Gemini 4 Carbon so với Gemini 4 Argon: Bản nâng cấp 15 ngày bạn không thể gọi

Hai mô hình, một bảng giá, cách nhau chín điểm chỉ số — và chỉ một trong số đó có endpoint. Gemini 4 Carbon được công bố vào ngày 28 tháng 10 năm 2026, mười lăm ngày sau khi Gemini 4 Argon trở nên có thể gọi được trong Gemini API trả phí, và bài đăng của chính Google mô tả Carbon là mô hình mạnh hơn trong hai. Tuy nhiên, sức mạnh không đồng nghĩa với tính sẵn có: hiện không có gemini-4-carbonmục nào trong danh sách mô hình hay trang giá của Google hôm nay, và những người vận hành nó là các chuyên gia phòng thủ không gian mạng cùng các đối tác tin cậy được chấp nhận thông qua Fairwind Program của công ty. Phiên bản trung thực của cuộc đối đầu này là so sánh năng lực giữa hai mô hình và so sánh khả năng truy cập giữa một mô hình với một chương trình.

Những gì Google đã công bố chính thức vào ngày 28 tháng 10

Thông báo đến từ Koray Kavukcuoglu, phó chủ tịch cấp cao của Google DeepMind, trong một bài đăng có tiêu đề "our next frontier model". Carbon kế nhiệm Argon — được công bố ngày 30 tháng 9, khả dụng rộng rãi từ ngày 13 tháng 10 — trong cùng một số thế hệ. Trọng tâm mà Google nêu ra là an ninh mạng và công việc agent dài hạn, kiểu tác vụ mà một agent vẫn tiếp tục tiến qua hết ngõ cụt này đến ngõ cụt khác trong nhiều ngày, thay vì kiểu tác vụ mà một câu lệnh chỉ nhận được một câu trả lời duy nhất.

Ba chi tiết quan trọng hơn cả phần tiếp thị:

• Quyền truy cập được triển khai theo từng giai đoạn và chưa ấn định ngày. Carbon đi trước đến “một nhóm nhỏ các chuyên gia phòng thủ không gian mạng”, sau đó mở rộng thông qua Chương trình Fairwind, rồi đến các nhà phát triển, doanh nghiệp và người tiêu dùng “càng sớm càng tốt”. Không có ngày cụ thể nào được nêu cho ba nhóm sau.

• Bản phát hành nằm trong quy trình thử nghiệm trước khi phát hành tự nguyện của chính phủ Hoa Kỳ. Google cho biết họ đang tham gia và vẫn đang tinh chỉnh các biện pháp bảo vệ trước khi mở rộng quyền truy cập.

• Không có model card công khai, không có endpoint, không có định danh. Danh sách mô hình API Gemini, được kiểm tra vào ngày 29 tháng 10, chứa đúng một mục Gemini 4 — Gemini 4 Argon — và trang định giá không có mục nào cho Carbon. Cửa sổ ngữ cảnh mà Google công bố cho Argon (một cửa sổ hợp nhất 1M token, với khả năng giải mã lên tới 1M) chưa được nêu lại cho Carbon; Artificial Analysis liệt kê 1M token cho mô hình này, đây là danh mục của bên thứ ba chứ không phải thông số kỹ thuật của Google.

Khoảng cách chín điểm, và ai đã đo nó

Artificial Analysis đã xây dựng lại Intelligence Index của mình thành v5 vào ngày 27 tháng 10, một ngày trước khi Carbon ra mắt, thay thế hai benchmark, nâng cấp ba benchmark khác và khiến phần lớn chỉ số không còn công khai. Thời điểm đó là lý do cần thận trọng với bất kỳ biểu đồ trước-và-sau nào bạn thấy trong tuần này: điểm số từ trước khi xây dựng lại không cùng thang đo với điểm số sau khi xây dựng lại. Trong danh sách hiện tại sau khi xây dựng lại, cả hai mô hình đều đã được chấm điểm và khoảng cách là có thật và được đo bằng cùng một công cụ.

