Cập nhật ngày 05/08/2026 · Biên tập và kiểm chứng nguồn: SlimAI
GPT-Live là nội dung nổi bật nhất trong Bản tin SlimAI ngày 05/08/2026. OpenAI đã công bố cách xây dựng hệ thống hội thoại giọng nói liên tục với độ trễ thấp, cho thấy voice AI đang tiến gần hơn tới trải nghiệm giao tiếp tự nhiên.
Bản tin hôm nay còn có Kimi Code 0.32 với bốn hook theo dõi AI Agent, Grok Voice Think Fast 2.0 trở thành tuyến mặc định, GitHub bắt đầu ngừng Spark và hai dự án AI mã nguồn mở đáng thử.
| Cập nhật | Điểm mới quan trọng | Ảnh hưởng |
|---|---|---|
| GPT-Live | Hội thoại giọng nói liên tục, độ trễ thấp | Mở rộng khả năng ứng dụng voice AI |
| Kimi Code 0.32 | Hook theo dõi agent và ước tính token | Agent dễ giám sát và vận hành hơn |
| ChatGPT Work và Codex | Plugin mới dành cho giáo dục | Đóng gói quy trình học tập và nghiên cứu |
| Grok Voice | Thay đổi model được alias latest sử dụng |
Ứng dụng production cần kiểm thử lại |
| GitHub Spark | Bắt đầu ngừng dịch vụ trên github.com |
Người dùng cần sao lưu và chuyển đổi |
| Mã nguồn mở | LLM 0.32 và MiniMax-H3 MLX | Thêm công cụ thử nghiệm AI Agent và video AI |
OpenAI đã chia sẻ cách đội ngũ của họ xây dựng GPT-Live trong sáu tháng. Hệ thống sử dụng mô hình giọng nói không phụ thuộc hoàn toàn vào cơ chế chia lượt, kết hợp với kiến trúc có độ trễ thấp.
Voice bot thông thường phải thực hiện nhiều bước nối tiếp: người dùng nói, hệ thống xác định điểm kết thúc, âm thanh được chuyển thành văn bản, model tạo câu trả lời rồi câu trả lời mới được chuyển lại thành giọng nói. Mỗi bước đều có thể tạo thêm độ trễ.
GPT-Live hướng tới một cuộc hội thoại liên tục hơn, trong đó AI có thể phản hồi mà không cần chờ toàn bộ chuỗi xử lý truyền thống hoàn tất.
Bài công bố hiện tập trung vào kiến trúc và quá trình xây dựng. Doanh nghiệp vẫn cần kiểm tra tài liệu sản phẩm về phạm vi cung cấp, giá, chính sách dữ liệu và độ trễ thực tế trước khi triển khai.
Một hệ thống voice AI cũng cần cơ chế chuyển sang nhân viên thật khi AI không hiểu yêu cầu hoặc người dùng muốn được hỗ trợ trực tiếp.
Nguồn: OpenAI – How we built a realtime system for responsive voice AI in six months
Kimi Code CLI v0.32.0 bổ sung bốn sự kiện hook mới:
| Hook | Chức năng |
|---|---|
TurnStarted |
Ghi nhận khi một lượt làm việc bắt đầu |
UserPromptQueued |
Theo dõi yêu cầu được đưa vào hàng đợi |
TaskStarted |
Ghi nhận khi một tác vụ con được khởi chạy |
SessionHeartbeat |
Theo dõi heartbeat của phiên agent |
Lập trình viên có thể cấu hình các hook trong phần [[hooks]] của tệp config.toml. Hệ thống bên ngoài từ đó có thể ghi log, theo dõi trạng thái hoặc kích hoạt quy trình tự động khi sự kiện xảy ra.
Phiên bản mới cũng bổ sung cấu hình token_counting. Khi nhà cung cấp model không trả về số token đã sử dụng, Kimi Code có thể dùng phương pháp ước tính cục bộ để hiển thị mức sử dụng cửa sổ ngữ cảnh.
