Gemini 3.1 Pro

Từ ngày 20.2, Google đã bắt đầu tích hợp Gemini 3.1 Pro vào toàn bộ nền tảng của mình. Đây là mô hình AI có khả năng xử lý đa phương thức cực kỳ mạnh mẽ, từ văn bản, hình ảnh, âm thanh đến video và các kho mã nguồn với quy mô lớn. Người dùng có thể tiếp cận mô hình này qua các kênh:

🔹Developers: Trải nghiệm bản preview qua Gemini API trong Google AI Studio, Gemini CLI, nền tảng phát triển agentic Google Antigravity hoặc Android Studio.

🔹Doanh nghiệp: Sử dụng thông qua Vertex AI và Gemini Enterprise.

🔹Người dùng cá nhân: Trải nghiệm trực tiếp trên Gemini App và NotebookLM.

Tối ưu hóa hiệu suất tư duy doanh nghiệp với Gemini 3.1 Pro

Kế thừa và phát huy sức mạnh vượt trội từ dòng Gemini 3, phiên bản 3.1 Pro đánh dấu một bước đột phá mới trong khả năng tư duy cốt lõi. Đây là giải pháp nền tảng thông minh và mạnh mẽ hơn, giúp doanh nghiệp xử lý hiệu quả các bài toán phức tạp.

Hiệu suất này được khẳng định qua các kết quả kiểm chứng khắt khe từ Google Cloud. Trên hệ thống đánh giá ARC-AGI-2 - bộ tiêu chuẩn chuyên biết về khả năng xử lý các quy luật logic hoàn toàn mới của mô hình, Gemini 3.1 Pro đã thiết lập một cột mốc ấn tượng khi đạt mức điểm xác thực đến 77,1% — cao hơn gấp đôi so với năng lực tư duy của phiên bản 3 Pro trước đó.

Ứng dụng thực tiễn

Gemini 3.1 Pro được thiết kế cho các vấn đề đòi hỏi sự chuyên sâu thay vì chỉ những phản hồi đơn giản. Mô hình được nâng cấp này hỗ trợ doanh nghiệp trong các ứng dụng thực tiễn: cung cấp góc nhìn trực quan, rõ ràng về những vấn đề chuyên sâu; tổng hợp và chuẩn hóa dữ liệu thành một bức tranh toàn diện phục vụ ra quyết định; đồng thời thúc đẩy các sáng kiến sáng tạo từ ý tưởng đến triển khai một cách hiệu quả và có chiến lược.

Code base animation: Gemini 3.1 Pro có khả năng tạo ra các tệp SVG animation cho website chỉ với vài câu prompt. Vì được xây dựng hoàn toàn bằng code thay vì pixel, những ảnh này luôn giữ được độ sắc nét ở mọi kích thước và có dung lượng tệp cực kỳ nhỏ so với các định dạng video truyền thống.

Complex system synthesis: 3.1 Pro sử dụng khả năng suy luận nâng cao để thu hẹp khoảng cách giữa các API phức tạp và thiết kế thân thiện với người dùng. Trong ví dụ này, mô hình đã xây dựng một bảng điều khiển hàng không vũ trụ theo thời gian thực, cấu hình thành công luồng dữ liệu telemetry công khai để trực quan hóa quỹ đạo của International Space Station.

Interactive Design: 3.1 Pro có thể lập trình một mô phỏng 3D phức tạp về đàn chim sáo bay theo đàn. Không chỉ tạo ra mã hiển thị hình ảnh, mô hình còn xây dựng một trải nghiệm nhập vai, cho phép người dùng điều khiển bằng công nghệ theo dõi chuyển động tay và thưởng thức phần âm thanh thay đổi linh hoạt theo chuyển động của đàn chim.

Định hướng tiếp theo

Dựa trên phản hồi từ thị trường và tốc độ phát triển công nghệ kể từ khi phát hành Gemini 3 Pro vào tháng 11, các cải tiến hệ thống đã được thực hiện nhanh chóng. Hiện nay, Google Cloud đã chính thức ra mắt bản xem trước (preview) của Gemini 3.1 Pro. Mục tiêu của đợt phát hành này là đánh giá các cập nhật hệ thống, đồng thời thúc đẩy các quy trình làm việc dựa trên agentic workflows quy mô lớn, chuẩn bị cho giai đoạn phát hành chính thức trong thời gian tới.

Cập nhật lộ trình Gemini 3.1 Pro

• Đối với người dùng gói Google AI Pro và Ultra: Gemini 3.1 Pro đã bắt đầu được triển khai trên Gemini app với hạn mức sử dụng mở rộng. Bên cạnh đó, mô hình cũng được tích hợp vào NotebookLM nhằm tối ưu hóa hiệu suất làm việc.

• Dành cho đội ngũ kỹ thuật và doanh nghiệp: Khả năng truy cập bản preview của 3.1 Pro đã được mở thông qua Gemini API trên các nền tảng: AI Studio và Vertex AI; Antigravity và Gemini Enterprise; Gemini CLI và Android Studio.

Subscribe now

Trong bối cảnh người dùng luôn muốn trải nghiệm mua sắm được diễn ra liền mạch và được hỗ trợ kịp thời, nhưng các chatbot truyền thống thường thiếu kết nối, khiến người dùng phải lặp lại thông tin mỗi khi chuyển đổi kênh liên hệ.

Gemini Enterprise for CX giải quyết vấn đề này bằng cách kết nối toàn bộ quy trình mua hàng của người dùng từ lúc tìm hiểu đến thanh toán và hỗ trợ sau khi mua sản phẩm. Với khả năng suy luận phức tạp, các AI Agent có khả năng thấu hiểu ý định và đại diện người dùng thực hiện các chuỗi tác vụ đa bước, từ đối chiếu thống số kỹ thuật cho đến xử lý hoàn tiền theo thời gian thực, đồng thời duy trì ngữ cảnh liên tục tại mọi điểm chạm. Giải pháp này giúp doanh nghiệp tối ưu hóa trải nghiệm cho người dùng, từ đó gia tăng sự hài lòng, củng cố lòng trung thành và gia tăng lợi nhuận.

Shopping agent mới với khả năng suy luận phức tạp

Gemini Enterprise for CX tích hợp Shopping Agent mới, cung cấp giải pháp end-to-end, kết nối trực tiếp các giao diện frontend như chat và voice với hệ thống backend. Giải pháp này vượt xa chatbot truyền thống khi có thể xử lý các yêu cầu phức tạp thông qua:

🔸 Suy luận nâng cao: Thay vì để người dùng tự tìm từng sản phẩm, agent này hoạt động như một chuyên gia, hiểu rõ nhu cầu dựa trên sự đồng ý của người dùng.

• Ví dụ: khi người dùng yêu cầu “một chiếc sofa nhung màu xanh ngọc, chống bám lông thú cưng và dài dưới 90 inch”, agent này có thể lọc theo độ bền chất liệu, đối chiếu kích thước với không gian thực tế và đảm bảo phù hợp ngân sách.

🔸 Tương tác đa phương thức: Shopping Agent hiểu được hình ảnh, video và giọng nói, mà không cần người dùng nhập liệu thủ công.

• Ví dụ: Người dùng có thể chụp ảnh một công thức nấu ăn viết tay; agent sẽ đọc nội dung, xác định nguyên liệu cần mua và tự động thêm vào giỏ hàng, đồng thời áp dụng ưu đãi thành viên.

🔸 Thực thi hành động theo sự đồng ý: Không chỉ cung cấp thông tin hay liên kết, agent có thể thực hiện hành động. Dựa trên lịch sử mua sắm, tình trạng tồn kho real-time và sau khi được khách hàng cho phép, agent có thể gợi ý sản phẩm phù hợp, thêm vào giỏ hàng và thậm chí hoàn tất quy trình thanh toán.

