Tìm hiểu về dòng mô hình Google Gemini 4 và cách bắt đầu sử dụng
Mua gói Thành viên QuanTriMang Pro để trải nghiệm website không quảng cáo và sử dụng các tiện ích AI trên QuanTriMang.
Dòng mô hình Gemini 4 bao gồm các mô hình sau:
- Gemini 4 Hydrogen (gemini-4-hydrogen): Được xây dựng để tối ưu hóa tốc độ và hiệu suất cho các tác vụ lập trình hàng ngày, agentic workflow, phân tích đa phương thức và sử dụng công cụ.
- Gemini 4 Carbon (gemini-4-carbon): Mô hình tiên tiến nhất của Google, vượt trội trong việc xử lý các tác vụ chuyên sâu, phức tạp trong thế giới thực trên nhiều lĩnh vực như lập trình, tài chính, pháp lý, an ninh mạng và khoa học.
- Gemini 4 Argon (gemini-4-argon): Mô hình tiên tiến nhất của Google, vượt trội trong việc xử lý các tác vụ chuyên sâu, phức tạp trong thế giới thực trên nhiều lĩnh vực như lập trình, tài chính, pháp lý, an ninh mạng và khoa học.
Hướng dẫn này chỉ cho bạn cách thực hiện yêu cầu đầu tiên với Gemini 4, giới thiệu các tính năng mới trong Gemini 4, đồng thời giải thích những thay đổi cần lưu ý khi chuyển đổi từ Gemini 3.8 Flash hoặc Gemini 3.1 Pro.
Mục lục bài viết
Bắt đầu nhanh
Trước khi bắt đầu, bạn cần xác thực với Gemini Enterprise Agent Platform bằng API key hoặc thông tin xác thực mặc định của ứng dụng (Application Default Credentials - ADC).
Cài đặt Google Gen AI SDK
Hãy nâng cấp lên phiên bản mới nhất của Google Gen AI SDK (>= 2.34.0 đối với Python, hoặc @google/genai >= 2.32.0 đối với JavaScript/TypeScript):
pip install --upgrade "google-genai>=2.34.0"
Thiết lập các biến môi trường
Thay thế GOOGLE_CLOUD_PROJECT bằng ID dự án Google Cloud của bạn. Gemini 4 Hydrogen và Gemini 4 Carbon hiện khả dụng trên endpoint global cũng như tại các khu vực đa quốc gia là Hoa Kỳ (us) và Châu Âu (eu) (Gemini 4 Argon còn khả dụng tại các khu vực europe-west2 và asia-southeast1):
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True
Thực hiện yêu cầu đầu tiên của bạn
Python
from google import genai
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-hydrogen", # Or "gemini-4-carbon"
contents="How does AI work?",
)
print(response.text)
REST
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-4-carbon:generateContent \
-d '{
"contents": {
"role": "USER",
"parts": { "text": "How does AI work?" }
}
}'
Có gì mới trong Gemini 4?
Các mô hình Gemini 4 giới thiệu những khả năng mới và các thay đổi về API như sau:
Giới hạn token đầu vào và đầu ra hợp nhất
Các mô hình Gemini 4 áp dụng giới hạn hợp nhất là 1.048.576 token, bao gồm cả token đầu vào và đầu ra (trong đó đầu ra bao gồm quá trình suy luận, các lệnh gọi hàm và phản hồi cuối cùng). Phần đầu ra có thể sử dụng tối đa 1.048.576 token trừ đi số lượng token đầu vào. Theo mặc định, một yêu cầu đồng bộ đơn lẻ có thể tạo ra tối đa 65.536 token đầu ra (hoặc 32.768 token đối với các yêu cầu HTTP trực tiếp không phát trực tuyến trên các phiên bản 4 Carbon và 4 Argon).