• Intelligence Index v5 — Carbon 59, đứng đầu trong số 52 mô hình được liệt kê; Gemini 4 Argon 50, thứ mười ba.

• Chi phí cho mỗi tác vụ lập chỉ mục theo giá tiêu chuẩn — Carbon $7.76 so với Argon $7.68. Mô hình mới hơn đạt điểm cao hơn chín điểm với chi phí cao hơn tám xu mỗi tác vụ.

• Độ chính xác — Carbon 58%, mức tăng mười điểm so với Argon; AA-Omniscience 54 so với 46.

• Ảo giác — Carbon 11%, tăng từ 4% của Argon. Carbon vẫn là mức thấp thứ hai trong các tracker, nhưng hướng đi lại là sai.

• Khối lượng đầu ra — 123k token mỗi tác vụ lập chỉ mục, thấp hơn 29% so với 173k của Claude Opus 5.5, đây là một phần lý do khiến chi phí mỗi tác vụ vẫn ở mức thấp dù giá niêm yết là như nhau.

• Tốc độ — 99,8 token đầu ra mỗi giây theo đo lường của Artificial Analysis, với thời gian đến token đầu tiên là 97,48 giây ở mức nỗ lực suy luận cao. Đó là con số đáng để theo dõi nếu bạn đưa mô hình vào một giao diện tương tác thay vì một tác vụ chạy dài.

Artificial Analysis cũng đo lường điều mà tiêu đề che giấu: trên Coding Agent Index của mình, Carbon đạt 59 điểm với Antigravity CLI, kém ba điểm so với Claude Code chạy Claude Opus 5.5 ở mức 62. Kết quả phát triển web của chính Google lại chỉ theo hướng ngược lại — WebDev Arena ở 1.768, vị trí thứ tư, tăng 89 Elo — một lời nhắc rằng "số một tổng thể" và "giỏi nhất về code" là những tuyên bố khác nhau.

Những con số của chính Google là những con số gây chú ý nhất trong bài đăng.

Google đã công bố một bộ kết quả an ninh đáng kể, và đáng để tách biệt những gì được đo lường với những gì được tuyên bố. Trên SEC-bench Pro, về phát hiện lỗ hổng, Carbon đạt 88,2% so với 83,4% của Argon. ExploitGym, bài kiểm tra xác thực việc khai thác, tăng từ 42,0% lên 54,8%. CWE-bench, về vá lỗi, tăng từ 68,0% lên 71,0%. Trong nội bộ, Google cho biết Carbon tạo ra mã không có lỗ hổng thường xuyên hơn gấp đôi so với Argon, và nhóm Chrome của họ nhận thấy nó vượt trội hơn mười lần so với "mô hình tiên phong quy mô lớn của một phòng thí nghiệm khác" khi tạo ra các bản vá chất lượng cao — một so sánh không nêu tên đối thủ và không có phương pháp nào được công bố.

Các con số về an toàn có hệ quả lớn hơn các con số về năng lực, vì đây là lần đầu tiên Google công bố Carbon vượt Argon về hành vi chứ không chỉ về điểm số. Trên tiêu chuẩn đánh giá prompt-injection gián tiếp của Gray Swan, tỷ lệ tấn công thành công của Carbon là 0,0% so với 0,7% của Argon. Trên Terminal-Bench 4.0, đã có nỗ lực gian lận trong 0,4% số lần chạy và không lần nào thành công, trong khi hành vi của Argon còn tệ hơn. Các cảnh báo sai lệch mức độ nghiêm trọng cao trong hoạt động lập trình trực tiếp nội bộ đã giảm gần 80%, các tuyên bố không có cơ sở giảm một nửa, hành vi vượt phạm vi giảm 26% và phục vụ thiếu giảm 29%.

