Gemini 4 Carbon đứng số một trên Index và không còn khả dụng: Điều gì đã thay đổi vào ngày 28 tháng 10

Google DeepMind đã công bố Gemini 4 Carbon: mô hình biên giới tiếp theo của chúng ta vào ngày 28 tháng 10 năm 2026, và bên trong bài đăng đó có con số mà kể từ đó đã được trích dẫn ở khắp mọi nơi: 59 trên Chỉ số Trí tuệ Artificial Analysis v5.0 — vị trí đầu tiên, hơn Claude Opus 5.5 ở mức 58 đúng một điểm, và hơn Gemini 4 Argon chín điểm, mô hình mà Carbon được xây dựng dựa trên và cũng là mô hình mà Google đã bán trên API trả phí của mình kể từ ngày 13 tháng 10. Artificial Analysis là bên đánh giá độc lập đứng sau con số đó, và họ đã công bố dòng dữ liệu ấy ngay trong cùng ngày. Điều không xuất hiện vào ngày 28 tháng 10, hay ngày 29 hoặc 30 tháng 10, là một cách để bất kỳ ai bên ngoài một chương trình được chỉ định có thể gọi mô hình.

Khoảng cách đó — giữa một thứ hạng cao đã được xác minh và một cánh cửa không có tay nắm — chính là toàn bộ câu chuyện của tuần này. Carbon không phải một vụ rò rỉ, không phải tin đồn và cũng không phải bản xem trước mà ai đó tình cờ thấy trên bảng xếp hạng. Đây là một mô hình đã được công bố, đã được đánh giá chuẩn, đã được định giá, có bảng giá được công bố và không có ID mô hình được công bố. Dưới đây là những gì thực sự đã thay đổi, những gì Google đã giữ kín, và ý nghĩa của các con số một khi bạn ngừng đọc điểm số trên tiêu đề và bắt đầu đọc chín bài kiểm tra mà từ đó điểm số này được lấy trung bình.

Những gì bài đăng nói, và bốn điều mà nó không nói

Thông báo nêu tên Koray Kavukcuoglu, phó chủ tịch cấp cao kiêm kiến trúc sư AI chính của Google DeepMind, đồng thời định vị Carbon là một mô hình an ninh mạng và kỹ thuật tầm dài hạn được xây dựng trên Argon. Cách diễn đạt về quyền truy cập rất chính xác và đáng đọc hai lần: “Bắt đầu từ tuần này, chúng tôi sẽ cung cấp Carbon cho một tập hợp con các chuyên gia phòng thủ không gian mạng,” sau đó “từng bước mở rộng quyền truy cập cho các đối tác tin cậy bổ sung thông qua Chương trình Fairwind của chúng tôi,” và cuối cùng là các nhà phát triển, doanh nghiệp và người tiêu dùng “càng sớm càng tốt” sau khi các biện pháp bảo vệ được tinh chỉnh. Google cũng cho biết họ đang tham gia quy trình kiểm thử trước khi phát hành tự nguyện của chính phủ Hoa Kỳ. Không có ngày tháng nào xuất hiện ở bất kỳ đâu trong chuỗi thông tin đó.

Bốn thứ mà một trang mẫu thường có lại đều vắng mặt:

• ID mô hình — danh sách mô hình API Gemini, được kiểm tra vào ngày 30 tháng 10, không có mục Carbon nào. Chuỗi Gemini 4 duy nhất của nó là gemini-4-argon.

• Cửa sổ ngữ cảnh — không được nêu trong bài đăng của Google và cũng không có trên trang định giá của Google. Trang mô hình của Artificial Analysis liệt kê 1M; đó là số liệu của bên thứ ba, không phải thông số kỹ thuật do nhà cung cấp công bố, và đây là con số duy nhất đang lưu hành.

• Số lượng tham số và kiến trúc — không được tiết lộ, và không có báo cáo kỹ thuật nào đi kèm với buổi ra mắt.

• Thẻ mô hình — không có bản nào được công bố tính đến ngày 30 tháng 10, đó là lý do mọi kênh truyền thông thứ cấp đều trích dẫn bài đăng blog thay vì bản đặc tả.

Ngược lại, giá cả được công bố đầy đủ, khiến những thông tin bị lược bỏ trông có chủ đích chứ không phải chưa hoàn thiện: Google sẵn sàng cho bạn biết Carbon tốn bao nhiêu trước khi sẵn sàng cho bạn biết nó là gì.

59 là điểm trung bình của chín bài kiểm tra, và Carbon thắng bốn trong số đó.

Bài viết của chính Artificial Analysis hữu ích hơn thứ hạng. Carbon dẫn đầu 4 trong 9 đánh giá thành phần — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience và AutomationBench-AA — nghĩa là điểm hạng nhất đến từ việc rất giỏi trên mọi phương diện chứ không phải từ việc thắng áp đảo toàn bộ. Những hạng mục mà nó không dẫn đầu lại là những hạng mục mà một nhà phát triển đang tìm chọn agent sẽ chú ý đầu tiên.

