Nội dung
- Quyết định tự động đặt mô hình AI mới vào cùng một bài toán
- Jev và Qwen3.8-Omni-Flash — công cụ mới chạm tới workflow marketing
- Token, context và tool use quyết định mô hình AI mới có làm được việc
- Gemini 4 Pro chưa xác nhận: người mua cần kiểm điều gì?
- Việt Nam cần tính model AI theo dữ liệu và khâu duyệt
- Bắt đầu bằng workflow nhỏ để đo model AI trước khi tăng ngân sách
- Nguồn tham khảo
Các mô hình AI mới đang dịch chuyển khỏi vai trò chỉ viết câu trả lời. Chúng bắt đầu nhận trạng thái ứng dụng, đánh giá xác suất, hiểu audio-video và gọi tool để hoàn thành từng bước trong workflow. Với marketer Việt Nam, thay đổi này quan trọng vì tiêu chí mua AI sẽ không còn nằm ở câu trả lời nghe hay, mà ở đầu ra có thể kiểm tra, tổng tiền thực tế và mức độ an toàn khi máy tự làm.
Điểm chính
- Jev đặt quyết định có xác suất vào trung tâm thay cho việc yêu cầu AI viết một đoạn văn dài.
- Qwen3.8-Omni-Flash cho thấy audio-video, context dài và tool use đang hội tụ trong cùng một workflow.
- Chi phí thấp không tự biến thành hiệu quả nếu dữ liệu, quyền gọi tool và khâu duyệt chưa rõ.
- Marketer Việt nên bắt đầu bằng workflow nhỏ, có log và người duyệt trước khi tăng ngân sách.
Quyết định tự động đặt mô hình AI mới vào cùng một bài toán
Các nguồn được cung cấp cùng chỉ về một hướng: AI đang được thiết kế để tham gia vào công việc thay vì chỉ trò chuyện. Bài giới thiệu Jev mô tả một model không viết câu hoàn chỉnh; nó nhận trạng thái ứng dụng và câu hỏi có kiểu dữ liệu, sau đó trả về quyết định kèm xác suất. Một bài đăng khác của chính nhóm này nhấn mạnh mục tiêu là tốc độ cao hơn, giá thấp hơn và khả năng ghép vào các hệ thống cần quyết định.
Qwen3.8-Omni-Flash mở rộng hướng đó sang dữ liệu audio-video. Model được mô tả là có thể hiểu nội dung, lập kế hoạch, dùng tool và trả kết quả trong các việc như biên tập vlog, dịch video ngắn hoặc tạo bản tóm tắt. Trong khi đó, thông tin về Gemini 4 Pro hiện chỉ là dự đoán từ một tài khoản cá nhân, chưa phải dữ liệu ra mắt đã được xác nhận. Vì vậy, luận điểm phù hợp cho marketing không phải “model nào thắng”, mà là điều kiện kỹ thuật nào biến năng lực model thành đầu ra dùng được.
Jev và Qwen3.8-Omni-Flash — công cụ mới chạm tới workflow marketing
Hai sản phẩm minh họa cho hai cách mở rộng AI trong công việc. Jev tập trung vào quyết định nhỏ, nhanh và có xác suất. Qwen3.8-Omni-Flash tập trung vào việc hiểu nhiều loại dữ liệu rồi gọi tool trong chuỗi tác vụ. Cả hai đều khiến đội marketing phải mô tả đầu ra và điểm kiểm tra trước khi chọn công cụ.
Jev: giao việc dạng quyết định thay vì đoạn chat
Jev được giới thiệu như một model chuyên cho quyết định, không phải chatbot. Nội dung nguồn mô tả Jev nhận app state cùng câu hỏi đã định dạng và trả về lựa chọn kèm xác suất. Nguồn cũng nêu mức nhanh hơn 20–200 lần và rẻ hơn 40–400 lần trong một số cách dùng, với output token không tính phí. Với marketing, kiểu công cụ này phù hợp hơn với các bước như chọn nhãn lead, xác định có cần chuyển case cho người duyệt hay quyết định bước tiếp theo của một agent. Nguồn mô tả ứng dụng Jev.
Qwen3.8-Omni-Flash: nối audio-video với tool trong workflow
Qwen3.8-Omni-Flash kết hợp hiểu audio-video, suy luận và gọi tool trong một model. Nguồn Qwen nêu context 1 triệu token, khả năng tìm đoạn quan trọng trong video dài và mức giảm khoảng 89% chi phí input video so với Qwen3.5-Omni-Plus. Đội marketing có thể dùng hướng này cho kiểm tra nội dung video, dịch, cắt đoạn hoặc tạo recap, nhưng vẫn phải xác định dữ liệu nào cần người kiểm tra trước khi xuất bản. Thông tin kỹ thuật từ Qwen.
Token, context và tool use quyết định mô hình AI mới có làm được việc
Xác suất của quyết định thay đổi cách tính rủi ro
Jev đưa xác suất vào đầu ra thay vì chỉ trả lời đúng hoặc sai theo cảm nhận. Qwen cũng mô tả agent có thể tìm điểm cần thiết trong video dài và thực hiện chuỗi tác vụ. Hai hướng này cho thấy marketer cần chuyển từ câu hỏi “AI có viết tốt không?” sang “ngưỡng xác suất nào đủ để máy tự đi tiếp?”. Một quyết định chọn lead có thể cho máy xử lý ở ngưỡng cao, còn nội dung liên quan đến khiếu nại hoặc chi phí quảng cáo cần ngưỡng khác và có người duyệt.
Confidence score không phải bằng chứng rằng máy luôn đúng. Nó chỉ giúp đội ngũ nhìn thấy mức không chắc chắn và đặt quy tắc xử lý. Nếu dashboard chỉ ghi số lượng tác vụ hoàn thành, doanh nghiệp sẽ bỏ qua phần việc sửa sai phía sau.
