Gemini 4: mô hình đạt điểm cao nhưng bị chất vấn về hiệu suất thực tế
Gemini 4 là mô hình AI chủ lực mới của Google, đạt điểm rất cao trong các bài kiểm tra chuẩn của ngành nhưng lại bị chính nhân viên nội bộ nghi ngờ về hiệu suất thực tế, đặc biệt ở các tác vụ lập trình và ứng dụng vào công việc hàng ngày, từ đó làm lộ rõ khoảng cách giữa kết quả kiểm tra mô phỏng và việc sử dụng trong môi trường sản xuất ngoài đời sống. Khi Alphabet chuẩn bị cho đợt ra mắt Gemini 4, tập đoàn đang đối mặt với một câu hỏi khó: liệu điểm số có còn đủ để chứng minh mô hình ngôn ngữ lớn này xứng đáng với vị thế “tiên phong” mà lãnh đạo công ty khẳng định. Gemini 4 Argon được giới thiệu là mô hình đầu bảng với các điểm kiểm tra vượt qua cả GPT-6 Astra của đối thủ trong nhiều hạng mục. Nhưng theo báo cáo dựa trên trải nghiệm nội bộ, hiệu suất Gemini 4 giảm đáng kể khi chuyển từ bài thi sang tác vụ công việc hàng ngày, làm bùng lên tranh luận về AI kiểm tra so thực tế và khoảng cách hiệu suất AI mà ngành đang phớt lờ quá lâu.
Khoảng cách hiệu suất AI: khi benchmaxxing che mờ nhu cầu người dùng
Tâm điểm tranh cãi quanh Gemini 4 hiệu suất nằm ở việc mô hình này được tối ưu quá mạnh cho các bài kiểm tra chuẩn nhưng thiếu độ tin cậy khi áp dụng vào công việc thật. Các nguồn tin nội bộ mô tả hiện tượng “benchmaxxing”: kỹ sư tập trung vào việc đạt điểm cao trên thang đo của ngành hơn là tạo ra sản phẩm giải quyết vấn đề của người dùng. Đó không chỉ là chuyện kỹ thuật, mà là quyết định chiến lược sai hướng. Khi điểm số trở thành mục tiêu, mọi thứ còn lại – độ ổn định, tính dễ dùng, khả năng phối hợp với quy trình hiện có – bị xem nhẹ. Quan điểm "con tôi đạt điểm SAT rất cao nhưng kỳ thi SAT không phản ánh hiệu suất trong thế giới thực" được dùng để chỉ trích cách các phòng thí nghiệm AI đang xây dựng mô hình, cho thấy rủi ro nếu Google tiếp tục đo thành công bằng bảng xếp hạng thay vì trải nghiệm sử dụng. Gemini 4 vì thế trở thành ví dụ điển hình cho khoảng cách hiệu suất AI: thông minh trên giấy, lúng túng trong thực hành. Đây là khoảng cách không thể che giấu bằng slide trình bày hay đồ thị điểm số.
