Google ra mắt Gemini 4 Carbon: Vượt mặt Claude Opus 5.5 và dẫn đầu về độ chính xác

Tuần trước, Google đã phát hành mô hình AI mới nhất của mình mang tên Gemini 4 Carbon, qua đó vươn lên dẫn đầu các bảng xếp hạng về độ thông minh. Mô hình này xuất hiện với tiếng vang lớn hơn hầu hết các phiên bản trước đó. Như Artificial Analysis đã nhấn mạnh, Gemini 4 Carbon hiện là mô hình AI xếp hạng cao nhất trong bộ tiêu chuẩn đánh giá Intelligence Index V5 mới nhất của họ, vượt qua Claude Opus 5.5 đúng một điểm. Nó đạt điểm số cao nhất ở 4 trong tổng số 9 bài đánh giá, đồng thời có chi phí cho mỗi tác vụ thấp hơn các mô hình đạt thứ hạng cao khác như Claude Opus 5.5. Google đang cung cấp quyền truy cập vào mô hình này cho các chuyên gia an ninh mạng thông qua chương trình Fairwind trước tiên, sau đó sẽ mở rộng tính khả dụng ra toàn thị trường vào thời điểm sau đó.

Có lẽ quan trọng hơn, Gemini 4 Carbon tạo sự khác biệt bằng cách đứng đầu bài kiểm tra AA-Omniscience v1.1 mới của Artificial Analysis, vốn chuyên theo dõi tình trạng ảo giác (hallucination) và khả năng ghi nhớ thông tin chính xác. Khi các chính phủ và tổ chức tìm kiếm giá trị và bảo mật tối đa từ việc sử dụng AI, việc có thể tuyên bố điểm số ảo giác thấp nhất có thể chứng minh là một lợi thế bán hàng quan trọng.

Tuy nhiên, ngay cả mô hình đạt điểm cao nhất cũng chỉ dừng lại ở mức 54 trên thang điểm từ -100 đến +100, cho thấy ngay cả những mô hình tiên tiến nhất trong năm 2026 vẫn còn một khoảng cách xa so với sự đáng tin cậy nhất quán khi nhắc đến việc ghi nhớ thông tin một cách chính xác.

Nhà vua đã băng hà, chớp thời cơ vươn lên

Xếp hạng các mô hình AI thay đổi nhanh chóng và thường xuyên trong năm 2026, và không có gì ngạc nhiên khi bản phát hành mới nhất từ một phòng thí nghiệm tiên tiến đã đẩy lùi các giới hạn, nhưng Gemini 4 Carbon của Google có thể được coi là một màn tái xuất ngoạn mục sau một thời gian dài tung ra các bản cập nhật ngắt quãng trong phần lớn thời gian của năm.

Gemini 4 Carbon (bản cao cấp) đạt 59 điểm trong bộ chuẩn Intelligence Index V5. Điều đó đưa nó vượt lên trên Claude Opus 5.5 một điểm và dẫn trước GPT-6 Astra (bản tối đa) của OpenAI hai điểm. Nó cũng cao hơn 9 điểm so với Muse Wonder Full (Max) của Meta và cao hơn 10 điểm so với Claude Fable 5.1.

Nhưng trí thông minh tổng quát thô không phải là bức tranh toàn cảnh với các mô hình tiên tiến trong năm 2026. Khi các nhà phát triển theo đuổi đường biên Pareto — sự kết hợp tốt nhất có thể giữa chi phí và trí thông minh — Gemini 4 Carbon cũng mang lại mức giá ấn tượng. Chi phí cho mỗi tác vụ trên bài kiểm tra Intelligence Index của nó thực chất rẻ hơn một chút so với Gemini 3.8 Flash (bản cao cấp), có giá 7,76 USD mỗi tác vụ. Con số này rẻ hơn vài đô la so với Claude Opus 5.5 hoặc Sonnet 5.5, và xấp xỉ một nửa giá của Claude Fable 5.1, vốn có giá 12,99 USD mỗi tác vụ.

Gemini 4 Carbon vẫn đắt hơn GPT 5 Astra của OpenAI và đắt hơn khoảng sáu lần so với GPT 6.1 Sol. Nó cũng có chi phí cho mỗi tác vụ cao gấp khoảng 13 lần so với mô hình mã nguồn mở DeepSeek V4.1 Flash 1017, mặc dù mô hình đó chỉ đạt 32 điểm trên bảng xếp hạng Intelligence Index.

Gemini 4 Carbon không phải là mô hình giỏi nhất trong mọi thứ, nhưng nó có thể là mô hình tốt nhất ở hầu hết các mức giá cao. Ít nhất là ở thời điểm hiện tại. Arena.ai cho thấy nó giữ vị trí số một trên biểu đồ Đường biên Pareto ở phân khúc đắt đỏ hơn, nhưng ở các mức giá thấp hơn, các mô hình mã nguồn mở của Trung Quốc như GLM 5.3-Flash và DeepSeek V4 Pro lại chiếm ưu thế.

