Google (GOOGL) vừa ra mắt Gemini 4 Argon, mô hình mạnh nhất của hãng, dẫn đầu 13 trong 18 bài kiểm tra so với các đối thủ từ OpenAI và Anthropic. Điểm lạ là Argon trước hết chỉ dành cho nhóm chuyên gia an ninh mạng được tuyển chọn. Lý do nằm ở chỗ một mô hình giỏi lập trình dài hơi cũng rất giỏi làm công việc của dân kiểm thử xâm nhập (penetration testing).

Kiểm thử xâm nhập là gì

Hãy hình dung bạn thuê một người đột nhập thử vào chính ngôi nhà của mình, rồi nhận bản báo cáo về mọi cửa sổ quên khóa. Đó là bản chất của pentest: chuyên gia được ủy quyền tấn công hệ thống để tìm điểm yếu trước khi kẻ xấu làm điều đó. Quy trình thường gồm ba bước chính.

Ba bước: do thám, khai thác, báo cáo

Bước đầu là do thám. Người kiểm thử thu thập thông tin công khai: tên miền phụ, cổng đang mở, phiên bản phần mềm. Một dịch vụ chạy bản cũ có lỗ hổng đã biết (mã CVE) chính là manh mối đầu tiên. Bước hai là khai thác: dùng lỗ hổng để vào hệ thống, sau đó leo thang đặc quyền và di chuyển sang máy khác, giống kẻ tấn công thật. Bước cuối là báo cáo: ghi lại từng lỗi, mức nguy hiểm và cách vá để đội kỹ thuật sửa.

Vì sao AI thay đổi cuộc chơi

Mỗi bước trên đều là chuỗi việc dài, đòi hỏi đọc mã nguồn, thử, thất bại và thử lại. Đó chính là loại tác vụ Argon được thiết kế để xử lý, với giới hạn đầu ra lên tới 1 triệu token, so với 64.000 ở các bản Gemini trước. Trên bài kiểm tra DeepSWE v1.1 về kỹ thuật phần mềm đường dài, Argon đạt 77,9%, cao hơn Claude Opus 5.5 (74,2%) và GPT-6 Astra (74,1%).

Nếu một mô hình có thể tự tìm và khai thác lỗ hổng trong vài giờ, phe phòng thủ cần nó trước phe tấn công. Vì vậy Google mở cho các nhà phòng thủ trước. Giá API giới thiệu là 2 USD cho một triệu token đầu vào và 10 USD cho một triệu token đầu ra. Với kỹ sư, bài học thực tế vẫn không đổi: vá phần mềm đều đặn, thu hẹp bề mặt tấn công và coi pentest là việc định kỳ, nay có thêm một trợ lý AI.