Gemini sau Gemini 4 Carbon: Một vụ rò rỉ, không có thông số kỹ thuật nào, và nhịp 28 ngày

Ngay sau 02:00 UTC ngày 29 tháng 10 — tức buổi tối ngày 28 tháng 10 theo giờ California, đúng ngày Google công bố mô hình tiên phong mới của mình — tài khoản @kimmonismus đã đăng một câu mà không có gì đằng sau ngoài chính câu đó: “họ có một mô hình Gemini chưa phát hành khác, còn tốt hơn cả Carbon.” Không có tên mã, không có kết quả đánh giá hiệu năng, không có ngày, không có ảnh chụp màn hình, không có nguồn thứ hai. Mệnh đề duy nhất có thể kiểm chứng trong cùng bài đăng lại chính là phần mà ai cũng đã biết: Gemini 4 Carbon đã giành vị trí đầu tiên trên Artificial Analysis Intelligence Index v5.0 vào ngày hôm đó, với 59 điểm. Và mô hình mà Carbon được xây dựng dựa trên, Gemini 4 Argon, đã được công bố sớm hơn hai mươi tám ngày và được phát hành rộng rãi cách đây mười lăm ngày.

Đây là bài tổng hợp những gì chúng ta biết đến nay về một mô hình chưa có tên, chưa có điểm số hay ngày tháng — và cách trung thực để viết về nó là tách bạch ba loại bằng chứng. Những gì Google đã công bố là một bài blog, một mức giá và một kế hoạch truy cập. Đo lường độc lập bổ sung thêm vị trí trên bảng xếp hạng và chi phí cho mỗi tác vụ. Điều mà bài đăng khẳng định là có một thứ gì đó nhanh hơn tồn tại bên trong phòng thí nghiệm. Chỉ hai điều đầu có thể kiểm chứng, và chỉ điều thứ ba là tin mới đối với bất kỳ ai chưa theo dõi nhịp độ này.

Tuyên bố, và những gì thực sự có trong đó

Bài đăng dài bốn mệnh đề và chỉ một trong số đó là tuyên bố về một mô hình tương lai. Nó nói, theo thứ tự: tồn tại một Gemini khác chưa được phát hành; nó tốt hơn Carbon; Carbon đứng số một trên Chỉ số Artificial Analysis; và điều này trông giống như một bước tiến đáng kể hướng tới tự cải thiện đệ quy. Mệnh đề thứ ba có thể kiểm chứng và đúng. Hai mệnh đề đầu không được quy nguồn. Mệnh đề thứ tư là một cách diễn giải, và đây chính là phần mà chính giới lãnh đạo của Google đã thận trọng nhất trong việc úp mở — sẽ nói thêm bên dưới.

Điều mà bài đăng không chứa cũng quan trọng ngang với điều mà nó có. Không có mật danh nội bộ nào, điều bất thường đối với câu chuyện cụ thể này: vụ rò rỉ Carbon trước buổi ra mắt đi kèm một mật danh, cùng tên nền tảng, cùng một vài trích dẫn từ nhân viên. Không có dấu vết nào thuộc loại đã đi kèm mọi vụ rò rỉ Gemini đáng tin cậy trong năm nay — một pull request của framework, một mục trong sổ đăng ký mô hình, một bí danh trên đấu trường, một Helm chart. Không có ngày, không có kích thước, không có danh sách phương thức, và không có dấu hiệu nào cho biết tuyên bố đến từ một người bên trong Google, từ một đối tác, hay từ suy luận dựa trên chính buổi ra mắt. Các phản hồi dưới bài đăng đều là chuyện đùa, trong đó có một phản hồi viết “Gemini [redacted] thì vẫn chưa có mặt ở đây đâu,” mà đó là mức độ tin cậy đúng đắn nên rút ra từ luồng thảo luận.

Việc xác định chính xác “hôm nay” là ngày nào cũng đáng làm, vì đây là mốc thời gian duy nhất trong câu chuyện có thể ghim chắc. Bài đăng xuất hiện lúc 02:06 UTC ngày 29 tháng 10. Ở Mountain View, đó là 19:06 ngày 28 tháng 10 — cùng ngày Google công bố thông báo về Carbon và cùng ngày Artificial Analysis đăng bài viết của mình xếp Carbon ở vị trí đầu. Tuyên bố về bảng xếp hạng không phải là một tin sốt dẻo; đó chính là buổi ra mắt, được nhắc lại sau bữa tối.

