Google DeepMind ra mắt Gemini 4 Neon với chu kỳ迭代 nhanh chóng
Google DeepMind đã ra mắt Gemini 4 Neon, mô hình thứ tư trong vòng bảy tuần, cung cấp một lựa chọn tầm trung với điểm chuẩn cạnh tranh và các tích hợp mới dành cho nhà phát triển.
Được dịch tự động từ bản gốc tiếng Anh.
Google DeepMind đã phát hành Gemini 4 Neon, đánh dấu lần cập nhật thứ tư của dòng sản phẩm Gemini 4 trong khoảng bảy tuần. Bản ra mắt này giới thiệu một mô hình tầm trung nhằm cân bằng giữa chi phí và hiệu suất, xuất hiện cùng với những động thái quan trọng trong ngành bao gồm định giá IPO của Anthropic và thương vụ mua lại lớn của Palo Alto Networks.
Điều gì đã xảy ra
Việc phát hành Gemini 4 Neon tiếp tục nhịp độ nhanh chóng từ Google DeepMind, sau các mô hình trước đó là Argon, Carbon và Hydrogen. Quy ước đặt tên đã thay đổi, không còn dựa trên khối lượng nguyên tử, vì về mặt kỹ thuật Neon nhỏ hơn Carbon nhưng lại vượt trội hơn trong một số bài kiểm tra chuẩn nhờ các kỹ thuật chưng cất (distillation) và học tăng cường (reinforcement learning). Argon, được phát hành chỉ sáu tuần trước đó, đã bị ngừng hỗ trợ, và các mô hình cũ như Pro và Flash từ thế hệ trước cũng không còn nằm trong danh sách hoạt động.
Neon có mức giá $3 cho mỗi triệu token đầu vào, $0.15 cho đầu vào được lưu cache và $15 cho mỗi triệu token đầu ra. Mô hình hỗ trợ cửa sổ ngữ cảnh lên đến một triệu token và cung cấp bốn mức độ nỗ lực (effort levels) khác nhau. Nó đang được triển khai cho API Gemini trả phí thông qua AI Studio và Android Studio, cũng như Gemini for business. Người đăng ký gói Antigravity Pro và Ultra có thể truy cập ngay lập tức, trong khi người dùng ứng dụng Gemini tiêu chuẩn có thể chọn nó cho các tác vụ "Phân tích sâu hơn".
Các công cụ phát triển chính đã tích hợp Neon ngay từ ngày đầu tiên. Cursor, GitHub Copilot trên nhiều giao diện khác nhau và LangChain Managed Deep Agents hiện đều hỗ trợ mô hình này. Sự sẵn có tức thì này cho thấy một chiến lược đẩy mạnh việc nhúng mô hình vào các quy trình làm việc kỹ thuật hiện có, thay vì coi đây là một bản phát hành thử nghiệm độc lập.
Cách thức hoạt động
Gemini 4 Neon tận dụng các kỹ thuật chưng cất và học tăng cường tiên tiến để đạt hiệu suất cao mặc dù là một mô hình nhỏ hơn so với phiên bản tiền nhiệm, Carbon. Chưng cất liên quan đến việc huấn luyện một mô hình sinh viên nhỏ hơn để bắt chước hành vi của một mô hình giáo viên lớn hơn, cho phép suy luận nhanh hơn và chi phí thấp hơn trong khi vẫn giữ được phần lớn khả năng lập luận. Học tăng cường tiếp tục tinh chỉnh đầu ra của mô hình dựa trên phản hồi từ con người hoặc tự động, cải thiện khả năng điều hướng và độ chính xác.
Mô hình hoạt động với bốn mức độ nỗ lực, cho phép người dùng đánh đổi giữa tốc độ và độ sâu lập luận. Ở các mức độ nỗ lực cao hơn, mô hình thực hiện nhiều bước kiểm tra nội bộ và tìm kiếm mở rộng, làm tăng độ trễ nhưng cải thiện độ chính xác đối với các tác vụ phức tạp. Tính linh hoạt này giúp các nhà phát triển chọn thiết lập phù hợp cho các loại truy vấn khác nhau, từ hoàn thành mã nhanh chóng đến các tác vụ phân tích chuyên sâu.
Các bài kiểm tra chuẩn độc lập làm nổi bật khả năng của mô hình. Trên Chỉ số Thông minh (Intelligence Index), Neon đạt điểm ngang bằng với Carbon ở mức 60 khi đặt ở mức nỗ lực cao, với chi phí $3.74 cho mỗi tác vụ. Trong Agent Arena, nó ra mắt ở vị trí thứ hai với 1.336 điểm qua khoảng 4.200 phiên, chứng tỏ khả năng điều hướng tốt. Tuy nhiên, nó vẫn kém hơn Carbon trong Text Arena riêng biệt, cho thấy mặc dù xuất sắc trong tương tác dựa trên agent, việc tạo văn bản thuần túy có thể vẫn ưu tiên các mô hình lớn hơn.
