AW1, tách đúng
model và engine.

1. Model identity, EVO và candidate — cập nhật 15/10/2026

Production lineage: model identity sieutocviet/aw1; checkpoint và tokenizer hiện có nguồn gốc Qwen2/Qwen2.5-derived (Qwen2ForCausalLM, Qwen2Tokenizer). AWLLM native có runtime engine độc lập; điều đó không chứng minh trọng số hoặc tokenizer được huấn luyện từ đầu. ZERO_QWEN chưa đạt; trạng thái merged/unmerged trong readback hiện là UNKNOWN.

EVO mới nhất — R9 ngày 15/10/2026 · DEV milestone

Candidate R9 giữ 496.132 tham số. Pha E2 sửa biểu diễn định danh token và đường inference nonfused trên checkpoint R8 đã đóng băng: 0 cập nhật trọng số. Pha E3 tiếp tục từ checkpoint đó với độ phủ câu hỏi TRAIN mới: 400 cập nhật, 3.200 lượt mẫu, 77.301 input-token presentations. Đây là số mới trong pha R9 E3, không cộng lặp ledger R8, không phải token corpus duy nhất hay context window. Checkpoint E3 đã đọc lại khớp SHA256.

So với pha R9 E2 dùng cùng biểu diễn/inference đã sửa, Natural DEV original answer exact tăng từ EN 41/80 → 78/80, VI 44/80 → 74/80; Original DEV EN giảm 80/80 → 79/80. Chưa có phép kiểm độc lập để kết luận cải thiện tổng quát. Kết quả R8 lịch sử bên dưới dùng đường biểu diễn/inference khác; không quy toàn bộ chênh lệch cho huấn luyện trọng số.

Prose DEV — đã kiểm tra bổ sung trên checkpoint R9 E3: chọn đúng passage 7/20; trong16 câu có đáp án, đúng 5/16, chọn sai passage 6/16, từ chối 5/16. Trong4 câu thiếu nguồn, model vẫn chọn passage sai 2/4; tổng câu đã nhận trả lời nhưng sai là 8/13. Đây là phép đo chọn passage trên panel DEV đã tiếp xúc, không phải independent FINAL hoặc benchmark sinh ngôn ngữ tổng quát.

Rule/code comparator đúng 17/20 trên cùng panel nhỏ; chưa suy ra ưu thế tổng quát từ20 câu. Kết quả E2 đóng băng giữ làm lịch sử:7/20, answerable4/16 và missing-source false accept1/4. Việc đã đạt guard PASS_TASK_DEV_ONLY trên code/date không nghiệm thu chất lượng prose. Hồ sơ request local còn ghi LOCAL_PREPARATION_NOT_SUBMITTED_NOT_APPROVED, nhưng canonical action xác nhận đã có lượt gửi yêu cầu review và kết thúc FAILED, effect_satisfied=false. Đây là trạng thái lượt yêu cầu, không phải kết quả kiểm định model. Chưa có bằng chứng FINAL độc lập đã hoàn tất; credit0 và chưa promote.

Canonical review attempt: action-mcp-34ad9cc102f006f363cd · terminal receipt reference SHA256: e7d5a4e14be047eaa32b6500f1ee0948810844146a8ac6f6a9953a7e9a3ff200

R9 local DEV review SHA256: 2656ae7200adc001d499c8e97d8255787229cacecd02736c147c218e6a5f19a2 · prose traces SHA256: f5743833333ce0ab1e75b78838a80d16aae8bb0024417a4e5dbf30a2ab278226 · checkpoint E3 giữ nguyên

R9 E3 receipt SHA256: 0cfc64f159c4ac40c92b0501de30b997225fa655c06b6fed7ad475d75a9f288b · checkpoint: 7e8722aa11d274585eb9bc5908b9c4ac725ddc835f9e1bb74e82ae1527229092

