Google ra mắt Gemini 4 Argon: 1 triệu token đầu ra và tham vọng để AI tự tìm, xác minh rồi vá lỗ hổng

Google vừa công bố Gemini 4 Argon, frontier model mới nhắm vào những công việc dài và phức tạp như software engineering, tài chính, pháp lý và đặc biệt là phòng thủ an ninh mạng. Con số gây chú ý nhất là giới hạn đầu ra lên tới 1 triệu token — tăng mạnh từ 64.000 token trước đó. Nhưng Argon chưa được mở rộng rãi: Google đang đưa model tới một nhóm cyber defender được chọn thông qua chương trình Fairwind trước khi phát hành cho developer, doanh nghiệp và người dùng.

1 triệu token — nhưng là output

Đây là chi tiết dễ bị viết sai nhất. Trong announcement chính thức ngày 30/9, Google nói Argon nâng output token limit từ 64K lên 1 triệu token — tức giới hạn ĐẦU RA trong một trajectory, không nên tự đồng nhất với input/context window.

Mục đích không đơn thuần là để AI viết câu trả lời dài hơn. Google muốn model có đủ 'headroom' để duy trì những trajectory suy luận và thực thi kéo dài, có thể tạo hàng trăm nghìn token trong một lần xử lý những bài toán phức tạp.

Điều này đặc biệt có ý nghĩa với agent. Một chatbot thông thường có thể: hỏi → suy luận → trả lời. Một coding/security agent lại có thể: đọc code → lập kế hoạch → tìm lỗi → kiểm chứng → sửa → test → phát hiện lỗi mới → sửa tiếp. Vấn đề lúc này không chỉ là model 'thông minh bao nhiêu', mà còn là nó có thể duy trì một công việc phức tạp bao lâu trước khi trajectory bị cắt. Argon đang đẩy giới hạn đó lên rất xa.

Google đã dùng Argon để sửa chính hệ thống của mình

Một số ví dụ Google công bố khá đáng chú ý. Các Argon agent đã phân tích telemetry trên hạ tầng data center của Google để tìm các cơ hội tối ưu memory; Google nói những thay đổi được triển khai đã giải phóng hơn 300 TiB bộ nhớ, với tổng tiềm năng tiết kiệm ước tính từ 500 TiB tới 1 PiB.

Trong một dự án khác, Argon được dùng cho các migration C/C++ sang Rust, quy mô trải từ những thư viện hàng chục nghìn dòng tới hơn 800.000 dòng code của Zircon kernel thuộc Fuchsia OS. Google lưu ý các rewrite quan trọng như vậy vẫn phải trải qua automated testing, manual auditing và review trước khi production.

Một ví dụ cụ thể hơn là libgav1: Google cho biết Argon agent xử lý lại khoảng 32.000 dòng SIMD code trong Rust port qua nhiều vòng profiling và compiler analysis, và báo cáo nội bộ rằng decoder Rust mới chạy nhanh hơn 2,7 lần so với Rust port trước đó trong khi giữ output video giống nhau. Điều đáng chú ý không chỉ là 'AI viết code', mà là AI duy trì một chuỗi engineering work gồm phân tích → thử nghiệm → đo → sửa → thử lại.

Coding benchmark: Argon đạt 77,9% trên DeepSWE v1.1

Google công bố Gemini 4 Argon đạt 77,9% trên DeepSWE v1.1 — benchmark đánh giá những nhiệm vụ software engineering dài và gần công việc thực tế hơn (được nêu là SOTA).

Nhưng benchmark không hoàn toàn cho một câu chuyện 'Argon thắng tất cả'. Các đối chiếu công khai cho thấy model có thể dẫn ở một số benchmark nhưng vẫn đứng sau đối thủ ở những bài khác (ví dụ FrontierSWE v2 và Terminal-bench 4.0 cho kết quả khác với DeepSWE). Vì vậy cách đọc hợp lý hơn là: Argon đang cạnh tranh ở frontier tier cho long-horizon coding, chứ không nên biến một benchmark thành kết luận rằng nó là model coding tốt nhất trong mọi trường hợp.

Nhưng cybersecurity mới là điểm Google nhấn mạnh mạnh nhất

Google cho biết Gemini 4 Argon được huấn luyện đặc biệt cho defensive cybersecurity, với khả năng tìm lỗ hổng, xác minh lỗ hổng và tạo bản vá. Đây là bước tiến đáng chú ý so với AI security assistant chỉ 'đọc code → báo đoạn này có thể có vấn đề'.

Direction Google mô tả gần hơn với một chuỗi khép kín: từ code → phát hiện (discover) → xác minh (validate) → vá (patch) → kiểm chứng (verify). Tức AI tham gia cả chuỗi remediation, không chỉ dừng ở cảnh báo.

Argon đã tìm thấy một lỗ hổng mà các frontier model trước bỏ sót

Wiz hiện sử dụng Argon trong chương trình Scan for Good, tập trung tìm và khắc phục những exposure rủi ro cao trong hạ tầng công cộng quan trọng. Google cho biết trong một thử nghiệm ban đầu, Argon phát hiện một critical vulnerability có khả năng làm lộ thông tin cá nhân nhạy cảm trong phần mềm y tế được các bệnh viện trên thế giới sử dụng — một vấn đề mà các frontier model trước đó đã bỏ sót. Google không công bố tên phần mềm bị ảnh hưởng, nên không nên suy đoán sản phẩm hay bệnh viện cụ thể.

