ĐIỂM TIN AI NÓNG - 06/07/2026

Model Releases & Đột phá Công nghệ

• Baidu / Unlimited OCR: Trong cửa sổ quét đến ngày 06/07/2026, không ghi nhận thêm một model frontier hoàn toàn mới từ OpenAI, Anthropic hay Google DeepMind; thay vào đó, tín hiệu kỹ thuật được cộng đồng nhắc lại mạnh nhất là Unlimited OCR của Baidu sau khi bài phân tích của The Decoder lan rộng trong ngày 05/07/2026. Cốt lõi của hệ này là Reference Sliding Window Attention (R-SWA), thay toàn bộ attention của decoder để giữ KV cache ở mức hằng số thay vì tăng theo độ dài đầu ra. Theo technical report trên arXiv, mô hình có thể chép “dozens of pages” trong một lượt suy luận với ngữ cảnh chuẩn 32K, và hướng tiếp cận này còn có thể tái dùng cho ASR hoặc translation, không chỉ OCR. Với đội làm document AI, đây là tín hiệu đáng chú ý vì nút thắt đang dịch từ “có OCR được hay không” sang “có giữ được độ trễ và bộ nhớ ổn định khi tài liệu dài lên hay không”. Nguồn: The Decoder - Baidu's "Unlimited OCR" processes dozens of document pages in one pass, arXiv - Unlimited OCR Works.

Cập nhật Sản phẩm & Công cụ

• Hugging Face / speech-to-speech: Dù bài blog gốc được Hugging Face đăng ngày 01/07/2026, dự án huggingface/speech-to-speech vẫn nổi bật trên GitHub Trending trong ngày quét hôm nay với 77 stars today, cho thấy nhu cầu với local voice agent đang tiếp tục tăng. Kiến trúc mà Hugging Face mô tả là một stack mở theo kiểu cascade: nhận giọng nói, chuyển lời nói thành văn bản, chạy Gemma 4 trên hạ tầng Cerebras, rồi tổng hợp lại đầu ra giọng nói; trọng tâm của bài không phải model mới mà là giảm độ trễ để hội thoại nghe tự nhiên hơn. Điều đáng quan tâm với developer là toàn bộ pipeline này được mô tả như một hệ mở và modular, tức là có thể thay thành phần nhận dạng, LLM, hay TTS theo yêu cầu hạ tầng hoặc chi phí. Nếu bạn đang build voice agent nội bộ, đây là một chỉ dấu tốt rằng hệ open-source đang tiến gần hơn đến trải nghiệm realtime đủ dùng thay vì chỉ dừng ở demo latency cao. Nguồn: Hugging Face - Hugging Face and Cerebras bring Gemma 4 to real-time voice AI, GitHub Trending Python.
• Google Antigravity / Python SDK: Một tín hiệu công cụ khác trong ngày là google-antigravity/antigravity-sdk-python xuất hiện trên GitHub Trending Python với mô tả là thư viện để xây agent tận dụng “full power of Google Antigravity”. Đây chưa phải thông báo sản phẩm lớn kiểu GA blog post, nhưng với việc repo mới chỉ có quy mô nhỏ hơn nhiều dự án agent khác mà vẫn lọt vào trending trong ngày, nó cho thấy nhu cầu của cộng đồng với SDK agent theo hướng “native to platform” vẫn đang tăng. Với người làm automation, bài học thực dụng là cuộc chơi đang dịch dần từ prompt wrapper sang SDK chuyên dụng đi kèm workflow, auth và platform primitives rõ ràng hơn. Nguồn: GitHub Trending Python.

Nghiên cứu & Học thuật (Báo cáo nổi bật)

• DiscoBench / Clarification-aware deep search: Một trong những paper được nhắc lại đáng chú ý hôm nay là DiscoBench, sau khi The Decoder tóm tắt phát hiện chính trong ngày 05/07/2026. Theo arXiv phiên bản cập nhật ngày 01/07/2026, benchmark này có 211 mẫu và 463 tình huống mơ hồ trên 11 domain để đo xem search agent có biết dừng lại hỏi làm rõ hay không. Kết luận kỹ thuật quan trọng là ambiguity detection và effective clarification là hai năng lực khác nhau; trong nhiều trường hợp, việc tiếp tục search nhiều vòng còn tệ hơn cả đoán trực tiếp nếu agent không nhận ra câu hỏi đang thiếu dữ kiện. Với các đội đang build deep research hoặc browser agent, đây là nhắc nhở khá mạnh rằng tăng tool-use chưa đủ, vì agent vẫn có thể thất bại ngay từ bước hiểu đề bài và quyết định có nên hỏi lại người dùng hay không. Nguồn: The Decoder - AI search agents don't fail at searching, they fail at asking the right questions when queries get ambiguous, arXiv - When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search.

🏷️ Từ khóa Xu hướng (Keywords)

long-horizon-ocr, voice-agents, open-source-ai, clarification-aware-search, agent-sdk