| Khía cạnh | Trên bài kiểm tra | Trong thực tế |
|---|---|---|
| Lập trình | Điểm cao trên chuẩn đánh giá mã nguồn | Khó xử lý một số tác vụ, đặc biệt thiết kế giao diện |
| Đa phương thức | Nổi bật với đầu vào ngoài văn bản, như video | Tiềm năng, nhưng chưa chứng minh rộng rãi trong use case người dùng cuối |
| An toàn & bảo mật | Được đánh giá cao về an ninh mạng | Là điểm mạnh hiếm hoi ít bị tranh cãi nội bộ |
Nội bộ Google chia rẽ: niềm tin tiên phong đối đầu hoài nghi lập trình
Đáng chú ý nhất không phải là điểm số của Gemini 4, mà là sự rạn nứt trong chính đội ngũ xây dựng nó. Một số nhân viên cho rằng mô hình này "làm kém hơn khi được đưa vào công việc" và "gặp khó khăn với một số tác vụ lập trình". Họ đánh giá các mô hình Fable của Anthropic và Astra của OpenAI đang cải thiện nhanh hơn, khiến Gemini có nguy cơ tụt hậu ở nhiều khía cạnh. Ngược lại, một nhân viên am hiểu quá trình phát triển khẳng định nội bộ đã đạt "sự đồng thuận cao" rằng Gemini 4 đang ở vị trí tiên phong và bác bỏ thông tin mô hình thất bại trước các tác vụ lập trình phức tạp. Lãnh đạo bộ phận AI của Google còn tuyên bố "việc chúng tôi luôn đứng ở vị thế tiên phong là điều chắc chắn". Sự chia rẽ này không chỉ là khác biệt quan điểm; nó cho thấy một rủi ro: khi giới lãnh đạo tin vào câu chuyện tiên phong, còn kỹ sư ở tuyến đầu lại nhìn thấy ma sát trong sử dụng thực tế, sản phẩm sẽ bị kéo giằng giữa hình ảnh và sự thật.
Tác động tới người dùng và cuộc đua Google AI phát triển
Đối với hơn một tỉ người dùng Search, Maps, Gmail, Chrome, mọi trục trặc của Gemini 4 không phải chuyện nội bộ, mà là trải nghiệm hàng ngày: câu trả lời AI ở kết quả tìm kiếm, gợi ý trong email, hỗ trợ điều hướng bản đồ đều dựa trên những phiên bản của mô hình này. Nếu Gemini 4 hiệu suất không ổn định, người dùng sẽ là người cảm nhận rõ nhất thông qua các gợi ý sai, mã hóa lỗi hoặc tương tác vụng về. Trong khi Google AI phát triển gấp để cạnh tranh, các đối thủ không đứng yên. OpenAI và Anthropic mở rộng khỏi việc chỉ bán mô hình sang xây dựng sản phẩm riêng, bao gồm trợ lý lập trình tự động giàu tính thực dụng. Khi Gemini 4 được giới thiệu là "rất có khả năng trong phòng thủ an ninh mạng" và có giới hạn đầu ra lên tới 1 triệu token cho phiên bản Argon, đây là lời hứa hấp dẫn về sức mạnh xử lý. Nhưng người dùng và doanh nghiệp không mua điểm số, họ mua công cụ làm việc. Nếu khoảng cách AI kiểm tra so thực tế không được thu hẹp, Google có nguy cơ để đối thủ định nghĩa lại tương lai của tìm kiếm và phần mềm.
Kết luận: muốn dẫn đầu, Google phải đo hiệu suất bằng đời thực
Gemini 4 là phép thử lớn cho tham vọng AI của Google: một mô hình ngôn ngữ lớn phô diễn bảng điểm đẹp nhưng bị phủ bóng bởi hoài nghi nội bộ và câu hỏi về hiệu quả sử dụng thực tế. Công ty có quyền bảo vệ sản phẩm, nhưng nếu tiếp tục xem điểm benchmark là thước đo tối hậu, khoảng cách hiệu suất AI sẽ chỉ rộng thêm. Điều đáng lo không phải là việc Gemini 4 có vài điểm yếu trong lập trình hay thiết kế giao diện, mà là cách các phòng thí nghiệm đang định nghĩa "thành công". Khi người dùng phải dựa vào AI để làm việc, sai số nhỏ trong thực tế nguy hiểm hơn nhiều so với vài phần trăm chênh lệch trên bảng xếp hạng. Nếu muốn giữ lời khẳng định "luôn ở vị thế tiên phong", Google buộc phải xoay trục: từ chạy theo điểm số sang thiết kế mô hình lấy kịch bản sử dụng thật làm trung tâm. Đó mới là tiêu chuẩn để đánh giá Gemini 4 – không phải nó thi tốt đến đâu, mà nó giúp thế giới làm việc tốt hơn thế nào.
