Trong các cập nhật Gemini của Google năm 2026, Deep Research là một trong những module ít được nói tới ngoài cộng đồng research, nhưng có thể là module giá trị nhất với người làm tri thức ở VN. Tháng 4 vừa rồi, Sundar Pichai đẩy tweet công bố hai cập nhật quan trọng: MCP support và sinh biểu đồ + infographic tự động ngay trong report — không cần dùng tool ngoài.
Tweet công bố từ CEO Google
We are launching two powerful updates to Deep Research in the Gemini API, now with better quality, MCP support, and native chart/infographics generation. Use Deep Research when you want speed and efficiency, and use Max when you want the highest quality context gathering & synthesis using extended test-time compute — achieving 93.3% on DeepSearchQA and 54.6% on HLE.
— @sundarpichai (CEO Google + Alphabet — 5.048 likes)
Deep Research vs Max — chọn cái nào?
Câu trả lời nằm trong chính tweet:
- Deep Research (mặc định) — Nhanh hơn, đủ cho 80% câu hỏi research thường. Trả lời trong 30-90 giây.
- Max mode — Chậm hơn (2-8 phút mỗi câu) nhưng chất lượng vượt trội. Dùng cho task khó: lit review, due diligence, market analysis chuyên sâu.
Benchmark đáng ghi nhớ
- 93.3% trên DeepSearchQA — benchmark tổng hợp web research. Đứng đầu thị trường.
- 54.6% trên HLE (Humanity's Last Exam) — benchmark học thuật khó nhất hiện tại. Vượt GPT-5.4 Pro và Claude Opus 4.7.
HLE là benchmark "cuối cùng" — gồm câu hỏi PhD-level mà cả Claude và GPT đều thường chỉ đạt 30-40%. 54.6% của Deep Research Max là con số quan trọng — cho thấy combination "model + web search + test-time compute" thực sự là path khả thi cho research-grade AI.
Native chart + infographic — tại sao đáng kể?
Trước đây, dùng AI cho research có flow rất gãy: AI trả lời text, user copy số liệu sang Excel/Google Sheets, vẽ biểu đồ, paste lại vào báo cáo. Mỗi bước mất thời gian. Với Deep Research mới, một câu prompt như "phân tích doanh thu Apple 2020-2025 và vẽ biểu đồ tăng trưởng" sẽ trả về cả văn phân tích + biểu đồ rendered ngay trong câu trả lời.
Đối với người làm báo, analyst, sinh viên thạc sĩ/tiến sĩ VN, đây là productivity boost đáng kể. Thay vì 30 phút research + 1 giờ tổng hợp, có thể compress xuống 5 phút prompt + 10 phút review.
MCP support — kết nối với hệ thống nội bộ
MCP (Model Context Protocol) là chuẩn mở do Anthropic phát triển 2024. Cho phép model AI kết nối với tool, database, file system của user qua interface chuẩn. Khi Deep Research hỗ trợ MCP, nó có thể:
- Đọc database nội bộ doanh nghiệp (PostgreSQL, MongoDB) qua MCP server.
- Truy cập file system trên máy user (local docs, Excel).
- Tích hợp với Google Drive, Notion, Confluence, GitHub.
Tức là Deep Research không chỉ "search web + reasoning" như trước. Nó là "search web + đọc data riêng của bạn + reasoning". Đối với doanh nghiệp VN, đây mở ra use case như: "Phân tích báo cáo nội bộ Q1 của công ty, so sánh với báo cáo công khai của 3 đối thủ trong ngành, đưa ra 5 insight chiến lược". Trước đây cần research analyst làm 2-3 ngày — giờ AI làm 30 phút.
Cho người dùng VN
Researcher / Sinh viên thạc sĩ + tiến sĩ
Deep Research Max thay được phần lớn first-pass lit review. Đặc biệt hữu ích cho field interdisciplinary — nơi bạn không có background trong domain phụ. Vẫn nên double-check citation: AI có thể hallucinate paper title hoặc number.
Journalist / Editor báo chí VN
Dùng Deep Research cho background research bài đào sâu. Đặc biệt cho bài tài chính, công nghệ, chính trị quốc tế — nơi cần tổng hợp nhanh từ nhiều nguồn.
Doanh nghiệp / Analyst
Đầu tư MCP server cho database nội bộ — đây là one-time setup cho giá trị lâu dài. Sau đó Deep Research có thể serve analyst toàn công ty với cost rất thấp.
Một dự đoán
Đến cuối 2026, có lẽ vai trò "first-pass research analyst" trong các công ty knowledge work sẽ bị Deep Research và các tool tương tự (ChatGPT Deep Research, Perplexity Pro) thay thế phần lớn. Còn lại sẽ là "senior analyst" — người định khung câu hỏi, đánh giá output, đưa quyết định. Khoảng cách kỹ năng giữa "junior" và "senior" trong các ngành research sẽ ngày càng giãn ra.
Đối với người Việt đang ở giai đoạn đầu sự nghiệp knowledge work — lời khuyên: đừng học "làm research grunt" (đã có AI). Học "định khung câu hỏi đúng" và "đánh giá output AI có hợp lý không". Đó là kỹ năng senior — và là kỹ năng đáng đầu tư trong 12-18 tháng tới.