• Tác nhân lập trình — Carbon đạt 59 điểm trên Coding Agent Index với Antigravity CLI. Claude Opus 5.5 đạt 62 trong Claude Code. Ba điểm, đúng trên chính khối lượng công việc mà chiến dịch quảng bá của Google nhấn mạnh nhất.

• Terminal-Bench 4.0 — Carbon đứng thứ hai với 64%, sau Claude Opus 5.5.

• FrontierCode v1.1 — đứng thứ hai với 51%, tiếp tục xếp sau Opus 5.5.

• AA-Briefcase — 1.609 Elo, tăng 126 so với mức 1.483 của Gemini 4 Argon. Đây là bước nhảy lớn nhất trong một lần ra mắt, và nó vẫn khiến Carbon xếp sau Grok 4.7 (1.638), Muse Wonder (1.659) và Kimi K3.1 Pro (1.678).

• AA-Omniscience v1.1 — 54, dẫn trước 48 của Opus 5.5 và 46 của Argon. Độ chính xác tăng 10 điểm lên 58%, và tỷ lệ ảo giác tăng từ 4% lên 11%. Con số thứ hai không có trong bài đăng của Google.

Cách hiểu trung thực về 59, khi đó, là Carbon là mô hình đa dụng mạnh nhất trên bảng xếp hạng và là tác nhân lập trình mạnh thứ hai, với tỷ lệ ảo giác tệ hơn mà Google không tự nguyện công bố. Cả ba nhận định đều đến từ cùng một trang.

Bảng của chính Google, được dán nhãn là của Google.

Các con số của nhà cung cấp là những con số cuối cùng sẽ xuất hiện trong các bộ trình bày mua sắm, vì vậy chúng xứng đáng được ghi nguồn chính xác thay vì bị đặt chung một câu với điểm số độc lập. Mọi nội dung dưới đây đều do Google báo cáo và chưa được tái lập bên ngoài Google:

• SEC-bench Pro — 88,2% về phát hiện lỗ hổng, tuyên bố an ninh mạng chủ đạo.

• ExploitGym — đạt 54,8% về khai thác, so với 42,0% của Gemini 4 Argon.

• CWE-bench — 71.0% về việc vá lỗi.

• WebDev Arena — tăng 89 Elo lên 1.768, đứng thứ tư. Đây là một đấu trường công khai nên có thể kiểm chứng, và đó là lý do khiến đây trở thành tuyên bố của nhà cung cấp ít cần phải kèm lưu ý nhất.

• Gray Swan indirect prompt injection — tỷ lệ tấn công thành công 0,0%, so với 0,7% của Argon. Gian lận Terminal-Bench 4.0: 0,0% thành công, 0,4% đã thử.

• Các tuyên bố kỹ thuật nội bộ — thành công trong việc tạo mã an toàn cao hơn gấp đôi so với Argon; một tuyên bố của nhóm Chrome rằng Carbon tạo ra các bản vá tốt hơn "hơn 10 lần" so với mô hình tiên phong của một phòng thí nghiệm đối thủ; cảnh báo lệch hướng nghiêm trọng giảm gần 80%; các khẳng định không có căn cứ giảm khoảng một nửa; việc vượt phạm vi nhiệm vụ giảm 26% và phục vụ thiếu giảm 29%.

Bảng của Google không phải chỗ nào cũng tâng bốc, và hai chỗ mà nó thua chính là những chỗ đáng nhớ: FrontierSWE 2 thuộc về GPT-6 Astra, còn tập con offline OSWorld-2.1 thuộc về Claude Opus 5.5. Một bài đăng ra mắt mà công bố cả những thất bại của chính mình thì đáng tin hơn một bài chỉ công bố mười bảy chiến thắng mà không có cột nào cho phần còn lại — đó chính là lý do vì sao những dòng thua cuộc là thứ đầu tiên cần kiểm tra khi một nhà cung cấp tuyên bố thắng sạch mọi hạng mục.

Bảng giá, và chiếc đồng hồ mà Google đã không khởi động

Giá giới thiệu của Carbon là 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra, với đầu vào được lưu trong bộ nhớ đệm giảm 95%. Bài đăng sau đó nêu rằng "4 USD mỗi 1 triệu token đầu vào và 20 USD mỗi 1 triệu token đầu ra sẽ áp dụng" sau khi thời gian giới thiệu kết thúc — và không đưa ra ngày hết hạn. Ngược lại, Argon có một mốc cứng: mức giá giới thiệu của nó kéo dài đến ngày 30 tháng 11 năm 2026, và mức giá tiêu chuẩn bắt đầu vào ngày 1 tháng 12. Đồng hồ của Carbon chưa được khởi động, và nó sẽ không được khởi động cho đến khi mô hình có một endpoint công khai để bán.

