Luyện nói tiếng Anh bằng Shadowing qua video: Gemini 4 Argon explained in 5min..

Chọn chế độ luyện tập

Mỗi chế độ mở một phòng luyện tập toàn màn hình.

56 câu

Nếu các câu quá ngắn hoặc quá dài, hãy bấm Edit để chỉnh sửa.

It's been about seven months since Google announced a new flagship model, Gemini 4 Argon.

Even during Google I .O back in May, I expected Google to drop Gemini 3 .5 Pro.

But Google has been releasing a lot of flash models instead,

and a lot of them basically struggle to get market adoption given a variety of other flagship models

and cheaper alternatives from Chinese open models.

And Google finally made a flagship model with the codename Argon, and the preliminary benchmarks show a pretty strong number as you can see.

The first thing you might have noticed here is coding benchmarks, more specifically, scoring 77 .9 % on DeepSuite,

which would put Gemini 4 Argon above every other model we currently have.

But it's always good to have some healthy skepticism here.

Recently, EPOC found issues on DeepSuite Benchmark, finding 23 tasks that are flawed.

And looking back to when the benchmark was actually released back in May, the entire 113 tasks and their solutions are made public,

which means labs that have access to these could easily study them during post -training and benchmarks their models around public benchmarks.

And when we look at other benchmarks that Google reported here, a large majority of them are public.

So the further we go out in time, labs that release their models later have a slight advantage to potentially include them during post -training.

And of course, as users, all of this makes it really difficult to track real progress in AI since

so many public benchmarks like DeepSuite can be contaminated pretty fast.

Not only that, benchmarks get saturated a lot faster now than before, which forces benchmarks to be refreshed more frequently.

So consumers now carry a huge burden keeping track of real scientific progress in AI.

But regardless of the case, achieving this kind of leap in benchmark is a huge improvement from Google.

Now, when we take a step back and look at how Google is competing with other labs, a lot of people still primarily use clock code,

codecs, or open harnesses when it comes to coding.

And despite being a strong model, Google still hasn't really solved making their harness anti -gravity a truly competitive option for developers.

For a recent report, Codex has more than doubled the amount of weekly active users at 5 million compared to 2 .4 million for anti -gravity.

And on face value, Gemini 4 Argon currently undercuts both Anthropic

and OpenAI when it comes to the cost of intelligence until the temporary discount ends and the price doubles again.

But the cost benefit that we find here doesn't actually translate in Pareto Frontier, as you can see.

Argon falls below the Pareto Frontier, showing you that Anthropic and OpenAI still leads ahead in both the harness and model adoption.

Now, one angle we should think about, though, is the upcoming IPO for Anthropic and possibly OpenAI.

While OpenAI and Anthropic have a huge incentive to subsidize the model through subscription pretty heavily to grow their users,

Google already sits on top of one.

And given that Google is already a publicly traded company,

they want to be more careful about how to allocate their existing compute towards actually creating value within their ecosystem,

which could help increase their perceived revenue.

Even looking at how Argon is being rolled out in segments, the model is set to be made available to ultra -subscription users

and paid API users where there's already a huge revenue being

captured instead of fighting the subscription rates in channeling their compute towards that.

On a recent Google's Q2 earning call, they said that their API is processing 22 billion tokens per minute,

which is 6 billion more than the previous quarter.

That's more than 11 quadrillion tokens per year in just API channel alone.

And when you start factoring in other channels that Google owns in its distribution,

we really get a closer picture into what Google really means when they said that they're supply constrained.

And eventually, OpenAI and Anthropic will have to solve this scaling problem while maintaining healthy margins at the same time,

not just subsidizing subscription to capture more users.

So looking at Gemini for Argon, Google is demonstrating their capability in keeping pace at the frontier

while they also try to figure out how to capture value at scale.

One interesting note on Argon is how Google extended their output tokens from 64 ,000 to 1 million tokens.

This might not sound like a big deal, but it's definitely a huge move from Google

because maintaining coherence as autoregressive models generate longer and longer tokens get increasingly difficult the longer the output tokens get.

Scientists like Yen Le Koon made criticism on autoregressive models for this very reason,

where autoregressively generating one token after another can compound errors over long trajectory, let alone 1 million from Argon.

