Một thẻ tiêu đề ghi 'Carbon chỉ được nêu tên một lần. Argon đảm nhận phần việc.' với phụ đề 'Google Research, 13 tháng 11 năm 2026', phía trên ba dữ kiện được đếm: Gemini 4 Carbon được nêu tên 1 lần trong phần thân bài đăng, Gemini 4 Argon được nêu tên 13 lần, và sản phẩm đơn lẻ lớn nhất là bản hình thức hóa Lean 4 dài 50 triệu dòng cho giả thuyết Courtade-Kumar.
Engineering & Research

Gemini 4 Carbon đã vào phòng thí nghiệm. Bài viết của chính Google ghi công Gemini 4 Argon mười ba lần.

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Năm mươi triệu dòng Lean 4. Đó là những gì cần có để kiểm chứng bằng máy một chứng minh cho giả thuyết Courtade–Kumar, một kết quả năm 2013 trong lý thuyết thông tin về việc bao nhiêu phần của một chuỗi bit nhiễu vẫn sống sót qua nén, và đây là hiện vật đơn lẻ lớn nhất trong bài viết nghiên cứu được công bố ngày 13 tháng 11 năm 2026 với tiêu đề "Advancing science & engineering with Antigravity's /teamwork." Bài đăng là nguồn của tuyên bố hiện đang lan truyền rằng các nhà nghiên cứu đang đưa Gemini 4 Carbon vào giải quyết các bài toán nhiều bước trên khắp vật lý, toán học và khoa học sự sống. Carbon có mặt trong bài đăng. Nó được nêu đúng một lần, trong danh sách ba mô hình ở đầu. Mỗi một trong các nghiên cứu điển hình bên dưới — giả thuyết này, các giả thuyết Weil đã được hình thức hóa, việc xác định cấu trúc bằng NMR, engine Go, việc viết lại nhân Zircon — đều được phần thân bài gán cho Gemini 4 Argon, hoặc cho "Gemini 4" không kèm cấp bậc, hoặc cho chính harness.

Đó không phải là một vụ bê bối và cũng không phải là một sự chỉnh sửa. Đó là một sự phân biệt đáng để hiểu đúng trước khi bất kỳ ai lập ngân sách dựa trên đó, bởi vì hai mô hình không thể hoán đổi cho nhau theo cách dòng tweet ngụ ý, và bởi vì giá của Carbon dự kiến sẽ tăng gấp đôi vào ngày 1 tháng 12 năm 2026 — mười bốn ngày kể từ hôm nay. Những gì sau đây là những gì bài đăng thực sự nói, những tuyên bố nào trụ vững trước sự soi xét, những tuyên bố nào do nhà cung cấp tự báo cáo và chưa được tái lập, và một độc giả bên ngoài Google có thể làm gì với bất kỳ điều nào trong số đó trong tuần này.

Bài đăng, chương trình và một câu duy nhất

Google Research đã công bố nó vào ngày 13 tháng 11, ghi công cho Vahab Mirrokni, một Google Fellow và Phó Chủ tịch Google Research. Đoạn mở đầu nêu tên các mô hình trong một danh sách duy nhất: “Sử dụng Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen và các quy trình làm việc đa tác nhân như /teamwork của Antigravity (xây dựng trên nhiều mô hình Gemini khác nhau), những cộng tác này đã tạo ra các đổi mới mới…” Câu đó là toàn bộ sự hiện diện của Carbon trong lập luận. Đếm các tên trong phần thân bên dưới câu đó thì Argon xuất hiện mười ba lần, Hydrogen một lần, và Carbon không xuất hiện nữa.

Lý do mang tính cấu trúc chứ không phải điều đáng xấu hổ. /teamwork là một bộ khung, không phải một mô hình: nó vận hành một nhóm các tác nhân chuyên biệt, chỉ cấp cho mỗi tác nhân những tệp và công cụ mà bước của nó cần, giao việc cho những tác nhân kế nhiệm mới để ngữ cảnh không bị mục rữa qua những lần chạy kéo dài nhiều ngày, và định tuyến từng lời nhắc đến một mẫu quy trình làm việc được chọn cho nhiệm vụ. Lớp xác minh của nó mới là thứ Google thực sự đang bán — bộ kiểm tra Lean 4, các bộ kiểm thử không chỉnh sửa, trình mô phỏng thực thi, bộ đếm phần cứng — hoạt động như những bộ phản chứng quyết định câu trả lời ứng viên nào sống sót. Khi một bộ khung đảm nhận việc điều phối và một bộ kiểm tra chứng minh đảm nhận việc phán xét, mô hình bên dưới ít quan trọng hơn vòng lặp bao quanh nó. Argon, mô hình đã có thể gọi được trên API trả phí kể từ ngày 13 tháng 10 năm 2026, là mô hình mà các chiến dịch đã chạy trên đó.

