Yogurt, agentes.chat: repo GitHub AI mới nổi
Một repo GitHub AI mới nổi đáng thử khi nó nói rõ dữ liệu chạy ở đâu, agent được làm gì và cần phần cứng nào. Bài viết này của Kungfutech chọn bốn dự án theo tiêu chí đó: Yogurt ghi âm và tóm tắt cuộc họp bằng model chạy trên máy, không thêm bot vào cuộc gọi, agentes.chat là ứng dụng chat nhóm tự host nơi người và agent làm việc chung trong kênh, headless là agent skill đưa một máy Mac, Linux hoặc Windows thành máy chủ không màn hình qua SSH, và MACaQ là công cụ lượng tử hóa model của Huawei kèm bài báo trên arXiv. Mỗi mục kèm cách cài đặt lấy từ README, sau đó là một số tin tức AI đáng tham khảo.
Yogurt: ghi chú cuộc họp bằng AI, xử lý trên máy và không có bot trong cuộc gọi
Yogurt là gì?
Yogurt là ứng dụng ghi chú cuộc họp mã nguồn mở của Frigade, giấy phép MIT. Ứng dụng ghi âm micro và âm thanh cuộc gọi, chép lời rồi viết phần Summary bên cạnh ghi chú của người dùng. Theo tài liệu hướng dẫn, âm thanh, bản chép lời, ghi chú và câu hỏi đều được xử lý trên máy, Yogurt không tải cuộc họp lên server và không có telemetry. Không có bot nào tham gia cuộc gọi.
Yogurt chỉ kết nối Internet để tải model từ Hugging Face, lấy tài nguyên nhận dạng giọng nói on-device của Apple (trên Mac) và kiểm tra bản cập nhật trên GitHub. Sau khi cài, ứng dụng tải trước một model ghi chú nhỏ, sau đó tải model tốt nhất mà máy chạy được; tài liệu ghi model này khoảng 14 GB trên Mac 64 GB RAM và khoảng 63 GB trên máy từ 96 GB RAM trở lên. Trên Windows và Linux, bước cài đặt kiểm tra tốc độ chép lời và dừng lại nếu máy không theo kịp. Lịch và tên người nói lấy từ ứng dụng gọi chỉ có trên Mac.
Yogurt còn có thể mở dữ liệu cho các ứng dụng AI khác: trong Settings → AI apps, người dùng bật quyền truy cập và thêm lệnh helper làm MCP server cục bộ. Ứng dụng AI đó chỉ đọc được cuộc họp, ghi chú và bản chép lời, không sửa được. Quyền này tắt sẵn, và tài liệu cảnh báo ứng dụng AI được kết nối có thể gửi nội dung đã đọc tới model trực tuyến của nó.
Cách cài đặt và sử dụng Yogurt?
Yêu cầu tối thiểu là 8 GB RAM. Bản cài đặt lấy từ trang GitHub Releases của repo:
- Mac: Apple Silicon, macOS 14.4 trở lên. Mở file DMG, kéo Yogurt vào Applications rồi mở từ đó.
- Windows: Windows 10 bản 2004 trở lên, x64. Chạy bộ cài
.exe. Tài liệu ghi bộ cài chưa được ký số, nên Windows sẽ hiện cảnh báo bảo vệ máy. - Linux: x64, Ubuntu 22.04 hoặc hệ tương thích mới hơn, có PulseAudio hoặc PipeWire. Đặt quyền thực thi cho file
.AppImagerồi mở. Nếu không mở được, cài FUSE 2 trước:
sudo apt install libfuse2 # Ubuntu 22.04
sudo apt install libfuse2t64 # Ubuntu 24.04 trở lên
Lần chạy đầu, Yogurt tải các model cần thiết; ghi âm dùng được ngay khi bước cài đặt xong. Trên Mac cần cấp quyền micro và âm thanh cuộc gọi (macOS liệt kê ở mục Screen & System Audio Recording). Ghi âm luôn chờ người dùng bấm nút.
Muốn tự build từ mã nguồn, hướng dẫn build yêu cầu Node.js 24, pnpm 10.7.0, CMake, cùng Xcode Command Line Tools trên Mac hoặc Rust và Vulkan SDK trên Windows, Linux:
git clone https://github.com/FrigadeHQ/yogurt.git
cd yogurt
pnpm install --frozen-lockfile
pnpm -C app native
pnpm dev
Chạy YOGURT_USER_DATA=/tmp/yogurt-dev pnpm dev để tách hồ sơ thử nghiệm khỏi cuộc họp thật, hoặc YOGURT_FAKE=1 pnpm dev để dùng bộ chép lời và model giả, giúp ứng dụng khởi động trong vài giây.
agentes.chat: chat nhóm tự host, agent là thành viên trong kênh
agentes.chat là gì?
agentes.chat tự mô tả là phương án thay thế Slack mã nguồn mở, tự host, nơi người và agent AI làm việc chung. Agent tham gia kênh và tin nhắn riêng với một vai trò, một người phụ trách và một ngân sách hằng tháng được kiểm tra trước mỗi lần gọi model. Agent dùng Claude, ChatGPT và Codex, Gemini, Grok hoặc model bất kỳ trên OpenRouter, gọi công cụ MCP và có máy tính, trình duyệt riêng.
