Gemini 4 Argon: Cùng tên, khác trọng số — Lần xuất hiện tại Carbon Arena

Vào ngày 21 tháng 10 năm 2026, một bài đăng từ @chetaslua khẳng định rằng một checkpoint mới đang được thử nghiệm trên Arena dưới một cái tên không hề thay đổi. Mô hình vẫn được gọi là G​emini 4 Argon — định danh gemini-4-argon, mà G​oogle đã công bố vào ngày 30 tháng 9 năm 2026 và đã phát hành dưới dạng khả dụng chung kể từ ngày 13 tháng 10 — nhưng các trọng số đằng sau cái tên đó được cho là Carbon, checkpoint nội bộ mà Business Insider mô tả vào ngày 9 tháng 10 là có cảm giác tương đương với Claude Opus 5.5 khi lập trình. Bằng chứng của bài đăng là một ảnh chụp màn hình từ một bot theo dõi Arena của bên thứ ba, cho thấy một thay đổi về năng lực được ghi nhận đối với bí danh Argon, cùng một video ngắn mà tác giả trình bày như đầu ra đầu tiên của checkpoint. Không có thông báo nào, không có mục nhật ký thay đổi nào, không có thẻ mô hình nào và không có bình luận nào từ G​oogle. Vì vậy đây không phải là một câu chuyện ra mắt, và không có gì ở đây gợi ý rằng một mô hình mới đã được phát hành: mô hình đang được thảo luận đã công khai kể từ ngày 13 tháng 10. Điều mới mẻ là tuyên bố rằng cái tên công khai có thể không còn trỏ đến các trọng số công khai nữa. Các sự cố AI và thất bại của tác nhân đã được ghi nhận đằng sau các mô hình trong lớp này được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục mang các nguồn, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp riêng.

Bài đăng thực sự nói gì, sau khi bỏ đi phần đùa.

Bài đăng gồm bốn dòng và một video, được viết theo giọng điệu của một người kỳ vọng bạn đã biết rõ bối cảnh. Rút gọn thành các luận điểm, nó nói thế này:

• Một checkpoint G​emini mới đang được thử nghiệm trên Arena — đấu trường so sánh mô hình công khai, nơi các phòng thí nghiệm đôi khi đưa những bản dựng chưa phát hành vào dưới bí danh.

• Biệt danh không mới. Tên gọi là "giống nhau", mà trong ngữ cảnh có nghĩa là gemini-4-argon, một mã định danh vốn đã là một mô hình đang được phát hành.

Checkpoint đằng sau cái tên đó được cho là Carbon, bản dựng nội bộ mà báo cáo ngày 9 tháng 10 đã tách khỏi Barium-B, checkpoint mà Google thực sự phát hành dưới tên Gemini 4 Argon.

• Lời nhắc đầu tiên của tác giả yêu cầu một video 3D về "độ ổn định carbon" được xây dựng xoay quanh linh vật G​emini, và bài đăng trình bày đoạn clip thu được như đầu ra đầu tiên của checkpoint. Câu kết, "Logan Redemption Arc", là một trò đùa về một nhân viên G​oogle và không mang hàm ý kỹ thuật nào.

Đó là toàn bộ. Một quan sát bí danh, một quy kết mật danh, một mẫu đầu ra, và không có bất kỳ hiện vật tái tạo được nào dưới bất kỳ hình thức nào.

Bức ảnh chụp màn hình là thật, và nó không nói điều mà bài đăng nói.

Ảnh chụp đính kèm đáng được đọc kỹ, vì đây là phần duy nhất của tuyên bố tồn tại dưới dạng tài liệu chứ không phải một câu. Đó là một thẻ thông báo từ bot có tên Arena Scout, được ghi công cho "Journey To AGI" và "Synopsis on X", có tiêu đề "Thay đổi năng lực" và nêu tên gemini-4-argon. Nó đánh dấu một phát hiện vào 9:30 sáng ngày 21 tháng 10 năm 2026, liệt kê tổ chức là Google và nhà cung cấp là "không rõ", đồng thời cho thấy mức chênh lệch năng lực: đầu vào văn bản và đầu ra văn bản, với đầu vào hình ảnh và cờ web ở phía bị thay đổi trong phạm vi có thể đọc được bằng cỡ chữ nhỏ.

