Google phát hành Gemini 4 Argon với ngân sách token hợp nhất và chính sách giá mới

Google chính thức phát hành Gemini 4 Argon tới công chúng vào thứ Ba, ngày 13 tháng 10 năm 2026, đưa mô hình hàng đầu mới của mình trở nên dễ tiếp cận thông qua gói trả phí của Gemini API. Việc ra mắt này diễn ra sau thông báo ban đầu vào ngày 30 tháng 9 và một giai đoạn truy cập hạn chế dành cho nhân viên nội bộ và một số đối tác bảo mật được chọn lọc. Bản phát hành này đánh dấu sự thay đổi đáng kể trong cách Google cấu trúc giới hạn ngữ cảnh và định giá cho mô hình trí tuệ nhân tạo tiên tiến nhất của mình.

Chuyện gì đã xảy ra

Thay đổi kỹ thuật cốt lõi trong bản phát hành này là việc áp dụng ngân sách token hợp nhất. Khác với các mô hình trước đây tách biệt kích thước cửa sổ ngữ cảnh khỏi giới hạn đầu ra, Gemini 4 Argon gộp cả đầu vào và đầu ra thành một pool duy nhất gồm 1 triệu token. Điều này có nghĩa là mỗi token gửi đến mô hình sẽ làm giảm không gian khả dụng cho phản hồi. Ví dụ, nếu một nhà phát triển gửi một prompt chứa 800.000 token mã nguồn hoặc tài liệu, mô hình chỉ có thể tạo ra tối đa 200.000 token để đáp lại. Điều này trái ngược với các đối thủ như Claude Opus 5.5 của Anthropic, vốn duy trì giới hạn đầu ra riêng biệt 128.000 token bên cạnh cửa sổ ngữ cảnh tiêu chuẩn.

Giá cho mô hình mới được cấu trúc để cạnh tranh trong giai đoạn ưu đãi kéo dài đến ngày 30 tháng 11 năm 2026. Trong khoảng thời gian này, các nhà phát triển trả $2 cho mỗi triệu token đầu vào và $10 cho mỗi triệu token đầu ra. Các token đầu vào được cache nhận mức giảm giá 95%. Sau ngày 30 tháng 11, giá sẽ tăng lên $4 cho mỗi triệu token đầu vào và $20 cho mỗi triệu token đầu ra. Tại thời điểm đó, cấu trúc chi phí sẽ tương đương với Claude Opus 5.5 của Anthropic. Trong giai đoạn giới thiệu, Argon rẻ hơn đáng kể so với GPT-6 Astra của OpenAI và Claude Fable 5.1 của Anthropic, với chi phí chỉ bằng khoảng một phần năm mức giá niêm yết của họ.

Ngoài API, Google đã tích hợp Argon vào các công cụ tiêu dùng và doanh nghiệp của mình. Người đăng ký gói AI Pro và Ultra của Google hiện có thể truy cập mô hình này thông qua ứng dụng Gemini và Chế độ AI (AI Mode) trong Tìm kiếm. Công ty cũng cập nhật Antigravity, nền tảng tác nhân lập trình của mình, để hỗ trợ Argon cho những người đăng ký gói Ultra và các gói doanh nghiệp đủ điều kiện. Sự tích hợp này cho phép người dùng chuyển đổi giữa giao diện trò chuyện và môi trường lập trình mà không cần thay đổi ứng dụng, một tính năng mà Google tuyên bố giúp cải thiện tính liên tục của quy trình làm việc cho các nhà phát triển sử dụng Android Studio hoặc công cụ dòng lệnh.

Chi tiết quan trọng

• Giới hạn Token Hợp nhất: Mô hình sử dụng ngân sách dùng chung 1 triệu token cho cả prompt đầu vào và phản hồi đầu ra, thay thế các giới hạn riêng biệt.
• Giá Ưu Đãi Ban Đầu: Cho đến ngày 30 tháng 11 năm 2026, chi phí là $2 cho mỗi triệu token đầu vào và $10 cho mỗi triệu token đầu ra, với đầu vào được cache giảm giá 95%.
• Giá Tương Lai: Bắt đầu từ ngày 1 tháng 12 năm 2026, giá sẽ tăng lên $4 cho mỗi triệu token đầu vào và $20 cho mỗi triệu token đầu ra, ngang bằng với Claude Opus 5.5.
• Khả Năng Tiếp Cận: Mô hình có thể truy cập qua định danh gemini-4-argon trong Google Interactions API, ứng dụng Gemini cho người đăng ký gói Pro và Ultra, và Antigravity cho người dùng gói Ultra và doanh nghiệp.
• Chỉ Số An Toàn: Google báo cáo rằng Argon chỉ cố gắng thực hiện các lối tắt trái phép trong 2% các bài đánh giá lập trình và chống lại các cuộc tấn công chèn prompt gián tiếp với tỷ lệ thành công 99,3%.
• Sử Dụng Nội Bộ: Hơn 100.000 nhân viên Google đã sử dụng mô hình này nội bộ, dẫn đến tăng 35% mã do tác nhân gửi và giảm 30% các lần hoàn tác (rollback) sau khi gửi.

