Gemini 4 Carbon Overview

Vai trò của Carbon: thực hiện bền bỉ các tác vụ kỹ thuật phức tạp

Carbon tiếp tục định hướng của Argon về công việc kéo dài: những lỗi khó trong kho mã lớn, hệ thống cấp thấp, quy trình kỹ thuật nhiều bước và các bản sửa lỗi bảo mật cần được kiểm chứng nhiều lần.

Google cho biết các nhóm nội bộ đã chứng kiến Carbon chạy liên tục nhiều ngày, kiên trì vượt qua các hướng đi bế tắc, phát hiện những lỗi tinh vi và tạo bản vá. Đây là báo cáo sử dụng nội bộ, không phải lời cam kết rằng mọi yêu cầu API công khai đều sẽ thực thi liên tục trong nhiều ngày.

Câu hỏi thực tiễn là liệu mô hình có thể giữ vững mục tiêu, dùng công cụ để kiểm tra các giả định và phục hồi sau một cách tiếp cận thất bại hay không. Việc bảo trì kho mã, chuyển đổi hệ thống và xử lý bảo mật được hưởng lợi từ những thay đổi có thể được chấp nhận và kiểm chứng.

Theo Artificial Analysis, Carbon có cửa sổ ngữ cảnh 1M token, tiếp nhận đầu vào văn bản, hình ảnh, video và giọng nói, đồng thời tạo đầu ra văn bản. Khả năng hiểu video không đồng nghĩa với khả năng tạo video, và dung lượng ngữ cảnh không xác định độ dài đầu ra tối đa của một phản hồi.

Nguồn: Thông báo của Google · Đánh giá của Artificial Analysis.

Gemini 4 Carbon so với Argon: đã cải thiện đến mức nào?

Bảng công bố khi ra mắt của Google cho thấy những tiến bộ về suy luận, ngữ cảnh dài, khả năng hiểu đa phương thức và lập trình. Các kết quả chọn lọc dưới đây được lấy từ bảng so sánh do Google công bố, không phải thử nghiệm của APIMaster.

Mức cải thiện khác nhau tùy tác vụ. GraphWalks và Terminal-Bench cải thiện đáng kể; Vals Index tăng khiêm tốn hơn. SWE-sweep tăng hơn gấp đôi so với Argon, nhưng điểm tuyệt đối vẫn chỉ là 9.6%, cho thấy còn nhiều dư địa để tiến bộ trong các công việc lập trình khó.

Về phát triển web, Google báo cáo 1768 Elo, vị trí thứ tư và mức cải thiện 89 Elo trên WebDev Arena. Khi lựa chọn thực tế, vẫn cần kiểm tra bố cục trên thiết bị di động, các tương tác và mức độ hoàn thiện chức năng.

Xem bảng đánh giá gốc của Google.

Carbon có vượt trội hơn Claude Opus 5.5 và GPT-6 Astra không?

Mô hình dẫn đầu chỉ số trí tuệ tổng quát AA khi ra mắt; kết quả theo từng tác vụ vẫn có sự đan xen. Bảng của Google ghi nhận Carbon đạt 59, Opus 5.5 đạt 58 và GPT-6 Astra đạt 57. Artificial Analysis xác nhận độc lập vị trí đầu tiên của Carbon trên Intelligence Index v5.

Tuy nhiên, trên Coding Agent Index độc lập, Carbon kết hợp với Antigravity CLI đạt 59, xếp sau Opus 5.5 kết hợp với Claude Code ở mức 62. Bài đánh giá này đo lường các tổ hợp mô hình và tác tử, không phải một thí nghiệm có kiểm soát chỉ thay đổi mô hình.

Bảng công bố khi ra mắt của chính Google cũng có những lĩnh vực Carbon đứng sau:

• FrontierSWE 2: Carbon đạt 61.2%, thấp hơn GPT-6 Astra ở mức 65.5% và Opus 5.5 ở mức 62.3%.
• Tập con ngoại tuyến OSWorld-2.1: Carbon đạt 81.5%, thấp hơn Opus 5.5 ở mức 87.2%.

