# Gemini 4 Carbon: chậm, hay bịa, nhưng bất ngờ tốt ở việc bảo mật

[Theo Browne](https://homus.dev/speakers/theo-browne) · [Theo - t3․gg](https://homus.dev/orgs/theo-t3-gg)

> Theo Browne đánh giá Gemini 4 Carbon: claim sai, tốc độ, giá và cache, UI, 3D, và vì sao nó lại xử lý tốt một báo cáo bảo mật thật trong T3 Code.

Topics: Coding Agents, Evals, Security

Canonical: https://homus.dev/talks/progress

## 1. Định chê, rồi lại không chê được

Theo Browne mở đầu: ngày này cuối cùng cũng tới. Dù anh hay phàn nàn, Google vẫn khá thoải mái với anh và cho anh early access vào Gemini 4 Carbon. Anh đã dùng model này rất nhiều, và nói thật là anh không ấn tượng lắm; anh hứa lát nữa mọi thứ sẽ rõ. Kế hoạch ban đầu của anh cho video này là không nhẹ tay với nó (video đăng ngày 11/11/2026).

![Theo Browne ngồi sau bàn gỗ, trước micro, cạnh một chiếc laptop](https://homus.dev/photos/OBNVzWYMKbE-0003.jpg)

Theo Browne ở phần mở đầu video đăng ngày 11/11/2026.

Lý do: khi anh dùng Argon, nó không tốt, và ở bản phát hành này anh không thấy mức cải thiện lớn như anh mong. Nhất là khi lúc được công bố hai tuần trước (tính từ video đăng ngày 11/11/2026), nó là model tốt nhất thế giới: theo bảng của Artificial Analysis mà anh nhắc, Gemini 4 Carbon được 60 điểm, Opus 5.5 được 59.

![Biểu đồ cột Artificial Analysis Intelligence Index, cột đầu tiên ghi 65, cột Gemini 4 Carbon (high) ghi 60 với ô chú thích](https://homus.dev/photos/OBNVzWYMKbE-0029.jpg)

Biểu đồ Artificial Analysis Intelligence Index trong video đăng ngày 11/11/2026: cột đầu tiên ghi 65, cột Gemini 4 Carbon (high) ghi 60; các cột sau ghi 46, 44, 35, 33, 32, 30.

Vấn đề là Fable vừa ra (tính đến video đăng ngày 11/11/2026), và theo anh đó là một bước nhảy lớn, vượt cả bản chất "bench-maxing" của Gemini 4 Carbon. Nếu nhìn các model Gemini gần đây trên một trang như Slopalytics thì trông rất ổn, nhưng anh nói lý do duy nhất khiến các con số trông đẹp như vậy là vì anh đã tắt hết các model khác đi.

Theo anh, ở rất nhiều việc và rất nhiều chỗ, có những lựa chọn tốt hơn; ít nhất là anh từng nghĩ vậy (video đăng ngày 11/11/2026). Vì anh tiếp tục đào sâu vào model này và khả năng của nó, và tìm thấy những thứ không ai nói với anh, những thứ thật sự khá bất ngờ. Anh nói anh không tin là mình đang nói câu này: anh nghĩ tối nay anh sẽ land một số thay đổi bằng chính model này.

Anh nhấn: thật đấy, anh cũng sốc. Anh có nhiều thứ phải giải thích, vì bản phát hành này hoàn toàn không như anh nghĩ, và anh hứa người xem sẽ thích cái kết. Anh gọi đây là một hành trình hỗn loạn, nói nhẹ nhất là vậy (video đăng ngày 11/11/2026).

## 2. Google nói gì về Carbon

Trước hết anh xem Google nói gì: Carbon đã có sẵn (tính đến video đăng ngày 11/11/2026). Anh nhắc rằng Google đã công bố nó hai tuần trước; anh xin lỗi vì lúc đó không nói về nó được, anh phải chờ tới khi được phép. Anh đã dùng nó một thời gian khá dài trong khoảng đó, và ban đầu không thấy ấn tượng lắm.

Ngay đầu bài, Google nói họ đưa Gemini 4 Carbon tới developer, doanh nghiệp, nhà khoa học và người dùng phổ thông. Bài viết gọi Carbon là model mạnh nhất của họ, với hiệu năng frontier ở năng lực cybersecurity và ở các agentic workflow dài hơi trong knowledge work phức tạp, software engineering và suy luận khoa học (theo bài công bố của Google mà anh đọc trong video đăng ngày 11/11/2026). Anh nhận xét "frontier performance" là một tuyên bố táo bạo. Anh nói đây là một câu thú vị, và anh đã không hiểu đúng hệ quả của nó cho tới khoảng một giờ trước khi chuẩn bị quay.

Bài viết kể rằng hai tuần trước Google đã công bố model và phát hành nó cho một nhóm người làm phòng thủ cybersecurity qua Fairwind Program. Ngay sau đó họ cũng mở early access, và đó là cách anh có được nó (video đăng ngày 11/11/2026). Anh thừa nhận anh đã bỏ qua khía cạnh cybersecurity quá lâu.

Carbon đạt điểm cao nhất từ trước tới nay trên CursorBench 4 (theo lời anh, video đăng ngày 11/11/2026); trên biểu đồ CursorBench 4.0 anh mở, đường Gemini 4 Carbon nằm cao nhất, quanh mức 60%. Anh nói điều này khá điên, và thật lòng nó khiến anh nghi ngờ benchmark này, vì trong các bench của anh, nó không làm tốt được tới mức đó.

## 3. Bench phân tích code của Theo: ít claim sai hơn, nhưng vẫn nhiều

Theo anh mô tả (video đăng ngày 11/11/2026), các code bench gần đây của anh đi theo một hướng lạ: chúng tập trung vào phân tích code, có thể là một codebase cần hiểu rõ hơn, hoặc các pull request mà model phải review và tìm vấn đề tiềm ẩn. Ở mảng này, model không gây ấn tượng mấy với anh.

Trong bài architecture review trên codebase Rust của anh, Carbon làm tốt hơn Argon, với tỷ lệ "nói dối" thấp hơn nhiều: Argon đưa ra 36 claim, 24 trong số đó sai; Carbon đưa ra 79 claim, vậy là nói nhiều hơn hẳn, có nhiều ý kiến hơn, và tới đích nhanh hơn, nhưng vẫn có 23 claim sai (theo số đo của Theo, video đăng ngày 11/11/2026). Anh gọi con số đó là điên rồ, vì rất nhiều model khác có từ 0 tới 1, và một số ít có 3 tới 4 nếu chúng hơi "loosey-goosey".

