Tóm tắt nhanh
- Google công bố Gemini 4 Carbon ngày 28/10/2026, nhấn mạnh năng lực lập trình và phòng thủ an ninh mạng.
- Google cho biết mô hình đạt 88,2% trên SEC-bench Pro, 54,8% trên ExploitGym và 71,0% trên CWE-bench.
- Tuyên bố Carbon tạo bản vá chất lượng cao tốt hơn hơn 10 lần đến từ báo cáo nội bộ; Google không công bố mô hình đối chứng hay cách đo chi tiết.
- Quyền truy cập ban đầu chỉ dành cho một nhóm chuyên gia phòng thủ mạng và đối tác được chọn, chưa mở cho nhà phát triển hay người dùng phổ thông.
Google công bố Gemini 4 Carbon ngày 28/10 với điểm số đứng đầu một số bài thử an ninh mạng, nhưng dữ liệu nổi bật nhất về khả năng tạo bản vá hơn 10 lần vẫn là kết quả nội bộ chưa có đủ thông tin để đối chiếu độc lập.
Điểm số cao bao phủ nhiều khâu xử lý lỗ hổng
Ba con số Google đưa ra lần lượt đo những việc khác nhau trong quy trình phòng thủ: SEC-bench Pro đánh giá khả năng tìm lỗ hổng trong phần mềm thực tế, ExploitGym kiểm tra việc xác thực khả năng khai thác, còn CWE-bench tập trung vào vá lỗi. Mô hình đạt 88,2%, 54,8% và 71,0% tương ứng theo công bố của hãng.
Google cũng cho biết Carbon đứng đầu Artificial Analysis Intelligence Index phiên bản 5.0 với 59 điểm. The Verge đưa tin Claude Opus 5.5 và GPT-6 Astra xếp sau trên chỉ số này; Google không trình bày đầy đủ cấu hình đánh giá để người đọc tự tái lập các kết quả.
| Benchmark | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| CWE-bench | 71,0% | 68,0% | 68,0% | 67,0% |
| ExploitGym | 54,8% | 42,0% | 42,4% | 34,5% |
| SEC-bench Pro | 88,2% | 83,4% | 85,4% | — |
Số liệu: Google Blog, benchmark do Google công bố.
Các điểm số cho thấy Carbon được thiết kế để xử lý chuỗi công việc dài hơn chuyện sinh một đoạn mã: phát hiện vấn đề, kiểm tra mức độ khai thác được rồi đề xuất sửa tận gốc. Dù vậy, kết quả benchmark không tự nói lên tỷ lệ lỗi còn lại khi triển khai trên hệ thống thật, nơi mã nguồn, cấu hình và ràng buộc an toàn thay đổi theo từng tổ chức.
Tuyên bố hơn 10 lần chưa phải phép so sánh công khai
Con số dễ gây chú ý nhất nằm ở báo cáo của đội Chrome thuộc Google: Carbon tạo các bản vá chất lượng cao tốt hơn hơn 10 lần so với một mô hình frontier của phòng thí nghiệm khác. Google không nêu tên mô hình đối chứng, tập dữ liệu, tiêu chí xác định “chất lượng cao” hay cách tính mức chênh lệch.
Vì thiếu các chi tiết đó, không thể diễn giải kết quả này thành việc Carbon hơn mọi mô hình khác trên benchmark công khai, hoặc sẽ vá lỗi tốt hơn mười lần trong mọi dự án. Đây là tuyên bố của Google dựa trên đánh giá nội bộ, khác với ba điểm số benchmark mà hãng công bố riêng.
Google còn nói Carbon có tỷ lệ thành công khi tạo mã an toàn cao hơn Argon hơn hai lần trong benchmark nội bộ. Những kết quả này đáng theo dõi, nhưng việc kiểm tra độc lập và công bố phương pháp sẽ cần thiết để xác định mức cải thiện có lặp lại được ngoài môi trường của hãng hay không.
Quyền truy cập giới hạn khiến điểm số chưa phản ánh trải nghiệm đại trà
Carbon chưa mở rộng cho nhà phát triển, doanh nghiệp hay người tiêu dùng. Google bắt đầu cung cấp mô hình cho một nhóm chuyên gia phòng thủ mạng, sau đó dự kiến mở rộng dần tới các đối tác được tin cậy trong chương trình Fairwind; hãng nói sẽ tiếp tục hoàn thiện các biện pháp bảo vệ trước khi đưa mô hình lên sản phẩm rộng rãi.
Điều này làm cho các benchmark hiện tại có ý nghĩa chủ yếu với đội an ninh mạng và nhà nghiên cứu đang đánh giá năng lực mô hình, chưa phải cơ sở để người dùng phổ thông cân nhắc chuyển sang một dịch vụ Gemini mới. Tại Việt Nam cũng chưa có thông tin xác nhận Carbon được bán như gói thuê bao phổ thông; giá API toàn cầu không đồng nghĩa với quyền truy cập qua các gói Gemini dành cho người dùng.
Giá API dự kiến tăng gấp đôi sau thời gian giới thiệu
Google công bố giá mở đầu 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra; token đầu vào được lưu đệm có mức giảm 95% so với giá đầu vào. Hết thời gian giới thiệu, mức giá dự kiến là 4 USD và 20 USD tương ứng. Đây là giá API, không phải giá thuê bao và cũng chưa xác nhận khả năng mua tại Việt Nam.
Với các nhóm được cấp quyền, chi phí đầu ra tăng theo lượng token có thể đáng kể nếu mô hình chạy những tác vụ lập trình kéo dài. Vì thế, điểm benchmark cao cần được cân cùng chi phí thực tế, khả năng kiểm soát quyền của agent và mức độ an toàn khi áp dụng bản vá tự động.
Google chưa công bố mốc cụ thể để Carbon mở cho công chúng. Trước khi có thêm dữ liệu độc lập và quyền truy cập rộng hơn, các kết quả hiện tại nên được xem là tín hiệu về hướng phát triển của mô hình, chưa phải cam kết về hiệu quả mà mọi nhóm phát triển có thể đạt được.
Nguồn tham khảo: Google Blog; The Verge
