Mạnh Quân✔
Writer
Google vừa công bố Gemini 4 Neon, phiên bản mới trong dòng mô hình AI Gemini 4, tập trung vào khả năng xử lý các công việc phức tạp như lập trình, nghiên cứu và phân tích dữ liệu. Theo đánh giá của tổ chức kiểm thử độc lập Artificial Analysis, Neon đạt 61 điểm trong bài đánh giá năng lực trí tuệ AI, xếp thứ ba thế giới. Đáng chú ý, mô hình này hoàn thành công việc nhanh hơn khoảng 40% và tiết kiệm 17% chi phí so với phiên bản tiền nhiệm Gemini 4 Carbon.
Cùng với Gemini 4 Neon, Google còn giới thiệu Stitch Loop, công cụ AI có khả năng tự theo dõi và đề xuất cải tiến sản phẩm, mở rộng ứng dụng Gemini sang các thiết bị Android cấu hình thấp và bắt đầu triển khai mô hình thế giới Genie 4 cho một số người dùng.

Mục tiêu của Google không chỉ là nâng cao năng lực suy luận mà còn giúp AI hoàn thành công việc hiệu quả hơn, giảm thời gian chờ đợi và chi phí sử dụng.
Trong bài đánh giá của Artificial Analysis, Gemini 4 Neon đạt 61 điểm ở chế độ suy luận cao nhất (xhigh), cao hơn 1 điểm so với Gemini 4 Carbon. Kết quả này đưa Neon lên vị trí thứ ba trong bảng xếp hạng toàn cầu, sau GPT-6.2 Astra và Claude Fable 5.2.
Mô hình mới có những cải thiện về khả năng thực hiện công việc trí tuệ thông qua các tác nhân AI, suy luận hình ảnh và lập trình.
Điểm đáng chú ý nhất nằm ở hiệu quả thực thi. Trong bài kiểm tra của Artificial Analysis, Gemini 4 Neon cần trung bình 21 phút và 6,44 USD để hoàn thành một nhiệm vụ. Trong khi đó, Gemini 4 Carbon mất khoảng 36 phút với chi phí 7,76 USD.
Như vậy, thời gian xử lý giảm khoảng 40%, còn chi phí giảm khoảng 17%.
Đáng chú ý, Neon thực tế sử dụng nhiều hơn khoảng 15% token đầu ra so với Carbon. Token là đơn vị mà các mô hình AI sử dụng để xử lý và tạo ra nội dung. Việc chi phí vẫn giảm cho thấy Google đã tối ưu giá sử dụng token. Bên cạnh đó, tốc độ tạo nội dung của Neon đạt khoảng 110 token/giây, gần gấp đôi mức 57 token/giây của phiên bản trước.
Xét về chi phí, Neon cũng có lợi thế đáng kể. Mỗi nhiệm vụ có giá trung bình khoảng 6,86 USD, thấp hơn mức 12,61 USD của Claude Opus 5.5 và 15,47 USD của Claude Fable 5.2 trong cùng bài đánh giá.
Google cho biết Neon đặc biệt phù hợp với những công việc lập trình phức tạp như tìm và sửa lỗi trên nhiều tệp mã nguồn, tái cấu trúc phần mềm và xử lý các dự án kéo dài, đòi hỏi AI liên tục sử dụng những công cụ khác nhau.
Mô hình hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token. Điều này cho phép người dùng đưa vào một lượng lớn dữ liệu trong cùng một phiên làm việc, bao gồm mã nguồn, bảng tính, biểu đồ, tài liệu PDF, âm thanh và video.
Người dùng cũng có thể lựa chọn bốn mức độ suy luận: thấp, trung bình, cao và rất cao. Việc điều chỉnh này giúp cân bằng giữa tốc độ phản hồi, khả năng phân tích và chi phí sử dụng tùy theo độ phức tạp của công việc.
Một điểm khác được Google nhấn mạnh là khả năng tuân thủ các chỉ dẫn gồm nhiều bước và hạn chế tạo ra thông tin không có căn cứ, thường được gọi là hiện tượng AI ảo giác. Theo công ty, Neon đạt tỷ lệ ảo giác thấp kỷ lục trong số các mô hình Gemini khi thử nghiệm nội bộ trên Antigravity.