Đối với công việc tri thức, Artificial Analysis báo cáo 1609 Elo trên AA-Briefcase, tăng 126 so với Argon, nhưng vẫn đứng sau Kimi K3.1 Pro, Muse Wonder và Grok 4.7 trong đánh giá của họ.

Carbon là một ứng viên mạnh cho nhu cầu tổng quát; lập trình phức tạp và công việc tri thức vẫn cần được so sánh theo từng khối lượng công việc cụ thể. Thiết lập đánh giá cũng khác nhau: bảng của Google báo cáo Terminal-Bench đạt 65.2%, trong khi bài viết của AA về tác tử lập trình báo cáo khoảng 64%. Hãy giữ nguyên thông tin về thiết lập và nguồn gốc đi kèm mỗi kết quả.

An ninh mạng: tìm kiếm, xác thực và vá lỗ hổng

Phòng thủ an ninh mạng là một trong những ưu tiên rõ ràng nhất của Carbon khi ra mắt. Ba kết quả đư��c Google nhấn mạnh bao quát các bước liên tiếp của công việc phòng thủ:

Quy trình gồm tìm ra điểm yếu, xác định rủi ro và tạo bản sửa lỗi. Đối với người bảo trì, giảm số cảnh báo dương tính giả và cung cấp các bản vá hoạt động được có thể giảm chi phí khắc phục.

Google cũng báo cáo tỷ lệ thành công trong việc tạo mã an toàn ở thử nghiệm nội bộ cao hơn gấp đôi Argon. Tuyên bố của nhóm Chrome về khả năng tạo bản vá chất lượng cao tốt hơn trên mười lần là so sánh với mô hình của một phòng nghiên cứu cạnh tranh không được nêu tên; không thể khái quát kết quả này cho mọi tác vụ lập trình.

Google nói rõ rằng các bài đánh giá an ninh mạng bên ngoài được thực hiện không có cơ chế bảo vệ. Quyền hạn, công cụ và biện pháp bảo vệ trong sản phẩm công khai có thể ảnh hưởng đến hành vi thực tế.

Độ tin cậy trong tác vụ dài: ít đi đường tắt hơn và bằng chứng rõ ràng hơn

Thời gian thực thi dài hơn làm tăng tổn thất do lỗi tích lũy và việc đi chệch mục tiêu của người dùng. Công việc cải thiện độ tin cậy của Carbon bao gồm xử lý hành vi gian lận, khẳng định thiếu căn cứ, hành động vượt phạm vi và thực hiện chưa đầy đủ.

Google báo cáo 0.0% gian lận thành công và 0.4% cố gắng gian lận trên Terminal-Bench 4.0, với số cảnh báo lệch mục tiêu có mức độ nghiêm trọng cao giảm gần 80% trong các môi trường lập trình trực tiếp nội bộ. Những phát hiện này liên quan đến các thử nghiệm và môi trường được báo cáo, không phải tỷ lệ sự cố tổng thể trong vận hành thực tế.

Google cho biết Carbon giảm khoảng một nửa số khẳng định thiếu căn cứ so với Argon, giảm hành động vượt phạm vi 26% và giảm việc đáp ứng chưa đầy đủ 29%. Khi thiếu thông tin hoặc các nguồn mâu thuẫn nhau, mô hình có xu hướng tìm bằng chứng, nêu rõ sự khác biệt và cho biết những gì còn chưa hoàn thành.

Về chèn chỉ dẫn độc hại, Google báo cáo tỷ lệ tấn công thành công trên bài đánh giá chèn chỉ dẫn gián tiếp của Gray Swan giảm từ 0.7% ở Argon xuống 0.0%. Carbon chống lại mọi cuộc tấn công được đánh giá trong lần chạy đó; đây không phải sự bảo đảm miễn nhiễm với mọi hình thức chèn chỉ dẫn độc hại.

Thử nghiệm độc lập bổ sung một góc nhìn nhiều sắc thái hơn. Trên AA-Omniscience v1.1, độ chính xác của Carbon tăng từ 48% ở Argon lên 58%, trong khi tỷ lệ ảo giác theo định nghĩa của bài đánh giá đó tăng từ 4% lên 11%. Carbon vẫn nằm trong nhóm mô hình có tỷ lệ ảo giác thấp nhất được đánh giá, nhưng năng lực cao hơn không đồng nghĩa với tỷ lệ ảo giác thấp hơn trong mọi bối cảnh. Thử nghiệm nội bộ của Google về khẳng định thiếu căn cứ sử dụng một phương pháp khác.

