Google ra mắt Gemini 3.5 Flash GA với tốc độ inference nhanh hơn 4x so với model frontier cạnh tranh, context window 1M token, và giá $1.50/$9. Model vượt qua cả Gemini 3.1 Pro trên benchmark coding và agentic. Đây là đánh giá thực tế.
Nghiên cứu TurboQuant của Google giảm memory overhead KV cache ~100x bằng thuật toán hai bước kết hợp PolarQuant vector rotation và Johnson-Lindenstrauss compression. Điều này có thể làm cho model context 2M token trở nên khả thi kinh tế với nhiều team hơn.
Model 8B chạy trong 1GB RAM, chạy ngay trên iPhone, vẫn cạnh tranh được với model full-precision. Bonsai của PrismML thay đổi phép tính edge AI. Phân tích kỹ thuật chi tiết.
Nhận thông báo khi có bài viết mới về AI, .NET, kiến trúc cloud và nhiều chủ đề khác.
