Bốn câu chuyện từ giới phát triển phần mềm vào thứ Hai, ngày 26 tháng 10 năm 2026, mỗi câu chuyện đều được tổng hợp từ nguồn tài liệu gốc: bản hồ sơ S-1 công khai đầu tiên của Anthropic; thông tin về việc giảm giá các mô hình ngôn ngữ lớn (LLM) – chủ đề đang được thảo luận sôi nổi trên Hacker News tuần này; một thiết lập trong vLLM giúp khắc phục lỗi gọi công cụ (tool calls) trên các mô hình mã nguồn mở; và kết quả thử nghiệm của một bác sĩ da liễu khi so sánh hai mô hình AI tiên tiến với một mạng lưới nhận diện hình ảnh đã có từ mười năm trước.

Tóm tắt nhanh:
- Hồ sơ S-1 của Anthropic, được hệ thống EDGAR của Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (SEC) tiếp nhận vào lúc 09:00 sáng ngày 26 tháng 10 (giờ New York), ghi nhận doanh thu 16.286 triệu USD trong sáu tháng đầu năm 2026, cùng khoản lỗ ròng 80.748 triệu USD – trong đó 72.388 triệu USD đến từ sự thay đổi giá trị hợp lý của các trái phiếu chuyển đổi. Các thông tin về giá, số lượng cổ phiếu và dữ liệu quý gần nhất hiện vẫn để trống.
- OpenAI cho biết chi phí sử dụng GPT-5.6 Luna đã giảm 80% kể từ ngày 30 tháng 7; đồng thời công bố mức giá cho GPT-6.1 Sol là 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra. Anthropic cũng cho biết chi phí vận hành Opus 5.5 thấp hơn khoảng 40% so với phiên bản Opus 5.
- Ubicloud ghi nhận độ chính xác 92% đối với lược đồ gọi công cụ (tool-call schema) của mô hình Kimi K2.6 khi chạy trên vLLM phiên bản 0.28; con số này đạt 100% sau khi kích hoạt tính năng giải mã có ràng buộc (constrained decoding).
- Trong một thử nghiệm trên 200 tổn thương da, một mạng lưới Inception v3 đã được tinh chỉnh đạt độ chính xác 62%, trong khi GPT-6 Astra và Claude Fable 5.1 đều đạt 42%. Bản thân người thực hiện thử nghiệm – một bác sĩ da liễu – cũng đã tự liệt kê các hạn chế cần lưu ý đối với kết quả này...

Trích lược Nikoloz Turazashvili https://dev.to/axrisi/anthropic-ipo-filing-llm-price-cuts-vllm-tool-calls-and-a-skin-cancer-cnn-what-the-sources-say-2fa0