Customer Experience Agent Studio

Tại hội nghị, Google Cloud cũng giới thiệu Customer Experience Agent Studio, cho phép doanh nghiệp xây dựng, kiểm tra và triển khai những support agent đa phương thức được cá nhân hóa theo quy mô lớn. Customer Experience Agent Studio được giới thiệu là một phần của giải pháp Gemini Enterprise for CX, kết nối trực tiếp với các shopping agent, đảm bảo mọi tương tác hỗ trợ đều dựa trên ngữ cảnh và lịch sử người dùng.

Những tính năng chính của support agent được xây dựng trên Customer Experience Agent Studio cùng các năng lực mở rộng của Gemini Enterprise for CX bao gồm:

🔸 Giải quyết vấn đề chủ động: AI Agent không chỉ cung cấp thông tin mà còn điều phối các hành động phức tạp trên nhiều hệ thống nội bộ.

• Ví dụ: Khi khách hàng không hài lòng với sản phẩm làm đẹp, agent có thể đánh giá màu sắc phù hợp, kích hoạt đổi sản phẩm từ kho gần nhất và áp dụng khoản bù trừ, giúp đội ngũ chăm sóc tập trung vào các tình huống phức tạp hơn.

🔸 Tương tác đa phương thức trực quan: Hỗ trợ ngôn ngữ tự nhiên trên phone, mobile, và website với hơn 40 ngôn ngữ, chuyển đổi linh hoạt giữa các kênh. Nhờ khả năng xử lý hình ảnh, agent có thể “nhìn thấy” những gì khách hàng cung cấp, để xử lý sự cố tức thì.

🔸 Hỗ trợ kết hợp con người: Cung cấp gợi ý theo ngữ cảnh real-time trực tiếp cho đội ngũ nhân viên nhằm rút ngắn thời gian xử lý. Đồng thời, các mô phỏng cá nhân hóa giúp doanh nghiệp nhanh chóng đào tạo và nâng cao kỹ năng nội bộ thông qua training bằng AI.

🔸 Phân tích thời gian thực & đảm bảo chất lượng: Tính năng mới cho phép doanh nghiệp khai thác xu hướng dịch vụ khách hàng bằng ngôn ngữ tự nhiên. Bên cạnh đó, hệ thống có thể tự động chấm điểm hội thoại dựa trên bảng tiêu chí linh hoạt theo ngữ cảnh, đảm bảo đánh giá chính xác và công bằng.

Các doanh nghiệp có thể nhanh chóng triển khai những agent này bằng cách sử dụng khả năng “AI-builds-AI”, giúp biến các tài liệu và biên bản trò chuyện hiện có thành các functioning agents. Với giao diện thiết kế “kéo và thả” giúp doanh nghiệp xây dựng và khởi chạy các quy trình hỗ trợ chỉ trong vài ngày, nhân viên ở mọi trình độ kỹ năng đều có thể triển khai hệ thống AI tiên tiến mà gần như không cần can thiệp về mặt kỹ thuật/lập trình.

Food Ordering Agent

Phát triển dựa trên thành công trong lĩnh vực drive-thru với các nhà bán lẻ thức ăn nhanh, Food Ordering Agent nâng cao của Google Cloud hiện đã trở thành một phần của Gemini Enterprise for CX. Đối với các nhà hàng đang tìm cách nâng cao trải nghiệm khách hàng, Food Ordering agent với khả năng đa phương thức và đa ngôn ngữ cung cấp các tính năng conversational AI trên nhiều kênh, bao gồm mobile apps, websites, telephone, kiosks, và in-car systems.

Papa Johns, công ty giao bánh pizza lớn thứ ba thế giới, là khách hàng đầu tiên của Google Cloud triển khai omnichannel (bán hàng đa kênh) này. Không chỉ hỗ trợ nhận đơn và upsell thông minh để gia tăng giá trị đơn hàng các AI Agents này còn đóng vai trò như một business analyst cung cấp insights vận hành, cho phép cập nhật menu và giá cả đồng bộ tức thì trên toàn hệ thống mà không cần can thiệp thủ công.

Kevin Vasconi, Chief Digital and Technology Officer, Papa Johns khẳng định sự hợp với Google Cloud giúp cá nhân hóa mọi điểm chạm khách hàng và tối ưu hóa quy trình ra quyết định, qua đó đưa Papa Johns trở lại vị thế dẫn đầu về công nghệ trong ngành.

Subscribe now

Gemini 3 Flash

Gemini 3 Flash là thành viên mới nhất trong gia đình mô hình ngôn ngữ lớn (LLM) Gemini 3 của Google, kết hợp trí tuệ cấp độ chuyên gia với tốc độ xử lý nhanh gấp 3 lần bản tiền nhiệm. Sản phẩm nổi bật nhờ khả năng lập trình xuất sắc, phân tích đa phương thức mượt mà với mức chi phí rẻ.

Google định vị Gemini 3 Flash là điểm giao thoa giữa tư duy “cấp Pro” và tốc độ đặc trưng của dòng “Flash”. Mục tiêu cốt lõi của mô hình này là tối ưu hóa đồng thời ba yếu tố: Chất lượng phản hồi cao - Tốc độ xử lý nhanh - Chi phí vận hành thấp.

Ngay từ khi ra mắt, mô hình này đã hỗ trợ khả năng đa phương thức đầy đủ, cho phép người dùng tương tác mượt mà qua hình ảnh, video và âm thanh. Đây là lựa chọn hàng đầu cho các tác vụ đòi hỏi sự thông minh vượt trội mà vẫn đảm bảo thời gian phản hồi nhanh chóng.

Gemini 3 Flash sử dụng nhiều tính năng mới để nâng cao hiệu suất, khả năng kiểm soát và độ chính xác đa phương thức:

• Thinking level: Sử dụng tham số thinking_level để kiểm soát lượng suy luận nội tại mà mô hình thực hiện gồm các mức: minimal , low, medium, và high . Tính năng này giúp cân bằng giữa chất lượng phản hồi, độ phức tạp của suy luận, độ trễ và chi phí. Tham số thinking_level thay thế cho thinking_budget đối với các mô hình Gemini 3.

• Thought signatures: Việc xác thực chặt chẽ hơn đối với thought signatures giúp cải thiện độ tin cậy trong các quy trình gọi hàm nhiều lượt (multi-turn function calling).

  • Lưu ý: Mức độ phân giải ultra high chỉ áp dụng cho phương thức IMAGE (hình ảnh).

  • Số lượng token của tệp PDF sẽ được liệt kê trong mục IMAGE thay vì mục DOCUMENT trong phần usage_metadata.Media resolution: Sử dụng tham số media_resolution (với các mức low, medium, high, hoặc ultra high) để kiểm soát quy trình xử lý thị giác đối với các đầu vào đa phương thức. Việc này sẽ ảnh hưởng đến mức tiêu thụ token và độ trễ phản hồi.

• Mulltimodal function responses:Các phản hồi từ hàm (function responses) có thể bao gồm các đối tượng đa phương thức như hình ảnh và tệp PDF, bên cạnh văn bản thông thường.

• Streaming Function calling:Truyền tải các tham số gọi hàm từng phần real-time để cải thiện trải nghiệm người dùng trong quá trình sử dụng công cụ.

Gemini 3 Flash được trang bị trên những nền tảng nào?

Google đã phủ sóng mô hình mới này trên hầu hết các nền tảng quan trọng của hệ sinh thái:

• Với người dùng phổ thông: Gemini 3 Flash trở thành mô hình mặc định trong Gemini app (cả trên web và mobile), thay thế cho phiên bản 2.5 Flash trước đây.