Chi tiết chính
- Giá cả: Đầu vào có giá $3 cho mỗi triệu token, đầu vào được lưu cache là $0.15 và đầu ra là $15 cho mỗi triệu token.
- Cửa sổ ngữ cảnh: Hỗ trợ tối đa một triệu token, với Vals báo cáo giới hạn đầu ra tối đa là một triệu token.
- Hiệu suất chuẩn: Đạt 70.9% trên Vals Index, xếp thứ hai sau Fable 5.2 nhưng với chi phí cho mỗi tác vụ chưa bằng một nửa.
- Di chuyển mã: Trung bình mất 160 lượt cho các tác vụ di chuyển mã, ít hơn so với 234 của Carbon hoặc 574 của Hydrogen, mặc dù điểm độ chính xác thấp hơn cả hai.
- Khả năng điều hướng: Trong các thử nghiệm ban đầu, mô hình tuân thủ các chỉ dẫn tránh lệnh terminal, chạy zero lệnh shell khi được yêu cầu.
- Nhịp độ phát hành: Khoảng cách giữa các bản phát hành gần đây đã rút ngắn, chỉ còn sáu ngày giữa Hydrogen và Neon.
Tại sao điều này quan trọng
Đối với các kỹ sư phần mềm và trưởng nhóm kỹ thuật, chu kỳ phát hành nhanh chóng và mức giá cạnh tranh của Gemini 4 Neon mang đến một lựa chọn khả thi cho các tác vụ lập trình và phân tích hàng ngày. Khả năng sánh kịp hiệu suất của Carbon trên một số bài kiểm tra chuẩn với chi phí thấp hơn khiến nó trở thành một lựa chọn hấp dẫn cho các ứng dụng có khối lượng lớn. Màn trình diễn ấn tượng trong các arena agent cho thấy nó rất phù hợp cho các quy trình làm việc tự động, nơi khả năng điều hướng và hiệu quả chi phí là yếu tố then chốt.
Việc tích hợp với các công cụ chính như GitHub Copilot và Cursor có nghĩa là các nhà phát triển có thể áp dụng Neon mà không cần thay đổi môi trường hiện tại của họ. Điều này giảm thiểu sự ma sát và cho phép các nhóm thử nghiệm khả năng của mô hình mới trong các kịch bản thực tế. Tuy nhiên, sự xuất hiện của các lỗi dung lượng và quá trình bị đình trệ trong các thử nghiệm ban đầu cho thấy ổn định hạ tầng có thể vẫn là một mối lo ngại trong giai đoạn triển khai ban đầu.
Bối cảnh ngành rộng lớn hơn, bao gồm IPO của Anthropic và việc Palo Alto Networks mua lại Applied Compute, nhấn mạnh xu hướng thương mại hóa ngày càng tăng của hạ tầng AI. Khi các mô hình trở nên phổ biến hơn, trọng tâm chuyển sang tích hợp, độ tin cậy và hiệu quả chi phí. Gemini 4 Neon đại diện cho một bước đi theo hướng này, cung cấp một lựa chọn cân bằng cho các nhà phát triển cần hiệu suất mạnh mẽ mà không phải trả mức giá premium của các mô hình hàng đầu.
Bạn có thể làm gì
- Thử nghiệm Gemini 4 Neon trong AI Studio hoặc Android Studio để đánh giá hiệu suất của nó đối với các trường hợp sử dụng cụ thể của bạn.
- Cấu hình các mức độ nỗ lực trong ứng dụng của bạn để cân bằng giữa tốc độ và độ chính xác dựa trên độ phức tạp của tác vụ.
- Tích hợp mô hình với Cursor hoặc GitHub Copilot để tận dụng khả năng của nó trong quy trình phát triển hiện có.
- Giám sát dung lượng và tỷ lệ lỗi trong quá trình sử dụng ban đầu để xác định các vấn đề tiềm ẩn về ổn định trong môi trường sản xuất của bạn.
- So sánh chi phí với các mô hình tầm trung khác như Fable 5.2 để xác định lựa chọn kinh tế nhất cho khối lượng công việc của bạn.
- Khám phá các tính năng điều hướng bằng cách thiết lập các ràng buộc nghiêm ngặt về việc sử dụng công cụ, chẳng hạn như vô hiệu hóa quyền truy cập terminal, để đảm bảo vận hành an toàn.



