Khả năng lập trình của Gemini 4 Argon hay Claude Opus 5.5 tốt hơn?

Một quy luật nhất định ở các phòng thí nghiệm AI lớn và các mô hình ngôn ngữ lớn (LLM) mà họ tung ra: Có những mô hình hoạt động xuất sắc trong hầu hết mọi tác vụ, nhưng cũng có những mô hình gây thất vọng tràn trề. Chúng ta từng chứng kiến ​​điều này ở các mô hình từ Anthropic, OpenAI, và cả những mô hình trọng số mở từ DeepSeek hay Qwen của Alibaba.

Tuy nhiên, có một công ty luôn khiến người dùng thất vọng, đặc biệt là trong lĩnh vực lập trình: Đó chính là Google. Vào ngày 30 tháng 9, Google đã công bố mô hình tiên tiến nhất của họ: Gemini 4 Argon. Công ty đưa ra những tuyên bố khá táo bạo về khả năng lập trình của mô hình này, khẳng định đây là một trong những lựa chọn tốt nhất cho các tác vụ kỹ thuật phần mềm phức tạp.

Vì Gemini từng nhiều lần khiến người dùng thất vọng trong chính lĩnh vực này, nên nhiều người không khỏi thấy hoài nghi. Dẫu vậy, để có cái nhìn công tâm, hãy đặt Gemini 4 Argon lên bàn cân so sánh với Claude Opus 5.5.

Gemini thường xuyên gây thất vọng

Trên lý thuyết, Argon trông như một bước tiến vượt bậc

Nhiều người từng ủng hộ nhiệt tình cho các nỗ lực phát triển AI của Google. Chẳng hạn, NotebookLM vẫn là công cụ AI được sử dụng thường xuyên. Thế nhưng, khi nói đến lập trình, mối quan hệ giữa họ và Gemini khá phức tạp.

Mọi người đã nhiều lần so sánh các mô hình Gemini với Claude và ChatGPT thông qua đủ loại tác vụ lập trình - từ xây dựng Chrome extension, tái tạo ứng dụng từ ảnh chụp màn hình, phát triển trang web cá nhân, cho đến việc tự tay xây dựng ứng dụng ghi chú mơ ước. Dù kết quả mỗi lần mỗi khác, nhưng có một điểm chung trong hầu hết các thử nghiệm: Gemini dường như luôn vội vàng hoàn thành công việc.

Nó hiếm khi làm vượt quá những yêu cầu tối thiểu, thường để lại các tính năng dang dở, thậm chí còn tuyên bố dự án đã hoàn tất mà chẳng buồn kiểm tra xem code đó có thực sự chạy ổn định hay không. Trong một thử nghiệm, Antigravity đã tạo ra một trang web portfolio chỉ bao gồm 7 bài viết trong số hơn 400 bài tác giả từng công bố, mặc dù đã yêu cầu rõ ràng là phải đưa tất cả vào. Trong một thử nghiệm khác, nó cung cấp một ứng dụng ghi chú còn thiếu nhiều tính năng theo yêu cầu, kèm theo một lỗi khiến ứng dụng không thể khởi chạy đúng cách.

Vấn đề này không chỉ giới hạn ở một phiên bản mô hình Gemini duy nhất! Những hạn chế tương tự xuất hiện ở các thế hệ mô hình khác nhau, ngay cả khi đã bật những thiết lập tăng cường khả năng suy luận. Claude và ChatGPT cũng từng khiến người dùng thất vọng, nhưng các điểm yếu của chúng thường thay đổi tùy theo từng thử nghiệm. Trong khi đó, Gemini liên tục bộc lộ khiếm khuyết cả về khía cạnh triển khai kỹ thuật lẫn trải nghiệm giao diện người dùng.

Gemini 4 Argon thực sự gây bất ngờ

Cuối cùng thì Gemini cũng đã hiểu đúng yêu cầu

Argon được thử nghiệm bằng một bài kiểm tra mà trước đây Gemini từng gây thất vọng tràn trề: Xây dựng một ứng dụng ghi chú trong mơ.

Trong các thử nghiệm kiểu này, người thử nghiệm thường cố tình đưa ra những yêu cầu mơ hồ thay vì liệt kê chi tiết từng tính năng mong muốn. Hầu hết các công cụ lập trình AI đều đã làm rất tốt việc tuân theo các chỉ dẫn cụ thể; điều cần quan tâm hơn là khả năng tự suy luận để lấp đầy những khoảng trống còn thiếu.