Artificial Analysis cũng nhấn mạnh rằng Gemini 4 Carbon không giỏi bằng Claude Code tích hợp Claude Opus 5.5 trong lĩnh vực lập trình, đồng thời tụt lại phía sau Grok 4.7, Muse Wonder và Kimi K3.1 Pro về mảng công việc tri thức.

Nhưng có lẽ điểm số ấn tượng nhất là 54 điểm của Gemini 4 trên Chỉ số AA-Omniscience, theo dõi kiến thức và hiện tượng ảo giác, vượt qua các đối thủ với khoảng cách thường khá lớn.

Cẩn trọng và tuân thủ

Trong thông báo về mô hình Gemini 4 mới, Google đã ca ngợi sự hợp tác của họ với chính phủ Hoa Kỳ trong việc sàng lọc mô hình và kiểm tra trước khi phát hành. Tương tự cách Anthropic xử lý việc ra mắt Mythos vào năm 2025, Google đang triển khai quyền truy cập vào Gemini 4 Carbon với tốc độ chậm hơn.

Tuyên bố ra mắt của Google cho biết: "Chúng tôi đang áp dụng phương pháp triển khai thận trọng và tích cực tham gia vào quy trình thử nghiệm mô hình tự nguyện trước khi phát hành của chính phủ Hoa Kỳ".

Vì mục đích đó, hãng đang mở cửa phiên bản Carbon cho một nhóm nhỏ các "chuyên gia an ninh mạng", và sẽ dần dần cung cấp mô hình rộng rãi hơn thông qua các đối tác tin cậy trong Chương trình Fairwind. Trước khi cung cấp Carbon cho các nhà phát triển, hãng muốn cải tiến các rào cản an toàn để làm cho AI trở nên an toàn và hiệu quả hơn cho các mục đích an ninh mạng, khiến các tác nhân xấu khó sử dụng nó cho các cuộc tấn công khai thác và hack hơn.

Khi ý tưởng kìm hãm ngành công nghiệp và áp dụng sự giám sát lớn hơn đối với việc phát triển mô hình đã có lúc thăng lúc trầm trong đánh giá của các hãng công nghệ lớn, nó dường như đang củng cố bản thân như một ý tưởng nền tảng cho các bản phát hành mô hình trong tương lai. Google ca ngợi việc phát hành của mình về sự an toàn và bảo mật được cải thiện của mô hình, đồng thời nhấn mạnh rằng họ đã phá vỡ mọi nỗ lực từ bộ chuẩn Gray Swan Indirect Prompt Injection nhằm ép mô hình làm những điều không nên làm.

Google tuyên bố Carbon giảm thiểu các tuyên bố không có căn cứ trong các phản hồi của nó gấp đôi so với mô hình Gemini 4 Argon mà họ mới ra mắt chỉ hai tuần trước. Nếu không thể hoàn thành một hành động, nó sẽ đơn giản là không làm thay vì bịa ra câu trả lời hoặc né tránh khi thiếu bằng chứng, Google tuyên bố.

Hãng cũng gợi ý rằng Carbon sẽ cung cấp các nguồn và các hành động được đề xuất cho người dùng một cách sẵn sàng hơn, thay vì theo đuổi các ý định của riêng mình khi có sự sai lệch hoặc không chắc chắn, qua đó cắt giảm 26% tình trạng mô hình hoạt động vượt thẩm quyền.

Khi các chính phủ và công ty tìm kiếm cách sử dụng AI thực tế, theo dõi mức sử dụng, quản lý ngân sách token và ngăn chặn nhân viên tạo ra các đường lối khai thác mới thông qua việc lạm dụng, tính an toàn, bảo mật và độ tin cậy của mô hình sẽ là tối quan trọng.

Một đường biên Pareto mới?

Trong suốt năm qua, một trọng tâm rõ ràng từ các nhà phát triển mô hình tiên tiến và mã nguồn mở là về hiệu quả và chi phí. Trong khi việc nâng cao trí thông minh và cải thiện khả năng, đặc biệt là thông qua các quy trình làm việc dạng tác nhân (agentic workflows), đã chứng kiến sự phát triển lớn đi kèm sự hào nhoáng, nhiều thông báo và phát triển lớn cũng đã coi chi phí là một thành phần rõ ràng.

Điều đó khó có thể thay đổi, với các nghiên cứu mới nhất từ Gartner cho thấy chỉ có 3% công ty thực sự đạt được cải thiện về chi phí và năng suất từ việc sử dụng AI. Nhưng khi các tổ chức thúc đẩy tìm kiếm giá trị thực sự của AI, tối đa hóa ngân sách token và cố gắng trao quyền cho những nhân viên đã tìm thấy sự cải thiện từ việc sử dụng AI, họ sẽ cần sự nhất quán.

Việc theo dõi lợi tức đầu tư với AI là điều nổi tiếng là khó khăn, với hiện tượng ảo giác làm cho điều đó càng khó khăn hơn. Nếu Google có thể bán các mô hình mới nhất của mình như là mô hình an toàn nhất và ít có khả năng ảo giác nhất, đồng thời đạt được độ thông minh cao với chi phí tương đối thấp, đó có thể là công thức chiến thắng mới.

Ít nhất là cho đến khi mô hình tiếp theo xuất hiện.