Lý do Carbon tự đưa ra để có mặt trong danh sách là có thật nhưng khác biệt: đây là mô hình đa dụng mạnh nhất mà Google đã công bố, và trên Artificial Analysis, hiện nó đứng thứ tư trong số 81 mô hình với 60 điểm trên Intelligence Index v5.0.1. Không có gì trong bài đăng ngày 13 tháng 11 mâu thuẫn với điều đó. Cũng không có gì trong đó chứng minh Carbon đã đảm nhận công việc.

Screenshot of the Google Research blog post 'Advancing science & engineering with Antigravity's /teamwork', dated 13 November 2026 and credited to Vahab Mirrokni, showing the opening paragraph that lists Gemini 4 Argon, Gemini 4 Carbon and Gemini 4 Hydrogen alongside Antigravity's /teamwork multi-agent workflows.

Các kết quả, được sắp xếp theo mức độ có thể kiểm chứng của chúng

Bài đăng này đặc biệt rộng rãi về các chi tiết cụ thể đối với một blog nghiên cứu, điều này giúp có thể phân loại các tuyên bố theo loại bằng chứng hậu thuẫn chúng thay vì theo việc chúng nghe có vẻ ấn tượng đến mức nào.

• Được máy kiểm tra, nên về nguyên tắc có thể xác minh — chứng minh Courtade–Kumar, được hình thức hóa từ đầu đến cuối trong Lean 4 với 50 triệu dòng, cùng với đóng góp của con người được nêu rõ: một nhóm tại CUHK đã đề xuất hàm ứng viên giúp quy bài toán về một bài tối ưu hóa 14 biến. Cũng trong nhóm này, việc hình thức hóa các giả thuyết Weil với khoảng 1,8 triệu dòng qua 28.800 lần gọi tác tử con, bài toán thứ mười của Hilbert trên các vành tổng quát với hơn 919.000 dòng, giả thuyết Birkhoff còn mở từ năm 1927, và giả thuyết Bochner–Riesz 3D, nơi hệ thống báo cáo đã tìm ra và sửa một lỗ hổng trong một chứng minh phi hình thức mới được công bố gần đây. Một chứng minh Lean biên dịch được là một loại khẳng định khác với điểm benchmark, và Google xứng đáng được ghi công vì điều đó — dù "50 triệu dòng mã chứng minh được tạo ra" cũng là một phát biểu về khối lượng tìm kiếm chứ không phải về tính thanh nhã.

• Được đo lường, với phép đo được mô tả — kết quả hóa học phân tử. Ba mươi tác nhân chuyên biệt trong một vòng lặp tự hiệu chỉnh, cùng với một trình mô phỏng phổ dựa trên vật lý, đã đạt 95% khớp chính xác top-1 và 100% top-3 trên các bộ chuẩn làm sáng tỏ cấu trúc bằng NMR, mà Google mô tả là gần gấp đôi hiệu suất của tác nhân đơn lẻ. Đây là điều gần nhất trong bài viết với một tuyên bố về khoa học sự sống, và là điều dễ được trích dẫn nhất. Các phân tử trong bộ chuẩn không được nêu tên trong bài viết, con số đường cơ sở của tác nhân đơn lẻ chỉ được đưa ra dưới dạng một tỷ lệ, và chưa có sự tái lập độc lập nào.

• Gần với đánh giá đồng nghiệp, kèm theo một khảo sát — Deep Review tại STOC 2027. Các tác giả của 578 bài nộp, hơn một phần ba tổng số, đã chọn nhận phản hồi tự động về bản nháp của mình. Trong một khảo sát đang diễn ra với 70 tác giả, 90% đánh giá phản hồi là phần lớn hoặc gần như hoàn toàn đúng thực tế, 90% cho biết họ sẽ sử dụng lại, hơn 30% cho biết công cụ đã phát hiện các lỗi chứng minh quan trọng, và 14% báo cáo những lỗ hổng kỹ thuật mất hơn một giờ để khắc phục. Đó là những người trả lời tự chọn mô tả bài nộp của chính họ, điều này yếu hơn một nghiên cứu có đối chứng và mạnh hơn nhiều so với một lời chứng thực.