Theo README, các thao tác merge, deploy, rollback và mọi hành động mà connector đánh dấu nhạy cảm đều chờ người phụ trách hoặc admin duyệt qua một thẻ trong chat, và hành động đã duyệt chỉ chạy đúng một lần. Tin nhắn không @mention ai sẽ qua bộ định tuyến; tối đa bốn agent trả lời, và bộ định tuyến không bao giờ cấp quyền. Các tính năng khác gồm routine theo lịch hoặc sự kiện, bộ nhớ học từ chỉnh sửa và yêu cầu bị từ chối, wiki, Drive, bảng task, connector Postgres chỉ đọc và ứng dụng điện thoại, desktop; một số tính năng được README ghi là Beta.
Mã nguồn dùng giấy phép AGPL-3.0-only; riêng CLI cài đặt trong packages/setup dùng MIT. Stack gồm Bun, Hono, Drizzle và PostgreSQL ở server, React với Vite và TanStack ở web, Expo cho điện thoại và Tauri cho desktop. Bản self-host và bản Cloud chạy cùng một mã nguồn.
Cách cài đặt và sử dụng agentes.chat?
Trên một server Linux:
curl -fsSL https://agentes.chat/install | sh
Theo README, script cài những gì còn thiếu (Docker thì hỏi trước), đưa agentes.chat lên mạng Tailscale với HTTPS riêng tư, mất khoảng 10 phút. Postgres là phụ thuộc duy nhất. File SELF_HOSTING.md hướng dẫn dùng domain công khai thay cho Tailscale, nâng cấp, sao lưu và chạy không cần Docker qua agentes-server.
Sau khi cài, mỗi tổ chức tự thêm khóa model (Claude, OpenAI, Gemini, DeepSeek, Kimi, Z.ai, MiniMax hoặc OpenRouter) trong ứng dụng. Để dùng trên điện thoại, quét mã QR ở mục "Open on your phone" trong bản web. Bản desktop tải từ đường dẫn /download trên server; README ghi bản Mac chưa notarize và bộ cài Windows chưa ký số trong giai đoạn beta.
headless: agent skill dựng máy chủ không màn hình qua SSH
headless là gì?
headless là một Agent Skill, giấy phép MIT, đưa một máy từ trạng thái "có tài khoản admin, có mật khẩu, đã bật đăng nhập từ xa" thành máy chủ chạy không người trông qua SSH: không ngủ, tự đăng nhập sau khi khởi động lại, chỉ nhận khóa SSH và tùy chọn gia nhập Tailscale.
Điểm chính trong README là mật khẩu admin không bao giờ tới tay agent. Mật khẩu nằm trong kho bí mật (Automic Vault, 1Password, Bitwarden, một lệnh bất kỳ, hoặc phương án cuối là file env riêng); script đọc rồi chuyển tiếp qua pipe, không để mật khẩu xuất hiện trên dòng lệnh hay trong log. Agent chỉ biết tên mục trong kho.
Skill hỗ trợ Mac Apple Silicon qua Determinate Nix và nix-darwin; Linux với NixOS, hoặc Debian, Ubuntu, Fedora qua một script không phụ thuộc bản phân phối, hoặc cài NixOS bằng nixos-anywhere (thao tác này xóa toàn bộ ổ đĩa); và Windows 11, Windows Server 2025 qua script PowerShell trên OpenSSH. Mỗi bước chạy lại an toàn, bước cuối đọc lại mọi thiết lập, khởi động lại máy và kiểm tra máy quay lại. README cho biết CI chạy toàn bộ quy trình cho từng nền tảng trên runner GitHub qua SSH về chính nó và kiểm tra log không chứa mật khẩu.
Cách cài đặt và sử dụng headless?