68% trên CWE-bench v1

Trên CWE-bench v1 — benchmark đánh giá khả năng remediation các lỗ hổng phần mềm — Google báo cáo Argon đạt 68% và đồng hạng cao nhất. Google cũng nói model phát hiện nhiều dạng exposure trong các codebase phức tạp trải qua 20 ngôn ngữ lập trình trên benchmark nội bộ.

Trong black-box penetration-testing benchmark nội bộ của Wiz, Argon cũng được Google báo cáo vượt Gemini 3.8 Flash Cyber ở việc khám phá attack surface, tìm vulnerability và tạo evidence để xác minh. Các kết quả nội bộ này nên được hiểu đúng là claims/evaluations do Google và đối tác công bố, không phải benchmark độc lập của DETOON.

Vì sao Google chưa đưa Argon cho tất cả mọi người?

Chính capability cybersecurity mạnh cũng tạo ra vấn đề: một model đủ giỏi để tìm vulnerability cũng có thể trở nên nguy hiểm nếu bị dùng sai mục đích. Do đó Google đang triển khai Argon theo từng giai đoạn — hiện cung cấp trước cho trusted cyber defenders qua chương trình Fairwind, và Google cũng tham gia quy trình tự nguyện của chính phủ Mỹ về pre-release access với frontier models. Google nói sẽ thu thập feedback và tiếp tục hoàn thiện guardrails trước khi mở cho developers, enterprises và consumers.

Một phiên bản đặc biệt cho trusted defenders

Có một chi tiết rất đáng chú ý: Google cho biết với các cyber defender đáng tin cậy và đội nội bộ, Argon sẽ được cung cấp KHÔNG áp dụng các cyber guardrail thông thường, nhằm cho phép họ tận dụng đầy đủ capability phòng thủ của model. Điều này không có nghĩa bản public sau này sẽ hoạt động tương tự — ngược lại, Google đang xây nhiều lớp bảo vệ trước rollout rộng hơn.

Prompt injection cũng trở thành bài toán lớn

Khi AI chỉ trả lời text, prompt injection đã là vấn đề. Khi AI agent có thể đọc email, mở website, dùng browser, chạy code và thay đổi hệ thống, prompt injection trở nên nguy hiểm hơn nhiều. Google gọi Argon là model mạnh nhất của hãng cho tới nay về khả năng chống indirect prompt injection, dựa trên kết quả Gray Swan IPI benchmark hãng công bố, kèm các biện pháp adversarial training, automated red teaming, monitoring hành vi và sandbox isolation.

Điều này cho thấy security của frontier agent giờ không còn chỉ là 'AI có từ chối câu hỏi xấu không?' mà còn là 'AI có bị dữ liệu bên ngoài lừa để làm một việc người dùng không yêu cầu không?'.

Giá Gemini 4 Argon bao nhiêu?

Google công bố mức giá giới thiệu: input 2 USD / 1 triệu token, output 10 USD / 1 triệu token, cached input giảm 95% so với input thông thường. Sau giai đoạn introductory, giá dự kiến tăng thành 4 USD / 1M input và 20 USD / 1M output; Google chưa nêu ngày kết thúc cụ thể của mức giá giới thiệu.

Và có một nghịch lý thú vị: Argon có thể output tới 1 triệu token, nên nếu thực sự dùng hết 1 triệu output token ở introductory pricing thì riêng output lý thuyết đã khoảng 10 USD cho trajectory đó. Vì vậy khả năng chạy cực dài không có nghĩa mọi workload nên chạy cực dài.

Khi nào developer được dùng?

Hiện tại chưa mở rộng rãi — Google đang rollout trước qua Fairwind. Kế hoạch tiếp theo là mở rộng tới paid API customers, Google AI Ultra subscribers, enterprises và consumers sau quá trình đánh giá ban đầu. Chưa có ngày general availability cụ thể được Google công bố.

Argon cho thấy frontier AI đang thay đổi ở đâu?

Điều thú vị nhất không phải con số 1 triệu, mà là loại công việc Google dùng để chứng minh model: không phải 'viết một email tốt hơn', mà là migration hàng trăm nghìn dòng code, tối ưu data center, financial research, legal drafting, tìm vulnerability và tạo patch — những workload nhiều bước, nhiều tool call, context lớn và thời gian thực thi dài.

Tức cuộc đua frontier model đang dần dịch từ 'AI trả lời câu hỏi khó tới đâu?' sang 'AI có thể duy trì một công việc khó tới đâu?'. Gemini 4 Argon là một ví dụ rất rõ cho hướng đó.

Câu hỏi thường gặp

• Gemini 4 Argon là gì? — Frontier model mới của Google cho coding, enterprise knowledge work và defensive cybersecurity.
• Có context window 1 triệu token không? — Cần thận trọng: announcement chi tiết của Google xác nhận 1 triệu token OUTPUT limit (tăng từ 64K), không nên tự đồng nhất với input/context limit.
• Cybersecurity có gì đặc biệt? — Google nói Argon có thể tự tìm, xác minh và vá vulnerability.
• Ai đang dùng được? — Ban đầu là một nhóm trusted cyber defenders thông qua chương trình Fairwind.
• Giá bao nhiêu? — Giá giới thiệu 2 USD/1M input + 10 USD/1M output; sau introductory dự kiến thành 4 USD và 20 USD.
• Khi nào public? — Google chưa công bố ngày cụ thể; rollout đang theo từng giai đoạn.