Google đưa ra Gemini Decisions API, công cụ chấm điểm nhiều câu hỏi trên dữ liệu đa phương thức mà không cần tạo câu trả lời dài. Cùng lúc, PAN 2 thử mô phỏng kết quả hành động cho robot, AlphaGenome 2 dự đoán tác động di truyền theo loại tế bào, còn các thương vụ của TSMC và Fractile cho thấy chip vẫn là mắt xích chiến lược. Những cập nhật từ Google Labs và Otter.ai cũng đưa AI gần hơn với công việc cộng tác và họp hành.
- Gemini Decisions API — chấm điểm tối đa 1.000 câu hỏi trên văn bản, hình ảnh, âm thanh, video và PDF trong một lượt xử lý.
- PAN 2 — mô hình thế giới mở 29 tỷ tham số mô phỏng tối đa 20 giây hành động, nhưng chỉ hoàn thành trọn vẹn 34% kế hoạch trong thử nghiệm do nhóm phát triển công bố.
- AlphaGenome 2 — dự đoán tác động của biến thể DNA theo loại tế bào, hiện chỉ mở qua API cho nghiên cứu phi thương mại.
- TSMC và Fractile — TSMC phê duyệt các khoản đầu tư tiềm năng vào OpenAI và Anthropic, còn Fractile huy động 720 triệu USD để phát triển chip AI.
1. Google ra mắt Gemini Decisions API để chấm điểm 1.000 câu hỏi trong một lượt

Google giới thiệu Gemini Decisions API, công cụ dùng Gemini Decision 1 để chấm điểm lựa chọn thay vì tạo câu trả lời từng token. Hệ thống xử lý văn bản, hình ảnh, âm thanh, video và PDF, đồng thời nhận tối đa 1.000 câu hỏi độc lập trên cùng một đầu vào.
Mỗi kết quả có xác suất và điểm tin cậy để ứng dụng có thể tự xử lý trường hợp rõ ràng hoặc chuyển tình huống chưa chắc chắn cho người rà soát. Google cho biết độ trễ đầu cuối vào khoảng 150–250 mili giây, với giá 0,10 USD cho mỗi triệu token đầu vào và không tính token đầu ra.
Theo các bài kiểm tra do Google công bố, Gemini Decision 1 dẫn đầu nhóm đánh giá về điều phối tác vụ, xếp hạng và hiểu dữ liệu đa phương thức, đồng thời có sai số hiệu chỉnh thấp nhất. Đây là kết quả do hãng báo cáo, chưa thể thay thế đánh giá độc lập trên các quy trình thực tế.
- Quy mô xử lý — Tối đa 1.000 câu hỏi trong một yêu cầu
- Độ trễ đầu cuối — 150–250 mili giây
- Giá đầu vào — 0,10 USD mỗi triệu token, không tính token đầu ra
API này nhắm vào các tác vụ có tập lựa chọn xác định như chọn công cụ, kiểm tra chính sách hoặc phân luồng yêu cầu. Nếu chấm điểm trực tiếp đủ chính xác, doanh nghiệp có thể giảm độ trễ và chi phí so với việc yêu cầu mô hình tạo văn bản dài cho từng quyết định.
🎯 Đánh giá: Bước tiến đáng chú ý không nằm ở khả năng nói nhiều hơn, mà ở việc biến một số quyết định hẹp thành thao tác nhanh, rẻ và dễ kiểm soát hơn.
Nguồn: Google AI Blog — Gemini Decisions API: Fast, calibrated multimodal decisions (12/11/2026 01:00)
2. TSMC phê duyệt khoản đầu tư tiềm năng vào OpenAI và Anthropic

Hội đồng quản trị TSMC phê duyệt tối đa 500 triệu USD để mua cổ phần phổ thông của Anthropic theo mức giá IPO, cùng tối đa 500 triệu USD để mua cổ phần ưu đãi của OpenAI. Đây là các khoản được cho phép, không đồng nghĩa TSMC đã hoàn tất giao dịch.
Hội đồng cũng phê duyệt riêng tối đa 500 triệu USD để thành lập một hạng mục chuyên biệt, nhưng TSMC chưa công bố thêm chi tiết về mục đích. Các quyết định này tạo mối liên hệ tài chính trực tiếp giữa nhà sản xuất chip theo hợp đồng lớn nhất thế giới với hai phòng thí nghiệm AI đang thúc đẩy nhu cầu tính toán.
