Gemini 4 Aragon đứng thứ 8 trong 224 mô hình được đánh giá

Gemini 4 Aragon của Google đứng thứ 8 trong số 224 mô hình được đánh giá độc lập. Google cũng công bố điểm chuẩn nội bộ và ví dụ tối ưu bộ nhớ tại trung tâm dữ liệu, nhưng năng lực của mô hình trong công việc thực tế tại các doanh nghiệp bên ngoài vẫn chưa được kiểm chứng rộng rãi.

Google công bố Gemini 4 Aragon ngày 30 tháng 9. Koray Kavukcuoglu, Phó chủ tịch cấp cao Google DeepMind kiêm Kiến trúc sư AI trưởng của Google, cho biết trong thông báo chính thức rằng mô hình được thiết kế để xử lý các công việc phức tạp kéo dài. Google cho biết mô hình có thể được sử dụng trong phát triển phần mềm, công việc pháp lý và tài chính, cũng như an ninh mạng.

Ban đầu, mô hình sẽ được cung cấp cho các chuyên gia an ninh mạng đáng tin cậy tham gia chương trình Fairwind. Google dự định sau đó mở rộng quyền truy cập cho khách hàng API trả phí và người đăng ký Google AI Ultra, nhưng chưa công bố ngày phát hành rộng rãi. Trước đó, OpenAI và Anthropic cũng từng hạn chế quyền truy cập vào các mô hình AI hiệu năng cao.

Google cho biết Gemini 4 Aragon đạt 77,9% trong DeepSWE v1.1, bài đánh giá các nhiệm vụ kỹ thuật phần mềm dài hạn, và 51,3% trong AutomationBench, bài đánh giá khả năng tự động hóa công việc. Đây là kết quả từ các đánh giá nội bộ do Google công bố.

Artificial Analysis, đơn vị đánh giá độc lập, chấm Gemini 4 Aragon ở cấu hình suy luận cao 53 điểm. Mô hình xếp thứ 8 trong số 224 mô hình theo Chỉ số Trí tuệ của đơn vị này. Chỉ số tổng hợp kết quả từ 10 bài đánh giá về công việc tri thức, tự động hóa, lập trình và suy luận.

Các bài đánh giá khác nhau về nhiệm vụ và tiêu chí chấm điểm, vì vậy chỉ dựa vào thứ hạng tổng hợp thì khó kết luận mô hình vượt trội trong mọi công việc thực tế. Kết quả đánh giá nội bộ của Google và đánh giá từ bên ngoài cũng khác nhau về phương pháp và phạm vi, nên cần xem xét riêng từng kết quả.

Google đưa ra tối ưu bộ nhớ tại trung tâm dữ liệu làm ví dụ ứng dụng nội bộ. Theo công ty, một tác nhân AI của mô hình đã tìm ra và áp dụng phương án tối ưu giúp giải phóng hơn 300 TiB bộ nhớ; mức tiết kiệm bổ sung được ước tính từ 500 TiB đến 1 PiB. Đây là thành quả nội bộ và số liệu ước tính do Google công bố.

Bloomberg đưa tin, dẫn lời các nguồn tin giấu tên, rằng một số nhân viên Google đánh giá hiệu quả lập trình của mô hình khi sử dụng thực tế không cao bằng kết quả chuẩn đánh giá. Đây là đánh giá được thuật lại từ nhân viên nội bộ, khác với kết quả tái kiểm chứng độc lập đã công bố.

Google dự kiến mở rộng quyền truy cập Gemini 4 Aragon theo từng giai đoạn, từ các chuyên gia an ninh mạng đến khách hàng API trả phí và người đăng ký Google AI Ultra. Công ty chưa công bố lịch phát hành rộng rãi.