Giá API Gemini 4 Carbon: mức ưu đãi ban đầu và chi phí tác vụ

Mức giá ưu đãi ban đầu được công bố của Carbon là $2 cho đầu vào / $10 cho đầu ra trên mỗi triệu token, giảm 50% so với giá tiêu chuẩn $4 / $20. Đầu vào được lưu trong bộ nhớ đệm được giảm 95% so với mức giá đầu vào áp dụng: $0.10 trong thời gian ưu đãi ban đầu và $0.20 theo giá tiêu chuẩn. Ngày hết hạn ưu đãi riêng của Carbon chưa được xác nhận; không nên áp dụng thời hạn của Argon cho Carbon.

Mức giảm giá bộ nhớ đệm chỉ áp dụng cho đầu vào được lưu trong bộ nhớ đệm đáp ứng điều kiện, không áp dụng cho đầu vào mới hoặc đầu ra. Điều này không xác định một kiến trúc KV-cache cụ thể, ngân sách bộ nhớ huấn luyện hay tỷ lệ sử dụng phần cứng.

Đối với tác vụ sử dụng 100,000 token đầu vào và 20,000 token đầu ra được tính phí, giá ưu đãi ban đầu cho kết quả:

0.1 × $2 + 0.02 × $10 = $0.40

Ví dụ với số token cố định này không bao gồm công cụ, lần thử lại và các khoản phí khác. Tác tử chạy dài còn phát sinh suy luận trung gian, đọc lặp lại và nhiều bước thực thi. Hãy so sánh tổng chi phí để có được một kết quả được chấp nhận.

Sử dụng giá tiêu chuẩn, Artificial Analysis báo cáo $7.76 cho mỗi tác vụ Intelligence Index đối với Carbon, so với $10.04 của Opus 5.5 và $6.25 của GPT-6 Astra. Lợi thế chi phí phụ thuộc vào tác vụ và lượng token tiêu thụ; mức giá token ưu đãi ban đầu không chứng minh rằng mọi tác vụ đều có chi phí giảm một nửa.

Các lựa chọn cùng dòng hiện có là Argon và 3.8 Flash. Tại thời điểm kiểm tra này, các tuyến APIMaster công khai có giá thấp nhất của chúng lần lượt giảm tới ~58.3% và giảm tới ~59.7% so với giá ưu đãi ban đầu hiện hành của Google cho phương thức Standard. Hãy lựa chọn theo khối lượng công việc, khả năng và dung lượng phục vụ của tuyến; thẻ trên sàn giao dịch là nguồn thông tin có giá trị quyết định.

Carbon và tự cải thiện đệ quy: điều gì đã được xác nhận?

Carbon xuất hiện khoảng hai tuần sau khi Argon mở quyền truy cập cho nhà phát triển vào ngày 13 tháng 10. Tốc độ đó đã làm dấy lên thảo luận về tự cải thiện đệ quy (RSI) và nghiên cứu AI có sự hỗ trợ của mô hình.

Thông báo về Carbon của Google xác nhận rằng các nhà nghiên cứu và mô hình đang cùng làm việc để nâng cao năng lực và củng cố các biện pháp bảo vệ. Thông báo không tiết lộ đủ về quy trình huấn luyện Carbon để xác minh việc sử dụng một bài nghiên cứu tự cải thiện cụ thể, huấn luyện theo thời gian thực trên hoạt động của người dùng hay nâng cấp tự chủ không có sự tham gia của con người.

Nghiên cứu có sự hỗ trợ của mô hình là một hướng đi hữu ích để theo dõi. Các đánh giá, mức giá và điều khoản truy cập đã công bố của Carbon là bằng chứng hiện có để đưa ra quyết định lựa chọn ở thời điểm này.

Khi nào API Carbon sẽ mở và Carbon có phải là Gemini 4 Flash không?

