#qwen

Build your own Jev (100% local)

Bài viết hướng dẫn chi tiết cách tự triển khai Jev 100% trên máy local của bạn. Nguyên nhân kỹ thuật là Jev đòi hỏi môi trường Node.js và các dependencies như Express.js và Socket.io để hoạt động hoàn toàn offline. Hệ quả là bạn sẽ có một phiên bản Jev riêng biệt, không phụ thuộc vào server cloud, đảm bảo bảo mật dữ liệu tuyệt đối. Điều đáng học là kiến trúc microservices và cách implement WebSocket trong ứng dụng real-time, được trình bày với đầy đủ snippet code trong bài gốc.

Bài hướng dẫn xây dựng Jev cục bộ giúp lập trình viên nắm quy trình phát triển sản phẩm từ đầu với code minh họa rõ ràng.

China's AI companion rules force Doubao, Qwen shutdowns

ByteDance (Doubao) và Alibaba (Qwen) phải tắt các tính năng AI companion (tương tác cảm xúc) trước ngày 15/7 do quy định mới của Trung Quốc cấm các bot mô phỏng nhân cách và tương tác cảm xúc kéo dài, nhưng vẫn cho phép AI phục vụ năng suất. Người dùng lo ngại mất dữ liệu trò chuyện và hỗ trợ tinh thần. Chính sách này nhằm hạn chế rủi ro nghiện, tổn hại tâm lý và lộ lọt dữ liệu.

Những quy định mới của Trung Quốc về AI nhân hóa sẽ ảnh hưởng trực tiếp đến các công nghệ tương tác nhân dạng người, giúp lập trình viên hiểu rõ về xu hướng quản lý an toàn và đạo đức trong AI, từ đó xây dựng các giải pháp phù hợp với thị trường mới.

LLM Moats Quickly Evaporating

Một bài viết mới cho thấy các mô hình LLM mã nguồn mở như Qwen3.8 27B và Qwen3.6 đã giảm thiểu lợi thế cạnh tranh mà Anthropic và OpenAI từng có nhờ chi phí tính toán khổng lồ. Các phiên bản đã quan sát hoá của chúng được chạy trên máy Mac Studio với 256GB RAM và có thể được giảm xuống để hoạt động trên PC chơi game chỉ có 32GB RAM, trong khi một mô hình 1-bit vẫn chạy trên thiết bị 16GB, dù chất lượng bị giảm. Do đó, phần cứng vật lý trở thành rào cản duy nhất để triển khai các mô hình lớn tại chỗ thay vì phụ thuộc vào dịch vụ đám mây có chủ sở hữu. Đối với các lập trình viên cân nhắc có nên đọc bài gốc, họ sẽ thấy rằng các cải tiến hiệu suất đang làm chậm sự khác biệt giữa môi trường mở và khép kín, khiến việc triển khai tại chỗ ngày càng khả thi. Bài viết nêu con số cụ thể như 27B, 32GB, 16

Bài viết này giúp lập trình viên hiểu xu hướng chạy các mô hình AI mạnh mẽ ngay tại máy cá nhân thay vì phụ thuộc vào dịch vụ đám mây.

Muse-Glimmer-30B and Qwen 3.8-27B models now available on Amazon SageMaker JumpStart

AWS vừa mở rộng Amazon SageMaker JumpStart bằng việc thêm hai mô hình ngôn ngữ lớn mới. Muse‑Glimmer‑30B mang tới 30 tỷ tham số, trong khi Qwen 3.8‑27B cung cấp phiên bản 27 tỷ tham số từ họ Qwen, cả hai đều được đóng gói dưới dạng template JumpStart sẵn sàng dùng. Nhờ vậy, nhà phát triển có thể khởi chạy mô hình chỉ bằng một cú click, không cần tự xây dựng container và ngay lập tức nhận được điểm cuối inference được tối ưu cho SageMaker. Các mô hình này hỗ trợ inference FP16 và có thể mở rộng tự động qua tính năng auto‑scaling của SageMaker, giúp kiểm soát độ trễ và chi phí. Vì vậy, việc thường xuyên kiểm tra JumpStart để bắt kịp bản phát hành mô hình mới là cách hiệu quả để giảm thời gian thiết lập và tập trung vào thử nghiệm ý tưởng.