Context dài không thay thế dữ liệu đúng và quyền dùng tool
Qwen3.8-Omni-Flash nêu context 1 triệu token và khả năng chủ động tìm đoạn quan trọng trong video. Jev lại được mô tả theo cách gọn hơn: app state là đầu vào để model chọn hành động, còn một LLM nhỏ chỉ được gọi khi cần gõ chữ. Hai ví dụ cho thấy context dài chỉ có giá trị khi dữ liệu được đưa vào đúng dạng và tool có quyền làm đúng việc.
Trong workflow marketing, app state có thể là trạng thái CRM, lịch chạy quảng cáo hoặc nội dung trên CMS. Nếu trường dữ liệu thiếu, sai định dạng hoặc tool không có log, model có thể đưa ra lựa chọn hợp lý trên dữ liệu sai. Ràng buộc tích hợp vì thế quan trọng không kém benchmark.
Chi phí mỗi lần chạy kéo marketing về bài toán hiệu suất
Jev được giới thiệu với mục tiêu rẻ hơn 40–400 lần và nhanh hơn 20–200 lần trong các trường hợp nêu ở nguồn. Qwen cho biết chi phí input video giảm khoảng 89% so với một model trước đó và dùng ít hơn 51,8% token trong một bài đánh giá video. Các con số này không cho phép kết luận hiệu quả kinh doanh, nhưng đủ để đặt lại cách tính: chi phí model chỉ là một phần của mỗi tác vụ.
Đội marketing còn phải tính phí lưu trữ video, gọi API, kiểm tra đầu ra, xử lý lỗi và thời gian người duyệt. Một model rẻ nhưng tạo nhiều case phải sửa có thể tốn hơn model đắt hơn nhưng cho đầu ra ổn định. KPI nên gắn với chi phí trên đầu ra được chấp nhận, không chỉ với số lần gọi model.
Gemini 4 Pro chưa xác nhận: người mua cần kiểm điều gì?
Gemini 4 Pro có thật sự đạt mức Mythos không: cách kiểm thay vì tin cảm giác?
Một bài đăng của Shub nói rằng checkpoint Gemini 4 Pro có thể đang được thử nghiệm, có thể xuất hiện dưới nhãn nội bộ Gemini 3.8 Flash và có thể ra mắt vào cuối tháng 9 hoặc tháng 10. Đây là phỏng đoán cá nhân dựa trên các báo cáo sớm; tài liệu được cung cấp không có xác nhận từ Google về lịch phát hành, tên gọi hay mức hiệu năng. Bài đăng nêu dự đoán về Gemini 4 Pro.
Điều dùng được: đội marketing không cần chờ tin đồn để lập kế hoạch. Hãy ghi rõ tác vụ cần giải quyết, bộ dữ liệu thử, độ trễ chấp nhận được, chi phí mỗi lượt và tỷ lệ phải sửa. Khi có model mới, chỉ cần chạy cùng một bộ kiểm thử để so sánh với công cụ đang dùng. Cách này bảo vệ ngân sách tốt hơn việc mua theo tên model hoặc điểm benchmark chưa gắn với công việc thực tế.
Việt Nam cần tính model AI theo dữ liệu và khâu duyệt
Ở Việt Nam, lợi ích của model đa phương thức phụ thuộc vào chất lượng dữ liệu tiếng Việt, tiếng địa phương, giọng nói, phụ đề và quy trình nội bộ. Một video có thể chứa tiếng nói, chữ trên màn hình và bối cảnh thương hiệu. Nếu dữ liệu huấn luyện hoặc bộ kiểm thử không phản ánh các dạng này, điểm số công bố ở thị trường khác chưa nói lên chất lượng khi dùng cho chiến dịch trong nước.
Doanh nghiệp cũng cần kiểm tra đường đi của dữ liệu khách hàng khi tool được gọi. Workflow nên có quyền truy cập tối thiểu, log từng hành động và điểm dừng trước khi gửi nội dung ra ngoài. Với các tác vụ như trả lời bình luận, phân loại lead hoặc chỉnh sửa video, người duyệt cần biết máy đã dùng dữ liệu nào, đưa ra lựa chọn nào và xác suất bao nhiêu.
Bắt đầu bằng workflow nhỏ để đo model AI trước khi tăng ngân sách
- Chọn một workflow có đầu ra rõ, chẳng hạn phân loại lead hoặc tìm đoạn cần cắt trong video, thay vì triển khai AI cho toàn bộ đội marketing.
- Lập bộ dữ liệu tiếng Việt đại diện cho tình huống thật và ghi lại tỷ lệ đúng, thời gian chạy, chi phí API cùng số case phải sửa.
- Đặt ngưỡng xác suất và quyền gọi tool; tác vụ dưới ngưỡng phải chuyển cho người duyệt, không tự chạy tiếp.
- So sánh model bằng cùng một workflow và cùng tiêu chí trước khi tăng ngân sách hoặc giao thêm dữ liệu khách hàng.
Xem thêm phân tích & hướng dẫn marketing tại https://marketing365.vn.
Theo dõi thêm các bài phân tích từ Marketing365 để cập nhật xu hướng marketing mới nhất.
Đọc thêm các bài cùng chuyên mục Động thái AI.
Nguồn tham khảo
- WTF is Jev by @typesafeai, and the 9 things people are already building with it
- After co-inventing ChatGPT, I kept asking myself: why have superhuman chat models not led to AGI?
- Meet Qwen3.8-Omni-Flash, Qwen’s first omni-modal model built around agentic capabilities!
- Gemini 4 Pro might be coming for the AI throne