- Anthropic — Tối đa 500 triệu USD, theo mức giá IPO
- OpenAI — Tối đa 500 triệu USD mua cổ phần ưu đãi
- Khoản phê duyệt riêng — Tối đa 500 triệu USD
Quan hệ giữa nhà sản xuất chip và các phòng thí nghiệm AI không chỉ còn là quan hệ cung ứng. Nếu được thực hiện, khoản đầu tư có thể gắn lợi ích tài chính của TSMC với sự phát triển của các khách hàng lớn, dù chưa thể suy ra tác động cụ thể đến năng lực sản xuất hay nguồn cung chip.
Nguồn: SCMP Tech Châu Á — What Taiwanese chip giant TSMC gains from taking stakes in OpenAI and Anthropic’s AI race (11/11/2026 14:30)
3. PAN 2 mô phỏng kế hoạch hành động bằng video, nhưng còn trượt nhiều bước
Viện Mô hình Nền tảng thuộc MBZUAI công bố PAN 2, mô hình thế giới mở (world model — mô hình dự đoán cảnh vật đổi ra sao sau một hành động). Hệ thống kết hợp một mô hình ngôn ngữ lập kế hoạch với bộ tạo video 29 tỷ tham số, nhận cảnh và chỉ dẫn bằng văn bản rồi mô phỏng kết quả tối đa 20 giây.
Trong bộ thử nghiệm do nhóm phát triển tự báo cáo, PAN 2 hoàn thành trọn vẹn 34% trong 100 kế hoạch nhiều bước, cao nhất trong sáu mô hình được so sánh. Tuy vậy, khoảng hai phần ba kế hoạch vẫn bỏ sót ít nhất một bước; PAN 2 cũng kém MiniMax-H3 ở một số đánh giá khác.
Mã trọng số, mã huấn luyện và mã suy luận được phát hành theo giấy phép Apache 2.0. Mô hình cần GPU trung tâm dữ liệu để chạy, nên khả năng tiếp cận của nhóm phát triển nhỏ còn hạn chế.
- Quy mô — Mô hình tạo video 29 tỷ tham số
- Đầu ra — Video 704 × 1.248 điểm ảnh, 24 khung hình/giây, tối đa 20 giây
- Hoàn thành kế hoạch nhiều bước — 34% trên 100 tác vụ theo đánh giá của nhóm phát triển
PAN 2 thể hiện hướng dùng mô phỏng để kiểm tra kế hoạch trước khi robot hoặc tác nhân AI hành động ngoài đời. Cách làm này có thể giúp phát hiện lỗi sớm, nhưng tỷ lệ hoàn thành hiện tại cho thấy mô phỏng chưa đủ tin cậy để thay thế kiểm soát an toàn.
Nguồn: MarkTechPost — MBZUAI’s IFM Releases PAN 2, an Open 29B World Model for Physical AI (11/11/2026 14:38)
4. AlphaGenome 2 dự đoán tác động của biến thể DNA theo từng loại tế bào
Google DeepMind giới thiệu AlphaGenome 2, mô hình dự đoán hoạt động điều hòa gene và tác động của biến thể DNA theo trạng thái tế bào cụ thể. Mô hình nhận một đoạn DNA dài tối đa 1 megabase cùng thông tin về loại tế bào, thay vì gộp tín hiệu từ nhiều mô như cách tiếp cận trước.
Trong thử nghiệm trên biến thể di truyền của tế bào đơn, AlphaGenome 2 đạt mức thu hồi 43% khi độ chính xác về chiều tác động được giữ ở 90%, so với 23% của AlphaGenome 1 sau tinh chỉnh. Đây là kết quả benchmark do nhóm nghiên cứu công bố, không đồng nghĩa mô hình đã xác định chính xác tác động của mọi biến thể trong thực hành y khoa.
Hiện nhà nghiên cứu có thể dùng AlphaGenome API cho mục đích phi thương mại. Google DeepMind chưa mở trọng số để chạy mô hình tại chỗ.
- Độ dài đầu vào — Tối đa 1 megabase DNA
- Thu hồi biến thể — 43% ở mức chính xác chiều tác động 90%, so với 23% ở AlphaGenome 1 đã tinh chỉnh
Dự đoán theo loại tế bào có thể giúp nhà nghiên cứu thu hẹp nơi cần khảo sát khi tìm hiểu biến thể di truyền và hoạt động gene. Tuy nhiên, kết quả mô hình vẫn là công cụ nghiên cứu, không thay thế kiểm chứng sinh học trong phòng thí nghiệm.