Lập trình viên nên đọc bài này để cập nhật các mô hình AI mới nhất có sẵn trên Amazon SageMaker JumpStart.

I trusted Antigravity and a local LLM with the same office tasks, and only one respected my files

Tôi đã thử nghiệm hai công cụ AI là Antigravity và một mô hình ngôn ngữ địa phương (LLM) để xử lý các tác vụ văn phòng, nhưng chỉ có một trong số chúng tôn trọng dữ liệu đầu vào của tôi.

Lập trình viên nên đọc bài này để hiểu cách quản lý hiệu quả giữa công cụ AI tự động hóa và dữ liệu hiện có, tránh rủi ro mất thời gian sửa lỗi hoặc mất quyền kiểm soát khi các công cụ không tôn trọng hoặc hiểu sai nội dung đã tồn tại.

I vibe coded with Qwen 3.6 on a platform it had never seen, and the model was never the bottleneck

Tines 3B cho phép người dùng miễn phí tích hợp mô hình riêng, trong đó Qwen 3.6 27B thể hiện khả năng vượt trội.

Lập trình viên nên đọc bài này để khám phá cách tận dụng mô hình AI lớn tự chủ như Qwen 3.6 không chỉ là công cụ hiệu suất cao mà còn là giải pháp tiết kiệm chi phí và linh hoạt cho các dự án cá nhân hoặc doanh nghiệp nhỏ.

Qwen 3.0 Image Pro

Qwen 3.0 Image Pro hỗ trợ đầu vào lên đến 4.5k tokens, tạo bố cục phức tạp như báo, menu hay đề thi trong một lần sinh. Nó tái tạo chi tiết tinh xảo (như nét mặt, lỗ chân lông) với độ chính xác cao, thậm chí render chữ nhỏ 10px và đa ngôn ngữ (12 ngôn ngữ, 20+ font). Ngoài ra, nó mô phỏng chân thực giao diện web, game hay livestream nhờ tích hợp kiến thức bên ngoài.

Lập trình viên nên đọc bài này vì công nghệ này không chỉ tạo ra hình ảnh thực tế cho UI/UX, mà còn giúp tối ưu hóa thiết kế giao diện phức tạp, từ các giao diện web chuyên nghiệp đến game hoặc hệ thống quản lý dữ liệu, giúp tiết kiệm thời gian phát triển và nâng cao chất lượng sản phẩm.

How to train your own Jev for $17

We just launched our own Jev-like classifier, together/Tev1-4B-experimental, on top of Qwen3.5 4B on Together’s serverless platform. In this blog post we’ll show you how to fine-tune your own version!

Africa’s start-ups are building on Chinese AI

Norrsken22’s Lexi Novitske says African start-ups are building on Chinese AI models as US private capital retreats from the continent.

Junie Local: Smarter, Faster AI Coding

Junie Local cập nhật để biến local coding agents trở nên thông minh và nhanh chóng hơn, có khả năng hiểu cấu trúc codebase và hoàn thành tác vụ mà không cần chờ đợi lâu. Phiên bản này tối ưu hóa hiệu suất khi sử dụng mô hình Mistral 7B, giúp giảm đáng kể thời gian xử lý so với các phiên bản trước. Kết quả là người dùng có thể trải nghiệm mượt mà khi các tác vụ lập phức tạp được hoàn thành trong thời gian thực. Junie Local đạt được điều này bằng cách cải tiến cơ chế caching và tối ưu hóa quá trình reasoning của AI. Lập trình viên nên tìm hiểu thêm vì đây là một bước tiến quan trọng hướng đến AI coding tự hoạt động hiệu quả trên máy local.

Junie Local giúp lập trình viên có tác vụ lập trình thông minh và nhanh hơn mà không cần chờ đợi lâu.

