Google vừa có một bước tiến mới trong lĩnh vực trí tuệ nhân tạo. Công ty đã công bố Gemini 4 Argon , mô hình tiên tiến mới nhất của mình, với mục tiêu một lần nữa cạnh tranh với các hệ thống mạnh nhất hiện có trên thị trường. Thông báo này được đưa ra sau vài tháng mà công ty dường như đã mất đi một số lợi thế trước sự tiến bộ của OpenAI và Anthropic.
Mô hình này được thiết kế cho các nhiệm vụ chuyên nghiệp phức tạp , chẳng hạn như lập trình, an ninh mạng hoặc công việc tri thức doanh nghiệp. Theo dữ liệu do Google chia sẻ, Argon đạt được hoặc thậm chí vượt trội so với các tiêu chuẩn cạnh tranh trong một số bài kiểm tra, mặc dù ý kiến trong và ngoài công ty không hoàn toàn nhất trí.
Một đối thủ cạnh tranh với GPT-6 Astra và Claude Opus 5.5.
Việc ra mắt Gemini 4 Argon có một mục tiêu rõ ràng: cạnh tranh với OpenAI và Anthropic . Các bài kiểm tra của Google cho thấy mô hình này vượt trội hơn Claude Opus 5.5 và Fable 5.1 trong nhiều bài kiểm tra khác nhau. Trong Chỉ số Trí tuệ Nhân tạo (AI Index), một tổ chức đánh giá độc lập, Argon đạt được 53 điểm, tương đương với GPT-6 Astra, mô hình cao cấp của OpenAI.
Trong bài kiểm tra DeepSWE, tập trung vào kỹ thuật phần mềm thực tế, Argon đạt điểm số 77,9% , so với 74,1% của GPT-6 Astra và 74,2% của Claude Opus 5.5. Google cũng nhấn mạnh vị trí dẫn đầu của mình trong chỉ số Vals, đo lường tác động kinh tế trong các lĩnh vực như tài chính, luật pháp và thuế. Và trong CWE-bench, một bài đánh giá về khả năng khắc phục lỗ hổng bảo mật, nó đạt 68%, đồng hạng nhất.
Một trong những phát hiện nổi bật nhất là sự giảm thiểu ảo giác . Theo Artificial Analysis, tỷ lệ ảo giác ở chuột Gemini 4 Argon là 15% trong bài kiểm tra AA-Omniscience, trong khi tỷ lệ ở chuột GPT-6 Astra tăng lên 50%. Sự khác biệt nằm ở chỗ Argon có xu hướng trả lời "Tôi không biết" khi không chắc chắn, thay vì bịa đặt câu trả lời. Tuy nhiên, Astra đạt được độ chính xác cao hơn trong cùng bài kiểm tra, vì vậy dữ liệu này cần được xem xét trong bối cảnh cụ thể.
Khả năng kỹ thuật: một triệu token và khả năng phòng thủ mạng tự động.
Một trong những tính năng mới quan trọng nhất của Gemini 4 Argon là khả năng tạo ra tới một triệu token trong một phản hồi duy nhất . Để dễ hình dung, một token tương đương với một phần của từ, và một triệu token xấp xỉ 750.000 từ trong tiếng Anh. Điều này thể hiện sự tăng hơn mười lăm lần so với giới hạn trước đó là 64.000 token. Với dung lượng lớn như vậy, mô hình có thể xử lý các tác vụ trước đây cần phải chia thành hàng chục yêu cầu, chẳng hạn như di chuyển toàn bộ mã nguồn.
An ninh mạng là một lĩnh vực khác mà Google đã tập trung nỗ lực. Argon có khả năng định vị, xác thực và sửa chữa các lỗ hổng trong hơn hai mươi ngôn ngữ lập trình, và thậm chí có thể phân tích các hệ thống web đang hoạt động mà không cần truy cập vào mã nguồn của chúng. Công ty tuyên bố rằng nó có thể tìm ra các lỗ hổng nghiêm trọng và tự động khắc phục chúng, tương tự như mục tiêu mà mô hình Gemini 3.8 Flash Cyber đã hướng tới để tăng cường lập trình , mặc dù các chi tiết cụ thể về những phát hiện của nó chưa được công khai ngoài những gì Google đã chọn chia sẻ.