Ba điều sau đây, và chỉ ba.

• Bí danh gemini-4-argon đã được phục vụ trên Arena vào ngày 21 tháng 10, và có điều gì đó về cách nó được cấu hình đã thay đổi vào sáng hôm đó. Đó chính là mục đích của một bot phát hiện thay đổi năng lực, và đó là cách lý giải thẻ kém thú vị nhất.

• Thẻ này là bằng chứng về việc một alias đang làm điều gì đó, chứ không phải bằng chứng về việc trọng số nào nằm phía sau alias. Việc một cờ năng lực bị bật/tắt cho bạn biết cấu hình đã thay đổi. Nó không thể cho bạn biết liệu mô hình bên dưới là Barium-B, Carbon, hay một bản dựng thứ ba mà chưa ai đặt tên. Bước nhảy trong bài đăng từ "thay đổi năng lực trên alias" sang "đó là carbon" là suy luận của tác giả, không phải phát hiện của bot.

• Bản thân bot là một bên thứ ba, và thẻ chỉ là thông báo, không phải bản ghi đầy đủ. Chưa ai đăng phiên Arena, siêu dữ liệu bí danh, hay bản so sánh trực tiếp với mô hình đang phát hành.

Cũng có một điểm lạ nhỏ về đồng hồ đáng nói rõ ra thay vì lấp liếm: bài đăng có dấu thời gian 08:46 UTC, trong khi tấm thẻ bên trong lại ghi 9:30 AM. Một dấu thời gian theo giờ địa phương ở phía bot giải thích điều đó một cách thoải mái, và nó không thay đổi gì về ngày. Nhưng nó là lời nhắc rằng hiện vật này là ảnh chụp màn hình của một thông báo được chuyển tiếp — không phải nhật ký.

Tại sao một cái tên không thay đổi lại là phần thú vị

Alias mô hình được cho là những hợp đồng ổn định. Khi bạn gửi yêu cầu đến một mô hình có tên, bạn đang dựa vào cái tên để cố định hành vi: cùng tokenizer, cùng hồ sơ từ chối, cùng dạng độ trễ, cùng mức giá. Các phòng lab đưa những bản dựng chưa phát hành lên Arena thường làm vậy dưới một alias tạm dùng rồi bỏ, chính xác để tên phát hành vẫn giữ một ý nghĩa duy nhất.

Nếu bài đăng là đúng, quy ước đó đã bị bỏ qua, và hệ quả là cụ thể chứ không phải lý thuyết. Bất kỳ ai đã đo điểm chuẩn gemini-4-argon vào tuần trước và bất kỳ ai đo điểm chuẩn nó vào tuần này có thể không đo cùng một hệ thống. Đó là khác biệt giữa một rò rỉ về một mô hình tương lai và một rò rỉ về mô hình mà bạn đang trả tiền — và đó là lý do lần xuất hiện này đáng để có một trang dù mật danh nền tảng đã được công khai từ ngày 9 tháng 10.

Điều có thể giải quyết chuyện này không phải là một ảnh chụp màn hình khác. Mà là một đánh giá theo cặp: cùng một bộ prompt được chạy với alias trước và sau thay đổi, cộng với một phép dò tokenizer và một phân phối độ trễ. Chưa ai công bố điều đó. Cho đến khi có ai đó làm vậy, lập trường trung thực là một cái tên có thể đã dịch chuyển và chúng ta chưa thể thấy nó dịch chuyển tới đâu.

Mô hình vận chuyển thực sự là gì, để việc so sánh có một mốc cơ sở.

Gemini 4 Argon không phải là tin đồn. Google đã công bố nó vào ngày 30 tháng 9 năm 2026, và nhật ký thay đổi của Gemini API ghi nhận trạng thái khả dụng chung vào ngày 13 tháng 10 với định danh gemini-4-argon. Thông số kỹ thuật được công bố cụ thể một cách bất thường, khiến nó trở thành một thước đo tốt để đánh giá bất kỳ tuyên bố nào cho rằng các trọng số đã được di chuyển:

• {{1}}Giá{{/1}} — {{2}}2,00 USD{{/2}} cho mỗi triệu token đầu vào và {{3}}10,00 USD{{/3}} cho mỗi triệu token đầu ra trong giai đoạn giới thiệu, với đầu vào đã lưu trong bộ nhớ đệm được {{4}}giảm 95%{{/4}}; mức giá sau giai đoạn giới thiệu được nêu là {{5}}4,00 USD{{/5}} và {{6}}20,00 USD{{/6}}.

