Hôm qua mọi người chú ý đến việc Google ra mắt một mô hình mới. Hôm nay, điều đáng xem kỹ là: Gemini 4 Argon thực sự mạnh ở những bài kiểm tra nào, và đâu chỉ là lời quảng bá.
Trước hết là những điểm mạnh. Trong bài kiểm tra kỹ thuật phần mềm dài hạn DeepSWE, mô hình đạt 77.9%, vượt Claude Opus 5.5 với 74.2% và GPT-6 Astra với 74.1%; Vals Index, bài đánh giá kiến thức phục vụ công việc tài chính, pháp lý và thuế, lần đầu đứng đầu với 68.9%; AutomationBench, bài kiểm tra tự động hóa quy trình doanh nghiệp, đạt 51.3%, bỏ xa vị trí thứ hai gần 9 điểm; Vibe Code Bench đạt 91.9%; GraphWalks, bài kiểm tra xử lý văn bản cực dài (256.000 đến 1 triệu tokens), đạt 84.2%; khả năng hiểu video dài đạt 91.7%. Chỉ số tổng hợp của bên thứ ba Artificial Analysis chấm mô hình 53 điểm, ngang GPT-6 Astra và cao hơn 23 điểm so với mẫu flagship thế hệ trước của Google.
Cũng cần nói đến những điểm yếu. Trong bài kiểm tra thao tác trên thiết bị đầu cuối Terminal Bench, mô hình chỉ đạt 57.4%, thấp hơn GPT-6 Astra và Opus 5.5; điểm 19.6% trong bài kiểm tra tác nhân pháp lý Harvey tuy gần gấp 3 lần vị trí thứ hai, nhưng xét về giá trị tuyệt đối vẫn rất thấp. Hơn nữa, phần lớn kết quả là tự kiểm tra chính thức, còn điểm của đối thủ lấy từ bảng xếp hạng công khai, nên cần xem xét thận trọng.
Giá thì thực sự rất cạnh tranh. Giá khuyến mãi là 2 USD cho mỗi triệu tokens đầu vào và 10 USD cho mỗi triệu tokens đầu ra; đầu vào được lưu trong bộ nhớ đệm còn được giảm thêm 5%. Sau ngày 30 tháng 11, giá sẽ tăng gấp đôi. Người đăng ký trả phí đã có thể sử dụng mô hình trên Gemini App, AI Mode và Antigravity.
Bằng chứng ứng dụng thực tế nói lên nhiều điều hơn điểm số. Trong bài kiểm tra lập trình suốt đêm nội bộ của Google, 2 đề xuất tối ưu hóa được hợp nhất, còn 4 đề xuất bị trả lại—không phải mọi thứ đều được tự động thông qua. Một kỹ sư Chrome đã dùng mô hình để tái cấu trúc kiến trúc trên hàng trăm tệp trong kho mã Chromium gồm 40 triệu dòng. Những khách hàng doanh nghiệp đầu tiên có Deloitte, LexisNexis và Isomorphic Labs.
Nhìn từ góc độ tiền mã hóa, có hai hướng đáng chú ý. Fairwind dự định cung cấp cho lực lượng phòng thủ phiên bản đã gỡ bỏ các rào chắn an ninh mạng—vụ kỹ sư OpenAI bị bắt hôm qua là AI bắt AI, còn hướng đi hôm nay là AI bảo vệ AI; cả tấn công lẫn phòng thủ đều đang được đẩy mạnh. Còn để nền kinh tế tác nhân thực sự vận hành, lớp thanh toán trên chuỗi—gas, danh tính, thanh toán—là hạ tầng không thể thiếu. Đây mới là vị trí thực chất nhất của tiền mã hóa trong câu chuyện AI.
Cuối cùng là câu hỏi cốt lõi: điểm benchmark có đẹp đến đâu cũng chỉ là tấm vé vào cửa; điều doanh nghiệp thực sự quan tâm là giá cả, giới hạn sử dụng và các điều khoản quản trị dữ liệu. Google vẫn chưa nộp bài kiểm tra thương mại hóa này.
