Gemini 4 Argon hiện đã có mặt để tự động gán nhãn trên Ultralytics Platform

Gán nhãn dữ liệu vẫn là công đoạn tốn thời gian nhất trong hầu hết dự án thị giác máy tính. Tự động gán nhãn giúp tăng tốc quy trình này bằng cách để model tạo bản nháp hộp giới hạn, nhờ đó nhóm của bạn chỉ cần xem xét và chỉnh sửa thay vì tự vẽ từng đối tượng. Tuy nhiên, bản nháp chỉ hữu ích khi model tạo ra nó đủ tốt.

Hôm nay, Gemini 4 Argon đã có mặt để tự động gán nhãn trên Ultralytics Platform. Trong bài benchmark của chúng tôi với toàn bộ 26 model tự động gán nhãn theo prompt lớp trên Ultralytics Platform, bao gồm GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 và Claude Fable 5.1, Gemini 4 Argon đạt độ chính xác cao nhất với khoảng cách đáng kể.

Điểm mới: Gemini 4 Argon dùng để tự động gán nhãn#

Gemini 4 Argon được bổ sung vào nhóm model ngôn ngữ-thị giác theo prompt lớp trong trình chỉnh sửa gán nhãn của Ultralytics Platform. Với tập dữ liệu phát hiện đối tượng có từ 1–200 lớp, model phân tích từng ảnh và trả về các hộp bao quanh những đối tượng thuộc các lớp trong tập dữ liệu mà model phát hiện được; bạn có thể xem xét và lưu chúng như mọi dự đoán khác.

Bạn có thể sử dụng model theo hai cách:

• Mỗi lần một ảnh: Trong trình chỉnh sửa gán nhãn, chuyển sang chế độ Smart, chọn gemini-4-argon trong mục Google của bộ chọn model, rồi nhấp Predict (hoặc nhấn P).
• Toàn bộ tập dữ liệu: Chạy Batch Annotation từ More actions > Batch Annotation trên trang tập dữ liệu để gán nhãn mọi ảnh chưa được gán nhãn trong một lần chạy.

Gemini 4 Argon nằm cùng các tùy chọn tự động gán nhãn khác trên Ultralytics Platform, từ prompt điểm của SAM 3.1 đến các model Ultralytics YOLO đã fine-tune của riêng bạn. Để có cái nhìn tổng quan hơn, hãy xem cách Ultralytics Platform sử dụng AI để tự động hóa việc gán nhãn.

Cách chúng tôi benchmark 26 model tự động gán nhãn#

Một model phát hiện gần như mọi đối tượng trong ảnh đời thường vẫn có thể bỏ sót phần lớn đối tượng trong ảnh chụp y tế hoặc bo mạch. Vì vậy, thay vì chỉ dùng ảnh đời thường, chúng tôi đã kiểm thử trên UL37, một tập hợp các tập dữ liệu benchmark thực tế mà Ultralytics dùng để đánh giá, và chọn 36 tập dữ liệu phát hiện từ đó. Các tập dữ liệu này bao quát chẩn đoán hình ảnh y tế, ảnh hàng không và vệ tinh, kiểm tra PCB, ảnh X-quang an ninh, kệ bán lẻ, giao thông, thể thao, cảnh dưới nước, video nhiệt và nhiều lĩnh vực khác.

Chúng tôi gửi 108 ảnh đã gán nhãn (ba ảnh cho mỗi tập dữ liệu) đến mọi model theo prompt lớp trên Ultralytics Platform bằng cùng đoạn code phát hiện mà trình chỉnh sửa gán nhãn sử dụng, kèm danh sách đầy đủ các lớp của từng tập dữ liệu, rồi chấm điểm các hộp được trả về bằng cách so sánh với ground truth theo mAP50. Mỗi nhà cung cấp chạy ở mức nỗ lực suy luận mặc định; điểm số giữa các lần chạy lặp lại chỉ dao động khoảng 0.005 mAP50.

Gemini 4 Argon so với GPT-6.1 Sol, Claude Opus 5.5 và GPT-6 Astra#

Gemini 4 Argon đạt 0.565 mAP50, cao hơn đáng kể so với GPT-6.1 Sol (0.491), Gemini 3.8 Flash (0.489), Claude Opus 5.5 (0.476) và GPT-6 Astra (0.470). Model xử lý thành công mọi yêu cầu, với thời gian trung vị khoảng năm giây mỗi ảnh.