Google cũng công bố một số kết quả đánh giá liên quan đến lập trình. Neon đạt 58,6 điểm trong Artificial Analysis Coding Agent Index, 65,2% trong Terminal-Bench 4.1 và 46,2% trong FrontierCode 2.0 ở thiết lập mặc định mức cao.
Để minh họa khả năng xử lý công việc dài hạn, Google cho biết đã thử nghiệm Neon trong một nhiệm vụ kéo dài 12 giờ trên Antigravity. Mô hình được giao tái tạo phòng làm việc của nhà toán học Alan Turing tại King's College, Cambridge vào năm 1936, dựa trên các bức ảnh lưu trữ, đồng thời xây dựng một máy Turing đa năng có thể hoạt động trong không gian 3D.
Đây là ví dụ cho thấy Google muốn đưa AI vượt ra ngoài việc trả lời câu hỏi hoặc viết một đoạn mã đơn lẻ, hướng tới khả năng tự thực hiện những dự án phức tạp gồm nhiều công đoạn.
Mức giá này thấp hơn 25% so với giá tiêu chuẩn của Gemini 4 Carbon, vốn là 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra.
Tuy nhiên, Carbon hiện vẫn có chương trình giá ưu đãi tạm thời, chỉ 2 USD cho đầu vào và 10 USD cho đầu ra. Chương trình này dự kiến kết thúc ngày 30/11.
Bên cạnh phiên bản thông thường, Google còn phát triển một phiên bản Neon chuyên về an ninh mạng. Mô hình này được thiết kế để phát hiện lỗ hổng bảo mật, đánh giá mức độ rủi ro và đề xuất sửa chữa mã nguồn.
Theo kết quả Google công bố, phiên bản chuyên biệt đạt 76% trong bài kiểm tra AutoBaxBench ở chế độ khó, 51,26% trong WebExploitBench v1.2, 90,5% trong SEC-bench Pro và 70,7% trong CWE-bench v2.
Google cho biết mô hình Neon chuyên về an ninh mạng có thể xử lý các nhiệm vụ tốt hơn Carbon, đồng thời chi phí trong một số thử nghiệm chỉ bằng khoảng một nửa so với các mô hình AI tiên tiến có quy mô lớn.
Phiên bản này sẽ được cung cấp cho một nhóm chuyên gia an ninh mạng được lựa chọn thông qua chương trình Fairwind.
Về bảo mật, Google cho biết Neon tiếp tục kế thừa các cơ chế bảo vệ của Carbon trước những hành vi lạm dụng nghiêm trọng và tấn công chèn lệnh (prompt injection). Trong bài kiểm tra Gray Swan về tấn công chèn lệnh gián tiếp, Neon đạt tỷ lệ bị tấn công thành công 0% ở mức suy luận cao nhất. Dù vậy, đây chỉ là kết quả trong một bài kiểm tra cụ thể, không đồng nghĩa mô hình miễn nhiễm với mọi hình thức tấn công ngoài thực tế.
Khác với chatbot thông thường chỉ phản hồi khi người dùng đưa ra yêu cầu, Stitch Loop được thiết kế để hoạt động liên tục. Công cụ này kết nối với mã nguồn và dữ liệu sản phẩm theo thời gian thực, từ đó tìm ra những vấn đề cần cải thiện, đề xuất giải pháp, viết mã và tạo yêu cầu cập nhật mã nguồn trên GitHub (Pull Request).
Chẳng hạn, một nhóm phát triển có thể đặt mục tiêu cải thiện tỷ lệ khách hàng hoàn tất thanh toán trên website. Stitch Loop sẽ theo dõi dữ liệu, xác định những điểm gây cản trở người dùng, đề xuất phương án xử lý và tạo mã nguồn để thực hiện thay đổi.
Công cụ hỗ trợ hơn 180 tích hợp, đồng thời có thể kết nối với GitHub, dữ liệu nhật ký hệ thống, hành vi người dùng và phản hồi khách hàng. Người dùng cũng có thể bổ sung dữ liệu thông qua máy chủ hoặc giao diện dòng lệnh chạy trên máy tính cá nhân.
