Google DeepMind ra mắt Gemini 4 Carbon chỉ hai tuần sau Argon với những cải tiến toàn diện trên mọi phương diện

AI trong thực tiễn Sao chép liên kết vào bộ nhớ tạm Chia sẻ bài viết này Đi tới phần bình luận Google DeepMind phát hành Gemini 4 Carbon chỉ hai tuần sau phiên bản Argon với những cải tiến toàn diện Matthias Bastian Xem hồ sơ LinkedIn của Matthias Bastian Ngày 28/10/2026 Các nội dung chính Chỉ hai tuần sau khi ra mắt Gemini 4 Argon, Google DeepMind đã phát hành Gemini 4 Carbon, mô hình tiên phong thế hệ tiếp theo của hãng. Carbon đứng đầu bảng xếp hạng Artificial Analysis Intelligence Index v5 với 59 điểm, tăng từ mức 50 điểm của Argon. Google cho biết Carbon được thiết kế cho các quy trình phát triển tự động kéo dài nhiều ngày. Mô hình này đang nhanh chóng thu hẹp khoảng cách trong chỉ số Coding Agent Index của Artificial Analysis (đạt 59 điểm so với 50 điểm của Argon), song vẫn xếp sau Claude Opus 5.5 (62 điểm). Nhờ các năng lực an ninh mạng tiên tiến, Carbon đang trải qua quy trình tiền kiểm định tự nguyện của chính phủ Mỹ và ban đầu sẽ chỉ được cung cấp cho một số chuyên gia an ninh được lựa chọn. Mức giá dịch vụ vẫn giữ nguyên như phiên bản Argon. Đặt câu hỏi về bài viết này… Tìm kiếm Google DeepMind đã phát hành Gemini 4 Carbon chỉ hai tuần sau phiên bản Argon, và mô hình mới này đã vươn lên vị trí dẫn đầu trên bảng xếp hạng Artificial Analysis Intelligence Index. Carbon đạt 59 điểm trên phiên bản 5.0 vừa được cập nhật của bảng xếp hạng Artificial Analysis Intelligence Index, trong khi phiên bản tiền nhiệm Argon đạt 50 điểm. Bên cạnh những bước tiến tổng thể trong các tác vụ tác nhân và lập trình, Google nhấn mạnh các năng lực bao quát toàn bộ vòng đời phòng thủ mạng, từ phát hiện, xác thực lỗ hổng đến vá lỗi. Carbon dẫn đầu bảng xếp hạng tổng thể của AA nhưng vẫn kém một chút so với Opus 5.5 trong Claude Code về khả năng lập trình tự động bằng tác nhân. | Ảnh: AA Thiết kế cho các phiên lập trình kéo dài nhiều ngày Google DeepMind cho biết hãng thiết kế Carbon nhằm giải quyết “những bài toán kỹ thuật dài hạn và khó khăn hơn nhiều”, đòi hỏi các quy trình tác nhân vận hành bền bỉ. Google khẳng định các nhóm phát triển nội bộ đã vận hành mô hình liên tục trong nhiều ngày, qua đó mô hình có thể tự xử lý các bế tắc và giải quyết các tác vụ phức tạp nhiều bước như phân tích nguyên nhân gốc rễ và sửa các lỗi tinh vi trong những cơ sở mã nguồn lớn cũng như phần mềm cấp thấp. Quảng cáo Google cũng ghi nhận những cải thiện về suy luận khoa học, hiểu dữ liệu đa phương thức và phát triển trang web toàn diện (full-stack) dựa trên phản hồi của người dùng. Các kết quả đầu ra và sản phẩm phát triển web có chất lượng cao hơn đã giúp Carbon tăng 89 điểm Elo trên WebDev Arena, nơi mô hình xếp ở vị trí thứ tư với 1.769 điểm. Quảng cáo Trong hệ thống bài đánh giá tiêu chuẩn do Google lựa chọn, Gemini 4 Carbon giành vị trí thứ nhất ở 15 trên 16 bài kiểm tra, bứt phá rõ rệt so với các đối thủ, đặc biệt trong các tác vụ ngữ cảnh dài và an ninh mạng. | Ảnh: Google DeepMind Trên bài đánh giá tiêu chuẩn về tấn công chèn câu lệnh gián tiếp (indirect prompt injection) của Gray Swan, Carbon đã kéo giảm tỷ lệ tấn công thành công từ 0,7% ở phiên bản Argon xuống còn 0,0%, ngăn chặn mọi nỗ lực thao túng được thử nghiệm theo tuyên bố của Google. Điều này không đồng nghĩa với việc nguy cơ chèn câu lệnh đã được giải quyết triệt để, song bài kiểm tra dường như đã đạt đến giới hạn đo lường. Các đánh giá độc