Giải mã dài
Khi một lượt tương tác yêu cầu nhiều hơn 65.536 token đầu ra (hoặc 32.768 token đối với các lệnh gọi trực tiếp không stream trên 4 Carbon và 4 Argon) - chẳng hạn như trong những trường hợp chứng minh hình thức, giải quyết các bài toán khoa học hoặc toán học phức tạp, hay tạo code cho nhiều file - các mô hình Gemini 4 hỗ trợ cơ chế "giải mã dài" (long decodes) với dung lượng lên đến 1.048.576 token (trừ đi số lượng token đầu vào).
Tính năng này khả dụng trên cả Interactions API và GenerateContent (v1beta1). Với bộ công cụ phát triển phần mềm (SDK) Google Gen AI mới nhất (google-genai >= 2.34.0 cho Python, @google/genai >= 2.32.0 cho JavaScript/TypeScript, Go >= 1.77.0, Java >= 1.80.0), khi bạn đặt tham số max_output_tokens lớn hơn 65.536 (hoặc lớn hơn 32.768 đối với các lệnh gọi không stream trên 4 Carbon và 4 Argon), hệ thống sẽ tự động sử dụng continuation_token để kết nối các phân đoạn, từ đó trả về một phản hồi duy nhất hoặc một luồng dữ liệu liên tục.
Đối với Interactions API, bạn cũng có thể thực hiện các tác vụ giải mã dài bất đồng bộ do máy chủ quản lý bằng cách thiết lập background=true, hoặc tự mình liên kết các continuation_token trong những vòng lặp ở chế độ lưu trữ (store=true) hoặc stateless (store=false).
Lưu ý: Có một vấn đề đã biết là tính năng giải mã dài (sử dụng continuation_token) trong cả Interactions API và GenerateContent (bao gồm generateContent và streamGenerateContent) hiện chỉ được hỗ trợ trên phiên bản API v1beta1 (không phải v1) của Agent Platform. Google Gen AI SDK mặc định sử dụng v1beta1, trừ khi bạn thiết lập rõ ràng tham số api_version='v1'. Đối với các lệnh gọi REST trực tiếp, hãy sử dụng đường dẫn endpoint là /v1beta1/.
Các cấp độ tư duy
Bạn có thể sử dụng tham số thinking_level để kiểm soát mức độ suy luận của mô hình trước khi đưa ra phản hồi. Các mô hình Gemini 4 hỗ trợ các cấp độ: LOW, MEDIUM (mặc định trên gemini-4-carbon và gemini-4-argon) và HIGH (mặc định trên gemini-4-hydrogen, gemini-4-carbon-cyber-permissive và gemini-4-argon-cyber-permissive). Ngoài ra, mô hình gemini-4-hydrogen còn hỗ trợ cấp độ XHIGH, cho phép chiều sâu suy luận lớn hơn nữa.
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-carbon",
contents="Design a lock-free ring buffer in Rust for multi-producer, single-consumer telemetry ingestion.",
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=types.ThinkingLevel.HIGH,
),
),
)
print(response.text)
Lưu cache ngữ cảnh ẩn
Các mô hình Gemini 4 hỗ trợ lưu cache ẩn cho các tiền tố câu lệnh (prompt prefix) dùng chung có độ dài từ 4.096 token trở lên; tính năng lưu cache bền vững (durable caching) được bật theo mặc định. Để tận dụng tính năng này, hãy đặt các nội dung tĩnh - chẳng hạn như code repository hoặc những tài liệu dài - vào phần đầu của câu lệnh.
Khả năng hiểu video theo cơ chế agent
Tính năng hiểu video theo cơ chế agent hiện đã được phát hành rộng rãi. Theo mặc định, tính năng này bị tắt (các video được upload lên sẽ sử dụng thiết lập media_processing="static"). Để kích hoạt, hãy đặt tham số media_processing thành "agentic".