• Ngữ cảnh — cửa sổ 1M token thống nhất, với các lần giải mã dài lên đến 1M token đầu ra, tăng từ giới hạn đầu ra 64K ở thế hệ trước.

• Điểm số độc lập — Artificial Analysis xếp G​emini 4 Argon (High) ở mức 53 trên Intelligence Index của mình, xếp thứ 8 trên trình theo dõi đó, được đo ở mức 1,99 USD mỗi tác vụ Index.

• Tốc độ — 83,1 token đầu ra mỗi giây, với thời gian đến token đầu tiên là 47,43 giây, theo cùng nguồn.

• Phương thức đầu ra — văn bản, trong mọi đặc tả công khai mà chúng tôi có thể đọc được. Đầu vào rất đa dạng: văn bản, hình ảnh, âm thanh, video và tệp. Đầu ra là văn bản.

Dòng cuối đó là chỗ video của bài đăng trở nên khó đánh giá. Một đoạn clip không phải là thứ mà mô hình này được ghi nhận là có thể xuất ra. Hoặc checkpoint đang được kiểm thử có một phương thức mà mô hình phát hành chính thức không có, hoặc đoạn clip được tạo ra bởi một thứ khác trong chuỗi — một bước kết xuất, một mô hình video riêng, hoặc công cụ của chính tác giả — rồi được trình bày như đầu ra của mô hình. Bài đăng không nói rõ là trường hợp nào, và chỉ riêng đoạn clip thì không thể cho bạn biết.

Carbon, và những gì báo cáo ngày 9 tháng 10 đã xác lập và chưa xác lập

Tên mã Carbon không phải là thông tin mới, và cần nói chính xác về nguồn gốc của nó vì bài đăng mới thừa hưởng toàn bộ những điểm yếu của nó. Business Insider đưa tin, và trang theo dõi rò rỉ TestingCatalog dẫn lại vào ngày 9 tháng 10, rằng nhân viên Google đang thử nghiệm nội bộ một checkpoint Gemini 4 bổ sung có tên Carbon; rằng phản hồi nội bộ ban đầu đánh giá nó tương đương Claude Opus 5.5 về lập trình; rằng Barium-B là checkpoint được chọn cho bản phát hành Argon công khai; và rằng Carbon, được vận hành qua nền tảng Jetski nội bộ của Google, là một phiên bản riêng biệt và có khả năng mạnh hơn. Cùng bản tin đó nói rõ rằng liệu Carbon sẽ trở thành một bản cập nhật Argon trong tương lai hay một bản phát hành riêng vẫn chưa được xác nhận.

Hãy lưu ý “cảm thấy tương đương với Claude Opus 5.5 khi lập trình” là kiểu tuyên bố gì. Đó là cảm nhận của nhân viên, không phải benchmark. Nó không có bộ tác vụ, không có cỡ mẫu, không có bộ tiêu chí chấm điểm và không có số bản sửa đổi, và không ai ngoài G​oogle có thể tái tạo nó. Đó là kiểu thông tin thực sự hữu ích như một tín hiệu định hướng và thực sự vô dụng như một con số — và một bài viết tô vẽ nó thành một điểm số sẽ là đang lừa dối bạn.

Bài đăng ngày 21 tháng 10, nếu có tác động gì, thì cũng đẩy thông tin đưa tin trước đó theo một hướng mà nó đã công khai để ngỏ: không phải một bản phát hành riêng, mà là cùng một bí danh mang các trọng số khác nhau. Đó là một cập nhật có ý nghĩa cho bức tranh tổng thể. Nó cũng vẫn chỉ là suy luận của một người từ một thông báo của bot.

Điều này có nghĩa là gì nếu bạn là người trả tiền cho các cuộc gọi

Câu chuyện này có hai nhóm đối tượng độc giả và họ nên làm những việc khác nhau.

