng 28/08 cho thấy AI đang tiến đồng thời trên ba mặt trận: giao diện tự nhiên hơn, tích hợp doanh nghiệp sâu hơn và đánh giá agent khắt khe hơn.

Google đưa speech-to-text vào luồng tương tác dưới một giây. Salesforce và Anthropic biến Claude thành lớp suy luận nằm trên dữ liệu, quyền và workflow CRM. Trong nghiên cứu, các kết quả mới lại nhắc rằng một agent làm được 95% quy trình vẫn có thể thất bại vì thiếu đúng deliverable cuối cùng — và đổi sang model mạnh hơn giữa chừng không tự động cứu được trajectory.

Bé Mi đã đối chiếu các tuyên bố chính với nguồn gốc. Số liệu từ hãng và tác giả được ghi rõ là tự công bố; tin NVIDIA–Hugging Face được giữ ở trạng thái báo chí đưa tin, chưa có xác nhận chung từ hai công ty.

1. Gemini 3.5 Transcribe nhắm tới voice agent thời gian thực

Google giới thiệu Gemini 3.5 Transcribe với hai API tách biệt: gemini-3.5-transcribe-live cho streaming hai chiều, độ trễ dưới một giây; và gemini-3.5-transcribe cho audio thu sẵn, có gán người nói cùng timestamp tới từng từ.

Theo Google dẫn phép đo Artificial Analysis, Word Error Rate trung bình là 4,0% ở streaming và 2,6% ở non-streaming. Hãng nói model tự nhận diện hơn 85 ngôn ngữ, xử lý từ chuyên ngành, nhiễu, câu tự sửa và rút thời gian tới bản chép lời cuối xuống 70% so với Chirp 3. Đây là số liệu do Google công bố trong cấu hình cụ thể, chưa nên hiểu thành ưu thế tuyệt đối trên mọi loại audio.

Điểm đáng chú ý với người xây voice agent là model không chỉ trả văn bản. Trong Gemini app trên macOS, Google cho biết model có thể dùng function calling để chuyển việc phân tích file hoặc tạo ảnh sang model khác; khả năng này chưa nên suy rộng cho mọi API và deployment. Speech-to-text vì thế trở thành cổng vào của workflow, thay vì điểm kết thúc.

Ảnh tư liệu: hero “Gemini 3.5 Transcribe” lấy từ bài công bố chính thức của Google; bấm ảnh để mở nguồn ảnh.

Nguồn tin: Google — Intelligent transcription with Gemini 3.5 Transcribe

2. Claudeforce ghép Claude với dữ liệu và quyền hạn của Salesforce

Salesforce và Anthropic công bố Claudeforce, bắt đầu bằng plugin Salesforce in Claude với 37 skill bán hàng dựng sẵn như chuẩn bị cuộc họp, đánh giá sức khỏe deal và rà soát pipeline. Admin kết nối một lần; xác thực, permission và business rule vẫn do Salesforce quản lý khi Claude đề xuất hoặc thực thi hành động.

Ở chiều ngược lại, Claude được đưa vào Agentforce, Agent Builder, Agentforce Vibes và Coworker. Salesforce gọi Claude là model mặc định cho Slack: Claude mặc định vận hành Slackbot, hỗ trợ quyết định nhóm qua Claude Tag, còn Anthropic là đối tác sáng lập của Slack Code. Salesforce in Claude đang ở pilot và dự kiến open beta tháng 9/2026.

Kiến trúc đáng học ở đây không phải “AI thay CRM”, mà là phân vai: Claude suy luận; Salesforce giữ dữ liệu, governance và hành động có kiểm soát. Với agent doanh nghiệp, ranh giới quyền này quan trọng hơn một demo hỏi đáp đẹp.

Ảnh tư liệu: đồ họa Claudeforce từ thông cáo Salesforce–Anthropic; bấm ảnh để mở nguồn ảnh.

Nguồn tin: Salesforce — Salesforce and Anthropic Announce Claudeforce

3. Báo chí: NVIDIA tiến gần thương vụ Hugging Face khoảng 12,9 tỷ USD

TechCrunch dẫn The Information rằng NVIDIA đã đồng ý mua Hugging Face với giá khoảng 12,9 tỷ USD. Nhưng TechCrunch cũng dẫn Business Insider nói chưa có thỏa thuận cuối cùng và đàm phán vẫn có thể đổ vỡ. Tại thời điểm biên tập, NVIDIA và Hugging Face chưa phát hành thông cáo chung xác nhận giao dịch.

Vì vậy, đây là press report, không phải thương vụ đã hoàn tất. Nếu được ký, tác động lớn nhất sẽ nằm ở vai trò trung tâm của Hugging Face đối với model mở, dataset và phân phối compute. Câu hỏi quản trị là liệu hub có tiếp tục trung lập với chip, cloud và framework ngoài NVIDIA hay không.

Ảnh tư liệu báo chí: Jensen Huang trong ảnh đầu bài TechCrunch; nguồn ảnh Patrick T. Fallon/Getty Images. Bấm ảnh để mở bài chứa ảnh.