Nếu catalog models.dev không truy cập được, công cụ sẽ dùng bản snapshot tích hợp sẵn. Kimi Code vẫn có thể nhận diện các nhà cung cấp đã biết khi dịch vụ catalog bị gián đoạn.
Hai khóa cấu hình đã được đổi tên:
max_retries_per_step thành max_attempts_per_stepmax_steps_per_run thành max_steps_per_turnCác khóa cũ không còn hiệu lực. Đội kỹ thuật nên cập nhật cấu hình để tránh sai lệch giới hạn số lần thử hoặc số bước của agent.
Đọc thêm: Agent Skills là gì? Cách đóng gói kỹ năng để AI Agent làm việc ổn định hơn
Nguồn: Kimi Code CLI v0.32.0 – What’s New
OpenAI giới thiệu các plugin giáo dục mới dành cho giáo viên K–12, giảng viên đại học và sinh viên. Phạm vi sử dụng gồm chuẩn bị nội dung giảng dạy, hỗ trợ nghiên cứu, tổ chức tài liệu và xây dựng ứng dụng bằng Codex.
Mô hình plugin cho phép nhà trường kết hợp tài liệu, quy trình và công cụ chuyên biệt thành một trải nghiệm thống nhất. Thay vì viết lại prompt mỗi lần, giáo viên có thể xây quy trình dùng chung nhưng vẫn cần kiểm tra nguồn, tính chính xác và mức độ phù hợp với người học.
Đọc thêm: Codex Browser là gì? Cách dùng Codex làm việc trực tiếp trên web
Nguồn: OpenAI – New ways to learn and teach with ChatGPT Work and Codex
xAI đã phát hành grok-voice-think-fast-2.0 cho Speech-to-Speech từ ngày 29/07. Kể từ ngày 05/08/2026, alias grok-voice-latest bắt đầu định tuyến sang model này.
Ứng dụng dùng alias latest có thể nhận model mới mà không cần cập nhật mã nguồn. Độ trễ, giọng nói, cách xử lý ngắt lời hoặc cấu trúc câu trả lời vì vậy cũng có thể thay đổi.
Đội kỹ thuật nên chạy lại bộ kiểm thử hội thoại, đo độ trễ, so sánh chi phí và kiểm tra quy trình chuyển sang nhân viên thật. Với hệ thống quan trọng, nên cân nhắc ghim phiên bản model.
Nguồn: xAI – Grok Voice Think Fast 2
Từ ngày 04/08/2026, GitHub Spark trên github.com không còn nhận người dùng mới và không cho phép tạo ứng dụng mới. Người dùng hiện tại có thể tiếp tục truy cập đến ngày 31/08/2026.
Nếu đang vận hành ứng dụng bằng Spark, đội dự án nên kiểm kê ứng dụng, sao lưu nội dung, xác định dependency, kiểm tra khả năng xuất mã nguồn hoặc dữ liệu và chuẩn bị nền tảng thay thế.
Nguồn: GitHub – Upcoming deprecation of GitHub Spark on github.com
Các cập nhật từ GPT-Live, Kimi Code và Grok Voice cho thấy năng lực kỹ thuật của AI đang phát triển nhanh. Gartner, McKinsey, KPMG và IBM lại chỉ ra rằng thách thức lớn hơn nằm ở chi phí, con người, dữ liệu và mô hình vận hành.
| Nguồn | Phát hiện chính | Hàm ý quản trị |
|---|---|---|
| Gartner | 87% khách hàng muốn có lựa chọn gặp nhân viên thật | AI phải có cơ chế chuyển giao |
| McKinsey | Nhiều doanh nghiệp vượt ngân sách AI | Đo chi phí theo kết quả kinh doanh |
| KPMG | Người có chuyên môn phối hợp với AI hiệu quả hơn | Không chỉ đào tạo cách viết prompt |
| IBM | Dữ liệu và phòng ban phân mảnh cản trở AI Agent | Cần mô hình vận hành và quản trị dữ liệu |
Ngày 04/08/2026, Gartner công bố khảo sát 3.566 khách hàng B2B và B2C. Có 50% cho rằng GenAI giúp việc nhận hỗ trợ dễ dàng hơn, trong khi 87% cho rằng doanh nghiệp dùng GenAI phải cho phép chuyển sang nhân viên thật.
