Google เปิดตัว Gemini 4 Argon เร่งกลับสู่แนวหน้า AI

1. Google เปิดตัว Gemini 4 Argon เน้นงานซับซ้อนระดับองค์กร

Google เปิดตัว Gemini 4 Argon ซึ่งเป็นโมเดล AI รุ่นเรือธงตัวแรกในตระกูล Gemini 4 โดยออกแบบมาให้ทำงานที่ซับซ้อนและใช้เวลาหลายขั้นตอนได้ดีขึ้น โดยเฉพาะงานด้านวิศวกรรมซอฟต์แวร์ การเงิน กฎหมาย และความมั่นคงไซเบอร์ บริษัทเริ่มเปิดใช้งานกับหน่วยงานรัฐบาลสหรัฐฯ และกลุ่มผู้เชี่ยวชาญด้านความปลอดภัยบางส่วนก่อน เพื่อทดสอบระบบป้องกันความเสี่ยง ก่อนขยายไปยังนักพัฒนา องค์กร และผู้ใช้งานทั่วไป

Google ระบุว่า Argon รองรับการสร้างผลลัพธ์ได้สูงสุดถึง 1 ล้านโทเคน จากเดิม 64,000 โทเคน ทำให้สามารถรับมือกับงานยาวและซับซ้อนได้ในครั้งเดียวมากขึ้น เช่น การวิเคราะห์เอกสารจำนวนมาก การแก้ปัญหาเชิงวิศวกรรม และการทำงานหลายขั้นตอนต่อเนื่อง

2. จุดเด่นคือ Coding, งานความรู้ และ Cybersecurity

ผลทดสอบที่ Google เปิดเผยชี้ว่า Gemini 4 Argon ทำคะแนนได้ดีในหลายด้าน โดยเฉพาะ DeepSWE v1.1 ที่ 77.9% สำหรับงานวิศวกรรมซอฟต์แวร์ระยะยาว และ Vals Index ที่ 68.9% ซึ่งวัดความสามารถด้านงานการเงิน กฎหมาย การเขียนโค้ด และภาษี นอกจากนี้ยังทำคะแนนสูงสุดใน AutomationBench ที่ 51.3% และ LVBench ที่ 91.7% สำหรับการเข้าใจวิดีโอขนาดยาว

ด้านความมั่นคงไซเบอร์ Argon สามารถค้นหา ตรวจสอบ และแก้ไขช่องโหว่ซอฟต์แวร์ได้อัตโนมัติ โดยทำคะแนน 68% ใน CWE-bench v1 สูงสุดร่วมกับคู่แข่ง และ Google ระบุว่าโมเดลสามารถค้นพบช่องโหว่ในระบบจริงบางกรณีที่โมเดลรุ่นก่อนตรวจไม่พบ

3. Google ใช้ Argon ภายในแล้ว และเริ่มเห็นประโยชน์ด้านต้นทุน

Google ระบุว่าพนักงานหลายพันคนเริ่มใช้ Argon ภายในบริษัท ทั้งด้านการเขียนโค้ด การวิจัย และการปรับปรุงประสิทธิภาพระบบ เช่น Argon ช่วยวิเคราะห์ข้อมูลจากศูนย์ข้อมูลและค้นหาแนวทางลดการใช้หน่วยความจำได้มากกว่า 300 TiB และอาจเพิ่มเป็น 500 TiB–1 PiB หากใช้งานเต็มรูปแบบ

อีกตัวอย่างคือการย้ายโค้ดขนาดใหญ่จาก C/C++ ไปยัง Rust รวมถึงโครงการที่มีโค้ดมากกว่า 800,000 บรรทัด ซึ่งสะท้อนว่า Google ต้องการใช้ Argon ไม่เพียงเป็นผลิตภัณฑ์ขายภายนอก แต่เป็นเครื่องมือเพิ่มประสิทธิภาพการพัฒนาซอฟต์แวร์และลดต้นทุนภายในบริษัทเองด้วย

4. ราคาเปิดตัวต่ำ เพื่อเร่งการใช้งานและแข่งขันกับคู่แข่ง

Gemini 4 Argon จะเปิดตัวด้วยราคาเบื้องต้นที่ $2 ต่อ 1 ล้านโทเคนขาเข้า และ $10 ต่อ 1 ล้านโทเคนขาออก ขณะที่ข้อมูลที่ถูกเก็บไว้ใช้ซ้ำจะมีส่วนลด 95% จากราคาขาเข้า ถือเป็นกลยุทธ์ด้านราคาที่ค่อนข้างเชิงรุก เพื่อเร่งการนำโมเดลไปใช้ในองค์กรและนักพัฒนา

ราคาเปิดตัวดังกล่าวต่ำกว่าโมเดลระดับบนของคู่แข่งอย่างมีนัยสำคัญ ซึ่งอาจช่วยให้ Google ใช้ข้อได้เปรียบด้านโครงสร้างพื้นฐาน Cloud และฐานลูกค้าองค์กรเดิมในการเร่งขยาย Gemini ได้เร็วขึ้น

5. อย่างไรก็ตาม ประสิทธิภาพใช้งานจริงยังมีข้อถกเถียง

แม้ Google ระบุว่า Argon ทำคะแนนสูงในหลายแบบทดสอบ แต่มีพนักงานบางส่วนให้ข้อมูลกับ Bloomberg ว่าความสามารถด้านการเขียนโค้ดยังไม่สม่ำเสมอ โดยเฉพาะงานออกแบบส่วนหน้าของเว็บไซต์และแอป ขณะที่บางแบบทดสอบ Argon ยังตามหลังโมเดลคู่แข่ง Google ปฏิเสธว่าการกล่าวว่าโมเดลมีประสิทธิภาพต่ำด้านการเขียนโค้ดเป็นคำอธิบายที่ถูกต้อง และระบุว่าการทดสอบภายในยังแสดงให้เห็นว่าโมเดลอยู่ในระดับแนวหน้า

