Hook

Hôm qua, Google chính thức phát hành Gemini 3.6 Flash – phiên bản được gọi là “tối ưu hóa Agent” với mức giá đầu ra giảm 16.7% và lượng token tiêu thụ giảm 17% so với Gemini 3.5 Flash. Đồng thời, họ tuyên bố khởi động quá trình pretraining cho Gemini 4, được mô tả là “tham vọng nhất từ trước đến nay”. Trong bối cảnh cả OpenAI và Anthropic đều tăng tốc, động thái này khiến nhiều nhà đầu tư đặt câu hỏi: Google đang chơi trò củng cố chiến thuật hay thực sự đánh cược vào một bước nhảy vọt?

Context

Thị trường AI hiện đang ở giai đoạn cạnh tranh khốc liệt về chi phí và hiệu năng Agent. OpenAI với GPT-4o chiếm ưu thế về lý luận tổng quát, Anthropic với Claude 3.5 Sonnet dẫn đầu về bảo mật và ngữ cảnh dài (200K token). Google, sau thành công của Gemini 2.0 Flash và 3.5 Flash, đã xây dựng được lượng người dùng API đáng kể nhưng vẫn bị xem là kẻ bám đuổi. Sự ra mắt của Gemini 3.6 Flash là một nỗ lực để thu hẹp khoảng cách, đặc biệt trong các tác vụ Agent như coding, machine learning và tự động hóa workflow. Tuy nhiên, tên gọi “3.6” thay vì “4.0” ngay lập tức gợi ý đây là bản nâng cấp gia tăng, không phải đột phá kiến trúc. Bài viết này sẽ phân tích sự kiện qua bảy chiều: kỹ thuật, thương mại hóa, tác động ngành, cạnh tranh, đạo đức/an toàn, đầu tư/định giá, và hạ tầng/tính toán.

Core

Chiều 1 – Kỹ thuật: Tối ưu hóa engineering, không phải scaling law.

Bằng chứng rõ ràng nhất là hiệu suất trên các benchmark Agent: DeepSWE tăng từ 37% lên 49% (+12 điểm), MLE Bench từ 49.7% lên 63.9% (+14.2 điểm). Đây là những tác vụ đòi hỏi lập kế hoạch đa bước, gọi công cụ và thực thi vòng lặp. Google đã giảm số bước suy luận và cắt tỉa các vòng lặp công cụ không cần thiết, nhờ đó tiết kiệm token output tới 17%. Giá output giảm từ $9 xuống $7.5/triệu token (giảm 16.7%), trong khi giá input giữ nguyên. Điều này cho thấy sự tối ưu tập trung vào inference-time compute chứ không phải nén tham số. Cửa sổ ngữ cảnh 1 triệu token và giới hạn output 64K token được giữ nguyên, xác nhận kiến trúc nền tảng không thay đổi. Kinh nghiệm từ nhiều năm theo dõi các model language cho thấy Google có thể đã sử dụng kỹ thuật distillation hoặc speculative sampling từ model mẹ lớn hơn (có thể là Gemini 3.5 Pro) để tạo ra phiên bản Flash hiệu quả hơn. Một dấu hiệu quan trọng: benchmark đa phương thức không được đề cập cụ thể, ngụ ý cải tiến về đa phương thức là nhỏ, nếu có.

Chiều 2 – Thương mại hóa: Chiến lược “lấy giá thấp đổi lấy volume” nhắm vào Agent.

