Gemini Deep Think: Bài kiểm tra trên 5 vấn đề thực tế

Gần đây, Google đã phát hành chế độ Deep Think cho Gemini 2.5 Pro. Deep Think là một tính năng được thiết kế để giải quyết các vấn đề phức tạp. Nó hoạt động bằng cách áp dụng tư duy song song để khám phá đồng thời nhiều ý tưởng, so sánh chúng, rồi chọn ra lời giải hiệu quả nhất.

Trong bài viết này, tôi sẽ khám phá khả năng của nó bằng cách yêu cầu giải các vấn đề thực tế. Từ câu hỏi cấp độ Tiến sĩ đến thách thức kinh doanh, tôi đã thử Deep Think trên năm bài toán phức tạp để đánh giá hiệu năng của nó.

Chúng tôi luôn cập nhật cho độc giả những thông tin mới nhất về AI qua The Median, bản tin miễn phí mỗi thứ Sáu tóm lược các câu chuyện nổi bật trong tuần. Đăng ký để luôn tỉnh táo chỉ với vài phút mỗi tuần:

Gemini Deep Think là gì?

Gemini Deep Think là cải tiến mới được bổ sung vào mô hình Gemini 2.5 Pro, đưa kỹ năng giải quyết vấn đề lên tầm cao mới. Phiên bản hiện có là bản giản lược của mô hình gần đây đạt thành tích hàng đầu tại Kỳ thi Olympic Toán học Quốc tế (IMO) năm nay.

Bản gốc cần hàng giờ để giải các bài toán khó, nhưng phiên bản phát hành hôm nay nhanh hơn nhiều và phù hợp hơn cho các tác vụ hằng ngày, dù vẫn đạt mức Huy chương Đồng tại IMO 2025.

Deep Think được thiết kế cho các câu hỏi thường ngày nhưng vẫn giữ khả năng giải quyết vấn đề mạnh. Người dùng có thể kỳ vọng câu trả lời thấu đáo và sâu sắc khi Deep Think xử lý các tác vụ phức tạp bằng cách kéo dài "thời gian suy nghĩ", giúp nó tạo ra, đánh giá và kết hợp nhiều ý tưởng rất hiệu quả.

Lưu ý rằng tính năng Deep Think không giống Deep Research, vốn được thiết kế để thu thập và tóm tắt thông tin từ web, kèm nguồn và báo cáo có cấu trúc. Một bên suy nghĩ sâu hơn, bên kia nghiên cứu sâu hơn.

Cách truy cập Deep Think?

Hiện tại, Deep Think có thể truy cập trên ứng dụng Gemini nhưng chỉ có trong gói đăng ký Google AI Ultra, với giá €274,99 mỗi tháng.

Nó cũng có sẵn qua API nhưng chỉ cho một nhóm người dùng được chọn. Chúng tôi chưa biết liệu sẽ triển khai rộng rãi hay không.

Nếu bạn có đăng ký Google AI Ultra, bạn có thể kích hoạt Deep Think bằng cách nhấp nút ở cuối ô nhập lệnh.

Hãy nhớ rằng ngay cả với gói Ultra, bạn vẫn bị giới hạn khoảng năm tin nhắn mỗi ngày.

Cách Deep Think hoạt động

Gemini Deep Think vận hành bằng một quy trình tương tự phiên động não của con người, trong đó nó đồng thời khám phá nhiều khả năng để giải một vấn đề.

Điều này đạt được nhờ tư duy song song, cho phép AI xem xét nhiều hướng đi và phương án cùng lúc, thay vì chỉ một lộ trình tuyến tính. Bằng cách tăng "thời gian suy nghĩ", Gemini Deep Think phân tích, so sánh và hòa trộn các ý tưởng khác nhau để đi đến lời giải tối ưu nhất có thể.

Phương pháp này cho phép Gemini xử lý hiệu quả các tác vụ phức tạp bằng cách mô phỏng nhiều kết quả và chiến lược, đem lại cho người dùng những phản hồi vững chắc và sáng tạo trong khoảng thời gian tương đối ngắn.

Bài test 1: Giải một bài toán mở cấp độ Tiến sĩ

Khi viết luận án Tiến sĩ, tôi để lại vài bài toán mở mà mình chưa giải được. Tôi quyết định thử Gemini Deep Think trên một trong số đó.

Bài toán thuộc lĩnh vực mạng máy tính. Lưu lượng di chuyển trong mạng máy tính theo các đường đi ngắn nhất, tương tự việc dùng GPS khi lái xe trên đường. Độ dài của mỗi liên kết mạng chỉ là một số dương và có thể cấu hình thành bất kỳ giá trị nào.

Tuy nhiên, việc cấu hình các liên kết với độ dài rất lớn là không thực tế, nên chúng tôi muốn làm cho trọng số lớn nhất nhỏ nhất có thể.