Cần một máy macOS hoặc Linux có bash, ssh và tar để điều khiển; máy đích cần tài khoản admin có mật khẩu và đã bật đăng nhập từ xa; mật khẩu đó được lưu trong một kho bí mật. Cài skill (khuyến nghị cài toàn cục):
npx skills add kunchenguid/headless -g
Sau đó gọi trong agent:
/headless set up my Mac mini at 192.168.1.20 as a headless machine
Cũng có thể yêu cầu bằng ngôn ngữ tự nhiên, ví dụ "update my headless Linux server and check it comes back after a restart". Với Windows, người dùng dán vài dòng vào PowerShell quyền admin để bật OpenSSH Server trước. Repo đồng thời là một Nix flake, nên có thể dùng trực tiếp module trong cấu hình riêng:
inputs.headless.url = "github:kunchenguid/headless";
# trong danh sách module của darwinSystem:
headless.darwinModules.headless
{ headless = { user = "admin"; sshKeys = [ "ssh-ed25519 ..." ]; }; }
Lệnh nix flake init -t github:kunchenguid/headless#nixos (hoặc #darwin) tạo cấu hình khởi đầu mà skill sao chép.
MACaQ: lượng tử hóa model không phụ thuộc kiến trúc, từ GGUF tới ảnh và âm thanh
MACaQ là gì?
MACaQ (Model Agnostic Calibrated Quantization) là mã nguồn của Huawei CSL, giấy phép Apache 2.0, đi kèm bài báo arXiv 2611.10649. Công cụ lượng tử hóa và chạy model văn bản, ảnh, video và âm thanh với llama.cpp, vLLM, Diffusers và PyTorch: GGUF 2, 3, 4 bit cho llama.cpp, W4A4 hoặc chỉ trọng số cho vLLM, W4A4 cho model diffusion và model tạo giọng nói.
README công bố MACaQ lượng tử hóa một model 122 tỷ tham số trong 64 phút với 32,5 GB bộ nhớ thiết bị, và đạt perplexity tốt nhất của MR-GPTQ, DuQuant++ trên Llama-3-8B với thời gian lượng tử hóa ít hơn 11 lần. Với Qwen3.6-35B-A3B, bản MACaQ-R Q4_K_XL có cùng kích thước 22,36 GB với bản Unsloth UD-Q4_K_XL nhưng KL divergence so với FP16 là 0,013367, thấp hơn 0,015731. Với Qwen3.8-27B trên vLLM, bản W4A4 có perplexity 2,8994 so với 2,8463 của BF16, prefill nhanh 2,33 lần và decode nhanh 2,58 lần.
MACaQ-R là chế độ tinh chỉnh mã trọng số trong một GGUF MoE đã lượng tử hóa sẵn (Q4_K, Q5_K, Q6_K) mà giữ nguyên định dạng và block scale, nên file kết quả chạy được với llama.cpp chuẩn. Kernel W4A4 cho chip Ascend đang nằm trong các pull request gửi tới CANN.
Cách cài đặt và sử dụng MACaQ?
Mỗi backend dùng Python 3.12 và một môi trường riêng. Với llama.cpp trên GPU NVIDIA, chạy từ thư mục gốc của repo:
python3.12 -m venv .venv-llamacpp
.venv-llamacpp/bin/python -m pip install -r requirements/llamacpp.txt
MACAQ_TOOLKIT=/usr/local/cuda
cmake -S llamacpp/llama.cpp -B llamacpp/llama.cpp/build \
-DGGML_CUDA=ON -DCMAKE_BUILD_TYPE=Release \
-DCMAKE_CUDA_COMPILER="$MACAQ_TOOLKIT/bin/nvcc" \
-DCUDAToolkit_ROOT="$MACAQ_TOOLKIT" -DCMAKE_CUDA_ARCHITECTURES=native
cmake --build llamacpp/llama.cpp/build \
--target llama-imatrix llama-quantize llama-completion llama-perplexity llama-bench -j 4
Hướng dẫn llama.cpp có bản cài chỉ dùng CPU, khi đó thêm --device cpu và --gpu-layers 0 lúc lượng tử hóa. Cần một GGUF độ chính xác đầy đủ và checkpoint Hugging Face tương ứng, ví dụ Qwen3-4B đổi sang GGUF f16 bằng convert_hf_to_gguf.py. Tạo dữ liệu hiệu chuẩn mẫu rồi lượng tử hóa:
python3.12 examples/make_smoke_calibration.py --output data/text-calibration.txt
.venv-llamacpp/bin/python llamacpp/macaq.py quantize \
--model models/qwen3-4b-f16.gguf --hf models/Qwen3-4B \
--calibration data/text-calibration.txt --format IQ4_XS --had-block 64 \
--device cuda --gpu 0 --gpu-layers 99 \
--output models/qwen3-4b-macaq.gguf --work-dir work/qwen3-4b
Chạy model vừa tạo:
.venv-llamacpp/bin/python llamacpp/macaq.py run \
--model models/qwen3-4b-macaq.gguf --gpu 0 --gpu-layers 99 \
--prompt 'Explain how a rainbow forms.'
