Tóm tắt nhanh
- Google công bố Gemini 4 Carbon ngày 28/10, sau Gemini 4 Argon khoảng hai tuần; hãng cho biết Carbon dẫn đầu Artificial Analysis Intelligence Index v5.0 với 59 điểm.
- Giá API giới thiệu là 2 USD đầu vào và 10 USD đầu ra mỗi triệu token; sau ưu đãi tăng lên 4 USD và 20 USD.
- Carbon nổi bật ở ngữ cảnh dài và bảo mật, nhưng vẫn thua GPT-6 Astra ở FrontierSWE 2, thua Claude Opus 5.5 ở OSWorld-2.1.
- Google ưu tiên một nhóm chuyên gia phòng thủ mạng rồi mở rộng qua Fairwind Program, chưa công bố ngày cho người dùng phổ thông.
Gemini 4 Carbon vừa xuất hiện với vị trí đầu bảng AI và mức cước API thấp, nhưng điều có ý nghĩa hơn với người dùng là khoảng cách giữa lời hứa về chi phí và quyền truy cập thực tế. Google chưa mở mô hình này đại trà, còn bảng điểm do hãng công bố cho thấy ưu thế thay đổi theo từng loại công việc, chứ không phải một chiến thắng đồng đều trước mọi đối thủ.
Giá giới thiệu hấp dẫn, nhưng chi phí dài hạn mới quyết định có nên chuyển
Mức cước khởi điểm của Carbon tạo sức ép lên nhóm mô hình cao cấp vì Google giữ giá như Argon, dù công bố cải thiện khả năng lập trình và xử lý các nhiệm vụ kéo dài. Theo Google, API sẽ có giá giới thiệu 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra; phần đầu vào đọc từ bộ nhớ đệm được giảm 95% so với giá đầu vào.
Tuy nhiên, đây là ưu đãi mở đầu chứ không phải mức giá cố định. Chú thích trong thông báo của Google ghi rõ giá sau giai đoạn giới thiệu là 4 USD đầu vào và 20 USD đầu ra mỗi triệu token. Hãng chưa nêu ngày kết thúc ưu đãi cho Carbon, vì vậy không nên lập ngân sách dài hạn chỉ bằng bảng giá ban đầu.
| Loại token (USD/triệu token; thấp hơn tốt hơn) | Gemini 4 Carbon — giới thiệu | Gemini 4 Carbon — sau ưu đãi | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| Đầu vào thông thường | 2 | 4 | 10 | 4 |
| Đầu ra | 10 | 20 | 50 | 20 |
Số liệu: Google cho Carbon; AlphaCorp AI cho giá niêm yết GPT-6 Astra và Claude Opus 5.5 trong bài đối chiếu ngày 22/9/2026. Bảng không tính ưu đãi xử lý theo lô, bộ nhớ đệm hoặc phụ phí của từng dịch vụ.
Ở mức sau ưu đãi, Carbon vẫn có cước đầu vào và đầu ra thấp hơn Astra trong bảng đối chiếu này, nhưng ngang Opus 5.5. Vì vậy, gọi Carbon là lựa chọn rẻ nhất trong mọi hoàn cảnh sẽ đi quá dữ kiện: giai đoạn áp dụng giá và cách tính phí đều ảnh hưởng đến kết quả.
Với nhóm phát triển ở Việt Nam đang cân nhắc đổi nhà cung cấp AI, thước đo cần theo dõi là tiền bỏ ra cho một tác vụ hoàn thành đúng, thay vì chỉ là tiền cho mỗi triệu token. Một tác nhân phải đọc lại mã nguồn, thử lại bản vá hoặc tạo nhiều đầu ra hơn dự kiến có thể làm lợi thế đơn giá thu hẹp. Chi phí tích hợp và kiểm tra đầu ra cũng không biến mất khi giá token giảm.
Carbon đáng được đưa vào danh sách thử nghiệm khi quyền truy cập mở rộng, nhưng chưa có cơ sở để chuyển cả hệ thống chỉ vì giá giới thiệu. Nên dùng chính các tác vụ hiện có để kiểm tra độ đúng và lượng token tiêu thụ, đồng thời tính ngân sách theo giá sau ưu đãi. Cách này tránh việc một thử nghiệm có vẻ rẻ lại trở thành chi phí khó duy trì khi đưa vào vận hành.