Những gì Google đã công bố vào ngày 28 tháng 10 và những gì họ chưa công bố

Tài liệu chính ngắn và đặc biệt cụ thể về quyền truy cập. Koray Kavukcuoglu, Phó chủ tịch cấp cao (SVP) của Google DeepMind kiêm kiến trúc sư trưởng AI, đã đăng “Gemini 4 Carbon: mô hình tiên phong tiếp theo của chúng tôi” trên blog.google vào ngày 28 tháng 10 năm 2026. Tài liệu mô tả Carbon là “mô hình mạnh nhất của chúng tôi với năng lực an ninh mạng tiên tiến nhất và khả năng xử lý tác vụ dài hạn”, nói rằng nó được xây dựng trên Gemini 4 Argon, vốn “ra mắt cách đây hai tuần”, và nêu rằng Carbon “đứng hạng #1 trên v5.0 mới được cập nhật gần đây của Artificial Analysis Intelligence Index với điểm 59”.

Đoạn về quyền truy cập là đoạn cần đọc hai lần. Google cho biết họ sẽ cung cấp Carbon “cho một nhóm nhỏ các chuyên gia phòng thủ không gian mạng” bắt đầu từ tuần đó, sau đó “dần mở rộng quyền truy cập cho thêm các đối tác tin cậy thông qua Chương trình Fairwind của chúng tôi”, và chỉ sau đó mới đưa nó “đến các nhà phát triển, doanh nghiệp và người tiêu dùng thông qua các bề mặt sản phẩm của chúng tôi càng sớm càng tốt.” Đó là một chuỗi các bước không kèm ngày tháng nào ngoài bước đầu tiên. Tính đến ngày 30 tháng 10, vẫn chưa có mã định danh mô hình công khai, không có endpoint, và không có cách nào gọi Carbon qua API — đây cũng chính là trạng thái của mô hình khi bài đăng ở trên được viết.

Điều mà bài đăng không chứa là một bản đặc tả. Không có số lượng tham số, không có mô tả kiến trúc, không có cửa sổ ngữ cảnh, không có báo cáo kỹ thuật và không đề cập đến bất kỳ mô hình nào mới hơn Carbon. Cách diễn giải của Ars Technica, được đưa tin cùng với thông tin ra mắt, là Carbon có thể là một bản nâng cấp hậu huấn luyện của Argon chứ không phải một kiến trúc mới; Google không nói rõ theo hướng nào. Việc không có một mô hình kế nhiệm không phải bằng chứng rằng không tồn tại một mô hình như vậy — các công ty không công bố trước checkpoint tiếp theo trong bài đăng ra mắt của checkpoint hiện tại — nhưng điều đó có nghĩa là tuyên bố chính thức duy nhất trong câu chuyện này là về Carbon.

Đo lường độc lập bổ sung thêm điều gì

Artificial Analysis là thứ gần nhất với một trọng tài trung lập trong câu chuyện này, với lưu ý thông thường rằng nó tự chạy các đánh giá của mình thay vì chạy lại bảng số liệu của bất kỳ nhà cung cấp nào. Bài viết ngày 28 tháng 10 của nó cho Gemini 4 Carbon đạt 59 điểm trên Intelligence Index v5.0, đứng đầu trong số các mô hình mà nó theo dõi, xếp trên Claude Opus 5.5 với 58 điểm và GPT-6 Astra với 57 điểm. Nó ghi nhận rằng Carbon dẫn đầu bốn trong chín đánh giá thành phần — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience và AutomationBench-AA — một tuyên bố hẹp hơn so với “mô hình tốt nhất” nhưng hữu ích hơn.