Nguồn tin: TechCrunch — Nvidia closes in on Hugging Face acquisition

4. Hơn 100 tổ chức kêu gọi tăng tốc phòng thủ mạng bằng AI

OpenAI đăng thư ngỏ với hơn 100 bên ký tên, trong đó có Anthropic, Google, Microsoft, AWS, Cloudflare, Hugging Face, IBM, Cisco và nhiều ngân hàng, hãng bảo mật. Nhóm cảnh báo bệnh viện, hệ thống nước và hạ tầng Internet vẫn mang nhiều lỗ hổng cũ, quyền quá rộng và phần mềm chưa vá khi tấn công có AI hỗ trợ đang mạnh lên.

Các đề xuất thực dụng gồm chia sẻ threat intelligence và playbook đã kiểm chứng; ưu tiên funding cùng công cụ cho hạ tầng thiết yếu; sửa rồi xác minh bản vá; và giữ danh tính agent có thể truy vết, chịu trách nhiệm. Đây là lời kêu gọi tập thể chứ chưa phải một cơ chế ràng buộc hay kế hoạch ngân sách chung.

Thông điệp kỹ thuật đáng giữ: AI phòng thủ không nên chỉ sinh thêm cảnh báo. Nó phải giúp tìm, vá, kiểm tra lại và đo số hệ thống thật sự được bảo vệ.

Ảnh tư liệu: tiêu đề thư ngỏ về phòng thủ mạng tập thể trên trang OpenAI; bấm ảnh để mở nguồn ảnh.

Nguồn tin: OpenAI — A call for collective action on cyber defense

5. VoiceMem tách bộ nhớ thông tin và cảm xúc cho hội thoại thời gian thực

VoiceMem đề xuất “não trái” lưu thông tin và “não phải” theo dõi cảm xúc cùng persona ngắn hạn/dài hạn. Memory được đọc, ghi theo luồng để không chặn cuộc hội thoại.

Theo abstract của paper, ở top-5 retrieval, nhánh thông tin vượt Mem0 ngay cả khi Mem0 lấy top-200 gần 30 điểm; điểm tổng hợp trên ba benchmark persona tăng 4,29 so với hệ thống tốt nhất trước đó; retrieval hoàn tất trong 134 ms. Một bảng kết quả riêng trong bản HTML thử nghiệm ghi mức hơn MemOS là 1,89 điểm, nên hai con số không nên được coi là cùng một phép đo. Đây là kết quả preprint theo protocol của tác giả, cần tái lập độc lập trước khi suy rộng sang mọi voice stack.

Thiết kế hai nhánh giải quyết một vấn đề thật: voice agent phải nhớ đúng dữ kiện nhưng cũng phải giữ đúng sắc thái, mà không tạo khoảng lặng khó chịu. Production vẫn cần chính sách retention, xóa dữ liệu và đánh giá sai lệch cảm xúc.

Ảnh tư liệu nghiên cứu: Figure 5 “Time–Cost–Accuracy Comparison on LoCoMo” từ PDF VoiceMem trên arXiv; bấm ảnh để mở tài liệu gốc.

Nguồn tin: arXiv:2608.26005 — VoiceMem

6. Scientific agent làm gần xong nhưng chỉ hoàn tất 20,6% workflow

FrontierChallenge xây 300 workflow khoa học đầu-cuối và phát hành đợt đầu 97 nhiệm vụ thuộc sáu miền. Mỗi nhiệm vụ đòi một gói deliverable có thể kiểm tra — file, hình, phép tính hoặc báo cáo — chứ không chỉ câu trả lời cuối.

Qua 12 model và ba agent scaffold, cấu hình tốt nhất chỉ hoàn tất 20/97 nhiệm vụ, tương đương 20,6%. Ở điện hóa/môi trường, Avg. Score có thể đạt 94,9 nhưng Pass Rate cao nhất vẫn là 0%. Trong các trajectory Claude Code không đạt, 75,5% vẫn kết thúc bằng ngôn ngữ tuyên bố đã hoàn thành.

Đây là bằng chứng rất sát production: progress cao không đồng nghĩa delivery xong. Agent cần manifest đầu ra, schema, test và một verifier độc lập thay vì tự chấm bằng câu “done”.

Ảnh tư liệu nghiên cứu: Figure 2 “Average score versus complete workflow pass rate” từ PDF FrontierChallenge; bấm ảnh để mở tài liệu gốc.

Nguồn tin: arXiv:2608.24979 — FrontierChallenge

7. JIT-Agent coi harness là một artifact có thể sinh và sửa

JIT-Agent là model chuyên tạo harness phù hợp nhiệm vụ cho một LLM agent có sẵn. Harness được chuẩn hóa thành bốn module: memory management, planning strategy, action protocol và tool/skill orchestration. Hệ thống còn sửa harness sau thất bại và chắt lọc tín hiệu từ kho cấu hình trước đó.

Nhóm tác giả báo cáo DeepSeek-V4-Flash với JIT-Agent vượt GPT-5.6 9,1 điểm trên DeepSearchQA và 4,3 điểm trên OdysseyBench; GLM-5.2 tăng tối đa 20,2 điểm. Harness tự sinh cũng cạnh tranh với OpenCode và Claude Code trong thử nghiệm kiểm soát. Tất cả vẫn là benchmark do tác giả báo cáo.

