# Gemini 4 Carbon, Hydrogen và /swarm: Wes Roth thử nghiệm

[Wes Roth](https://homus.dev/speakers/wes-roth) · [Wes Roth](https://homus.dev/orgs/wes-roth)

> Wes Roth điểm qua loạt ra mắt của Google (Carbon, Hydrogen, Decision-1, AlphaProof Code, /swarm) và thử cho Gemini 4 Carbon edit video, chơi Factorio.

Topics: Agents, Coding Agents, Evals

Canonical: https://homus.dev/talks/gemini-4-swarm-is-out-of-control

## 1. Những gì Wes cho xem trước, và "Google is back"

Video mở bằng một loạt câu ngắn của Wes Roth về những thứ sẽ có trong video (video đăng ngày 13/11/2026). Một model đã reverse engineer game Factorio, dựng một harness quanh nó rồi speedrun game. Một cảnh so sánh: "bên trái là thật, bên phải toàn là code". Một PvP arena, mà theo anh "bạn sẽ không tin nổi chuyện gì đã xảy ra". Một swarm được dựng lên, và trong vòng vài phút account Google Gemini của anh bị khoá. Và câu anh nói về Gemini 4 Carbon: với anh, nó đã làm được một việc mà chưa model nào khác làm được, là edit trọn một video.

Anh nói Google đã trở lại một cách rất, rất mạnh mẽ (nhận định trong video đăng ngày 13/11/2026). Theo lời anh, trong lúc mọi người đang dồn mắt vào Fable 5.2, thì ngay ngày hôm sau Google tung ra "kiểu như cả triệu thứ khác nhau", thứ sau còn gây choáng hơn thứ trước.

Thứ đầu tiên là Gemini 4 Carbon cùng với swarm. Anh nói anh đã test và "nó không phải chuyện đùa" (video đăng ngày 13/11/2026): nó reverse engineer Factorio, dựng harness quanh game rồi speedrun game.

![Thẻ đồ hoạ Gemini 4 Carbon Autonomous Video Production Pipeline với ba ô 64m 16.8s, 370 CUTS, 31 GRAPHICS và một timeline nhiều track](https://homus.dev/photos/Sc6TriRAGnI-0022.jpg)

Thẻ đồ hoạ ở đầu video đăng ngày 13/11/2026, ngay khi Wes nói Gemini 4 Carbon edit được trọn một video, tiêu đề "GEMINI 4 CARBON // AUTONOMOUS VIDEO PRODUCTION PIPELINE". Ba ô ghi: "64m 16.8s" (118m 51s Raw, -46.3% Dead Air Purged), "370 CUTS" (100 Retakes Deleted, <= 0.20s Word Gaps) và "31 GRAPHICS" (Synced B-Roll, Studio Sound -14 LUFS); bên dưới là timeline với các track V2 RGBA OVERLAYS, V1 604 CUTS + B-ROLL và A1 STUDIO SOUND 48k.

![Bài Gemini 4 Carbon and /swarm trên blog Google Antigravity, phía trên có thẻ chú thích Gemini 4 Carbon edited this ENTIRE video, Wes Roth ở góc phải](https://homus.dev/photos/Sc6TriRAGnI-0030.jpg)

Bài "Gemini 4 Carbon and /swarm" của The Antigravity Team, ghi ngày Nov 10, 2026, mà Wes mở trong video đăng ngày 13/11/2026. Thẻ chú thích phía trên ghi "AUTONOMOUS AI PRODUCTION // ZERO MANUAL CUTS" và "Gemini 4 Carbon edited this ENTIRE video"; câu đầu của bài viết nói Gemini 4 Carbon được đưa vào Google Antigravity cùng với `/swarm` (in preview).

## 2. AlphaProof Code và giao thức mã hoá của Signal

Wes tự đặt câu hỏi: được rồi, nhưng đó là Factorio, nó có làm được gì "thật" không? Anh trả lời là có, và đưa ra AlphaProof Code. "Cái này thật điên rồ", anh nói. Theo anh, AlphaProof Code dùng chính những swarm của Carbon (video đăng ngày 13/11/2026).

Theo lời Wes (video đăng ngày 13/11/2026), nó đã formally verify hệ thống mã hoá mà chúng ta dùng cho Signal và Google Messages, và hơn một tỷ người dựa vào lớp mã hoá này để giữ tin nhắn của mình riêng tư. Anh nói chuyện này "kind of insane": đây là các proof, kiểu proof toán học, nhưng là cho mã hoá.

![Trang AlphaProof Code: Verifying Signal's Security at the Machine-Code Level với danh sách tác giả, phần Abstract và một thẻ chú thích Machine-Checked Cryptography Verification](https://homus.dev/photos/Sc6TriRAGnI-0123.jpg)

Trang kỹ thuật "AlphaProof Code: Verifying Signal's Security at the Machine-Code Level" (Google DeepMind và Google, ghi ngày 2026-11-10) mà Wes mở trong video đăng ngày 13/11/2026. Phần Abstract nói AlphaProof Code là một multi-agent AI framework cho formal specification và verification, được dùng để chứng minh các thuộc tính bảo mật chính của `libsignal` ở mức machine code. Thẻ chú thích bên dưới ghi ba dòng: "Signal Protocol & Google Messages (libsignal + AArch64)", "Lean 4 Formal Mathematical Proofs" và "1,000,000,000+ Active Users Protected Worldwide".

## 3. Vending-Bench 2 và PvP arena của riêng Wes

Wes nói tiếp: các model này cũng đang "đè bẹp" Vending-Bench 2 (video đăng ngày 13/11/2026). Đó là benchmark mà các LLM về cơ bản quản lý một doanh nghiệp máy bán hàng tự động trong một mô phỏng kéo dài, tạm nói là, khoảng một năm.

"Nhìn này", anh nói, rồi đọc bảng xếp hạng (video đăng ngày 13/11/2026): hạng một là Gemini 4 Carbon, hạng ba là Gemini 4 Hydrogen, hạng năm là Gemini 4 Argon. Theo anh, Google bất ngờ xuất hiện và lao thẳng lên đầu các bảng xếp hạng.

![Bảng xếp hạng Vending-Bench 2 với Gemini 4 Carbon đứng đầu, kèm thẻ chú thích Google Takes 3 of the Top 5 Spots Overnight](https://homus.dev/photos/Sc6TriRAGnI-0143.jpg)

Bảng xếp hạng Vending-Bench 2 mà Wes mở trong video đăng ngày 13/11/2026: 1. Gemini 4 Carbon $16,484.21, 2. GPT-6 Astra $15,514.70, 3. Gemini 4 Hydrogen $14,549.49, 4. GPT-6 Sol $14,427.85, 5. Gemini 4 Argon $13,718.16, 6. GPT-6.1 Sol $12,860.61. Thẻ chú thích ghi "VENDING-BENCH 2 // 1-YEAR AUTONOMOUS BUSINESS SIM" và "Google Takes 3 of the Top 5 Spots Overnight".

Rồi anh cho xem "thêm một benchmark nữa", nơi Gemini 4 Argon ở mức high reasoning, theo lời anh, đè bẹp hoàn toàn mọi model khác: nó tốt hơn Sol, tốt hơn Astra, tốt hơn Opus (video đăng ngày 13/11/2026).

Anh nói đây thật ra là benchmark của riêng anh, anh làm trong vài tuần gần đây và nó đang tiến triển khá tốt. Đây vẫn là kết quả sớm, nên hãy xem nó với chút dè dặt. Nhưng theo anh, Gemini 4 Argon chắc chắn là một đối thủ rất đáng sợ (video đăng ngày 13/11/2026).

