Google vừa phát hành Gemini Omni 1.1 Flash, bản cập nhật giúp nhà phát triển tạo và chỉnh sửa video AI có kiểm soát hơn. Model cho phép nối dài cảnh tới 40 giây, chỉ định khung hình đầu và cuối, dựng bản nháp 360p để thử ý tưởng nhanh rồi nâng chất lượng đầu ra lên 4K.
Bản tin hôm nay còn có một thử nghiệm ngẫu nhiên với hơn 1.000 sinh viên, một case study giảm 75% số GPU cho hệ thống phiên âm y tế, cách đánh giá model mà cả bên sở hữu lẫn bên kiểm thử đều không nhìn thấy bí mật của nhau, cùng cảnh báo mới về quản trị và bảo mật AI.
Khảo sát trực tuyến năm 2026 với 743 chuyên gia kiểm toán cho thấy AI đã phổ biến, nhưng chủ yếu được dùng cho những việc riêng lẻ. Có 60% người tham gia dùng AI để soạn vấn đề hoặc báo cáo kiểm toán; chỉ 30% dùng trong kiểm tra và 12% dùng cho đánh giá chất lượng.
Hàm ý quản trị: doanh nghiệp không nên chỉ đếm số người dùng AI hoặc số giờ tiết kiệm. Hãy đo xem AI có giúp phát hiện rủi ro sớm hơn, làm bằng chứng nhất quán hơn và nâng chất lượng quyết định hay không.
Giới hạn bằng chứng: đây là khảo sát trực tuyến với người làm kiểm toán, không đại diện cho mọi phòng ban hay mọi quốc gia.
AI Regulatory Radar số tháng 8/2026 của KPMG tổng hợp các thay đổi về quản lý AI tại Anh, Liên minh châu Âu và nhiều thị trường khác. Tài liệu không thay thế tư vấn pháp lý, nhưng cho thấy việc theo dõi quy định theo từng dự án riêng lẻ rất dễ bỏ sót thay đổi.
Hàm ý quản trị: nên có một danh mục dùng chung ghi model nào đang được dùng, dữ liệu nào đi qua hệ thống, ai chịu trách nhiệm và quy định nào áp dụng. Khi luật thay đổi, doanh nghiệp có thể xác định nhanh quy trình bị ảnh hưởng.
Giới hạn bằng chứng: trang công khai là bản tổng hợp quy định và góc nhìn KPMG, không phải khảo sát định lượng về hiệu quả triển khai.
Xem AI Regulatory Radar tháng 8/2026
Hơn 1.000 sinh viên năm nhất tại Đại học Bocconi được chia ngẫu nhiên thành bốn nhóm: dùng ChatGPT, học tư duy nhân quả, nhận cả hai hỗ trợ hoặc không nhận hỗ trợ. Sinh viên dùng ChatGPT đạt điểm cao hơn gần một điểm trên thang năm điểm; bài làm rõ ràng và gần với đề xuất của chuyên gia hơn.
Trong khi đó, bài tập tư duy nhân quả không làm điểm số theo thang chấm tăng rõ, nhưng giúp sinh viên tạo ra nhiều ý tưởng khác biệt hơn và giải thích tốt hơn vì sao một đề xuất có thể thành công hoặc thất bại. Nhóm nhận cả hai hỗ trợ có được lợi ích của cả hai phía.
Bài học: trường học và doanh nghiệp nên đánh giá cả chất lượng đầu ra lẫn cách người học suy luận. Một câu trả lời trau chuốt chưa chắc phản ánh đầy đủ khả năng hiểu vấn đề.
Giới hạn: thử nghiệm dùng GPT-4o trong một bài tập marketing tại một trường đại học; không thể tự động suy rộng sang mọi môn học hoặc nhóm tuổi.
Đọc nghiên cứu do OpenAI công bố
Heidi Health xử lý hơn 2,4 triệu lượt tư vấn lâm sàng mỗi tuần. Một yêu cầu phiên âm chỉ dùng khoảng 15–20% khả năng tính toán của GPU, khiến phần còn lại bị lãng phí nếu các tác vụ phải chạy lần lượt.
Nhóm triển khai dùng NVIDIA MPS (cơ chế cho nhiều tiến trình chia sẻ GPU) và Triton Inference Server. Theo kết quả công bố, cấu hình giảm từ 16 xuống 4 GPU, đạt 92,1 yêu cầu mỗi giây trên mỗi GPU, độ trễ trung bình 352 mili giây và p99 là 769 mili giây. Cấu hình tối ưu sâu hơn bằng TensorRT và ONNX có thể giảm nhu cầu xuống còn hai GPU, đổi lại quy trình triển khai phức tạp hơn.
Bài học: trước khi mua thêm GPU, hãy đo mức sử dụng thực tế và xem tác vụ có thể chạy đồng thời hay không. Tuy nhiên, số liệu do AWS, NVIDIA và Heidi công bố; doanh nghiệp cần thử trên âm thanh, model và yêu cầu bảo mật của mình.
