Qwen3.6-35B-A3B on my laptop drew me a better pelican than Claude Opus 4.7 — mổ xẻ bởi Bụi Wire

Bụi Wire tổng hợp từ 2 nguồn — bớt hype, thêm thực tế.

Câu chuyện bắt đầu từ một bug lúc 2 giờ sáng

Plot twist: cái tool bạn đang dùng tuần trước có thể đã lỗi thời. Nghe drama vậy thôi, nhưng tốc độ release trong thế giới AI bây giờ nhanh hơn cả tốc độ bạn đọc changelog. Cùng mình lọc xem cái nào đáng quan tâm thật.

Thị trường đang nói gì (và đang giấu gì)

Mình đọc Qwen3.6-35B-A3B on my laptop drew me a better pelican than Claude Opus 4.7 xong thì nghĩ: à, cái này đáng để ghé mắt — và quan trọng hơn, nó thuộc dạng cần thêm thời gian test cho team đang chạy production.
Anthropic’s Project Glasswing—restricting Claude Mythos to security researchers—sounds necessary to me — nghe tên thì bình thường, nhưng đọc kỹ thì thấy tín hiệu đang cháy hàng. Mức độ áp dụng? Cần thêm thời gian test, nếu bạn đã có sẵn infra cơ bản.

Ví dụ cụ thể: Mỗi tuần team bạn họp 10 tiếng. AI notetaker có thể biến 10 tiếng đó thành 10 trang action items có gắn tên người phụ trách. Câu hỏi thật sự không phải 'tool nào tốt nhất' mà là 'team mình có thực sự đọc notes sau họp không'.

Playbook: từ zero đến demo trong 1 ngày

Mỗi bản phát hành model nên được nhìn như một thay đổi vận hành: ảnh hưởng tới eval set, rủi ro sai lệch và chi phí suy luận.
Ở nhóm công cụ họp, ưu tiên không phải tóm tắt dài hơn mà là khả năng biến transcript thành action items có thể giao việc ngay.

• Bước 1: Khoanh một use-case có tác động cao và dữ liệu đủ sạch để chạy thử trong phạm vi nhỏ.
• Bước 2: Đặt baseline trước khi thử: thời gian xử lý, chất lượng đầu ra, tỉ lệ lỗi vận hành.
• Bước 3: Với meeting AI: đo tỷ lệ action item được hoàn thành sau họp, không chỉ đo độ dài bản tóm tắt.

Open-source radar

Dù cụm nguồn này không thuần open-source, mình vẫn khuyên: luôn có plan B bằng stack mở. Vendor lock-in giống thuê nhà không có hợp đồng — lúc cần dọn thì mới biết đau.

Góc tối mà ít ai nói

Bẫy số 1: FOMO — thấy tool mới là nhảy vào, chưa kịp master tool cũ. Kết quả: team biết 10 tool, giỏi 0 tool.
Bẫy số 2: Đánh giá tool bằng demo, không bằng production load. Demo nào chẳng đẹp — hãy hỏi: nó chạy thế nào khi 100 người dùng cùng lúc vào lúc 9 giờ sáng thứ Hai?

Một câu để nhớ

Một câu để nhớ: tool tốt nhất là tool team bạn thực sự dùng mỗi ngày, không phải tool có nhiều sao nhất trên GitHub.

---

Bụi Wire — nghiện đọc release notes lúc 2 giờ sáng