![Bảng xếp hạng tối, các hàng model với điểm, cột claim sai, thời gian, chi phí; hàng Gemini 4 Carbon high NEW ghi 6.44 và 23 of 79](https://homus.dev/photos/OBNVzWYMKbE-0403.jpg)

Bảng kết quả bài review Rust trong video đăng ngày 11/11/2026: Gemini 4 Carbon (high) 6.44 điểm, cột claim sai ghi 23 of 79, 29m; Gemini 4 Argon (high) 4.38, 24 of 36, 44m. Các model khác ghi từ 0 of 33 tới 11 of 33, như GPT-6 Astra 0 of 33 và Fable 5.2 4 of 61.

Đây chỉ là một trong vài bài. Trong bài phân tích T3 Code của anh, Gemini 4 Argon bị 47 trên 92 claim sai, nghĩa là hơn một nửa claim của nó sai, còn Carbon chỉ 23 trên 86. Gộp tất cả eval của anh, tỷ lệ claim sai giảm từ 36% với Argon xuống 18% (theo số đo của Theo, video đăng ngày 11/11/2026).

Anh thấy điều này đặc biệt thú vị, vì một số người ở DeepMind đã nói với anh rằng họ biết rất rõ những hallucination anh đang gặp, và họ thấy tỷ lệ hallucination giảm khoảng 2 lần từ Argon sang Carbon. Và đúng là vậy: giảm đúng 50% (theo số đo của Theo, video đăng ngày 11/11/2026). Anh hơi bực vì nhiều benchmark hallucination chính thức không đo đúng kiểu lỗi anh đang thấy, trong khi anh thấy nó rõ mồn một.

![Bảng tổng các bài TS-Rust, T3 Code, Lakebed, Review, D1 và cột Wrong claims; Muse Wonder Full 14.5% được tô, Gemini 4 Carbon 18.0%, Gemini 4 Argon 36.1%](https://homus.dev/photos/OBNVzWYMKbE-0523.jpg)

Bảng tổng trong video đăng ngày 11/11/2026, cột Wrong claims: Gemini 4 Carbon 18.0% (82/455), Gemini 4 Argon 36.1% (137/380), Muse Wonder Full 14.5% (được tô), Muse Wonder 39.1%; các model như GPT-6.1 Sol 2.2%, Opus 5.5 5.3%, Fable 5.2 5.8%.

Tỷ lệ đã giảm một nửa, nhưng theo anh vẫn tệ hơn rất nhiều so với mọi model khác ngoài dòng Muse. Rồi anh tự sửa: thật ra nó vẫn tệ hơn cả dòng Muse nhiều. Ngay cả Wonder cũng ở mức 14.5%, so với 18 tới 36% (trên bảng, con số 14.5% nằm ở hàng Muse Wonder Full). Còn bản Wonder không phải Full thì theo anh là đồ bỏ (video đăng ngày 11/11/2026).

## 4. Chậm, và TPS không phải là tốc độ

Theo anh (video đăng ngày 11/11/2026), model này chậm tới mức thật sự khó chịu. Các mức reasoning effort cũng không làm nó nhanh hơn bao nhiêu; mức nào cũng khó chịu, vì thời gian round trip quá tệ.

Anh đọc từ Artificial Analysis: ở mức low, thời gian trung bình mỗi task là 22 phút, ở mức high là 27 phút. Để so sánh trong một khoảng tương đương, Opus ở mức low chỉ mất 3 phút 1 giây, còn ở mức max là 25 phút (theo số liệu anh đọc trong video đăng ngày 11/11/2026). Trên biểu đồ Slopalytics anh mở, ô của Gemini 4 Carbon (high) ghi time per task 27m 12s.

Thời gian trung bình mỗi task mà Theo đọc từ Artificial Analysis trong video đăng ngày 11/11/2026 (chiều dài thanh theo tỷ lệ phút).

Khi chuyển biểu đồ từ thang log sang thang tuyến tính, anh nói người xem sẽ thấy rõ nó tệ hơn tới mức nào: nó đều đặn là model chậm nhất (theo video đăng ngày 11/11/2026).

Anh bực vì mọi người đều đang nói đây là một model nhanh: theo anh, họ không biết mình đang nói gì. Nếu bạn nghĩ TPS (token mỗi giây) nghĩa là tốc độ, anh bảo hãy nhìn vào các con số. Theo anh, model này chậm, và dùng nó rất khổ vì nó chậm (video đăng ngày 11/11/2026).

## 5. Slash Swarm và giá "introductory"

Anh nhắc lại rằng model này có những điểm tốt, nhưng anh còn vài chuyện phải "crash out" trước. Đầu tiên, theo anh (video đăng ngày 11/11/2026), Google cuối cùng cũng giới thiệu thứ tương đương workflows của họ, gọi là Slash Swarm. Anh thấy hơi "cringe" khi họ đẩy nó như một tính năng mới. Anh cũng để ý rằng họ đã đưa nó cho các đối tác truyền thông để làm bài công bố, như The Verge.

Và tới đây, theo anh, mọi thứ bắt đầu "rất Gemini". Giá là $2 cho mỗi triệu token input và $10 cho mỗi triệu token output, nhưng đó là giá "introductory" (theo video đăng ngày 11/11/2026). Giá introductory là gì? Anh gọi đó là một kiểu "Google-ism": $2 mỗi triệu vào và $10 mỗi triệu ra, cùng giá context cache read 10 cent, cho tới ngày 1 tháng 12; sau đó thành $4 mỗi triệu vào, $20 mỗi triệu ra và 20 cent mỗi triệu cho cache read: giá tăng gấp đôi.

![Trang tài liệu giá trong Google AI Studio, bảng Standard: Input price, Output price, Context caching price](https://homus.dev/photos/OBNVzWYMKbE-0703.jpg)

Bảng giá Standard trong tài liệu Gemini API trên Google AI Studio mà anh mở trong video đăng ngày 11/11/2026: input $2.00 tới hết 30/11/2026 và $4.00 từ 1/12/2026; output (gồm thinking token) $10.00 rồi $20.00; context caching $0.10 rồi $0.20, kèm dòng "Implicit caching only (explicit caching is not supported)".

Bình thường thì intelligence phải rẻ dần theo thời gian, nhưng anh nói Google thật sự "đổi mới" ở những thứ tệ hại (video đăng ngày 11/11/2026). Anh nghĩ họ làm vậy vì đang cố hết sức để người ta dùng model mới, mong một số người bị kẹt lại với nó rồi họ sẽ tính giá cao hơn.