Bằng chứng từng pha R9, source/data pins và toàn bộ DEV/retention

Lịch sử EVO R7/R8 — receipt ngày 15/10/2026

Nhánh causal learning recovery đã có receipt huấn luyện hoàn tất cho R7 và R8. Mỗi nhánh là candidate span model 496.132 tham số trong CPU sandbox: 40 cập nhật microfit + 400 cập nhật tiếp tục = 440 cập nhật trọng số trong riêng nhánh đó. Checkpoint thực đọc lại khớp SHA256 trong receipt. Đây là nhánh chẩn đoán riêng; không cộng thành cập nhật của model production và không coi là bản thay thế candidate khoảng 9,3 triệu tham số lịch sử.

Mỗi nhánh ghi 30.400 + 76.446 = 106.846 input-token presentations qua hai pha. Số này gồm dữ liệu lặp lại, không phải số token corpus duy nhất hoặc độ dài context. Candidate dùng tokenizer Unicode word/punctuation với SHA256 hash buckets và 128 vị trí đầu vào theo thiết kế; thông tin này không thay context contract 65.536 token lịch sử của production.

Microfit tại checkpoint microfit đạt EN/VI answer exact 12/12 và no-answer 4/4 mỗi ngôn ngữ cho cả hai nhánh. Đây là fitting trên 32 dòng đã học; kết quả này không thay cho các panel DEV và không còn nguyên vẹn sau pha train tiếp tục.

R7 E3 receipt SHA256: eb421a349026f4cf7fdeb4f3bfc9e8f396fb3b5087726e04a0412711a40bd284 · checkpoint: 10ff181cc3843c1ed049ad08315433812316b9852a9564fa3c2e4caeaec5d8d1
R8 E3 receipt SHA256: b3737ababbb80f7258c8fe128f50b60a066ecb54775e63568010509d611b98fc · checkpoint: afe36d785a50b5e759d6ebb20267082bcf9644e6520bb7904e5c350a8f19f339

Bằng chứng EVO: từng phase, token/update accounting, DEV/retention, source và checkpoint hashes

Lịch sử thử nghiệm CPU ngày 13/10/2026 — QUALITY FAIL

Candidate aw1-independent-pilot-20261013-r1 là mô hình span-copy chẩn đoán trong CPU sandbox, 496.132 tham số; receipt ghi 80 cập nhật trọng số và 320 lượt trình bày dữ liệu. Đánh giá cold gồm 800 ví dụ, 1.600 model forwards tính cả baseline và candidate.

Answer exact của candidate: DEV EN 3/80, VI 0/80; NATURAL EN và VI đều 0/80; RETENTION EN và VI đều 0/40. Từ chối đúng trên câu không trả lời được: DEV và NATURAL 80/80 mỗi ngôn ngữ, RETENTION 40/40 mỗi ngôn ngữ. Các phép đo có scope khác thí nghiệm ngày 05/10 và không phải đối chứng tiến bộ giữa hai candidate.

QUALITY FAIL · FINAL NOT_OPENED · independent verifier NOT_PERFORMED_DIAGNOSTIC_ONLY · learning credit = 0. Đây không phải native R15 training job; chưa promotion, chưa production-ready. Hồ sơ candidate mới hơn chỉ có checkpoint không đủ để suy ra chất lượng hay kết luận hoàn tất.

Train receipt SHA256: 99b91b4293283fdbdbb75ec0f0aabc20e4d21621ba0322b14927553caf7575b1 · Eval receipt SHA256: d8a804e4d3c728e9cb9be2ef7f6c6d0b6a394e401b63d71afe4aa71c6190a223

Snapshot ngày 15/10: nguồn, scope, numerator/denominator và giới hạn

Lịch sử candidate answerability ngày 05/10/2026

QUALITY WITHHELD · không promote. Candidate aw1-answerability-entity-ab-20261005-r1 kiểm tra scorer answerability trên QA tổng hợp song ngữ; reader và raw ranking giữ cố định. Đây là thí nghiệm candidate, không phải đánh giá chất lượng production.