Vì điểm yếu lớn nhất của Gemini trong các thử nghiệm trước đây là chỉ làm ở mức tối thiểu, nên đây là cách hoàn hảo để xem liệu Argon có gì khác biệt hay không. Ví dụ sẽ sử dụng Opus 5.5 cho Claude Code (với thiết lập nỗ lực ở mức trung bình) và Gemini 4 Argon trong Antigravity (cũng ở mức trung bình). Sau khi tinh chỉnh một chút để cả hai công cụ có thể tự vận hành mà không cần liên tục hỏi phê duyệt từng lệnh hay thay đổi file, hãy để chúng bắt đầu làm việc.

Ngay từ đầu, Gemini 4 Argon đã làm việc khá thong thả. Dù hoàn thành bản dựng ban đầu sớm hơn Claude Code khoảng 20 phút, nhưng nó không hề vội vã. Nó bắt đầu bằng việc kiểm tra môi trường phát triển, xác định các công nghệ cần sử dụng và đưa ra quyết định về cấu trúc của ứng dụng.

Cách nó diễn giải yêu cầu cũng gây chú ý! Người thử nghiệm có đề cập rằng mình là sinh viên ngành khoa học máy tính kiêm nhà báo công nghệ; thay vì chỉ coi đó là thông tin nền, Argon dường như đã xây dựng toàn bộ ứng dụng dựa trên những chi tiết này. Nó quyết định tạo ra một không gian làm việc tri thức ưu tiên lưu trữ cục bộ, với các tính năng được thiết kế riêng cho việc nghiên cứu, viết lách, học tập và lập trình. Điều thú vị là mọi chuyện không dừng lại ở đó. Nó còn cung cấp một canvas vô hạn để lên ý tưởng, một sơ đồ kiến thức kiểu Obsidian để kết nối các ghi chú, những code block có thể thực thi để lập trình, flashcard áp dụng phương pháp lặp lại ngắt quãng để học tập, và thậm chí là một hệ thống theo dõi dữ kiện để kiểm chứng các khẳng định cùng nguồn thông tin trong các bài viết. Nó còn bao gồm một trình soạn thảo Markdown với nhiều chế độ hiển thị, hỗ trợ file PDF kèm liên kết trích dẫn, cùng một kho lưu trữ cục bộ để lưu giữ các ghi chú dưới dạng file Markdown.

Đây đều là những tính năng chưa từng được yêu cầu, và nó thực sự là một bước tiến vượt bậc so với các phiên bản Gemini trước đây – vốn thậm chí còn chẳng thể tạo ra trọn vẹn những gì đã yêu cầu một cách cụ thể!

Trải nghiệm thực tế khi sử dụng ứng dụng cũng ấn tượng không kém

Lần này, thực tế đúng như những gì đã hứa hẹn

Trước đó, tất cả những gì được đề cập đều dựa trên thông tin mà Argon chia sẻ trong Antigravity. Sau khi hệ thống khởi chạy một máy chủ cục bộ để vận hành ứng dụng, cuối cùng cũng có thể tận mắt chứng kiến ​​thành quả mà nó tạo ra.

Mọi người đã từng thất vọng quá nhiều lần với khả năng xây dựng giao diện người dùng (frontend) của Gemini, nên lần này họ cũng đã chuẩn bị tâm lý cho một kết quả tương tự. Thế nhưng, phản ứng đầu tiên lại trái ngược hoàn toàn. Đúng là giao diện có phần hơi rối mắt và chứa đựng rất nhiều chi tiết, nhưng đó là vì Argon đã nạp vào ứng dụng vô số dữ liệu mẫu để minh họa các tính năng.

Xét tổng thể, thiết kế lại mang đến sự đồng nhất đến bất ngờ. Bảng màu ấm áp, kiểu chữ và bố cục đều kết hợp hài hòa với nhau. Quan trọng hơn, nó không hề giống với kiểu ứng dụng "đại trà" thường thấy - vốn chỉ chạy theo xu hướng với nền tối và các dải màu chuyển sắc (gradient) tím.

Đáng chú ý nhất là ứng dụng này tạo cảm giác được thiết kế dựa trên chính nhu cầu của người dùng, thay vì chỉ là tập hợp các tính năng rời rạc được ghép lại với nhau. Giao diện viết có tích hợp sẵn bảng kiểm chứng thông tin; không gian làm việc dạng canvas cho phép kết nối trực quan các nghiên cứu và ý tưởng; ngoài ra còn có một hệ thống flashcard chuyên dụng phục vụ cho việc học tập.

