Gemini 4 Argon $2/1M token: dev Việt nên tính lại gì

Hóa đơn API tháng này lại vượt ngân sách, và không ai trong team biết chính xác request nào đốt tiền. Kế hoạch bật agent chạy nền thì vẫn nằm đó, chưa dám duyệt.

Google vừa phát hành Gemini 4 Argon ngày 13/10 với giá giới thiệu $2 cho mỗi triệu input token và $10 cho mỗi triệu output token. Bài này hướng dẫn bạn tính lại chi phí thật trước khi quyết định đổi model.

Bước 1: Lấy đúng ba con số giá

DeepMind công bố ba mức giá, không phải một:

• $2 / 1 triệu input token (giá giới thiệu)
• $10 / 1 triệu output token (giá giới thiệu)
• Cached input token được giảm 95%

The Verge cho biết mức giá giới thiệu này sẽ tăng gấp đôi vào cuối tháng 11, khi giai đoạn giới thiệu kết thúc. Nghĩa là mọi phép tính bạn làm hôm nay chỉ đúng trong khoảng sáu tuần. Hãy ghi hai cột trong spreadsheet: giá hiện tại và giá sau cuối tháng 11.

The Verge mô tả mức giá này vào khoảng một phần năm chi phí của GPT-6 Astra (OpenAI) và các model Fable 5 của Anthropic.

Bước 2: Đừng tin tỷ lệ giá, hãy đo token thật

Đây là phần nhiều team bỏ qua. Giá mỗi token rẻ hơn năm lần không có nghĩa hóa đơn rẻ hơn năm lần.

The Verge nói thẳng điều này: giá per-token thấp hơn "không nhất thiết chuyển thành chi phí thấp hơn trong thực tế, vì các model có thể dùng số lượng token khác nhau cho cùng một tác vụ".

Với reasoning model, cảnh báo đó còn nặng hơn. Model suy luận nhiều bước sẽ sinh ra nhiều output token hơn model chat thông thường. Nếu Argon tiêu nhiều token hơn model bạn đang chạy, lợi thế giá có thể bốc hơi.

Cách làm đúng: lấy một tập request thật từ log production, replay qua cả hai model, rồi so sánh tổng token thực tế. Đừng so rate card.

Bước 3: Kiểm tra cấu trúc prompt trước khi tính cache

Mức giảm 95% cho cached input là đòn bẩy rõ ràng nhất trong bảng giá Argon. Nhưng nó chỉ có giá trị nếu prompt của bạn lặp lại phần đầu.

Workload hưởng lợi nhiều nhất là loại gửi cùng một system prompt dài, hoặc cùng một tài liệu, qua nhiều lần gọi. RAG pipeline với context cố định, agent có rulebook dài, chatbot nội bộ có knowledge base — đây là các case đáng tính lại đầu tiên.

Ngược lại, nếu mỗi request của bạn có input hoàn toàn khác nhau, con số 95% không áp dụng và bạn chỉ còn mức $2 cơ bản để tính.

Bước 4: Xác nhận bạn có quyền truy cập

Trước khi lên kế hoạch, hãy kiểm tra kênh phân phối. DeepMind cho biết Argon có sẵn toàn cầu cho developer và doanh nghiệp qua API trong AI Studio và nền tảng Gemini.

Với sản phẩm hướng người dùng cuối thì khác. Google AI Ultra có Argon trong Google Antigravity; cả Ultra và Pro có trong app Gemini và AI Mode trong Search. The Verge lưu ý chưa rõ khi nào — hoặc liệu — Argon có đến tay người dùng Plus hoặc miễn phí.

Nếu kiến trúc sản phẩm của bạn giả định một tier Gemini miễn phí, hiện chưa có gì thay đổi.

Bước 5: Đọc benchmark đúng cách

Google tuyên bố Argon vượt GPT-6 Astra, Claude Fable 5.1 và Claude Opus 5.5 trên nhiều benchmark gồm coding, cybersecurity, science, finance và law. DeepMind nói model xếp #1 trên Vals Index, thước đo hiệu năng qua các lĩnh vực kinh tế như finance, coding, legal và tax.

Các con số nội bộ cụ thể hơn: DeepMind cho biết Argon giúp team tăng agentic code submission hơn 35% và giảm code rollback gần một phần ba trong Antigravity. Với Agent Development Kit, công ty nói các tối ưu Argon tạo ra đã cắt 40% thời gian chuẩn bị session in-memory trong session dài và tăng tốc cold import 21%.

Lưu ý quan trọng: toàn bộ số liệu trên do Google tự công bố. Vals Index là chỉ số bên ngoài duy nhất Google nêu tên, nhưng điểm số vẫn từ các lần chạy của chính họ. Chưa có kết quả tái lập độc lập.

Bước 6: Nếu bạn chạy agent trong CI

Google nói đã huấn luyện Argon tôn trọng ranh giới hệ thống, báo cáo trung thực kết quả tiêu cực và dừng lại chờ xác nhận trước các bước không thể đảo ngược. Công ty báo cáo tỷ lệ "shortcut attempt" giảm còn 2% trên các benchmark coding.

Đây vẫn là số liệu tự đo của Google, nhưng nó là chỉ báo đáng theo dõi nếu agent của bạn có quyền ghi vào repo hoặc hạ tầng. Hãy giữ nguyên lớp permission hiện có cho đến khi bạn tự kiểm chứng.

Việc cần làm tuần này

Đặt lịch nhắc trước cuối tháng 11 — đó là mốc giá giới thiệu kết thúc. Trước mốc đó, chạy xong bài replay token ở Bước 2 và đo tỷ lệ cache hit ở Bước 3 trên workload thật của bạn.

Hai con số đó, không phải bảng giá, mới quyết định có nên đổi hay không.