Thông số kỹ thuật của Gemini 4 Argon
| Thông số kỹ thuật | Gemini 4 Argon |
|---|---|
| Nhà cung cấp | Google DeepMind |
| Dòng mô hình | Gemini 4 |
| ID mô hình | gemini-4-argon |
| Loại mô hình | Mô hình lập luận đa phương thức tuyến đầu |
| Trọng tâm chính | Quy trình phức tạp, lập trình tác tử, công việc tri thức doanh nghiệp, an ninh mạng |
| Khả năng đa phương thức | Google mô tả khả năng hiểu đa phương thức; trang mô hình công khai hiện chưa cung cấp lược đồ chế độ API đầy đủ |
| Đầu ra tối đa | Tối đa 1,000,000 token, theo các danh mục API bên thứ ba hiện tại; điều này không nên nhầm lẫn với cửa sổ ngữ cảnh đầu vào |
| Cửa sổ ngữ cảnh đầu vào | Chưa được Google công bố rõ ràng trên trang mô hình công khai hiện tại |
| Khả dụng API công khai | Truy cập hạn chế/trước phát hành; Google chưa công bố ngày phát hành rộng rãi |
Gemini 4 Argon là gì?
Gemini 4 Argon là mô hình đầu bảng làm nòng cốt cho thế hệ Gemini 4 của Google. Google mô tả mô hình này được thiết kế để đạt hiệu năng tuyến đầu trên các khối lượng công việc phức tạp, bao gồm kỹ thuật phần mềm, công việc tri thức doanh nghiệp và phòng thủ an ninh mạng. Bộ đánh giá đã công bố của mô hình bao phủ công việc tri thức, lập trình tác tử, khoa học và toán học, sử dụng máy tính, hiểu đa phương thức, các tác vụ ngữ cảnh dài và an ninh mạng.
Vị thế của Argon nổi bật là định hướng quy trình làm việc thay vì chỉ giới hạn ở hỏi đáp hội thoại. Google nhấn mạnh khả năng duy trì các tác vụ dài, nhiều bước và vận hành xuyên suốt các quy trình kỹ thuật phần mềm và doanh nghiệp phức tạp.
Tính năng chính của Gemini 4 Argon
- Lập luận cho quy trình phức tạp: Thiết kế cho các tác vụ dài, nhiều bước, đòi hỏi lập luận liên tục thay vì một phản hồi ngắn duy nhất.
- Lập trình tác tử: Google báo cáo kết quả mạnh trên DeepSWE v1.1, Vibe Code Bench và các đánh giá lập trình khác.
- Công việc tri thức doanh nghiệp: Các đánh giá đã công bố bao gồm các tác vụ tài chính và tác tử pháp lý cũng như tự động hóa kinh doanh đầu-cuối.
- Hiểu đa phương thức: Google báo cáo kết quả mạnh trên Chartography và LVBench, bao gồm khả năng hiểu đa phương thức và video dài.
- Hiệu năng ngữ cảnh dài: Kết quả GraphWalks được báo cáo cho cả dải lên đến 128K và 256K–1M token.
- Phòng thủ an ninh mạng: Google định vị riêng Argon cho phòng thủ an ninh mạng và báo cáo kết quả CWE-bench v1 cho việc khắc phục lỗ hổng.
Hiệu năng benchmark của Gemini 4 Argon
Google DeepMind báo cáo các kết quả sau trên trang đánh giá hiện tại của Gemini 4 Argon. Đây là các kết quả do nhà cung cấp công bố và chỉ nên so sánh trong phạm vi phương pháp luận benchmark đã nêu. [1]
| Benchmark | Danh mục | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | Công việc tri thức | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | Công việc tri thức | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | Công việc tri thức | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey's Legal Agent Benchmark | Công việc tri thức | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | Lập trình tác tử | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | Lập trình tác tử | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | Lập trình tác tử | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | Lập trình tác tử | 57.4% | 58.2% | 57.9% | 66.4% |
| Terminal-Bench Science 0.1 | Khoa học & toán học | 57.6% | 68.1% | 52.6% | 63.3% |
| LABBench | Khoa học & toán học | 88.8% | 85.4% | 68.6% | 73.1% |
| RiemannBench | Khoa học & toán học | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks, up to 128K | Ngữ cảnh dài | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks, 256K–1M | Ngữ cảnh dài | 84.2% | 71.8% | 65.0% | 66.8% |
| Chartography | Hiểu đa phương thức | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | Hiểu đa phương thức | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | An ninh mạng | 68.0% | 68.0% | 58.0% | 67.0% |
Các kết quả cho thấy hiệu năng của Argon thay đổi theo từng tác vụ: mô hình dẫn đầu các so sánh được trích dẫn trên một số đánh giá công việc tri thức, lập trình, khoa học, ngữ cảnh dài và đa phương thức, trong khi các mô hình khác đạt điểm cao hơn trên các benchmark lập trình, khoa học hoặc sử dụng máy tính cụ thể. Những điểm số này không nên bị gộp thành một bảng xếp hạng tổng thể duy nhất.
Gemini 4 Argon vs GPT-6 Astra vs Claude Fable 5.1
| Lĩnh vực | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|
| Công việc tri thức | Kết quả công bố mạnh mẽ trên Vals, AutomationBench, các đánh giá tài chính và tác tử pháp lý | Mạnh trên cùng bộ đánh giá đó | Mạnh trên một số đánh giá công việc tri thức |
| Lập trình tác tử | 77.9% trên DeepSWE v1.1; 91.9% trên Vibe Code Bench | 74.1% trên DeepSWE v1.1; 89.6% trên Vibe Code Bench | 67.4% trên DeepSWE v1.1; 90.3% trên Vibe Code Bench |
| Ngữ cảnh dài | 99.7% trên GraphWalks đến 128K; 84.2% trong khoảng 256K–1M | Lần lượt 98.7% và 71.8% | Lần lượt 91.4% và 65.0% |
| Hiểu đa phương thức | 71.6% Chartography; 91.7% LVBench | 71.0%; 87.5% | 46.2%; 79.7% |
| An ninh mạng | 68.0% trên CWE-bench v1 | 68.0% | 58.0% |
So sánh mang tính đặc thù theo benchmark. Ví dụ, GPT-6 Astra đạt điểm cao hơn Argon trên FrontierSWE v2 và Terminal-Bench Science 0.1, trong khi Argon đạt điểm cao hơn trên DeepSWE v1.1, Vibe Code Bench, GraphWalks 256K–1M và LVBench.
Trường hợp sử dụng tiêu biểu
- Kỹ thuật phần mềm ở quy mô kho mã — Lập trình phạm vi dài, tái cấu trúc, gỡ lỗi và phát triển tác tử.
- Quy trình tri thức doanh nghiệp — Nghiên cứu pháp lý, phân tích tài chính và tự động hóa quy trình kinh doanh.
- Phòng thủ an ninh mạng — Phát hiện, xác thực và khắc phục lỗ hổng trong môi trường kiểm soát.
- Quy trình khoa học và toán học — Các tác vụ phản ánh qua LABBench, RiemannBench và các đánh giá định hướng khoa học.
- Phân tích video dài và đa phương thức — Khối lượng công việc đòi hỏi diễn giải thông tin hình ảnh và thời gian.
- Tác tử ngữ cảnh dài — Ứng dụng cần duy trì thông tin xuyên suốt quỹ đạo tác vụ rất lớn.