• Với Google Search: Tính năng Google AI Mode trên công cụ tìm kiếm sẽ sử dụng mô hình này để xử lý các truy vấn phức tạp, trả về câu trả lời có cấu trúc, trực quan và dễ hành động hơn.

• Với developer: Mô hình hiện đã có sẵn trên Vertex AI, Google AI Studio, Android Studio, Google Antigravity và Gemini Enterprise để phục vụ việc xây dựng ứng dụng.

Gemini 3 Pro

Gemini 3 Pro có khả năng hiện thực hóa mọi ý tưởng nhờ vào năng lực suy luận tiên tiến và khả năng đa phương thức (multimodal). Mô hình này vượt trội đáng kể so với phiên bản 2.5 Pro trên mọi tiêu chuẩn đo lường AI quan trọng. Gemini 3 Pro đứng đầu bảng xếp hạng LMArena với điểm đột phá 1501 Elo. Mô hình thể hiện khả năng suy luận cấp độ Tiến sĩ (PhD-level) với điểm số cao nhất trong các bài kiểm tra:

• Humanity’s Last Exam: Đạt 37.5% (mà không sử dụng bất kỳ công cụ nào).

• GPQA Diamond: Đạt 91.9%.

Đồng thời, thiết lập một tiêu chuẩn mới cho các mô hình trong lĩnh vực toán học, đạt mức 23.4% trên MathArena Apex. Vượt ra ngoài văn bản, Gemini 3 Pro định nghĩa lại khả năng suy luận đa phương thức với điểm số ấn tượng:

• MMMU-Pro: Đạt 81%.

• Video-MMMU: Đạt 87.6%.

Mô hình cũng đạt 72.1% trên SimpleQA Verified, cho thấy sự tiến bộ lớn về độ chính xác của thông tin thực tế. Điều này đồng nghĩa Gemini 3 Pro có năng lực cao trong việc giải quyết các vấn đề phức tạp trên nhiều lĩnh vực đa dạng như khoa học và toán học, với độ tin cậy cao.

Gemini 3 Pro thiết lập tiêu chuẩn mới về sự tương tác. Các phản hồi của mô hình được tối ưu hóa để trở nên thông minh, súc tích và đi thẳng vào vấn đề, tập trung vào việc cung cấp những insight chân thực, thay vì những thông tin chung chung. Mô hình hoạt động như một đối tác tư duy, giúp người dùng tiếp cận thông tin và thể hiện ý tưởng theo những cách mới.

👉 Subcribe kênh Cloud Ace để cập nhật những thông tin công nghệ mới nhất nhé!

Subscribe now

Google Cloud Gemini Live API

Gemini Live API cung cấp giải pháp tương tác hai chiều bằng văn bản và giọng nói, tạo trải nghiệm đàm thoại tự nhiên, linh hoạt. API này hỗ trợ xử lý đa phương thức (văn bản, âm thanh và video), đảm bảo khả năng vận hành liền mạch và tối ưu hóa trải nghiệm khách hàng.

Nền tảng tạo nên năng lực linh hoạt này chính là mô hình Gemini 2.5 Flash Native Audio. Cách tiếp cận được phát triển dựa trên một định hướng rõ ràng: đưa năng lực trí tuệ hội thoại chất lượng cao trực tiếp vào các ứng dụng doanh nghiệp. Trong tương tác thời gian thực, độ chính xác và tốc độ phản hồi là yêu cầu bắt buộc. Gemini Live API được thiết kế theo hướng natively multimodal, cho phép xử lý hiệu quả sự phức tạp tức thời giao tiếp con người, như:

🔹Xử lý các tình huống ngắt lời giữa câu mà không làm gián đoạn mạch thông tin, đảm bảo quá trình turn-taking diễn ra tự nhiên.

🔹Phân tích các tín hiệu âm thanh như cao độ, nhịp độ và ngữ điệu để suy luận chính xác ý định và sắc thái trong giao tiếp.

🔹Quan sát và thảo luận về dữ liệu hình ảnh phức tạp (biểu đồ, live video, sơ đồ) được chia sẻ, cung cấp sự hỗ trợ tức thì và phù hợp với ngữ cảnh.

Triển khai Gemini Live API trên VertexAI

Gemini Live API được thiết kế để đáp ứng các yêu cầu triển khai ở cấp độ doanh nghiệp. Trong khi, Vertex AI cung cấp nền tảng bảo mật và độ ổn định cần thiết cho các AI Agent quan trọng trong môi trường vận hành thực tế.

Mô hình Gemini 2.5 Flash Native Audio được tối ưu để xử lý khối lượng lớn các tương tác, đồng thời duy trì hiệu suất ổn định với độ trễ thấp. Việc triển khai trên Vertex AI cho phép doanh nghiệp tận dụng hạ tầng toàn cầu đang mở rộng trên nhiều khu vực, đảm bảo độ tin cậy và khả năng sẵn sàng cao cho end-user. Bên cạnh đó, các tính năng lưu trú dữ liệu (data residency) cũng giúp doanh nghiệp chủ động kiểm soát nơi dữ liệu được xử lý, qua đó đáp ứng hiệu quả các yêu cầu nghiêm ngặt về tuân thủ và quy định pháp lý.

Các tính năng chính của Gemini Live API

Gemini Live API cung cấp một bộ tính năng toàn diện để xây dựng các voice và video agent mạnh mẽ:

🔹High audio quality: Cung cấp giọng nói tự nhiên, chân thực trên nhiều ngôn ngữ.

🔹Multilingual support: Giao tiếp bằng 24 ngôn ngữ được hỗ trợ.

🔹Barge-in: Cho phép ngắt lời mô hình bất cứ lúc nào để đảm bảo tương tác phản hồi nhanh chóng.

🔹Affective dialog: Tự động điều chỉnh phong cách và sắc thái phản hồi sao cho phù hợp với biểu đạt của người dùng.

🔹Tool use: Tích hợp các công cụ như function calling và Google Search để tạo tương tác linh hoạt, theo ngữ cảnh.

🔹Audio transcriptions: Cung cấp bản ghi văn bản cho cả đầu vào từ người dùng và đầu ra từ mô hình.

🔹Speech-to-speech translation: (Private experimental) Được tối ưu hóa cho việc dịch đa ngôn ngữ với độ trễ thấp.

🔹Proactive audio: (Preview) Cho phép kiểm soát thời điểm mô hình phản hồi và các ngữ cảnh kích hoạt phản hồi.

Subscribe now

Quy trình khám phá và cải tiến thuật toán của AlphaEvolve

• Input: Yêu cầu xác định các đặc trưng của vấn đề, logic đánh giá (nhằm đo lường hiệu suất giải pháp) và chương trình khởi tạo ban đầu. Chương trình khởi tạo là đoạn code có khả năng biên dịch, giải quyết vấn đề ở mức cơ bản dù chưa tối ưu.

• Mutation: Các mô hình Gemini (sử dụng phiên bản Flash để tối ưu tốc độ và Pro để phân tích chuyên sâu) sẽ xử lý ngữ cảnh và tạo ra các phiên bản mã nguồn “biến thể” đã được tối ưu hóa, sau đó bổ sung vào “không gian quần thể” (population space).

• Evolution: Các thuật toán tiến hóa thực hiện quy trình sàng lọc, kết hợp và tiếp tục tạo biến thể từ population space, để xác định điểm xuất phát cho chu kỳ phát triển kế tiếp.

• Loop: Các kết quả đánh giá được các mô hình ngôn ngữ lớn (LLM) sử dụng để tạo ra các giải pháp cải tiến tiếp theo. Chu trình này lặp lại liên tục, giúp nâng cấp các codebase ban đầu thành các thuật toán tốt nhất.

