Gemini 3 Flash chính thức ra mắt — Google tăng tốc cuộc đua AI tạo sinh

Ngày 24/08/2026, Google DeepMind chính thức công bố Gemini 3 Flash — phiên bản tối ưu tốc độ và chi phí trong họ Gemini 3. Khác với Gemini 3 Pro tập trung vào suy luận sâu, Flash được thiết kế cho các tác vụ cần phản hồi tức thì: chatbot, tóm tắt tài liệu dài, gọi hàm (function calling) và xử lý đa phương thức (multimodal).

Điểm nổi bật đầu tiên là tốc độ. Theo benchmark nội bộ của Google, Flash đạt 185 token/giây trên TPU v6, nhanh gấp 3,1 lần Gemini 3 Pro và gấp 1,8 lần Gemini 2.5 Flash. Với người dùng cuối, nghĩa là một email dài 800 từ được tóm tắt trong chưa đầy 1,5 giây.

Thứ hai là chi phí. Giá API được niêm yết 0,07 USD / 1M token input và 0,28 USD / 1M token output — rẻ hơn khoảng 60% so với Pro. Google cho biết họ đạt được mức này nhờ kiến trúc Mixture-of-Experts (MoE) mới, chỉ kích hoạt ~18% tham số cho mỗi token.

Thứ ba là cửa sổ ngữ cảnh 2 triệu token, gấp đôi Gemini 2.5 Pro. Bạn có thể ném vào một codebase 600.000 dòng, một bộ hồ sơ pháp lý 1.200 trang, hoặc 10 giờ transcript video và yêu cầu Flash trích xuất, so sánh, viết báo cáo — không cần chia nhỏ.

Về chất lượng, Flash không hy sinh nhiều. Trên MMLU, Flash đạt 88,2% (so với 90,1% của Pro); trên MATH, 71,4%; trên HumanEval (lập trình), 78,9%. Với đa số tác vụ văn phòng, marketing, chăm sóc khách hàng, mức chênh lệch này không đáng kể.

Google cũng giới thiệu tính năng Grounding with Search tích hợp sẵn: Flash có thể tự động tìm kiếm, trích dẫn nguồn và trả về câu trả lời có chú thích — rất hữu ích cho các ứng dụng cần độ tin cậy cao.

Tại AIVORA, Gemini 3 Flash đã có mặt qua API Gateway duy nhất: bạn chỉ cần một API key của AIVORA là gọi được Gemini, GPT, Claude, DeepSeek mà không cần đăng ký riêng từng nhà cung cấp. Giá quy đổi theo credit VND, thanh toán qua MoMo/chuyển khoản, không cần thẻ quốc tế.

Lời khuyên: nếu bạn đang dùng Gemini 2.5 Flash cho chatbot hoặc xử lý tài liệu, hãy nâng lên 3 Flash ngay. Nếu bạn cần suy luận toán học/phân tích chuyên sâu, hãy giữ Pro cho những lượt gọi quan trọng và dùng Flash cho 80% lượt còn lại để tối ưu chi phí.