Mục lục
TL;DR: Gemini 4 Carbon hiện xếp vị trí số 1 trên bảng xếp hạng Intelligence Index v5 với 59 điểm, đồng thời có chi phí ước tính cho mỗi tác vụ thấp hơn 23% so với Claude Opus 5.5.
Google vừa bổ sung Gemini 4 Carbon vào dòng mô hình AI cao cấp của mình. Theo kết quả do đơn vị đánh giá độc lập Artificial Analysis công bố, mô hình này đứng đầu bảng Intelligence Index v5, một chỉ số tổng hợp dùng để so sánh năng lực của các mô hình AI.
Điểm đáng chú ý không chỉ là thứ hạng. Trong cùng phép đo, Gemini 4 Carbon được ước tính tốn 7,76 USD cho mỗi tác vụ, so với 10,04 USD của Claude Opus 5.5. Với các doanh nghiệp triển khai AI ở quy mô lớn, chênh lệch chi phí và lượng token sử dụng có thể quan trọng không kém điểm benchmark.
Điểm tổng hợp cao hơn với lượng token đầu ra thấp hơn
Gemini 4 Carbon đạt 59 điểm Intelligence Index, cao hơn Claude Opus 5.5 theo bài viết nguồn. Mô hình dẫn đầu 4 trong 9 hạng mục cốt lõi của bộ đánh giá, gồm HLE-Diamond, Terminal-Bench-Science, AutomationBench-AA và AA-Omniscience v1.1.
Artificial Analysis ước tính Carbon dùng khoảng 123.000 output tokens cho mỗi tác vụ được chấm, thấp hơn 29% so với khoảng 173.000 token của mô hình Claude Opus 5.5. Output token là đơn vị đo lượng nội dung mô hình sinh ra; dùng ít token hơn có thể giúp giảm chi phí và thời gian xử lý, nếu chất lượng đầu ra vẫn được duy trì.
Trên AA-Omniscience, Gemini 4 Carbon đạt 54 điểm, cao hơn Claude Opus 5.5 sáu điểm. Bài viết cũng nêu mô hình có độ chính xác 58% và tỷ lệ hallucination, tức tình trạng AI tạo ra thông tin sai hoặc không có căn cứ, là 11% trong bài kiểm tra này.
Giá API và ưu đãi khởi động
Giá niêm yết của Gemini 4 Carbon là 4 USD cho một triệu input tokens và 20 USD cho một triệu output tokens. Mức này tương đương Gemini 4 Argon, trong khi Carbon cao hơn Argon 9 điểm trên Intelligence Index chính.
Google đang áp dụng ưu đãi ra mắt giảm 50%. Công ty cũng giảm 95% chi phí xử lý cached input, tức phần dữ liệu đầu vào đã được lưu đệm để tái sử dụng, xuống 0,20 USD cho một triệu token. Cơ chế này đặc biệt liên quan đến các tác vụ lặp lại cùng tài liệu, hướng dẫn hoặc ngữ cảnh dài.
Dựa trên cách tính của Artificial Analysis, chi phí mỗi tác vụ của Carbon thấp hơn khoảng 23% so với Claude Opus 5.5. Tuy nhiên, mức chi thực tế của doanh nghiệp vẫn phụ thuộc vào loại tác vụ, độ dài ngữ cảnh, số token sinh ra và điều kiện giá áp dụng tại thời điểm sử dụng.
Image credit: artificialanalysis.ai
Thu hẹp khoảng cách ở coding agent
Trong agentic coding, nơi AI có thể thực hiện chuỗi bước để xử lý công việc lập trình thay vì chỉ trả lời một yêu cầu đơn lẻ, Gemini 4 Carbon kết hợp với Antigravity CLI đạt 59 điểm trên Artificial Analysis Coding Agent Index. Kết quả này chỉ thấp hơn ba điểm so với tổ hợp Claude Code và Claude Opus 5.5.
Với công việc tri thức rộng hơn, Carbon đạt 1.609 Elo trên AA-Briefcase, tăng 126 Elo so với Gemini 4 Argon. Elo là thang điểm thường được dùng để so sánh tương quan hiệu quả giữa các hệ thống trong cùng một bộ đánh giá.
Dù vậy, bài viết nguồn cho biết Carbon vẫn đứng sau một số mô hình thiên về workflow năng suất như Grok 4.7 và Kimi K3.1 Pro. Điều này cho thấy vị trí dẫn đầu ở chỉ số intelligence tổng hợp không đồng nghĩa mô hình sẽ tốt nhất cho mọi công việc văn phòng hay quy trình chuyên biệt.
Vì sao đáng chú ý?
Cạnh tranh giữa các mô hình AI đang dịch chuyển từ việc so điểm benchmark đơn lẻ sang bài toán cân bằng giữa năng lực, chi phí vận hành và khả năng hoàn thành tác vụ nhiều bước. Kết quả của Gemini 4 Carbon cho thấy Google có thêm lợi thế để thuyết phục khách hàng doanh nghiệp, nhất là các nhóm cần suy luận cao nhưng phải kiểm soát ngân sách API.
Tuy nhiên, benchmark chỉ phản ánh kết quả trong điều kiện kiểm thử cụ thể. Các đội ngũ triển khai vẫn cần đánh giá mô hình trên dữ liệu, quy trình và yêu cầu an toàn của chính họ trước khi đưa vào các tác vụ quan trọng.
Skills Bridge tổng hợp