Google cho biết Stitch Loop có sẵn các quy trình tối ưu về an ninh mạng, tốc độ phản hồi và khả năng tiếp cận. Các nhóm phát triển cũng có thể thiết lập mục tiêu riêng theo nhu cầu.
Đáng chú ý, mã nguồn do Stitch Loop tạo ra được xử lý trong môi trường đám mây biệt lập. Công cụ chỉ gửi yêu cầu cập nhật để người dùng xem xét, không tự động hợp nhất những thay đổi vào sản phẩm khi chưa được phê duyệt.
Một quy trình chuyên về an ninh mạng của Stitch Loop kết hợp Gemini 4 Carbon với CodeMender, tác nhân AI của Google DeepMind chuyên tìm và sửa lỗi bảo mật trong mã nguồn.
Hiện Stitch Loop đang mở danh sách chờ. Người đăng ký Google AI Ultra đủ điều kiện sẽ được ưu tiên tiếp cận.
Để thực hiện điều này, Google đã thiết kế lại ứng dụng nhằm giúp những tính năng AI cốt lõi hoạt động mượt mà hơn trên phần cứng có cấu hình thấp. Theo công ty, thay đổi này có thể giúp Gemini tiếp cận thêm hàng trăm triệu người dùng trên toàn cầu.
Các tính năng được hỗ trợ bao gồm Gemini Live để trò chuyện bằng giọng nói, sử dụng camera nhận diện ghi chú và bảng biểu phục vụ học tập hoặc dịch thuật, cùng khả năng tạo ảnh bằng Nano Banana.
Người dùng có thể tải ứng dụng thông qua Google Play. Một số thiết bị của đối tác trong tương lai cũng có thể được cài đặt sẵn Gemini.
Một thông báo khác đáng chú ý là Google bắt đầu triển khai Genie 4 cho những người đăng ký Google AI Ultra đủ điều kiện, đồng thời nâng cấp trải nghiệm Project Genie.
Genie 4 là mô hình thế giới (world model), có khả năng tạo ra môi trường ảo tương tác thay vì chỉ tạo hình ảnh hoặc video tĩnh. Người dùng có thể sử dụng ngôn ngữ tự nhiên để thay đổi thời tiết, thêm nhân vật hoặc điều chỉnh khung cảnh ngay trong quá trình trải nghiệm. Âm thanh cũng được tạo ra và thay đổi theo môi trường trong thế giới ảo.
Project Genie còn giới thiệu các tác nhân sáng tạo. Người dùng chỉ cần mô tả ý tưởng, các tác nhân AI sẽ phối hợp với mô hình đa phương thức của Google để tạo ra cảnh quan trực quan và nhạc nền tương ứng.
Google đồng thời ra mắt thư viện cộng đồng, nơi người dùng có thể chia sẻ, khám phá và tái tạo những thế giới ảo do người khác xây dựng. Người đăng ký Google AI Pro hiện có thể tham gia danh sách chờ.
Với Gemini 4 Neon, Stitch Loop và Genie 4, Google đang mở rộng chiến lược AI theo nhiều hướng khác nhau. Thay vì chỉ tập trung cải thiện điểm số trên các bài kiểm tra hiệu năng, hãng muốn AI có thể trực tiếp tham gia vào công việc lập trình, vận hành và tối ưu sản phẩm, cũng như tạo ra những trải nghiệm tương tác mới cho người dùng phổ thông.
Thách thức tiếp theo không chỉ nằm ở việc xây dựng những mô hình thông minh hơn, mà còn ở khả năng đưa chúng vào các quy trình làm việc thực tế, nơi tốc độ, chi phí và độ tin cậy đều có ý nghĩa quan trọng.
Cùng với Gemini 4 Neon, Google còn giới thiệu Stitch Loop, công cụ AI có khả năng tự theo dõi và đề xuất cải tiến sản phẩm, mở rộng ứng dụng Gemini sang các thiết bị Android cấu hình thấp và bắt đầu triển khai mô hình thế giới Genie 4 cho một số người dùng.

