Google DeepMind đã phát hành Gemini 4 Carbon, mẫu AI biên giới mới nhất của hãng, chỉ hai tuần sau khi xuất xưởng Gemini 4 Argon. Mô hình mới ra mắt ở vị trí dẫn đầu trong Chỉ số trí tuệ phân tích nhân tạo v5 với 59 điểm — tăng 9 điểm so với 50 điểm của Argon — và được thiết kế cho công việc kỹ thuật tự động, lâu dài. Tuy nhiên, hầu hết người dùng sẽ phải chờ: vì khả năng an ninh mạng tiên tiến, Carbon đang trải qua quá trình thử nghiệm trước tự nguyện của chính phủ Hoa Kỳ và ban đầu chỉ dành cho các chuyên gia bảo mật được chọn. Để liên tục đưa tin về những phát triển AI mới nhất, hãy theo dõi AI Buzz Wire khi quá trình triển khai mở rộng.
Triển khai ưu tiên bảo mật
Lộ trình phát hành bất thường của Carbon phản ánh khả năng của mô hình này trong cả công việc tấn công và phòng thủ trên mạng. Google cho biết khả năng của họ bao trùm toàn bộ vòng đời phòng thủ mạng, từ phát hiện và xác thực các lỗ hổng cho đến vá chúng. Reuters đưa tin mô hình này có trọng tâm an ninh mạng riêng biệt và Ars Technica đã thẳng thắn đưa ra tiêu đề: đây là mô hình biên giới "mà bạn không thể sử dụng" - ít nhất là chưa, trong khi nó đang trong quá trình thử nghiệm trước của chính phủ đối với các hệ thống AI tiên tiến.
Google chưa công bố ngày ra mắt rộng rãi. Tuy nhiên, giá cả đã được công khai: Carbon có giá tương đương với Argon, giữ cho tỷ lệ mã thông báo biên giới của Google không thay đổi qua hai thế hệ mô hình liên tiếp.
Được xây dựng cho công việc tự chủ nhiều ngày
Công ty cho biết họ đã thiết kế Carbon cho "các vấn đề kỹ thuật có tầm nhìn dài và khó khăn hơn nhiều" đòi hỏi quy trình làm việc liên tục của tác nhân. Theo Google, các nhóm nội bộ đã chạy mô hình này trong nhiều ngày liên tục, trong thời gian đó, nó tự mình vượt qua các ngõ cụt và xử lý các nhiệm vụ phức tạp, gồm nhiều bước như phân tích nguyên nhân gốc rễ và sửa lỗi tinh vi trong các cơ sở mã lớn và phần mềm cấp thấp.
Google cũng báo cáo những cải tiến về lý luận khoa học, hiểu biết đa phương thức và phát triển web toàn diện dựa trên phản hồi ban đầu của người dùng.
Mạnh mẽ về tổng thể, vẫn theo đuổi Claude trong lĩnh vực viết mã
Hình ảnh chuẩn là mạnh mẽ, nhưng không phải là một sự quét sạch. Trên Chỉ số trí tuệ phân tích nhân tạo v5, Carbon ở cấp độ lý luận cao nhất dẫn đầu lĩnh vực này chủ yếu nhờ điểm số cao nhất trong lý luận phức tạp, truy xuất kiến thức và nhiệm vụ khoa học, chiếm vị trí đầu tiên trong bốn trong số chín đánh giá riêng lẻ của chỉ số.
Trong mã hóa tác nhân, Carbon vẫn kém Claude Opus 5,5 của Anthropic ba điểm - 59 so với 62 - ngay cả sau khi tăng vọt so với 53 của Argon. Trên bảng xếp hạng WebDev Arena, Carbon đã giành được 89 điểm Elo để đạt 1.769, xếp thứ tư.
Đánh giá độc lập kể một câu chuyện tương tự. Nền tảng đánh giá Vals AI xếp Carbon thứ hai với độ chính xác 70,36%, sau Claude Sonnet 5,5 với 70,85% nhưng trước Claude Opus 5,5 với 70,18%, với Argon thứ tư với 69,24%.
Trên điểm chuẩn AA-Briefcase của Artificial Analysis cho công việc kiến thức tác nhân, Carbon đạt 1.609 Elo, tăng 126 điểm so với 1.483 của Argon. Nó vẫn xếp sau Kimi K3.1 Pro ở mức 1.678, Muse Wonder ở mức 1.659 và Grok 4.7 ở mức xhigh là 1.638.
Độ chính xác tăng, ảo giác cũng tăng
Độ chính xác của câu trả lời trong các đánh giá của Phân tích nhân tạo đã tăng từ 48% với Argon lên 58% với Carbon. Tỷ lệ ảo giác tăng từ 4 lên 11% - cao hơn nhưng vẫn thấp thứ hai trong bảng xếp hạng. Để so sánh, Claude Opus 5.5 và GPT-6 Astra ở cài đặt lý luận tối đa đều đạt 50% trên cùng một thước đo, theo dữ liệu Phân tích nhân tạo do The Decode báo cáo.
Điểm chuẩn bảo mật: điểm tiêm nhanh gần như hoàn hảo
Bảo mật là nơi Google tuyên bố chiến thắng lớn nhất của mình. Trong lựa chọn điểm chuẩn của riêng công ty, Carbon chiếm vị trí đầu tiên trong 15 trên 16 bài kiểm tra, vượt xa lĩnh vực này, đặc biệt là trong các nhiệm vụ bảo mật và bối cảnh dài.
Trên điểm chuẩn tiêm nhắc gián tiếp của Gray Swan, Google cho biết Carbon đã đẩy tỷ lệ tấn công thành công từ 0,7% với Argon xuống 0,0%, ngăn chặn mọi nỗ lực thao túng trong bộ thử nghiệm. Bộ giải mã cảnh báo rằng điều này không có nghĩa là việc tiêm nhanh chóng đã được giải quyết - thử nghiệm có vẻ đã bão hòa - nhưng kết quả giúp giải thích lý do tại sao các quan chức Hoa Kỳ muốn xem xét mô hình trước khi triển khai trước khi nó đến tay công chúng.
Hai mô hình biên giới trong hai tuần
Tốc độ là thông điệp. Hai bản phát hành biên giới trong vòng hai tuần – Argon vào giữa tháng 10, hiện tại là Carbon – đánh dấu một nhịp độ tích cực từ Google DeepMind khi nó cạnh tranh với Anthropic và OpenAI để giành vị trí dẫn đầu bảng xếp hạng độc lập và các hợp đồng doanh nghiệp.
Hiện tại, bảng điểm có nội dung như sau: Carbon dẫn đầu chỉ số tổng thể, Claude Opus 5.5 giữ vương miện về mã hóa tác nhân và mô hình có khả năng mạng mạnh nhất trên thị trường đang được chính phủ xem xét. Khi Carbon mở rộng hơn, mức giá không thay đổi có nghĩa là cuộc thi thực sự sẽ được quyết định theo khả năng của mỗi mã thông báo thay vì giảm giá - và Google vừa nâng tiêu chuẩn về số liệu đó.
---
Đi trước AINhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.
Đọc thêm tin tức về AI →