#GoogleReleasesGemini4ArgonAIModel
#AI #Gemini
Nội dung trên không cấu thành lời khuyên đầu tư. Hãy tự nghiên cứu (DYOR); giao dịch luôn có rủi ro.
Trước hết là những điểm mạnh. Trong bài kiểm tra kỹ thuật phần mềm dài hạn DeepSWE, mô hình đạt 77.9%, vượt Claude Opus 5.5 với 74.2% và GPT-6 Astra với 74.1%; Vals Index, bài đánh giá kiến thức phục vụ công việc tài chính, pháp lý và thuế, lần đầu đứng đầu với 68.9%; AutomationBench, bài kiểm tra tự động hóa quy trình doanh nghiệp, đạt 51.3%, bỏ xa vị trí thứ hai gần 9 điểm; Vibe Code Bench đạt 91.9%; GraphWalks, bài kiểm tra xử lý văn bản cực dài (256.000 đến 1 triệu tokens), đạt 84.2%; khả năng hiểu video dài đạt 91.7%. Chỉ số tổng hợp của bên thứ ba Artificial Analysis chấm mô hình 53 điểm, ngang GPT-6 Astra và cao hơn 23 điểm so với mẫu flagship thế hệ trước của Google.
Cũng cần nói đến những điểm yếu. Trong bài kiểm tra thao tác trên thiết bị đầu cuối Terminal Bench, mô hình chỉ đạt 57.4%, thấp hơn GPT-6 Astra và Opus 5.5; điểm 19.6% trong bài kiểm tra tác nhân pháp lý Harvey tuy gần gấp 3 lần vị trí thứ hai, nhưng xét về giá trị tuyệt đối vẫn rất thấp. Hơn nữa, phần lớn kết quả là tự kiểm tra chính thức, còn điểm của đối thủ lấy từ bảng xếp hạng công khai, nên cần xem xét thận trọng.
Giá thì thực sự rất cạnh tranh. Giá khuyến mãi là 2 USD cho mỗi triệu tokens đầu vào và 10 USD cho mỗi triệu tokens đầu ra; đầu vào được lưu trong bộ nhớ đệm còn được giảm thêm 5%. Sau ngày 30 tháng 11, giá sẽ tăng gấp đôi. Người đăng ký trả phí đã có thể sử dụng mô hình trên Gemini App, AI Mode và Antigravity.
Bằng chứng ứng dụng thực tế nói lên nhiều điều hơn điểm số. Trong bài kiểm tra lập trình suốt đêm nội bộ của Google, 2 đề xuất tối ưu hóa được hợp nhất, còn 4 đề xuất bị trả lại—không phải mọi thứ đều được tự động thông qua. Một kỹ sư Chrome đã dùng mô hình để tái cấu trúc kiến trúc trên hàng trăm tệp trong kho mã Chromium gồm 40 triệu dòng. Những khách hàng doanh nghiệp đầu tiên có Deloitte, LexisNexis và Isomorphic Labs.
Nhìn từ góc độ tiền mã hóa, có hai hướng đáng chú ý. Fairwind dự định cung cấp cho lực lượng phòng thủ phiên bản đã gỡ bỏ các rào chắn an ninh mạng—vụ kỹ sư OpenAI bị bắt hôm qua là AI bắt AI, còn hướng đi hôm nay là AI bảo vệ AI; cả tấn công lẫn phòng thủ đều đang được đẩy mạnh. Còn để nền kinh tế tác nhân thực sự vận hành, lớp thanh toán trên chuỗi—gas, danh tính, thanh toán—là hạ tầng không thể thiếu. Đây mới là vị trí thực chất nhất của tiền mã hóa trong câu chuyện AI.
Cuối cùng là câu hỏi cốt lõi: điểm benchmark có đẹp đến đâu cũng chỉ là tấm vé vào cửa; điều doanh nghiệp thực sự quan tâm là giá cả, giới hạn sử dụng và các điều khoản quản trị dữ liệu. Google vẫn chưa nộp bài kiểm tra thương mại hóa này.
#GoogleReleasesGemini4ArgonAIModel
#AI #Gemini
Nội dung trên không cấu thành lời khuyên đầu tư. Hãy tự nghiên cứu (DYOR); giao dịch luôn có rủi ro.