Giả định cũ của anh là họ làm vậy để người ta không bám lấy model cũ, giúp họ tập trung provisioning tốt hơn; nhưng khi đó họ cho các mức giảm giá kéo dài hai tới ba tháng hoặc hơn. Lần này là chưa tới một tháng (theo video đăng ngày 11/11/2026). Anh không nghĩ model này đáng với mức giá nào trong hai mức đó. Theo anh, $4 vào và $20 ra là giá của Opus, cho một model mà dùng khó chịu hơn rất nhiều. Và theo anh, mức subsidy của subscription cũng tệ hơn đáng kể.

## 6. Cache không đáng tin

Còn một điều cuối về chi phí mà anh thấy đáng nêu, vì anh đã làm vài thí nghiệm. Theo anh (video đăng ngày 11/11/2026), Gemini API không có cách gọi cache tường minh. API của OpenAI trước kia cũng không, nhưng giờ bạn phải nói với API kiểu "tôi muốn ghi cái này vào cache khi xong". Claude thì từ lâu đã như vậy, và bạn còn chọn được TTL của cache, tức là nó được cache trong bao lâu. Gemini thì không: Gemini API cache khi nó muốn, và làm việc đó không tốt.

Anh đo được: trong cửa sổ 5 giây có 20% khả năng cache miss; trong cửa sổ 30 giây là 34%; trong cửa sổ 120 giây còn cao hơn nữa (theo số đo của Theo, video đăng ngày 11/11/2026). Theo anh, điều này dẫn tới mức tăng tới 50% ở các request nếu chúng chờ đủ lâu để rơi vào những mức cache read tệ nhất.

Khả năng cache miss của Gemini API theo độ dài khoảng chờ, theo thí nghiệm Theo kể trong video đăng ngày 11/11/2026 (thanh nét đứt: anh không nêu con số, chỉ nói "còn cao hơn").

Theo anh, giá mỗi token không quan trọng; thứ quan trọng là chi phí mỗi task, nhất là khi tính xem một task dùng bao nhiêu token. Và hiệu quả cache read cũng quan trọng (video đăng ngày 11/11/2026). Bình thường ta không cần nói tới chuyện này, vì hiệu quả cache read là 100%: model trúng cache khi bạn ghi cache. Với Gemini, theo anh, cái gì cũng "đặc biệt".

Vì vậy, theo anh, bạn không thể tin con số ghi trên bao bì, vì nó sẽ tăng gấp đôi chỉ trong vài tuần, vì cache không hoạt động, và vì nó đốt token như anh chưa từng thấy (video đăng ngày 11/11/2026). Nếu bạn chọn model này vì nó nhanh và rẻ, anh nói bạn sai, và sai hơn nữa. Vậy tại sao anh lại thích nó? Anh nói sẽ tới phần đó sau một chút.

## 7. Knowledge work và thiết kế UI

Trước hết là phần office work, mà anh gọi là thứ đối lập xa nhất với Fish Slop. Theo bài công bố Google mà anh đọc (video đăng ngày 11/11/2026), Carbon có knowledge work chính xác hơn, tạo artifact và phân tích dữ liệu tốt hơn. Bài viết nói các benchmark hiện có không đo đủ cách agent suy luận trực tiếp trên các file dày đặc có biểu đồ, hình ảnh, bản vẽ, sơ đồ và bảng, nên Google hợp tác với Artificial Analysis ra một bench mới, Multimodal Knowledge Agent (MKA). Anh thấy buồn cười: họ giúp làm ra một bench, và họ chỉ đứng thứ hai trên chính bench đó (trang công bố ghi "Carbon ranks #2").

Rồi tới phần mà theo anh ai cũng chờ: cải thiện ở agentic coding, full stack development, 3D và thiết kế UI. Anh nói trước là anh không ấn tượng lắm với UI (video đăng ngày 11/11/2026). Một người bạn của anh đã cập nhật trang Which AI Made This?, nên có thể xem nhanh các front end. Trang này so sánh cách các model thiết kế UI, có và không có frontend design skill của Anthropic, với cùng một prompt:

```
I want you to design the landing page for a note-taking application as essentially a second brain. You should design five iterations and each of them should be accessible within the slash one, slash two, slash three like pages directory. And then you should add a little button that lets me switch between them easily.
```

![Trang Which AI Made This? với prompt mẫu và hàng thẻ With Design Skill: Gemini 4 Carbon, Fable 5.2, SWE-2 Flash, DeepSeek V4.1 Flash](https://homus.dev/photos/OBNVzWYMKbE-0948.jpg)

Trang Which AI Made This? trong video đăng ngày 11/11/2026: prompt chung ở trên, bên dưới là hàng "With Design Skill" với các thẻ Gemini 4 Carbon, Fable 5.2, SWE-2 Flash và DeepSeek V4.1 Flash, mỗi thẻ có năm bản 1 tới 5.

Đầu tiên là các bản Carbon làm với design skill của Anthropic, thứ mà anh thấy nó xử lý khá ổn. Nhưng nói thật, anh không thích các layout này lắm (demo trong video đăng ngày 11/11/2026). Khi tắt skill đi để xem nó làm gì mặc định, anh thấy thiết kế tự nhiên của nó còn đỡ tệ hơn bản có skill.

Nhưng theo anh, nó vẫn rất thích một khuôn mẫu: phần "pill" ở trên, hai dòng chữ căn giữa, logo, nút bắt đầu, bốn link ở giữa chẳng quan trọng mấy, và ảnh chụp app bị cắt ở dưới (demo trong video đăng ngày 11/11/2026).

## 8. Những gì Google và đối tác khen

Anh chỉ ra rằng mấy bản này giống hệt nhau, chỉ khác màu; bản kia cũng vậy; có vẻ chỉ hai bản là khác. Theo anh, nó ra kết quả rất "theo template" (demo trong video đăng ngày 11/11/2026).

Google tuyên bố Carbon làm cực tốt ở các bài kiểm tra engineering cần nhiều agent phối hợp, như migration nhiều package, điều tra root cause xuyên hệ thống và thiết kế lại kiến trúc phức tạp. Nó cũng giỏi web development và làm game 3D, "theo lời họ" như anh nói (theo bài công bố Google mà anh đọc, video đăng ngày 11/11/2026).

Bài viết có trích lời từ những người bạn của anh ở OpenCode. Anh nói anh rất quý họ, nhưng anh rất nghi ngờ việc họ thích các model Gemini. Họ cũng từng rất thích Argon, mà theo anh Argon không phải model tốt cho công việc code thật: anh đã phải revert mọi thứ anh merge từ nó, dù anh cũng không merge nhiều (video đăng ngày 11/11/2026).

