Google het pas 'n "hacking"-model verskeep. Hier is die verskil.

Wat hierdie video dek

• Google verskeep Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program)
• Meta verskeep Muse Spark 1.3: $1.25/$4.25, of $0.10/$0.20 as Meta daarop mag oefen
• Drie werwe het 215,128 vals "beste sagteware"-bladsye gemaak; Perplexity haal hulle aan

Vertaalde transkripsie

Vertaal uit die oorspronklike Engelse vertelling. Beskikbare klank en onderskrifte word deur YouTube beheer.

0:00 Google het vandag sy derde Flash-model in ses weke verskeep, plus 'n weergawe wat opgelei is om te kap, en vier uur later het Meta 'n model verskeep wat tien sent per miljoen tokens kos as jy Zuckerberg jou kode laat lees, so die KI-prysoorlog het nou 'n kubersekuriteitsafdeling. Dis Woensdag, en die verskil is lank. Gemini 3.8 Flash het elfhonderd punte op Hacker News behaal, Muse Spark 1.3 het byna sewehonderd meer geneem, en intussen, 'n navorsingswinkel het drie webwerwe gevind wat tweehonderdvyftienduisend

0:28 vals beste-sagteware-bladsye gepubliseer het, bloot sodat Perplexity dit sou aanhaal. Ook vandag: 'n pos wat jou smeek om aan jou Firefox vas te hou, het negehonderd agt-en-tagtig punte gekry, en Mistral se hulpbladsy oor die uitskakeling van opleiding het byna vyfhonderd gekry, meestal van Europeërs wat die soewereine opsie ontdek het wat op jou aanwysings oefen by verstek. In hierdie video: wat Gemini 3.8 Flash werklik kos, die "hacking"-model wat Google slegs aan seshonderd-en-vyftig vennote sal verkoop, Meta se tien-sent-vlak en wat dit werklik vra, en die een maatstaf wat nie een maatskappy geskryf het nie.

0:59 Dis Woensdag, 2 September, en dit is The Daily Diff. Gemini 3.8 Flash is vyf-en-sewentig sent per miljoen tokens in en drie sewe-en-sewentig uit, dieselfde as 3.7 Flash van drie weke gelede, met 'n voetnoot wat sê die prys verdubbel op 1 Januarie, wat 'n gratis proeflopie met ekstra stappe is. Op die skyfie-dek-maatstawwe, wat onoorwonne is, behaal dit 54.9 persent op HLE-Verified, X sê dit klop Sol en Opus 5 op Terminal-Bench, en Logan Kilpatrick het 'n 73.7 op DeepSWE geplaas, die een lang-horison

1:29 kodering-maatstaf wat nog nie gememoriseer is nie, na bewering. Simon Willison het dit gevra om 'n cool ding in HTML te maak en het 'n deeltjiesimulasie in dertien sekondes vir 1.8 sent gekry, wat teen sestig rame per sekonde loop, omdat die sestig in die bladsy vasgekood is. Google se eie pos verduidelik die winste met 'n sin wat ek sou raam: 3.8 Flash werk harder. Dit voer ekstra redenasie-stappe uit, roep gereedskap iteratief aan, en, aanhaling, mag meer tokens gebruik, wat korporatief is vir die meter loop vinniger. Die onafhanklike DeepSWE-raad stem in albei opsigte saam: Flash behaal vier-en-sewentig

2:02 persent, gelyk met Opus 5 teen 'n vyfde van die koste per taak, maar dit het honderd-ses-en-sestig stappe en honderd-drie-en-veertigduisend uitset-tokens nodig gehad om daar te kom, meer as twee keer wat Sol spandeer het. Kunsmatige Analise het honderd-en-veertig miljoen tokens en duisend sewe-en-tagtig dollar verbrand net om dit te gradeer. Goedkoop per token, geselsy per taak, en die eerste token kom na twaalf sekondes se dink. Dan die interessante helfte.

2:23 Gemini 3.8 Flash Cyber is dieselfde model met die veiligheidsrelings losgemaak vir, aanhaling, betroubare verdedigers, en Sundar sê dit behaal 86.2 persent op CyberGym, die maatstaf vir die outonome vind van kwesbaarhede. Dit pleister ook: 47.2 persent op CWE-Bench teenoor 47.8 vir 'n toonaangewende grensmodel, die Chrome-span sê dit het 2.6 keer meer korrekte pleisters geproduseer as veel groter kommersiële modelle, en Google se wolknavorers het dit gebruik om 'n kritieke kwesbaarheid in minder as twee uur te vind, 'n taak wat gewoonlik maande neem, of een gemotiveerde tiener.