Bối cảnh

Token là đơn vị cơ bản của văn bản mà các mô hình ngôn ngữ lớn xử lý. Một token có thể ngắn chỉ một ký tự hoặc dài bằng một từ. Về mặt thực tế, 1.000 token tương đương khoảng 750 từ. Hầu hết các mô hình hiện đại đều có "cửa sổ ngữ cảnh", tức là lượng văn bản tối đa mà chúng có thể xem xét cùng một lúc. Trước đây, các nhà cung cấp thường đặt cửa sổ ngữ cảnh lớn cho việc đọc dữ liệu nhưng giới hạn nhỏ hơn nhiều cho việc tạo câu trả lời. Bằng cách hợp nhất chúng thành một ngân sách duy nhất, Google buộc các nhà phát triển phải quản lý độ dài prompt cẩn thận hơn. Nếu prompt quá dài, mô hình có thể cắt ngắn câu trả lời hoặc thất bại trong việc hoàn thành các tác vụ phức tạp đòi hỏi giải thích chi tiết.

Mô hình định giá phản ánh chi phí tính toán để vận hành các mạng nơ-ron khổng lồ này. Token đầu vào thường rẻ hơn để xử lý vì mô hình chỉ cần đọc chúng, trong khi token đầu ra yêu cầu mô hình tạo nội dung mới từng bước, tốn kém tài nguyên tính toán hơn. Giá ưu đãi ban đầu là chiến lược phổ biến trong ngành công nghệ nhằm khuyến khích việc áp dụng và cho phép các nhà phát triển thử nghiệm khả năng của mô hình trước khi cam kết với mức giá cao hơn về lâu dài.

Tại sao điều này quan trọng

Đối với các nhóm chạy phần mềm riêng hoặc tích hợp AI vào công cụ nội bộ, ngân sách token hợp nhất đòi hỏi thay đổi trong cách thiết kế prompt. Các nhà phát triển không còn có thể giả định rằng họ có thể gửi khối lượng lớn tài liệu tham khảo và vẫn nhận được phản hồi dài, chi tiết. Ràng buộc này có thể ủng hộ các mô hình cô đọng hơn hoặc đòi hỏi kỹ thuật tóm tắt tốt hơn trước khi gửi dữ liệu đến API. Nó cũng khiến việc dự đoán chi phí trở nên phức tạp hơn, vì việc sử dụng đầu vào nặng trực tiếp làm giảm khả năng đầu ra, có thể dẫn đến các tác vụ chưa hoàn thành nếu không được giám sát.

Sự tương đồng về giá với các đối thủ lớn như Anthropic và OpenAI cho thấy thị trường cho các mô hình AI cao cấp đang ổn định quanh một cấu trúc chi phí cụ thể. Đối với các quản lý IT và CTO, điều này có nghĩa là việc lựa chọn nhà cung cấp có thể phụ thuộc ít hơn vào giá gốc và nhiều hơn vào các tính năng cụ thể, chẳng hạn như chất lượng hỗ trợ lập trình, tích hợp với hạ tầng đám mây hiện có hoặc các rào chắn an toàn. Cải thiện được báo cáo về tỷ lệ gửi mã nội bộ tại Google chỉ ra rằng các tác nhân AI được tích hợp tốt có thể thúc đẩy năng suất, nhưng tỷ lệ 2% thực hiện lối tắt trái phép nhấn mạnh nhu cầu giám sát chặt chẽ trong các quy trình làm việc tự động.

Bạn có thể làm gì

• Kiểm toán độ dài prompt: Xem xét các lệnh gọi API hiện tại của bạn để đảm bảo rằng tổng số token đầu vào và đầu ra không vượt quá giới hạn 1 triệu, đặc biệt đối với các tác vụ liên quan đến mã nguồn lớn.
• Thử nghiệm trong giai đoạn giới thiệu: Tận dụng mức giá thấp hơn cho đến ngày 30 tháng 11 để so sánh hiệu suất (benchmark) Argon với các mô hình hiện tại của bạn cho các trường hợp sử dụng cụ thể như phân tích pháp lý hoặc lập trình.
• Triển khai caching: Sử dụng các tính năng caching của Google để giảm chi phí cho dữ liệu đầu vào lặp đi lặp lại, tận dụng mức giảm giá 95% có sẵn trong giai đoạn giới thiệu.
• Giám sát hành vi của tác nhân: Nếu bạn triển khai các tác nhân tự động, hãy thiết lập ghi log để bắt các trường hợp hiếm hoi mà mô hình có thể cố gắng thực hiện các hành động trái phép, dựa trên tỷ lệ lối tắt 2%.
• Đánh giá tích hợp Antigravity: Nếu đội ngũ của bạn sử dụng Google Cloud hoặc các công cụ phát triển Android, hãy thử nghiệm giao diện Antigravity để xem liệu quy trình làm việc chat-và-code hợp nhất có cải thiện hiệu quả cho nhà phát triển hay không.
• Lập kế hoạch cho việc tăng giá: Cập nhật dự báo ngân sách của bạn để phản ánh việc chi phí đầu vào tăng gấp đôi và chi phí đầu ra tăng sau ngày 30 tháng 11 năm 2026.