Hiệu quả thực tế

Công nghệ này đã được ứng dụng thành công để giải quyết các bài toán kỹ thuật phức tạp nhất tại Google:

• Tối ưu Data center: AlphaEvolve đã xác định được phương pháp lập lịch các hoạt động tối ưu hơn cho các data center, giúp khôi phục trung bình 0,7% tổng tài nguyên tính toán toàn cầu.

• Rút ngắn thời gian huấn luyện mô hình Gemini: Tốc độ xử lý của một kernel cốt lõi trong kiến trúc Gemini đã tăng 23%, AlphaEvolve giúp giảm 1% thời gian đào tạo mô hình của Gemini.

• Đẩy nhanh thiết kế phần cứng: Công nghệ này hỗ trợ tăng tốc quá trình phát triển TPU thế hệ mới thông qua việc tìm ra các mạch số học tối ưu hơn.

Cách AlphaEvolve hỗ trợ doanh nghiệp trong nhiều lĩnh vực

Công nghệ này có thể được áp dụng trực tiếp vào dữ liệu nội bộ và các thuật toán đặc thù của từng doanh nghiệp. Những thuật toán được tối ưu hóa có thể mang lại giá trị cho nhiều ngành khác nhau, chẳng hạn:

• Công nghệ sinh học và dược phẩm: Tối ưu các thuật toán mô phỏng phân tử, giúp rút ngắn thời gian nghiên cứu thuốc và tăng khả năng thành công của các liệu pháp mới.

• Logistics và chuỗi cung ứng: Khám phá các phương pháp tìm kiếm (heuristic) hiệu quả hơn cho việc định tuyến và quản lý tồn kho, góp phần giảm chi phí nhiên liệu và xây dựng mạng lưới cung ứng linh hoạt hơn.

• Dịch vụ tài chính: Nâng cấp các mô hình đánh giá rủi ro, hỗ trợ quản lý danh mục đầu tư phức tạp một cách hiệu quả hơn.

• Năng lượng: Tối ưu cân bằng tải trên lưới điện thông minh, tăng tính ổn định và hỗ trợ tích hợp tốt hơn các nguồn năng lượng tái tạo.

AlphaEvolve được thiết kế để hỗ trợ giải các bài toán phức tạp có thể được doanh nghiệp mô tả bằng code và đo lường một cách khách quan. Dịch vụ AlphaEvolve Service API hiện đã được áp dụng thông qua chương trình Early Access của Google Cloud. Nếu doanh nghiệp đang cần tư vấn và tham gia chương trình Early Access, vui lòng liên hệ với Cloud Ace - Google Cloud Managed Service Provider tại Việt Nam.

Subscribe now

Các khả năng chính BigQuery AI

1. Ứng dụng Gen AI vào dữ liệu Tích hợp trực tiếp các mô hình AI của Google và đối tác vào multimodal data trong BigQuery thông qua các hàm SQL đơn giản.

2. Đơn giản hóa hành trình Data-to-ML Quản lý trọn vẹn vòng đời máy học ngay trong BigQuery — thiết kế tính năng đến đào tạo mô hình, điều chỉnh, suy luận và giám sát mà không cần di chuyển dữ liệu.

3. Tăng tốc xây dựng quy trình và ứng dụng doanh nghiệp có thể đẩy nhanh tiến độ công việc nhờ các agents trực quan, chuyên biệt được tích hợp sẵn.

Tối ưu hóa dữ liệu đa phương thức với Generative AI

Việc tích hợp trực tiếp các mô hình AI tiên tiến vào kho dữ liệu thông qua các câu lệnh SQL đơn giản giúp doanh nghiệp tăng tốc triển khai Generative AI, đồng thời khai thác chiều sâu ngữ nghĩa từ dữ liệu đa phương thức.

• AI functions kết hợp LLM và mô hình embedding trong truy vấn SQL, hỗ trợ doanh nghiệp tự động hóa nhiều tác vụ quan trọng như tạo nội dung, phân tích chuyên sâu, tóm tắt, trích xuất dữ liệu có cấu trúc, phân loại, tạo embedding và làm giàu dữ liệu. Các function này cũng hỗ trợ lọc, đánh giá và phân loại dữ liệu. Với managed AI functions, BigQuery tự động lựa chọn mô hình tối ưu chi phí vầ chất lượng.

• Embeddings & search functions mở rộng năng lực tìm kiếm của doanh nghiệp bằng cách chuyển từ phương pháp dựa trên từ khóa sang tìm kiếm theo ngữ nghĩa và ngữ cảnh. Embedding và vector search trong BigQuery đáp ứng nhiều nhu cầu quan trọng như RAG, tìm kiếm đa phương thức, loại bỏ dữ liệu trùng lặp, phân cụm và xây dựng hệ thống gợi ý.

Hợp nhất quy trình từ xử lý dữ liệu đến suy luận AI

Mục tiêu khi Google Cloud ra mắt BigQuery ML là thu hẹp khoảng cách giữa AI/ML và dữ liệu, cho phép người dùng SQL thực hiện các tác vụ máy học trên nền tảng BigQuery. Qua quá trình phát triển, các tính năng liên tục được bổ sung nhằm hoàn thiện một nền tảng toàn diện, khép kín, giúp tăng tốc toàn bộ vòng đời máy học.

Ví dụ: PUMA đã sử dụng khả năng ML tích hợp sẵn trong BigQuery để nâng cấp quy trình phân khúc thủ công, xây dựng các nhóm đối tượng tinh vi dựa trên khuynh hướng mua sắm. Kết quả đạt được: các phân khúc ứng dụng ML ghi nhận CTR tăng 149,8%, conversion rate 4,6% và 6% giá trị đơn hàng trung bình.

BigQuery AI tối ưu hóa toàn bộ vòng đời ML thông qua việc đưa mã nguồn trực tiếp vào dữ liệu.

• Không di chuyển dữ liệu: Đào tạo và vận hành mô hình trực tiếp trong BigQuery bằng SQL hoặc Python. Không cần di chuyển dữ liệu hay quản lý cơ sở hạ tầng.

• Vòng đời khép kín: Xử lý mọi công đoạn từ kỹ thuật đến huấn luyện, đánh giá, tinh chỉnh, triển khai và suy luận trong BigQuery mà không yêu cầu chuyên môn sâu về các framework ML chuyên biệt.

• Mô hình linh hoạt: Tùy chọn sử dụng các mô hình tích hợp sẵn, nhập mô hình tùy chỉnh từ bên ngoài, hoặc sử dụng các mô hình huấn luyện trước (như TimesFM) cho suy luận zero-shot.

• Suy luận thống nhất: Thực thi dự đoán thông qua batch processing, real-time streaming hoặc suy luận từ xa.

Bên cạnh đó, BigQuery AI hỗ trợ linh hoạt các môi trường phát triển — từ BigQuery Studio, Colab Enterprise notebook tích hợp AI, cho đến các IDE tùy chọn khác.

Nâng cao trải nghiệm Agentic AI cho mọi người dùng

Trong hệ sinh thái BigQuery AI, các khả năng của data agents và assistive AI cũng được hợp nhất nhằm tối ưu hóa và tự động hóa quy trình làm việc

• Data Engineering Agent:giúp xây dựng, điều chỉnh và quản lý data pipeline thông qua mô tả yêu cầu bằng ngôn ngữ tự nhiên. Công cụ này chuyển đổi yêu cầu đơn giản thành SQL code chuẩn cho môi trường sản xuất, tự động hóa các tác vụ phức tạp như làm sạch, biến đổi dữ liệu và mô hình hóa schema.