2:54 Google dring daarop aan dat dit die regstelling bo uitbuiting geprioritiseer het, wat die beleefde manier is om te sê die model kan absoluut deur die gate loop, hulle het dit net gevra om dit nie te doen nie. So jy kan dit nie hê nie. Toegang geskied deur 'n nuwe Fairwind-program: regerings, kritieke infrastruktuur, en seshonderd-en-vyftig gekeurde vennote met verpligte twee-faktor. Elke grensnavorsingslaboratorium besit nou 'n inbraakmodel wat hulle nie vir jou sal verkoop nie, en hierdie week is dit 'n goedkoop een.

3:16 Vier uur later het Meta Muse Spark 1.3 vrygestel, en Zuck het dit grensverrigting genoem byna te goedkoop om te meet, wat waar is, met een sterretjie so groot soos Menlo Park. Die normale eindpunt is 'n dollar vyf-en-twintig in en vier vyf-en-twintig uit, meer as Gemini. Die bydraer-eindpunt is tien sent in, twintig sent uit, kaslesings teen 'n vyfde van 'n sent, tot twintig keer goedkoper, en die enigste verskil is 'n kolom wat sê 'gebruik om ons produkte te verbeter'.

3:40 So die afslag is jou sessie-transkripsie, en vir eers hoef niemand die lisensie te lees nie, want Meta het die lisensie as 'n pryslys geskryf. Top-kommentaar: dit is nou heeltemal duidelik hoeveel dit werd is om my tokens te steel. Tweede kommentaar wonder hoe lank dit sal duur voordat iemand 'n AWS-sleutel uit 'n model onttrek wat opgelei is op bydraer-aanwysings. Op Meta se eie telkaart kry Spark 1.3 75.4 op DeepSWE, bo Sol en Opus 5, en Meta sê dit gebruik twintig persent minder gereedskapoproepe

4:06 en vyf-en-twintig persent minder tokens as 1.2, presies die teenoorgestelde weddenskap van Google, so vandag stem die twee grootste advertensiemaatskappye op aarde nie saam oor of meer praat goed is nie. Intussen het Trellner Research Perplexity gevra vir die beste sagteware in drie honderd-en-tagtig kategorieë en elke aanhaling gelees: 59.8 persent het gekom van webwerwe buite die top honderdduisend, Wikipedia is drie keer uit sewe-en-'n-half duisend aangehaal, en drie susterwebwerwe met tweehonderd-en-vyftien duisend gegenereerde koopgidse noem hul tuisblaaie 'Facts and Grounding Page',

4:34 gerig aan die kruiper, nie aan jou nie. Die KI SEO-oorlog het begin, en sy eerste wapen is regex met 'n bemarkingsbegroting. Dis baie prysetikette vir een Woensdag; as jy dit eerder wil lees as om my dit te hoor sê, land die diff elke oggend in jou inkassie – gratis by The Daily Diff dot dev, skakel hieronder. So, vandag se uitspraak: SHIP IT. Gemini 3.8 Flash is gelyk aan Opus 5 op die een bord wat Google nie geskryf het nie, vir 'n vyfde van die prys.

5:00 Lees net die tokenrekening, en lees Meta se kolomopskrifte. Dis vandag se diff. Ek is Niko van Axrisi. Merge verantwoordelik. REVERT

Bronne

1. Introducing Gemini 3.8 Flash and 3.8 Flash Cyberblog.google
2. Fairwind Programblog.google
3. DeepSWE v1.1 leaderboarddeepswe.datacurve.ai
4. Artificial Analysis: Gemini 3.8 Flashartificialanalysis.ai
5. Muse Spark 1.3 pricingdeveloper.meta.com
6. Introducing Muse Spark 1.3research.meta.ai
7. Hang on to Your Firefoxwww.newsonaut.com
8. Mistral: opting out of traininghelp.mistral.ai
9. HN: Gemini 3.8 Flashnews.ycombinator.com
10. HN: Muse Spark 1.3news.ycombinator.com
11. HN: 215,128 "best software" pagesnews.ycombinator.com