Lợi thế của model không đến từ việc suy nghĩ lâu hơn. Ở mức tư duy mặc định, Gemini 4 Argon sử dụng trung vị khoảng 150 token đầu ra mỗi ảnh, tương đương Claude Opus 5.5 và thấp hơn nhiều so với GPT-6.1 Sol hoặc Gemini 3.8 Flash.

Độ chính xác so với chi phí: Gemini 4 Argon, Claude Haiku 5.5 và các model cao cấp#

Model trả phí sử dụng API key của nhà cung cấp do bạn cung cấp, vì vậy nhà cung cấp sẽ tính phí trực tiếp cho mỗi dự đoán. Theo giá ra mắt của Google, áp dụng đến hết ngày 30 tháng 11 năm 2026, Gemini 4 Argon có chi phí khoảng $7.60 cho mỗi 1.000 ảnh trong bài benchmark của chúng tôi. Sau thời điểm đó, giá sẽ tăng gấp đôi, lên khoảng $15 cho mỗi 1.000 ảnh với cùng mức sử dụng.

Model cao cấp có chi phí cao hơn nhưng điểm số không cao hơn. GPT-6 Astra và Claude Fable 5.1 có chi phí lần lượt khoảng $47 và $37 cho mỗi 1.000 ảnh, với điểm số lần lượt là 0.470 và 0.372. Nếu chi phí quan trọng hơn độ chính xác tối đa, Claude Haiku 5.5 (0.384 mAP50 với chi phí khoảng $0.35 cho mỗi 1.000 ảnh) và Gemini 3.5 Flash-Lite (0.363 với chi phí khoảng $1.36) là các model chi phí thấp chính xác nhất. Nếu bạn không muốn dùng API key của nhà cung cấp, Qwen3.8 27B là model được lưu trữ trên Ultralytics Platform có độ chính xác cao nhất.

Gemini 4 Argon trên 12 lĩnh vực thực tế#

Gemini 4 Argon vượt mức trung bình của cả 26 model ở 11 trong số 12 lĩnh vực và đồng hạng trong lĩnh vực ảnh dưới nước. Mức cải thiện lớn nhất là ở đường sá và giao thông (0.59 so với 0.17) và ảnh hàng không (0.65 so với 0.30); model cũng đạt điểm cao gấp đôi mức trung bình trong chẩn đoán hình ảnh y tế (0.57 so với 0.28).

Ảnh chuyên biệt vẫn là thách thức đối với mọi model. Ảnh PCB công nghiệp và ảnh X-quang an ninh vẫn có mAP50 dưới 0.2, ngay cả với Gemini 4 Argon. Hãy xem các hộp dự đoán là bản nháp đầu tiên để con người tham gia quy trình rà soát, đồng thời kiểm tra một vài dự đoán trên ảnh của chính bạn trước khi gán nhãn toàn bộ tập dữ liệu.

Bắt đầu sử dụng Gemini 4 Argon trên Ultralytics Platform#

1. Thêm Google API key trong mục Settings > API Keys của workspace sở hữu tập dữ liệu, hoặc yêu cầu chủ sở hữu workspace thêm key (xem hướng dẫn).
2. Mở một tập dữ liệu phát hiện trên Ultralytics Platform, chuyển trình chỉnh sửa gán nhãn sang chế độ Smart, rồi chọn gemini-4-argon trong mục Google.
3. Nhấp Predict để gán nhãn ảnh hiện tại, sau đó xem xét, điều chỉnh và lưu các hộp.
4. Khi kết quả đã ổn, chạy Batch Annotation để gán nhãn phần còn lại của tập dữ liệu.

Batch Annotation áp dụng phí xử lý tiêu chuẩn của Ultralytics Platform là $1.00 cho mỗi 1.000 ảnh, tách biệt với khoản Google tính vào API key của bạn. Mỗi lần chạy sẽ lưu một phiên bản tập dữ liệu trước, vì vậy bạn luôn có thể khôi phục phiên bản trước đó.

Sau khi gán nhãn tập dữ liệu, hãy huấn luyện một model Ultralytics YOLO26 trên tập dữ liệu đó trong cùng workspace (xem tài liệu huấn luyện). Đang so sánh các công cụ gán nhãn? Hãy đọc hướng dẫn của chúng tôi về các nền tảng gán nhãn ảnh tốt nhất và các công cụ tự động gán nhãn và học chủ động. Sau đó, đăng nhập Ultralytics Platform để thử Gemini 4 Argon trên dữ liệu của chính bạn.