Dẫn đầu điểm tổng hợp không có nghĩa là thắng mọi công việc
Ưu thế rõ nhất của Carbon là mức tiến bộ trên nhiều nhóm bài kiểm tra cùng lúc, trong khi các ngoại lệ lại đủ quan trọng để ảnh hưởng đến lựa chọn mô hình. Theo bảng Google công bố, Carbon đạt 59 điểm trên Artificial Analysis Intelligence Index v5.0, so với 58 của Opus 5.5 và 57 của Astra; Argon đạt 50 điểm. Điểm chỉ số này không phải tỷ lệ phần trăm số công việc mà mô hình làm đúng.
Các bảng dưới giữ nguyên số tuyệt đối trong bảng so sánh của Google, nhóm lại theo loại tác vụ. Chúng phản ánh những cấu hình đánh giá được công bố, không bảo đảm thứ tự sẽ giữ nguyên khi thay công cụ, dữ liệu hoặc cách giao việc.
| Phép thử (cao hơn tốt hơn) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Index v5.0 (điểm) | 59 | 50 | 57 | 58 |
| Vals Index v2.2 (%) | 70,4 | 69,2 | 65,0 | 70,2 |
| SWE-sweep (%) | 9,6 | 4,3 | 9,5 | 3,6 |
| FrontierSWE 2 (%) | 61,2 | 55,0 | 65,5 | 62,3 |
| Terminal-Bench 4.0, AA (%) | 65,2 | 57,1 | 59,1 | 59,6 |
| Agents’ Last Exam v1.1 (%) | 77,4 | 69,0 | 73,1 | 71,6 |
| OSWorld-2.1, tập con ngoại tuyến (%) | 81,5 | 74,7 | 80,9 | 87,2 |
Số liệu: Google, bảng đánh giá Gemini 4 Carbon.
Astra vẫn dẫn đầu FrontierSWE 2, còn Opus 5.5 đứng trên Carbon ở tập con ngoại tuyến của OSWorld-2.1. Hai ngoại lệ này cho thấy lập trình và thao tác máy tính không phải một năng lực duy nhất: mô hình đứng đầu ở bài dùng terminal chưa chắc đứng đầu ở một bài điều khiển giao diện.
Khoảng cách rất sát trên SWE-sweep cũng không đủ để hứa hẹn một khác biệt dễ nhận ra trong công việc hằng ngày. Ngược lại, sự tăng trưởng so với Argon có ích hơn cho người đang dùng Gemini và muốn biết bản mới cải thiện ở đâu, miễn là họ giữ nguyên cách thử để so sánh.
| Phép thử (cao hơn tốt hơn) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AutomationBench (%) | 53,9 | 51,3 | 41,4 | 42,5 |
| Vending-Bench 2 (số dư mô phỏng, USD) | 16.484 | 13.718 | 15.515 | 9.235 |
| Chartography (%) | 72,5 | 71,6 | 71,0 | 66,3 |
| Blueprint-Bench 2 (độ tương đồng, %) | 58,6 | 54,4 | 49,7 | 51,2 |
| GraphWalks, 256 nghìn–1 triệu token (BFS F1, %) | 96,2 | 84,2 | 71,8 | 66,8 |
| RiemannBench (%) | 80,0 | 76,0 | 72,0 | 69,6 |
| Terminal-Bench-Science 0.1, AA (%) | 64,8 | 52,9 | 63,3 | 59,0 |
Số liệu: Google, bảng đánh giá Gemini 4 Carbon. Số dư Vending-Bench 2 thuộc môi trường kinh doanh mô phỏng, không phải thu nhập thực.