AI có thể xử lý yêu cầu phổ biến nhưng không nên trở thành cánh cửa duy nhất. Doanh nghiệp cần xác định khi nào AI phải chuyển giao cuộc hội thoại và dữ liệu nào được chuyển cho nhân viên.
Trang công khai không trình bày toàn bộ phân bổ địa lý và cách chọn mẫu. Các con số nên được xem là tín hiệu định hướng, không phải tiêu chuẩn chung cho mọi ngành.
Nguồn: Gartner – 87% of customers require access to a human agent
Trong bài phân tích ngày 13/07/2026, McKinsey cho biết 93% số doanh nghiệp đủ điều kiện trong khảo sát Enterprise AI FinOps đã vượt ngân sách AI dự kiến. Khoảng một phần năm trong nghiên cứu State of AI với 1.719 người tham gia cho biết tổ chức đã hạn chế sử dụng AI vì chi phí.
Dữ liệu nội bộ của McKinsey cho thấy nhóm 10% người dùng tích cực nhất tạo ra khoảng 65% mức sử dụng. Trong một số quy trình, yêu cầu đầu ra ngắn hơn giúp giảm 30–40% token.
Doanh nghiệp không nên chỉ đo chi phí trên mỗi token. Chỉ số hữu ích hơn là chi phí để hoàn thành một kết quả kinh doanh. Một phần dữ liệu đến từ hoạt động nội bộ của McKinsey nên khuyến nghị mang tính định hướng, không phải công thức chung.
Nguồn: McKinsey – Is that AI agent worth it?
KPMG công bố nghiên cứu ngày 23/07/2026 với 523 nhân sự đầu sự nghiệp tại KPMG Mỹ. Có 50,1% người tham gia tạo kết quả tốt hơn AI, 25,8% tạo kết quả tương đương và 24,1% tạo kết quả thấp hơn AI.
Nhóm đạt hiệu quả tốt biết xác định vấn đề, bổ sung kiến thức chuyên môn, đánh giá đầu ra và yêu cầu AI điều chỉnh. Chương trình đào tạo AI vì vậy không nên chỉ tập trung vào prompt.
Người tham gia đều là nhân sự KPMG tại Mỹ và nghiên cứu được công bố bởi đơn vị tổ chức. Kết quả chưa thể đại diện cho mọi ngành nghề.
Nguồn: KPMG – Shaping early-career success in the age of AI
Báo cáo IBM Institute for Business Value ngày 12/05/2026 cho biết 55% doanh nghiệp đang phát triển hoặc triển khai mô hình vận hành dựa trên agentic AI. Có 82% lãnh đạo cho rằng sự phân mảnh giữa các bộ phận là trở ngại lớn và 77% đang đầu tư vào chất lượng, quản trị dữ liệu.
Các tổ chức kỳ vọng đến cuối năm 2027 có thể cải thiện 45% hiệu quả vận hành, 23% tăng trưởng doanh thu và 37% lợi nhuận. Đây là kỳ vọng của người tham gia nghiên cứu, không phải kết quả đã được chứng minh.
Báo cáo nằm ngoài cửa sổ 30 ngày nhưng được bổ sung vì là nghiên cứu chính thức gần nhất của IBM phù hợp trực tiếp với mô hình vận hành AI Agent.
Nguồn: IBM – Agentic AI workflows and enterprise operations
Google và Kaggle đã tổng kết chương trình AI Agents Intensive, khóa học miễn phí hướng dẫn người tham gia xây dựng và triển khai AI Agent. Theo Google, chương trình thu hút khoảng 353.000 người.
Quy mô này cho thấy nhu cầu học agentic AI đang mở rộng sang cộng đồng lập trình viên và người xây dựng sản phẩm. Tuy nhiên, số người tham gia không đồng nghĩa với tỷ lệ hoàn thành hoặc hiệu quả ứng dụng; đây cũng là báo cáo do đơn vị tổ chức công bố.