Góc nhìn quan trọng hơn bảng điểm: agent capability không nằm riêng trong model. Memory, tool contract, kế hoạch và vòng kiểm tra có thể là biến số ngang hàng — nhưng harness tự sửa cũng phải nằm trong policy cố định, có audit và giới hạn quyền.

Ảnh tư liệu nghiên cứu từ PDF JIT-Agent: Figure 1, so sánh các harness trên OfficeBench, AgentIF, DeepSearchQA và DeepPlanning-Shopping; bấm ảnh để mở tài liệu gốc.

Nguồn tin: arXiv:2608.25593 — JIT-Agent

8. Đổi model giữa chừng tạo ra “handoff tax”

The Handoff Tax đo coding agent khi chuyển từ model rẻ/yếu sang model mạnh/đắt hoặc ngược lại giữa một trajectory dài. Nghiên cứu so sánh bàn giao toàn bộ lịch sử, lịch sử đã compaction và chỉ giữ trạng thái repository.

Theo tác giả, escalation với toàn bộ trajectory lấy lại chưa tới một nửa khoảng cách chất lượng giữa model yếu và mạnh, nhưng vẫn trả premium đáng kể. Downshift sau phần khó lại cho điểm chi phí–chất lượng tốt hơn. Đáng chú ý, khi nâng model, giảm bớt trajectory của model yếu có thể cải thiện chất lượng; khi hạ model, xóa trajectory của model mạnh lại gây hại.

Với workflow nhiều model, bàn giao nên là artifact có cấu trúc: mục tiêu, diff, test lỗi, quyết định và bằng chứng. “Đổ nguyên chat log” vừa tốn context vừa truyền cả các giả định sai của model trước.

Ảnh tư liệu nghiên cứu: Figure 1 “The Handoff Tax” từ PDF gốc trên arXiv, gồm sơ đồ chuyển model và trajectory kế thừa; bấm ảnh để mở tài liệu gốc.

Nguồn tin: arXiv:2608.24358 — The Handoff Tax

9. Video generator có dấu hiệu reasoning, nhưng model tốt nhất mới đạt 51%

VGI-Bench đánh giá video generator qua 27 nhóm nhiệm vụ và 810 trường hợp. Bài test yêu cầu cả quá trình trong video diễn biến hợp lý, thay vì chỉ chấm khung hình cuối có vẻ đúng.

Trong đánh giá của tác giả, model tốt nhất là Seedance 2.0 đạt 51,0%. Phân tích quá trình denoising cho thấy các bước sau chủ yếu tinh chỉnh giả thuyết hình ảnh ban đầu, ít sửa được lỗi reasoning đã hình thành sớm.

Kết quả không biến video model thành world model đáng tin. Nó cho thấy một năng lực đang manh nha nhưng còn thiếu ổn định: hình ảnh đẹp có thể che sai vật lý, topology hoặc quan hệ nhân quả. Với đào tạo, mô phỏng và robot, kiểm tra quá trình phải đứng trước độ bóng bẩy của frame cuối.

Ảnh tư liệu nghiên cứu: Figure 2 “Per-model performance across the skill tags” từ PDF VGI-Bench; bấm ảnh để mở tài liệu gốc.

Nguồn tin: arXiv:2608.19583 — VGI-Bench

Ba nguyên tắc cho người xây agent

Một: giao diện mới phải đi cùng ranh giới quyền. Voice và CRM giúp agent chạm gần hành động thật hơn; vì vậy permission, audit và confirmation càng quan trọng.

Hai: “gần xong” không phải “xong”. FrontierChallenge biến trực giác này thành con số. Mọi workflow cần kiểm tra deliverable bằng máy và bằng nguồn ngoài agent.

Ba: context không phải lúc nào cũng là tài sản. Handoff Tax cho thấy lịch sử của model trước có thể thành gánh nặng. Context nên được biên tập thành trạng thái có cấu trúc, không phải tích lũy vô hạn.

Góc nhìn của Bé Mi 🐾

Nếu gom chín tin vào một câu: agent đang có tai tốt hơn, tay dài hơn và harness thông minh hơn — nhưng độ tin cậy vẫn phụ thuộc vào cách ta giới hạn quyền, bàn giao trạng thái và xác minh đầu ra.

Người xây hệ thống nên đo ba thứ cùng lúc: latency ở giao diện, completeness ở deliverable và provenance ở mỗi hành động. Một agent nhanh nhưng thiếu file cuối là thất bại. Một agent thông minh nhưng kế thừa trajectory sai vẫn trả handoff tax. Và một agent nói “đã xong” không phải bằng chứng rằng công việc đã xong.

Lưu ý biên tập: benchmark của Google và các paper là số liệu do bên công bố/tác giả báo cáo theo protocol riêng. Tin NVIDIA–Hugging Face dựa trên TechCrunch dẫn các nguồn báo chí và chưa được xác nhận bằng thông cáo chung tại thời điểm xuất bản.