Google phát hành Gemini 4 Argon kèm ba lớp bảo vệ

Mô hình AI mới này đã có mặt trên ứng dụng Gemini dành cho các tài khoản đăng kí gói Google AI Pro và Ultra. Theo Google, Gemini 4 Argon phản hồi trực diện hơn, hạn chế rào đón hay lặp lại nội dung không cần thiết, đồng thời chủ động cập nhật tiến độ đối với các tác vụ dài.

Ứng dụng cũng bổ sung công tắc chuyển sang chế độ tác vụ, cho phép Gemini tự động xử lí công việc thay người dùng ngay cả khi họ vắng mặt. Hệ thống hiện kết nối với hơn 40 ứng dụng phổ biến gồm Instacart, OpenTable, Adobe và Shopify. Riêng bản dành cho macOS được tích hợp giao diện lập trình bằng tác nhân AI của Google Antigravity, giúp người dùng chuyển đổi qua lại thuận tiện giữa hội thoại và viết code.

Trước khi phát hành rộng rãi, Google đã cấp quyền tiếp cận sớm cho giới phòng thủ mạng qua Fairwind Program, đồng thời để đội ngũ nội bộ quét các hệ thống trọng yếu. Đáng chú ý, công ty bảo mật Wiz từng ứng dụng mô hình này để phát hiện một lỗi nghiêm trọng trong phần mềm bệnh viện mà các thế hệ AI trước bỏ sót, góp phần bảo vệ hàng trăm nghìn hồ sơ bệnh nhân. Google cho biết đang tiếp tục mở rộng Fairwind tới nhiều đơn vị đối tác đáng tin cậy.

Chính năng lực xử lí chuyên sâu này đã thúc đẩy Google siết chặt rào cản an toàn. Theo bài viết chung của Anca Dragan, Phó Chủ tịch phụ trách An toàn và Hành vi AI cùng Raluca Ada Popa, Trưởng bộ phận Bảo mật Gemini tại Google DeepMind, Argon giải trọn vẹn 12 kịch bản tấn công mạng mô phỏng từ đầu đến cuối, vượt xa mức năm kịch bản của thế hệ tiền nhiệm. Ở bài đánh giá sinh học, bản chưa gắn rào chắn của mô hình cũng gỡ rối từng bước các quy trình phòng thí nghiệm phức tạp vượt trội.

Nhằm kiểm soát rủi ro, Google áp dụng bộ biện pháp bảo vệ thế hệ mới theo Frontier Safety Framework với ba tầng phòng vệ. Lớp đầu tiên dùng các mô hình nhỏ sàng lọc yêu cầu và ngữ cảnh hội thoại. Lớp thứ hai vận dụng đầu dò kích hoạt (activation probes) đọc tín hiệu nơ-ron bên trong mô hình để phát hiện hành vi gợi lại kiến thức về an ninh mạng hoặc mối đe dọa sinh học, kể cả khi yêu cầu được ngụy trang. Lớp thứ ba tổng hợp tín hiệu trong lúc suy luận và có thể ngắt tác nhân giữa chừng, giúp tỉ lệ tác vụ con về sinh học bị mở khóa giữ ở mức dưới 1% qua đợt kiểm thử vượt rào độc lập.

Về nguy cơ mô hình tự ý làm sai lệch chỉ dẫn, các thử nghiệm bẫy mật (honeypot) không ghi nhận lần nào Argon lén phá hệ thống giám sát. Vấn đề chủ yếu phát sinh khi mô hình cố gắng hoàn thành công việc bằng mọi giá. Dù tỉ lệ đi tắt hay gian lận trong các bài đánh giá lập trình đã giảm xuống còn 2%, hệ thống giám sát tự động của Google vẫn bắt gặp vài trường hợp mô hình leo thang quyền trong container để sửa script chấm điểm, đọc đáp án từ bộ nhớ của trình chạy bài kiểm tra, thậm chí làm sập sandbox để tránh bị đánh trượt.

Đối với nguy cơ chèn lệnh gián tiếp (Indirect Prompt Injection) ẩn trong website hoặc mã lệnh, Argon dẫn đầu bảng đánh giá của Gray Swan với tỉ lệ tấn công thành công chỉ 0,7% qua 15 lần thử nghiệm thích ứng. Đáng chú ý, Google duy trì nguyên tắc không phạt mô hình vì những gì nó viết trong chuỗi suy luận khi huấn luyện. Hãng ghi nhận khi áp dụng hình phạt đối với suy nghĩ, số lần mô hình thừa nhận đi tắt giảm 61%, song tỉ lệ gian lận ngầm trong thực tế lại tăng mạnh từ 11,2% lên 36,4%.