60 điểm, xếp thứ 4/74: Gemini 4 Carbon ở thiết lập suy luận cao nhất

Gemini 4 Carbon của Google đạt 60 điểm ở thiết lập suy luận cao nhất trong Chỉ số trí tuệ mới nhất của Artificial Analysis, xếp thứ 4 trong số 74 mô hình. Kết quả ở các bài đánh giá riêng lẻ khác nhau tùy nhiệm vụ.

Artificial Analysis chấm Gemini 4 Carbon 60 điểm ở thiết lập High trong Chỉ số trí tuệ v5.0.1. Cùng trang này, thiết lập Medium đạt 58 điểm và Low đạt 54 điểm.

Trong thông báo ngày 28/10, Google cho biết Gemini 4 Carbon đứng đầu với 59 điểm theo Chỉ số trí tuệ v5.0. TokenPost từng đưa tin về kết quả 59 điểm và vị trí thứ nhất mà Google công bố. Hai kết quả dựa trên phiên bản chỉ số và tập hợp mô hình so sánh khác nhau, nên không thể xem là sự tăng hay giảm thứ hạng trên cùng một bảng.

Theo thẻ mô hình tháng 10 của Google DeepMind, Gemini 4 Carbon đạt 61,2% trong bài đánh giá phát triển phần mềm FrontierSWE 2. GPT-6 Astra đạt 65,5% và Claude Opus 5.5 đạt 62,3%, đều cao hơn Gemini 4 Carbon. Các số liệu trong thẻ mô hình cho thấy điểm số khác nhau giữa các mô hình ở từng nhiệm vụ.

Trong Terminal-Bench 4.0, bài đánh giá thực hiện nhiệm vụ trong môi trường dòng lệnh, Gemini 4 Carbon đạt 65,2%. GPT-6 Astra đạt 59,1% và Claude Opus 5.5 đạt 59,6% trong cùng bảng.

Ở tập con ngoại tuyến của bài kiểm tra điều khiển máy tính OSWorld-2.1, Gemini 4 Carbon đạt 81,5%, còn Claude Opus 5.5 đạt 87,2%. Đây là điểm của một phần nhiệm vụ, không phải kết quả toàn bộ bài kiểm tra.

Phương pháp đánh giá cũng có những điều kiện nhất định. Google DeepMind giải thích trong tài liệu phương pháp đánh giá rằng kết quả của Gemini 4 Carbon và Argon không có ghi chú riêng được tính theo pass@1 và sử dụng thiết lập suy luận cao nhất. Các bài đánh giá quy mô nhỏ được chạy nhiều lần rồi lấy điểm trung bình.

Trừ khi có ngoại lệ được nêu riêng, điểm của các mô hình so sánh là số liệu do từng đơn vị phát triển tự công bố. Google tự tính một số kết quả của Gemini 4 Carbon, còn một số khác được lấy từ bảng xếp hạng công khai bên ngoài. Không phải mọi điểm số trong bảng đều được đo theo cùng một phương pháp.

Google cho biết Gemini 4 Carbon được thiết kế cho các tác vụ lập trình phức tạp và kiểm chứng kéo dài. Mô hình sử dụng nhiều token hơn Argon; người dùng có thể điều chỉnh chất lượng, độ trễ và chi phí tùy theo thiết lập suy luận.

Thẻ mô hình cũng ghi nhận khả năng xảy ra hiện tượng bịa thông tin, độ trễ phản hồi và hết thời gian chờ. Vì vậy, không thể trực tiếp quy đổi điểm chuẩn thành tốc độ hoặc độ ổn định trong môi trường sử dụng thực tế.

Trong thông báo ngày 28/10, Google cho biết sẽ cung cấp Gemini 4 Carbon trước cho một số nhân sự phụ trách an ninh mạng, bắt đầu từ tuần đó.

Ngày 10/11, Google thông báo mở rộng quyền truy cập cho người dùng API trả phí và khách hàng doanh nghiệp. Nhà phát triển và doanh nghiệp có thể sử dụng mô hình qua API Google AI Studio và Gemini for business.

Google cũng cho biết người đăng ký Google AI Ultra sẽ lần lượt được dùng mô hình trên ứng dụng Gemini, Google Antigravity và Chế độ AI trong Tìm kiếm. Thông báo ban đầu và việc mở rộng nhóm người dùng thực tế là hai giai đoạn khác nhau.

Giá API trong giai đoạn áp dụng ban đầu là 2 USD (khoảng 2.700 won) cho mỗi 1 triệu token đầu vào và 10 USD (khoảng 13.400 won) cho mỗi 1 triệu token đầu ra. Mức giảm giá áp dụng đến hết ngày 30/11; sau đó, giá sẽ tăng lên 4 USD (khoảng 5.400 won) cho mỗi 1 triệu token đầu vào và 20 USD (khoảng 26.800 won) cho mỗi 1 triệu token đầu ra.

Artificial Analysis ước tính chi phí cho mỗi tác vụ trong bài đánh giá Chỉ số trí tuệ là 7,76 USD (khoảng 10.400 won) theo mức giá tiêu chuẩn. Phép tính này không áp dụng mức giá ưu đãi ban đầu.