Một vài tính năng trong số đó có thể được thường xuyên sử dụng.

Không phải mọi thứ đều hoàn hảo ngay từ lần thử đầu tiên

Vẫn còn đó một vài vấn đề cần giải quyết

Argon đã thiết lập một kho lưu trữ Markdown chuyên biệt, trong đó mỗi ghi chú được tự động lưu thành một file .md riêng biệt. Nhờ vậy, toàn bộ dữ liệu được lưu trữ cục bộ trên máy Mac. Đây là một điểm cộng lớn vì nó đảm bảo các ghi chú không bị "giam" trong ứng dụng; người dùng hoàn toàn có thể truy cập trực tiếp vào chúng thông qua hệ thống file trên máy tính.

Tuy nhiên, vẫn có vài trục trặc nhỏ xảy ra. Ban đầu, kho lưu trữ cục bộ không load đúng cách, khiến thông báo lỗi "Cannot GET /" xuất hiện khi cố gắng truy cập. Quay lại Antigravity, giải thích vấn đề cho Argon, và nó bắt tay vào khắc phục ngay lập tức. Nó đã cập nhật cấu hình máy chủ, bổ sung một vault explorer hoàn chỉnh và đưa mọi thứ vào hoạt động ổn định.

Sau đó, một vấn đề khác lại xuất hiện: Giao diện chính cứ liên tục tự làm mới sau mỗi vài giây. Argon đã phát hiện ra rằng tính năng tự động đồng bộ file của ứng dụng chính là nguyên nhân gây ra vòng lặp làm mới liên tục đó. Nó đã thực hiện một vài thay đổi trong cách máy chủ phát triển theo dõi các file cũng như cách đồng bộ ghi chú, nhờ vậy mà vấn đề đã được giải quyết triệt để.

Khác với những trải nghiệm trước đây với Gemini - khi mà phải trao đổi qua lại nhiều lần nhưng kết quả vẫn là một bản cài đặt lỗi - lần này, nó thực sự hiểu rõ vấn đề và biết cách khắc phục! Có thể nói, Argon 4 thực sự là một bước tiến vượt bậc trên mọi phương diện.

Lần này, Claude có phần gây thất vọng

Nó chọn cách tiếp cận an toàn, dù thực hiện khá chỉn chu

Trong khi đó, Claude Code lại chọn hướng đi hoàn toàn khác cho cùng một yêu cầu. Phiên bản của Claude giống với những gì người ta thường kỳ vọng ở một ứng dụng ghi chú truyền thống: Giao diện 3 cột gọn gàng, tối giản, có notebook, tag phân cấp, ghi chú theo ngày, danh sách tác vụ, trình soạn thảo rich-text với các lệnh slash (/), cùng khả năng hỗ trợ file PDF. Thiết kế rất trau chuốt, thậm chí có thể nói là dễ điều hướng hơn so với phiên bản của Gemini ngay từ cái nhìn đầu tiên.

Tuy nhiên, so với những gì Argon tạo ra, cách làm này có phần hơi "an toàn" quá mức. Ứng dụng không có lỗi gì, nhưng hầu hết các tính năng đều là những thứ đã từng xuất hiện ở các công cụ ghi chú khác. Vì thí nghiệm cố tình đưa ra một yêu cầu mở, Claude được kỳ vọng sẽ tạo ra thứ gì đó táo bạo hơn - nhất là khi trước đây nó từng thực hiện rất tốt các thử nghiệm tương tự.

Dù vậy, cũng phải ghi nhận rằng Claude đã đầu tư rất nhiều công sức vào khâu kiểm thử. Nó tự chạy 32 bài kiểm thử đơn vị (unit test) và 12 bài kiểm thử toàn trình (end-to-end test) trên trình duyệt, tự phát hiện và sửa lỗi trước khi bàn giao ứng dụng. Đây là điều mà Argon chưa làm được.

Tóm lại, nếu Claude chọn cách tiếp cận kỷ luật hơn trong việc xây dựng và kiểm thử, thì Gemini lại gây bất ngờ bằng những quyết định về sản phẩm. Lần này, mô hình của Google đã vượt xa những yêu cầu cơ bản tối thiểu, mang đến một sản phẩm thực sự giống như được thiết kế riêng vậy! Mặc dù không dám khẳng định Argon 4 là công cụ lập trình giỏi nhất thế giới, nhưng giờ đây có thể tự tin nói rằng nó là một bước tiến vượt bậc so với các mô hình Gemini từng được thử nghiệm trước đây.