Gemini 4 Neon hoàn thành công việc trong 21 phút, chi phí 6,44 USD
Theo Koray Kavukcuoglu, Phó chủ tịch cấp cao kiêm Kiến trúc sư trưởng AI của Google DeepMind, Gemini 4 Neon được phát triển để xử lý những nhiệm vụ đòi hỏi nhiều bước suy luận và thao tác liên tục, từ công việc kỹ thuật phần mềm đến nghiên cứu và các tác vụ trí tuệ chuyên sâu.Mục tiêu của Google không chỉ là nâng cao năng lực suy luận mà còn giúp AI hoàn thành công việc hiệu quả hơn, giảm thời gian chờ đợi và chi phí sử dụng.
Trong bài đánh giá của Artificial Analysis, Gemini 4 Neon đạt 61 điểm ở chế độ suy luận cao nhất (xhigh), cao hơn 1 điểm so với Gemini 4 Carbon. Kết quả này đưa Neon lên vị trí thứ ba trong bảng xếp hạng toàn cầu, sau GPT-6.2 Astra và Claude Fable 5.2.
Mô hình mới có những cải thiện về khả năng thực hiện công việc trí tuệ thông qua các tác nhân AI, suy luận hình ảnh và lập trình.
Điểm đáng chú ý nhất nằm ở hiệu quả thực thi. Trong bài kiểm tra của Artificial Analysis, Gemini 4 Neon cần trung bình 21 phút và 6,44 USD để hoàn thành một nhiệm vụ. Trong khi đó, Gemini 4 Carbon mất khoảng 36 phút với chi phí 7,76 USD.
Như vậy, thời gian xử lý giảm khoảng 40%, còn chi phí giảm khoảng 17%.
Đáng chú ý, Neon thực tế sử dụng nhiều hơn khoảng 15% token đầu ra so với Carbon. Token là đơn vị mà các mô hình AI sử dụng để xử lý và tạo ra nội dung. Việc chi phí vẫn giảm cho thấy Google đã tối ưu giá sử dụng token. Bên cạnh đó, tốc độ tạo nội dung của Neon đạt khoảng 110 token/giây, gần gấp đôi mức 57 token/giây của phiên bản trước.
Khả năng lập trình được cải thiện, xử lý tốt các dự án lớn
Trong bài kiểm tra khả năng lập trình bằng tác nhân AI trên môi trường dòng lệnh Antigravity, Gemini 4 Neon đạt 59 điểm, cao hơn 3 điểm so với Carbon. Kết quả này tương đương với một số mô hình Claude khi thực hiện các tác vụ lập trình.Xét về chi phí, Neon cũng có lợi thế đáng kể. Mỗi nhiệm vụ có giá trung bình khoảng 6,86 USD, thấp hơn mức 12,61 USD của Claude Opus 5.5 và 15,47 USD của Claude Fable 5.2 trong cùng bài đánh giá.
Google cho biết Neon đặc biệt phù hợp với những công việc lập trình phức tạp như tìm và sửa lỗi trên nhiều tệp mã nguồn, tái cấu trúc phần mềm và xử lý các dự án kéo dài, đòi hỏi AI liên tục sử dụng những công cụ khác nhau.
Mô hình hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token. Điều này cho phép người dùng đưa vào một lượng lớn dữ liệu trong cùng một phiên làm việc, bao gồm mã nguồn, bảng tính, biểu đồ, tài liệu PDF, âm thanh và video.
Người dùng cũng có thể lựa chọn bốn mức độ suy luận: thấp, trung bình, cao và rất cao. Việc điều chỉnh này giúp cân bằng giữa tốc độ phản hồi, khả năng phân tích và chi phí sử dụng tùy theo độ phức tạp của công việc.
Một điểm khác được Google nhấn mạnh là khả năng tuân thủ các chỉ dẫn gồm nhiều bước và hạn chế tạo ra thông tin không có căn cứ, thường được gọi là hiện tượng AI ảo giác. Theo công ty, Neon đạt tỷ lệ ảo giác thấp kỷ lục trong số các mô hình Gemini khi thử nghiệm nội bộ trên Antigravity.
Google cũng công bố một số kết quả đánh giá liên quan đến lập trình. Neon đạt 58,6 điểm trong Artificial Analysis Coding Agent Index, 65,2% trong Terminal-Bench 4.1 và 46,2% trong FrontierCode 2.0 ở thiết lập mặc định mức cao.