Cũng chính bài viết đó là nơi câu chuyện ra mắt có đối trọng. Carbon đứng thứ hai, không phải thứ nhất, trên Coding Agent Index với 59 điểm, so với Claude Opus 5.5 cùng Claude Code đạt 62. Nó đứng thứ hai trên Terminal-Bench 4.0 và thứ hai trên FrontierCode v1.1. Trên AA-Briefcase, chỉ số Elo về công việc tri thức, nó đạt 1609 và vẫn xếp sau Grok 4.7, Muse Wonder và Kimi K3.1 Pro. Chi phí đo được của nó là $7.76 mỗi tác vụ Intelligence Index, thấp hơn khoảng 23% so với $10.04 của Opus 5.5 — một thắng lợi về hiệu quả mà cách diễn đạt “số một” che giấu.

Một điểm phương pháp luận phải đi kèm với mọi con số trong bài viết này. Artificial Analysis đã dựng lại Index thành v5.0 vào ngày 27 tháng 10, thay thế 60% thành phần tổng hợp bằng các bộ kiểm thử riêng tư hoặc được giữ kín, đồng thời hoán đổi một số đánh giá cấu thành. Điểm số từ trước lần dựng lại đó không nằm trên cùng thang đo, nên không thể trừ 59 của Carbon khỏi một con số Argon cũ hơn, và bất kỳ bài viết nào cho bạn thấy mức tăng chín điểm xuyên qua lần dựng lại đều đang so sánh hai chiếc thước khác nhau. Các con số v5.0 trong bài này đều được đọc từ lần chạy sau khi dựng lại.

Và chi tiết quan trọng nhất đối với bài viết này: bài viết của Artificial Analysis chỉ đề cập đúng hai mô hình Gemini là Carbon và Argon. Không có dòng ẩn danh nào nằm trên Carbon, không có mục “Gemini preview” nào, không có gì không tên nằm ở mức 60 trở lên. Nếu một mô hình mạnh hơn đã được đo lường ở đâu đó công khai, thì đó chính là nơi đầu tiên nó sẽ lộ diện.

Vì sao một checkpoint mới hơn trong phòng thí nghiệm là hợp lý

Tuyên bố này không phải là không hợp lý, và lý do nằm ở số học chứ không phải ở kiến thức nội bộ. Gemini 4 Argon được công bố vào ngày 30 tháng 9 và đạt trạng thái sẵn sàng chung vào ngày 13 tháng 10. Carbon được công bố vào ngày 28 tháng 10 — hai mươi tám ngày sau khi Argon được công bố và mười lăm ngày sau ngày GA của nó. Bài đăng của chính Google đặt chính khoảng cách đó làm điểm nhấn: Carbon “minh họa tốc độ mà chúng tôi đang đẩy biên giới tiến lên phía trước.” Sundar Pichai, trong bài đăng của mình trên X, đã mô tả các lần phát hành này như một nhịp phát hành mô hình định kỳ thay vì những lần ra mắt theo thế hệ chỉ diễn ra một lần.

Các báo cáo từ đầu tháng 10 làm rõ cơ chế đằng sau nhịp độ này. Bài viết ngày 9 tháng 10 của Business Insider, dựa trên tài liệu nội bộ và tin nhắn của nhân viên, đã nêu tên một loạt mốc kiểm tra — Argon, Barium, Carbon — và đưa tin rằng “Barium-B” là bản dựng nội bộ được phát hành công khai với tên Argon. Carbon đang được thử nghiệm trên nền tảng lập trình nội bộ của Google, Jetski, nơi một nhân viên viết rằng nó “cảm giác như Opus 5.5” khi lập trình và một người khác nói rằng “Carbon thực sự tốt.” Một ghi chú nội bộ thứ ba đã dùng nhãn “Next” mà công ty giữ cho các bản cập nhật Gemini: “Mô hình Gemini pro next mới cảm giác khá ổn.” Google từ chối bình luận.

Bài báo cáo đó là chỗ dựa cấu trúc mạnh nhất mà bài đăng ngày 29 tháng 10 có, và cần nói chính xác nó chống đỡ cho điều gì. Nó xác lập rằng Google đang chạy nhiều checkpoint song song và tung chúng ra trong những khoảng thời gian ngắn, đúng là cơ chế mà ở đó một checkpoint mới hơn, tốt hơn tồn tại trước khi được công bố. Nó không xác lập rằng một checkpoint như vậy hiện đang tồn tại, hay rằng bất kỳ ai bên ngoài công ty đã thấy nó, hay rằng nó tốt hơn Carbon chứ không chỉ đơn thuần là khác biệt. Nhịp độ nhanh khiến tuyên bố có khả năng đúng; nhưng không làm cho tuyên bố đó có nguồn chứng minh.