If you can imagine each token that's 99 % reliable, chaining 100 independent steps together would leave about 37 % chance of every step being correct.

Now, of course, that's just in theory, assuming that every token error is independent.

But the fact

that Google has enough confidence to extend their commercial product to

1 million output tokens really opens up door for longer trajectory tasks like code migration

and long -running research tasks that could benefit from a model that can generate more.

Tải Ứng Dụng

Mọi thứ bạn cần để nói trôi chảy

Chấm điểm AIChấm từng câu nói

Luyện IPAThành thạo mọi âm

Từ vựngMở rộng vốn từ

Game Từ vựngHọc qua chơi

Quét QR

Download on theApp Store Get it onGoogle Play

Cùng kênh

World Models explained in 10min..

Business EnglishUniversity StudentsWorking Adults

FOR YOU

Video gợi ý

90 câu

Expensive RTX 5090 for LLMs? NO. Use This Instead. (Tesla V100 SXM2 + Z8 G4, #RACERRRZ)

Daily ConversationUniversity StudentsWorking Adults

40 câu

The Engineering that Runs the Digital World 🛠️⚙️💻 How do CPUs Work?

Daily ConversationUniversity StudentsWorking Adults

345 câu

Andrew Ng on Coding Agents and Deciding What to Build

Daily ConversationUniversity Students

182 câu

We Let $200 GPT-Pro Think for 7 Days on Unsolved Math

Daily ConversationUniversity StudentsWorking Adults

Từ vựng và ghi chú luyện nói cho bài học này

Bài luyện nói này dựa trên video “Gemini 4 Argon explained in 5min.”. Những từ được nhắc lại nhiều nhất trong bài: Google, model, benchmark, token, Argon. Video này có 56 câu và 877 từ để luyện shadowing. Phần lời nói dài 4:56. Người nói nói với tốc độ tự nhiên, khoảng 178 từ mỗi phút, gần với hội thoại hằng ngày. Chỉ 77% số từ nằm trong 3.000 từ tiếng Anh thông dụng nhất, nên từ vựng khá khó.

Từ vựng quan trọng trong video

15 từ đáng học trong video, kèm phiên âm và nghĩa:

Từ	Phiên âm	Nghĩa
output danh từ	/ˈaʊtpʊt/	đầu ra
capture động từ	/ˈkæp.(t)ʃɚ/	bắt
generate động từ	/ˈd͡ʒɛn.ə.ɹeɪt/	sinh ra, gây ra
flagship danh từ	/ˈflæɡʃɪp/	soái hạm
solve động từ	/sɒlv/	giải quyết
extend động từ	/ɛkˈstɛnd/	kéo dài
trajectory danh từ	/tɹəˈd͡ʒɛktəɹi/	quỹ đạo
earn động từ	/ɝn/	kiếm
temporary tính từ	/ˈtɛmp(əˌɹ)ɛɹi/	tạm thời, lâm thời
compare động từ	/kəmˈpɛɚ/	so sánh, so
angle danh từ	/ˈæŋ.ɡəl/	gốc
discount danh từ	/ˈdɪskaʊnt/	bớt giá, sự bớt
reliable tính từ	/ɹɪˈlaɪəbl̩/	tin cậy, đáng tin cậy
announce động từ	/əˈnaʊn(t)s/	thông báo
burden danh từ	/ˈbɝdn̩/	gánh nặng

Cụm động từ bạn sẽ nghe

Từ	Nghĩa
open up động từ	mở

Ngữ pháp trong video

Những cấu trúc người nói dùng nhiều nhất, kèm đúng cụm từ trong video:

Cấu trúc	Trong video
Câu bị động be + quá khứ phân từ — nhấn vào việc xảy ra, không phải người làm	are flawed · was actually released · can be contaminated
Thì hiện tại hoàn thành have/has + quá khứ phân từ — việc đã xảy ra nhưng còn liên quan đến hiện tại	It's been · hasn't really solved

Phát âm cần chú ý

Người nói dùng 3 dạng rút gọn, ví dụ doesn't, hasn't, they're. Hãy nói theo dạng ngắn đúng như bạn nghe.

