Một thẻ tiêu đề được tạo có nội dung 'Gemini 4 Neon Video' với phụ đề 'Bản xuất tạo tác, không phải một lần tạo sinh', một biểu tượng dải phim được ghi nhãn '60,03 giây · 1920×1080 · 21 thg 11 2026', và một biểu tượng cửa sổ trình duyệt được ghi nhãn 'các cảnh là HTML, CSS và JS' với một mũi tên đánh dấu MP4 trỏ tới biểu tượng tệp.
Guides & Insights

Gemini 4 Neon Video: Một bản xuất tạo tác, không phải một lần tạo sinh

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

Vào 08:07 UTC ngày 21 tháng 11 năm 2026, tài khoản @dotey — 宝玉 trên X — đã đăng một clip dài 60,03 giây ở độ phân giải 1920×1080 kèm một dòng tiếng Trung phía trên: 做视频效果也不错, đại khái là “làm video cũng không tệ”. Chủ thể là G​emini 4 Neon, mô hình mới ra mắt được một tuần của G​oogle, và liên kết bên dưới câu đó trỏ đến một dự án mã nguồn mở có tên open-artifact, được mô tả trong bài đăng là Artifact (kỹ năng) sản xuất video. Clip có 230 lượt thích và 76 phản hồi khi chúng tôi đọc nó vào ngày 22 tháng 11. Nó trông giống như một tác phẩm motion design được sản xuất.

Đây không phải là một video được tạo ra. Tài liệu mô hình của chính G​oogle dành cho G​emini 4 Neon chỉ liệt kê một loại đầu ra duy nhất — văn bản — và bộ phim tạo ra từ đó là một chương trình: các cảnh HTML, CSS và JavaScript được vẽ theo thời gian, cùng một bản nhạc tổng hợp, được kết xuất bởi một trang web cục bộ và xuất sang MP4 bằng nút xuất của trang đó. Sự phân biệt này không phải là chuyện vụn vặt. Nó thay đổi việc mô hình giỏi ở đâu, cái giá của một lần dựng thứ hai, và liệu thứ bạn đang mua là một trình kết xuất hay một người viết.

Bài đăng thực sự nói gì

Toàn bộ hồ sơ công khai của tuyên bố chỉ là một thẻ câu và một tệp đính kèm 60 giây. Không có prompt, không có số cảnh, không có mức suy nghĩ, không có số token, và không có tuyên bố nào cho biết đoạn phim ra từ API, G​oogle AI Studio, Antigravity hay thứ gì khác. Bài đăng thậm chí không nói rằng clip được tạo bằng kỹ năng mà nó liên kết — nó trình bày kỹ năng đó như cách để làm loại việc này, với clip là lý do để quan tâm. Hãy đọc nó như một lời giới thiệu kèm bản demo, không phải một bài kiểm tra.

Có một điều đáng biết trước khi cân nhắc lời khuyên. Kho lưu trữ mới năm ngày tuổi: GitHub ghi nhận nó được tạo vào ngày 17 tháng 11 năm 2026, với 135 sao và 25 fork tại thời điểm viết bài, được cấp phép Apache-2.0, và một bản phát hành — 0.12.2 — ra mắt ngày 21 tháng 11, cùng ngày với bài đăng. README của nó nói rằng nó khởi đầu là baoyu-design, và dòng ghi công trong phần giấy phép ghi là "Copyright 2026 Jim Liu 宝玉". Đó chính là 宝玉 mà tài khoản đăng bài dùng làm tên hiển thị. Vậy người đang nói với bạn rằng Neon giỏi việc này đang cho thấy một công cụ mang tên họ trên dòng bản quyền. Điều đó không làm cho bản demo thành sai. Nó đúng là biến bản demo thành demo của người tạo ra công cụ, và cách đọc trung thực là nó chứng minh những gì pipeline có thể tạo ra trong tay người lành nghề, chứ không phải những gì một prompt trung bình tạo ra trong lần thử đầu tiên.