Theo mức giá tiêu chuẩn, Artificial Analysis ước tính chi phí của Carbon cho mỗi tác vụ Intelligence Index là $7.76 — thấp hơn khoảng 23% so với Claude Opus 5.5 (max) ở $10.04, và cao hơn khoảng 1,2 lần so với GPT-6 Astra (max) ở $6.25, dựa trên 123k token đầu ra mỗi tác vụ. Đây là chi phí tính bằng đô-la trên mỗi tác vụ, không phải trên mỗi token, và sự khác biệt này rất quan trọng: một mô hình rẻ hơn trên mỗi token nhưng suy nghĩ lâu hơn vẫn có thể tốn nhiều hơn cho mỗi câu trả lời.

Đây là phần của đợt ra mắt sẽ trở nên liên quan ngay khi Carbon có endpoint, và cũng là phần mà quy tắc chuyển giá gốc trên toàn bộ danh mục mô hình được xây dựng cho. OrcaRouter tính mức chênh lệch 0% và chuyển thẳng giá niêm yết của nhà cung cấp, nên việc nhà cung cấp cắt giảm hoặc tăng giá sẽ có hiệu lực phía chúng tôi ngay trong ngày thay vì sau một chu kỳ định giá lại. Hiện nay quy tắc đó áp dụng cho các mô hình Google mà chúng tôi định tuyến; Carbon không nằm trong số đó, và những trang nói ngược lại đang bán một thứ mà chưa ai có thể cung cấp được.

Những gì một lập trình viên thực sự có thể làm trong tuần này

Vào ngày 30 tháng 10, danh mục OrcaRouter không chứa chuỗi nào khớp với Gemini 4. Các mô hình Gemini tiên phong có thể gọi được hôm nay nằm thấp hơn một nấc và được định giá tương ứng: Gemini 3.1 Pro Preview với giá đầu vào $2 và đầu ra $12 trên mỗi triệu token với ngữ cảnh 1 triệu token, cùng hạng Flash — Gemini 3.8 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash — từ $0.75 đầu vào. Đó là ý nghĩa thực tế của việc "mô hình hàng đầu bị hạn chế": công việc vẫn phải được triển khai, và nó được triển khai trên mô hình tốt nhất còn có lối truy cập.

Nếu bạn đang đánh giá Carbon cho một quy trình bảo mật, cách chuẩn bị đáng tin cậy mà không đặt cược luồng production vào một mô hình chưa phát hành là xây dựng cơ chế dự phòng trước. Tự động chuyển đổi dự phòng giữa các nhà cung cấp trên cùng một khóa có nghĩa là một mô hình chính bắt đầu trả về lỗi hoặc chậm đi sẽ được thay thế trong cùng một lệnh gọi, vì vậy vào ngày Carbon mở, việc chuyển đổi chỉ là thay đổi chuỗi mô hình chứ không phải tái kiến trúc.

Tiền lệ ấn định ngày cần theo dõi

Argon là khuôn mẫu khả dụng duy nhất cho những gì sẽ xảy ra tiếp theo. Google đã công bố nó vào ngày 30 tháng 9 năm 2026, chuyển nó sang trạng thái khả dụng chung trên API trả phí vào ngày 13 tháng 10 và mở cửa sổ giá giới thiệu đến ngày 30 tháng 11. Đó là mười ba ngày từ công bố đến một điểm cuối có thể gọi được. Áp dụng phép tính tương tự cho thông báo ngày 28 tháng 10 của Carbon và ngày suy ra là khoảng 10 tháng 11 — phép tính dựa trên một tiền lệ duy nhất, không phải cam kết, và Google đã nói rõ rằng cuộc thử nghiệm trước khi phát hành của chính phủ phải hoàn tất trước.

Biến số còn lại kém dễ chịu hơn: mô hình được tung ra sau hai tuần nữa có thể không phải là mô hình đã đạt điểm 59. Carbon được xây dựng trên Argon, và có một quan sát chưa được xác nhận từ ngày 21 tháng 10, khi một giám sát viên đấu trường của bên thứ ba gắn cờ một thay đổi về năng lực trên bí danh gemini-4-argon và một số nhà phát triển hiểu đó là việc trọng số của Carbon đã đến sớm. Nếu kế hoạch của Google là gộp quá trình hậu huấn luyện của Carbon vào tên Argon thay vì tung ra một endpoint thứ hai, thì điều cần để mắt tới không phải là một ID mô hình mới — mà là một lần tăng phiên bản trên mô hình mà bạn đã có thể gọi được.

Bảng xếp hạng sẽ giữ nguyên được một thời gian; vị trí dẫn đầu bảng xếp hạng thường kéo dài như vậy cho đến khi phòng thí nghiệm tiếp theo đưa ra câu trả lời. Điều sẽ không giữ vững là giả định nằm dưới phần lớn các bài đưa tin tuần này — rằng một mô hình đứng số một là mô hình bạn có thể đưa vào sản phẩm. Vào ngày 30 tháng 10, Gemini 4 Carbon là mô hình tốt nhất thế giới với khoảng cách một điểm được công bố và là mô hình tiên phong duy nhất trong thế hệ này không có địa chỉ. Gemini 4 Argon, được công bố sớm hơn bốn tuần và thấp hơn chín điểm, lại có địa chỉ, có bảng giá với thời hạn thực sự, và có lưu lượng.