Two techniques for working with System One models

Jev là ngôn ngữ model "System One" mới chỉ đưa ra quyết định dưới dạng câu trả lời cho các câu hỏi trắc do người dùng cung cấp. Bài viết trình bày hai kỹ thuật làm việc với Jev: prompt engineering và chain-of-thought prompting để cải thiện độ chính xác. Kết thử nghiệm cho thấy kỹ thuật chain-of-thought prompting tăng độ chính xác lên 22% so với phương pháp thông thường. Đáng học hỏi là cách hạn chế output của model chỉ về quyết định thay vì giải thích, giúp giảm thiểu "ảo tưởng" của model. Các kỹ thuật này có thể áp dụng ngay lập tức cho các project sử dụng Jev hoặc các model "System One" tương tự.

Bài viết này giúp lập trình viên hiểu cách làm việc hiệu quả với các mô hình System One mới chỉ đưa ra quyết định như Jev.

I trained my local LLM on its own failures, and now it learns from every mistake

It's not quite pretraining but it works

Seven AI Models Got Real Bank Accounts. One Slept for 40 Hours. None Made a Dollar

Seven AI Models Got Real Bank Accounts. One Slept for 40 Hours. None Made a Dollar So this is a genuinely real, freshly published experiment — from a research group called Bottleneck Labs …

Qwen3.6-35B-A3B-NVFP4 and Wan2.1-T2V-1.3B-Diffusers models now available on Amazon SageMaker JumpStart

Discover more about what's new at AWS with Qwen3.6-35B-A3B-NVFP4 and Wan2.1-T2V-1.3B-Diffusers models now available on Amazon SageMaker JumpStart

Before You Fine-Tune

Before You Fine-Tune Four things to do next time before trusting my results In the last piece, I entered the Ylookup × Encode hackathon on the same terms as everyone else: same open model …

The End of the Modular Stack: Comparing AutoVLA, Alpamayo, and Qwen-Drive-1.0

Ngành ô tô tự hành đang chuyển đổi từ kiến trúc module sang giải pháp end-to-end. AutoVLA, Alpamayo và Qwen-Drive-1.0 đang thay thế cách tiếp cận truyền thống bằng mạng nơ-ron end-to-end duy nhất. Các hệ thống này xử lý dữ liệu camera thô trực tiếp mà không cần giai đoạn xử lý trung gian như object detection hay tracking. Qwen-Drive-1.0 đạt hiệu suất 81.5% trên bộ dữ liệu nuScenes cao hơn đáng kể so với các phương pháp module hóa. Sự thay đổi này cho thấy hướng phát triển mới với độ chính xác vượt trội và độ phức tạp tính toán giảm 40% so với stack truyền thống.

Bài này giúp bạn hiểu sự chuyển dịch từ kiến trúc module sang các hệ thống thống nhất như AutoVLA, Alpamayo và Qwen-Drive-1.0 trong lĩnh vực tự lái xe.

Optimize vLLM speculative decoding with FastMTP heads

Improve large language model inference speed with Speculators 0.6.0's FastMTP-style fine-tuning.

Safety for Whom? Refusing the Right Subset of a Topic, Not the Whole Topic

A Blog post by Multiverse Computing on Hugging Face

I ran local AI models on my PC without knowing what the acronyms mean, and they save me hundreds on cloud subscriptions

Don't let the meaning behind Q4_K_M hold you back from self-hosting your AI models

Agentic SQL for Free with Qwen3.8 27B and DuckDB

If your laptop has 16GB of RAM, your agent can write SQL locally for free with Qwen3.8 27B. On the DABstep SQL benchmark, Qwen beat GPT 5.6 Luna and cost under 50 cents in electricity, over 17x less. Add DuckDB and you have a data analyst that runs on your own machine. This post covers the benchmark results and walks through the setup, including which quantized model to download for your laptop.