Đây là lời nhắc tôi gửi cho Gemini Deep Think:

Sau khoảng 15 phút, nó đưa ra câu trả lời. Nó đề xuất một thuật toán tham lam. Đây là kiểu thuật toán không tối ưu nhưng cố gắng tìm lời giải đủ tốt.

Tôi nhận ra lời nhắc ban đầu không đúng thứ mình muốn. Tôi muốn nó hoặc tìm một thuật toán cho lời giải tốt nhất, hoặc chứng minh rằng nhiều khả năng không tồn tại thuật toán như vậy.

Vì vậy tôi tiếp tục cuộc trò chuyện:

Sau thêm 15 phút, nó trả lời rằng bài toán là NP-khó. Điều này có nghĩa là nhiều khả năng không tồn tại thuật toán nhanh cho bài toán này.

Tôi cũng nghĩ đáp án là như vậy. Tôi bắt đầu đọc phần chứng minh, nhưng nó bỏ qua nhiều chi tiết quan trọng. Thay vào đó, nó chỉ đưa một số chi tiết cấp cao và nói rằng lời giải rất phức tạp:

Tôi tiếp tục yêu cầu và hỏi về thông tin bị thiếu, nhưng không bao giờ nhận được một chứng minh đầy đủ chi tiết, nên tôi không thể kiểm tra liệu nó đã giải được bài toán hay chưa.

Cảm giác hơi giống meme toán kinh điển của Sidney Harris:

Trong câu trả lời, tôi nhận thấy cách viết khiến nó trông như không tự nghĩ ra đáp án, mà đang dùng một chứng minh đã biết. Tôi hỏi về điều đó, và nó nói đây là kết quả đã biết, được nêu trong một bài báo năm 2002.

Nó cung cấp tên bài báo, nhưng tôi không tìm thấy ở đâu trên mạng. Hóa ra, tác giả nằm trong hội đồng chấm luận án của tôi. Thật khá buồn cười nếu họ đã giải được vấn đề mà chẳng bao giờ nói với tôi.

Tôi vẫn chưa biết phải nghĩ gì về ví dụ này. Liệu nó đã tìm ra đáp án nhưng không chia sẻ đầy đủ chi tiết? Hay nó chỉ lặp lại một lời giải có sẵn? Hoặc chi tiết bị thiếu vì đáp án chưa đúng?

Bài test 2: Tìm cách chơi tối ưu

Có một trò chơi thẻ chiến thuật tôi hay chơi, và gần đây tôi đang tìm cách tối đa lượng tài nguyên có thể tạo ra ở một trạng thái ván bài cụ thể.

Tôi đã đưa ra các công thức mà tôi nghĩ là tối ưu từ trước, nhưng chưa chứng minh được chúng thực sự tối ưu. Khi đó, tôi đã nhờ các mô hình suy luận AI khác tìm lời giải, và tất cả đều thất bại thảm hại. Không chỉ là câu trả lời không tối ưu; chúng còn không hợp lý theo luật chơi.

Vì vậy, tôi quyết định thử Gemini Deep Think cho bài toán này. Tôi không cung cấp luật chơi (tôi cho rằng nó đã được huấn luyện), nhưng tôi có cung cấp luật của từng lá bài. Bạn không cần hiểu trò chơi hay lời nhắc của tôi để theo dõi ví dụ này.

Đây là lời nhắc:

Một điều cần biết về Gemini là nó khá chậm so với các mô hình khác, nên hãy chờ từ 5 đến 20 phút để nhận phản hồi. Ví dụ này là nhanh, mất khoảng 5 phút.

Đây là một phần câu trả lời. Phần này cho thấy các bước và công thức. Trước đó, nó đã giải thích lập luận của mình:

Tuy nhiên, vì trước đó tôi đã giải được bài toán, tôi biết câu trả lời này không đúng và còn có thể làm tốt hơn. Lý do là có một luật cho phép lách một số ràng buộc của lá bài, điều mà tôi chưa nêu rõ. Tôi không biết nó bỏ sót vì lập luận kém hay vì luật không được sử dụng đầy đủ trong huấn luyện.

Tuy vậy, điều này cho thấy nó có thể có điểm mù ở các lĩnh vực chuyên biệt, nên ta cần thận trọng với câu trả lời nhận được. Nếu đây là câu hỏi quan trọng mà tôi chưa từng giải, tôi sẽ không biết đáp án chưa tốt và có thể dùng nó một cách mù quáng, cho rằng đã đúng. Mặt khác, nếu tôi phải tự giải, thì tôi đâu cần AI ngay từ đầu.

Tôi nói rằng đáp án không đúng và cung cấp thêm thông tin để xem liệu nó có thể cải thiện câu trả lời không.

Lần này, nó đưa ra cùng đáp án mà tôi đã tìm được. Dưới đây là một phần câu trả lời:

Một điều khiến tôi thất vọng là nó không đưa ra chứng minh rằng đây là đáp án tốt nhất có thể.

Bài test 3: Giải câu đố logic

Tiếp theo, tôi thử để nó giải một câu đố logic mà tôi rất thích.