Train fitting

Tại checkpoint cold được chọn: control C đạt 8.000/8.000 mỗi ngôn ngữ; reassignment R đạt 9.600/9.600 mỗi ngôn ngữ. Chỉ số này đo quyết định answerability trên dữ liệu fitting, không phải độ chính xác câu trả lời hay held-out.

Development — evidence-group transfer

Hai nhánh C/R có cùng số đếm tại operating point được chọn: EN raw exact 27/40, gated exact 13/40, no-answer đúng 10/20; VI raw exact và gated exact 36/40, no-answer đúng 20/20. Question pairs 13/32; position pairs 19/32. Gate dev FAIL_OR_NOT_RUN; final NOT_RUN_DEV_FAIL; canary NOT_RUN. Không ghi nhận credit cải thiện do reassignment.

Accounting và production

600 cập nhật scorer mỗi nhánh, tổng 1.200 cập nhật answerability; LM updates = 0, reader/start/end updates = 0. Mỗi nhánh có 19.200 binary-label presentations, 16.000 logical rows và 2.000 evidence groups. Candidate chưa chuyển vào production; receipt này không chứng minh chất lượng production.

Điểm chặn: train fitting đã hoàn hảo nhưng không chuyển thành cải thiện answerability trên evidence groups EN mới. QUALITY WITHHELD; không promotion.

Receipt entity A/B 05/10/2026 · SHA256: dff08f355829f4c5496a3875461e74b3d307457cf07967173fdf9497ad795008

Receipt residual A/B trước đó (05/10/2026) có VI gated 35/40, EN gated 13/40, EN no-answer 10/20, question pairs 12/32. Hai receipt dùng packet DEV khác nhau; không coi 35→36/40 là cải thiện đối chứng.

Receipt residual · SHA256: 89d0b2c97bdc8efa79d0b984fc401e4b4cd62b1941ef1b55f616842de86d93ca

Chỉ số lịch sử được công bố ngày 30/09/2026: corpus 1.000.565.587 ký tự từ 6 nhóm nguồn, candidate khoảng 9,3 triệu tham số, 200 bước pilot. Đây là snapshot lịch sử, không cộng 1.200 scorer updates vào LM updates.

Snapshot có numerator, denominator và scope

2. Historical context contract

65,536 native tokens and 64,884 held-out prompt tokens were published on 03/09/2026. All metrics below are historical receipt results; long-context correctness was NOT_REVERIFIED on 15/10/2026. Runtime health is not a new context test.

primary receipt: RuntimeContextFrontierVNext_20260816T224917Z · sha256: ec7381e6f759504f54f51a2a6abe9cc42a02699b24eaf722e150e633920c5647

3. Inference engine

receipt_id: AEO_AWLLM_ITERATION_V14_20260816T114034Z · sha256: 789f793b5aa240b18facd7274c3ff28b020e25955594249fd39f4923c6e94ad3

Runtime readback — 17/10/2026

WebChat public và loopback: HTTP 200. AWLLM awllm_native_minimal đang hoạt động, model/tokenizer đã nạp; bfloat16, multi-GPU active trên 6 thiết bị. LMDeploy imported: false, call count: 0. Readback lúc 18:59 ngày 17/10/2026 (UTC+7); đây là snapshot có thời hạn freshness 24 giờ, không phải giám sát trực tiếp hoặc benchmark chất lượng.

Projection DRIFT. Dashboard có timestamp cũ và model mirror queue khác canonical queue. Dữ liệu gốc được ưu tiên; cập nhật trang này không đóng lỗi projection và không cấp global VERIFIED_PASS. End-to-end research, L1–L8 và quality trên release hiện tại: NOT_REVERIFIED.

