Google giới thiệu Gemini 4 Carbon: Mô hình AI tập trung vào an ninh mạng

Google vừa công bố mô hình tiên phong tiếp theo mang tên Gemini 4 Carbon, mô hình mạnh nhất của hãng với các năng lực an ninh mạng tiên tiến cùng khả năng xử lý các tác vụ dài hạn. Carbon đứng ở vị trí số 1 trên bảng xếp hạng Artificial Analysis Intelligence Index phiên bản 5.0 vừa cập nhật với 59 điểm. Mô hình này cho thấy những bước tiến đáng kể trong các tác vụ lập trình và tác vụ tự trị (agentic), cũng như các năng lực trọng yếu đối với phòng thủ an ninh mạng; qua đó dẫn đầu rõ rệt tại SEC-bench Pro (88,2%) về phát hiện lỗ hổng, ExploitGym (54,8%) về khai thác lỗ hổng và CWE-bench (71,0%) về vá lỗi. Trên các bộ tiêu chuẩn nội bộ của Google, Carbon giúp tăng mạnh hiệu quả tạo mã an toàn, đồng thời ghi nhận tỷ lệ sai lệch và suy diễn thông tin giảm rõ rệt trong môi trường lập trình trực tiếp cùng các đội ngũ của hãng. Được phát triển tiếp nối từ Gemini 4 Argon ra mắt cách đây hai tuần, Carbon thể hiện tốc độ đẩy mạnh ranh giới công nghệ của Google. Đội ngũ nghiên cứu và các mô hình của hãng đang phối hợp chặt chẽ để thúc đẩy các năng lực nhanh hơn, song hành với việc củng cố các biện pháp bảo đảm an toàn. Google cho biết hãng đang triển khai một cách thận trọng và tích cực tham gia vào quy trình thử nghiệm mô hình tiền phát hành tự nguyện của Chính phủ Mỹ. Bắt đầu từ tuần này, Google sẽ cấp quyền truy cập Carbon cho một nhóm chuyên gia phòng thủ an ninh mạng và sẽ từng bước mở rộng cho các đối tác tin cậy khác thông qua Chương trình Fairwind. Hãng tiếp tục thu thập phản hồi và hoàn thiện các hàng rào bảo vệ trước khi cung cấp Carbon cho các nhà phát triển, doanh nghiệp và người dùng phổ thông qua các giao diện sản phẩm trong thời gian sớm nhất. Gemini 4 Carbon sẽ ra mắt với mức giá khởi điểm tương đương Argon là 2 USD cho mỗi 1 triệu token đầu vào và 10 USD cho mỗi 1 triệu token đầu ra, trong đó các token đầu vào được lưu trong bộ nhớ đệm (cached) sẽ được giảm giá 95%. Nâng cao năng lực lập trình và suy luận cho các tác vụ dài hạn, phức tạp Được thiết kế để giải quyết các bài toán kỹ thuật dài hạn và khó khăn hơn, Carbon được xây dựng cho các quy trình làm việc tự trị kéo dài. Ở quy mô nội bộ, các đội ngũ của Google đã ghi nhận Carbon có thể vận hành liên tục nhiều ngày, kiên trì xử lý các điểm nghẽn để hoàn thành các tác vụ kỹ thuật phức tạp nhiều bước như phân tích nguyên nhân gốc rễ và vá các lỗi tinh vi trên các cơ sở mã nguồn lớn cũng như hệ thống cấp thấp. Từ các phản hồi của người dùng, Google đã tập trung cải thiện hiệu năng của mô hình trên nhiều lĩnh vực, bao gồm lập trình, các tác vụ tự trị và khoa học, cũng như phát triển web toàn diện (full-stack) và hiểu biết đa phương thức. Nhờ nâng cao chất lượng đầu ra và các sản phẩm cấu thành trong phát triển web, Carbon đã tăng thêm 89 điểm Elo để vươn lên vị trí thứ tư (1.768 điểm) trên WebDev Arena. Hiệu năng an ninh mạng tiên tiến phục vụ xây dựng các hệ thống an toàn Gemini 4 Carbon đánh dấu bước nhảy vọt về năng lực an ninh mạng, đạt hiệu năng tiên tiến nhất trong toàn bộ quy trình phòng thủ an ninh mạng gồm phát hiện, xác thực và khắc phục lỗ hổng. Các đội ngũ của Google đã ghi nhận những kết quả vượt bậc trong phòng thủ mạng. Theo các tiêu chuẩn nội bộ, Carbon đạt tỷ lệ thành công khi tạo mã an toàn cao gấp hơn hai lần so với Argon. Ở một ví dụ khác, nhóm phát triển Chrome báo cáo Carbon hoạt động tốt hơn gấp 10 lần so