Đọc thêm:
Nguồn: Google – Inside our 353,000-person vibe coding course
Simon Willison đã phát hành LLM 0.32 với reasoning trace có thể hiển thị, công cụ chạy phía nhà cung cấp, log SQLite theo content address và các tính năng dựa trên OpenAI Responses API.
Các plugin llm-anthropic, llm-gemini và llm-openrouter cũng được nâng cấp. Công cụ phù hợp với lập trình viên muốn thử nhiều nhà cung cấp model qua một giao diện dòng lệnh và lưu lịch sử để so sánh.
Nguồn: Simon Willison – New release of LLM
PipeNetwork/minimax-h3-mlx là bản port MiniMax-H3 sang MLX để chạy trên Apple Silicon. Repository có mã nguồn, tài liệu, thư mục kiểm thử và giấy phép Apache-2.0.
MiniMax-H3 có thể nhận văn bản, hình ảnh, âm thanh và video rồi tạo video ngắn kèm âm thanh. Trước khi sử dụng, đội kỹ thuật cần kiểm tra yêu cầu bộ nhớ, thời gian tạo, giấy phép model và rủi ro dữ liệu.
Nguồn: Bài thử nghiệm MiniMax-H3 MLX · Mã nguồn trên GitHub
| Việc cần làm | Mục tiêu |
|---|---|
| Kiểm tra alias model | Tránh thay đổi ngoài dự kiến khi nhà cung cấp đổi model |
| Bổ sung log cho AI Agent | Theo dõi bước chạy, token, lỗi và lý do dừng |
| Rà soát GitHub Spark | Sao lưu và chuyển đổi trước ngày 31/08 |
| Thử voice AI ở quy mô nhỏ | Đo độ trễ, độ chính xác và chi phí |
| Đo AI theo kết quả | Biết mỗi nhiệm vụ tạo ra giá trị hay chi phí thế nào |
Với hệ thống quan trọng, doanh nghiệp nên ghim phiên bản model hoặc chạy eval trước khi chuyển lưu lượng production. AI Agent cũng cần ghi lại tác vụ con, số bước, token, lỗi công cụ và lý do dừng thay vì chỉ lưu câu trả lời cuối cùng.
Đối với GitHub Spark, cần kiểm kê ứng dụng, sao lưu dữ liệu và chuẩn bị phương án chuyển đổi trước ngày 31/08/2026. Với voice AI, nên bắt đầu ở quy mô nhỏ và đo độ trễ, tỷ lệ hiểu đúng, khả năng chuyển sang nhân viên cùng chi phí trên mỗi cuộc hội thoại.
Đọc thêm: AI Automation là gì? Ví dụ thực tế cho doanh nghiệp Việt
GPT-Live cho thấy voice AI đang tiến gần hơn tới hội thoại liên tục. Kimi Code 0.32 và LLM 0.32 nhấn mạnh một hướng phát triển khác: AI Agent phải có khả năng quan sát, kiểm soát và đánh giá sau khi được đưa vào vận hành.
Các nghiên cứu từ Gartner, McKinsey, KPMG và IBM cũng cho thấy doanh nghiệp không thể chỉ tập trung vào model. Chi phí, chất lượng dữ liệu, năng lực nhân sự và mô hình vận hành mới là những yếu tố quyết định AI có tạo ra giá trị hay không.
Doanh nghiệp không nhất thiết phải chạy theo mọi bản phát hành. Điều quan trọng hơn là xây dựng quy trình kiểm thử, quản trị dữ liệu, kiểm soát chi phí và xác định rõ bước nào AI được tự động thực hiện, bước nào cần con người chịu trách nhiệm.
Theo dõi SlimAI để nhận bản tin AI và công nghệ mới mỗi ngày, tập trung vào những thay đổi có ảnh hưởng trực tiếp đến sản phẩm, vận hành và chiến lược doanh nghiệp.