ดังนั้น ประเด็นที่ต้องติดตามไม่ใช่เพียงคะแนนทดสอบ แต่คือประสิทธิภาพเมื่อนำไปใช้จริงในงานของนักพัฒนาและองค์กร เพราะหากผลใช้งานจริงไม่สอดคล้องกับคะแนนทดสอบ อาจจำกัดความสามารถของ Google ในการแย่งส่วนแบ่งตลาดจาก OpenAI และ Anthropic ได้

6. Gemini 4 สำคัญต่อ Google มากกว่าการแข่งขันด้านโมเดลอย่างเดียว

Gemini เป็นเทคโนโลยีพื้นฐานที่ Google ใช้ใน Search, Gmail, Maps, Chrome และผลิตภัณฑ์อื่นที่มีผู้ใช้มากกว่าพันล้านคน ทำให้ความสามารถของ Gemini 4 มีผลโดยตรงต่อการแข่งขันของธุรกิจหลักทั้งโฆษณา Cloud และบริการ AI ระดับองค์กร

Google ยังมีข้อได้เปรียบด้านการกระจายผลิตภัณฑ์ เพราะสามารถฝัง Gemini เข้าในบริการที่มีผู้ใช้อยู่แล้วจำนวนมาก หาก Argon สามารถรักษาคุณภาพในระดับแนวหน้าได้จริง บริษัทจึงมีโอกาสสร้างรายได้จาก AI ได้ทั้งผ่านบริการ Cloud, API และการเพิ่มมูลค่าให้ผลิตภัณฑ์เดิม

Gemini 4 Argon และประเด็นสำคัญต่อ Alphabet

มุมมองของ InnovestX

• INVX มองการเปิดตัว Gemini 4 Argon เป็นบวกต่อ Alphabet เพราะช่วยลดความกังวลว่า Google กำลังตามหลังในการแข่งขัน AI พร้อมเปิดโอกาสให้บริษัทใช้ความได้เปรียบจากฐานผู้ใช้ขนาดใหญ่และ Google Cloud เพื่อเร่งการใช้งาน AI ในองค์กร จุดเด่นด้านราคา งานองค์กร และความมั่นคงไซเบอร์อาจช่วยเพิ่มการใช้งาน Gemini และ Cloud ระยะกลาง
• อย่างไรก็ตาม ประเด็นสำคัญที่ต้องติดตามคือประสิทธิภาพในการใช้งานจริง โดยเฉพาะการเขียนโค้ด รวมถึงต้นทุนการประมวลผลของโมเดลขนาดใหญ่ ซึ่งอาจกดดันอัตรากำไรหากการใช้งานเพิ่มขึ้นเร็วกว่าความสามารถในการลดต้นทุน

ผลต่อธุรกิจ Alphabet

ข้อสงวนสิทธิ์
ข้อมูล ความเห็น บทวิเคราะห์ ราคา การคาดการณ์ และ/หรือ ข้อมูลอื่นใด (“ข้อมูล”) ที่ปรากฏ จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยมีที่มาจากแหล่งข้อมูลสาธารณะที่เชื่อว่าเชื่อถือได้ บริษัทหลักทรัพย์ อินโนเวสท์ เอกซ์ จำกัด (“INVX”) ไม่รับรองความถูกต้อง ครบถ้วน หรือความเป็นปัจจุบันของข้อมูลดังกล่าว โดยเป็นข้อมูล ณ วันที่เผยแพร่และอาจเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า ข้อมูลนี้ไม่ถือเป็นการรับประกันราคาหรือผลตอบแทน คำแนะนำการลงทุน การเสนอซื้อหรือขายหลักทรัพย์ หรือชักชวนให้เสนอซื้อหรือเสนอขายหลักทรัพย์ใด INVX และ/หรือ กรรมการ พนักงาน และลูกจ้างของ INVX ไม่รับผิดชอบต่อความเสียหายอันเป็นผลมาจากหรือเกี่ยวข้องกับการใช้ข้อมูลดังกล่าว

INVX และธนาคารไทยพาณิชย์ จำกัด (มหาชน) (“ธนาคารฯ”) เป็นบริษัทย่อยที่บริษัท เอสซีบี เอกซ์ จำกัด (มหาชน) (SCBX) เป็นผู้ถือหุ้นรายใหญ่ ข้อมูลที่เกี่ยวข้องกับธนาคารฯ มีวัตถุประสงค์เพื่อใช้ในการเปรียบเทียบเท่านั้น INVX และ/หรือ บริษัทในเครือ SCBX อาจเป็นที่ปรึกษาทางการเงิน ผู้จัดจำหน่ายหลักทรัพย์ ผู้ออกและเสนอขายหุ้นกู้ที่มีอนุพันธ์แฝง หรือ ตราสารแสดงสิทธิการฝากหลักทรัพย์ต่างประเทศ บนหลักทรัพย์ที่ปรากฏอยู่ในรายงานฉบับนี้ รวมถึงอาจมีการทำธุรกรรมอื่นใดในหลักทรัพย์ที่ถูกกล่าวถึง อันอาจก่อให้เกิดความขัดแย้งทางผลประโยชน์ได้ ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยง ก่อนตัดสินใจลงทุน