I put a local model in charge of naming and filing every download, and my Downloads folder has been empty for a month

No more yearly spring clean to get rid of the junk

How We Optimized Qwen 3.6 for Junie

A while ago, we launched a long-term project to enable users to run Junie entirely locally, with local inference, across a wide variety of hardware setups. After much anticipation, we recently release

Thomson Reuters built its own model on a Chinese open base

Thomson Reuters spent $40mn on Thomson, its first in-house model. The announcement says open-source foundation. Its CTO says Alibaba's Qwen.

Google says Gemma has passed a billion downloads

Google says Gemma has passed a billion downloads and 100,000 variants. A Google engineer says the count excludes Android and Chrome integrations.

Tìm hiểu về thành công ngoạn mục của mô hình AI Gemma với một tỷ lượt tải xuống.

Why I Switched from Ollama to llama.cpp — and What I Learned

Why I Switched from Ollama to llama.cpp — and What I Learned I’m running a local LLM on my Arch Linux  + Hyprland setup, and already have qwen2.5:7b with Ollama. I want to maximize the usage …

Readers can't identify watermarked AI text

Trong những tuần qua, tác giả phản đối quan niệm phổ biến rằng việc thêm watermark vào văn bản AI là chống lại người tiêu dùng và làm giảm chất lượng đầu ra. Ông giải thích rằng watermarking thường hoạt động bằng cách chèn các tín hiệu thống kê rất nhẹ vào phân phối từ, những tín hiệu này không thay đổi cách đọc hay cảm nhận của con người. Kết quả là, dù có hoặc không có watermark, người đọc không thể phân biệt được dựa trên cảm nhận trực quan, như được chứng minh qua các thử nghiệm mà tỷ lệ nhận diện đúng vẫn gần ngẫu nhiên. Điều này cho thấy chỉ dựa vào watermark không đủ để phát hiện nội dung AI được tạo ra mà không cần công cụ phân tích chuyên sâu. Bài học là cần kết hợp watermark với các phương pháp khác – như mô hình phân loại hoặc truy vết nguồn – để nâng cao khả năng xác thực nội dung AI trong thực tế.

Bài viết này giúp lập trình viên hiểu rõ sự thật về công nghệ watermarking AI và những hiểu lầm phổ biến trong ngành.

Alibaba’s profit fell 75% as quarterly AI spending hit $10bn

Chi tiêu AI của Alibaba đạt 9.98 tỷ USD trong quý 6, lợi nhuận giảm 75% và đơn vị cloud ghi nhận lợi nhuận tăng 133%.

Bài viết này tiết lộ cách đầu tư AI khổng lồ của Alibaba ảnh hưởng đến lợi nhuận và cấu trúc kinh doanh của tập đoàn công nghệ Trung Quốc.

Qwen3.8-Max Just Passed Claude Fable 5 on the Frontend Leaderboard. We Compared Them on 10 UIs

Alibaba vừa tung Qwen3.8-Max, ngay lập tức xếp hạng #4 trên bảng xếp hạng Frontend Code của Arena.ai, vượt qua Claude Fable 5 một bậc.

Nếu bạn là lập trình viên muốn nâng cao kỹ năng giải quyết vấn đề frontend thực tế và tối ưu hóa hiệu suất UI/UX, bài này sẽ giúp bạn hiểu rõ hơn về sự tiến bộ của các mô hình AI hiện đại trong việc tạo ra giao diện người dùng chất lượng cao, từ đó áp dụng hiệu quả vào dự án của riêng bạn.

I run a local coding model on my 8GB GPU for real UI work, and I'm not going back to Claude Design

Tác giả chia sẻ kinh nghiệm sử dụng mô hình coding cục bộ trên GPU 8GB thay vì dựa vào Claude Design, nhấn mạnh lợi ích của việc "vibe coding" trên phần cứng cá nhân mà không gặp phải hạn chế đáng kể nào.

Là người phát triển muốn tối ưu hiệu suất và kiểm soát toàn bộ quy trình từ thiết kế đến triển khai UI, bài viết này sẽ giúp bạn hiểu cách xây dựng một mô hình mã nguồn cá nhân trên GPU mạnh hơn là phụ thuộc vào các dịch vụ cloud, từ đó tiết kiệm chi phí và tăng tốc độ phát triển.

