Google току-що пусна модел за хакване. Ето разликата.

Какво обхваща този видеоклип

• Google пуска Gemini 3.8 Flash + Flash Cyber (86,2% CyberGym, Fairwind Program)
• Meta пуска Muse Spark 1.3: 1,25 долара/4,25 долара, или 0,10 долара/0,20 долара, ако Meta може да тренира върху него
• Три сайта създадоха 215 128 фалшиви страници с „най-добрия софтуер“; Perplexity ги цитира

Преведен препис

Преведено от оригиналния английски разказ. Наличните аудио и субтитри се контролират от YouTube.

0:00 Google пусна своя трети Flash модел за шест седмици днес, плюс версия, обучена да хаква, и четири часа по-късно Meta пусна модел, който струва десет цента на милион токени, ако позволите на Зукърбърг да чете кода ви, така че ценовата война на ИИ сега има подразделение за киберсигурност. Сряда е, и разликата е голяма. Gemini 3.8 Flash достигна хиляда и сто точки в Hacker News, Muse Spark 1.3 взе почти седемстотин повече, а междувременно, изследователска работилница откри три уебсайта, които публикуваха двеста петнадесет хиляди

0:28 фалшиви страници с най-добър софтуер, чисто за да ги цитира Perplexity. Също днес: публикация, която ви моли да запазите своя Firefox, получи деветстотин осемдесет и осем точки, а страницата за помощ на Mistral за отказ от обучение получи почти петстотин, предимно от европейци, откриващи опцията за суверенитет, която по подразбиране се обучава върху вашите подкани. В това видео: колко струва всъщност Gemini 3.8 Flash, моделът за хакване, който Google ще продава само на шестстотин и петдесет партньора, нивото от десет цента на Meta и колко всъщност таксува, и единствения бенчмарк, който нито една от компаниите не е написала.

0:59 Сряда, 2 септември е, и това е The Daily Diff. Gemini 3.8 Flash е седемдесет и пет цента на милион входящи токени и три седемдесет и пет изходящи, същото като 3.7 Flash от преди три седмици, с бележка под линия, че цената се удвоява на 1 януари, което е безплатен пробен период с допълнителни стъпки. В бенчмарковете на презентациите, които са непобедени, той отбелязва 54,9 процента на HLE-Verified, X казва, че бие Sol и Opus 5 на Terminal-Bench, а Логан Килпатрик публикува 73,7 на DeepSWE, единственият бенчмарк за кодиране с дълъг хоризонт,

1:29 който все още не е меморизиран, твърди се. Саймън Уилисън го помоли да направи нещо готино в HTML и получи симулация на частици за тринадесет секунди за 1,8 цента, работеща на шейсет кадъра в секунда, защото шейсетте бяха твърдо кодирани в страницата. Собствената публикация на Google обяснява подобренията с изречение, което бих рамкирал: 3.8 Flash работи по-усилено. Изпълнява допълнителни стъпки за разсъждение, извиква инструменти итеративно, и, цитат, може да използва повече токени, което е корпоративен език за по-бързо отчитане на измервателя. Независимият борд на DeepSWE се съгласява по двете точки: Flash отбелязва седемдесет и четири

2:02 процента, равен с Opus 5 на една пета от цената на задача, но са му били необходими сто шестдесет и шест стъпки и сто четиридесет и три хиляди изходни токени, за да стигне дотам, повече от два пъти повече от това, което е похарчил Sol. Artificial Analysis изгори сто и четиридесет милиона токени и хиляда седемдесет и осем долара, само за да го оцени. Евтин на токен, многословен на задача, и първият токен пристига след дванадесет секунди мислене. След това интересната половина.

2:23 Gemini 3.8 Flash Cyber е същият модел с разхлабени защитни релси за, цитат, доверени защитници, и Сундар казва, че достига 86,2 процента на CyberGym, бенчмаркът за автономно откриване на уязвимости. Той също така коригира: 47,2 процента на CWE-Bench срещу 47,8 за водещ граничен модел, екипът на Chrome казва, че е произвел 2,6 пъти повече коректни пачове отколкото много по-големи търговски модели, а облачните изследователи на Google са го използвали, за да открият критична уязвимост за по-малко от два часа, работа, която обикновено отнема месеци, или един мотивиран тийнейджър.

2:54 Google настоява, че е приоритизирал поправянето пред експлоатацията, което е учтивият начин да се каже, че моделът абсолютно може да мине през дупките, просто са го помолили да не го прави. Така че не можете да го имате. Достъпът става чрез нова програма Fairwind: правителства, критична инфраструктура и шестстотин и петдесет проверени партньори със задължително двуфакторно. Всяка гранична лаборатория вече притежава модел за хакване, който няма да ви продаде, а тази седмица е евтин.

3:16 Четири часа по-късно Meta пусна Muse Spark 1.3 и Зук го нарече гранична производителност, почти твърде евтина за измерване, което е вярно, с една звездичка с размера на Менло Парк. Нормалната крайна точка е долар двадесет и пет входящи и четири двадесет и пет изходящи, повече от Gemini. Крайната точка за сътрудници е десет цента входящи, двадесет цента изходящи, четене на кеш на една пета от цента, до двадесет пъти по-евтино, и единствената разлика е колона, която гласи „използвано за подобряване на нашите продукти“.

3:40 Така че отстъпката е преписът на вашата сесия, и за пръв път никой не трябва да чете лиценза, защото Meta написа лиценза като ценова листа. Топ коментар: вече е напълно очевидно колко струва кражбата на моите токени. Втори коментар се чуди колко време ще отнеме, докато някой извлече AWS ключ от модел обучен върху подкани от сътрудници. В собствената оценка на Meta, Spark 1.3 получава 75.4 на DeepSWE, над Sol и Opus 5, и Meta казва, че използва двадесет процента по-малко извиквания на инструменти

4:06 и двадесет и пет процента по-малко токени от 1.2, точно обратния залог от Google, така че днес двете най-големи рекламни компании на земята не са съгласни дали говоренето повече е добре. Междувременно Trellner Research попита Perplexity за най-добрия софтуер в триста осемдесет категории и прочете всяко цитиране: 59.8 процента идват от сайтове извън първите сто хиляди, Wikipedia е цитирана три пъти от седем и половина хиляди, и три сестрински сайта с двеста петнадесет хиляди

4:34 генерирани ръководства за пазаруване озаглавяват началните си страници „Факти и основа“ (Facts and Grounding Page), адресирани до краулера, а не до вас. Войната за AI SEO започна и първото ѝ оръжие е regex с маркетингов бюджет. Това са много ценови етикети за една сряда; ако предпочитате да прочетете това, отколкото да ме чуете да го казвам, The Daily Diff пристига във входящата ви кутия всяка сутрин — безплатно на daily diff dot dev, линк по-долу. И така, днешната присъда: SHIP IT. Gemini 3.8 Flash се изравнява с Opus 5 на единствената дъска, която Google не е написал,

5:00 за една пета от цената. Просто прочетете сметката за токени и заглавията на колоните на Meta. Това е днешният диф. Аз съм Нико от Axrisi. Обединявайте отговорно.

Източници

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