• Các con số kỹ thuật từ các hệ thống production — một bản viết lại bằng Rust khoảng 800.000 dòng cho microkernel Zircon vượt qua các bài kiểm thử đơn vị và khởi động trên arm64; libgav1 được chuyển sang khoảng 170.000 dòng Rust với độ tương đương chính xác từng bit 100% và cuối cùng nhanh hơn 20% đến 30% so với C++ gốc và hợp ngữ viết tay; công việc kernel TPU báo cáo mức tăng tốc trung bình nhân 4,09 lần trên 17 kernel JAXBench; Connected Components mở rộng tới đồ thị nghìn tỷ cạnh với RAM thấp hơn 6 lần; và một engine cờ vây 9x9 tăng khoảng 2.600 Elo trong chưa đầy tám ngày, nằm giữa KataGo ở 16 và 32 lượt truy cập. Đây là những phép đo nội bộ mà công ty chọn công bố, không có kiểm toán bên ngoài và, trong hầu hết các trường hợp, không có sản phẩm nào được phát hành.

• Hoàn toàn không có trong bài viết — bất cứ điều gì về chi phí. Không có ngân sách chiến dịch, không có số lượng token, không có hóa đơn trên mỗi kết quả xuất hiện ở bất kỳ đâu trong bài viết. Đối với một hệ thống mà đầu ra bao gồm các chứng minh dài 50 triệu dòng và những đợt huấn luyện tự động kéo dài tám ngày, đó chính là phần thiếu sót mà một độc giả đang lên kế hoạch cho chiến dịch của riêng mình sẽ muốn được lấp đầy nhất.

Đọc lại danh sách khi đã nghĩ tới việc quy công, bức tranh sẽ trở nên rõ ràng: bộ khung tạo ra kết quả, bộ xác minh chứng nhận kết quả, các chuyên gia con người định hình vấn đề, còn mô hình là động cơ — một trong ba động cơ, và bài viết nêu tên động cơ mà nó dựa vào.

Tại sao kết quả harness không phải là kết quả mô hình, và cách định giá phần khác biệt

Động cơ để gộp hai thứ này làm một là hiển nhiên, vì điểm chuẩn là một con số bạn có thể so sánh còn kết quả của harness là một câu chuyện về một quy trình làm việc. Con số so sánh được của Carbon, do một bên thứ ba không có lợi ích liên quan đến harness đo được, là 60 trên Intelligence Index v5.0.1 — đứng thứ tư trong số 81, với Claude Fable 5.2 ở mức 65 phía trên và GPT-6.1 Sol ở mức 55 phía dưới. Cùng trang đó ghi chi phí của Carbon là $5.48 cho mỗi tác vụ chỉ số hoàn thành và thời gian là 33.2 phút mỗi tác vụ, cả hai đều cao hơn đáng kể so với mức trung vị cho phân khúc giá của nó, vì nó ghi 205 triệu token đầu ra để hoàn thành việc mà mô hình trung vị hoàn thành trong 78.6 triệu.

Screenshot of the Artificial Analysis model page for Gemini 4 Carbon, showing an Intelligence Index of 60 and a rank of fourth of 81, a time to first answer token of 72.88 seconds, output speed of 62 tokens per second, 33.2 minutes per Intelligence Index task, input and output pricing of $2.00 and $10.00 per million tokens with a 95% cache discount, a cost of $5.48 per Intelligence Index task, 7.62 billion input tokens and 205 million output tokens, and a 1M-token context window with text, image, speech and video input.

Việc viết dài dòng đó không phải là khiếm khuyết trong tìm kiếm chứng minh. Khi nhiệm vụ là khám phá một không gian tham số và kiểm tra các ứng viên với Lean, viết nhiều hơn chính là phương pháp. Khi nhiệm vụ là một phiếu hỗ trợ, đó là hóa đơn. Bài đăng ngày 13 tháng 11 là bằng chứng cho trường hợp đầu và không nói gì về trường hợp thứ hai — và bất kỳ nhóm nào đọc nó như "Carbon là hình mẫu cho agent của chúng ta" đang vay mượn một kết quả từ một harness mà họ không chạy, trên một loại nhiệm vụ mà họ có thể không có.