Các tham số lấy mẫu
Tương tự như các mô hình Gemini 3, các mô hình Gemini 4 sẽ bỏ qua những giá trị tùy chỉnh cho các tham số temperature, top_p và top_k. Để kiểm soát đầu ra, hãy sử dụng thinking_level và cơ chế đầu ra có cấu trúc (response_schema).
Chuyển đổi từ các mô hình Gemini 3
Khi chuyển đổi từ Gemini 3.8 Flash sang Gemini 4 Hydrogen, hoặc từ Gemini 3.1 Pro sang Gemini 4 Carbon hoặc Gemini 4 Argon, bạn cần lưu ý những khác biệt về cách vận hành sau đây ở các mô hình Gemini 4:
| Mục | Các mô hình Gemini 3 | Các mô hình Gemini 4 | Chức năng |
|---|---|---|---|
| Giới hạn token đầu vào và đầu ra | Các giới hạn riêng biệt cho đầu vào (1.048.576) và đầu ra (65.536) | Giới hạn tổng cộng 1.048.576 token áp dụng cho cả đầu vào và đầu ra (trong đó đầu ra bao gồm quá trình suy luận, các lệnh gọi hàm và phản hồi cuối cùng); giới hạn mặc định cho mỗi yêu cầu đầu ra là 65.536 token (32.768 token đối với các yêu cầu HTTP trực tiếp không truyền phát trên những mô hình 4 Carbon và 4 Argon), có thể mở rộng lên đến 1.048.576 token thông qua cơ chế giải mã dài (long decodes). | Lập ngân sách cho cả đầu vào và đầu ra. Nâng cấp lên Google Gen AI SDK mới nhất và thiết lập max_ lớn hơn 65.536 (hoặc sử dụng background=true hoặc continuation_ trong các vòng lặp tùy chỉnh) trên Interactions API hoặc Generate đối với các kết quả đầu ra vượt quá giới hạn cho mỗi yêu cầu đơn lẻ. |
thinking_ |
Được ánh xạ tới một cấp độ tư duy | Trả về lỗi HTTP 400 |
Sử dụng thinking_. |
thinking_ |
Được hỗ trợ | Trả về lỗi HTTP 400 |
Sử dụng LOW. |
| Lưu cache ngữ cảnh ẩn | Được hỗ trợ | Không được hỗ trợ | Loại bỏ các tham chiếu đến cached_content và đặt nội dung tĩnh (từ 4.096 token trở lên) vào phần đầu các câu lệnh (prompt) của bạn. |
Xử lý thought_signature theo cơ chế đa lượt và song song |
Xử lý signature trùng lặp theo cách linh hoạt | Chỉ phần functionCall đầu tiên trong một lượt phản hồi song song mới được chứa thought_signature (nếu bỏ qua thành phần này trong lượt phản hồi đang thực thi, hoặc sao chép nó vào các phần functionCall khác cùng cấp, hệ thống sẽ trả về lỗi HTTP 400); việc loại bỏ các giá trị thought_signature từ những lượt phản hồi trước đó sẽ làm giảm chất lượng suy luận và có thể dẫn đến kết quả hoàn tất là MALFORMED_FUNCTION_CALL. Ngoài ra, theo mặc định, mọi thay đổi đối với phần tiền tố (prefix) của câu lệnh (prompt) khi sử dụng cùng một mô hình đều sẽ trả về lỗi HTTP 400 (cấu hình mặc định là prefix_mismatch_behavior="ERROR"). |
Duy trì thought_signature xuyên suốt tất cả các lượt hội thoại trước đó (bao gồm cả các phần functionCall và những phần văn bản cuối cùng); đối với các lượt hội thoại song song, chỉ giữ lại thought_signature ở phần functionCall đầu tiên. Ngoài ra, hãy thiết lập prefix_mismatch_behavior="DROP" trong ThinkingConfig nếu hệ thống của bạn thực hiện chỉnh sửa hoặc rút gọn các lượt hội thoại trước đó. |