Bằng chứng runtime và receipt hashes

Snapshot lịch sử 30/09/2026

WebChat public/loopback HTTP 200; AWLLM model/tokenizer loaded. MCP gateway 2.2.0: 40 tools; gateway p50 148 ms / p95 4,252 ms / p99 20,047 ms. These are gateway observations, not model performance scores.

runtime receipt: mcp-76a3f2aa2c24a763dfd115b3 · release receipt: mcp-cfeacbda299ea69eb18a688b · full hashes in public manifest historical_live_runtime_20260930.receipt_refs

CARM (Capability-Adaptive Research Matrix): LIS/IEC → QIC → CARM → MQR-Mesh ↔ STP → Evidence Reducer → VIF/AWLLM → Progressive Answer → Independent Verify/Credit → LIS/IEC. Architecture canon; current end-to-end research and L1–L8 are NOT_REVERIFIED.

4. AW1 system engine

EVO / ACE — phát triển hệ thống

Phát triển cục bộ 17/10/2026 — hướng độc lập theo nghiệp vụ: MQ02 bổ sung ràng buộc đối tượng/trường dữ liệu từ câu hỏi theo ngữ pháp đóng, chặn khóa do bên gọi ghi đè không khớp câu hỏi. 20/20 kiểm tra hợp đồng local đạt. Cả 6 yêu cầu fixture được giữ: 3 bản nháp, 2 yêu cầu làm rõ, 1 HOLD thiếu nguồn; một quan sát metadata TLS công khai được dùng tạo bản nháp local. Các kết quả này chưa chứng minh hiểu ngữ nghĩa tổng quát, xử lý khách hàng hoặc chất lượng model; semantic provider vẫn thiếu.

MQ03 — đóng gói dự đoán để chuẩn bị kiểm định: 20/20 kiểm tra transport local đạt. Đã nối đủ 20/20 bản ghi dự đoán DEV cũ đã lộ, không chạy inference mới; kiểm soát đầu ra thiếu giữ 1/20 bản ghi missing và HOLD. Đây là tiến độ code/transport, không phải kết quả đánh giá model mới. Production selection không đổi; native admission chưa xác lập, independent FINAL và production consumption NOT_RUN, quality credit=0.

Question binding SHA256: 7e5231cd255e2c337edc5f66a390d8b98f7255da0ff04490a4e234010f1fcb79 · transport SHA256: ad58a6b6721d7342daefe8bdd0f513e5fff591bfce3023fbec6fbc0639ae2fe2 · Biên nhận, toàn bộ mẫu đã đưa vào và giới hạn

Cập nhật 16/10/2026 — bộ điều khiển cục bộ: bộ đọc CMR V2 đã được chọn vào controller EVO hiện hữu và có biên nhận sử dụng thủ công. 13 kiểm tra tích hợp local cuối đạt; các lượt lỗi fixture và kỳ vọng ban đầu vẫn được giữ trong hồ sơ. Đây là thay đổi cách đọc hợp đồng đầu vào, không phải cải thiện trọng số hay chất lượng model. Lỗi schema đã chuyển sang CURRENT_INPUT_MISSING_STALE_OR_INVALID:implementation; kế hoạch vẫn HOLD do freshness/lineage chưa đủ. Không đổi TTL/mtime để vượt gate. Chưa có bằng chứng lượt lịch tiêu thụ bản controller mới trong receipt nguồn; native activation, independent FINAL và model gain chưa được xác nhận.

Controller SHA256: 5a02882cd595e449a66a2664e924ec4847e50ebfd5e5ed2da5f3531d2a9d81cb · receipt sử dụng local: a6e8464698738a6852f607a0074b5176cb221e403ea452075d0ef86dc9b72df4 · Nguồn và giới hạn

Workspace design hiện là EVO V5.0 CMR — Context, Memory and Recall. Candidate source evo-cmr-boundary-r2-20261015 đã có nguồn local và metadata review; đọc lại khớp hash111 tệp nguồn. Đây là tiến độ thiết kế/triển khai mã cục bộ, không phải thay đổi model weights. Thiết kế có 62 kịch bản memory gồm52 kế thừa và10 CMR mới; số kịch bản này chưa phải coverage native đã chạy.