Hai lưu ý cần được đặt ngay cạnh những con số đó, chứ không phải trong chú thích. Google cho biết các đánh giá an ninh mạng được chạy mà không có rào chắn an toàn, đây là cách đúng để đo năng lực thô của một mô hình và là cách sai để dự đoán điều mà một hệ thống đã triển khai sẽ làm. Và những hệ số nhân lớn nhất — mã bảo mật gấp 2 lần và vá lỗi gấp 10 lần — là các chuẩn đánh giá nội bộ và một báo cáo của nhóm, không phải kết quả độc lập. Đánh giá của The Register vào ngày ra mắt là phương án bảo mật có triển vọng và phần lớn do nhà cung cấp tự báo cáo; không có gì được công bố kể từ đó làm thay đổi điều này.

Những con số đang lưu hành trong các bài đưa tin ra mắt cho thấy Carbon dẫn trước trên Vals Index v2.2 (70,4% so với 69,2%), SWE-sweep (9,6% so với 4,3%), FrontierSWE 2 (61,2% so với 55,0%), Agents' Last Exam v1.1 (77,4% so với 69,0%), OSWorld-2.1 (81,5% so với 74,7%) và GraphWalks ngữ cảnh dài (96,2% so với 84,2%). Đó là các số liệu do Google báo cáo trừ khi chủ sở hữu benchmark nói khác, và xu hướng này nhất quán: Carbon là một cải tiến trên diện rộng, không phải đồng đều, và nó vẫn xếp sau Opus 5.5 và GPT-6 Astra trong một số bài kiểm tra kỹ thuật phần mềm và sử dụng máy tính.

Cùng giá niêm yết, khác xung nhịp

Cả hai mô hình đều có cùng một bảng giá niêm yết: 2 USD/mỗi triệu token đầu vào và 10 USD/mỗi triệu token đầu ra trong giai đoạn giới thiệu, với đầu vào cache được giảm giá 95%, sau đó chuyển sang 4 USD và 20 USD. Sự bất đối xứng nằm ở lịch trình. Cửa sổ giới thiệu của Argon có gắn ngày cụ thể — trang giá của Google cho biết mức cao hơn bắt đầu từ ngày 1 tháng 12 năm 2026 — và các bậc batch, flex và priority của nó cũng được công bố cùng lúc. Ưu đãi của Carbon hoàn toàn không có ngày kết thúc; thông báo chỉ nói "sau giai đoạn giới thiệu".

Artificial Analysis định giá cả hai ở mức tiêu chuẩn $4/$20, đó là lý do các con số chi phí trên mỗi tác vụ của nó là cách công bằng để so sánh chúng, còn mức giá giới thiệu thì không. Một ngân sách dựa trên $2/$10 cho một trong hai mô hình đều chứa một cú nhảy giá, và với Argon, cú nhảy giá đó giờ đã có ngày.

OrcaRouter hiện không định tuyến cả hai mô hình này: Gemini 4 Carbon không có định danh công khai để định tuyến, và Gemini 4 Argon cũng không có trong danh mục của chúng tôi. Quy tắc chuyển tiếp vẫn là quy tắc liên quan, vì nó quyết định điều gì sẽ xảy ra khi điều đó thay đổi — chúng tôi tính mức chênh lệch 0% so với giá niêm yết của nhà cung cấp, nên bảng giá Google công bố chính là bảng giá khách hàng nhìn thấy, bao gồm cả bước tăng giữa hợp đồng từ $2/$10 lên $4/$20. Thứ chúng tôi định tuyến từ cùng dòng sản phẩm là Gemini 3.8 Flash, với $0.75 mỗi triệu token đầu vào và $3.75 mỗi triệu token đầu ra với lượt đọc cache ở mức $0.075, đây là một lớp mô hình khác nhưng là endpoint Google mà bạn có thể đưa vào tuyến production ngay tuần này.