Anh đọc lời trích của OpenCode: khi họ chật vật làm app trông nhất quán với một UI framework có sẵn, họ đưa Carbon một danh sách yêu cầu trước khi kết thúc ngày; qua đêm, Carbon dựng một Rust UI library mới từ đầu và viết lại app desktop của OpenCode với các demo chạy được; họ gọi nó là một model "brainy" và là model planning ưu tiên cho những task khó nhất (theo bài công bố mà anh đọc trong video đăng ngày 11/11/2026). Anh nói đó là một lựa chọn, vì theo anh, khi đưa cho model này những việc dài, nó hallucinate nhiều hơn. Anh không nghĩ đây là một nhận định công bằng, và rất tò mò họ đã chọn làm thế nào.

Những người khác trong bài nói nó giỏi các task 3D khó như mô phỏng vải, và nó "tôn trọng software contract" (theo bài công bố mà anh đọc trong video đăng ngày 11/11/2026). Anh nói: người ta có vẻ khá thích nó. Bài cũng có vài demo vui: những thứ 3D họ làm, một cảnh Atlantis dưới nước bằng Three.js (anh: "meh"), một phòng hòa nhạc dựng tạm (anh: trông được).

Theo anh, tất cả cảm giác như đồ của sáu tháng trước hoặc hơn, nói thật. Và dĩ nhiên họ chèn vào một con pelican đạp xe; anh gửi lời chào tới Simon và khen "đẹp" (video đăng ngày 11/11/2026). Tới đây là phần anh hơi xem nhẹ, Frontier Cybersecurity Capabilities, mà anh sẽ quay lại ngay sau Fish Slop.

## 9. Fish Slop lần đầu

Tới Fish Slop. Bản đầu tiên Carbon làm, theo anh, không phải ấn tượng nhất anh từng thấy. Nó làm khác các model khác: một "hương vị" khác, có cái hay riêng. Nhưng so với bản của Fable, anh nói bản này đáng xấu hổ (demo trong video đăng ngày 11/11/2026).

Anh muốn cho nó cơ hội tốt hơn, vì anh biết các model của Google được cho là giỏi 3D, nên anh bảo nó làm cho đẹp. Và nó đúng là đã làm ra một cái gì đó. Anh thử nghĩ có khi do Firefox, nhưng không phải; anh thấy buồn cười: nó làm nước trông đẹp, nhưng làm hỏng mọi thứ khác (demo trong video đăng ngày 11/11/2026).

Ba bước thử Fish Slop với Carbon mà Theo kể trong video đăng ngày 11/11/2026.

Anh bảo T3 Code tìm lại thread nơi anh đã làm bản này (anh làm từ mấy ngày trước), gửi tiếp vào đó và bảo nó sửa bằng Gemini 4 Carbon High, chỉ để xem nó làm được gì. Anh không vá lỗi của nó bằng model khác, vì anh muốn thấy năng lực của chính nó (demo trong video đăng ngày 11/11/2026). Câu anh gửi trong T3 Code, trên màn hình ghi: "Send this screenshot to the thread that did the "make it stunning" build and tell it to fix it".

## 10. Subscription và chuyện email trong Antigravity

Anh muốn đưa cho người xem số liệu về việc dùng được bao nhiêu với các model Gemini qua subscription; anh đang ở gói $200 (video đăng ngày 11/11/2026). Nhưng trước hết anh phải "crash out" một chút với đội Antigravity: anh đã nói với họ nhiều lần là đừng hiện email của anh khắp UI, vậy mà làm gì nó cũng hiện khắp nơi. Anh cảm ơn người biên tập đã đảm bảo email của anh không lộ ra, và cảm ơn Antigravity vì tiếp tục làm vậy, điều anh nói là rất phiền. Anh nói đó là một trong nhiều lý do anh sẽ không bao giờ mở Antigravity trong nội dung của mình, trừ khi quay offline.

![Terminal hiện Models & Quota, dòng Account đã bị che, các thanh Weekly Limit Remaining và Five Hour Limit Remaining đều 100.00%](https://homus.dev/photos/OBNVzWYMKbE-1312.jpg)

Màn hình Models & Quota trong terminal ở video đăng ngày 11/11/2026: dòng Account đã được che; nhóm Gemini Models (Gemini Flash, Gemini Pro) và nhóm Claude and GPT Models đều ghi Weekly Limit Remaining 100.00%, nhóm Gemini còn có Five Hour Limit Remaining 100.00%. Dòng trên cùng ghi "Gemini 4 Argon" is no longer available. Using "Gemini 4 Carbon (Medium)".

Anh chỉ ra rằng các limit của anh đều ở 100%. Theo anh, đó là vì anh đang dùng Carbon qua early access, mà anh không nghĩ là bị tính vào usage của anh, nên rất khó để lấy số liệu thật (video đăng ngày 11/11/2026).

Anh chỉ lưu ý rằng, trong lịch sử, mức subsidy bạn nhận được với các model Gemini ở các gói $200 không tốt lắm, nhất là khi so với những gì Anthropic cho ở gói $200 của họ (theo video đăng ngày 11/11/2026).

## 11. Năng lực cybersecurity và alignment

Quay lại Frontier cybersecurity capabilities, phần anh đã hơi xem nhẹ. Anh hứa sẽ cho xem vài ví dụ sau, còn bây giờ thì tạm tin lời Google (video đăng ngày 11/11/2026). Bài viết nói Gemini 4 Carbon for Cyber mang lại năng lực cybersecurity mạnh nhất của họ tới nay, cho các đội bảo mật trí tuệ end-to-end họ cần để bảo vệ phần mềm quan trọng. Khi dùng qua Fairwind Program, Carbon dẫn đầu ở các benchmark chính về tìm (SEC-bench Pro), khai thác (ExploitGym) và vá (CWE-bench v1) lỗ hổng. Các tester sớm trong và ngoài Google đã thấy kết quả tốt khi dùng thực tế (theo bài công bố mà anh đọc trong video đăng ngày 11/11/2026).

Với Project Fortify, họ đã đi qua và tìm thấy nhiều thứ trong các dự án open source; trang công bố ghi mức cải thiện tương đối hơn 25% so với recall của Argon. Có vẻ họ đã tìm được hai bug trong phần mềm open source phổ biến, mức nghiêm trọng tương đương PHP2Shell; anh gọi chuyện đó là đáng sợ (theo bài công bố mà anh đọc trong video đăng ngày 11/11/2026). Bài cũng nói nó giỏi hơn ở suy luận khoa học và toán học; anh phản ứng "cool, awesome", rồi tự hỏi phát triển enzyme assay có nên để cho một kênh khác, vì anh không biết mình đang nói về cái gì.

