Một nhà phát triển vừa huấn luyện một mô hình ngôn ngữ chỉ 360 triệu tham số để đóng vai một cửa sổ dòng lệnh (terminal). Phía sau không có shell hay hệ thống tệp thật. Mỗi phím bấm đi vào, mô hình tự đoán màn hình sẽ thay đổi ra sao.

Học cách "dự đoán màn hình"

Dự án lấy cảm hứng từ Genie 3, mô hình tạo thế giới ảo của Google (GOOGL). Thay vì dựng cả thế giới game, tác giả chọn thứ nhỏ hơn: một lưới ký tự. Mô hình nền là Qwen2.5-Coder-0.5B, được fine-tune trên các phiên làm việc thật ghi lại từ chương trình chạy trong Docker.

Điểm khác biệt là mô hình không viết văn bản nối đuôi như chatbot thông thường. Nó dự đoán những dòng nào trên màn hình cần viết lại và con trỏ nằm ở đâu, giúp xử lý được cả lệnh xóa màn hình hay phím Esc trong trình soạn thảo vim.

Làm được những gì?

Mô hình có thể tạo tệp, chạy vim và tmux, thậm chí chơi trò rắn săn mồi, và thường nhớ nội dung bạn đã gõ vài lệnh trước đó. Hai cải tiến lớn nhất là dạy nó tự sửa lỗi của mình và giải mã nhiều dòng màn hình song song.

Bạn có thể thử ngay trên trình duyệt (khoảng 208 MB, cần WebGPU): gõ sai lệnh "pythoon" để thấy ngay đây không phải shell thật. Đây là thử nghiệm thú vị cho hướng công nghệ mới, nơi phần mềm được học thay vì viết bằng mã nguồn, và là bước nhỏ trong làn sóng AI thế hệ tiếp theo.