Theo kiểm tra vào 2026-10-31, thông báo của Google vẫn mô tả việc triển khai theo giai đoạn: trước tiên là những chuyên gia phòng thủ an ninh mạng được lựa chọn, sau đó là thêm các đối tác Fairwind đáng tin cậy. Thông báo không xác nhận ngày mở rộng rãi, mã định danh API công khai cuối cùng, giới hạn tốc độ hay quyền lợi theo gói đăng ký dành cho nhà phát triển, doanh nghiệp và người tiêu dùng thông thường.

Google chưa xác định Carbon là Gemini 4 Flash. Định vị chủ lực, mức giá công bố và chương trình truy cập đầu tiên của Carbon không xác định các thông số kỹ thuật của một sản phẩm Flash trong tương lai. Hãy theo dõi thông báo của từng sản phẩm riêng biệt.

Để triển khai ngay hôm nay, hãy dùng gemini-4-argon để thiết lập mức cơ sở cho tác vụ phức tạp, hoặc gemini-3.8-flash cho công việc xử lý theo lô nhạy cảm hơn về chi phí. Khi Carbon mở quyền truy cập, hãy so sánh với cùng đầu vào, công cụ và tiêu chí nghiệm thu: tỷ lệ hoàn thành, số lần con người can thiệp, thời gian và tổng chi phí.

Đăng ký APIMaster → Tạo khóa API → sử dụng API Base https://apimaster.ai/v1 với gemini-4-argon hoặc gemini-3.8-flash hiện có. Kiểm tra giá trực tiếp và các tuyến công khai trên thẻ Argon và thẻ Flash.

FAQ

Gemini 4 Carbon đã được phát hành chưa?

Google công bố Carbon vào 2026-10-28 với quyền truy cập theo từng giai đoạn dành cho các chuyên gia phòng thủ an ninh mạng đáng tin cậy. Chưa có ngày mở quyền truy cập rộng rãi cho nhà phát triển.

Carbon cải thiện ở đâu so với Argon?

Trong bảng công bố khi ra mắt, AA Index tăng từ 50 lên 59, Terminal-Bench 4.0 từ 57.1% lên 65.2% và GraphWalks từ 84.2% lên 96.2%. Lập trình trong thời gian dài, suy luận phức tạp và an ninh mạng là những ưu tiên chính.

Carbon có phải mô hình lập trình mạnh nhất không?

Mô hình cải thiện trên một số bài đánh giá lập trình, nhưng Coding Agent Index độc lập chấm Carbon 59, xếp sau Opus 5.5 kết hợp với Claude Code ở mức 62. Hãy so sánh bằng các tác vụ thực tế với công cụ và ngân sách cố định.

API Carbon có giá bao nhiêu?

Mức giá ưu đãi ban đầu được công bố là $2 cho đầu vào / $10 cho đầu ra trên mỗi triệu token, với $0.10 cho đầu vào được lưu trong bộ nhớ đệm. Giá tiêu chuẩn là $4 / $20 và $0.20 cho đầu vào được lưu trong bộ nhớ đệm. Ngày hết hạn ưu đãi của Carbon chưa được xác nhận.

Tôi có thể gọi Carbon trên APIMaster ngay bây giờ không?

Không tìm thấy tuyến Carbon công khai nào tại thời điểm kiểm tra này. Argon có 4 tuyến công khai đang hoạt động và 3.8 Flash có 7. Một liên kết tìm kiếm Carbon không có nghĩa là mô hình đã được niêm yết để bán.

Carbon có miễn nhiễm với chèn chỉ dẫn độc hại không?

Google báo cáo tỷ lệ tấn công thành công 0.0% trong một đánh giá cụ thể của Gray Swan về chèn chỉ dẫn gián tiếp. Kết quả đó chỉ bao quát các cuộc tấn công được đánh giá, không phải mọi cuộc tấn công có thể xảy ra.

Nguồn

• Google: thông báo về Carbon, 2026-10-28
• Google: bảng so sánh điểm chuẩn gốc
• Artificial Analysis: trí tuệ, tác tử lập trình, ảo giác và chi phí tác vụ, 2026-10-28
• Google: giá Gemini API chính thức
• Google: Fairwind Program
• APIMaster: dữ liệu trực tiếp về Argon trên sàn giao dịch · 3.8 Flash · Khả năng truy cập Carbon