Để minh họa khả năng xử lý công việc dài hạn, Google cho biết đã thử nghiệm Neon trong một nhiệm vụ kéo dài 12 giờ trên Antigravity. Mô hình được giao tái tạo phòng làm việc của nhà toán học Alan Turing tại King's College, Cambridge vào năm 1936, dựa trên các bức ảnh lưu trữ, đồng thời xây dựng một máy Turing đa năng có thể hoạt động trong không gian 3D.
Đây là ví dụ cho thấy Google muốn đưa AI vượt ra ngoài việc trả lời câu hỏi hoặc viết một đoạn mã đơn lẻ, hướng tới khả năng tự thực hiện những dự án phức tạp gồm nhiều công đoạn.
Giá API giảm 25% so với mức tiêu chuẩn của phiên bản trước
Google công bố giá sử dụng API của Gemini 4 Neon ở mức 3 USD cho mỗi triệu token đầu vào và 15 USD cho mỗi triệu token đầu ra. Với token đầu vào được lưu trong bộ nhớ đệm (cached input), mức giá chỉ còn 0,15 USD cho mỗi triệu token, tương đương giảm 95% so với giá đầu vào thông thường.Mức giá này thấp hơn 25% so với giá tiêu chuẩn của Gemini 4 Carbon, vốn là 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra.
Tuy nhiên, Carbon hiện vẫn có chương trình giá ưu đãi tạm thời, chỉ 2 USD cho đầu vào và 10 USD cho đầu ra. Chương trình này dự kiến kết thúc ngày 30/11.
Bên cạnh phiên bản thông thường, Google còn phát triển một phiên bản Neon chuyên về an ninh mạng. Mô hình này được thiết kế để phát hiện lỗ hổng bảo mật, đánh giá mức độ rủi ro và đề xuất sửa chữa mã nguồn.
Theo kết quả Google công bố, phiên bản chuyên biệt đạt 76% trong bài kiểm tra AutoBaxBench ở chế độ khó, 51,26% trong WebExploitBench v1.2, 90,5% trong SEC-bench Pro và 70,7% trong CWE-bench v2.
Google cho biết mô hình Neon chuyên về an ninh mạng có thể xử lý các nhiệm vụ tốt hơn Carbon, đồng thời chi phí trong một số thử nghiệm chỉ bằng khoảng một nửa so với các mô hình AI tiên tiến có quy mô lớn.
Phiên bản này sẽ được cung cấp cho một nhóm chuyên gia an ninh mạng được lựa chọn thông qua chương trình Fairwind.
Về bảo mật, Google cho biết Neon tiếp tục kế thừa các cơ chế bảo vệ của Carbon trước những hành vi lạm dụng nghiêm trọng và tấn công chèn lệnh (prompt injection). Trong bài kiểm tra Gray Swan về tấn công chèn lệnh gián tiếp, Neon đạt tỷ lệ bị tấn công thành công 0% ở mức suy luận cao nhất. Dù vậy, đây chỉ là kết quả trong một bài kiểm tra cụ thể, không đồng nghĩa mô hình miễn nhiễm với mọi hình thức tấn công ngoài thực tế.
Stitch Loop: AI có thể tự tìm vấn đề và đề xuất cải tiến sản phẩm
Ngoài Gemini 4 Neon, Google còn giới thiệu Stitch Loop, một sản phẩm thử nghiệm thuộc Google Labs, hướng đến việc tự động hóa quá trình phát triển và tối ưu sản phẩm.Khác với chatbot thông thường chỉ phản hồi khi người dùng đưa ra yêu cầu, Stitch Loop được thiết kế để hoạt động liên tục. Công cụ này kết nối với mã nguồn và dữ liệu sản phẩm theo thời gian thực, từ đó tìm ra những vấn đề cần cải thiện, đề xuất giải pháp, viết mã và tạo yêu cầu cập nhật mã nguồn trên GitHub (Pull Request).
Chẳng hạn, một nhóm phát triển có thể đặt mục tiêu cải thiện tỷ lệ khách hàng hoàn tất thanh toán trên website. Stitch Loop sẽ theo dõi dữ liệu, xác định những điểm gây cản trở người dùng, đề xuất phương án xử lý và tạo mã nguồn để thực hiện thay đổi.
