Gemini 4 Hydrogen so với Gemini 3.8 Flash và Gemini 4 Argon: chọn mô hình nào cho coding agent?
Google DeepMind công bố Gemini 4 Hydrogen vào ngày 12/11/2026. Nếu một coding agent đang dùng Gemini 3.8 Flash để sửa lỗi, gọi công cụ và hoàn tất các tác vụ đã có tiêu chí kiểm tra, Hydrogen là ứng viên đáng thử trước. Với bài toán còn phải thiết kế kiến trúc, sắp xếp phụ thuộc hoặc giải quyết yêu cầu mâu thuẫn, Gemini 4 Argon vẫn phù hợp hơn ở bước lập kế hoạch.

Bài này chỉ so sánh các mô hình Gemini cùng nhà phát triển: 3.8 Flash là mốc trước khi chuyển đổi, Hydrogen là mô hình thực thi mới, còn Argon là mốc cho công việc cần suy luận dài và lập kế hoạch. Carbon thuộc tầng lập kế hoạch sâu hơn nên không nằm trong bảng so sánh chính. Các con số hiệu năng dưới đây là số liệu Google công bố hoặc trích dẫn, chưa phải kết quả chạy cùng một bộ bài thử qua API của chúng tôi.
Hãy bắt đầu từ một ca sửa lỗi trong repository
Giả sử agent nhận yêu cầu sửa lỗi đăng nhập xảy ra không thường xuyên. Công việc có hai phần khác nhau. Trước hết phải quyết định lỗi nằm ở phiên đăng nhập, cache hay hợp đồng giữa các dịch vụ, và xác định điều kiện không được phá vỡ. Sau đó mới tìm mã nguồn, xem log, sửa đúng các tệp liên quan, chạy kiểm thử và tổng kết phần còn rủi ro.
Khi phần đầu đã rõ, Hydrogen phù hợp với chuỗi hành động ở phần sau. Nếu bản thân hướng sửa vẫn chưa được thống nhất, nên dùng Argon để làm rõ kế hoạch trước. Gemini 3.8 Flash có thể tiếp tục phục vụ các luồng ngắn đang chạy ổn định trong thời gian nhóm kiểm tra bản mới. Đây là cách phân công theo loại công việc, không phải kết quả của một thí nghiệm ba mô hình trên ca lỗi giả định này.
Điều gì thay đổi khi chuyển từ Gemini 3.8 Flash sang Hydrogen?
| Điểm cần kiểm tra | Gemini 3.8 Flash | Gemini 4 Hydrogen | Hệ quả với agent |
|---|---|---|---|
| Mức suy luận mặc định | medium |
high |
Chỉ đổi model ID cũng làm thay đổi lượng suy luận mặc định. |
| Các mức suy luận | Theo cấu hình của 3.8 Flash | low, medium, high, xhigh |
Chỉ thử xhigh khi high chưa đạt yêu cầu trên bài khó. |
| Cách tính ngữ cảnh | Tài liệu liệt kê riêng giới hạn đầu vào 1.048.576 token và đầu ra 65.536 token | Cửa sổ thống nhất 1.048.576 token | Đầu vào, suy luận và đầu ra dùng chung không gian. |
| Trọng tâm công bố | Coding và tác vụ agent nhiều bước | Gọi công cụ, tiếp tục sau lỗi, hoàn tất tác vụ | Cần kiểm tra log công cụ và kết quả kiểm thử, không chỉ đọc câu trả lời cuối. |
3.8 Flash vốn đã dùng cho phần mềm và agent; Hydrogen không phát minh lại trường hợp sử dụng này. Sự khác biệt đáng chú ý nhất khi chuyển đổi là mặc định từ medium sang high. Một tác vụ sửa lỗi nhiều bước có thể hưởng lợi, nhưng một tác vụ rất ngắn cần được đo bằng thời gian hoàn thành toàn bộ, không chỉ nhìn tên mô hình.
Cửa sổ 1M token thực sự chứa những gì?
Hydrogen có cửa sổ ngữ cảnh thống nhất 1.048.576 token. Prompt, tài liệu đầu vào, lịch sử hội thoại, phần suy luận của mô hình và câu trả lời đều chia sẻ giới hạn này. Mức đầu ra đồng bộ thông thường mặc định tối đa 65.536 token. Đầu ra dài hơn cần cơ chế chạy nền hoặc tiếp tục sinh được tài liệu hóa và vẫn phụ thuộc dung lượng còn lại.
Ví dụ, nếu mã nguồn và lịch sử đã chiếm 800.000 token, chỉ còn 248.576 token cho suy luận và câu trả lời. Điều đó không có nghĩa một phản hồi đồng bộ có thể tự động xuất ra 248.576 token. Khi đưa cả repository, log dài hoặc nhiều tài liệu vào cùng một yêu cầu, cần chừa dung lượng để mô hình xử lý và trả lời.