với một mô hình tiên phong lớn của phòng nghiên cứu khác khi tạo các bản vá chất lượng cao. Wiz, nền tảng bảo mật điện toán đám mây hàng đầu, cũng ghi nhận Carbon dẫn đầu trong các bài đánh giá kiểm thử xâm nhập web, vốn là năng lực cốt lõi cho sáng kiến Scan for Good của Wiz. Carbon cho thấy sự vượt trội trên các bộ tiêu chuẩn đánh giá bên ngoài (được thử nghiệm khi chưa áp dụng hàng rào bảo vệ): Tìm kiếm lỗ hổng thực tế: Yếu tố cốt lõi của phòng thủ an ninh mạng là tìm kiếm các lỗ hổng thực tế. Carbon đạt tỷ lệ tiên tiến nhất ở mức 88,2% trên SEC-bench Pro tự động phát hiện các lỗ hổng phức tạp tiềm ẩn trong các phần mềm thực tế. Đánh giá rủi ro thông qua khai thác thực tế: Để xác định thứ tự ưu tiên xử lý hoặc quyết định có cần khắc phục lỗ hổng hay không, các chuyên gia phòng thủ an ninh mạng ngày càng dựa vào các mô hình nhằm kiểm tra khả năng bị khai thác của lỗ hổng. Carbon đã thiết lập mức chuẩn kỷ lục mới trên bộ công cụ đánh giá khai thác phổ biến ExploitGym, đạt 54,8%. Vá lỗi từ nguyên nhân gốc rễ: Sau khi phát hiện lỗ hổng, khắc phục nguyên nhân cốt lõi là bước then chốt trong chu trình phòng thủ an ninh mạng. Carbon đạt 71,0% trên bộ chuẩn CWE-bench của Collinear, trực tiếp chuyển đổi các kết quả đã xác minh thành các bản sửa lỗi mã nguồn hoàn chỉnh. Nâng cao tính an toàn và bảo mật cho các mô hình tiên phong Gemini 4 Carbon được phát triển dựa trên cùng cấu trúc an toàn và bảo mật đa tầng của Argon, kết hợp giữa huấn luyện mô hình, ngăn chặn hành vi lạm dụng theo thời gian thực, khả năng chống tấn công chèn câu lệnh (prompt-injection) và giám sát chuỗi suy luận (chain-of-thought). Đáng chú ý, các chuyên gia đã đạt được những bước tiến đáng kể trong việc cân chỉnh mô hình (alignment) với phiên bản Argon, đồng thời công bố xu hướng hành vi chuẩn mực của mô hình trong Báo cáo An toàn và Bảo mật. Với Carbon, Google đã đặt mục tiêu tiến xa hơn về chuẩn hóa hành vi, huấn luyện mô hình phản hồi chính xác trước các tác vụ phức tạp hoặc chịu áp lực cao. Giảm thiểu hành vi đi tắt và khai thác lỗ hổng: Với Carbon, các nỗ lực gian lận hoặc đi tắt trong quá trình huấn luyện đã được hạn chế tối đa, trong khi vẫn bảo đảm chất lượng lập trình ở mức cao. Carbon đã giảm tỷ lệ gian lận thành công trên Terminal-Bench 4.0 xuống 0,0%, đồng thời các nỗ lực gian lận giảm xuống 0,4%, song vẫn nâng cao độ chính xác tổng thể. Trong môi trường lập trình trực tiếp với các đội ngũ nội bộ, Google ghi nhận các cảnh báo lệch chuẩn mức độ nghiêm trọng đã giảm gần 80%. Nâng cao tính minh bạch và trung thực: Trong các thử nghiệm nội bộ, Carbon đã giảm khoảng 2 lần số lượng tuyên bố thiếu căn cứ so với Argon. Mô hình trực tiếp đưa ra các lưu ý về phương pháp luận trong kết quả bàn giao hoặc từ chối thực hiện các hành động bị chặn kèm danh sách yêu cầu cần bổ sung, thay vì ngụy tạo hoặc đưa ra phản hồi né tránh khi thiếu chứng cứ. Tăng cường phối hợp với người dùng khi thông tin chưa rõ ràng: Thay vì phỏng đoán hoặc áp đặt giải pháp, Carbon chủ động truy xuất các nguồn liên quan và nêu rõ các điểm bất đồng cho người dùng trước khi hành động; nhờ đó, trải nghiệm tương tác và phối hợp với Carbon được nâng cao rõ rệt. Thực hiện đúng phạm vi yêu cầu: Carbon đồng thời giảm 26% tình trạng xử lý vượt quyền và giảm 29% tình trạng xử lý thiếu sót, qua đó nâng cao đáng kể độ tin cậy trong việc thực thi toàn diện các kế hoạch nhiều bước, đồng thời bảo đảm tuân thủ các giới hạn của dự án.