Công cụ hỗ trợ hơn 180 tích hợp, đồng thời có thể kết nối với GitHub, dữ liệu nhật ký hệ thống, hành vi người dùng và phản hồi khách hàng. Người dùng cũng có thể bổ sung dữ liệu thông qua máy chủ hoặc giao diện dòng lệnh chạy trên máy tính cá nhân.
Google cho biết Stitch Loop có sẵn các quy trình tối ưu về an ninh mạng, tốc độ phản hồi và khả năng tiếp cận. Các nhóm phát triển cũng có thể thiết lập mục tiêu riêng theo nhu cầu.
Đáng chú ý, mã nguồn do Stitch Loop tạo ra được xử lý trong môi trường đám mây biệt lập. Công cụ chỉ gửi yêu cầu cập nhật để người dùng xem xét, không tự động hợp nhất những thay đổi vào sản phẩm khi chưa được phê duyệt.
Một quy trình chuyên về an ninh mạng của Stitch Loop kết hợp Gemini 4 Carbon với CodeMender, tác nhân AI của Google DeepMind chuyên tìm và sửa lỗi bảo mật trong mã nguồn.
Hiện Stitch Loop đang mở danh sách chờ. Người đăng ký Google AI Ultra đủ điều kiện sẽ được ưu tiên tiếp cận.
Gemini chạy trên điện thoại Android cấu hình thấp, Genie 4 bắt đầu triển khai
Google cũng mở rộng phạm vi tiếp cận của ứng dụng Gemini khi đưa ứng dụng này lên các thiết bị Android Go đủ điều kiện, vốn có dung lượng bộ nhớ hạn chế.Để thực hiện điều này, Google đã thiết kế lại ứng dụng nhằm giúp những tính năng AI cốt lõi hoạt động mượt mà hơn trên phần cứng có cấu hình thấp. Theo công ty, thay đổi này có thể giúp Gemini tiếp cận thêm hàng trăm triệu người dùng trên toàn cầu.
Các tính năng được hỗ trợ bao gồm Gemini Live để trò chuyện bằng giọng nói, sử dụng camera nhận diện ghi chú và bảng biểu phục vụ học tập hoặc dịch thuật, cùng khả năng tạo ảnh bằng Nano Banana.
Người dùng có thể tải ứng dụng thông qua Google Play. Một số thiết bị của đối tác trong tương lai cũng có thể được cài đặt sẵn Gemini.
Một thông báo khác đáng chú ý là Google bắt đầu triển khai Genie 4 cho những người đăng ký Google AI Ultra đủ điều kiện, đồng thời nâng cấp trải nghiệm Project Genie.
Genie 4 là mô hình thế giới (world model), có khả năng tạo ra môi trường ảo tương tác thay vì chỉ tạo hình ảnh hoặc video tĩnh. Người dùng có thể sử dụng ngôn ngữ tự nhiên để thay đổi thời tiết, thêm nhân vật hoặc điều chỉnh khung cảnh ngay trong quá trình trải nghiệm. Âm thanh cũng được tạo ra và thay đổi theo môi trường trong thế giới ảo.
Project Genie còn giới thiệu các tác nhân sáng tạo. Người dùng chỉ cần mô tả ý tưởng, các tác nhân AI sẽ phối hợp với mô hình đa phương thức của Google để tạo ra cảnh quan trực quan và nhạc nền tương ứng.
Google đồng thời ra mắt thư viện cộng đồng, nơi người dùng có thể chia sẻ, khám phá và tái tạo những thế giới ảo do người khác xây dựng. Người đăng ký Google AI Pro hiện có thể tham gia danh sách chờ.
Với Gemini 4 Neon, Stitch Loop và Genie 4, Google đang mở rộng chiến lược AI theo nhiều hướng khác nhau. Thay vì chỉ tập trung cải thiện điểm số trên các bài kiểm tra hiệu năng, hãng muốn AI có thể trực tiếp tham gia vào công việc lập trình, vận hành và tối ưu sản phẩm, cũng như tạo ra những trải nghiệm tương tác mới cho người dùng phổ thông.
Thách thức tiếp theo không chỉ nằm ở việc xây dựng những mô hình thông minh hơn, mà còn ở khả năng đưa chúng vào các quy trình làm việc thực tế, nơi tốc độ, chi phí và độ tin cậy đều có ý nghĩa quan trọng.