Những cái tên đang lưu truyền là những thứ bịa đặt, và bảng tuần hoàn cho thấy lý do vì sao.

Hãy tìm kiếm sản phẩm kế nhiệm và bạn sẽ thấy nó được nêu tên. Bạn sẽ thấy “Gemini 5,” thường gắn với tuyên bố mười nghìn tỷ tham số, mốc thời gian 2027 và phần cứng TPU V8. Bạn sẽ thấy “Krypton,” và đôi khi là “Dysprosium,” bắt nguồn từ các mật danh theo chủ đề nguyên tố của dòng Gemini 4. Không tên nào trong số này từng xuất hiện trong bất kỳ tài liệu, bài đăng blog, danh mục API hay tuyên bố nào của giới điều hành Google. Google chưa bao giờ công khai sử dụng “Gemini 5”; các bài đưa tin coi đó là một sản phẩm đã biết chỉ là suy đoán từ một quy luật đặt tên.

Bản thân quy luật này mỏng manh hơn vẻ ngoài của nó. Argon là nguyên tố 18, Barium là 56, Carbon là 6. Đó không phải một chuỗi, cũng không phải một màn đếm ngược hay một lộ trình — đó là ba nguyên tố được chọn vì những lý do mà không ai bên ngoài công ty biết. Phản ví dụ mạnh hơn là Barium-B, một cái tên nội bộ đã trở thành Argon, một cái tên công khai hoàn toàn khác. Các tên mã trong chương trình này đã được chứng minh là tách rời khỏi tên sản phẩm, nghĩa là ngay cả khi rò rỉ thật một tên mã cũng không cho bạn biết mô hình sẽ được gọi là gì khi ra mắt — và một tên mã đoán mò chẳng nói cho bạn biết điều gì cả.

Đã có tiền lệ về việc những phỏng đoán này sai như thế nào, và nó mới xảy ra gần đây. Vào ngày 21 tháng 10, một lập luận được chia sẻ rộng rãi cho rằng bí danh gemini-4-argon đã âm thầm bắt đầu phục vụ trọng số Carbon, được suy ra từ hành vi trên đấu trường thay vì từ bất kỳ thay đổi nào được công bố. Điều đó chưa bao giờ được xác nhận, và buổi ra mắt bảy ngày sau đó mô tả Carbon là một mô hình riêng biệt với tên riêng và thông báo riêng. Suy luận từ hành vi đã tạo ra một câu trả lời tự tin nhưng sai lầm một lần trong tháng này rồi.

{{1}}RSI{{/1}} là từ yếu nhất trong bài viết.

Nửa phần “tự cải thiện đệ quy” của tuyên bố có một nguồn gốc có thể truy vết được, và đó chỉ là một câu nói đùa. Khi bài viết ngày 9 tháng 10 của Business Insider được đăng, Vedant Misra — một nhà nghiên cứu tại Google DeepMind — đã trả lời trên X bằng câu “Have you heard of recursive self improvement,” không kèm dấu chấm hỏi. Đó là hạt giống mà từ đó cách diễn giải này hình thành, và nó là một câu đùa về việc đưa tin, không phải một tiết lộ về vòng lặp huấn luyện.

Kể từ đó, lãnh đạo Google đã nói thêm nhiều điều, và chúng cho thấy chiều hướng ngược lại. Sergey Brin nói vào đầu tháng Mười rằng Google đang “bắt đầu bước vào guồng quay RSI đó”, và rằng “các nhà nghiên cứu của chúng tôi và mô hình làm việc tay trong tay để tạo ra phiên bản tiếp theo của mô hình.” Sundar Pichai, trên Big Technology Podcast trong tuần trước khi Carbon ra mắt, thận trọng hơn: “Chúng tôi còn khá xa trạng thái cuối cùng của RSI. Cách mô tả đúng là, bạn có các vòng lặp RSI cùng với các nhà nghiên cứu AI trong nhiều khía cạnh khác nhau của quá trình phát triển mô hình. Tôi có thể nói rằng bạn gần như có các tác nhân giúp các nhà nghiên cứu AI, theo một cách tự động nào đó, làm việc cùng nhau để xây dựng các mô hình này.” Ông kỳ vọng chuỗi liên tục đó sẽ tiếp tục cải thiện sang năm sau.

