Ngày 10/11, Google đã mở Gemini 4 Carbon cho toàn bộ nhà phát triển trả phí và doanh nghiệp. Hai tuần trước, khi mới ra mắt, mô hình này chỉ được thử nghiệm qua chương trình Fairwind với một nhóm nhỏ đơn vị phòng thủ an ninh mạng. Lần này, Google AI Studio, Gemini API và Gemini for business dành cho doanh nghiệp cùng lúc đưa Carbon lên kệ; người dùng gói Google AI Ultra cũng có thể dùng trực tiếp trong ứng dụng Gemini, chế độ AI Mode của Tìm kiếm và công cụ lập trình Antigravity.
Thông báo do Koray Kavukcuoglu, Kiến trúc sư AI trưởng của Google DeepMind, ký tên. Định vị của mô hình không đổi: an ninh mạng và các tác vụ tác tử (agent) chạy dài hạn.
"Carbon is our strongest model with frontier performance in cybersecurity capabilities."
(Carbon là mô hình mạnh nhất của chúng tôi, với năng lực an ninh mạng ở mức tiên phong.)
Giá thấp trước, cao sau
Mức giá giống với giá giới thiệu của Argon: 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra. Mức giá này chỉ duy trì đến 30/11; sau đó quay về 4 USD đầu vào và 20 USD đầu ra, tức là tăng gấp đôi. Giai đoạn ưu đãi chỉ áp dụng cho bản Carbon công khai; "Carbon for cyber" dành cho bên phòng thủ trong Fairwind vẫn phải đăng ký riêng.
Trong cùng thông báo, Google nhắc rằng để suy luận sâu và tự kiểm chứng, Carbon tiêu tốn nhiều token hơn Argon. Vì vậy hãng khuyến nghị phần lớn công việc kỹ thuật phần mềm và tri thức nên tiếp tục dùng Argon trước, khi gặp tác vụ phức tạp mới chuyển sang Carbon.
Thử tính nhanh: giả sử một tác vụ tác tử chạy trên Argon cần đọc 200.000 token và ghi 30.000 token, theo giá ưu đãi là 0,4 + 0,3 = 0,7 USD. Nếu cùng tác vụ đó chạy trên Carbon và lượng đầu ra nhiều hơn một nửa, thì sau tháng 12 chi phí mỗi lần chạy sẽ vào khoảng 0,8 + 0,9 = 1,7 USD. Phần "nhiều hơn một nửa" chỉ là giả định của chúng tôi; Google chưa công bố tỷ lệ tiêu thụ token giữa hai mô hình, chênh lệch thực tế còn tùy từng tác vụ.
Thành tích tập trung ở các bài đánh giá tác tử
Bảng thành tích đi kèm bản công khai lần này chuyển trọng tâm từ các bài đánh giá về lỗ hổng như lần trước sang tác tử và công việc tri thức. Google cho biết Carbon xếp thứ nhất ở cả ba bảng: CursorBench 4.0, WANDR của Perplexity và AutomationBench của Zapier, với chi phí mỗi tác vụ thấp hơn mô hình bên ngoài xếp thứ hai hơn một nửa.
Ở MKA, bài đánh giá tác tử tri thức đa phương thức của Artificial Analysis, Carbon xếp thứ hai, với chi phí trung bình mỗi tác vụ thấp hơn vị trí thứ nhất hơn sáu lần. Trong bài đánh giá tác tử tài chính tổng quát của quỹ đầu cơ Balyasny, mô hình xếp thứ nhất trong 23 cấu hình mô hình tiên phong.
Các con số về an ninh cũng được cập nhật. Trong môi trường tấn công mô phỏng, Carbon chặn được 99% quỹ đạo tấn công, xác suất bị vượt qua ở mỗi lần thử là 0,8%, trong khi Argon là 3,1%; tỷ lệ thành công của các truy vấn tấn công mạng tự động của Gray Swan là 2,17%, Argon là 9,86%. Tỷ lệ vượt qua 375 tác vụ về tính trung thực tăng từ 70% của Argon lên 92%.
Bài đánh giá nội bộ Project Fortify của Google cho thấy tỷ lệ thu hồi khi quét đạt 100% và độ chính xác phân loại là 95%. Các số liệu nội bộ kiểu này hiện chưa có bên thứ ba tái lập, và Google cũng chưa công bố quy mô bộ kiểm tra.
Những thứ được tung ra cùng lúc
Ngoài bản thân mô hình, Google đồng thời làm thêm ba việc:
- Quyền truy cập Argon miễn phí dành cho 10.000 nhà khoa học, mở cách đây bốn tuần, nay được mở rộng sang Carbon; người đăng ký có thể dùng miễn phí 6 tháng ở mức sử dụng cao nhất của Antigravity, và được xét duyệt luân phiên theo tuần;
- Antigravity xem trước tính năng
/swarm, chia một câu lệnh cho nhiều tác tử phối hợp hoàn thành; - Khi hợp tác với Wiz để quét hai nhà cung cấp SaaS lớn, mô hình đã tìm ra lỗ hổng zero-day trong vòng hai giờ; hai nhà cung cấp đó là ai thì chưa được tiết lộ.
Từ Argon đến Carbon, Google hai lần dùng cùng một nhịp: trước tiên trao cho đội an ninh, hai tuần sau mở rộng hoàn toàn. Điểm khác là lần này phía người dùng cuối chỉ dành cho thuê bao Ultra, người dùng Pro tạm thời chưa dùng được; khi nào gói Pro được bổ sung, thông báo không nêu lộ trình.
Nguồn tham khảo: Blog chính thức của Google, thẻ mô hình Google DeepMind, CocoLoop; các nội dung được đối chiếu gồm đơn giá API trong giai đoạn ưu đãi và sau khi khôi phục, xếp hạng các bài đánh giá và tỷ lệ kiểm tra an ninh; ước tính chi phí là phép tính nhanh của biên tập viên.