Nếu bạn đang đánh giá chuẩn, hệ quả thực tiễn là các con số của bạn cần được gắn với một ngày. Điểm số cho gemini-4-argon được thu thập trước ngày 21 tháng 10 có thể mô tả một checkpoint không còn tương ứng với cái tên đó nữa. Hãy chạy lại đánh giá của bạn trước khi so sánh nó với bất cứ thứ gì, và ghi lại ngày bên cạnh con số theo cách bạn ghi lại một bản sửa đổi mô hình.

Nếu bạn đang vận hành sản phẩm trên alias, hậu quả nhỏ hơn so với tiêu đề gợi ý nhưng không phải bằng không. Một cuộc hoán đổi checkpoint âm thầm sẽ thay đổi giọng điệu, hành vi từ chối và phân bố độ trễ trước khi nó thay đổi điểm benchmark, và đó chính là những thứ người dùng của bạn nhận ra. Cách phòng vệ cũng giống như cách hiệu quả trước bất kỳ bất ngờ nào từ một nhà cung cấp duy nhất: giữ một mô hình thứ hai luôn có thể truy cập, và biến việc chuyển đổi thành một thay đổi cấu hình thay vì một sự cố. Đó chính là trường hợp mà OrcaRouter được xây dựng để giải quyết — một API duy nhất xuyên suốt hơn 200 mô hình với khả năng chuyển đổi dự phòng tự động giữa các nhà cung cấp, với mức phụ trội 0% so với giá niêm yết của nhà cung cấp, vì vậy một mô hình bắt đầu hành xử khác đi vào lúc 09:30 thứ Ba chỉ là một quy tắc định tuyến bạn thay đổi, chứ không phải một sự cố gián đoạn dịch vụ bạn phải giải thích.

Về tính khả dụng, phiên bản trung thực: Gemini 4 Argon không có trên OrcaRouter. Truy vấn danh mục của chúng tôi cho google/gemini-4-argon trả về "không tìm thấy mô hình", vì Google không làm cho nó có thể gọi được đối với chúng tôi — cùng lý do Carbon checkpoint không có ở đó và không thể có. Những gì chúng tôi cung cấp hôm nay bao gồm mô hình của Google Gemini 3.8 Flash với giá $0.75 mỗi triệu đầu vào và $3.75 mỗi triệu đầu ra với lượt đọc bộ nhớ đệm ở mức $0.075, và mô hình của Anthropic Claude Opus 5.5 ở mức $4.00 và $20.00 với lượt đọc bộ nhớ đệm ở mức $0.20 — mô hình sau là mô hình mà so sánh Carbon luôn được đo với nó, và là mô hình duy nhất trong toàn bộ câu chuyện này có endpoint hoạt động và mức giá công bố mà bạn có thể kiểm tra.

Điều gì sẽ khiến điều này từ một lần nhìn thấy trở thành một sự thật?

Khoảng cách giữa hai bên rất hẹp, đó là lý do vì sao điều này đáng đọc ngay bây giờ thay vì đợi một tuần nữa. Bất kỳ điều nào sau đây cũng đủ:

• Một bản so sánh song song đã được công bố trên bảng xếp hạng của chính Arena, cho thấy một mục mới dưới bí danh Argon với dấu vân tay phong cách riêng biệt.

• Một người quan sát thứ hai, độc lập ghi nhận cùng một thay đổi bí danh trong cùng ngày, lý tưởng nhất là có cả yêu cầu và phản hồi thay vì chỉ có thẻ thông báo.

• Một mục nhật ký thay đổi, một mã định danh mô hình mới, hoặc một hậu tố phiên bản trên gemini-4-argon — cách thông thường mà một phòng thí nghiệm cho bạn biết trọng số đã thay đổi.

• Việc chạy tokenizer hoặc đo độ trễ trước và sau ngày 21 tháng 10, đây là phép thử rẻ nhất hiện có và là phép thử mà chưa ai công bố.

Cho đến khi một trong những điều đó thành hiện thực, cách hiểu đúng nên giữ ở mức hẹp: một bot bên thứ ba đã ghi nhận một thay đổi về năng lực đối với bí danh của một mô hình đang được phát hành vào ngày 21 tháng 10, và một tài khoản được nhiều người theo dõi nói rằng checkpoint đứng sau bí danh đó là Carbon. Cả hai nửa đều có thể đúng. Chưa nửa nào được chứng minh là đúng, và nửa thứ hai đang gánh trọng lượng lớn hơn đáng kể so với nửa thứ nhất.