Nguồn: MarkTechPost — Google DeepMind Releases AlphaGenome 2 for Cell-Type-Specific Variant Effects (12/11/2026 03:51)
5. Fractile huy động 720 triệu USD để phát triển chip AI tại Anh

Fractile, công ty khởi nghiệp Anh phát triển chip AI, huy động 720 triệu USD trong vòng Series C. Khoản vốn do Thrive Capital, Founders Fund, Lightspeed Venture Partners và Redpoint dẫn đầu, với sự tham gia của Quỹ AI Chủ quyền Anh.
Chính phủ Anh định giá công ty trên 5 tỷ bảng Anh, còn mức khoảng 7 tỷ USD là con số được báo chí và một nguồn tin của Reuters đưa ra, không phải định giá chính thức bằng USD. Fractile theo đuổi thiết kế DRAM (bộ nhớ truy cập ngẫu nhiên động) xếp chồng trên chip và phát triển cả trình biên dịch học máy để tăng tốc chạy mô hình.
CEO Walter Goodwin cho biết khoản vốn sẽ giúp công ty xuất xưởng chip và hệ thống đầu tiên vào năm 2027. Công nghệ hiện vẫn ở giai đoạn phát triển, chưa có dữ liệu vận hành thực tế được nêu.
- Vòng gọi vốn — 720 triệu USD Series C
- Mốc dự kiến — Xuất xưởng chip và hệ thống đầu tiên vào năm 2027
- Định giá — Trên 5 tỷ bảng Anh theo chính phủ Anh; khoảng 7 tỷ USD là ước tính được báo chí đưa tin
Fractile đặt cược rằng kết hợp thiết kế bộ nhớ với phần mềm tối ưu có thể giảm chi phí suy luận, tức chi phí để mô hình tạo kết quả khi được sử dụng. Nếu thành công, hướng tiếp cận này có thể mở thêm lựa chọn ngoài các bộ tăng tốc AI hiện có, nhưng hiệu quả còn phải chờ sản phẩm thương mại.
Nguồn: TechCrunch AI — With $720M round, Britain’s Fractile gets a leg up in the race for AI chips (12/11/2026 02:34)
6. Google Labs thử nghiệm Tabletop để nhóm cùng tạo kế hoạch và công cụ tương tác

Google Labs giới thiệu Tabletop, thử nghiệm cộng tác thời gian thực cho các nhóm. Người dùng có thể thêm liên kết, tệp và ý tưởng rồi yêu cầu Tabletop tạo lịch trình chuyến đi, bình chọn bữa ăn, bảng chia chi phí hoặc nhánh đấu giải.
Nhóm có thể gửi liên kết mời để mọi người cùng tham gia và chỉnh sửa, tương tự cách cộng tác trên tài liệu trực tuyến. Tabletop đang triển khai tại Mỹ cho người từ 18 tuổi trở lên thông qua danh sách chờ.
- Khả năng tạo — Lịch trình, bình chọn, bảng chia chi phí và nhánh đấu
- Phạm vi thử nghiệm — Mỹ, dành cho người từ 18 tuổi trở lên
Tabletop đưa khả năng tạo nội dung tương tác vào quy trình làm việc nhóm, nơi nhiều người cùng bổ sung thông tin và ra quyết định. Giá trị thực tế sẽ phụ thuộc vào khả năng phối hợp của công cụ với thói quen và dịch vụ mà các nhóm đang dùng.
Nguồn: Google AI Blog — Try Tabletop: Customizable, collaborative spaces for groups to plan, play and do more together. (11/11/2026 23:00)
7. Otter.ai bắt đầu chép lời cuộc họp bằng tiếng Việt

Từ ngày 10/11/2026, Otter.ai hỗ trợ chép lời tiếng Việt trên máy tính, điện thoại và trình duyệt. Tiếng Việt nằm trong nhóm 13 ngôn ngữ mới có thể sử dụng ngay; hãng cho biết không thu thêm phí trên các gói hiện có.
Đợt cập nhật bổ sung tổng cộng 27 ngôn ngữ, mở rộng đáng kể so với bốn ngôn ngữ được hỗ trợ trước đó. Otter.ai cũng cho biết tính năng tự theo dõi khi người nói đổi ngôn ngữ giữa cuộc họp sẽ được bổ sung sau.