Hạ giá output 16.7% kết hợp với giảm 17% token tiêu thụ giúp tổng chi phí mỗi tác vụ Agent giảm khoảng 31% (tính theo chi phí thực tế người dùng phải trả). Đây là đòn tấn công trực tiếp vào thị trường developer tools – nơi GitHub Copilot và Cursor đang thống trị. Google đặt Gemini 3.6 Flash ở vị trí “cao cấp nhưng rẻ” so với đối thủ. Đồng thời, Gemini 3.5 Pro chỉ được giới hạn cho đối tác, tạo thành ma trận sản phẩm: Flash cho throughput cao (dành cho coding, automation), Pro cho năng lực cao (dùng trong research). Sự phối hợp này giúp Google vừa thu thập phản hồi từ lượng lớn người dùng Flash, vừa giữ chân khách hàng doanh nghiệp bằng Pro. Tuy nhiên, việc không giảm giá input cho thấy họ muốn bảo vệ biên lợi nhuận từ hội thoại thông thường – nơi input chiếm ưu thế. Một điểm đáng chú ý: mức giá hiện tại ($7.5/triệu token output) vẫn cao hơn Gemini 2.5 Flash (~$3) nhưng bù lại hiệu năng Agent vượt trội. Google đang “bán sự khác biệt chứ không phải rẻ nhất”.

Chiều 3 – Tác động ngành: Tự động hóa công việc lập trình, tạo áp lực lên thị trường lao động.

Với DeepSWE 49%, model này có khả năng tự động hóa các tác vụ lập trình trung bình (fix bug, viết unit test, code review). MLE 63.9% cho thấy nó có thể hỗ trợ đắc lực các nhà khoa học dữ liệu trong việc huấn luyện mô hình, tunning siêu tham số. Điều này sẽ đẩy nhanh xu hướng “AI thay thế lập trình viên junior” mà nhiều công ty đã lo ngại. Ngược lại, nó tạo ra cơ hội mới cho các công ty phát triển ứng dụng Agent: họ có thể xây dựng các workflow tự động hóa phức tạp hơn với chi phí thấp hơn. Ngành ghi nhãn dữ liệu cũng phải thay đổi: nhu cầu về dữ liệu quỹ đạo Agent (multi-step tool calls) sẽ tăng, đòi hỏi phương pháp tổng hợp dữ liệu mới. Đối với các nhà cung cấp đám mây, Google Cloud có lợi thế cạnh tranh khi cung cấp inference giá rẻ, có thể hút khách hàng từ AWS và Azure.

Chiều 4 – Cạnh tranh: Google vẫn ở vị trí “catch-up”, nhưng đã tiến gần hơn.

So với GPT-4o (giá output $15, input $5) và Claude 3.5 Sonnet ($15 output, $3 input), Gemini 3.6 Flash rẻ hơn rõ rệt. Tuy nhiên, hiệu suất tổng quát trên MMLU, GSM8K chưa được công bố, cho thấy Google có thể đang yếu hơn ở các kỹ năng suy luận truyền thống. Agent benchmark là điểm mạnh, nhưng đây lại là lĩnh vực OpenAI và Anthropic cũng đang đầu tư mạnh. Việc khởi động pretraining Gemini 4 là tín hiệu mạnh mẽ: Google sẵn sàng đặt cược lớn để giành lại vị thế dẫn đầu. Tuy nhiên, “tham vọng” không đồng nghĩa với thành công – lịch sử cho thấy các dự án quy mô lớn (PaLM, Gemini 1.0) thường gặp trục trặc về hội tụ và chi phí vận hành.

Chiều 5 – Đạo đức & An toàn: Rủi ro từ Agent tự động hóa.

Bài viết gốc không đề cập tới safety, nhưng đây là điểm mù nguy hiểm. Việc cắt giảm bước suy luận và vòng lặp công cụ có thể làm tăng rủi ro thực thi lệnh sai mà không có cơ hội kiểm tra lại. Các Agent có thể bị tấn công thông qua prompt injection hoặc tool misuse. Google cần công bố các biện pháp bảo vệ như sandbox, automatic stop on error. Nếu không, các công ty triển khai Agent dựa trên Gemini 3.6 Flash có thể đối mặt với rủi ro pháp lý. Theo kinh nghiệm từ các phiên điều trần Quốc hội Mỹ về stablecoin, tôi thấy rằng sự thiếu minh bạch về an toàn thường dẫn đến các quy định siết chặt sau này.

Chiều 6 – Đầu tư & Định giá: Củng cố niềm tin ngắn hạn, nhưng không đủ để thay đổi định giá dài hạn.