Bài đăng ra mắt của chính Google cũng sử dụng cách diễn đạt thận trọng tương tự: “Các nhà nghiên cứu và mô hình của chúng tôi đang song hành để thúc đẩy năng lực nhanh hơn.” Câu đó mô tả về công cụ — các tác nhân hỗ trợ những người xây dựng mô hình — và là tuyên bố của nhà cung cấp gần nhất với khẳng định RSI. Đó không phải là tuyên bố rằng một mô hình đã thiết kế mô hình kế nhiệm của nó, và chưa ai tại Google đưa ra tuyên bố đó.

Sự phân biệt này đáng để có một đoạn riêng vì đó là khác biệt giữa một câu chuyện về nhịp độ và một câu chuyện về năng lực. Một báo cáo của Gladstone AI được trích dẫn trong cùng bài viết của Business Insider phát hiện rằng hầu hết các nhà nghiên cứu được khảo sát tại Anthropic và DeepMind kỳ vọng RSI trong vòng ba đến mười hai tháng. Một cuộc khảo sát về kỳ vọng không phải là một kết quả. Điều có thể quan sát được là khoảng thời gian: 28 ngày từ công bố của Argon đến công bố của Carbon, và một mô hình mới đứng đầu một chỉ số độc lập vào cuối khoảng đó. Đó là một nhịp độ nhanh. Việc con người hay mô hình đã thực hiện quá trình lặp cải tiến chính là phần mà không một quan sát viên bên ngoài nào có thể kiểm chứng, và một bài đăng duy nhất khẳng định điều đó không lấp được khoảng trống.

“Tốt hơn Carbon” sẽ phải vượt qua những gì

Nếu tuyên bố này là thật, thì nó có một bảng điểm phải vượt qua, và từng dòng của bảng điểm ấy đều được công bố. Đây chính là phần hữu ích của câu chuyện, ngay cả khi mô hình vẫn chưa được nêu tên: nó biến "better" từ một tính từ thành một tập hợp các ngưỡng.

• Intelligence Index v5.0 — Gemini 4 Carbon 59, đứng đầu trên bảng tổng; một phiên bản kế nhiệm sẽ cần 60 điểm trở lên theo cùng thang đánh giá sau ngày 27 tháng 10, chứ không phải theo thang cũ.

• Bốn đánh giá mà Carbon đã dẫn đầu — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience và AutomationBench-AA; một checkpoint mới hơn tuy tăng một điểm tổng thể nhưng lại làm mất một trong số này là một mô hình khác, chứ không phải là một mô hình tốt hơn hẳn.

• Chỉ số Coding Agent Index — Carbon đạt 59, đứng thứ hai sau Claude Opus 5.5 với 62, vì vậy “giỏi lập trình hơn” nghĩa là vượt qua 62, chứ không phải vượt qua Carbon.

• Các con số an ninh mạng của chính Google, khi chạy không có guardrail — SEC-bench Pro 88,2%, ExploitGym 54,8%, CWE-bench 71,0%; đây là những con số do nhà cung cấp tự báo cáo, chưa được bất kỳ bên thứ ba nào tái lập, và chúng chính là những con số mà một sản phẩm kế nhiệm sẽ bị đem ra so sánh trong tiếp thị.

• Giá — $2 mỗi triệu token đầu vào và $10 mỗi triệu token đầu ra trong giai đoạn giới thiệu, sau đó chuyển sang $4 và $20, với đầu vào được lưu trong bộ nhớ đệm giảm 95%; một mô hình kế nhiệm được định giá cao hơn mức đó không tự động là lựa chọn mua tốt hơn, còn một mô hình được định giá thấp hơn sẽ quan trọng hơn một điểm trên Chỉ số.

• Quyền truy cập — vẫn cùng một cổng. Carbon hiện chỉ dành riêng cho Fairwind; một mô hình mạnh hơn nằm sau một cổng chặt hơn không thay đổi bất cứ điều gì mà nhà phát triển có thể hành động.