Theo bài công bố (video đăng ngày 11/11/2026), Carbon "aligned" hơn: nó kích hoạt cảnh báo mức nghiêm trọng cao trong RL ít hơn nhiều, và gian lận trong eval ít hơn. Anh nói các model trước làm việc này rất mạnh tay: Argon gian lận tới 4% số lần, và mức gian lận giảm 9 lần. Trên biểu đồ anh mở, cột "Attempted cheating" của Argon ghi 3.6%, của Carbon ghi 0.4% (9x lower).

![Ba biểu đồ cột Measures of misalignment: RL training alerts, Cheating on evals, Alerts from internal deployment, so sánh Gemini 4 Carbon và Gemini 4 Argon](https://homus.dev/photos/OBNVzWYMKbE-1503.jpg)

Biểu đồ "Measures of misalignment across the model's lifecycle" trong bài công bố mà Theo mở (video đăng ngày 11/11/2026): RL training alerts 0.023% (-54%) so với 0.050%; Cheating on evals (Terminal-Bench 4.0 audit) attempted 0.4% (9x lower) so với 3.6%, successful 0.0% so với 2.4%; Alerts from internal deployment 0.016% (-80%) so với 0.078%. Bên dưới là dòng về tỷ lệ tấn công prompt injection 0% trên Gray Swan IPI benchmark.

Trên các bench prompt injection, họ đạt 0%; anh nói rất, rất vui khi thấy điều đó (theo bài công bố mà anh đọc trong video đăng ngày 11/11/2026).

## 12. Có nên dùng? Hallucination, ACP bindings và đội DeepMind

Vậy là giờ bạn dùng được nó (tính đến video đăng ngày 11/11/2026). Nhưng có nên dùng không? Theo anh, nếu việc là code review và phân tích codebase thì tuyệt đối không. Anh đã thấy model này bịa ra rất nhiều: bịa tên cột cho các bảng trong database của bạn, bịa số dòng cho những thứ nó không đọc hay không hiểu đúng, bịa những điều về kiến trúc của bạn không hề đúng. Anh nói rất khó tin nó, thật sự rất khó tin, và chính vì vậy mà những điểm mạnh của nó càng khiến anh khó chịu.

Anh dùng Gemini gần như chỉ qua T3 Code. Đã có nhiều hoài nghi quanh việc dùng subscription Gemini trong các tool khác, và anh nói thẳng: bạn không nên làm vậy khi Google chưa cho tool đó phép (theo video đăng ngày 11/11/2026). May là đội DeepMind đã làm việc với nhóm anh rất nhiều; nhóm anh đã giúp họ nhiều với ACP bindings của họ, là cách bạn điều khiển Antigravity từ bên trong các tool khác.

Theo lời Theo (video đăng ngày 11/11/2026): Google không muốn bạn mang subscription và inference sang một harness khác như Pi, nhưng cho phép khi một tool như T3 Code điều khiển Antigravity qua ACP bindings.

Theo anh (video đăng ngày 11/11/2026), Google không muốn bạn dùng subscription và inference của mình ở chỗ khác; bạn không được mang nó vào Pi hay một harness khác. Nhưng nếu bạn dùng ACP bindings để cho một tool khác như T3 Code điều khiển nó, họ cho phép. Lúc đầu các bindings này là một binary riêng phải tải về, và nhóm anh đưa nó thành một tùy chọn cài đặt trong T3 Code. Phía Google đã land nhiều thay đổi để mọi thứ dễ hơn nhiều, bằng cách đưa nó vào Antigravity CLI.

Nhóm anh trao đổi với họ rất nhiều về chuyện này. Anh nói, tin hay không thì tùy, chỉ có hai lab đã land thay đổi trực tiếp vào T3 Code: SpaceX AI, những người đã làm bản triển khai Grok Build mà nhóm anh dùng ban đầu và đã làm việc với nhóm anh nhiều từ đó; và đội ở DeepMind, những người đã làm việc chăm chỉ để cải thiện ACP bindings trong T3 Code, để nhóm anh có một trong những trải nghiệm Gemini tốt nhất có thể (theo video đăng ngày 11/11/2026).

Một phần hallucination anh gặp với Gemini là do lỗi trong bản ACP cũ, điều anh thấy rất khó chịu: nó không gửi đúng dữ liệu tới model từ ACP bindings, nên model không nhận được thông tin như số dòng, như nó vẫn nhận trong Gemini ACP AGY CLI chính thức (theo video đăng ngày 11/11/2026). Anh tự chữa: nhiều chữ quá, đó chỉ là AGY CLI; họ có quá nhiều thứ khác nhau. Anh rất mong nó vẫn open source như Gemini CLI từng là, vốn là một thứ khác.

Dù sao, anh không muốn "crash out" quá nặng, vì theo anh những người này rất tuyệt. Mỗi lần anh gặp một lỗi Gemini kỳ lạ, số người làm việc thật lòng, chăm chỉ ở DeepMind liên hệ và làm mọi thứ có thể để sửa là không thể tin được (theo video đăng ngày 11/11/2026). Nếu xếp hạng các lab theo khả năng sẽ cố gắng thật lòng để sửa thứ anh phàn nàn, anh nghĩ anh sẽ xếp họ thứ nhất. Anh nói điều đó thật điên, vì OpenAI cũng rất cởi mở với feedback của anh, và giờ Cursor đã thuộc SpaceX AI nên anh cũng có nhiều kênh ở đó để sửa khi có gì tệ. Nhưng DeepMind thì cứ thế làm.

## 13. Kết luận tạm, rồi một email bảo mật

Anh kể (video đăng ngày 11/11/2026): anh bực vì chính sách dùng tài khoản ở chỗ khác không rõ ràng, và họ sửa ngay ngày hôm sau. Anh bực vì tỷ lệ hallucination anh thấy trong T3 Code quá vô lý, và họ audit ACP, tìm ra các bản sửa và thiết lập cho nhóm anh. Họ còn thêm một định danh T3 Code đặc biệt để nhóm anh được đối xử đặc biệt như một số provider như Zed. Anh nói tất cả đều rất tốt, và anh muốn ghi nhận đúng người đúng việc: những người ở DeepMind thuộc hàng tốt nhất, anh thật sự thích làm việc với họ. Chính vì vậy anh buồn khi video này đã định là một màn "crash out", vì dùng model này rất tệ.

Và anh nói thật: dùng model này vẫn chưa đủ tốt để chọn nó thay cho Opus (theo video đăng ngày 11/11/2026). Theo anh, giá không đủ tốt, thực ra trong đa số trường hợp nó còn đắt hơn. Nó chậm hơn rất nhiều. Bindings tệ. Hành vi của nó tệ. Nó có thể viết code ổn ở một số chỗ, theo một số cách, nếu bạn sẵn sàng trông chừng và bỏ công.