Lịch sử profile chuẩn bị CMR R3: source của stage profile đã được triển khai và kiểm thử cục bộ, đọc lại khớp hash4 tệp. Profile chưa được cài hoặc nạp vào native; native install/load/stage vẫn NOT_RUN. Canary và promotion chưa được triển khai trong profile chỉ dành cho stage. Đây là tiến độ adapter/source chuẩn bị, không phải memory đã hoạt động hoặc model gain.

Nghiên cứu bổ sung CMR R4 — khuyến nghị chưa tiếp nhận R3 chưa sửa: kiểm tra offline trên đúng source profile R3 đã tái hiện 5 tình huống thuộc 4 nhóm lỗi: yêu cầu đã hủy vẫn được xử lý và ghi thành công; không kiểm lại mốc trạng thái chuẩn hiện hành; ghi thành công sau mốc hết hạn được mô phỏng; đọc archive vượt giới hạn trước khi từ chối. Đây là kết quả fixture cục bộ, không phải sự cố production hoặc kiểm định native. Lịch sử 7 lần thử qua 3 lượt được giữ; 49 kiểm thử R3 trước đó không bao phủ các trường hợp này. Khuyến nghị DO_NOT_ADMIT_UNPATCHED_R3 chỉ là advisory, chưa được runtime cưỡng chế. Tại mốc nghiên cứu R4, bản sửa còn PROPOSED_NOT_IMPLEMENTED; tiến độ R5/R6 được ghi riêng bên dưới; ưu tiên xử lý hủy và kiểm lại trạng thái hiện hành trước khi xin tiếp nhận native mới. Không phát sinh model calls hoặc training.

R4 findings SHA256: eba384be8d4fe038da122e51e5efe77e96b14cf44bf3be2fdde8b8ea975b2541 · offline reproductions: 109a6589b3caf78195c071a03c674542c3855d541ed2948b3ad88be5baf43bae · Nguồn, từng tình huống, giới hạn và kế hoạch sửa

CMR R5/R6 — tiến độ candidate source, chưa kích hoạt native

R5: source profile đã sửa cục bộ bốn nhóm lỗi R4; 68/68 kiểm tra cục bộ trong ba nhóm cuối đạt. Lượt gộp đầu hết ngân sách CPU được giữ là chưa PASS. Hồ sơ có biên nhận chuyển và đọc lại hash11 tệp review trên native; đây là lịch sử giao hồ sơ, không phải cài source hoặc nạp worker. Ứng dụng R2 vẫn giữ111 tệp/digest, không phát sinh model calls hoặc training.

R6 — bản kế thừa chưa được chọn cho native: nghiên cứu source bổ sung tái hiện hai thiếu hụt ở R5: chờ khóa queue vượt execution deadline và nhận epoch UNKNOWN/STALE/NOT_RUN bọc khoảng trắng. Bản sửa dùng cùng khóa ở chế độ không chờ và yêu cầu chuỗi epoch chính xác. 83 ca cục bộ cuối cùng đạt, gồm68 kế thừa và15 mới; tổng91 lượt thực thi giữ nguyên1 assertion failure và7 lỗi harness ban đầu đã được sửa, rồi chỉ chạy lại8 ca liên quan. Đây là kiểm tra code/fixture, không phải điểm chất lượng model hoặc independent quality.

ACE: R6 đã đăng ký vào cùng WBS/ledger và lịch30 phút. Nay đã có biên nhận ACE đọc đúng handoff và hoàn tất CMR01-01: review payload cục bộ, đối chiếu bytes, AST/constants và ràng buộc payload/manifest/console. Luồng review không import hoặc chạy candidate, không chạy lại test, gọi model hay tạo hiệu ứng native. Nguồn lượt chạy là DECLARED_HEARTBEAT_MESSAGE; chưa xác minh scheduler trên native host. Đây là tiêu thụ hồ sơ/review cục bộ, không phải production consumption hoặc nghiệm thu chất lượng. Không tạo worker/queue/timer mới. R5/R6 native install/load/stage/canary/promotion và quality vẫn NOT_RUN; đọc hiện hành chưa thấy registration native. Production, trọng số/tokenizer và kết quả model R9 giữ nguyên. Các gate OWNER/source, loaded-source, resource và independent quality vẫn giữ HOLD theo phạm vi.