Thẻ mô hình ghi đầu ra: văn bản

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

G​oogle đã phát hành G​emini 4 Neon vào ngày 18 tháng 11 năm 2026 với giá 3 USD cho mỗi triệu token đầu vào và 15 USD cho mỗi triệu token đầu ra, trong đó đầu vào được lưu trong bộ nhớ đệm có giá 0,15 USD. Bài đăng ra mắt mô tả mô hình này đọc được bảng tính, PDF, biểu đồ, âm thanh và video. Trang mô hình đi xa hơn và giải đáp câu hỏi mà bài đăng để ngỏ: trong mục Các loại dữ liệu được hỗ trợ, trang liệt kê "Đầu vào: Văn bản, Hình ảnh, Video, Âm thanh và PDF" rồi sau đó, trên một dòng riêng, "Đầu ra: Văn bản." Cùng trang đó đánh dấu việc tạo âm thanh là không được hỗ trợ. Ngữ cảnh là 1.048.576 token, với 65.536 token đầu ra theo mặc định và lên tới trọn một triệu token khi giải mã dài.

Sự bất đối xứng đó chính là nơi bắt đầu sự nhầm lẫn. Video là thứ mô hình này xem, chứ không phải thứ nó tạo ra. Chế độ xem thẻ trên cùng trang tài liệu đó lại lỏng lẻo hơn — nó in "Modalities: Text, Image, Audio, Video, PDF" mà không nói chiều nào là chiều nào — và một người đọc lướt qua dòng đó có thể kết luận một cách hợp lý rằng Neon xuất video. Không phải vậy. Trong hệ sinh thái của chính G​oogle, việc tạo khung hình là một dòng mô hình khác; đóng góp của Neon cho một hình ảnh chuyển động là đoạn mã vẽ nên nó.

Cách một mô hình văn bản tạo ra một bộ phim

Loại artifact chuyển động bên trong open-artifact nói rõ về cơ chế. Một bộ phim là một thư mục gồm các tài liệu JSON nhỏ: danh sách cảnh với kích thước sân khấu và tốc độ khung hình, một mô-đun JavaScript cho mỗi cảnh để vẽ cảnh đó từ biến thời gian t, một mô-đun nhạc nền tổng hợp âm nhạc và hiệu ứng, và một mô-đun tường thuật tùy chọn cho phụ đề và lời thuyết minh. Không có gì được mô hình kết xuất thành video. Trang cục bộ phát các tài liệu theo cách trình duyệt phát một trang, và Export biến quá trình phát đó thành một tệp.

Tài liệu của chính kỹ năng này thẳng thắn về cách phân chia công việc, và chính những chi tiết đó mới là điều quan trọng nếu bạn đang cân nhắc có nên thử điều này hay không:

• Thời lượng — một thước phim kéo dài từ 10 đến 30 giây trừ khi bạn yêu cầu dài hơn, với giới hạn cứng là 300 giây. Đoạn clip trong bài đăng dài 60,03 giây, nên tác giả của nó đã yêu cầu như vậy.

• Xuất — MP4 ở 720p theo mặc định hoặc 1080p, ở toàn bộ, một nửa hoặc một phần tư tốc độ khung hình, cùng với GIF, HTML và ZIP. Tệp đính kèm có kích thước 1920×1080, là tùy chọn không mặc định.

• Ai ghi tệp — hướng dẫn bảo tác nhân không tạo bất kỳ tệp video hay âm thanh nào. Việc xuất là nhiệm vụ của trang, còn ảnh tĩnh để kiểm tra cảnh do Chrome chạy không giao diện vẽ ra.

• Rào chắn an toàn — không có cảnh nào dưới một giây, không quá ba lần cắt hoặc nhấp nháy mỗi giây, và mọi phụ đề đều đến từ lời thoại do chính người đó cung cấp chứ không phải do mô hình tự bịa ra.

Vậy là ba việc diễn ra theo trình tự: mô hình viết một chương trình nhỏ, trình duyệt vẽ nó, và một bộ mã hóa — dự án cung cấp các crate Rust/WebAssembly để mã hóa GIF và MOV — ghi container. Chỉ bước đầu tiên có sự tham gia của G​emini 4 Neon. Một bộ phim 1080p dài 60 giây kèm nhạc nền là một lượng mã đáng kể để một mô hình làm đúng trong vài lượt, và đó là một lời khen thực sự. Đó là lời khen về kỹ thuật phần mềm, đúng vào lĩnh vực mà các con số đã công bố của Neon mạnh nhất.