Hydrogen nhận văn bản, hình ảnh, âm thanh và video; tài liệu mô hình còn liệt kê PDF, tệp Office và OpenDocument. Đầu ra của nó là văn bản. Nó không trực tiếp tạo ảnh, âm thanh hoặc video thành phẩm, và không hỗ trợ phiên âm thanh/video thời gian thực qua Live API. Một ảnh chụp lỗi có thể là đầu vào để phân tích; yêu cầu tạo ảnh minh họa là một loại tác vụ khác.
Trên API tương thích OpenAI của Crazyrouter, base URL là https://api.crazyrouter.com/v1. Model ID tương ứng là gemini-3.8-flash, gemini-4-hydrogen và gemini-4-argon. Có thể xem danh mục các mô hình Google để đối chiếu model ID, rồi kiểm tra các lựa chọn Gemini trên Crazyrouter trước khi chuyển một luồng đang chạy. Với một gateway, cũng cần xác nhận mức suy luận và giới hạn đầu ra được chuyển tiếp đúng như cấu hình.
Nên đọc các benchmark của Hydrogen như thế nào?
| Chỉ số được Google công bố hoặc trích dẫn | Hydrogen | Mốc so sánh | Ý nghĩa trong bài này |
|---|---|---|---|
| Terminal-Bench 4.1 | 57,0% | 3.8 Flash: 18,2% | Kết quả cho tác vụ agent trong terminal. |
Tốc độ hoàn tất tác vụ ở mức high mặc định |
Nhanh gấp 2,5 lần | 3.8 Flash | Số đo trên bộ tác vụ của Google, không phải cam kết độ trễ cho mọi request. |
| Tuyên bố sai rằng việc đã hoàn thành | Giảm hơn 5 lần | 3.8 Flash | Cần đối chiếu lời báo cáo với công cụ đã thực sự chạy. |
| Artificial Analysis Intelligence Index | high: 51; xhigh: 54 |
Argon: 50 | Chỉ số tổng hợp không thay thế việc đánh giá một kế hoạch kiến trúc cụ thể. |

Terminal-Bench, tốc độ hoàn tất và một chỉ số tổng hợp đo những thứ khác nhau. Không nên ghép chúng thành một bảng xếp hạng duy nhất. Số liệu công bố giúp chọn loại ca cần kiểm tra, còn quyết định chuyển đổi phải dựa trên repository, công cụ và tiêu chí hoàn thành của chính nhóm.
Kiểm tra một coding agent bằng kết quả nào?
Một bộ đánh giá nhỏ có thể gồm ca sửa bug có bước tái hiện, ca tìm thông tin trong repository, ca công cụ trả lỗi và ca yêu cầu agent tổng kết sau khi chạy kiểm thử. Giữ nguyên đầu vào, quyền công cụ và tiêu chí đạt giữa các mô hình. Với Hydrogen, chạy mức high trước; chỉ chạy thêm xhigh trên các ca mà mức mặc định chưa xử lý tốt.
| Bằng chứng cần giữ lại | Điều cần xem |
|---|---|
| Diff của mã nguồn | Có sửa đúng phạm vi, tránh thay đổi tệp không liên quan không? |
| Kết quả công cụ | Lệnh tìm kiếm, đọc log và kiểm thử có thực sự chạy không? |
| Xử lý sau lỗi | Agent có đổi cách làm khi một công cụ thất bại không? |
| Báo cáo cuối | Điều đã làm, điều chưa làm và rủi ro còn lại có khớp log không? |
| Thời gian toàn tác vụ | Từ nhận việc đến kết quả kiểm tra cuối, không chỉ thời gian token đầu tiên. |
Nguồn tư liệu của bài này chưa có bản ghi API gốc cho một bộ ca chung chạy trên cả ba mô hình. Vì vậy, bảng trên là phương pháp đánh giá để áp dụng cho dự án của bạn, không phải một kết quả thực nghiệm đã hoàn tất.
Chọn 3.8 Flash, Hydrogen hay Argon
| Tình huống | Ưu tiên | Vì sao |
|---|---|---|
| Luồng ngắn đã ổn định và nhạy với thời gian chờ | Giữ 3.8 Flash trong lúc thử nghiệm | Mặc định suy luận thay đổi khi chuyển sang Hydrogen. |
| Sửa lỗi, chỉnh mã, gọi nhiều công cụ với tiêu chí đạt rõ | Hydrogen | Đây là phần thực thi mà Google nhấn mạnh cho mô hình mới. |
| Kiến trúc, yêu cầu xung đột, kế hoạch kéo dài qua nhiều giai đoạn | Argon | Chất lượng kế hoạch quan trọng hơn một chỉ số tổng hợp. |
| Cần tầng lập kế hoạch sâu hơn của gia đình Gemini 4 | Cân nhắc Carbon | Carbon không phải đối thủ trực tiếp của Hydrogen ở tác vụ hằng ngày. |
Một cách phối hợp hợp lý là để Argon làm rõ hướng đi, rồi giao từng bước có thể kiểm tra cho Hydrogen. Điều kiện quan trọng là định nghĩa được “xong” bằng bằng chứng, thay vì chỉ bằng lời báo cáo của agent.
Câu hỏi thường gặp
Có nên bật xhigh cho mọi yêu cầu? Không. high là mặc định của Hydrogen; chỉ so sánh thêm xhigh khi kết quả ở mức đó chưa đủ tốt trên các ca khó đại diện.
1M token có đồng nghĩa với đầu ra 1M token? Không. Đó là cửa sổ chung của đầu vào, suy luận và đầu ra; đầu ra đồng bộ thông thường còn có giới hạn mặc định 65.536 token.
Hydrogen có thay thế Argon vì điểm chỉ số tổng hợp cao hơn? Không. Một điểm số tổng hợp không đo riêng chất lượng của bản kế hoạch cho hệ thống bạn đang xây.
Tài liệu tham khảo
- Google, Introducing Gemini 4 Hydrogen, 12/11/2026.
- Google DeepMind, Gemini 4 Hydrogen Model Card, 11/2026.
- Google Cloud, thông số và hướng dẫn dành cho nhà phát triển của Gemini 4 Hydrogen, tra cứu ngày 17/11/2026.
- Google, tài liệu công bố Gemini 3.8 Flash, 09/2026.
- Google DeepMind, kết quả đánh giá và phương pháp của Gemini 4 Hydrogen, 11/2026.
All Rights Reserved