• Data Science Agent: tự động hóa toàn bộ quy trình khoa học dữ liệu. Công cụ này thiết lập kế hoạch nhiều bước, tạo và thực thi code, phân tích kết quả và trình bày phát hiện. Ngoài ra, nó còn hỗ trợ trực quan hóa dữ liệu từ các mô tả ngắn gọn, giải thích và chuyển đổi code, cũng như tự động chẩn đoán và khắc phục lỗi.

• Conversational Analytics Agent:Giúp doanh nghiệp vượt qua rào cản kỹ thuật, cho phép đặt câu hỏi bằng ngôn ngữ tự nhiên để nhận được thông tin phân tích rõ ràng, mang tính hành động cao, qua đó phổ cập dữ liệu tới mọi đối tượng.

• Assistive AI features: Các công cụ như data canvas và code completion giúp đơn giản hóa và đẩy nhanh các tác vụ thường xuyên.

Bên cạnh các agent có sẵn và tính năng assistive AI, BigQuery còn cung cấp bộ công cụ mạnh mẽ để phát triển agent tùy chỉnh và tích hợp agentic AI vào các ứng dụng. Conversational Analytics API cung cấp nền tảng để nhúng năng lực xử lý ngôn ngữ tự nhiên vào sản phẩm, tạo ra trải nghiệm dữ liệu phù hợp nhu cầu doanh nghiệp. Với các trường hợp nâng cao hơn, Agent Development Kit (ADK) mang đến framework toàn diện để xây dựng và triển khai hệ thống multi-agent phức tạp, trong khi Model Context Protocol (MCP) tiêu chuẩn hóa cách các mô hình AI giao tiếp với cơ sở dữ liệu và các công cụ khác.

Subscribe now

Không chỉ chú trọng tính thẩm mỹ, Nano Banana Pro còn tận dụng khả năng lập luận tiên tiến của Gemini 3 để tạo nên các nội dung mang giá trị ứng dụng cao: từ tài liệu giáo dục cho đến sơ đồ, biểu đồ minh họa dựa trên dữ liệu cung cấp hoặc thông tin thực tế.

Bên cạnh đó, mô hình có thể kết nối trực tiếp với kho tri thức khổng lồ của Google Search, giúp nhanh chóng tạo hình minh họa cho công thức nấu ăn hoặc trực quan hóa dữ liệu thời gian thực như thời tiết hay thể thao.

Tạo hình ảnh vượt trội với văn bản chuẩn xác ở nhiều ngôn ngữ

Nano Banana Pro là mô hình tối ưu cho việc tạo hình ảnh đi kèm văn bản được hiển thị chính xác và dễ đọc, dù đó là một tagline ngắn hay một đoạn văn dài.

Việc thiết kế văn bản chi tiết trên mockup hoặc posters trở nên thuận tiện hơn nhờ sự đa dạng về chất liệu, phông chữ và phong cách thư pháp. Bên cạnh đó, nhờ khả năng suy luận đa ngôn ngữ nâng cao của Gemini, các tác vụ tạo văn bản bằng nhiều thứ tiếng, địa phương hóa và chuyển ngữ nội dung được thực hiện hiệu quả, hỗ trợ tối đa cho việc tiếp cận thị trường quốc tế cũng như chia sẻ thông tin dễ dàng.

Prompt: Create 8 minimalist logos, each representing a word. Design the letters to visually convey a message or sound, powerfully representing the meaning of each word. Layout: flat vector, all black logo on a white background.

Tạo hình ảnh chất lượng cao với khả năng sáng tạo vượt trội

• Sự nhất quán trong thiết kế: Với Nano Banana Pro, người dùng có thể sử dụng đến 14 hình ảnh đồng thời vẫn giữ được sự đồng nhất và diện mạo của tối đa 5 người. Khoảng cách giữa khái niệm và thành phẩm được thu hẹp. Dù là chuyển đổi các bản phác thảo sơ bộ thành sản phẩm hoàn chỉnh hay biến bản vẽ kỹ thuật thành cấu trúc 3D, mọi quy trình đều được thực hiện mượt mà. Dễ dàng áp dụng phong cách hình ảnh mong muốn cho các mockup, đảm bảo hình ảnh thương hiệu luôn được thống nhất và liền mạch trên mọi điểm chạm.

  

  Prompt: Create a medium shot of 14 furry characters sitting side by side on an old beige fabric sofa and on the floor. They are all looking straight ahead, watching a vintage wooden-framed television set on a low wooden table in front of the sofa. The room is softly lit, with warm light from the window on the left and the light from the TV screen highlighting the characters’ faces and soft furry textures. In the background is a cozy, slightly messy living room with a braided rug, bookshelves with old books, and rustic kitchen details. The overall feel is warm, cozy, and playful.

• Kiểm soát sáng tạo chuẩn studio: Các tính năng mới của Nano Banana Pro mang đến quyền kiểm soát sáng tạo tối ưu trong thiết kế. Người dùng có thể lựa chọn, chỉnh sửa và thay đổi bất kỳ chi tiết nào của hình ảnh nhờ khả năng chỉnh sửa cục bộ mạnh mẽ. Việc điều chỉnh góc máy, thay đổi tiêu cự, áp dụng kỹ thuật chỉnh màu chuyên sâu hay thậm chí chuyển đổi ánh sáng bối cảnh (như chuyển ngày thành đêm hoặc tạo hiệu ứng bokeh) đều có thể thực hiện dễ dàng. Đảm bảo thành phẩm đạt độ phân giải 2K hoặc 4K sắc nét, sẵn sàng cho các chiến dịch marketing thương hiệu đồng bộ trên mọi nền tảng.

Trải nghiệm Nano Banana Pro

Hệ thống sản phẩm và dịch vụ củ Google hiện cung cấp hai option: phiên bản Nano Banana nguyên bản dành cho các tác vụ chỉnh sửa nhanh gọn, và Nano Banana Pro dành cho các bố cục phức tạp, đòi hỏi chất lượng hình ảnh cao nhất, cùng độ tinh xảo về thị giác.

Người dùng cá nhân và sinh viên: Nano Banana Pro đang được triển khai toàn cầu trên Gemini app khi chọn “Create Image” với mô hình “Thinking”.

• Người dùng miễn phí sẽ nhận được hạn mức nhất định, sau đó sẽ quay lại sử dụng mô hình Nano Banana gốc.

• Người đăng ký Google AI Plus, Pro và Ultra sẽ nhận hạn mức cao hơn. Trong AI Mode trên Search, Nano Banana Pro hiện đã khả dụng tại Mỹ cho người đăng ký Google AI Pro và Ultra. Trên NotebookLM, Nano Banana Pro cũng đã được tích hợp cho người đăng ký toàn cầu.

Đối với các chuyên gia: Google đang nâng cấp khả năng tạo hình ảnh trên Google Ads lên Nano Banana Pro nhằm trao sức mạnh sáng tạo và công cụ chỉnh sửa tiên tiến trực tiếp cho các nhà quảng cáo trên toàn cầu. Đồng thời, tính năng này bắt đầu được triển khai trong Google Slides và Vids cho các doanh nghiệp sử dụng Google Workspace.

Developer và doanh nghiệp: Nano Banana Pro đang được tích hợp vào Gemini API, Google AI Studio và Google Antigravity hỗ trợ tạo các bố cục UX và mockup phong phú. Doanh nghiệp có thể bắt đầu xây dựng trên Vertex AI để tạo sản phẩm quy mô lớn, và tính năng này sẽ sớm có mặt trên Gemini Enterprise.

Creators: Tính năng đang được triển khai riêng cho người đăng ký Google AI Ultra trong Flow, công cụ làm phim hỗ trợ bởi AI, nhằm mang lại độ chính xác và khả năng kiểm soát cao hơn đối với khung hình và bối cảnh cho các nhà sáng tạo, nhà làm phim và maketer.

