Gemini 4 Neon ra mắt, đứng đầu bảng xếp hạng agent lập trình

Google DeepMind ngày 18/11 đã phát hành Gemini 4 Neon, phân khúc tầm trung trong họ Gemini 4. Theo cách phân vai của Google, Carbon đảm nhận những dự án khó nhất, kéo dài nhất; Hydrogen lo các tác vụ thực thi nhanh hằng ngày; còn Neon nằm giữa hai phiên bản này, hướng tới lập trình phức tạp, phân tích suy luận và quy trình làm việc cấp doanh nghiệp.

Giá niêm yết là 3 USD cho mỗi triệu token đầu vào và 15 USD cho mỗi triệu token đầu ra; token đầu vào được lưu đệm có giá 0,15 USD, bằng một phần hai mươi giá đầu vào tiêu chuẩn. Cửa sổ ngữ cảnh là 1 triệu token. Cường độ suy nghĩ chia làm bốn mức; Google cho biết ở mức mặc định high, chi phí mỗi tác vụ thấp hơn Carbon 32%, còn ở mức cao nhất xhigh thì rẻ hơn mức cao nhất của đối thủ hơn 36% trên mỗi tác vụ.

Vị trí trên bảng thành tích

Google dẫn khá nhiều bảng xếp hạng của bên thứ ba. Chỉ số agent lập trình của Artificial Analysis đạt 58,6 điểm, xếp thứ nhất; Chỉ số trí tuệ tổng hợp đạt 61 điểm ở mức xhigh, xếp thứ ba. Chỉ số Vals đạt 70,9%, xếp thứ hai; Agent Arena của Arena đạt 1336 điểm dựa trên hơn 4200 phiên agent thực tế, cũng xếp thứ hai. AutomationBench của Zapier đạt 56,3% và Vending-Bench 2 của Andon Labs cho kết quả 16.843 USD, cả hai bài đều xếp thứ nhất.

Ở các bài kiểm tra thiên về kỹ thuật, Terminal-Bench 4.1 đạt 65,2%, trong khi Hydrogen, phát hành tuần trước, đạt 57% trên cùng bài kiểm tra; FrontierCode 2.0 đạt 46,2% ở mức mặc định. Điểm SWE-sweep phụ thuộc nhiều vào khung thử nghiệm: với khung mini-SWE chỉ đạt 12,8%, còn với khung Antigravity do chính Google phát triển là 39,0%. Phần lớn các con số này đến từ đánh giá của bên thứ ba hoặc đánh giá nội bộ của Google, và trang công bố không nêu điều kiện thử nghiệm thống nhất, nên khi so sánh chéo cần lưu ý cách tính.

Về an toàn, Google đưa ra vài nhóm số liệu hành vi: tỷ lệ đi đường tắt trong đánh giá gian lận khi lập trình là 2,45%, tỷ lệ hành vi sai trong bài kiểm tra an toàn agent là 0,09%, và tỷ lệ tấn công thành công của kỹ thuật chèn lệnh gián tiếp (prompt injection) theo bài kiểm tra của Gray Swan là 0. Phiên bản dành cho an ninh mạng chỉ mở cho các bên phòng thủ đáng tin cậy, sẽ được mở dần trong vài ngày tới qua chương trình Fairwind; muốn đăng ký cần liên hệ đội ngũ khách hàng của Google Cloud.

Google viết trong phần giới thiệu:

"Neon also excels at multi-step instruction following and builds on our ongoing progress to curb fabrication"

(Neon thể hiện nổi bật ở khả năng làm theo chỉ dẫn nhiều bước, đồng thời tiếp nối tiến bộ liên tục của chúng tôi trong việc hạn chế nội dung bịa đặt.)

Illustration: a control hub directs robot stations in parallel, showing how Gemini 4 Neon coordinates sub-agents

Đặt ba phiên bản cạnh nhau để tính

Đặt giá công khai của cả họ cạnh nhau: Hydrogen là 1,5 USD đầu vào và 7,5 USD đầu ra mỗi triệu token; Carbon trong giai đoạn khuyến mãi là 2 USD và 10 USD, từ tháng 12 trở lại 4 USD và 20 USD; Neon là 3 USD và 15 USD.

Chỉ nhìn đơn giá, Neon đắt hơn Carbon trong giai đoạn khuyến mãi một nửa. Con số "thấp hơn 32%" mà Google nói được tính theo từng tác vụ, dựa trên việc hoàn thành cùng một việc tiêu tốn ít token hơn. Thử tính nhẩm một ví dụ: một tác vụ agent đọc 200.000 token và viết 30.000 token thì chi phí niêm yết trên Neon khoảng 0,6 + 0,45 = 1,05 USD; cùng lượng dùng đó trên Carbon sau tháng 12 là 0,8 + 0,6 = 1,4 USD. Thực tế hai bên chênh bao nhiêu còn tùy Neon tiết kiệm được bao nhiêu token đầu ra ở từng tác vụ cụ thể, mà Google không công bố lượng token của từng tác vụ riêng lẻ.

Nếu tác vụ có nhiều ngữ cảnh lặp lại, chẳng hạn đọc đi đọc lại cùng một kho mã, tác dụng của giá lưu đệm càng rõ. Nếu toàn bộ 200.000 token đầu vào ở trên đều trúng bộ nhớ đệm, phần đầu vào chỉ tốn 0,03 USD, và chi phí mỗi lượt chủ yếu dồn vào phần đầu ra.

Dùng ở đâu

Nhà phát triển có thể gọi qua gói trả phí của Gemini API; Google AI Studio và Android Studio đã tích hợp. Khách hàng doanh nghiệp dùng qua Gemini for business và Antigravity. Trong Antigravity, Neon có thể đóng vai trò điều phối, chỉ huy nhiều agent con Hydrogen chạy song song, mỗi agent làm một phần việc.

Trong ứng dụng Gemini, người đăng ký Google AI Pro và Ultra có thể chọn nó trong menu thả xuống chọn mô hình, và tính năng tác vụ của Gemini cũng có thể chuyển sang chạy bằng Neon. Người dùng miễn phí có dùng được hay không và hạn mức sử dụng trong ứng dụng là bao nhiêu, Google chưa nêu rõ.

Nguồn tham khảo: bài viết công bố Gemini 4 Neon trên blog chính thức của Google, CocoLoop, Artificial Analysis, Vals; đã đối chiếu giá đầu vào, đầu ra và giá lưu đệm mỗi triệu token; thứ hạng và điểm số của các bảng xếp hạng bên thứ ba lấy theo cách tính mà Google trích dẫn.