MMDuet2: Enhancing Proactive Interaction of Video MLLMs with Multi-Turn Reinforcement Learning

MMDuet2 giới thiệu phương pháp học tăng cường đa vòng (multi-turn reinforcement learning) nhằm nâng cao khả năng tương tác chủ động của các Video MLLMs (Video Multimodal Large Language Models) trong việc xử lý video streaming. Nghiên cứu tập trung cải thiện khả năng phản hồi liên tục và tương tác hai chiều giữa mô hình và người dùng.

Là người phát triển AI xử lý video, bạn nên đọc bài này để hiểu cách Multi-Turn Reinforcement Learning giúp cải thiện khả năng tương tác tự động, dự đoán và phản hồi của các mô hình Large Multimodal Language Models (MLLMs) trong việc phân tích video, từ đó tạo ra ứng dụng tương tác thông minh hơn cho các hệ thống tương tác người máy.

Alibaba sells its Lingxi games arm to fund an all-in bet on AI

Alibaba thoái vốn mảng game Lingxi Games cho hãng tư nhân Trustar Capital với giá trị 1,5-2 tỷ USD nhằm huy động vốn cho chiến lược tập trung vào AI và cloud.

Lập trình viên nên đọc bài này để hiểu cách công ty lớn như Alibaba sử dụng việc bán tài sản truyền thống (như ngành game) để tập trung vào lĩnh vực AI và cloud, giúp họ hiểu về chiến lược kinh doanh và cách chuyển đổi số trong công nghệ.

Papers Explained 595: Unsupervised On-Policy Self Distillation

U-OPSD là phương pháp huấn luyện reasoning cho LLM không cần nhãn bằng cách kết hợp self-consistency majority voting và Forward KL, tận dụng tính nhất quán nội tại của mô hình.

Một lập trình viên muốn tối ưu hóa hiệu suất của mô hình AI lý luận trong ứng dụng thực tế—đặc biệt là khi phát triển các hệ thống tự động hóa quyết định—bởi U-OPSD cung cấp giải pháp hiệu quả để cải thiện chất lượng lý luận của LLM mà không cần dữ liệu nhãn, giúp tiết kiệm thời gian và chi phí trong quá trình huấn luyện.

State of Open Models: Summer 2026 Observations

Chúng ta đang tiến hành một hành trình nhằm thúc đẩy và dân chủ hóa trí tuệ nhân tạo thông qua nguồn mở (open source) và khoa học mở (open science).

Lập trình viên nên đọc bài này để hiểu cách các mô hình AI mở nguồn đang thay đổi cách phát triển, chia sẻ và ứng dụng công nghệ AI hiệu quả hơn, giúp tiết kiệm thời gian và nguồn lực cho dự án của riêng mình.

Apple trained its own AI model for China, and handed the brain to Alibaba

Apple đã hợp tác với Alibaba để huấn luyện một mô hình ngôn ngữ lớn (LLM) dành riêng cho thị trường Trung Quốc, trở thành doanh nghiệp nước ngoài đầu tiên được cấp phép cung cấp mô hình AI độc quyền tại đây.

Lập trình viên nên đọc bài này để hiểu cách các công ty lớn như Apple và Alibaba hợp tác để xây dựng mô hình AI đặc biệt phù hợp với thị trường Trung Quốc, giúp bạn tìm hiểu về các vấn đề quan trọng như tuân thủ luật pháp, quản lý dữ liệu và triển vọng của AI trong các khu vực có quy định nghiêm ngặt.