- Ngôn ngữ có thể dùng ngay — 13, trong đó có tiếng Việt
- Tổng số ngôn ngữ được bổ sung — 27
- Chi phí — Không tính thêm phí trên các gói hiện có
Hỗ trợ tiếng Việt giúp người dùng trong nước ghi lại và tra cứu nội dung họp bằng ngôn ngữ quen thuộc mà không cần chuyển sang tiếng Anh. Mức hữu ích vẫn phụ thuộc vào khả năng nhận dạng giọng nói, thuật ngữ chuyên ngành và chất lượng âm thanh trong từng cuộc họp.
Nguồn: Tinh Tế — Otter.ai đã ghi chép cuộc họp bằng tiếng Việt, sắp tự theo khi đổi ngôn ngữ giữa chừng (12/11/2026 07:38)
📊 Bức tranh lớn: AI tiến sâu vào quyết định, khoa học và hạ tầng
Các diễn biến AI nổi bật trong 24 giờ qua phản ánh những chuyển dịch đáng chú ý:
- Thứ nhất, Gemini Decisions API cho thấy một hướng tối ưu chi phí và độ trễ bằng cách chấm điểm lựa chọn trực tiếp thay vì tạo câu trả lời từng token; giá trị thực tế còn phụ thuộc vào độ chính xác trên từng quy trình cụ thể.
- Thứ hai, PAN 2 và AlphaGenome 2 mở rộng AI sang mô phỏng hành động vật lý và dự đoán sinh học theo loại tế bào. Kết quả ban đầu đáng chú ý nhưng vẫn cần được đọc cùng giới hạn về tỷ lệ hoàn thành, khả năng tiếp cận và kiểm chứng độc lập.
- Thứ ba, vốn đầu tư vào TSMC và Fractile phản ánh cuộc cạnh tranh không chỉ nằm ở mô hình mà còn ở năng lực sản xuất chip và giảm chi phí vận hành. Trong khi đó, Tabletop và Otter.ai cho thấy các ứng dụng AI tiếp tục len vào công việc cộng tác thường ngày.
👉 Xu hướng đáng theo dõi nhất: Dòng chảy đáng theo dõi là nỗ lực biến AI từ công cụ tạo nội dung thành hệ thống ra quyết định, mô phỏng và phục vụ nghiên cứu. Nhưng hiệu quả triển khai, chi phí phần cứng và khả năng kiểm chứng vẫn quyết định liệu các tuyên bố ban đầu có chuyển thành giá trị bền vững hay không.
❓ Câu hỏi thường gặp (FAQ)
Có mô hình ngôn ngữ lớn (LLM) nào mới từ các ông lớn AI (OpenAI, Anthropic, Google DeepMind, DeepSeek, Qwen…) trong 24 giờ qua không?
Google công bố Gemini Decision 1, một mô hình chuyên chấm điểm các lựa chọn có giới hạn trên dữ liệu đa phương thức, nhưng đây không phải mô hình ngôn ngữ đa dụng mới. Trong 24 giờ qua, không có mô hình nền tảng đa dụng hoàn toàn mới nào được công bố trong các tin được cập nhật; điểm đáng chú ý là công cụ chuyên biệt và các mô hình ứng dụng cho mô phỏng, nghiên cứu.
Tin tức AI nào quan trọng và có tác động lớn nhất hôm nay?
Gemini Decisions API là tin nổi bật nhất vì biến việc phân loại, chọn công cụ và kiểm tra chính sách thành tác vụ chấm điểm nhanh, có thể xử lý nhiều câu hỏi trong một lượt. Google công bố mức giá đầu vào thấp và độ trễ ngắn, nhưng các tuyên bố hiệu năng của hãng vẫn cần được đối chiếu trong ứng dụng thực tế.
Người dùng cá nhân hay doanh nghiệp tại Việt Nam có thể tận dụng cập nhật nào ngay?
Doanh nghiệp có thể thử Gemini Decisions API qua Google AI Studio để chấm điểm dữ liệu và chuyển các trường hợp thiếu chắc chắn cho người kiểm tra. Otter.ai đã hỗ trợ chép lời tiếng Việt trên máy tính, điện thoại và trình duyệt mà không thu thêm phí trên các gói hiện có. Tabletop hiện giới hạn ở người từ 18 tuổi tại Mỹ và cần đăng ký danh sách chờ.
PAN 2 đã chứng minh robot có thể tự lập kế hoạch đáng tin cậy chưa?
Chưa. Trong bộ thử nghiệm do nhóm phát triển công bố, PAN 2 hoàn thành trọn vẹn 34% kế hoạch nhiều bước; kết quả này cho thấy tiềm năng mô phỏng, nhưng cũng đồng nghĩa phần lớn kế hoạch vẫn chưa hoàn tất đầy đủ.