R5 source: 3954e46251b17bac92bc7325b8b13c6bc24cdd46475c2fff7409bf862021af7b · R6 source: e3c25da0642fc0985771969c0cb36a09492f75b499816e4f1f00d0a9ee554bb7 · Biên nhận, phạm vi, lịch sử lỗi và trạng thái ACE

Native install/stage/canary/promote, nghiệm thu62 kịch bản và quality FINAL vẫn NOT_RUN; chưa xác minh giao toàn bộ memory vào production. Memory deployment plan V7.0 và lịch sử designV4 được giữ riêng. Adapter/profile, quyền source/resource và independent quality vẫn cần ràng buộc thực; các phiên bản thiết kế, kiểm tra local và metadata review không chứng minh native activation hoặc model gain.

AEO → VERA/VWR → SEVF/AC → VIF-E/VADR → STREAM/RENDER → WME/ELE → Production readback

Architecture names describe system roles. They are not model benchmark scores, and each capability must still be evaluated through its own current receipt.

5. Current release and historical VIF evidence

Current WebChat release: aw1_webchat_r4_seo_route_recovery_r11_20261004, confirmed by authoritative symlink readback on 17/10/2026. Symlink identity and HTTP health do not constitute full release acceptance. VIF26 is historical evidence from 10/09/2026; its receipt is PASS_SCOPED; this does not promote unrelated UNKNOWN/PARTIAL capabilities.

receipt: VIF26_VIETNAM_DOMAIN_LEARNING_CANDIDATE_RECEIPT · sha256: 7a6e3b88d91d0f115ee8054854f86d6ee7cca9a117c6b65a4ffaa00c4606e95d · generated_at: 2026-09-10T13:18:12Z

Canon boundary. VIF hiện nối tìm → đọc → claim binding → kiểm chứng → Fact/Hypothesis/Unknown → suy luận/frontier → AC/ACVL → answer/stream/render → learning/replay/held-out → memory/skill/training/context → resource optimization → gain/credit/rollback → WME/ELE → next bottleneck. Đây là architecture/canon flow; từng primitive vẫn cần receipt riêng để được gọi là verified.

6. Evaluation and limits

Eval Fabric V4: 24/24 PASS, canonical internal scope measured 17/08/2026; not re-run on the current release. This is not a shared independent frontier benchmark.

• No permission to claim AW1 equals or exceeds GPT, Claude, Gemini or Grok.
• Candidate progress is reported separately from production. Final held-out contamination checks, quality evaluation and production promotion remain pending; no independent-production claim is made.
• AWLLM V2 is not production merely because its candidate receipt passed.
• Public manifest snapshot can become stale; always inspect truth epoch, freshness, scope and denominator.

7. Reproducibility & citation

Publication manifest: aw1-public-manifest.json · Dated readback evidence (17/10/2026). The manifest retains the canonical reducer base from 03/09/2026 with a dated runtime overlay. Historical freshness labels and truth epoch do not establish current capability acceptance.

@misc{aw1_2026,
  title   = {AW1: Receipt-bound AI Model and System},
  author  = {Nguyen Van Dung and AWAI},
  year    = {2026},
  url     = {https://awai.vn/model-card},
  note    = {Model: sieutocviet/aw1; production inference engine: AWLLM native}
}

Historical base truth_epoch: truth-epoch-138276486de37257ffdaacf6 · original reducer manifest_sha256 (not the current overlaid file hash): 1a2ae75b757b40a072e8615ea9c0facf4f8aabed63c883ce2e30fe52397b1f84