Xem toàn bộ case study Heidi Health
| Điểm mới | Ý nghĩa thực tế | Lưu ý |
|---|---|---|
| Nối cảnh tới 40 giây | Tạo đoạn video dài và liền mạch hơn | Độ nhất quán còn phụ thuộc cảnh và lời nhắc |
| Chỉ định khung đầu và cuối | Kiểm soát chuyển động máy quay và điểm kết thúc | Nên thử với nhân vật, vật thể thật của dự án |
| Bản nháp 360p | Thử bố cục nhanh, giảm chi phí trước khi render | 360p chỉ phù hợp để duyệt ý tưởng |
| Nâng chất lượng lên 4K | Thuận tiện hơn cho hậu kỳ và nội dung màn hình lớn | “4K” là độ phân giải, không bảo đảm mọi chi tiết đều chính xác |
Model đã sẵn sàng qua Gemini API trong Google AI Studio và Gemini Enterprise Agent Platform. Các tính năng tương tự cũng được đưa vào Google Flow. Đây là cập nhật đáng chú ý với nhóm làm quảng cáo, nội dung mạng xã hội và công cụ sáng tạo, vì nó tập trung vào khả năng kiểm soát thay vì chỉ tạo một clip từ câu lệnh.
Đọc thông báo Gemini Omni 1.1 Flash
Trong cách đánh giá mới, bên kiểm thử không nhìn thấy trọng số của Gemini, còn Google không nhìn thấy câu hỏi bí mật. Hai bên chạy thử nghiệm trong môi trường điện toán bảo mật và dùng bằng chứng mật mã để xác nhận quy trình không bị can thiệp.
Mục tiêu là giảm “nhiễm benchmark” — tình trạng model đã thấy câu hỏi kiểm tra trong dữ liệu huấn luyện hoặc quá trình tối ưu, khiến điểm số cao nhưng không phản ánh đúng năng lực. Thử nghiệm đầu tiên dùng một model Gemini Flash Lite với Singapore AI Safety Institute, OpenMined, AVERI và MLCommons.
Lưu ý: đây là chương trình thí điểm, chưa phải tiêu chuẩn chung của ngành và chưa chứng minh mọi loại đánh giá đều có thể chạy theo cách này.
Copilot code review hiện có thể xem pull request do bot tạo, bao gồm Copilot cloud agent, và các pull request rất lớn trước đây vượt giới hạn. GitHub cũng bổ sung lý do khi người dùng đánh dấu một nhận xét đã được xử lý, giúp nhóm hiểu nhận xét nào đã sửa, nhận xét nào không phù hợp hoặc được chấp nhận như một rủi ro.
Việc cần làm: nhóm phát triển nên thử trên một kho mã ít rủi ro, theo dõi tỷ lệ cảnh báo đúng và không coi đánh giá AI là bước thay thế hoàn toàn cho người duyệt.
AWS hỗ trợ GPT-5.6 Terra và Luna với suy luận liên vùng theo địa lý tại Ấn Độ. Dữ liệu yêu cầu và kết quả được giữ trong phạm vi Ấn Độ, phù hợp hơn với tổ chức có yêu cầu xử lý dữ liệu tại địa phương.
Lưu ý: “dữ liệu ở trong nước” không tự động giải quyết mọi nghĩa vụ pháp lý; doanh nghiệp vẫn phải kiểm tra loại dữ liệu, hợp đồng, log và quyền truy cập.
Hướng dẫn của AWS mô tả hai quy trình: tạo storyboard tám khung hình và dựng ý tưởng video ca nhạc. Amazon Quick làm lớp điều phối, còn fal cung cấp các model tạo ảnh, video và âm thanh qua MCP (giao thức giúp AI gọi công cụ theo cách chuẩn hóa).
Khi nào nên thử: phù hợp với đội sáng tạo thường xuyên chuyển thông tin giữa nhiều công cụ. Trước khi dùng thật, cần đặt giới hạn chi phí, lưu lời nhắc, kiểm tra bản quyền tài sản đầu vào và yêu cầu con người duyệt đầu ra.
Xem hướng dẫn quy trình sáng tạo
Micah Lee trình bày cách đặt coding agent trong môi trường riêng, chỉ cho truy cập một kho GitHub cần thiết. Mục tiêu là giảm thiệt hại nếu Agent chạy lệnh nguy hiểm, đọc nhầm bí mật hoặc bị nội dung độc hại trong mã nguồn điều khiển.
Cách áp dụng đơn giản: dùng tài khoản và token riêng cho Agent, chỉ cấp quyền tối thiểu, không gắn thư mục cá nhân vào môi trường chạy và lưu log mọi lệnh quan trọng.
Đọc hướng dẫn sandbox coding agent
Simon Willison dẫn phân tích của nhà nghiên cứu Johann Rehberger về một cách tấn công Auto Mode bằng tệp nén được tải về. Tác giả gốc cho biết thử nghiệm thành công khoảng 80% trong điều kiện của mình. Đây là cảnh báo kỹ thuật cần kiểm tra, không phải bằng chứng rằng mọi người dùng Claude Code đều bị tấn công.
Việc cần làm: không cho Agent tự tải và giải nén tệp từ nguồn không tin cậy; giữ bí mật ngoài workspace; dùng sandbox và yêu cầu xác nhận cho lệnh mạng hoặc lệnh có thể làm thay đổi hệ thống.
Đọc bản tóm tắt và liên kết nghiên cứu gốc
Gemini Omni 1.1 Flash cho thấy video AI đang chuyển từ giai đoạn “tạo một đoạn clip” sang quy trình có thể thử, kiểm soát và hoàn thiện. Nhưng các nghiên cứu và case study hôm nay cùng nhắc một điểm: công nghệ chỉ tạo giá trị khi doanh nghiệp đo đúng kết quả, bảo vệ dữ liệu, kiểm soát quyền hành động và giữ con người tại các quyết định quan trọng.