Không muốn tự lượng tử hóa thì tải bản Qwen3.6-35B-A3B MACaQ-R GGUF trên Hugging Face và chạy bằng llama.cpp chuẩn với llama cli -m models/model-macaq-r.gguf, hoặc llama serve -m models/model-macaq-r.gguf để mở server. Hướng dẫn cho vLLM, Diffusers và PyTorch nằm trong các thư mục vllm/, diffusers/ và pytorch/ của repo.
Tin tức thêm về AI
Railway công bố báo cáo sự cố: khóa AI bị đánh cắp gây khoảng 740.000 USD chi phí trái phép
Ngày 10/11/2026, Railway công bố báo cáo chi tiết về vụ tấn công ngày 20 và 21/10/2026. Kẻ tấn công khai thác một lỗ hổng chưa được biết trong hạ tầng build để thoát một phần khỏi cô lập hệ thống file, di chuyển ngang qua nhiều hệ thống và giải mã một phần biến môi trường của tối đa 1,85% workspace (khoảng 100.000). Theo Railway, mục tiêu chính là khóa API của nhà cung cấp AI, có thể để bán cho các dịch vụ trung chuyển phục vụ distillation. Token liên kết (khóa agent BYOK và token GitHub OAuth) của 1.852 người dùng cũng bị lộ và đã được đặt lại. Chi phí sử dụng trái phép bằng khóa bị đánh cắp ước tính khoảng 740.000 USD; Railway đang làm việc với các nhà cung cấp để hoàn tiền và tự chi trả phần nhà cung cấp không hoàn. Nguồn: Railway, The Hacker News.
Amazon thay Claude Sonnet 4.6 bằng model ra quyết định Strands Decider để gán nhãn ticket
Bài viết ngày 9/11/2026 trên blog Strands Agents cho biết hai kỹ sư Amazon thay Claude Sonnet 4.6 bằng Strands Decider E4B (xây trên Gemma 4) để gán một trong 20 nhãn cho ticket nội bộ. Model ra quyết định không sinh văn bản mà trả về xác suất cho từng lựa chọn kèm độ tin cậy. Số liệu công bố: thời gian mỗi lần gọi giảm từ 4.215 ms xuống 897 ms, tổng token mỗi ticket từ 6.724 xuống 2.010, chi phí mỗi triệu ticket từ khoảng 22.200 USD xuống khoảng 500 USD, tức giảm 98%. Nhóm chạy song song hai model trên lưu lượng thật trước khi chuyển hẳn, và lưu ý cách này không thay được LLM nếu nhãn cần văn bản giải thích, danh mục đổi hằng tuần, hoặc ngữ cảnh không vừa vài nghìn token. Nguồn: Strands Agents.
MiniMax phát hành trọng số mở H3-Image, tạo ảnh 4K
MiniMax phát hành H3-Image, model tạo ảnh từ văn bản và chỉnh sửa ảnh theo tối đa 16 ảnh tham chiếu trong một checkpoint. Theo thẻ model trên Hugging Face, phần diffusion transformer có 33,1 tỷ tham số, chưng cất còn 6 bước lấy mẫu, tạo ảnh khoảng 16 megapixel ở mọi tỉ lệ khung hình, từ 4096x4096 tới 6272x2688. MiniMax cho biết model tạo ảnh 4K dưới 10 giây. Giấy phép cộng đồng, ngày 10/11/2026, loại trừ Liên minh châu Âu, Anh, Hàn Quốc và Mỹ khỏi phạm vi áp dụng, và yêu cầu xin phép bằng văn bản nếu doanh thu năm vượt 1 triệu USD hoặc cung cấp dịch vụ hosting cho bên thứ ba. Nguồn: MiniMax, Hugging Face, giấy phép trên GitHub.
Google DeepMind công bố AlphaGenome 2 dự đoán tác động của biến thể DNA theo từng loại tế bào
Ngày 11/11/2026, Google DeepMind công bố AlphaGenome 2, model dự đoán tác động của chuỗi DNA và biến thể lên từng loại và trạng thái tế bào người, thay vì trung bình theo mô. Model được huấn luyện trên hơn 100 triệu hồ sơ tế bào thuộc 68 mô. Trên bộ dữ liệu TenK10K gồm 28 loại tế bào miễn dịch, AlphaGenome 2 xác định được 30% biến thể nhân quả so với 16% của AlphaGenome bản đầu tinh chỉnh trên dữ liệu đơn bào. Model có thể dự đoán cho trạng thái tế bào mới từ dữ liệu RNA-seq đơn bào của vài chục tế bào mà không cần huấn luyện lại. AlphaGenome 2 mở cho nghiên cứu phi thương mại qua AlphaGenome API, đang ở dạng xem trước riêng cho nghiên cứu thương mại, và chỉ dành cho mục đích nghiên cứu, chưa được phê duyệt cho lâm sàng. Nguồn: Google DeepMind.