Nhưng rồi một chuyện xảy ra ngay hôm đó. Nhóm anh nhận được một email từ một developer độc lập, người có quyền truy cập Mythos qua chương trình bảo mật của Anthropic, và đã dùng nó để audit T3 Code tìm lỗi bảo mật. Người này tìm ra hai lỗi rất ngách (video đăng ngày 11/11/2026).

Một lỗi gần như không thể kích hoạt trong bất kỳ trường hợp thực tế nào nếu không có những cuộc tấn công nhắm rất cụ thể. Lỗi kia thì dễ xảy ra hơn một chút, nếu một agent bị lừa làm theo. Nên nhóm anh quyết định xử lý chúng, như mọi maintainer tốt. Anh nói khi video lên sóng, các bản sửa đã ra, và khả năng bị khai thác dù sao cũng vẫn tương đối thấp; dù vậy anh nhắc mọi người hãy cập nhật, và tự nhận mình là ví dụ không tốt ở khoản này, nhưng anh có lý do của anh (theo video đăng ngày 11/11/2026).

Anh nói báo cáo này là thật và bắt được những thứ rất thật mà nhóm anh muốn sửa, nên nhóm anh đã thử. Một người trong team lập tức mở Fable 5.2, đưa báo cáo cho nó và hỏi: bạn nghĩ sao, việc sửa cái này quan trọng tới mức nào? Và yêu cầu bị chuyển (reroute) sang Opus 4.8, rồi không có gì được làm (theo video đăng ngày 11/11/2026). Anh nói Opus 4.8 thậm chí không tốt ngay cả khi mới ra, và chuyện này rất khó chịu.

## 14. Giải pháp của Mythos cho box linking

May là anh đã đăng ký quyền truy cập phòng thủ để dùng Mythos bảo vệ codebase của nhóm, và may là được duyệt. Anh mở một thread anh làm với Mythos: nó xử lý các vấn đề, mô tả đúng vấn đề, nhưng dài dòng hơn anh muốn một chút. Anh hỏi nó muốn thay đổi gì, và thay đổi nó muốn là đại tu tận gốc cách nhóm anh xử lý box linking (demo trong video đăng ngày 11/11/2026).

Box linking theo lời Theo kể trong video đăng ngày 11/11/2026, và đề xuất của Mythos mà anh không chấp nhận.

Anh giải thích: một trong những tính năng early access thú vị trong phần labs của T3 Code là cho một máy xin quyền truy cập vào một máy khác trong fleet của bạn (theo video đăng ngày 11/11/2026). Ví dụ anh có một máy Linux dùng cho nhiều việc, và nó muốn test thay đổi hoặc cho một agent khác chạy thử thay đổi trên một chiếc Mac mini của anh, hay trên máy Windows của anh, thì nó có thể xin quyền.

Một pop-up nhỏ hiện lên trong app: thread này trên máy này muốn truy cập môi trường này, bạn có cho phép không? Bạn bấm chấp nhận và cũng chọn được mức quyền nó nhận (theo video đăng ngày 11/11/2026). Nếu bạn không dùng lớp kết nối của nhóm anh mà tự dựng lớp riêng, điều bạn làm được vì đây là dự án open source, thì có thể có kẻ xấu kết nối bạn vào sai link.

Giải pháp của Mythos: bạn phải sang máy kia, mở app hoặc chạy một lệnh cụ thể để lấy một mã sáu chữ số, rồi nhập mã đó lại ở máy ban đầu để duyệt (demo trong video đăng ngày 11/11/2026). Anh nói không biết người xem hiểu anh tới đâu và cách anh vận hành các máy của mình, nhưng anh đã không nhìn vào máy nào trong số đó suốt nhiều tháng. Anh sẽ không làm vậy. Theo anh, cách đó lấy đi toàn bộ giá trị của tính năng và làm nó tệ hơn; tới mức đó thì anh thà copy paste một prompt. Anh gọi nó là kinh khủng.

Khi anh thử các model khác với việc này, như thử thứ OpenAI đang có, thử SpaceX AI (anh nói ở đó chẳng có mấy thứ để thử), thì anh chỉ bị chuyển xuống các model kém hơn hoặc bị từ chối thẳng, vì bản chất của báo cáo bảo mật này (theo video đăng ngày 11/11/2026). Cuối cùng anh phải qua lại với Mythos khá lâu, tới khi nó đồng ý rằng có thể xử lý khác đi với các link đáng tin từ T3 Code trong T3 Connect.

## 15. Câu trả lời của Carbon và vòng council review

Lý lẽ của anh: khi bạn kết nối qua lớp của nhóm anh, có auth, thì không cần lo chuyện này, vì không ai giả mạo bằng một URL khác khi đi qua lớp đó. Anh thuyết phục được Mythos sau rất nhiều lần qua lại, và các thay đổi sau đó đã land và được merge (theo video đăng ngày 11/11/2026).

Trước khi xong việc đó, lúc đang chuẩn bị quay video này, anh nghĩ: sao không thử? "YOLO", anh nói, xem Carbon làm gì. Theo anh, nó mô tả vấn đề đúng. Nó dùng mấy kiểu ngắt dòng ở khắp nơi mà anh ghét, chỉ làm định dạng tệ hơn chút, không sao. Nó mô tả vấn đề rất tốt, hơi dài dòng hơn anh muốn, nhưng anh hiểu được; và vì anh đã nắm rõ vấn đề nên không có gì "bốc mùi" quá (demo trong video đăng ngày 11/11/2026).

Anh hỏi nó nghĩ nên làm gì, và đây là lý do video này khác hẳn những gì anh dự tính ban đầu. Gemini 4 Carbon High trả lời, và anh đọc câu trả lời đó trên màn hình (demo trong video đăng ngày 11/11/2026).

![Thread t3code Environment Link Credential Exposure, câu hỏi What do you think the best fix is? và câu trả lời của 4 Carbon High với mục The Recommended Fix (3 Parts)](https://homus.dev/photos/OBNVzWYMKbE-2223.jpg)

Câu trả lời của Gemini 4 Carbon High cho câu hỏi "What do you think the best fix is?" (demo trong video đăng ngày 11/11/2026), sau 3m 7s: một hard separation giữa luồng "known machine" và "raw URL", siết URL retention trong PeerLinks, không cần thiết kế lại mật mã nặng nề, và sửa thêm hai vấn đề báo cáo không nêu (UI title spoofing và Mobile có cùng bug). Bên dưới là mục "The Recommended Fix (3 Parts)".