| Tính phí theo token | Một tập hợp con các token sẽ bị tính phí | Mỗi token mà mô hình xử lý đều được tính phí, bao gồm cả các token tư duy, hướng dẫn hệ thống công cụ nội bộ và khai báo hàm khi sử dụng tính năng định vị. Tính năng định vị với Google Search vẫn được tính phí theo từng truy vấn. | Xem xét các ước tính chi phí của bạn. |
Để chuyển đổi từ gemini-3.8-flash hoặc gemini-3.1-pro-preview, hãy thực hiện các bước sau:
- Thay đổi ID mô hình thành
gemini-4-hydrogen(nếu chuyển từgemini-3.8-flash) hoặcgemini-4-carbonhaygemini-4-argon(nếu chuyển từgemini-3.1-pro-preview), đồng thời nâng cấp lên phiên bản Google Gen AI SDK mới nhất (google-genai >= 2.34.0đối với Python,@google/genai >= 2.32.0đối với JavaScript/TypeScript). - Lưu ý giới hạn tổng hợp 1.048.576 token cho cả đầu vào và đầu ra, cùng với giới hạn 65.536 token cho đầu ra trong một yêu cầu đơn lẻ (32.768 token đối với các lệnh gọi đồng bộ không phát trực tuyến trên những mô hình 4 Carbon và 4 Argon). Ngoài ra, bạn có thể cấu hình tính năng giải mã dài (long decodes) để tạo đầu ra lớn hơn thông qua Interactions API hoặc
GenerateContent. - Thay thế
thinking_budgetvàthinking_level="MINIMAL"bằng tham sốthinking_levelvới các giá trị: LOW, MEDIUM, HIGH hoặc XHIGH (trong đó XHIGH được hỗ trợ trên mô hìnhgemini-4-hydrogen). - Loại bỏ các tham chiếu tường minh đến
cached_content. - Duy trì
thought_signaturexuyên suốt tất cả các lượt tương tác trước đó (bao gồm cả các phầnfunctionCallvà các phần văn bản cuối cùng). Đối với những lượt gọi công cụ song song (parallel tool-calling), chỉ giữ lạithought_signatureở phầnfunctionCallđầu tiên. Nếu ứng dụng của bạn thực hiện rút gọn hoặc chỉnh sửa các lượt tương tác trước đó, hãy thiết lậpprefix_mismatch_behavior="DROP". - Loại bỏ các tham số
temperature,top_pvàtop_kvì chúng không còn tác dụng.
Gemini 4 Carbon for Cyber và Gemini 4 Argon Cyber Permissive
Gemini 4 Carbon for Cyber và Gemini 4 Argon Cyber Permissive là các phiên bản của Gemini 4 Carbon và Gemini 4 Argon được thiết kế cho những trường hợp sử dụng trong lĩnh vực an ninh mạng phòng thủ; các phiên bản này hiện chỉ khả dụng thông qua danh sách cho phép (allowlist).
Bạn nên đọc
-
So sánh Gemini 4 Carbon và Claude Fable 5.1
-
Cẩm nang hành nghề cho luật sư, bác sĩ, chuyên gia tiếp thị, nhà sáng lập với sự trợ giúp của Gemini
-
Làm chủ Gemini trên các ứng dụng Gmail, Drive, Photos và Calendar
-
Tổng quan về tất cả các mô hình Google Gemini
-
Google Gemini là AI đa phương thức
-
Lập lộ trình 7 ngày làm việc với Gemini Personal Intelligence
-
Bạn đã cấp cho Gemini quyền truy cập vào Gmail ở mức độ nào?
-
Tính năng Tóm tắt bộ nhớ Gemini là gì?
Theo Nghị định 147/2024/ND-CP, bạn cần xác thực tài khoản trước khi sử dụng tính năng này. Chúng tôi sẽ gửi mã xác thực qua SMS hoặc Zalo tới số điện thoại mà bạn nhập dưới đây:
Hướng dẫn AI
AI Tools
Học IT
Hàm Excel