GraphWalks là kết quả đáng chú ý cho công việc phải giữ liên hệ giữa nhiều phần thông tin ở ngữ cảnh dài. Nhưng đây là phép thử tìm kiếm theo chiều rộng trên đồ thị, chấm bằng F1; không thể diễn giải điểm đó thành tỷ lệ đọc đúng mọi tài liệu dài hay mọi kho mã nguồn. Điểm cao tạo lý do để thử Carbon với dữ liệu lớn, chứ chưa thay thế việc kiểm tra khả năng bỏ sót chi tiết trong tài liệu thực tế.
Tương tự, điểm Vending-Bench 2 đo kết quả trong một môi trường kinh doanh giả lập, không phải lời bảo đảm rằng mô hình có thể tự vận hành doanh nghiệp có lãi. Tách rõ đối tượng mà mỗi bài kiểm tra đo được sẽ giúp người dùng tránh mua một lời hứa rộng hơn khả năng đã được chứng minh.
Khả năng tìm và khai thác lỗi khiến Carbon chưa được mở đại trà
Điểm mạnh an ninh mạng của Carbon đi kèm một vấn đề khó tách rời: năng lực giúp bên phòng thủ xác định lỗi nguy hiểm cũng có thể bị dùng để khai thác lỗi đó. Do vậy, kết quả khai thác cao không tự động đồng nghĩa với một sản phẩm an toàn hơn để trao quyền trên hệ thống thật.
Theo Google, ba phép thử bảo mật bên ngoài được thực hiện khi không bật bộ lọc an toàn: SEC-bench Pro cho tìm lỗ hổng, ExploitGym cho kiểm tra khả năng khai thác và CWE-bench cho vá lỗi. Đây là điều kiện quan trọng khi đọc kết quả, bởi điểm năng lực trong môi trường đánh giá không đồng nhất với phạm vi hành vi được cho phép ở sản phẩm triển khai.
| Phép thử bảo mật (%, cao hơn tốt hơn) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| SEC-bench Pro — tìm lỗ hổng | 88,2 | 83,4 | 85,4 | — |
| ExploitGym — khai thác lỗi | 54,8 | 42,0 | 42,4 | 34,5 |
| CWE-bench — vá lỗi | 71,0 | 68,0 | 68,0 | 67,0 |
Số liệu: Google; đánh giá không bật bộ lọc an toàn. Dấu — là chưa có điểm trong bảng công bố, không phải kết quả bằng không.
Ba tỷ lệ này không cộng lại thành một xác suất xử lý trọn vẹn sự cố. Chúng đến từ những bộ thử khác nhau, đo những khâu khác nhau; một bản vá đúng vẫn cần được kiểm tra trong môi trường phần mềm cụ thể trước khi đưa lên hệ thống đang vận hành.
Ở lớp chống chỉ dẫn độc hại chèn qua nội dung bên ngoài, Google công bố Carbon có tỷ lệ tấn công thành công 0,0% trên Gray Swan Indirect Prompt Injection Benchmark, so với 0,7% của Argon. Kết quả đó chỉ có nghĩa là không có cuộc tấn công nào thành công trong bộ đánh giá được thực hiện, không chứng minh mô hình miễn nhiễm với mọi cách tấn công ngoài thực tế.
Google cho biết sẽ cấp quyền cho một nhóm chuyên gia phòng thủ mạng trong tuần công bố, rồi mở rộng tới đối tác đáng tin cậy qua Fairwind Program. Việc cho nhà phát triển và người dùng phổ thông truy cập còn ở phía trước, chưa có lịch cụ thể. Với người dùng Việt Nam, thông báo này chưa phải lý do để mua hoặc nâng gói Gemini chỉ nhằm dùng Carbon: công bố mô hình mới và có quyền dùng mô hình đó là hai việc khác nhau.
Lựa chọn hợp lý lúc này là giữ hệ thống đang hoạt động, chuẩn bị các tác vụ cần thử và chờ thông tin truy cập chính thức. Khi Carbon được mở rộng, kết quả trên công việc thật cùng mức cước sau ưu đãi mới đủ để quyết định có nên chuyển sang mô hình này.
Nguồn tham khảo: Google — công bố Gemini 4 Carbon; Ars Technica; OfficeChai — đối chiếu điểm benchmark; AlphaCorp AI — giá API đối thủ.