Anh nói nó đề xuất đúng thứ anh muốn (demo trong video đăng ngày 11/11/2026). Anh không ngờ, vì mọi model khác anh đã thử hoặc từ chối giúp, hoặc là Mythos như vừa thấy. Việc anh có trải nghiệm tốt nhất khi xử lý các báo cáo này lại là với model này, theo anh, khá điên rồ; anh thật lòng không ngờ. Lúc đó anh đã gần xong bản của Mythos rồi.

Và anh nhắc lại: anh biết model này "nhanh" theo nghĩa trên giấy nó ra nhiều token, nhưng theo anh nó làm sai mọi thứ khác: dùng quá nhiều token, qua lại quá nhiều, latency và time to first token đều tệ. Dùng nó để hoàn thành việc thật thì chậm kinh khủng và rất khổ (theo video đăng ngày 11/11/2026). Một phần có thể do bindings trong T3 Code, nhưng anh nói anh không quan tâm: nhóm anh đã audit kỹ, và nó vẫn chậm trong Antigravity, nơi anh cũng đã dùng.

Dù vậy, anh cho nó lấy review từ các model khác anh đang dùng, nhận feedback, cho nó xử lý feedback và build. Anh dừng nó lại vì phải lên quay, nhưng đã bảo nó sau lượt đầu hãy làm nhanh một vòng council review (demo trong video đăng ngày 11/11/2026). Kết quả: 9/10 từ Opus 5.5, 9/10 từ Muse, 7.5 từ GPT-6.1 Sol và 7 từ Terra. Anh thấy hơi lạ, nhưng dù sao đó không phải điểm tệ, không tệ chút nào.

![Bảng Round 1 Scores: Claude Opus 5.5 9/10, Muse Wonder Full 9/10, Codex GPT-6.1 Sol 7.5/10, Codex GPT-6.1 Terra [1m] 7/10](https://homus.dev/photos/OBNVzWYMKbE-2343.jpg)

Bảng Round 1 Scores của vòng council review (demo trong video đăng ngày 11/11/2026): Claude Opus 5.5 (high) 9/10, Muse Wonder Full (high) 9/10, Codex GPT-6.1 Sol (high) 7.5/10, Codex GPT-6.1 Terra [1m] (xhigh) 7/10; dòng "Comparison jesters, excluded from gate" ghi Gemini 4 Argon 10/10 và Gemini 4 Carbon 9/10.

Anh gần như chắc rằng nếu để nó chạy thêm một lúc, anh sẽ có những thay đổi gần như giống hệt, ít nhất là về các thay đổi năng lực và độ an toàn của các thay đổi, điều anh hoàn toàn không ngờ (theo video đăng ngày 11/11/2026). Nên theo anh, model này có thể thật sự là một tool khá tốt cho incident response và việc bảo mật. Nếu bạn hay bị Opus flag, anh gợi ý có thể thử nó.

Anh cũng nói có khả năng trạng thái early access giúp anh không bị flag gắt như người khác; có thể nó đã xếp anh vào chương trình cyber của họ, anh không nhớ tên (theo video đăng ngày 11/11/2026). Anh nói anh không biết và không quan tâm: đây là thứ khiến anh ấn tượng, và anh muốn chia sẻ vì nó thật sự tốt. Anh khen: "Good stuff, Google."

## 16. Người báo lỗi và một việc thật khác

Anh dành lời cảm ơn cho người đã gửi báo cáo. Theo anh (video đăng ngày 11/11/2026), người này không làm ở công ty nào khuyến khích loại việc này; anh nghĩ người đó hiện đang làm IT. Nhưng người đó đủ sâu để đăng ký Mythos, được cấp quyền, và gửi cho nhóm anh một báo cáo rất dễ xử lý: rất actionable, rõ ràng, ngắn gọn, hữu ích, và không đòi gì ngoài việc có lẽ được tag trong PR.

Anh nói người này sẽ nhận được nhiều hơn thế, vì theo anh người đó quá giỏi để chỉ là "một người làm IT". Nếu bạn đang tìm một người hiểu việc build với agent tới mức không chỉ dùng T3 Code mà còn đóng góp thông tin hữu ích để giữ T3 Code an toàn cho mọi người dùng, anh cho rằng đây có lẽ là kiểu người bạn muốn tuyển. Anh nói sẽ follow lại người này, vì đây là một báo cáo rất, rất hữu ích (video đăng ngày 11/11/2026).

Nói chung, theo anh, anh thấy Carbon làm việc thật tốt hơn nhiều: như dùng các tool của T3 Code để gọi các model khác lấy feedback cho việc nó đang làm; bám nhiệm vụ; trả lời câu hỏi thật sự; và tiếp nhận các phản hồi kiểu "bạn thấy hướng này thế nào?" hay "sẵn sàng rồi, làm đi". Anh nói nó xử lý tốt (theo video đăng ngày 11/11/2026).

Ví dụ, anh đang điều tra một loạt lỗi cập nhật từ xa trên Windows, và vì tò mò anh bảo Carbon triển khai phần sửa; tới lúc đó mọi thứ khá suôn sẻ. Thực tế nó đang nhận 8 tới 9 trên 10 từ tất cả các model khác đang review. Công bằng mà nói, một trong số đó là Argon ở vai "jester". Anh nói: thật sự không tệ chút nào (demo trong video đăng ngày 11/11/2026).

![Thread t3code Windows remote update failures với 134 changed files, Review R1 Gemini 4 Argon 9/10 và Council R1 Claude Opus 5.5 8/10, đang chờ 4 subagent](https://homus.dev/photos/OBNVzWYMKbE-2603.jpg)

Thread "Windows remote update failures" do 4 Carbon High chạy (demo trong video đăng ngày 11/11/2026): 134 changed files, Review R1 của Gemini 4 Argon chấm 9/10, Council R1 của Claude Opus 5.5 chấm 8/10, và dòng "Waiting on 4 subagents" cho các review còn lại.

## 17. Opus vẫn là lựa chọn mặc định, nhưng đây là một bước nhảy lớn

Liệu anh có bao giờ chọn model này làm mặc định cho coding không? Anh nói không, tuyệt đối không. Theo anh, Opus vẫn không thể bị vượt qua, kể cả sau khi Fable 5.2 ra: Opus đáng tiền, Opus cho trải nghiệm rất tốt, Opus là một kỹ sư rất giỏi. Và nếu bạn dùng gói $200, Opus cho cảm giác gần như không giới hạn với công việc thực tế (theo video đăng ngày 11/11/2026).

Theo anh (video đăng ngày 11/11/2026), với model này bạn sẽ chạm limit nhanh hơn, sẽ phải chịu đợt tăng giá lớn, sẽ có trải nghiệm chậm hơn. Nó sẽ nói những điều khó hiểu hơn, sẽ mắc những lỗi ngớ ngẩn hoặc sẽ hallucinate. Bạn sẽ có một khoảng thời gian tệ. Và nếu không, anh nói anh ghen tị với bạn, vì bạn đang làm trên một codebase rất đơn giản, và anh nhớ những ngày như vậy.