Giá của một bộ phim trên bảng giá của Neon là bao nhiêu

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

Không có gì trong bài đăng tiết lộ mức sử dụng token, nên phần sau là phép tính dựa trên giá niêm yết của Google chứ không phải một phép đo. Một bộ phim gồm mười cảnh đồng nghĩa với một lượt đầu tiên dài, vài vòng đọc và ghi đối với kho tài liệu, và khá nhiều lần đọc lại khi mô hình kiểm tra các cảnh của chính nó. Cứ cho là 150.000 token đầu vào và 25.000 token đầu ra cho một bộ phim đang hoạt động: 0,45 đô la đầu vào ở mức 3 đô la mỗi triệu và 0,375 đô la đầu ra ở mức 15 đô la mỗi triệu, tức khoảng 83 xu. Một lượt gọn hơn với 40.000 đầu vào và 8.000 đầu ra tốn 24 xu. Đầu vào được lưu trong bộ nhớ đệm là chỗ con số thực sự thay đổi — ở mức 0,15 đô la mỗi triệu, 120.000 token đầu vào được lưu trong bộ nhớ đệm tốn khoảng hai xu thay vì 36, và toàn bộ lần chạy giảm xuống dưới 50 xu.

Đối chiếu điều đó với chi phí kiểm thử độc lập cho mỗi tác vụ của mô hình. Artificial Analysis cho Gemini 4 Neon 61 điểm trên Intelligence Index của mình ở mức nỗ lực xhigh, với 106 token đầu ra mỗi giây, 22.3 phút và $6.44 mỗi tác vụ chỉ số. Một bộ phim rẻ hơn một tác vụ chỉ số, và đó là điều bất ngờ hữu ích ở đây: phần đắt đỏ của quy trình này không phải bộ phim, mà là việc lặp đi lặp lại.

Và chính ở khâu lặp lại thì kinh tế học đảo ngược. Một mô hình video tính theo giây sẽ tính tiền từng lần quay; một bộ phim được vẽ bằng mã chỉ tính tiền những token dùng để viết ra nó, còn khâu render thì không tốn gì. Đổi một màu, xuất lại, và bạn đã tiêu tốn 0 token — chi phí là CPU của chính bạn và khoảng thời gian headless Chrome cần để vẽ 1.800 khung hình. Đó là một đường cong chi phí thực sự khác biệt so với video tạo sinh, và là lập luận mạnh nhất ủng hộ bài viết mà chính bài viết không đưa ra.

Cần nói rõ: Gemini 4 Neon không có trong danh mục của chúng tôi. Hai mô hình Gemini 4 mà OrcaRouter thực sự cung cấp là Gemini 4 Argon và Gemini 4 Carbon, cả hai đều có giá $2.00 đầu vào và $10.00 đầu ra trên mỗi triệu token theo giá niêm yết của nhà cung cấp, không cộng thêm phụ phí — đây chính là phép so sánh mà người đọc thực sự cần, vì Carbon là mô hình mà Neon được định giá để so sánh, còn Argon là cách rẻ hơn để chạy cùng vòng lặp artifact trong lúc bạn quyết định. Cả hai đều dùng chung một khóa, nên một phiên viết mã bị timeout giữa chừng có thể chuyển sang dự phòng mà không cần hợp đồng thứ hai hay thay đổi mã.

Nơi tuyên bố yếu nhất

Phiên bản mạnh nhất của lập luận hoài nghi không phải là đoạn clip bị làm giả — quy trình được công khai và cơ chế đã được tài liệu hóa, nên bất kỳ ai cũng có thể tái tạo hình dạng của nó. Mà là một bộ phim được vẽ bằng mã tốt chính là một bài kiểm tra lập trình đội mũ đạo diễn, và các con số về lập trình của mô hình này vốn đã là những con số tốt nhất của nó. Neon đạt 58,6 trên Coding Agent Index và 65,2% trên Terminal-Bench 4.1 theo báo cáo của chính G​oogle, vì vậy "giỏi làm phim" có thể chủ yếu là "giỏi viết mã hoạt hình", điều chúng ta đã biết và không suy rộng được cho một mô hình viết mã kém hơn.

