Gemma 3
AssessCông cụ
Mô hình nền cung cấp khả năng chuyển giao đa ngôn ngữ trên nhiều ngôn ngữ.
Vì sao ở đây
Xếp vào Assess: 5 bài bằng chứng từ 2 nguồn, chủ yếu là hoạt động mã nguồn mở, 1 bài trong 30 ngày qua. Độ tin cậy 56%.
Bằng chứng (5)
- 6Hacker News·12/8/2026open_sourcellama.cpp thúc đẩy AI chạy hoàn toàn cục bộ trên thiết bị cá nhân
llama.cpp được giới thiệu như một cách mã nguồn mở, ưu tiên quyền riêng tư để chạy các mô hình AI tiên tiến hoàn toàn trên phần cứng cục bộ, không cần API key, telemetry hay phụ thuộc đám mây. Bài viết cũng nêu các tùy chọn cài đặt, tích hợp tác nhân lập trình cục bộ qua pi-llama và Pi, cùng khả năng hỗ trợ rộng trên CPU và GPU từ laptop đến cụm máy chủ.
- 6Hacker News·29/6/2026open_sourceHackerRank mã nguồn mở hệ thống ATS, cho thấy điểm số LLM biến động
Một bài đăng trên Hacker News bàn về hệ thống theo dõi ứng viên (ATS) mã nguồn mở của HackerRank và cho thấy cùng một bản CV có thể nhận điểm rất khác nhau qua nhiều lần chạy. Tác giả cho rằng việc chấm điểm CV bằng LLM có độ bất định cao ở một số hạng mục, khiến các ngưỡng tuyển dụng trở nên thiếu tin cậy.
- 5Hugging Face Blog·22/6/2026open_sourceMô hình cục bộ tự động phân loại issue OpenClaw miễn phí
Hugging Face mô tả việc dùng các mô hình mã nguồn mở chạy cục bộ trong một agent harness để phân loại issue và pull request trong kho OpenClaw. Cách triển khai này hướng tới thông báo gần như thời gian thực và giảm phụ thuộc vào các mô hình đóng trả phí bằng cách chạy trên phần cứng nội bộ với quyền truy cập chỉ đọc vào kho mã.
- 8Hugging Face Blog·4/6/2026model_releaseNVIDIA ra mắt Nemotron 3.5 Content Safety cho thực thi chính sách doanh nghiệp đa phương thức
NVIDIA giới thiệu Nemotron 3.5 Content Safety, một mô hình hợp nhất xử lý đầu vào đa phương thức, hỗ trợ đa ngôn ngữ, thực thi chính sách tùy chỉnh và dấu vết suy luận tùy chọn trong một lần suy luận duy nhất. Bản phát hành này cũng đi kèm bộ dữ liệu an toàn, hướng tới hỗ trợ các quy trình kiểm duyệt an toàn trong ứng dụng AI doanh nghiệp trên nhiều ngôn ngữ và phương thức.
- 7Hugging Face Blog·20/1/2026researchDifferential Transformer V2
Hugging Face Blog giới thiệu Differential Transformer V2, một thiết kế attention mới tăng gấp đôi số query heads nhưng giữ nguyên số key-value heads. Bài viết cho rằng cách này giúp tốc độ suy luận tương đương Transformer tiêu chuẩn, không cần kernel attention tùy chỉnh, đồng thời vẫn giữ nguyên kích thước projection đầu ra với bước trừ vi phân giữa các cặp head.