Google đưa Gemini 4 Carbon vào cuộc đua tự động hóa công việc chuyên môn

Google vừa công bố Gemini 4 Carbon, mô hình trí tuệ nhân tạo tiên tiến nhất mới của hãng. Trên bảng đánh giá độc lập Artificial Analysis Intelligence Index v5.0, Carbon đạt 59 điểm, vượt Claude Opus 5.5 với 58 điểm và GPT-6 Astra với 57 điểm.

Nhưng có một nghịch lý đáng chú ý. Google công bố một mô hình đứng đầu bảng xếp hạng, song phần lớn nhà phát triển và doanh nghiệp chưa thể sử dụng rộng rãi. Carbon hiện chỉ được cấp quyền truy cập có chọn lọc cho các chuyên gia phòng thủ an ninh mạng thông qua chương trình Fairwind.

Đây không đơn thuần là một cuộc đua điểm số. Google đang cố gắng chứng minh rằng mô hình mới có thể xử lý những công việc phức tạp hơn, đặc biệt trong lập trình và an ninh mạng, mà không làm tăng mức giá đơn vị so với Argon.

Carbon tạo khoảng cách mới với phiên bản tiền nhiệm

Theo Google, Carbon cải thiện cả 17 hạng mục trong bảng so sánh với Argon và đạt kết quả cao nhất ở 15 trong số đó. Những tiến bộ đáng chú ý tập trung vào kỹ thuật phần mềm, suy luận kéo dài, kiểm tra lỗ hổng và khả năng điều phối tác nhân.

Artificial Analysis cũng xếp Carbon ở vị trí đầu tiên trên Intelligence Index v5.0 với 59 điểm. Argon đạt 50 điểm, Claude Opus 5.5 đạt 58 điểm và GPT-6 Astra đạt 57 điểm.

Tuy nhiên, kết quả không đồng nghĩa Carbon chiến thắng mọi nhiệm vụ. OpenAI vẫn có lợi thế trong một bài kiểm tra kỹ thuật phần mềm, còn Anthropic dẫn đầu ở một đánh giá sử dụng máy tính.

Google chưa công bố báo cáo kỹ thuật đầy đủ, kiến trúc mô hình hay số lượng tham số của Carbon. Vì vậy, hiện chưa thể xác định chính xác những thay đổi nằm ở kiến trúc, dữ liệu huấn luyện hay phương pháp tối ưu hóa.

Lợi thế thể hiện rõ trong lập trình và an ninh mạng

Một trong những kết quả nổi bật là bài kiểm tra GraphWalks. Carbon đạt 96,2%, cao hơn đáng kể so với GPT-6 Astra ở mức 71,8% và Claude Opus 5.5 ở mức 66,8%.

Trong kỹ thuật phần mềm, điểm SWE-sweep tăng từ 4,3% ở Argon lên 9,6% ở Carbon. FrontierSWE 2 tăng từ 55% lên 61,2%. Terminal-Bench 4.0 theo đánh giá của Artificial Analysis tăng từ 57,1% lên 65,2%.

An ninh mạng là lĩnh vực Google nhấn mạnh đặc biệt. Điểm ExploitGym tăng từ 42% lên 54,8%, còn SEC-bench Pro tăng từ 83,4% lên 88,2%.

Các bài kiểm tra này phản ánh những bước khác nhau trong quy trình bảo mật. Phát hiện mã đáng ngờ không đồng nghĩa đã chứng minh được khả năng khai thác; chứng minh được lỗ hổng cũng chưa có nghĩa bản vá đã an toàn.

Google cho biết Carbon được cải thiện trong cả phát hiện lỗ hổng, kiểm tra khả năng khai thác và tạo bản sửa lỗi. Công ty cũng báo cáo nhóm Chrome quan sát thấy khả năng tạo bản vá chất lượng cao vượt hơn mười lần so với mô hình của một phòng thí nghiệm cạnh tranh không được nêu tên. Đây là tuyên bố nội bộ, chưa có dữ liệu chi tiết để kiểm chứng độc lập.

Điểm số cao không đồng nghĩa mọi công việc đều tốt hơn

Artificial Analysis ghi nhận Carbon đạt 1.609 điểm Elo trong bài kiểm tra AA-Briefcase, tăng 126 điểm so với Argon. Tuy vậy, Carbon vẫn đứng sau Kimi K3.1 Pro, Muse Wonder và Grok 4.7 trong những cấu hình được so sánh.

Trong chỉ số dành cho tác nhân lập trình, Carbon đạt 59 điểm khi chạy qua Antigravity CLI, tăng từ 53 điểm của Argon. Claude Code kết hợp Opus 5.5 đạt 62 điểm.

Ở bài kiểm tra sử dụng máy tính OSWorld-2.1, Carbon đạt 81,5%, nhưng Claude Opus 5.5 đạt 87,2%. Trong đánh giá FrontierSWE 2, Carbon cũng thấp hơn GPT-6 Astra và Claude Opus 5.5.

Điều này cho thấy lợi thế của Carbon tập trung vào một số nhóm công việc, thay vì tạo ra khoảng cách áp đảo trên toàn bộ hoạt động chuyên môn.

Giá mở đầu hấp dẫn nhưng chi phí thực tế chưa rõ

Google công bố mức giá ban đầu của Carbon là 2 USD cho một triệu đơn vị đầu vào và 10 USD cho một triệu đơn vị đầu ra. Đầu vào được lưu đệm được giảm giá 95%.

Sau giai đoạn ưu đãi, mức giá dự kiến tăng lên 4 USD cho đầu vào và 20 USD cho đầu ra. Google chưa công bố thời điểm kết thúc ưu đãi.

Với một khối lượng công việc gồm 10 triệu đơn vị đầu vào không lưu đệm và một triệu đơn vị đầu ra, hóa đơn theo giá mở đầu là 30 USD. Khi áp dụng giá sau ưu đãi, con số tăng lên 60 USD. Phép tính chưa bao gồm các khoản phí khác và giả định lượng sử dụng không đổi.

Điểm cần lưu ý là mức giá đơn vị giống Argon không chứng minh Carbon có chi phí hoàn thành công việc thấp hơn. Google chưa công bố dữ liệu về lượng đơn vị tiêu thụ, số lần thử lại hay thời gian thực thi để so sánh chi phí cho mỗi nhiệm vụ thành công.

Google chọn triển khai có kiểm soát

Carbon hiện được giới hạn trong chương trình Fairwind dành cho một số chuyên gia phòng thủ an ninh mạng. Google cho biết sẽ mở rộng quyền truy cập sau khi thu thập phản hồi và tiếp tục điều chỉnh các cơ chế bảo vệ.

Cách triển khai này tiếp nối lộ trình của Argon. Google giới thiệu Argon ngày 30 tháng 9, sau đó mở rộng phát hành ngày 13 tháng 10. Carbon được công bố 15 ngày sau đợt mở rộng đó, nhưng chưa có lịch phát hành rộng rãi tương đương.

Varun Mohan, người đứng đầu Antigravity của Google và cựu giám đốc điều hành Windsurf, cho biết nhóm nội bộ đã sử dụng Carbon trên Antigravity để giải quyết các nhiệm vụ khó, đặc biệt là phát hiện và sửa lỗ hổng. Tuy nhiên, ông chưa đưa ra ngày phát hành công khai cho nền tảng này.

Khả năng kiểm soát rủi ro vẫn là bài toán lớn

Google báo cáo Carbon giảm gần 80% cảnh báo liên kết nghiêm trọng trong môi trường lập trình nội bộ. Tỷ lệ tấn công thành công trong bài kiểm tra tiêm lệnh gián tiếp Gray Swan được công bố ở mức 0%, so với 0,7% của Argon.

Nhưng dữ liệu độc lập lại cho thấy một điểm cần thận trọng. Trong bài kiểm tra kiến thức thực tế AA-Omniscience, Carbon trả lời đúng 58% câu hỏi, cao hơn Argon ở mức 48%, nhưng tỷ lệ ảo giác tăng từ 4% lên 11%.

Hai kết quả không nhất thiết mâu thuẫn vì chúng sử dụng phương pháp đánh giá khác nhau. Dù vậy, chúng cho thấy không thể dùng một chỉ số duy nhất để kết luận mô hình đáng tin cậy hơn trong mọi tình huống.

Google cũng nói các bài kiểm tra an ninh mạng bên ngoài được thực hiện khi không có cơ chế bảo vệ. Do đó, kết quả công bố không đảm bảo hiệu suất tương tự trong môi trường triển khai thực tế có giới hạn an toàn.

Doanh nghiệp Việt Nam nên nhìn vào hiệu quả công việc

Với doanh nghiệp Việt Nam, Carbon có thể mở ra cơ hội tự động hóa phát triển phần mềm, rà soát mã nguồn và hỗ trợ kiểm tra bảo mật. Tuy nhiên, hiện chưa có quyền truy cập phổ thông để doanh nghiệp tự đánh giá trực tiếp.

Doanh nghiệp vừa và nhỏ nên tránh quyết định đầu tư chỉ dựa trên thứ hạng. Thay vào đó, hãy xác định một quy trình cụ thể như kiểm tra mã nguồn, xử lý lỗi hoặc phân tích tài liệu kỹ thuật, sau đó đo thời gian hoàn thành, tỷ lệ lỗi và chi phí thực tế.

Cũng cần phân biệt giá đơn vị sử dụng với tổng chi phí vận hành. Một mô hình có giá thấp nhưng phải thử lại nhiều lần có thể đắt hơn một mô hình có giá cao nhưng hoàn thành nhiệm vụ ngay từ đầu.

Ngôi đầu bảng xếp hạng mới chỉ là bước khởi đầu

Gemini 4 Carbon giúp Google củng cố vị thế trong cuộc cạnh tranh mô hình trí tuệ nhân tạo tiên tiến. Những kết quả về lập trình, an ninh mạng và suy luận cho thấy tiến bộ đáng kể so với Argon.

Nhưng doanh nghiệp vẫn thiếu ba thông tin quan trọng: ngày phát hành rộng rãi, thông số giao diện lập trình đầy đủ và thời điểm kết thúc giá ưu đãi.

Trong thị trường này, vị trí số một trên bảng xếp hạng có thể tạo sự chú ý. Nhưng khả năng tiếp cận, độ tin cậy và chi phí cho mỗi công việc hoàn thành mới quyết định mô hình nào thực sự tạo ra giá trị kinh doanh.

Google đưa Gemini 4 Carbon vào cuộc đua tự động hóa công việc chuyên môn

Gemini 4 Carbon, Google Gemini 4, mô hình AI Google, trí tuệ nhân tạo, Artificial Analysis, AI lập trình, an ninh mạng AI, Gemini Argon, Claude Opus 5.5, GPT-6 Astra, giá API AI, tự động hóa doanh nghiệp, tác nhân AI, doanh nghiệp Việt Nam