Vẫn còn ba lỗ hổng cụ thể sau khi đọc mọi thứ có sẵn:

• Ghi công — không có cài đặt nào được tiết lộ, và thời lượng 60 giây cùng độ phân giải 1080p đều là những điểm khác với mặc định của kỹ năng, nên ai đó đã đưa ra những lựa chọn mà chúng ta không thể thấy.

• Lựa chọn — một clip là điểm nhấn, và bản demo của nhà sáng tạo được chính nhà sáng tạo chọn. Không có tỷ lệ thất bại, không có ví dụ ở lần thử đầu tiên, và không có so sánh với cùng một câu lệnh trên Carbon.

• “Tốt” nghĩa là gì — chất lượng thị giác một phần thuộc về mẫu và các quy tắc thiết kế của kỹ năng, không phải mô hình. Một loại tạo tác khác với khung hỗ trợ yếu hơn sẽ ít tâng bốc mô hình hơn.

Không điều nào trong số đó khiến nó bị loại trừ, và điều này có tính hai chiều: một bộ phim được vẽ bằng mã cũng có thể được kiểm toán theo cách mà một bản kết xuất khuếch tán không thể. Nếu một khung hình sai, thì nó sai trong một tệp bạn có thể đọc và một dòng bạn có thể chỉ ra.

Cách tự dùng thử

Đường dẫn đủ ngắn để mô tả trong một đoạn văn. Dự án cần Node 22.18 trở lên, phát hành gói plugin qua GitHub Releases và liệt kê Antigravity trong số các host được hỗ trợ — hãy cài thư mục đã giải nén bằng agy plugin install, hoặc sao chép nó vào ~/.gemini/config/plugins/open-artifact, rồi khởi động lại. Đó cũng chính là host nơi Gemini 4 Neon là mô hình mặc định cho các cuộc trò chuyện mới trên những gói có bao gồm nó, nên hai phần này gặp nhau mà không cần cấu hình. Lời nhắc đầu tiên là một câu: hoạt ảnh khởi chạy dài hai mươi giây cho ứng dụng này, hoặc thẻ tiêu đề cho dự án kia. Sau đó, bạn xem các ảnh tĩnh trước khi chi bất cứ thứ gì cho một lần xuất, đây chính là quy trình mà kỹ năng đó khuyến nghị.

Hãy làm điều đó một lần trước khi tin bài đăng, và hãy xem hai con số thay vì bức ảnh: cần bao nhiêu lượt trước khi cảnh đầu tiên được vẽ đúng, và bao nhiêu phần trong hóa đơn đầu vào là đọc bộ nhớ đệm. Những con số đó cho bạn biết vòng lặp có rẻ cho công việc của bạn hay không. Đoạn clip cho bạn biết điều đó là khả thi; chỉ số token của chính bạn mới cho bạn biết liệu nó có đáng hay không.

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

Câu hỏi mở không phải là liệu G​emini 4 Neon có thể nằm trong một tệp video hay không — nó chứng minh được là có, thông qua một chương trình do chính nó viết. Mà là liệu G​oogle có coi đó là một đầu ra hạng nhất hay không. Hiện tại, lớp artifact là của bên thứ ba, việc xuất là công việc của một trang cục bộ, và đầu ra được tài liệu hóa của mô hình là văn bản. Nếu điều đó thay đổi, cách diễn đạt trung thực về clip này sẽ thay đổi theo: từ một cách dùng khéo léo mô hình lập trình thành một danh sách tính năng. Cho đến lúc đó, lời khen đáng nhắc lại là lời khen hẹp hơn — Neon viết mã hoạt hình đủ tốt đến mức một người xây dựng công cụ đã chọn dùng nó để khoe nó.