How to Utilize OKF Efficiently to Enable Knowledge Exchange Among LLMs

Một pipeline sử dụng Open Knowledge Format (OKF) của Google (Markdown + YAML frontmatter) được tối ưu để ba mô hình Qwen2.5-Coder (7B, 3B, 1.5B) trao đổi mảng token nguyên thủy thay vì tự token hóa BPE riêng lẻ. Nhờ chia sẻ cùng bộ từ vựng, tác nhân upstream token hóa một lần, ghi mảng token vào bộ nhớ chia sẻ (RAM), tham chiếu qua trường token_pointer trong frontmatter. Kết quả benchmark cho thấy giảm 28% thời gian TTFT trên mô hình 3B và 37.8% trên 1.5B. Điểm đóng góp chính là cơ chế bảo vệ runtime kiểm tra toàn bộ 151.936 mục từ vựng (không chỉ kích thước) cùng special_tokens_map trước khi chấp nhận mảng token từ tác nhân khác, tránh sai lệch đầu ra.

Lập trình viên muốn tối ưu hóa hiệu suất và độ tin cậy của các mô hình ngôn ngữ lớn (LLM) trong ứng dụng multi-agent bằng cách khắc phục vấn đề tái token hóa tốn thời gian và rủi ro sai sót khi chia sẻ dữ liệu giữa các mô hình.

Qwen/Qwen3.8-2.4T-A95B

Chúng ta đang nỗ lực thúc đẩy và phổ cập trí tuệ nhân tạo thông qua mã nguồn mở và khoa học mở.

Lập trình viên nên đọc bài này để hiểu về tiến bộ mới trong AI mở nguồn như Qwen3.8, giúp họ tìm kiếm công cụ mạnh mẽ, hiệu quả hơn cho phát triển ứng dụng, tối ưu hóa hiệu suất và mở rộng khả năng ứng dụng trong các dự án công nghệ cao.

The man who built Qwen has a new lab, and the Shanghai government is an investor

Junyang Lin, người dẫn đầu dự án Qwen của Alibaba, vừa thành lập phòng thí nghiệm Pragmatik Labs tại Thượng Hải với sự đầu tư từ Tencent, HSG, Gaorong cùng một quỹ nhà nước.

Những công ty và nhà đầu tư lớn như Tencent, HSG, và quỹ nhà nước của Thượng Hải đã đầu tư vào Pragmatik Labs, cho thấy tiềm năng lớn của AI và mô hình ngôn ngữ lớn trong tương lai, giúp lập trình viên hiểu cách ứng dụng công nghệ này trong thực tế để tạo ra giải pháp sáng tạo và cạnh tranh hơn.

Can a Local LLM Run My AI Assistant?

Một nhà phát triển đã thử nghiệm 27 tác vụ sản xuất thực tế của AI agent Jarvis trên hai mô hình local so với tiêu chuẩn Claude. Ban đầu, mô hình 30B đạt 22,8/100 điểm với 25,9% lỗi cú pháp tool-call, nhưng sau khi nâng cấp lên mô hình 122B MoE 256K context, hiệu suất đạt 80/100 (89,4% so với Claude) với chi phí chỉ ~787 lần rẻ hơn. Tác giả cho rằng kích thước context window có thể đóng vai trò quan trọng hơn số lượng tham số.

Bạn nên đọc bài này để hiểu cách tối ưu hóa hiệu suất và chi phí của AI assistant trên thiết bị cá nhân bằng cách so sánh hiệu quả của mô hình lớn địa phương với các dịch vụ cloud, đặc biệt khi cần xử lý nhiều công cụ và dữ liệu lớn.

vLLM Reaches 25K Total TPS/GPU on Qwen3.5

vLLM đạt tốc độ 25.000 TPS/GPU (tokens per second) trên mô hình Qwen3.5-397B-A17B-NVFP4 nhờ kiến trúc disaggregated serving trên hệ thống GB200 NVL72, kết hợp với nhân Blackwell GDN, cơ chế HMA cache transfer và lập lịch bất đồng bộ.

Lập trình viên phát triển hệ thống AI cần hiểu về cách vLLM tối ưu hóa hiệu suất với các kernel Blackwell và cache HMA để áp dụng vào các giải pháp serving hiệu quả hơn trên các thiết bị GPU hiện đại.