lập củng cố số liệu của Google Theo Artificial Analysis, ở mức độ suy luận cao nhất (“high”), Carbon dẫn đầu bảng xếp hạng Intelligence Index v5 chủ yếu nhờ điểm số vượt trội trong suy luận phức tạp, truy xuất tri thức và các tác vụ khoa học, đồng thời đứng đầu trong 4 trên 9 bài đánh giá thành phần của chỉ số này. Quảng cáo Ở nội dung lập trình tác tử (agentic coding) trên Antigravity, Carbon vẫn xếp sau Claude Code phiên bản Opus 5.5 ba điểm, dù đã tăng từ 53 lên 59 điểm so với Argon. Trong lĩnh vực xử lý tri thức tác tử (agentic knowledge work) trên AA-Briefcase, phiên bản Carbon (high) tăng 126 điểm so với Argon (high, 1.483 Elo) để đạt 1.609 Elo, nhờ sự cải thiện về chất lượng trình bày (tăng 293 Elo lên 1.598) và chất lượng phân tích (tăng 120 Elo lên 1.671). Dù vậy, mô hình này vẫn xếp sau Kimi K3.1 Pro (1.678 Elo), Muse Wonder (max, 1.659 Elo) và Grok 4.7 (xhigh, 1.638 Elo). Độ chính xác của câu trả lời tăng từ 48% lên 58% so với Argon, trong khi tỷ lệ ảo giác (hallucination) tăng từ 4% lên 11%. Mức này tuy cao hơn nhưng vẫn là mức thấp thứ hai trên bảng xếp hạng. Claude Opus 5.5 (max) và GPT-6 Astra (max) đều ở mức 50%. Nền tảng đánh giá Vals AI xếp Carbon ở vị trí thứ hai với độ chính xác 70,36%, đứng sau Claude Sonnet 5.5 (70,85%), xếp trên Claude Opus 5.5 (70,18%) và Argon ở vị trí thứ tư (69,24%), với mức chi phí thấp hơn. Theo Vals Index v2.2, Gemini 4 Carbon xếp giữa Claude Sonnet 5.5 (70,85%) và Claude Opus 5.5 (70,18%) với độ chính xác đạt 70,36%. Với chi phí 10,51 USD mỗi bài kiểm tra và thời gian vận hành chưa đầy 48 phút, mô hình này vận hành tiết kiệm và nhanh hơn cả hai mô hình của Anthropic. | Ảnh: Vals AI Trên Vals.ai, Carbon cũng dẫn đầu ở cả bảng chỉ số Tài chính (Finance Index) và bài kiểm chuẩn Nghiên cứu Pháp lý (Legal Research benchmark). Trong nhiệm vụ nghiên cứu pháp lý, Vals AI ghi nhận số lượng nguồn trích dẫn nhiều hơn khoảng 45%, tần suất gọi công cụ (tool calls) thường xuyên hơn và độ dài câu trả lời lớn hơn so với Argon. Tuy nhiên, các tác vụ trong bài kiểm chuẩn Tác tử Tài chính và Thuế (Finance and Tax Agent) mất nhiều thời gian hơn gấp hai lần so với Argon, và ở mảng Nghiên cứu Pháp lý, Carbon mất trung bình hơn 50 phút cho mỗi tác vụ. Mô hình tạo ra số lượng token suy luận (reasoning tokens) gấp 2,3 lần và số token đầu ra (output tokens) nhiều hơn 64% so với Argon, dù con số này vẫn chưa bằng một nửa số lượng token đầu ra của Sonnet 5.5 và Opus 5.5. Trên Arena.ai, Gemini 4 Carbon (High) dẫn đầu bảng Text Arena với 1.528 điểm, vượt qua Argon (1.520 điểm). Tại bảng Agent Arena, mô hình này đứng thứ hai qua hơn 21.900 phiên làm việc thực tế, xếp trên GPT-6 Astra và Fable-5.1, với mức cải thiện ròng đạt 16,2% cùng điểm số về khả năng định hướng (steerability) cao nhất (+18,6%). Chi phí tác vụ trung vị của mô hình là 1,80 USD, thấp hơn 72% so với vị trí dẫn đầu của Claude Opus 5.5 (Max). Arena.ai xếp Gemini 4 Carbon (High) ở vị trí thứ hai tại bảng Agent Arena với mức cải thiện ròng +16,2%, đứng sau Claude Opus 5.5 (Max, +21,1%) và xếp trên GPT-6 Astra (Max, +13,4%). | Ảnh: Arena Trong hạng mục WebDev của Code Arena, Carbon đạt 1.768 điểm (hơn 89 điểm so với Argon ở vị trí thứ 11), xếp thứ tư chung cuộc và chỉ kém Claude Sonnet 5.5 (xHigh, 1.770) hai điểm. Kết quả này đưa mô hình vào đường biên Pareto trên cả ba lĩnh vực. Carbon dẫn đầu các bài kiểm chuẩn an ninh khi không có rào chắn bảo vệ Trong một số bài kiểm tra an ninh, Google đã vận hành mô hình