Những gì bạn thực sự có thể gọi hôm nay

Carbon không thể gọi được. Argon thì có. Gemini 4 Argon đã được cung cấp rộng rãi với tên gemini-4-argon kể từ ngày 13 tháng 10 ở cùng bậc giới thiệu — 2 đô la cho một triệu token đầu vào, 10 đô la cho một triệu token đầu ra — và đây là bậc Gemini 4 duy nhất có endpoint công khai. Nếu lựa chọn trước mặt bạn là “chờ mô hình chưa có tên” hay “triển khai dựa trên thứ gì đó phản hồi ngay hôm nay,” thì lựa chọn thứ hai có một chuỗi mô hình, một mức giá và thành tích hai tuần; lựa chọn thứ nhất chỉ có một bài đăng.

Tính đến ngày 30 tháng 10, cả Carbon lẫn Argon đều không có trong danh mục OrcaRouter — chúng tôi đã kiểm tra và không có mục google/gemini-4-* nào để định tuyến tới, vì vậy không có gì ở đây nên được hiểu là lời đề nghị phục vụ một trong hai. Thứ mà danh mục thực sự có từ Google là dòng 3.x, bao gồm google/gemini-3.8-flash, đây là mức nền thực tế cho công việc cần một mô hình Google hôm nay. Bạn có thể thấy các mô hình chúng tôi định tuyến trong danh mục, và lý do điều này quan trọng ở đây là thời điểm chứ không phải sở thích: khi Google thực sự mở Carbon — hay bất kể checkpoint tiếp theo được gọi là gì — nó sẽ xuất hiện như thêm một định danh nữa đằng sau khóa bạn đã có, được định giá theo giá niêm yết với mức gia tăng 0% được chuyển nguyên, bên cạnh một chuỗi chuyển đổi dự phòng giữ cho lựa chọn hiện tại tiếp tục phục vụ nếu tầng mới hóa ra chậm hơn hoặc bị giới hạn tần suất trong ngày. Thử nghiệm một mô hình chưa công bố là một quyết định định tuyến; đặt cược một đường dẫn sản xuất vào nó thì không.

Điều gì sẽ biến bài đăng này thành một sự thật

Có năm điều có thể kiểm chứng, và bốn trong số đó là miễn phí. Một dòng xếp trên Carbon trên Artificial Analysis Intelligence Index, theo cùng thang đánh giá v5.0. Một mục Gemini ẩn danh trên LMArena, đây chính là cách mà bản thân Carbon lần đầu tiên tạo ra các kết quả công khai trước khi ra mắt. Một định danh mới trong danh sách mô hình Gemini API của Google, đây là điểm khác biệt giữa một checkpoint và một sản phẩm. Một thông báo mở rộng Fairwind trên blog của Google, đây là cơ chế mà qua đó bất kỳ mô hình Gemini 4 được giới hạn truy cập nào cho đến nay đã đến được với các nhà phát triển. Và một ấn phẩm thứ hai, độc lập, có nguồn riêng thay vì chỉ là diễn giải lại cùng một bài đăng.

Cho đến khi ít nhất một trong số những điều đó xuất hiện, bản tóm tắt trung thực là bản tóm tắt mà bằng chứng ủng hộ: Google đã phát hành một mô hình tiên phong vào ngày 28 tháng 10, đứng đầu trên một chỉ số độc lập và đứng thứ hai trên chỉ số tác nhân lập trình, giới hạn quyền truy cập cho các chuyên gia phòng thủ mạng, định giá ở mức giới thiệu $2/$10, và mô tả nhịp phát hành định kỳ khiến khả năng có thêm một checkpoint là cao. Một bài đăng duy nhất nói rằng checkpoint tiếp theo đó tốt hơn. Nhịp phát hành là phần bạn có thể lập kế hoạch dựa vào; còn việc so sánh là phần bạn không thể, vì mô hình mà nó mô tả không có tên, không có điểm số và không có ngày — và trong một thị trường nơi mô hình có thể gọi được luôn là mô hình quyết định hóa đơn của bạn, một mô hình kế nhiệm không tên không phải là lý do để trì hoãn bất cứ điều gì.