Âm “sh” và “zh”: benchmark /ˈbɛn(t)ʃmɑːk/, subscription /səbˈskɹɪpʃən/, capture /ˈkæp.(t)ʃɚ/, flagship /ˈflæɡʃɪp/, adoption /əˈdɑp.ʃən/
Từ dài — đặt trọng âm cho đúng: trajectory /tɹəˈd͡ʒɛktəɹi/, primarily /ˈpɹaɪ.mə.ɹə.li/, temporary /ˈtɛmp(əˌɹ)ɛɹi/, potentially /pəˈtɛnʃ(ə)li/, developer /dɪˈvɛləpɚ/

Những âm người Việt thường gặp khó:

Cụm phụ âm cuối — đọc đủ từng âm, đừng nuốt âm cuối: solve /sɒlv/, extend /ɛkˈstɛnd/, discount /ˈdɪskaʊnt/, announce /əˈnaʊn(t)s/, segment /ˈsɛɡmɛnt/
Âm /tʃ/, /dʒ/ và /ʒ/ — tiếng Việt không có, đừng đọc thành “ch” hay “gi”: generate /ˈd͡ʒɛn.ə.ɹeɪt/, trajectory /tɹəˈd͡ʒɛktəɹi/, margin /ˈmɑɹ.d͡ʒɪn/
Âm /æ/ — mở miệng rộng hơn âm “e”: capture /ˈkæp.(t)ʃɚ/, lab /læːb/, flagship /ˈflæɡʃɪp/, gravity /ˈɡɹævɪti/, flash /flæʃ/

Cách luyện với video này

Nghe hết video một lần, chưa cần nói, và ghi lại những từ bạn chưa biết.
Bắt đầu ở tốc độ 0,75×, nói đuổi từng câu, rồi quay lại tốc độ bình thường khi đã quen.
Ghi âm giọng mình rồi so với bản gốc, chú ý các từ như output, capture, generate.

Phương Pháp Shadowing Là Gì?

Shadowing là kỹ thuật học ngôn ngữ có cơ sở khoa học, ban đầu được phát triển cho chương trình đào tạo phiên dịch viên chuyên nghiệp và được phổ biến rộng rãi bởi nhà đa ngôn ngữ học Dr. Alexander Arguelles. Nguyên lý cốt lõi đơn giản nhưng cực kỳ hiệu quả: bạn nghe tiếng Anh của người bản xứ và lặp lại to ngay lập tức — như một "cái bóng" (shadow) đuổi theo người nói với độ trễ chỉ 1–2 giây. Khác với luyện ngữ pháp hay học từ vựng bị động, Shadowing buộc não bộ và cơ miệng phải đồng thời xử lý và tái tạo ngôn ngữ thực tế. Các nghiên cứu khoa học xác nhận phương pháp này cải thiện đáng kể phát âm, ngữ điệu, nhịp điệu, nối âm, kỹ năng nghe và độ lưu loát khi nói — đặc biệt hiệu quả cho người luyện IELTS Speaking và muốn giao tiếp tiếng Anh tự nhiên như người bản ngữ.

Phương pháp shadowing: đọc hướng dẫn từng bước đầy đủ →

Luyện nói tiếng Anh bằng Shadowing qua video: Gemini 4 Argon explained in 5min..

Chọn chế độ luyện tập

Tải Ứng Dụng

World Models explained in 10min..

Did Google just dethrone OpenAI and Anthropic?

Gemma 4 Just Released - Whats In? In 2026!

LangChain in 5 Minutes (Explained Clearly)

They JUST Accidentally Revealed the Truth: The AI Bubble

Give me 31 minutes, I will make PyTorch click forever

My 4.9-Star iOS App Is Actually a Website: Here’s How I Built It

What's New in Zephyr 4.5?

Go’s Big Mistake

Expensive RTX 5090 for LLMs? NO. Use This Instead. (Tesla V100 SXM2 + Z8 G4, #RACERRRZ)

The Engineering that Runs the Digital World 🛠️⚙️💻 How do CPUs Work?

Andrew Ng on Coding Agents and Deciding What to Build

We Let $200 GPT-Pro Think for 7 Days on Unsolved Math

Từ vựng và ghi chú luyện nói cho bài học này

Từ vựng quan trọng trong video

Cụm động từ bạn sẽ nghe

Ngữ pháp trong video

Phát âm cần chú ý

Cách luyện với video này

Phương Pháp Shadowing Là Gì?