Sự kiện này là tín hiệu tích cực cho cổ phiếu Alphabet (GOOGL): cho thấy Google vẫn duy trì được nhịp độ phát triển AI. Tuy nhiên, nó không phải là “game changer” – không tạo ra nguồn thu mới đột biến. Ngược lại, việc giảm giá có thể làm giảm doanh thu trung bình trên mỗi token trong ngắn hạn. Nhà đầu tư nên tập trung vào Gemini 4 pretraining: nếu thành công, Google sẽ có model cạnh tranh với GPT-5; nếu thất bại, họ sẽ mất nhiều năm để bắt kịp. Các nhà cung cấp hạ tầng (như NVIDIA, hãng sản xuất TPU) có thể hưởng lợi nhẹ từ nhu cầu mở rộng cluster.

Chiều 7 – Hạ tầng & Tính toán: TPU v5p là trụ cột, Gemini 4 là bài test sức chịu đựng.

Google dùng TPU của riêng mình (v5p hoặc v6) cho cả training và inference. Gemini 3.6 Flash có thể được huấn luyện với chi phí thấp hơn nhờ distillation, trong khi Gemini 4 sẽ đòi hỏi cụm cluster lên tới hàng chục nghìn TPU, mỗi lần training có thể tốn hơn 1 tỷ USD. Thách thức lớn nhất là năng lượng và làm mát. Google đã ký các thỏa thuận mua điện hạt nhân (Kairos Power) nhưng liệu cơ sở hạ tầng có kịp cho Gemini 4? Nếu Google buộc phải thuê NVIDIA H100 từ bên ngoài, điều này sẽ làm giảm lợi thế biên lợi nhuận. Tôi nghi ngờ Google đang chơi canh bạc: dồn toàn lực vào Gemini 4 để lấy lại ngôi vương, nhưng nếu thất bại, họ sẽ lãng phí hàng tỷ đô la và mất tín nhiệm từ Phố Wall.

Contrarian

Xung lực thanh khoản đang chuyển hướng từ các start-up AI sang các ông lớn có hạ tầng riêng. Khi mọi người đều lạc quan về Gemini 3.6 Flash, tôi nhìn thấy một điểm mù: sự ép giá có thể kích hoạt cuộc chiến giá cả làm xói mòn lợi nhuận toàn ngành. Bộ công cụ sovereign individual bao gồm việc tự host model, nhưng với tốc độ cải tiến của API giá rẻ, lợi thế của open-source đang bị thu hẹp. Hơn nữa, việc Gemini 4 pretraining chưa có bất kỳ checkpoint công khai nào – Google giữ bí mật tuyệt đối – điều này khiến tôi liên tưởng đến những dự án “cầu vồng” như SingularityNET trước đây. Các red flag tôi tìm thấy trong tài liệu của họ: không có thông tin về safety benchmark, không có kết quả độc lập từ bên thứ ba, và việc đặt tên “3.6” thay vì “4” cho thấy nội bộ có thể đang hoài nghi về mức độ đổi mới thực sự. Dữ liệu on-chain không nói dối – nhưng ở đây dữ liệu on-chain là các benchmark do chính Google công bố. Cần chờ các bảng xếp hạng độc lập như Chatbot Arena hay SWE-bench cập nhật. Tôi cho rằng đây là một bước đi chiến thuật khôn ngoan, nhưng rủi ro đi kèm không hề nhỏ.

Takeaway

Trước mắt, Gemini 3.6 Flash là một lựa chọn hấp dẫn cho các developer muốn xây dựng Agent giá rẻ. Tuy nhiên, đừng vội đổ toàn bộ trứng vào một giỏ. Hãy theo dõi sát sao quá trình huấn luyện Gemini 4: nếu Google công bố bất kỳ checkpoint hoặc technical report nào, đó mới là tín hiệu thực sự. Nếu không, câu hỏi vẫn còn bỏ ngỏ: Liệu Google có thể lặp lại kỳ tích của AlphaGo trong thế giới language model, hay đây chỉ là một màn “pháo hoa” trước khi thị trường chứng kiến sự thống trị dài hạn của OpenAI và Anthropic?