Cách nhận diện hình ảnh do AI tạo ra

Google tin rằng việc nhận diện hình ảnh được tạo bởi AI là yếu tố then chốt. Vì vậy, tất cả các nội dung do công cụ của Google tạo ra đều được gắn SynthID digital watermark không thể nhận thấy bằng mắt thường.

Một công cụ xác minh mạnh mẽ đã được Google đưa trực tiếp đến người dùng: chỉ cần tải hình ảnh lên ứng dụng Gemini, công nghệ SynthID sẽ cho biết hình ảnh đó có được tạo bởi Google AI hay không. Ban đầu, tính năng này áp dụng cho hình ảnh và sẽ sớm mở rộng sang âm thanh và video.

Bên cạnh SynthID, watermark (biểu tượng Gemini) sẽ được duy trì trên các hình ảnh do người dùng gói miễn phí và gói Google AI Pro tạo ra. Điều này giúp việc nhận diện nội dung do Google AI tạo ra trở nên dễ dàng hơn.

Nhằm đáp ứng nhu cầu về không gian thị giác nguyên bản và thẩm mỹ cho các tác vụ chuyên nghiệp, watermark sẽ được loại bỏ đối với hình ảnh được tạo bởi người dùng đăng ký gói Google AI Ultra cũng như trong công cụ dành cho nhà phát triển Google AI Studio.

Subscribe now

Giới thiệu mô hình Gemini 3

Gemini 3 là mô hình mạnh mẽ nhất về khả năng hiểu đa phương thức (multimodal understanding), đồng thời là mô hình agentic và vibe coding mạnh mẽ nhất từ trước đến nay, mang lại khả năng suy luận vượt trội. Mô hình được xây dựng để nắm bắt những tầng ý nghĩa sâu sắc và tinh tế, bao gồm cả việc nhận ra các gợi ý nhỏ hay bóc tách những lớp chồng chéo của một vấn đề phức tạp.

Gemini 3 được cho là vượt trội trong việc xác định ngữ cảnh và ý định đằng sau yêu cầu, giúp người dùng nhận được câu trả lời ưng ý với ít câu lệnh (prompt) nhất.

Gemini 3 Pro

Gemini 3 được ra mắt với phiên bản preview Gemini 3 Pro, có khả năng hiện thực hóa mọi ý tưởng nhờ vào năng lực suy luận tiên tiến và khả năng đa phương thức (multimodal). Mô hình này vượt trội đáng kể so với phiên bản 2.5 Pro trên mọi tiêu chuẩn đo lường AI quan trọng.

Gemini 3 Pro đứng đầu bảng xếp hạng LMArena với điểm đột phá 1501 Elo. Mô hình thể hiện khả năng suy luận cấp độ Tiến sĩ (PhD-level) với điểm số cao nhất trong các bài kiểm tra:

• Humanity’s Last Exam: Đạt 37.5% (mà không sử dụng bất kỳ công cụ nào).

• GPQA Diamond: Đạt 91.9%.

Đồng thời, thiết lập một tiêu chuẩn mới cho các mô hình trong lĩnh vực toán học, đạt mức 23.4% trên MathArena Apex. Vượt ra ngoài văn bản, Gemini 3 Pro định nghĩa lại khả năng suy luận đa phương thức với điểm số ấn tượng:

• MMMU-Pro: Đạt 81%.

• Video-MMMU: Đạt 87.6%.

Mô hình cũng đạt 72.1% trên SimpleQA Verified, cho thấy sự tiến bộ lớn về độ chính xác của thông tin thực tế. Điều này đồng nghĩa Gemini 3 Pro có năng lực cao trong việc giải quyết các vấn đề phức tạp trên nhiều lĩnh vực đa dạng như khoa học và toán học, với độ tin cậy cao.

Gemini 3 Pro thiết lập tiêu chuẩn mới về sự tương tác. Các phản hồi của mô hình được tối ưu hóa để trở nên thông minh, súc tích và đi thẳng vào vấn đề, tập trung vào việc cung cấp những insight chân thực, thay vì những thông tin chung chung. Mô hình hoạt động như một đối tác tư duy, giúp người dùng tiếp cận thông tin và thể hiện ý tưởng theo những cách mới.

Gemini 3 Deep Think

Gemini 3 Deep Think - chế độ tăng cường suy luận - giúp nâng cao hiệu suất của Gemini 3. Hiện Google đã cung cấp phiên bản preview cho người dùng đăng ký Google AI Ultra.

Trong quá trình thử nghiệm, Gemini 3 Deep Think vượt trội hơn so với hiệu suất vốn đã ấn tượng của Gemini 3 Pro trên các bài kiểm tra:

• Humanity’s Last Exam: Đạt 41.0% (mà không sử dụng công cụ).

• GPQA Diamond: Đạt 93.8%.

Mô hình này cũng đạt được mức kỷ lục chưa từng có 45.1% trên ARC-AGI-2 (có thực thi code, đã được ARC Prize xác minh), chứng minh năng lực giải quyết các thách thức mới lạ.

Lợi ích của Gemini 3

Học hỏi

Gemini 3 được thiết kế để tổng hợp liền mạch thông tin từ mọi phương thức (văn bản, hình ảnh, video, âm thanh, code). Nó nâng cao giới hạn của suy luận đa phương thức, giúp việc học tập được cá nhân hóa và hiệu quả hơn nhờ sự kết hợp: Khả năng suy luận, xử lý thông tin và hình ảnh không gian tiên tiến, cùng khả năng làm việc hiệu suất cao trong đa ngôn ngữ. Mô hình có thể xử lý ngữ cảnh tối đa 1 triệu token đầu vào.

Ngoài ra, để hiểu rõ hơn thông tin trên website, AI mode trong Google Search hiện ứng dụng Gemini 3 để tạo ra trải nghiệm generative UI mới như bố cục trực quan hấp dẫn và các công cụ mô phỏng tương tác, dựa trên truy vấn của người dùng.

Xây dựng

Kế thừa 2.5 Pro, Gemini 3 là công cụ hiện thực hóa mọi ý tưởng cho nhà phát triển. Mô hình vượt trội trong zero-shot generation, xử lý các câu lệnh/hướng dẫn phức tạp để tạp dựng Web UI tương tác. Gemini 3 là mô hình vibe coding và agentic coding tốt nhất của Google, giúp nâng cao năng suất cho các developers.

Kết quả:

• Đứng đầu WebDev Arena với 1487 Elo.

• Đạt 54.2% trên Terminal-Bench 2.0 (kiểm tra khả năng sử dụng terminal).

• Vượt xa 2.5 Pro trên SWE-bench Verified (76.2%), một tiêu chuẩn đo lường khả năng của coding agents.

Hiện tại, developers có thể sử dụng Gemini 3 trong Google AI Studio, Vertex AI, Gemini CLI và nền tảng phát triển agentic mới của Google, Google Antigravity. Mô hình này cũng có mặt trên các nền tảng third-party khác như Cursor, GitHub, JetBrains, Manus, Replit, etc.

Lập kế hoạch

Google đã đạt tiến bộ vượt bậc trong khả năng lập trình và lập kế hoạch dài hạn:

• Gemini 3 đã dẫn đầu bài kiểm tra lập kế hoạch dài hạn Vending-Bench 2 (bài kiểm tra khả năng lập kế hoạch dài hạn thông qua việc vận hành một mô hình kinh doanh máy bán hàng tự động giả lập).

• Điểm mạnh Gemini 3 Pro: Duy trì sử dụng công cụ và ra quyết định nhất quán trong suốt mô phỏng một năm, đạt lợi nhuận cao mà không đi chệch mục tiêu.

• Lợi ích: Nhờ khả năng suy luận sâu và sử dụng công cụ ổn định, Gemini 3 có thể thực hiện các quy trình phức tạp, nhiều bước (ví dụ: phân loại email trong Gmail, lập lịch trình du lịch).