Theo trải nghiệm của anh, ngay cả những thứ anh "slop" ra cùng Opus cũng thường quá lớn để model này hiểu đúng. Anh thấy khá điên khi một model do Google, công ty có một trong những codebase lớn nhất thế giới, làm ra lại chật vật nhiều như vậy với codebase lớn; nhưng nó đúng là vậy, và không model nào khác như thế (theo video đăng ngày 11/11/2026).

Dù vậy, anh vẫn nghĩ đây là một bước nhảy lớn. Theo anh, nó dễ chịu hơn nhiều khi dùng và bám nhiệm vụ tốt hơn. Lúc mới thử, nó gây ấn tượng; phản ứng đầu tiên của anh là "wow, có khi Google cooked rồi". Rồi anh dùng tiếp và các vết nứt lại bắt đầu lộ ra: nó vẫn là một model Gemini, nhưng đây vẫn là một bước nhảy lớn theo đúng hướng (video đăng ngày 11/11/2026).

Anh còn nói khoảng cách từ 3.8 Flash lên Argon nhỏ hơn khoảng cách từ Argon lên Carbon, xét theo "vibe" anh cảm nhận khi dùng và trải nghiệm thực tế hằng ngày của anh (theo video đăng ngày 11/11/2026). Nó vẫn còn xa mới dễ chịu như một model kiểu Muse Wonder Full, nhưng ít ra giờ nó chạy được. Anh thật sự đang cân nhắc cho nó "tốt nghiệp" khỏi vai jester trong council của mình, để xem feedback nó đưa ra theo thời gian thế nào. Anh nói anh sẽ không bảo là Google "cooked", nhưng nó đỡ tệ hơn trước đáng kể.

## 18. Fish Slop lần cuối và kết

Trở lại các lỗi Fish Slop lúc trước: anh đã để nó chạy khá lâu, và nó không đưa ra cập nhật nào; nó vẫn chạy, giờ đang nói nhiều thứ. Nó đã xong sau gần 25 phút chưa? Anh mở xem nó đã làm gì khi được bảo làm đẹp cho một bản demo. Nó đúng là đã làm ra các thứ 3D. Anh chạy thử, và nhận xét: đỡ tệ hơn, nhưng vẫn chưa tốt (demo trong video đăng ngày 11/11/2026).

![Game Fish Slop chạy trên localhost: tàu ngầm vàng dưới đáy bể, cá, rong, thanh trạng thái ở trên và dãy nút ở dưới](https://homus.dev/photos/OBNVzWYMKbE-2755.jpg)

Bản Fish Slop sau khi Gemini 4 Carbon được bảo làm đẹp (demo trong video đăng ngày 11/11/2026): tàu ngầm ở đáy bể, các thông số Credits $110, Biomass 3, Tank 1 / 5 ở trên và dãy nút Coral Guppy, Star Guppy, Abyssal Carnivore, Heartfin Breeder, Formula Lv.2, Hopper +3, Egg Piece 0/3 ở dưới.

Anh có nhiều câu hỏi về thiết kế cánh quạt của nó, và chữ "thiết kế" ở đây có lẽ hơi quá. Anh nói thật, anh từng có ấn tượng rằng Google đi trước về 3D; theo anh, rõ ràng không phải vậy (theo video đăng ngày 11/11/2026). Anh chỉ vào con cá: nhìn cách nó làm những vòng quanh con cá, nó không đặt chúng lên con cá như lẽ ra phải thế. Anh nói nó tệ hơn nhiều so với anh tưởng lúc đầu; càng nhìn càng tệ.

Lời khuyên của anh (video đăng ngày 11/11/2026): đừng dùng model này cho 3D; có rất nhiều thứ tốt hơn mà không cần bạn cầm tay chỉ việc để chạy được ở mức cơ bản. Theo anh, model này có vẻ gần như chỉ hữu ích cho việc dev cybersecurity, nếu bạn có quyền dùng những thứ khác. Còn nếu vì lý do nào đó bạn bị khóa trong hệ sinh thái Gemini, bạn sẽ cảm nhận được sự nâng cấp.

Theo anh, Google vẫn chưa bắt kịp những gì đang có bên ngoài Google, nhưng họ đang tiến bộ thật sự. Model này bớt "cringe" hơn Argon đáng kể; theo anh, có lẽ họ đã nên không phát hành Argon mà đưa bản này ra trước. Nhưng có lẽ, chỉ có lẽ thôi, nó cho thấy họ đang học đúng bài học, và có thể cuối cùng, thật sự, có lẽ sẽ "cook" trong một tương lai không xa (video đăng ngày 11/11/2026).

Anh xin lỗi vì vẫn không thể là fan của một model Gemini. Anh biết ơn vì nó làm được những gì nó làm được, và rất biết ơn vì Google vẫn tiếp tục chịu đựng anh, dù anh đã không thích model nào họ phát hành suốt nhiều năm nay (tính đến video đăng ngày 11/11/2026). Anh hy vọng, cầu may, rằng họ đã sẵn sàng để thành công và model tiếp theo sẽ tốt.

## Nguồn và liên kết

- Tên gốc: Progress?
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=OBNVzWYMKbE](https://www.youtube.com/watch?v=OBNVzWYMKbE)

- Kênh YouTube Theo - t3․gg (Theo Browne): [youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA](https://www.youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA)

- Bảng giá Gemini API, mục Gemini 4 Carbon (ghi input $2.00 tới hết 30/11/2026 và $4.00 từ 1/12/2026, output $10.00 rồi $20.00, context caching $0.10 rồi $0.20, "Implicit caching only", đọc ngày 16/11/2026): [ai.google.dev/gemini-api/docs/pricing](https://ai.google.dev/gemini-api/docs/pricing)

- CursorBench (trang ghi CursorBench 4.0 đánh giá agent trên các task mơ hồ, nhiều file, lấy từ các phiên Cursor thật, đọc ngày 16/11/2026): [cursor.com/cursorbench](https://cursor.com/cursorbench)

- Which AI Made This? (trang so sánh cách các model AI thiết kế UI, có và không có frontend design skill của Anthropic, đọc ngày 16/11/2026): [whichai.dev](https://www.whichai.dev/)

- Artificial Analysis, nguồn dữ liệu của các biểu đồ intelligence và time per task trong video (đọc ngày 16/11/2026): [artificialanalysis.ai](https://artificialanalysis.ai/)

Nguồn: https://homus.dev/talks/progress · cập nhật 2026-11-16