Tại Google, hàng nghìn nhân viên đã sử dụng Argon hàng ngày. Công ty cho biết các nhóm của họ sử dụng nó cho các nhiệm vụ nghiên cứu và lập trình, và nó đã giải phóng hơn 330 terabyte bộ nhớ trong các trung tâm dữ liệu của họ. Đây là những ví dụ thực tế mà công ty đưa ra để chứng minh rằng đó không chỉ là những con số trừu tượng, mặc dù trải nghiệm thực tế của người dùng vẫn cần được kiểm chứng.
Số lượng phát hành hạn chế, giá cả và những nghi ngờ về hiệu năng thực tế.
Bất chấp sự thổi phồng của giới truyền thông, sự thật là hầu như không ai có thể thử nghiệm Gemini 4 Argon ngay bây giờ . Google đã lựa chọn phương án triển khai theo từng giai đoạn, bắt đầu với một nhóm nhỏ các chuyên gia an ninh mạng được lựa chọn thông qua chương trình Fairwind. Mô hình này cũng đang được chính phủ Hoa Kỳ đánh giá, một thủ tục tiêu chuẩn trước khi ra mắt các hệ thống loại này. Sau đó, nó sẽ được cung cấp cho các khách hàng API trả phí hiện đang là người đăng ký Google AI Ultra, mặc dù chưa có ngày cụ thể nào cho việc phát hành rộng rãi.
Giá khởi điểm là một trong những lý lẽ mà Google đưa ra để thu hút các công ty. Trong thời gian khuyến mãi, phí tham gia là 2 đô la cho mỗi triệu token và 10 đô la cho mỗi triệu token để rút lui (khoảng 1,75 euro và 8,75 euro). Sau đó, phí sẽ tăng gấp đôi lên 4 đô la và 20 đô la. Theo Artificial Analysis, với mức giảm giá ban đầu này, chi phí cho mỗi tác vụ sẽ thấp hơn 40% so với GPT-6 Astra.
Không phải tất cả đều là tin tốt. Bloomberg đã nói chuyện với các nhân viên của Google, những người cho rằng, mặc dù Argon thể hiện xuất sắc trong các bài kiểm tra hiệu năng, nhưng hiệu suất của nó trong các tác vụ lập trình thực tế lại không được như mong đợi . Công ty phủ nhận những tuyên bố này và khẳng định rằng các nhóm của họ sử dụng nó rộng rãi với kết quả tốt. Sự khác biệt này phản ánh một sự thật khó chịu: các bài kiểm tra hiệu năng tổng hợp không phải lúc nào cũng tương đương với công việc hàng ngày, nơi các kho lưu trữ rất lớn, các thư viện phụ thuộc không hoàn hảo và tài liệu thì khan hiếm.
Bối cảnh chính trị cũng đóng vai trò quan trọng. Một ngày trước khi thông báo được đưa ra, Giám đốc điều hành Google, Sundar Pichai, cùng với Tổng thống Mỹ Donald Trump và các giám đốc điều hành công nghệ khác đã ký một thỏa thuận tự nguyện tự quản lý. Tài liệu này nêu rõ các cuộc kiểm toán và kiểm soát nội bộ về an ninh mạng và các mối đe dọa sinh học. Google khẳng định rằng Argon có các biện pháp bảo vệ biên giới và sẽ không được phát hành cho người dùng cho đến khi nó đảm bảo mức độ an toàn tối đa.
Sự ra mắt của mô hình này diễn ra sau khi Gemini 3.5 Pro, sản phẩm đã được hứa hẹn từ lâu nhưng chưa bao giờ được tung ra thị trường. Dự án đó gặp phải lỗi trong quá trình huấn luyện và hoạt động kém hiệu quả hơn đáng kể so với các đối thủ cạnh tranh, dẫn đến việc công ty phải từ bỏ nó và tập trung vào Argon, dự án đã được phát triển từ tháng 7. Với động thái này, Google muốn chứng minh rằng họ vẫn là một đối thủ đáng gờm trong cuộc đua về trí tuệ nhân tạo tiên tiến, mặc dù sự hoài nghi về khoảng cách giữa các bài kiểm tra hiệu năng và trải nghiệm thực tế vẫn còn tồn tại trong ngành.