Người dùng Google AI Ultra có thể trải nghiệm các tính năng tác nhân này với Gemini Agent trong ứng dụng Gemini từ hôm nay.

Giới thiệu Google Antigravity

Google vừa ra mắt Google Antigravity - nền tảng phát triển agentic - cho phép lập trình viên làm việc xoay quanh nhiệm vụ thay vì từng thao tác nhỏ lẻ. Antigravity biến AI từ một công cụ thành một đối tác chủ động, cho phép các agent tự động lập kế hoạch và thực hiện các tác vụ phần mềm phức tạp, từ đầu đến cuối một cách đồng thời thay mặt người dùng, bao gồm cả việc tự xác thực mã của chính mình.

Google Antigravity còn tích hợp Gemini 3 Pro, cùng với mô hình Gemini 2.5 Computer Use (dành cho kiểm soát trình duyệt) và mô hình chỉnh sửa hình ảnh hàng đầu Nano Banana (Gemini 2.5 Image).

Subscribe now

Về bản chất, hệ thống multi-agent (đa tác nhân) là một tập hợp các agent hoạt động riêng lẻ, độc lập được thiết kế để cùng cộng tác nhằm đạt được mục tiêu. Để khai thác hiệu quả mô hình này, Google Cloud đã chia hệ thống thành 3 cốt lõi chính:

• Decentralized Control: Thay vì một hệ thống quản lý tập trung, mỗi agent sẽ tự đưa ra quyết định dựa trên các dữ liệu và quy tắc riêng.

• Local view: Mỗi agent chỉ có một cái nhìn một phần về hệ thống. Nó nhận thức và phản ứng với môi trường xung quanh, chứ không cần nắm bắt toàn bộ trạng thái phức tạp của hệ thống.

Emergent Behavior: Từ những tương tác cục bộ, đơn giản, các hành vi phức tạp và thông minh ở cấp độ toàn cục bắt đầu xuất hiện (emerge). Các Agents làm việc cùng nhau theo cách này có thể giải quyết những nhiệm vụ mà không một agent đơn lẻ nào có thể dễ dàng hoàn thành một mình.

Cách Google ADK hỗ trợ cho hệ thống multi-agent?

Bộ giải pháp Agent Developkent Kits được Google xây dựng nhằm phục vụ cho các hệ tống đa tác nhân. Thay vì, người dùng phải chắp vá các thành phần khác lại với nhau. ADK cung cấp 1 framework gồm 3 loại agent chính, đảm nhận các vai trò cụ thể gồm:

• LLM Agents: Là trung tâm xử lý thông tin và ra quyết định. Các tác nhân này sử dụng mô hình ngôn ngữ lớn như Gemini để phân tích các yêu cầu, thực hiện suy luận và xác định chiến lược hành động.

• Workflow Agents: Đảm nhận vai trò quản lý và điều phối quy trình. Tác nhân này không trực tiếp thực thi các tác vụ mà tập trung vào việc giám sát, phân bổ và đảm bảo workflow được thực thi chính xác, hiệu quả giữa các agents

• Custom Agents: Là các agents tùy chỉnh với các chức năng riêng biệt tùy theo nhu cầu của doanh nghiệp, các agent này được phát triển bằng Python (thông qua BaseAgent) để đáp ứng chính xác yêu cầu đó.

Khái niệm cơ bản: Agent Hierarchy

Khi phát triển trên nền tảng ADK, các agents được tổ chức theo một cấu trúc phân cấp, tương tự như sơ đồ tổ chức của doanh nghiệp. Cấu trúc này là trụ cột của toàn hệ thống và tuân thủ hai nguyên tắc vận hành cơ bản:

• Parent & Sub-Agents: Một parent agent có khả năng quản lý và ủy thác nhiệm vụ cho một hoặc nhiều sub-agents.

• Single Parent Rule: Mỗi tác nhân chỉ có thể báo cáo cho duy nhất một parent agent, đảm bảo tính nhất quán và rõ ràng trong luồng mệnh lệnh và luồng dữ liệu.

Điều phối và quản lý tác vụ với Workflow Agents

Hoạt động như một dây chuyền, thực thi các sub-agents theo một thứ tự đã định trước. Đầu ra của agent này có thể được chuyển làm đầu vào cho agent kế tiếp.

Thực thi đồng thời tất cả các tsub-agent. Phù hợp cho các tác vụ độc lập, có thể chạy song song (ví dụ: gọi nhiều API cùng lúc).

Hoạt động như một vòng lặp trong lập trình, các sub-agents được thực thi lặp đi lặp lại cho đến khi một điều kiện cụ thể được đáp ứng hoặc đạt đến số lần lặp tối đa.

Các agents giao tiếp với nhau thế nào?

• Shared Session State Hoạt động như một digital whiteboard. Các agent chia sẻ thông tin bằng cách đọc và ghi vào một đối tượng state chung, giúp các agent khác biết và phối hợp hành động

• LLM-Driven Delegation: một parent agent thường là LLM đóng vai trò điều phối viên thông minh. Nó tự động phân tích yêu cầu và định tuyến (route) tác vụ đến sub-agent phù hợp nhất.

• Explicit Invocation (AgentTool): Cho phép một agent gọi trực tiếp một agent khác như một “công cụ” hoặc hàm khi cần một chức năng chuyên biệt (ví dụ: gọi CalculatorAgent để tính toán).

Subscribe ngay để tìm hiểu thêm các giải pháp về AI và Google Cloud từ Cloud Ace - Google Cloud Managed Service Provider tại Việt Nam

Subscribe now

Gemini Enterprise: Nền tảng AI hợp nhất cho doanh nghiệp

Thay vì phải ghép nhiều công cụ khác lại với nhau, Gemini Enterprise cung cấp một môi trường duy nhất, an toàn, hỗ trợ mọi nhân viên dễ dàng xây dựng và triển khai các AI Agent để tự động hóa các quy trình. Giải pháp này được xây dựng trên 6 thành phần cốt lõi:

• Nền tảng được hỗ trợ bởi các mô hình Gemini tiên tiến nhất của Google, cung cấp trí tuệ đỉnh cao cho mọi tác vụ.

• Môi trường không cần code, cho phép mọi nhân viên dễ dàng phân tích thông tin và tự động hóa các quy trình phức tạp.

• Hệ thống Google Agents được xây dựng sẵn, phù hợp cho các công việc chuyên môn cao như nghiên cứu, phân tích dữ liệu đồng thời người dùng cũng có thể ứng dụng các agent được tùy chỉnh theo nhu cầu riêng hoặc các giải pháp từ hệ sinh thái đối tác của Google.

• Gemini Enterprise kết nối dữ liệu an toàn, tích hợp liền mạch và bảo mật dữ liệu doanh nghiệp dù dữ liệu có được lưu trữ trên Google Workspace, Microsoft 365 hay các ứng dụng kinh doanh như Salesforce và SAP.

• Quản trị Tập trung: Cung cấp một nền tảng duy nhất để giám sát, bảo mật và kiểm tra toàn bộ các AI Agent trong doanh nghiệp.

• Hệ sinh thái Mở: Xây dựng trên nền tảng mở với hơn 100.000 đối tác, đảm bảo sự linh hoạt, lựa chọn và đổi mới không ngừng.

Bằng cách hợp nhất các yếu tố này, Gemini Enterprise không chỉ giải quyết các tác vụ đơn lẻ mà còn tự động hóa toàn bộ luồng công việc, giúp doanh nghiệp đưa ra quyết định thông minh hơn và đạt được kết quả vượt trội trên nền tảng bảo mật đẳng cấp của Google.