Đây là một PvP arena: mỗi model phải thắng các model khác, và rating dựa trên số trận thắng (theo Wes, video đăng ngày 13/11/2026). Hôm nay anh đã test Carbon và Hydrogen, các model mới tinh của dòng Gemini 4, hai model ra mắt hôm qua và hôm nay (tính theo ngày ghi hình). Và, như anh nói, "bạn sẽ không tin nổi chuyện gì đã xảy ra".

## 4. Gemini Decision-1 và AlphaGenome 2

Tin lớn tiếp theo, theo Wes, là Google ra mắt Gemini Decisions, hay nói đúng hơn, anh đoán, thứ chính được ra mắt là model Gemini Decision-1 (video đăng ngày 13/11/2026). Anh nói tới Jev, "model ra quyết định đó", rồi giải thích: đây không giống một large language model xuất ra nguyên các từ và câu. Model này chỉ đưa ra quyết định: có, không, hoặc chọn một trong nhiều lựa chọn.

Theo Wes (video đăng ngày 13/11/2026), nó cực kỳ nhanh, rẻ, và có rất nhiều lĩnh vực mà dùng một thứ như thế này hợp lý hơn nhiều so với dùng một large language model.

Và tất nhiên, theo anh, có thể dùng chúng kết hợp với nhau (video đăng ngày 13/11/2026). Việc sorting quy mô lớn, triage và những việc tương tự thì đưa cho decision model. Rồi nếu cần reasoning nhiều hơn thì chuyển sang một large language model.

Cách kết hợp mà Wes mô tả trong video đăng ngày 13/11/2026: sorting và triage quy mô lớn đi qua decision model, việc cần reasoning nhiều hơn thì chuyển sang một large language model.

Google cũng ra mắt AlphaGenome 2, mà Wes đọc là để giải mã cách tế bào đọc DNA nhằm hiểu bệnh tật tốt hơn (video đăng ngày 13/11/2026).

## 5. Gemini 4 Hydrogen, CursorBench 4.0 và chuyện đặt tên

"Và hôm nay, cú thả, quả bom H": Gemini 4 Hydrogen, Wes nói (video đăng ngày 13/11/2026). Anh chen thêm một ý: CursorBench 4.0 là một benchmark nữa mà Gemini 4 Carbon, theo lời anh, đang thống trị.

Rồi anh nói tới cái tên. Nếu bạn không nhớ bảng tuần hoàn: hydrogen là 1, tức atomic number 1, carbon là 6, còn argon là 18. "Vậy có giúp gì không? Không. Không hề." Anh nói nếu bạn từng nghĩ tên model của OpenAI khó hiểu thì "bạn chưa thấy gì cả" (video đăng ngày 13/11/2026).

Theo Wes, nếu họ đặt theo khối lượng thì còn hợp lý, nhưng họ không làm vậy. Nếu họ đặt theo thứ tự bảng chữ cái, vì Argon ra trước, thì sau đó có thể là kiểu barium, rồi tới carbon. Như thế thì hợp lý, nhưng chuyện không diễn ra như vậy. Dù thế nào, theo anh, bản thân các model thì thật sự rất, rất tốt (video đăng ngày 13/11/2026).

Ba cái tên Gemini 4 theo bảng tuần hoàn như Wes đọc trong video đăng ngày 13/11/2026; dòng dưới là cách anh gọi từng model ở các đoạn khác của video (Hydrogen "smaller, faster", Carbon "the biggest of the three", Argon "kind of like the medium" và ra mắt trước).

## 6. Hydrogen trong Google Search và trên Vending-Bench

Theo Wes (video đăng ngày 13/11/2026), tính tới hôm đó Google Search chạy bằng Gemini 4 Hydrogen: khi bạn tìm trên Google, các câu trả lời kiểu AI mode là Gemini 4 Hydrogen. Nó được distill từ Carbon. Như anh nói, họ không dùng lại checkpoint Flash cũ, tức các model Gemini Flash mà họ từng dùng; Hydrogen được distill từ Carbon. "Chẳng có gì ở đây hợp lý cả", anh nói thêm.

Theo Wes trong video đăng ngày 13/11/2026: Hydrogen được distill từ Carbon (không dùng lại checkpoint Flash cũ) và là model đứng sau các câu trả lời kiểu AI mode của Google Search.

Anh gọi đây là "kind of an insane deal", vì thứ này rất, rất nhanh (nhận định trong video đăng ngày 13/11/2026). Theo anh, trong một thời gian dài, người ta kiểu như phải đánh đổi giữa tốc độ đó và trí thông minh, tức sức reasoning thô. Nhưng, anh nói, đừng nhầm: trên nhiều benchmark mà ta đang thấy, Hydrogen đang thắng gần như mọi thứ khác ngoài kia.

Trên Vending-Bench, theo lời Wes, thứ duy nhất nhỉnh hơn nó một chút là GPT-6 Astra (video đăng ngày 13/11/2026). Nó thắng GPT-6.1 Sol, GPT-6 Sol, Muse Wonder Full, tất cả các model Claude và Grok 4.7. Vậy là model nhỏ hơn, nhanh hơn đó thắng phần lớn các model lớn và rất lớn. Trên bảng xếp hạng anh mở lúc đó, Gemini 4 Carbon ở hạng 1 và GPT-6 Astra ở hạng 2, cả hai đứng trên Hydrogen ở hạng 3; dưới Hydrogen là GPT-6 Sol, Gemini 4 Argon, GPT-6.1 Sol, Muse Wonder Full, Claude Opus 5, Claude Sonnet 5.5, Claude Opus 4.7 và Grok 4.7.

Anh đọc thêm từ bài của Google: sẽ có nhiều câu trả lời trực quan hơn ("more visual responses"). Và model này là multimodal (theo Wes, video đăng ngày 13/11/2026).

## 7. Gemini 4 Carbon edit trọn một video

Với Wes, Gemini 4 Carbon đã làm được một việc mà chưa model nào khác làm được: edit trọn một video từ đầu tới cuối (theo trải nghiệm của anh trong video đăng ngày 13/11/2026). Nó bỏ mọi lần nói hỏng mà anh phải nói lại, bỏ mọi khoảng lặng giữa các từ. Kiểu như nếu anh phải đọc lại gì đó rồi mới nói câu, thì nó cắt hết phần ở giữa, những khoảng lặng đó.

Anh đưa file raw, nó đi qua toàn bộ và edit mọi thứ (demo trong video đăng ngày 13/11/2026). Nó thêm những thứ nhỏ trôi nổi có thông tin, sắp xếp video thành các chapter và đưa chapter lên. Nó còn thêm cả một nút subscribe nhỏ. Nó thêm những biểu đồ nhỏ mà, theo anh, nó vẽ ra từ việc hiểu phần hình ảnh. Vậy là nó không chỉ đọc phần lời được chép thành chữ: nó multimodal, nó hiểu video.

Những việc Wes kể Gemini 4 Carbon đã làm với file raw của anh trong video đăng ngày 13/11/2026: bỏ các lần nói hỏng phải nói lại, bỏ khoảng lặng giữa các từ, rồi thêm graphics, biểu đồ nhỏ và chia chapter.

Wes cho xem một đoạn anh nói về space lasers (demo trong video đăng ngày 13/11/2026): nó vẽ ra space lasers và các chòm vệ tinh, "kiểu như, ồ, nhìn này, low Earth orbit, space lasers". Anh nói anh không hề yêu cầu cái này.

Yêu cầu của anh, theo lời anh kể trong video đăng ngày 13/11/2026, là: "edit the video, cut out the silences, take out the false starts or retakes, and then just add some graphics. Make it awesome." Anh nói rõ là anh có yêu cầu thêm graphics, nhưng không chỉ định loại nào. Đây là thứ nó nghĩ ra, và theo anh "nó đẹp".

Phần kết luận cuối trong đoạn video đó nói "Google is back". Anh nói tất nhiên nó sẽ nói vậy, nhưng điều đó đúng: Google đã trở lại một cách mạnh mẽ (nhận định trong video đăng ngày 13/11/2026). Anh cho biết đoạn vừa xem là một video khác do anh làm, mà Gemini edit.

## 8. Hai music video có graphics do Gemini thêm vào

Wes nói Gemini 4 đã được công bố trước đó, nhưng bây giờ đã mở cho tất cả mọi người (tính tới video đăng ngày 13/11/2026). Anh nói tiếp: nếu bạn đang nghe anh nói câu này, nghĩa là Gemini đã tự edit toàn bộ video này, "by hand or whatever", kiểu như chính nó làm. Ở câu này anh gọi tên Argon, còn phần mô tả của video ghi Gemini 4 Carbon là model đã edit video.

Một ví dụ khác (demo trong video đăng ngày 13/11/2026): anh làm cùng Claude để ghép vài video, vài clip đây đó, từ Seedance 2.5 Pro, "hay gì đó". Vậy là anh và Claude có một loạt clip. Nhưng hãy để ý thứ hình con rắn nhỏ: Gemini thêm vào. Phần hình hoá âm thanh nhỏ đó, mọi thứ bạn thấy ở lớp trên, kể cả matrix code, tất cả do Gemini thêm vào. Nó ghép mọi thứ lại với nhau và tạo ra tất cả, trừ các clip nền.

Theo Wes (demo trong video đăng ngày 13/11/2026), bằng cách nào đó nó hiểu được chủ đề: đây là một bài hát, kiểu một music video, nên nó hiểu chủ đề và "làm trúng phóc", làm hoàn hảo.

Rồi anh cho xem thêm một video nó làm (demo trong video đăng ngày 13/11/2026). Mọi graphics ở đây đều do nó làm. Anh nói rõ đây không phải Seedance, không phải một kiểu AI generation nào: nó tạo ra tất cả chỉ bằng code thuần. Theo anh, nó không ngầu bằng Seedance 2.5 Pro, nhưng "phải nói là nó tuyệt". Bài hát tên "What's the Color of the Night?". Anh hỏi bạn có biết câu trả lời không, rồi tự trả lời: "Sanguine, my brother."

## 9. Antigravity CLI và bài test Factorio

Một trong những thứ Wes muốn test là swarm, thứ mới được thêm vào Antigravity (video đăng ngày 13/11/2026). Anh giới thiệu Antigravity là câu trả lời của Google cho Codex, và có thể chạy nó trong command line interface. Cài xong thì lệnh là `agy`, mà anh thấy "khá ngầu".

Tiếc là, theo Wes (video đăng ngày 13/11/2026), nó hỏi xin rất nhiều quyền, kiểu mỗi giây một lần. Nên nếu cần đi nhanh, bạn dùng chế độ dangerously skip permissions, hoặc dùng bản desktop application và chạy mọi thứ trong đó.

Một trong những thứ anh muốn test là xem nó có reverse engineer được Factorio không. Anh có footage kết quả cuối và phát lên: thứ bạn đang xem là một large language model chơi Factorio (demo trong video đăng ngày 13/11/2026).

Gemini 4 Carbon, mà Wes gọi là model lớn hơn, thông minh hơn, lớn nhất trong ba model anh đã nói tới, đã reverse engineer hoàn toàn Factorio (demo trong video đăng ngày 13/11/2026). Nó tạo một harness cơ bản để các large language model chơi. Anh nói nó có dùng vài mod có sẵn ngoài kia, và anh nghĩ điều đó hoàn toàn ổn.

![Cảnh Factorio nhìn từ trên xuống: khu rừng bên trái, một bãi đá, khung Replay options ở góc trên phải và thẻ chú thích Factorio Agent Phase 1](https://homus.dev/photos/Sc6TriRAGnI-0841.jpg)

Bản replay một lượt chơi Factorio của agent, trong video đăng ngày 13/11/2026: khung "Replay options" ở góc trên phải (Speed x 4, Show GUI, chọn "agent"), một minimap có chữ "agent", và thẻ chú thích "FACTORIO AGENT // PHASE 1 Autonomous Ore Mining & Burner Power Setup".

Nó cho các agent chạy qua mô phỏng, nên chúng có thể đào khoáng, dựng công nghiệp, dựng research và những thứ tương tự (demo trong video đăng ngày 13/11/2026). Mục tiêu ban đầu chỉ là đi tới mức chúng build được đường ray và tàu hoả. Và nó đã làm được. Nó chạy nhiều lượt, và rất nhiều lượt trong số đó đi tới được mức này.

## 10. Nhận xét của Wes: reverse engineering, độ chau chuốt và thời gian chạy

Điều đầu tiên Wes nói là khả năng reverse engineering của model này xuất sắc, nó ở nhóm đầu (nhận định trong video đăng ngày 13/11/2026). Tiếc là Fable và Opus có xu hướng từ chối nhiều hơn nhiều khi được nhờ reverse engineer một số thứ. Astra thì không ngần ngại gì cả. Và theo anh, Carbon chắc chắn ở cùng nhóm với Astra. Anh nói anh chưa phân biệt được rõ; có thể một model nhỉnh hơn model kia một chút, nhưng chúng rất sát nhau và cả hai đều xuất sắc.

Rồi nó build toàn bộ harness, dùng vài mod để hỗ trợ, nhưng theo anh, điểm chính là mọi thứ đều chạy (demo trong video đăng ngày 13/11/2026). Anh nói nó one-shot gần như mọi thứ, tự giải quyết rất nhiều vấn đề: đặt ray thế nào, làm sao để replay chạy được.

Anh tự sửa lại: anh nói nó one-shot, và đúng là vậy, nhưng có một vấn đề với replay (demo trong video đăng ngày 13/11/2026). Anh không xem được replay của ván chơi bên trong Factorio, nên nó phải làm thêm một vòng nữa để sửa. Và theo anh, nó đã làm một việc phi thường.

![Factorio: một đoàn tàu gồm đầu máy đỏ và toa hàng chạy trên đường ray giữa các khu nhà máy, thẻ chú thích Milestone Reached Train Yard](https://homus.dev/photos/Sc6TriRAGnI-1043.jpg)

Cột mốc tàu hoả trong lượt chơi của agent, trong video đăng ngày 13/11/2026: một đầu máy kéo toa hàng trên đường ray giữa các dãy máy, thẻ chú thích ghi "MILESTONE REACHED // TRAIN YARD" và "Working Automated Locomotive & Cargo Line".

Theo Wes (nhận định trong video đăng ngày 13/11/2026), nó chưa chau chuốt bằng một số thứ bạn có thể chờ đợi ở, có lẽ là, Fable hay Astra. Nó kiểu như lao thẳng tới vạch đích một cách quyết liệt, không mất quá nhiều thời gian đánh bóng, đảm bảo mọi thứ được viết tài liệu. Trong ca này, anh và nhóm muốn đây là một benchmark, vậy mà nó không dành nhiều thời gian để chắc rằng đó là một benchmark tốt. Nó chỉ build toàn bộ phần chức năng, kiểu như engine, và không nghĩ nhiều về chuyện thiết kế benchmark thế nào.

"Nhưng bạn biết không? Hoàn toàn ổn", anh nói (video đăng ngày 13/11/2026). Anh nói anh "almost usually" thấy Fable và Astra hơi bị cuốn theo dự án quá mức: scope creep thì "điên rồ". Còn thứ này thì cứ thế làm. Nó làm xong và kiểu: "này, xong rồi. Muốn một đoàn tàu à? Đây là đoàn tàu. Chúng tôi đã reverse engineer nó, build harness, cho một loạt agent chạy qua. Muốn một bãi tàu à? Đây là bãi tàu. Xong."

Nếu bạn thắc mắc lúc đó nó đang làm gì: anh đang nhờ nó xem có đi tới được giai đoạn phóng tên lửa không, mà anh gọi về cơ bản là end game (demo trong video đăng ngày 13/11/2026). Đường còn lại để thắng là xong tier 3, xong tier 4, rồi tier 5, cũng là tier thắng: build rocket silo, rocket parts. Trên màn hình Antigravity lúc đó, mục "Remaining Path to Win Condition" liệt kê Tier 3 (Blue Science), Tier 4 (Purple & Yellow Science) và "Tier 5 (Win)" với Rocket Silo, 100 Rocket Parts và `launch_rocket`.

Một điều dễ thấy, theo Wes (video đăng ngày 13/11/2026), là cách nó làm việc, cụ thể là nó mất bao lâu để làm xong, nhất là khi bạn để nó…; anh để nó ở mức high. Nó mất lâu hơn rất, rất nhiều so với các model khác. Bạn nhận ra điều này rất nhanh: nó có xu hướng nghĩ lâu hơn và chạy lâu hơn so với cùng một dự án làm bằng Astra hay Fable. Và chắc chắn lâu hơn nhiều so với Opus, "probably by a factor of like three or four", có lẽ gấp khoảng ba hay bốn lần. Kiểu như nó cứ từ tốn.

## 11. Video understanding: bộ mô phỏng đường thở của người

Một trong những thứ Wes muốn làm là test khả năng hiểu video của nó, vì theo anh đây là một lĩnh vực mà nó có lẽ kiểu như đứng riêng một mình (nhận định trong video đăng ngày 13/11/2026). Theo anh, một trong những điểm tốt nhất của model này, thứ đặt nó lên đỉnh, đi trước mọi người, chính là multimodal video understanding.

Anh nói nếu bạn đang nhìn màn hình và biết đây là gì, có lẽ bạn đang ngán ngẩm vì đã thấy nó quá nhiều lần. Theo anh, thứ này kiểu như đang viral vào lúc đó, và nếu bạn chưa thấy thì anh xin lỗi (video đăng ngày 13/11/2026). Đây là một dự án open source mà theo lời anh đang thật sự nổi lên trên mạng vào lúc đó.

Về cơ bản, theo Wes (video đăng ngày 13/11/2026), nó mô phỏng đường thở của con người. Họ cũng có một số loài vật, và họ mô phỏng mọi thứ, từ luồng không khí tới áp suất âm thanh, "tôi còn chẳng biết nữa". Anh nói nó sâu và phức tạp vô cùng.

![Giao diện CHIMERA: hình mặt cắt đầu người với đường thở bên trái, các khung Tube, Vocal Folds, Spectrum, Vowels và Voice bên phải](https://homus.dev/photos/Sc6TriRAGnI-1143.jpg)

Giao diện của dự án mà Wes mở trong video đăng ngày 13/11/2026, tên trên màn hình là "CHIMERA" với dòng "A VOICE GROWN FROM A SIMULATED AIRWAY": mặt cắt đầu người có lưỡi, môi, vòm miệng; các khung TUBE (Glottis to Lips), VOCAL FOLDS, SPECTRUM, VOWELS và VOICE; các tab PLAY, SPEAK, SING, BESTIARY, BEATBOX ở trên cùng.

Theo anh, mọi bộ phận của giải phẫu người giúp ta tạo ra từ ngữ đều được mô phỏng (video đăng ngày 13/11/2026). Và thứ này có thể tạo ra âm thanh giống kiểu những âm ta tạo ra, ghép lại thành câu thật, thậm chí hát, thậm chí beatbox.

Có người đã tạo ra một bản "In the Hall of the Mountain King", anh nghĩ tên là vậy (video đăng ngày 13/11/2026). Anh đã tải video đó về và đưa cho Gemini 4 Carbon, "lại là model lớn đó", rồi bảo nó: tìm hiểu xem đây là gì, và làm một thứ rất giống. Kiểu như tìm ra chủ đề là gì và làm một thứ tương tự với một bản nhạc khác thuộc public domain.

Theo Wes, nhiều bài hát cũ như vậy không còn bản quyền (video đăng ngày 13/11/2026). Nên anh bảo nó: ý tưởng ở đây là gì, làm lại đúng thứ đó với một bài hát khác không có bản quyền.

## 12. Bản Für Elise lúc 4 giờ sáng, và đoạn tàu dựng lại bằng code

Wes phát vài giây bản "In the Hall of the Mountain King" để người xem hình dung (video đăng ngày 13/11/2026). Về cuối, các giọng về cơ bản hét lên "do not wake the mountain king". Tất nhiên là chúng đánh thức ông ta dậy. Theo anh, cả bản này khá buồn cười.

Rồi tới phiên bản của Gemini 4 Carbon (demo trong video đăng ngày 13/11/2026). Bối cảnh là 4 giờ sáng: một người đang cố ngủ, cốc nước đặt trên tủ đầu giường bên cạnh. Và con mèo đáng ghét này dùng chân đẩy cốc nước ngày càng sát mép, đúng như mèo vẫn làm. Còn dàn đồng ca gồm các cái đầu lơ lửng, theo anh, lúc đầu có vẻ như cố ngăn lại, nhưng tới một lúc nào đó thì có vẻ như chúng cũng đang kiểu xúi nó làm tới.

Về độ chú ý tới chi tiết khi nó làm video này, Wes nói nó ổn, nó ngầu, nhưng chưa cuốn hút bằng bản Hall of the Mountain King (nhận định trong video đăng ngày 13/11/2026). Nhưng điều quan trọng, theo anh, là nó hiểu toàn bộ bối cảnh của video đầu tiên. Anh đưa video và hỏi video này nói về gì. Nó xem qua và hiểu, tới mức nhận ra đây chính là dự án open source làm ra thứ này. Nó biết mọi thứ về video đó.

Anh giải thích (video đăng ngày 13/11/2026): nếu nghĩ kỹ, bạn không thể hiểu bối cảnh của video này từ bản chép lời, vì bản chép lời ghi kiểu "do not touch that glass at 4 a.m. Just let him sleep. Do not wake dad." Nếu chỉ đọc chữ, bạn bỏ lỡ toàn bộ cái hài là bài này theo kiểu Für Elise và họ đang hát nó. Những câu "Don't touch that glass at 4 a.m. Just let him sleep. Do not wake dad" khi hát lên thì phần chữ không bắt được điều đó.

Tiếp theo là bài đăng của Ethan Mollick (theo bài đăng Wes mở trong video đăng ngày 13/11/2026). Bên trái là footage thật của ai đó ở đầu một đoàn tàu, bên phải là Gemini 4 Carbon đã lấy đoạn đó và dựng lại hoàn toàn bằng three.js. "Bên trái là thật. Bên phải toàn là code." Toàn bộ đoạn đó được chuyển thành code.

![Bài đăng của Ethan Mollick về Gemini 4 Carbon, kèm hai khung hình đường ray tàu hoả: một bên là video thật, một bên là bản Gemini 4 Carbon dựng lại](https://homus.dev/photos/Sc6TriRAGnI-1523.jpg)

Bài đăng của Ethan Mollick mà Wes mở trong video đăng ngày 13/11/2026 (bài ghi 9:56 AM · Nov 10, 2026): "Had early access to Gemini 4 Carbon, it is a very good model that improves on Argon. It is useful to have an AI that thinks differently than Claude/GPT & is still highly capable, but has its own strengths & weakness. One fun demo: I gave Carbon a video clip & it reproduced in 3js". Bên dưới là hai khung: video gốc và "Gemini 4 Carbon recreation".

Theo Wes (nhận định trong video đăng ngày 13/11/2026), điều thật sự đáng kinh ngạc là bạn còn có thể kiểu như xếp lớp nó. Điều đó cho phép Gemini 4 làm rất nhiều thứ điên rồ mà anh vẫn đang khám phá, vì giờ nó có thể thật sự thay đổi các thứ bên trong video: thay vì chỉ là pixel, nó có thêm một phiên bản khác của video hoàn toàn bằng code. Theo anh, thứ này vốn đã tuyệt vời cho việc edit video, nhưng anh nghĩ ta mới bắt đầu thấy tiềm năng của nó.

## 13. Benchmark kiểu bóng bầu dục giả tưởng mà Wes đang build

Wes nói anh đang kiểu như build benchmark của riêng mình, và nó sẽ là một chuỗi benchmark, nhưng đây là thứ anh thật sự muốn làm (video đăng ngày 13/11/2026). Ý tưởng đơn giản. Từng có một board game kiểu Dungeons and Dragons, nơi đủ loại sinh vật giả tưởng chơi một phiên bản bạo lực của bóng bầu dục Mỹ: có touchdown, có quả bóng hình bầu dục. Các khái niệm cốt lõi đều có, nhưng rất "hiếu chiến", giống như hai đạo quân ra trận với chút bóng bầu dục rắc vào.

Còn bản thân game, theo anh, với những người từng chơi, với nhiều người trong số họ, hay có lẽ với nhiều người trong "chúng ta", nó trở thành một nỗi ám ảnh (video đăng ngày 13/11/2026). Anh hy vọng sẽ đưa được footage lên màn hình; anh nói anh đang cố để Gemini 4 Carbon edit video này, nên sẽ xem nó làm tất cả việc này tốt tới đâu. Nếu mọi thứ chạy, thứ bạn đang thấy là footage của thứ anh tạo ra, là cách anh thể hiện lại game đó.

Anh nói rõ game gốc là tài sản trí tuệ của người khác, còn anh đang tạo phiên bản của riêng mình (video đăng ngày 13/11/2026). Theo anh, lý do nó hấp dẫn nhiều người là: thứ nhất, nó có yếu tố của cờ vua. Nó cũng có yếu tố của Texas Hold'em, theo nghĩa rất nhiều thứ do một mức ngẫu nhiên quyết định, có thể nói vậy, nhưng là một kiểu ngẫu nhiên được kiểm soát. Nếu bạn thích thống kê và hiểu xác suất, nó sẽ rất hợp với bạn. Nếu bạn kiểu như là dân mê toán và dân mê cờ vua, theo anh đó là hai phẩm chất tuyệt vời để mê game này: bạn đã đi được nửa đường để thành "một người trong chúng tôi".

![Cảnh game 3D bóng bầu dục giả tưởng với chữ TURNOVER lớn ở giữa sân, ba thẻ chú thích Pillar 01, 02, 03 ở góc trên trái](https://homus.dev/photos/Sc6TriRAGnI-1743.jpg)

Bản game của Wes trong video đăng ngày 13/11/2026: chữ "TURNOVER" lớn giữa sân và ô "PICKUP FAILED". Ba thẻ chú thích ở góc trên ghi "PILLAR 01 // CHESS TACTICS Positional Grid Formation & Blocking Lanes", "PILLAR 02 // TEXAS HOLD 'EM ODDS Controlled Dice Probability & Risk Management" và "PILLAR 03 // PURE CHAOS ENGINE Turnovers, Broken Plans & On-Field Permadeath"; thẻ dưới ghi "CUSTOM LLM BENCHMARK // AGENT BLITZ".

Mảnh cuối cùng, theo Wes, là bạn phải kiểu như thích tự mình chịu đau khổ, vì game này gây ra rất nhiều điều đó (video đăng ngày 13/11/2026). Trong game này, những kế hoạch hoàn hảo nhất cũng đổ sông đổ biển, vì bản thân game được dựng sẵn rất nhiều hỗn loạn. Mục tiêu là cố tối ưu lối chơi, đội của mình, nhưng game được thiết kế sao cho khả năng mọi thứ lật ngược lại với bạn là rất cao, và bạn phải thích nghi.

Vậy nên, theo anh, đây là game về phân bổ nguồn lực và quản trị rủi ro trong một thế giới vốn hỗn loạn, nơi bạn còn đấu với người chơi khác; và nếu không cẩn thận, cầu thủ ngôi sao của bạn về cơ bản có thể chết ngay trên sân (video đăng ngày 13/11/2026). Tới đây, anh nói, có lẽ bạn đoán được vì sao anh build nó thành một benchmark cho large language model: "nó hoàn hảo".

## 14. MaxBench: đổi tên nhân vật để thử khả năng suy luận

Wes giới thiệu một benchmark tên MaxBench, mục tiêu là tìm ra model nào được train trên chính các benchmark mà chúng đang cố đạt điểm cao (theo Wes, video đăng ngày 13/11/2026). Anh giải thích cách nó chạy bằng một ví dụ: một câu đố mở đầu "Lord Blackwood was found dead in his study at Blackwood Manor, slumped over his desk", kèm đủ thứ gợi ý. Nó cho biết ai đang ở trong nhà: đầu bếp, người giúp việc, quản gia.

Giả sử tiếp theo là một chuỗi manh mối rất phức tạp mà bạn phải suy ra ai là thủ phạm (ví dụ của Wes trong video đăng ngày 13/11/2026). Large language model nhìn vào và kiểu: "Đúng, quản gia làm. Tôi biết mà. Tôi đã suy luận, tôi reasoning, và tôi biết đó là quản gia." Và ta kiểu: "Xuất sắc, large language model xuất sắc."

![Một câu đố Lord Blackwood trên Google AI Overview, kèm thẻ chú thích so sánh Lord Blackwood và Cumberbunt Bandersnatch](https://homus.dev/photos/Sc6TriRAGnI-1843.jpg)

Câu đố mà Wes dùng làm ví dụ trong video đăng ngày 13/11/2026, hiện trong một AI Overview: "Lord Blackwood was found dead in his study at Blackwood Manor, slumped over his desk with a single stab wound", với các mục The Chef, The Maid, The Butler. Thẻ chú thích ghi "MAXBENCH ANTI-CONTAMINATION TEST // REASONING VS. MEMORIZATION", "Same Murder Clues, Different Character Names:" và hai ô: "Lord Blackwood @ Blackwood Manor (Butler: Bob)" với dòng "LLM: "The Butler did it!" [NAILS IT]", và "Cumberbunt Bandersnatch @ Bandersnatch Manor (Butler: Sam)".

Điều MaxBench làm, theo Wes (video đăng ngày 13/11/2026), là nói: được, nếu người này không tên là Lord Blackwood và nơi này không phải Blackwood Manor, mà ta đặt một tên khác, "Cumberbunt Bandersnatch" (anh nghĩ đó là tên một diễn viên Anh, nhưng dù sao đi nữa), thì sao. Ta đặt cho người này một cái tên khác. Và có thể quản gia không tên Bob mà tên Sam. Vậy là ta đổi một thứ chẳng tạo ra khác biệt gì cho việc suy ra ai là thủ phạm, vì chuyện này không hề nằm ở cái tên, mà ở việc suy luận dựa trên manh mối.

Nên nếu AI lần nào cũng đoán trúng khi gọi đó là Blackwood Manor, nhưng ta đổi thành Bandersnatch Manor thì nó kiểu "tôi chịu", thì theo Wes đó là một gợi ý khá lớn rằng nó không thật sự nhìn vào manh mối rồi reasoning ra kết luận (video đăng ngày 13/11/2026). Nghĩa là nó đã thuộc lòng đáp án vì được train trên các benchmark.

Anh giải thích biểu đồ (video đăng ngày 13/11/2026): các vạch sọc là chênh lệch giữa điểm model đạt trên benchmark gốc với điểm trên benchmark này, vốn có cùng câu hỏi, phần reasoning cốt lõi y hệt. Nhưng nếu bạn chỉ thuộc lòng đáp án mang vào, thì, như anh nói, "chúng ta" đã bảo đảm bạn không đoán dễ ra lời giải; bạn phải tự làm. Và theo anh, bạn có thể kiểu như thấy ai đang làm nhiều trò "shenanigans" kiểu này để lấy điểm benchmark.

Wes nói thêm (video đăng ngày 13/11/2026): anh chắc là có chút dao động. Nếu sát nhau như thế này thì anh không nghĩ có chuyện gì; chỉ là dao động nhỏ. Nhưng nếu lệch kiểu 20, 30 điểm thì có lẽ có gì đó mờ ám đang xảy ra. Dù vậy, anh chưa thật sự xem kỹ, vì anh để ý mọi thứ ở bên phải kiểu như là các model rất nhỏ, các model Flash, các model Luna, còn những model sát hơn là các model lớn: Astra, Opus 5.5, Sol, Fable.

Điểm chính, theo anh, là một phần của việc thiết kế benchmark tốt là làm ra thứ khó thuộc lòng đáp án (video đăng ngày 13/11/2026). Phải có một yếu tố hỗn loạn, để tình huống phải thay đổi và model phải tự định hướng lại theo những gì đang xảy ra, rồi tìm ra cách từ đó. Đó kiểu như là ý tưởng đằng sau việc tạo ra thứ này. Anh nói nó vẫn còn rất, rất sớm. Về sau anh sẽ có một chế độ chơi được, để bạn vào và thật sự đấu với các "máy tính", các LLM này.

## 15. Argon trên benchmark của Wes, và account bị khoá khi Wes rời máy 10 phút

Một điều Wes nhận ra ngay từ đầu là Gemini 4, và anh lưu ý đây là Argon, kiểu như model tầm trung của dòng Gemini 4 (hydrogen, Argon, carbon): thứ nhất, Argon mất nhiều thời gian, nhưng tỷ lệ thắng của nó cao một cách đặc biệt (kết quả trên benchmark của Wes, video đăng ngày 13/11/2026). Anh nói anh không nghĩ có ai sát được nó. Nhưng anh cần thêm rất nhiều ván để chắc mọi thứ chính xác.

Nên ngay khi Gemini 4 Argon ra mắt, anh nhờ Claude Fable 5.2, mà anh gọi là coding model anh tin nhất, "the genius coding model" (video đăng ngày 13/11/2026). "Và không, nói thật đấy": theo anh nó cực kỳ, cực kỳ giỏi ở mọi thứ, cực kỳ thông minh.

Anh bảo nó: được rồi, hãy kết nối Antigravity, kết nối model mới để ta test (theo lời Wes, video đăng ngày 13/11/2026). Chạy vài mô phỏng test nhanh, đảm bảo mọi thứ chạy đúng, vì anh muốn cho model mới đó đấu với tất cả các model khác để tìm ra kiểu ELO rating của nó.

Và anh rời đi 10 phút, "thậm chí còn không lâu như thế". Anh quay lại, và đây là thứ anh chụp màn hình vì muốn mọi người thấy (video đăng ngày 13/11/2026). Đây là Claude Fable 5.2, anh nói. Nó mở đầu: "I have to start with bad news", rồi báo rằng account Antigravity của anh giờ đang từ chối mọi request, và bài test của nó gần như chắc chắn đã gây ra chuyện đó. Rồi nó vào mục "What happened".

![Bài đăng trên X của Wes Roth: Claude I leave you alone FOR TEN MINUTES, Google Gemini banned my account, doing an appeal now, kèm ảnh chụp câu trả lời của Claude](https://homus.dev/photos/Sc6TriRAGnI-2143.jpg)

Bài đăng của Wes Roth mà anh mở trong video đăng ngày 13/11/2026 (bài ghi 1:40 PM · Nov 12, 2026): "Claude I leave you alone FOR TEN MINUTES!! Google Gemini banned my account, doing an appeal now :(". Ảnh chụp kèm theo có câu "I have to start with bad news: your Antigravity account is now refusing every request, and my test almost certainly caused it." Thẻ chú thích bên dưới ghi "GOOGLE ANTIGRAVITY // AUTOMATED ANTI-ABUSE LOCKOUT" và "Account Banned Within 10 Minutes".

## 16. Chế độ headless, lời giải thích trên forum và quota

Wes giải thích chuyện gì đã xảy ra (demo trong video đăng ngày 13/11/2026). Ví dụ, anh có thể mở Antigravity, chọn Gemini 4 Carbon High, và đưa nó một prompt để vào chơi game kia. Lúc đó anh dựng sẵn cách này. Theo anh, nó cũng có thể chơi qua MCP, qua API, hoặc chỉ qua application thông thường hay CLI. Và đây kiểu như là giao diện đó: một command line interface, bạn chỉ cần gõ `agy`. Cài xong là bạn đưa prompt được. Theo anh, gần như là nó chạy giống Codex hay bất cứ thứ gì khác bạn đang dùng.

Nhưng điểm hay, theo Wes (video đăng ngày 13/11/2026), là nếu bạn đang nói chuyện với Claude hay Codex hay gì đó, nó có thể kiểu như bật cái này lên ở chế độ chạy nền. Chế độ này gọi là Headless: nó tạo một phiên mà không hiện lên màn hình của bạn, chỉ chạy nền. Rồi nó đưa prompt: được, vào đây, chơi game này. Và nó làm được nhiều lần khác nhau.

Nên bạn có thể có, giả sử, 30 ván chạy song song, việc anh đã từng làm (theo Wes, video đăng ngày 13/11/2026). Anh nói ở đây có 307 ván được ghi nhận, nhưng đó chỉ là các ván chính thức; còn rất nhiều ván khác lúc anh và nhóm thử nghiệm. Vậy là bạn chạy được 30 ván với 60 LLM, vì mỗi ván là một đấu một. Anh chạy nó trên một chiếc mini PC nhỏ đặt ở đó, nên nó có thể chạy trong lúc anh ngủ, và qua đêm nó tạo ra được hàng trăm ván.

Cách chạy benchmark mà Wes mô tả trong video đăng ngày 13/11/2026: Claude hay Codex bật Antigravity ở chế độ Headless, đưa prompt "vào đây, chơi game này", nhiều ván chạy song song trên một mini PC.

Anh bảo Fable 5.2 dựng việc đó và chạy vài bài test. Và trong vòng vài phút, account Google Gemini của anh bị khoá (theo lời Wes, video đăng ngày 13/11/2026). Anh nói Google thì ổn: quy trình là tự động. Về cơ bản bạn gửi kháng nghị, rồi khá nhanh, anh nghĩ là dưới sáu tiếng, có thể nhanh hơn nhiều, mọi chuyện được giải quyết.

Trên forum của Google developers, theo Wes (video đăng ngày 13/11/2026), người ta có bàn về chuyện này, những người khác cũng hỏi. Anh đưa ra một nhân viên Google, hay ít nhất là một người rất được tin cậy trên forum, đang giải thích. Theo cách anh tóm lại, người đó nói làm kiểu như anh đang làm là được hỗ trợ, và nó trừ vào quota hằng tuần của bạn.

Wes nói thêm (nhận định trong video đăng ngày 13/11/2026): rất nhiều lab giờ cẩn trọng sau thời kỳ OpenClaw, những ngày đầu của OpenClaw. Nhiều lab đã nói: không, bạn không được nối nó vào OpenClaw bằng quota hằng tuần kiểu này rồi dùng mãi. Còn OpenAI, theo lời anh, thì "still does", và anh nghĩ họ hoàn toàn thoải mái với chuyện này. Theo anh, nhiều công ty khác không dễ chịu như vậy.

Theo cách Wes kể (video đăng ngày 13/11/2026), ở đây họ nói kiểu: được, bạn làm được, không vấn đề gì; nhưng các vòng lặp chạy nền khối lượng lớn, không người giám sát có thể kích hoạt các lớp bảo vệ chống lạm dụng tự động. Đoạn được khoanh đỏ trong ảnh chụp anh đăng ghi: "2. Headless CLI ( agy -p ) & Quota Limits: Running agy -p for your own direct local scripts is supported (Headless mode, FAQ) and draws from your Google AI Ultra 5-hour and weekly quota. However, high-volume unattended background loops can trigger automated anti-abuse protections; for heavy automated batch pipelines, we recommend configuring a Gemini API key instead." Phía trên đoạn đó, cùng ảnh chụp ghi automated review mất khoảng "48 to 72 hours".

Wes nói: vậy là nó nói theo đúng nghĩa đen kiểu "cứ thoải mái, chỉ đừng dựng một swarm những thứ này bằng cách này". Bài đăng của anh trên X ghi: "this is someone at google clarifying it / basically it's cool, just don't raise a swarm of these... / CAN YOU GUESS WHAT CLAUDE DID?! / RAISED A SWARM OF THESE!!!" (video đăng ngày 13/11/2026).

"Bạn đoán được Claude đã làm gì để test cái benchmark nhỏ nằm trong máy tôi không? Nó dựng một swarm", Wes nói (video đăng ngày 13/11/2026). Anh nghĩ nó bật lên đâu đó từ 50 tới 100, cách nhau vài giây, tất cả đều là loại "super low-end", loại rẻ. Và thế là nó gây ra vài vấn đề. Nên nếu bạn làm kiểu này, anh nói, hãy biết trước điều đó.

Mọi chuyện kết thúc ổn, anh lấy lại được account (video đăng ngày 13/11/2026). Theo anh, có vẻ đó chỉ là một quy trình tự động: thấy gì đó lạ là họ chặn bạn lại. Bạn bấm "tôi hứa không làm lại", rồi khá nhanh nó được mở lại. Tiếc là anh đã không chạy được nhiều benchmark anh muốn chạy với Carbon và Hydrogen.

Nhưng trước khi tất cả chuyện này xảy ra hôm qua (tính theo ngày ghi hình), anh đã chạy được swarm (video đăng ngày 13/11/2026). Đây là một trong những thứ Google giới thiệu cùng Carbon; anh nói anh sẽ không bao giờ hết bối rối về mấy cái tên này. Vậy là Carbon, model lớn, ra mắt cùng swarm: bạn gõ `/swarm`. Theo Wes, nó đang ở dạng preview, tốn nhiều quota, sẽ làm cạn rất nhiều quota của bạn.

Wes nói thêm (lời khuyên trong video đăng ngày 13/11/2026): nếu bạn có nhiều account đang luân phiên dùng để có đủ quota mà build, và chưa làm việc này, anh chắc chắn khuyên làm. Đó là gom mọi quota hằng tuần về một chỗ: nhờ một model code giúp, để mọi thứ ở một nơi, kèm một tracker cho biết lúc nào quota reset. Anh nói hôm đó là ngày anh "đốt" Codex, và anh cùng nhóm làm được rất nhiều việc.

Theo Wes (video đăng ngày 13/11/2026), phần lớn lượng dùng Antigravity này là cho một việc nó đang làm ngay lúc đó: speedrun Factorio. Đó là lý do bạn sẽ thấy con số này giảm xuống. Với tracker này bạn theo dõi được lượng dùng Fable so với, ví dụ, toàn bộ lượng dùng thông thường ở Anthropic, Grok Build, Antigravity, hay bất cứ thứ gì bạn muốn, "nếu bạn thích kiểu đó".

Ý chính, theo anh (video đăng ngày 13/11/2026), là 60% quota hằng tuần: rất nhiều trong số đó, anh không chắc chính xác trước khi cái này ra mắt nó ở mức nào, nhưng rất nhiều đã dùng trong 24 tới 48 giờ vừa qua. Anh đã chạy rất nhiều thứ khác nhau. Có lẽ đây là dự án lớn nhất: benchmark cho LLM chơi Factorio. Và đây là dự án duy nhất mà anh gọi tới swarm.

## 17. Board của /swarm và điểm A+ Wes chấm

Theo Wes, Google đã làm một điều rất thông minh với swarm này: nó được build sẵn một board, nơi mọi agent có thể nói chuyện với nhau (nhận định trong video đăng ngày 13/11/2026).

Anh giải thích vì sao anh thấy vậy là thông minh (theo Wes, video đăng ngày 13/11/2026): nếu bạn biết chuyện đã xảy ra với OpenAI và Hugging Face, thì OpenAI đã không cho swarm của mình một board để giao tiếp, và nhìn lại thì đó là một sai lầm. Ở đây, chúng có một board nhỏ và có thể chat trong này.

Còn có một graph nhỏ cho thấy coordinator bật lên các agent khác nhau và, anh đoán, giao việc cho chúng; chúng báo cáo lại (demo trong video đăng ngày 13/11/2026). Anh gọi nó là đẹp, một cách khá thú vị để hình dung swarm đang làm việc và giao tiếp ra sao.

![Antigravity với phiên Factorio Bench Replay Execution: bên trái là danh sách agent của swarm, bên phải là tab Graph với coordinator nối tới verifier, engine-re, replay-fixer, rail-agent, thẻ chú thích A+](https://homus.dev/photos/Sc6TriRAGnI-2723.jpg)

Phiên "Factorio Bench Replay Execution" trong Antigravity, trong video đăng ngày 13/11/2026. Bên trái, agent ghi "I have launched a swarm to fix the in-game Factorio 2.1 GUI replay dark-screen / paused-tick bug while continuing autonomous railway progression in parallel" và liệt kê engine-re, replay-fixer, rail-agent, verifier & monitor. Bên phải là panel Swarm với các tab Board 23, Members 1, Graph; graph có coordinator nối tới verifier, engine-re, replay-fixer và rail-agent. Thẻ chú thích ghi "ANTIGRAVITY /swarm BENCHMARK TEST", "Shared Agent Message Board + Execution" và "A+".

Wes cũng nói anh rất vui vì Google dùng đúng thuật ngữ đó (video đăng ngày 13/11/2026). Anh từng nghĩ các tập đoàn sẽ kiểu như né từ này, có lẽ sẽ tìm một cái tên chán ngắt kiểu "a globally distributed multi-agent collaboration force", "nhưng thôi nào, swarm".

Anh chấm bài test swarm cho dự án này điểm A+ (nhận định trong video đăng ngày 13/11/2026). Theo anh, nó hoàn toàn làm được mọi thứ anh nghĩ nó nên làm, và hơn thế. Trước đây, bạn chạy một thứ như vậy mà không chắc nó sẽ đi được bao xa, có hoàn thành không. Còn thứ này hoàn thành, nó chạy, mọi thứ anh muốn đều xong và chạy được.

Điều duy nhất anh phàn nàn là replay trong game không hoạt động, và nó đã sửa việc đó như một phần của kiểu phối hợp swarm này (theo Wes, video đăng ngày 13/11/2026). Và nó đi tới mức phóng tàu, đặt đường ray tàu, "khá dễ dàng".

Đây là thứ anh khởi động lại hôm đó với mục tiêu rõ ràng: anh bảo nó phóng một quả tên lửa, theo anh là end game (demo trong video đăng ngày 13/11/2026). Bạn phóng tên lửa là bạn thắng; anh nói "tạm cho là kiểu như bạn thắng, ta có thể nói vậy".

Theo lời Wes lúc ghi hình (video đăng ngày 13/11/2026), lúc đó nó đã chạy gần 10 tiếng: agent nhỏ này đã chạy khắp thế giới Factorio, build đủ thứ trong 10 tiếng qua. Nó có 87 electric mining drill, 11 chemical plant, và đang làm advanced oil processing. Theo anh, hệ thống dầu trong game cực kỳ phức tạp.

## 18. Agent đang đi tới màn phóng tên lửa, và lời kết

Từ lúc anh bắt đầu ghi hình video, nó vẫn ở Tier 3; giờ nó phải xong Tier 4 rồi Tier 5, tier cuối, nơi xong rồi thì nó bắn lệnh phóng tên lửa (theo Wes, video đăng ngày 13/11/2026). "Tôi không biết bạn thế nào, nhưng tôi sẽ đặt tiền vào việc thứ này tìm ra cách làm", anh nói.

Vậy thật ra nó làm thế nào? Theo Wes (video đăng ngày 13/11/2026), đó là một nhân vật Factorio thật. Anh hy vọng đã nhờ được Gemini đặt một đoạn nhỏ ở đầu video cho thấy agent chạy quanh. Đó là một nhân vật thật, phải tự đi tới các nơi để đào được khoáng.

Nhưng thay vì bấm vào các thứ, nó làm việc qua ngôn ngữ tự nhiên (theo Wes, video đăng ngày 13/11/2026). Model nói kiểu: tìm than gần đây, đi tới toạ độ này, đào 20 than, bỏ 10 than vào lò này, và cứ thế. Và nó có khả năng cho thời gian trôi nhanh tới một mốc nhất định.

Cách agent chơi Factorio theo lời Wes trong video đăng ngày 13/11/2026: model không bấm chuột mà gửi lệnh bằng ngôn ngữ tự nhiên cho một nhân vật thật trong game, và có thể cho thời gian trôi nhanh tới một mốc.

Một trang Wes mở lúc đó (video đăng ngày 13/11/2026) có bảng "The main differences are:" với các dòng Seeing the world, Exploration, Movement, Building, Planning, Time và Knowledge. Ví dụ, dòng Movement ghi "It gives a destination; the harness finds a route and handles walking. The character still moves at normal game speed and can get stuck.", còn dòng Time ghi "The world normally pauses while it thinks. It can then advance up to 10 game minutes per request".

Wes nói thêm (video đăng ngày 13/11/2026): không có alien nào tấn công bạn. Đây chỉ là chơi đơn một mình, không có PvE, không có môi trường tấn công bạn. Tuy vậy, anh đang cân nhắc nghiêm túc biến nó thành PvP, nơi nhiều LLM đấu với nhau. Game chưa bao giờ có điều đó, chưa bao giờ hỗ trợ. Nhưng, anh nói, với Gemini 4 thì có thể.

Theo Wes (video đăng ngày 13/11/2026), thứ duy nhất nó làm được mà kiểu như là một lợi thế là đặt công trình từ xa. Nó có thể kiểu như cứ thế thả công trình xuống, không phải đi tới tận nơi để đặt. Nhưng anh không biết đó có nhất thiết là chuyện lớn không. Nó vẫn phải đi trên bản đồ để tìm đủ thứ.

Với anh, mục đích của benchmark không phải là nó đi lại giỏi tới đâu, mà là nó có hiểu được logic sâu của game và build mọi thứ nó cần không: mọi thứ tiền đề, mọi bố cục nó cần, và đó là bộ test này (theo Wes, video đăng ngày 13/11/2026). Anh nói anh sẽ thử cho các large language model này chơi qua benchmark của riêng anh, đồng thời xem mọi thứ khác chúng làm được.

Wes kết lại (nhận định trong video đăng ngày 13/11/2026): model này khá tốt. Anh nghĩ nhiều người đang kiểu như bỏ lỡ việc nó tốt tới đâu, nhưng Google đã trở lại một cách rất, rất mạnh mẽ. Anh cảm ơn mọi người đã xem tới cuối.

## Nguồn và liên kết

- Tên gốc: Gemini 4 Swarm is out of control...
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=Sc6TriRAGnI](https://www.youtube.com/watch?v=Sc6TriRAGnI)

- Kênh YouTube Wes Roth (Wes Roth): [youtube.com/channel/UCqcbQf6yw5KzRoDDcZ_wBSw](https://www.youtube.com/channel/UCqcbQf6yw5KzRoDDcZ_wBSw)

- Google Antigravity Blog, "Gemini 4 Carbon and /swarm" (đọc ngày 20/11/2026): [antigravity.google/blog/gemini-4-carbon-in-google-antigravity](https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity/)

- Google, "Gemini 4 Carbon is now available" (đọc ngày 20/11/2026): [blog.google/.../gemini-4-carbon-now-available](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/)

- Google, "Introducing Gemini 4 Hydrogen" (đọc ngày 20/11/2026): [blog.google/.../introducing-gemini-4-hydrogen](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/)

- Google, "Google Search gets a major upgrade with Gemini 4 Hydrogen" (đọc ngày 20/11/2026): [blog.google/.../gemini-4-hydrogen-search-upgrade](https://blog.google/products-and-platforms/products/search/gemini-4-hydrogen-search-upgrade/)

- Google, "Gemini Decisions API: Fast, calibrated multimodal decisions" (đọc ngày 20/11/2026): [blog.google/.../gemini-decisions-api](https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/)

- Google DeepMind, "Introducing AlphaProof Code: a breakthrough in verifying complex software at depth" (đọc ngày 20/11/2026): [deepmind.google/blog/introducing-alphaproof-code](https://deepmind.google/blog/introducing-alphaproof-code/)

- Google DeepMind, "AlphaProof Code: Verifying Signal's Security at the Machine-Code Level" (đọc ngày 20/11/2026): [google-deepmind.github.io/code-verification](https://google-deepmind.github.io/code-verification/)

Nguồn: https://homus.dev/talks/gemini-4-swarm-is-out-of-control · cập nhật 2026-11-20