Điều có thể chuyển giao là mẫu thiết kế, và nó không chỉ thuộc về Google: khám phá song song, một bộ phản chứng bên ngoài không có quan điểm riêng, ngữ cảnh mới ở mỗi bước, và một nhà phê bình không bao giờ thấy lập luận của người tạo ra. Mỗi điều đó là một thuộc tính của cách bạn gọi một mô hình, không phải của việc bạn gọi mô hình nào.

Một người ngoài cuộc thực sự có thể nhận được gì và phải trả giá ra sao sau ngày 1 tháng 12

Bài viết kết thúc bằng đoạn có tính hành động nhất: hôm nay, các nhà khoa học và nhà phát triển bên ngoài có thể sử dụng các mô hình Gemini 4 với /teamwork và /boost trong Antigravity và Deep Review, và Google đã mở đơn đăng ký cho phép 10.000 nhà nghiên cứu học thuật được truy cập miễn phí trong sáu tháng vào gói sử dụng cao nhất của mình. Chương trình đó mới là tin thực sự đối với một phòng thí nghiệm. Đây cũng là lộ trình duy nhất được đưa ra mà miễn phí, và nó có giới hạn, phải nộp đơn và được xét duyệt, và có thời hạn.

Ai cũng mua token. Gemini 4 Carbon chính thức được cung cấp rộng rãi trên Gemini API trả phí vào ngày 10 tháng 11 năm 2026, mười ba ngày sau khi Google công bố nó, với giá 2,00 USD mỗi triệu token đầu vào và 10,00 USD mỗi triệu token đầu ra — mức giá này được giữ đến hết ngày 30 tháng 11 và trở thành 4,00 USD và 20,00 USD vào ngày 1 tháng 12, với đầu vào được lưu trong bộ nhớ đệm chuyển từ 0,10 USD sang 0,20 USD cùng ngày. Không có gói miễn phí cho mô hình; mọi token được xử lý đều bị tính phí, kể cả token suy luận. Một chiến dịch nghiên cứu kéo dài sáu tuần được định giá theo mức giá hiện tại là một chiến dịch có giá bằng một nửa chi phí vào tháng 12 của nó, điều này hoặc là một lý lẽ ủng hộ việc bắt đầu ngay bây giờ, hoặc là một lý do để ước tính hóa đơn theo con số cao hơn.

Carbon được định tuyến trên OrcaRouter dưới dạng google/gemini-4-carbon theo giá niêm yết của Google với mức cộng thêm 0%, trên cùng khóa và cùng endpoint tương thích OpenAI như phần còn lại của danh mục, điều này quan trọng ở đây vì một lý do hết sức bình thường: thay đổi ngày 1 tháng 12 là thay đổi giá từ nhà cung cấp, và mức giá chuyển tiếp nghĩa là con số phía chúng tôi thay đổi theo Google ngay trong ngày thay vì sau một chu kỳ định giá lại. Trang mô hình hiển thị khung thông số hiện tại — ngữ cảnh 1.048.576 token, đầu ra tối đa 65.536 token, đầu vào văn bản, hình ảnh, âm thanh, video và PDF, đầu ra văn bản, gọi công cụ gốc và đầu ra có cấu trúc — tức là bảng thông số mà bài đăng ra mắt của chính Google đã không công bố.

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing a 1,048,576-token context window, a 65,536-token maximum output, multimodal input across text, image, file, audio and video with text output, tool calling and structured outputs, and pricing of $2.00 per million input tokens and $10.00 per million output tokens.

Câu hỏi mà bài đăng bỏ ngỏ

Google giờ đây, trong vòng hai mươi ngày, đã công bố một thông báo đưa Carbon lên đầu một chỉ mục trung lập, một bài đăng về tính sẵn có chung khiến nó có thể được gọi và ghi rõ thời hạn cho mức giảm giá của chính nó, và một bài nghiên cứu sử dụng nó trong một danh sách bên cạnh hai mô hình anh em. Điều mà hãng chưa công bố là một kết quả duy nhất mà hãng quy cho riêng Carbon, ở một mức chi phí được nêu rõ, trên một tác vụ mà bên thứ ba có thể chạy lại. Cho đến khi điều đó tồn tại, bản tóm tắt trung thực về ngày 13 tháng 11 hẹp hơn dòng tweet và hữu ích hơn: bộ khung chạy được, bộ xác minh mới là phần thú vị, và mô hình được nhắc tên mười ba lần chính là mô hình mà các chiến dịch thực sự đã chạy trên đó.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày