Google ra mắt Gemini 4 Carbon, mô hình mạnh nhất của hãng

Google vừa đưa Gemini 4 Carbon ra thị trường, mô hình mạnh nhất mà hãng từng phát hành. Carbon không thay thế Gemini 4 Argon cho mọi việc: Argon vẫn phù hợp cho phần lớn công việc lập trình và tri thức, còn Carbon sinh ra cho nhiệm vụ thử thách giới hạn trí tuệ như lập trình nhiều bước phức tạp, gỡ lỗi và nghiên cứu khoa học mở. Để làm được điều đó, Carbon dùng nhiều token hơn Argon để khám phá kỹ hơn, suy luận sâu hơn và chạy các vòng kiểm chứng kéo dài.

Mô hình đã mở cho nhà phát triển, doanh nghiệp, nhà khoa học và người dùng từ ngày 10/11. Hai tuần trước đó, Google đã đưa Carbon tới các chuyên gia phòng thủ an ninh mạng qua chương trình Fairwind. Về giá, Carbon áp dụng cùng mức giá giới thiệu như Argon: 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra.

Mạnh nhất của Google, sinh ra cho nhiệm vụ khó nhất

Điểm khác biệt lớn nhất của Carbon nằm ở cách nó làm việc: thay vì trả lời nhanh một yêu cầu, mô hình được thiết kế để theo đuổi những nhiệm vụ dài hơi, nhiều bước, mỗi bước đều cần suy luận và kiểm chứng. Google mô tả Carbon là mô hình mạnh nhất của hãng ở hai mặt trận: năng lực an ninh mạng và quy trình làm việc agent dài hạn trên công việc tri thức phức tạp, kỹ thuật phần mềm và suy luận khoa học.

Trên các bảng xếp hạng độc lập, Carbon đứng số một ở CursorBench 4.0, WANDR của Perplexity và AutomationBench của Zapier, với chi phí mỗi tác vụ thấp hơn gấp đôi mô hình ngoài tốt nhất tiếp theo. Google cũng đang thử nghiệm /swarm trong Google Antigravity, biến một câu lệnh thành một nhóm agent phối hợp mà người dùng theo dõi theo thời gian thực. Nhà phát triển có thể giao Carbon những vai trò đòi hỏi suy luận sâu nhất như thiết kế kiến trúc, điều phối và kiểm toán, kết hợp với các mô hình nhanh và nhẹ hơn trong các không gian làm việc song song, độc lập.

Chặn 99% đường tấn công trong thử nghiệm

An ninh mạng là mặt trận Carbon thể hiện rõ nhất. Phiên bản Carbon for cyber mang năng lực an ninh mạng mạnh nhất của Google tới nay, dẫn đầu các bảng xếp hạng về tìm (SEC-bench Pro), khai thác (ExploitGym) và vá lỗ hổng (CWE-bench v1).

Trong hệ thống tự động Project Fortify của Google, Carbon đạt 100% tỉ lệ phát hiện khi quét và 95% độ chính xác khi phân loại, theo bảng đánh giá nội bộ. Khi thử trên kho mã nguồn mở, Carbon cải thiện tương đối hơn 25% tỉ lệ phát hiện so với Argon và tìm ra những lỗi logic thực tế chưa từng được phát hiện. Đội nghiên cứu lỗ hổng đám mây của Google dùng Carbon để chứng minh hai lỗi trong một phần mềm nguồn mở phổ biến thực sự có thể bị khai thác, nghiêm trọng tương đương vụ tấn công PHP2Shell, giúp nhà duy trì nâng mức lỗi và phát hành bản vá nhanh chóng. Trong chương trình Scan for Good của Wiz, Carbon phát hiện lỗ hổng zero-day ở hai nhà cung cấp SaaS lớn trong chưa đầy hai giờ, rút ngắn nhiều tuần nghiên cứu xuống còn một buổi chiều.

Lập trình agent và nghiên cứu khoa học

Ngoài an ninh mạng, Carbon thể hiện tốt ở nhiệm vụ cần nhiều agent phối hợp như di chuyển giữa nhiều gói phần mềm, truy vết nguyên nhân gốc rễ xuyên hệ thống và thiết kế lại kiến trúc phức tạp. Khi làm ứng dụng web, mô hình chạy vòng lặp xây dựng và kiểm chứng, tự khôi phục sau lỗi và kiểm tra cả mã nguồn lẫn giao diện đã hiển thị để cho ra ứng dụng hoàn chỉnh.

Trong công việc tri thức, Carbon kết hợp hiểu hình ảnh, suy luận và truy xuất triệt để để tổng hợp thông tin từ nhiều tài liệu dày đặc và tạo ra bảng tính, bài thuyết trình, báo cáo đúng khuôn mẫu. Google đã cùng Artificial Analysis ra mắt bảng xếp hạng Multimodal Knowledge Agent để đo khả năng này, trong đó Carbon đứng thứ hai với chi phí mỗi tác vụ thấp hơn gấp sáu lần mô hình đứng đầu.

Với nghiên cứu khoa học, Carbon suy luận mạnh hơn rõ rệt ở vật lý, toán học và khoa học sự sống. Công ty nghiên cứu độc tính thuốc Axiom Bio cho biết Carbon hiện dẫn đầu về khoa học chuyển dịch nhờ tìm ra những cơ chế độc tính mới chưa từng phát hiện. Các nhà nghiên cứu của Google đã dùng Carbon để chứng minh bằng toán học mã nguồn của giao thức mật mã Signal, việc trước đây đội chuyên gia phải mất nhiều năm, nay xong trong vài tuần. Carbon cũng tăng gấp 40 lần số họ hàng xa tìm được trong 7 họ protein khó nghiên cứu.

An toàn được siết theo đúng sức mạnh

Vì Carbon mạnh hơn về an ninh mạng, Google đã tăng cường các biện pháp an toàn tương xứng. Trong thử nghiệm tấn công mạng mô phỏng, Carbon chặn 99% đường tấn công từ agent red-teaming thích ứng, hạ tỉ lệ đột nhập mỗi lần thử xuống còn 0,8%, từ mức 3,1% của Argon. Tỉ lệ thành công của truy vấn tấn công tự động trong kiểm tra của Gray Swan giảm xuống 2,17%, so với 9,86% ở Argon, và kiểm tra của Trajectory Labs không tìm thấy lỗ hổng jailbreak phổ quát mới nào sau 132 giờ và hơn 13.000 yêu cầu.

Về tính trung thực, Carbon vượt 92% trong 375 nhiệm vụ kiểm tra, so với 70% của Argon; mô hình từ chối điền dữ liệu thí nghiệm còn thiếu trong 98% trường hợp và gắn cờ lỗi phương pháp luận trong 68% trường hợp. Carbon cũng đạt tỉ lệ thành công tấn công prompt injection 0% trên bảng xếp hạng Gray Swan IPI, lần đầu tiên một mô hình đạt cột mốc này.

Dùng Gemini 4 Carbon ở đâu, giá bao nhiêu

Carbon có mặt qua API trong Google AI Studio và Gemini for business cho mọi nhà phát triển và doanh nghiệp trả phí, giá giới thiệu 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra. Mô hình cũng đang triển khai tới người đăng ký Google AI Ultra trong Google Antigravity, ứng dụng Gemini và AI Mode trong Tìm kiếm.

Với nhà khoa học, Google mở rộng chương trình cấp quyền truy cập Argon miễn phí sáu tháng cho 10.000 nhà khoa học, nay bao gồm cả Carbon, với đơn đăng ký vẫn mở và xét duyệt hàng tuần.

Gemini 4 Carbon cho thấy Google đang tách rõ hai hướng: Argon cho công việc hằng ngày, Carbon cho những bài toán khó nhất, nơi chi phí suy luận sâu được đổi lấy độ chính xác và khả năng kiểm chứng. Câu hỏi còn lại là liệu lợi thế về an ninh mạng và khoa học có đủ kéo người dùng trả phí chuyển sang mô hình này, khi Argon vẫn đáp ứng tốt phần lớn nhu cầu hiện tại.

Nguồn tham khảo: Google