Trường hợp này, nó trả lời nhanh hơn nhiều. Câu trả lời mở đầu rằng đây là một bài toán logic kinh điển.

Sau đó, nó giải thích một chiến lược để giải câu đố. Trong trường hợp này, rõ ràng không có nhiều suy luận được thực hiện và AI đã được huấn luyện sẵn trên lời giải.

Đây là một câu hỏi khó khi đánh giá các mô hình này. Nó tìm được đáp án vì tự nghĩ ra, hay vì lời giải đã được mã hóa sẵn và chỉ việc nhả ra?

Để đẩy xa hơn, tôi thêm một ràng buộc khác để xem kết quả. Tôi nghĩ ra biến thể này ngay lúc đó và chưa từng thấy trước đây. Tôi cũng không biết phiên bản này có lời giải hay không.

Lần này nó lại mất khá lâu để trả lời, điều này là tín hiệu tốt. Nó nói rằng đã tìm được lời giải cho biến thể khó hơn này:

Tuy nhiên, sau khi đọc toàn bộ câu trả lời, có vẻ lời giải mắc vài sai lầm. Cuối phần trả lời, nó đưa một ví dụ thực thi kế hoạch và nhận ra là không hoạt động.

Nó có nói là có lời giải, nhưng tôi không đẩy xa thêm nữa. Hành vi này hơi giống ví dụ trước: bỏ qua vài bước quan trọng, khiến ta không chắc liệu nó thực sự có thể giải bài toán hay không.

Ví dụ 4: Chiến lược thẻ tích điểm cho doanh nghiệp

Tôi đang triển khai chương trình thẻ tích điểm kỹ thuật số cho quán cà phê của mình và băn khoăn chiến lược tốt nhất là gì. Tôi cung cấp chi tiết cho Gemini Deep Think và yêu cầu phân tích đầy đủ các chiến lược khác nhau cùng khuyến nghị.

Đây là lời nhắc tôi dùng:

Đây là trường hợp khác mà nó không mất nhiều thời gian để trả lời. Nó đề xuất bốn giải pháp và nêu ưu/nhược điểm của từng cái.

Giải pháp đầu tiên:

Giải pháp thứ hai:

Giải pháp thứ ba:

Giải pháp thứ tư:

Với bài toán này, dù thích câu trả lời, tôi không thấy khác biệt nhiều so với những gì các mô hình khác đưa ra. Tôi cảm giác dùng Deep Think cho các vấn đề như vậy là quá mức cần thiết và các mô hình AI phổ thông có thể làm tốt tương đương.

Ví dụ 5: Viết mã

Cuối cùng, tôi thử Gemini Deep Think ở một tác vụ lập trình. Tôi không chỉ rõ ngôn ngữ hay chi tiết kỹ thuật nào, chỉ nêu vấn đề muốn giải.

Câu trả lời khá gây thất vọng, thậm chí không cung cấp mã. Có thể đây là lỗi đơn giản, nhưng với mức giá của Deep Think, điều đó không thể chấp nhận.

Câu trả lời không chỉ thiếu mã mà còn không giải thích cách hoạt động của lời giải. Tôi đã chạm giới hạn tin nhắn khi gửi thông điệp này, nên không rõ điều đó có ảnh hưởng đến câu trả lời không. Dù vậy tôi thấy lạ, vì chính thông điệp này vẫn nằm trong giới hạn.

Kết luận

Với các bài toán tôi thử, tôi không cảm nhận có khoảng cách lớn giữa câu trả lời Deep Think đưa ra và các mô hình chuỗi suy nghĩ khác. Vì vậy, dù nó có kết quả benchmark tốt hơn và giành huy chương vàng, tôi tự hỏi liệu nó có mang lại nhiều giá trị cho đa số người dùng không. Tôi xem nó là công cụ hướng đến các nhà nghiên cứu.

Một điều khiến tôi khó chịu là sau khi chạm giới hạn Deep Think, bạn không thể tiếp tục cuộc trò chuyện với một mô hình thường. Nhiều lúc, tôi thấy dùng Deep Think để khởi động lời giải là đủ, rồi để một mô hình thường tiếp quản các ý tưởng ban đầu để đi đến đáp án cuối cùng.

Tôi nghĩ Deep Think có những thành tựu ấn tượng. Giành huy chương tại IMO không phải chuyện nhỏ, và khi các mô hình này phát triển, chúng có thể trở thành công cụ cực kỳ hữu ích cho giới nghiên cứu. Tôi cho rằng, khi kết hợp với con người, Deep Think có thể giúp thúc đẩy nghiên cứu tiến lên.

Khi làm nghiên cứu sinh, tôi thường bế tắc khi chia sẻ ý tưởng với người khác, ngay cả khi họ không đưa ra được lời giải. Sẽ thật tuyệt nếu có một mô hình như Deep Think ở bên để động não thường xuyên hơn và nhanh chóng giúp tôi xác nhận hay loại bỏ ý tưởng.