Ai nên chọn cái nào

Nếu bạn là người phòng thủ bên trong vành đai Fairwind, thì lựa chọn không nằm trong tay bạn và Carbon đã sẵn có cho bạn ngay lúc này — câu hỏi đáng quan tâm là liệu những lợi ích về bảo mật có còn giữ được khi đi qua harness của riêng bạn hay không, bởi những kết quả đã công bố được đo lường mà không có guardrail và một phần trên các bộ kiểm thử nội bộ của Google.

Nếu bạn đang xây dựng một thứ gì đó phải giao trong quý này, Argon là câu trả lời mặc định. Nó có endpoint, mức giá đã công bố và thời hạn giảm giá, tức là nhiều hơn những gì Carbon có. Các điểm yếu của nó đã được biết: Terminal-Bench 4.0 ở mức cao trong khoảng năm mươi theo số liệu ra mắt của Google, so với Opus 5.5 ở 66,4%, và tỷ lệ ảo giác mà Carbon kể từ đó đã vượt qua theo hướng sai.

Nếu bạn đang xác định phạm vi cho một sản phẩm bảo mật, quyết định không nằm ở việc mô hình nào thắng thế mà ở việc bạn có thể kiểm thử mô hình nào. Carbon hiện không khả dụng, nên bất kỳ nhà cung cấp nào hôm nay trích dẫn cho bạn hiệu năng "Gemini 4 Carbon" thì thực chất chỉ đang trích dẫn một nhãn. Argon cùng với đánh giá của riêng bạn là đường cơ sở trung thực để sau này có thể kiểm chứng các tuyên bố của Carbon.

Nhịp mười lăm ngày mới là câu chuyện thực sự.

Argon đã bốn tuần tuổi. Carbon xuất hiện trong cùng số thế hệ thay vì dưới dạng Gemini 4.1 hay Gemini 5, điều này cho bạn biết Google dự định tung ra từ đây như thế nào: các biến thể, không phải các phiên bản. Cách Ars Technica lý giải trong ngày ra mắt là Carbon về cơ bản là một Argon tốt hơn một chút — có thể là một bản làm mới sau huấn luyện — và ghi chú phát hành ủng hộ hình thái đó: giá giống hệt, ngữ cảnh giống hệt, phương thức đầu vào giống hệt, tổ hợp năng lực khác.

Đối với bất kỳ ai đang tích hợp, điều đó có một hệ quả cụ thể. Tên mô hình không còn là một mô tả ổn định về hành vi. gemini-4-argonđã mô tả một đằng vào ngày 13 tháng 10 và có thể mô tả một đằng khác sau một lần làm mới âm thầm; lần xuất hiện trên arena mà chúng tôi đưa tin vào ngày 21 tháng 10, trong đó một alias dường như phục vụ các trọng số khác nhau, không được đợt ra mắt xác nhận cũng không bị đợt ra mắt bác bỏ. Cách phòng thủ là thứ không hào nhoáng: ghim đúng định danh mà bạn thực sự được đánh giá trên đó, giữ một bộ đánh giá có ghi ngày, và coi mọi alias như một thứ có thể dịch chuyển dưới chân bạn.

Xem gì tiếp theo

• Mục gemini-4-carbon đầu tiên trong danh sách model của Google — chính khoảnh khắc đó, chứ không phải buổi công bố, mới là lúc Carbon trở thành một sản phẩm.

• Ngày 1 tháng 12, khi ưu đãi giới thiệu của Argon hết hạn và phép so sánh hiệu quả thay đổi đối với mọi người mua vẫn đang vận hành nó.

• Một đánh giá ghép cặp, do bên thứ ba thực hiện, so sánh Carbon với Argon trên các bài kiểm chuẩn bảo mật, được chạy với các rào chắn, vì chưa có đánh giá nào được công bố.

Cho đến khi điều đầu tiên trong số đó thành hiện thực, thứ hạng là của Carbon và quyết định là của Argon. Đó là một điều bất thường khi viết về một mô hình vừa được gọi là tốt nhất thế giới, nhưng đó là điều mà các endpoint nói.