Các phiên bản dành cho doanh nghiệp

Để tìm hiểu thêm các thông tin, demo trực tiếp và triển khai Gemini Enterprise, vui lòng liên hệ với Cloud Ace.

Nhận tư vấn ngay

Theo thông tin của Google, các mô hình này sẽ tạo ra âm thanh gốc phong phú hơn, từ các cuộc hội thoại tự nhiên đến hiệu ứng âm thanh đồng bộ, đồng thời cung cấp khả năng kiểm soát cốt truyện tốt hơn với sự hiểu biết sâu sắc hơn về các phong cách điện ảnh. Khả năng chuyển đổi hình ảnh sang video được cải thiện đảm bảo khả năng bám sát nhanh hơn, đồng thời mang lại chất lượng âm thanh và hình ảnh vượt trội, đồng thời duy trì tính nhất quán của nhân vật trong nhiều cảnh.

Ngoài bản cập nhật mô hình, Google Cloud còn giới thiệu các khả năng mới như sử dụng hình ảnh tham chiếu để hướng dẫn tạo video, mở rộng video Veo hiện có và tạo chuyển tiếp giữa khung hình đầu tiên và khung hình cuối cùng.

Hướng dẫn tạo video với “Ingredients to video”

Người dùng có thể cung cấp tối đa 3 hình ảnh tham chiếu về một nhân vật, vật thể hoặc cảnh, nhằm duy trì tính nhất quán của nhân vật qua nhiều cảnh quay hoặc áp dụng một phong cách cụ thể cho video. Flow sử dụng các thành phần mà người dùng đã cung cấp để tạo ra cảnh cuối cùng trông đúng như họ hình dung.

Tạo video dài hơn với “Scene extension”

Với tiện ích mở rộng Scene, người dùng có thể tạo video kéo dài một phút hoặc hơn, bằng cách tạo các clip mới kết nối với video trước đó. Mỗi video mới sẽ được tạo dựa trên giây cuối cùng của clip trước đó. Điều này, giúp duy trì tính liên tục về mặt hình ảnh, khiến tính năng này trở nên phù hợp để kéo dài các cảnh quay với âm thanh nền.

Kiểm soát video với “First and last frame”

Tạo ra những cảnh quay mượt mà, tự nhiên, kết nối hai hình ảnh khác nhau. Bằng cách cung cấp hình ảnh bắt đầu và kết thúc, Veo 3.1 sẽ tạo ra hiệu ứng chuyển tiếp giữa chúng, kèm theo âm thanh.

Chỉnh sửa thành phần và video chính xác hơn

Google Cloud giới thiệu các tính năng chỉnh mới trong Flow giúp người dùng tái hiện và hoàn chỉnh các cảnh quay của mình.

• Thêm các yếu tố mới vào bất kỳ cảnh nào: Với “Insert”, người dùng có thể thêm bất cứ thứ gì từ chi tiết thực tế đến sinh vật kỳ ảo. Flow sẽ xử lý các chi tiết phức tạp như bóng đổ và ánh sáng cảnh, giúp phần bổ sung trông tự nhiên hơn.

• Loại bỏ các vật thể hoặc ký tự không mong muốn: Người dùng sẽ có thể loại bỏ bất kỳ thứ gì khỏi cảnh, và Flow sẽ tái tạo lại nền và môi trường xung quanh, khiến nó trông như thể vật thể chưa từng tồn tại.

Nhận tư vấn từ Cloud Ace

Phiên bản Gemini 2.5 Flash Image là bước tiến tiếp theo sau sự ra mắt của tính năng tạo ảnh gốc trên Gemini 2.0 Flash được Google công bố vào đầu năm, một phiên bản vốn đã được thị trường đón nhận tích cực nhờ độ trễ thấp, chi phí thấp và dễ sử dụng. Gemini 2.5 Flash Image được phát triển nhằm đáp ứng nhu cầu ngày càng cao về chất lượng hình ảnh vượt trội và khả năng kiểm soát sáng tạo mạnh mẽ hơn từ phía người dùng chuyên nghiệp.

Mô hình này hiện đã có trên nền tảng API Gemini và Google AI Studio cho các nhà phát triển, và Vertex AI dành cho các doanh nghiệp.

Nhằm đơn giản hóa việc xây dựng ứng dụng với Gemini 2.5 Flash Image, Google AI Studio’s “build mode” đã được cập nhật những cải tiến quan trọng. Bản cập nhật này cho phép người dùng nhanh chóng thử nghiệm các khả năng của mô hình thông qua những ứng dụng AI tùy chỉnh, biến ý tưởng thành hiện thực chỉ bằng một câu prompt duy nhất. Sau khi hoàn tất, ứng dụng có thể được triển khai trực tiếp từ Google AI Studio hoặc lưu code lên GitHub.

Duy trì tính nhất quán

Thách thức cơ bản trong việc tạo hình ảnh là duy trì sự nhất quán về ngoại hình của một nhân vật hay đối tượng nào đó qua nhiều câu prompt và các lần chỉnh sửa khác nhau. Với Gemini 2.5 Flash Image, người dùng có thể đặt cùng một nhân vật vào các bối cảnh khác nhau, trưng bày một sản phẩm từ nhiều góc độ trong các bối cảnh mới, hoặc tạo ra sản phẩm thương hiệu nhất quán, mà vẫn giữ nguyên chủ thể.

Một ứng dụng mẫu đã được tích hợp sẵn trong Google AI Studio, cho phép người dùng dễ dàng tùy chỉnh và phát triển thêm code dựa trên đó.

Chỉnh sửa ảnh theo yêu cầu

Gemini 2.5 Flash Image cho phép chuyển đổi mục tiêu và chỉnh sửa cục bộ chính xác bằng ngôn ngữ tự nhiên.
Ví dụ: mô hình có thể làm mờ nền ảnh, xóa vết bẩn trên áo phông, xóa toàn bộ một người khỏi ảnh, thay đổi tư thế của chủ thể, thêm màu cho ảnh đen trắng, hoặc bất kỳ điều gì khác mà người dùng có thể nghĩ ra chỉ bằng một câu promt.

Để thể hiện những khả năng này trong thực tế, Google đã xây dựng một ứng dụng mẫu chỉnh sửa ảnh trong AI Studio, tích hợp các trình điều khiển dựa trên cả giao diện người dùng (UI) và câu prompt.

Kiến trúc ngữ nghĩa

Các mô hình thường xuất sắc trong việc tạo ra những hình ảnh có tính thẩm mỹ cao, nhưng lại thiếu sự am hiểu sâu sắc về ngữ nghĩa. Với Gemini 2.5 Flash Image, mô hình tận dụng kho kiến thức của Gemini, qua đó mở ra các trường hợp sử dụng mới.

Một ứng dụng mẫu trong Google AI Studio đã được phát triển để biến một khung vẽ đơn giản thành một gia sư giáo dục tương tác. Ứng dụng này thể hiện khả năng của mô hình trong việc đọc và hiểu các sơ đồ vẽ tay, hỗ trợ giải đáp các câu hỏi thực tế, và thực hiện theo các hướng dẫn chỉnh sửa phức tạp chỉ trong một bước duy nhất.

Hợp nhất nhiều hình ảnh

Gemini 2.5 Flash Image có thể hiểu và kết hợp nhiều hình ảnh đầu vào. Người dùng có thể đặt một đối tượng vào một bối cảnh, thay đổi phong cách một căn phòng với một bảng màu hay họa tiết, và hòa trộn các hình ảnh chỉ bằng một câu prompt.

Google đã xây dựng một ứng dụng template trong Google AI Studio cho phép kéo thả các sản phẩm vào một bối cảnh mới để nhanh chóng tạo ra một hình ảnh hòa trộn chân thực như ảnh chụp.