Ngày 13/10, Google thông báo Gemini 4 Argon được mở cho người dùng toàn cầu. Nhà phát triển gọi mô hình qua AI Studio và các gói trả phí của Gemini API với tên mô hình gemini-4-argon; người dùng thuê bao Google AI Pro và Ultra có thể dùng trong ứng dụng Gemini và AI Mode của Tìm kiếm; công cụ lập trình Antigravity vẫn chỉ dành cho thuê bao Ultra.
Hai tuần trước, khi mới ra mắt, mô hình này chỉ được giao cho các nhóm phòng thủ an ninh mạng trong chương trình Fairwind. Lần này Google mở rộng phạm vi sang nhà phát triển, doanh nghiệp, giới nghiên cứu và người dùng thuê bao thông thường; kênh dành cho các nhóm an ninh vẫn được giữ lại, tiếp tục duyệt theo đợt khi có đơn đăng ký và cung cấp phiên bản không có rào chắn an ninh mạng.
Từ nhóm an ninh đến mọi người dùng trả phí
Nhìn các mốc của Argon liền nhau, nhịp đi của Google là hẹp trước, rộng sau. Khi ra mắt ngày 30/9, Google vạch ra ba mảng việc chính: kỹ thuật phần mềm, công việc tri thức doanh nghiệp như pháp lý và tài chính, và phòng thủ mạng; các kết quả công bố khi đó chủ yếu nằm ở các bài kiểm tra lập trình và lỗ hổng như DeepSWE và CWE-bench.
Đợt ngày 13/10, ngoài bài công bố chính, Google đồng thời đăng một bài blog dành cho nhà phát triển về robot và một bài tổng kết kỹ thuật về việc dùng Argon để tối ưu kho mã nguồn mở của chính mình. Trọng tâm đã dịch từ chỗ "có viết được code hay không" sang "có hiểu được thế giới vật lý hay không".
Giá không đổi: trong giai đoạn giới thiệu là 2 USD cho mỗi triệu token đầu vào và 10 USD cho token đầu ra, phần đầu vào trúng bộ nhớ đệm được giảm thêm 95%. Lúc ra mắt Google không nói giai đoạn ưu đãi kéo dài bao lâu; lần này đã ghi rõ ngày kết thúc: từ ngày 30/11, giá trở lại 4 USD cho đầu vào và 20 USD cho đầu ra.
Vài con số trong blog về robot
Google báo cáo 87% trên ERQA, bộ đề đánh giá suy luận hiện thân, kiểm tra các câu hỏi vật lý và không gian trong không gian ba chiều. Nguyên văn của Google:
"Using pure reasoning, Argon scores 87%, outperforming every other frontier model."
Chỉ bằng suy luận, Argon đạt 87%, vượt mọi mô hình tiên phong khác.
Phần trình diễn dùng robot bốn chân Spot của Boston Dynamics. Argon trước tiên dựng một bản sao số có khớp nối trong MuJoCo để luyện tập lặp lại, rồi mới điều khiển robot thật, học cách dùng chân đạp mở thùng rác và ném lon vào trong. Một ví dụ khác là điều khiển cánh tay robot theo kiểu zero-shot để dựng cốc đứng lên và nhét khăn giấy vào cốc.
Nhóm số liệu thực dụng nhất đến từ khâu sinh dữ liệu mô phỏng. Các nhà nghiên cứu chụp một tấm ảnh mặt bàn, để Argon dựng cảnh mô phỏng, sinh hơn 4.500 lượt có ngẫu nhiên hóa miền, rồi dùng chúng tinh chỉnh một mô hình thị giác-ngôn ngữ-hành động (VLA). Trong thử nghiệm trên robot thật, tỷ lệ thành công tăng từ 56% lên 75%, thời gian hoàn thành giảm từ 35 giây xuống 24 giây. Với một tác vụ gắp-đặt trên cánh tay SO-101, sau ba vòng tự cải thiện, thời gian giảm từ 58,9 giây xuống 22,9 giây rồi còn 17,4 giây.
Tất cả đều là thí nghiệm của chính Google; quy mô mẫu và số lần thử, blog không nêu rõ, và hiện cũng chưa thấy bên thứ ba nào lặp lại kết quả.
Kết quả do các khách hàng khác báo cáo
Trong bài công bố chính, Google liệt kê một loạt trường hợp sử dụng nội bộ và từ đối tác: nhóm Chrome xử lý khoảng 6 triệu dòng mã cũ trong kho mã 40 triệu dòng, việc tái cấu trúc hàng trăm tệp được rút từ vài tháng xuống vài tuần; số lần commit của các tác tử lập trình nội bộ Google tăng hơn 35%, số lần hoàn tác giảm gần một phần ba.
Bản Python của khung tác tử mã nguồn mở ADK là một ví dụ có thể kiểm chứng công khai. Các kỹ sư cho Argon chạy không người giám sát trên kho mã suốt 11 giờ, đề xuất 6 hạng mục tối ưu; sau khi con người rà soát, 2 hạng mục được hợp nhất, thời gian chuẩn bị bộ nhớ trong các phiên dài giảm khoảng 40%, việc nhập mô-đun khi khởi động nguội nhanh hơn 21%. Chỉ nhận 2 trên 6 đề xuất, tỷ lệ này cho thấy rõ hơn cả lời quảng bá về cách dùng mô hình ở giai đoạn hiện nay.
Về kiểm thử an ninh, Google cho biết trong bài kiểm tra tiêm lệnh gián tiếp của Gray Swan, tỷ lệ tấn công thành công giảm xuống 0,7% sau 15 đợt tấn công thích ứng; hành vi "đi đường tắt" trong các bài kiểm tra lập trình giảm còn 2%.
Tổ chức đánh giá độc lập Artificial Analysis cập nhật kết luận đúng ngày mở rộng: chỉ số trí tuệ ngang với GPT-6 Astra, chi phí cho mỗi tác vụ vào khoảng sáu phần mười của đối thủ. Phép so sánh chi phí này tính theo giá giai đoạn giới thiệu, sau ngày 30/11 sẽ phải tính lại.
Nguồn tham khảo: blog chính thức của Google, Google Developers Blog (chuyên đề robot và tổng kết tối ưu ADK), CocoLoop, thẻ mô hình của Google DeepMind; chỉ số trí tuệ và cách tính chi phí mỗi tác vụ của Artificial Analysis.