OpenAI Chuẩn Bị Tính Năng Agents Cho ChatGPT, Được Mã Hóa Là Hermes

Các ngân hàng Đài Loan cùng hợp tác xây dựng AI nội địa! Mô hình ngôn ngữ lớn cho tài chính dự kiến ra mắt sớm nhất vào cuối năm

Tập đoàn tài chính và ngân hàng CITIC dẫn đầu 16 tổ chức tài chính đã công bố khởi động dự án “Mô hình ngôn ngữ lớn tài chính FinLLM”, phiên bản đầu tiên của mô hình ngân hàng dự kiến ra mắt vào tháng 8, và trong quý 1 năm 2026 sẽ ra mắt thêm các tác nhân AI dựa trên FinLLM. Việc huấn luyện bắt đầu từ tháng 5, với ngân sách khoảng 40–70 triệu NDT. Do yêu cầu về quy định và nhu cầu bản địa hóa, việc huấn luyện dựa trên dữ liệu tại chỗ là trọng tâm, tăng cường AI chủ quyền, xây dựng cơ sở hạ tầng dùng chung, đồng thời mở rộng sang tài chính toàn dân. Kế hoạch đã được đưa vào kế hoạch phát triển AI quốc gia và nhận được sự hỗ trợ từ nhiều bộ ngành.

CEO Google: Đầu tư vốn năm 2026 đạt 1850 tỷ, tăng mạnh đầu tư cho thời đại tác nhân AI

Giám đốc điều hành Google Sundar Pichai đã công bố tại sự kiện Google Cloud Next ở Las Vegas vào ngày 22 tháng 4 rằng Google dự kiến đầu tư từ 175 đến 185 tỷ USD chi tiêu vốn vào năm 2026 để xây dựng cơ sở hạ tầng cần thiết cho các tác nhân AI (AI Agent) tự chủ, tăng so với 31 tỷ USD vào năm 2022.

Google Jules công bố danh sách ứng viên phiên bản mở mới, định vị lại thành nền tảng phát triển sản phẩm đầu đến đầu

Theo thông báo chính thức của đội ngũ Google Jules vào ngày 23 tháng 4, định vị sản phẩm của Jules đã được nâng cấp từ agent mã hóa bất đồng bộ lên “nền tảng phát triển sản phẩm agentic đầu cuối”, phiên bản mới có thể đọc toàn bộ ngữ cảnh sản phẩm, tự đưa ra quyết định về hướng xây dựng tiếp theo và gửi PR. Phía chính thức cũng đồng thời công bố việc mở danh sách ứng viên cho phiên bản mới.

Google Jules tái định vị thành Nền tảng phát triển sản phẩm theo định hướng tác nhân từ đầu đến cuối, mở danh sách chờ cho phiên bản mới

Tin tức Cổng, ngày 23 tháng 4 — Nhóm Jules của Google thông báo việc mở danh sách chờ cho một phiên bản mới của sản phẩm, định vị lại Jules từ một tác nhân lập trình bất đồng bộ thành một nền tảng phát triển sản phẩm theo định hướng tác nhân từ đầu đến cuối. Theo mô tả chính thức, nền tảng nâng cấp đọc bối cảnh toàn bộ sản phẩm,

Perplexity 公布网页搜索代理的后训练方法；基于 Qwen3.5 的模型在准确率与成本上优于 GPT-5.4

Perplexity 使用在 Qwen3.5 模型上先进行 SFT、再进行带有 RL 的后训练，并借助多跳 QA 数据集与评分标准校验来提升搜索的准确性和效率，从而实现同级最佳的 FRAMES 表现。 摘要：Perplexity 面向网页搜索代理的后训练流程，将监督微调 (SFT) 结合在线强化学习 (RL)，并通过 GRPO 算法来强制指令遵循与语言一致性。强化学习阶段使用专有的多跳可验证问答数据集以及基于评分标准的对话数据，以防止 SFT 漂移，并采用奖励门控与组内效率惩罚。评估显示，Qwen3.5-397B-SFT-RL 在 FRAMES 上达到顶级表现：单次工具调用准确率为 57.3%，四次调用为 73.9%，成本为每次查询 $0.02；在这些指标上，其表现优于 GPT-5.4 和 Claude Sonnet 4.6。定价基于 API，且不包含缓存。

OpenAI Codex 团队修复 OpenClaw 身份验证漏洞，显著改善智能体行为

OpenClaw 从 Pi 切换到 Codex harness，以修复静默的身份验证回退；通过两项 PR 处理桥接与回退问题；修复后，智能体从浅层心跳轮询转为完整的工作循环，从而实现进展。 摘要：OpenClaw 的 Codex harness 优化解决了一个关键的身份验证缺陷：当使用 OpenAI 模型的 Codex 时，会导致静默回退到 Pi harness。两项拉取请求修复身份验证桥接，并防止静默回退，改变了运行时适配器。因此，智能体的行为从浅层心跳轮询演进为完整的工作循环：读取上下文、分析任务、编辑代码库并验证进展，从而提升跨心跳的连续性与可见性。