+− THE DAILY DIFFdev & AI news
SHIP IT

Google právě vydal hackerský model. Zde je rozdíl.

Google vydal Gemini 3.8 Flash (0,75 $ za vstup / 3,75 $ za výstup, cena se zdvojnásobí 1.

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

Google vydal Gemini 3.8 Flash (0,75 $ za vstup / 3,75 $ za výstup, cena se zdvojnásobí 1. ledna) a Gemini 3.8 Flash Cyber – model pro hledání zranitelností, který prodává pouze 650 prověřeným „důvěryhodným obráncům“ – a o čtyři hodiny později Meta vydala Muse Spark 1.3 s úrovní „přispěvatele“ za 0,10 $ za milion, kde je sleva váš přepis relace. Oba modely kontrolujeme proti jedinému benchmarku, který ani jedna společnost nenapsala. Verdikt: DODÁNO.

Co toto video pokrývá

  • Google dodává Gemini 3.8 Flash + Flash Cyber (86,2 % CyberGym, program Fairwind)
  • Meta dodává Muse Spark 1.3: 1,25 $/4,25 $, nebo 0,10 $/0,20 $, pokud na něm Meta může trénovat
  • Tři weby vytvořily 215 128 falešných stránek „nejlepší software“; Perplexity je cituje

Otázky a odpovědi

Kolik stojí Gemini 3.8 Flash a proč může být skutečný účet vyšší než cena za token?

Gemini 3.8 Flash měl cenu 0,75 $ za milion vstupních tokenů a 3,75 $ za milion výstupních tokenů, s poznámkou, že cena se 1. ledna zdvojnásobí. Vlastní příspěvek Google uvádí, že model pracuje usilovněji a může spotřebovat více tokenů. Na nezávislé desce DeepSWE potřeboval sto šedesát šest kroků a sto čtyřicet tři tisíc výstupních tokenů na úkol, což je více než dvojnásobek toho, co spotřeboval Sol.

blog.google · deepswe.datacurve.ai

Co je Gemini 3.8 Flash Cyber a kdo jej smí používat?

Gemini 3.8 Flash Cyber je stejný model jako Gemini 3.8 Flash s uvolněnými bezpečnostními omezeními pro prověřené obránce. Google uvádí, že dosahuje skóre 86,2 % na CyberGym, benchmarku pro autonomní vyhledávání zranitelností. Přístup probíhá prostřednictvím programu Fairwind, který zahrnuje vlády, kritickou infrastrukturu a 650 prověřených partnerů, kteří musí používat dvoufaktorovou autentizaci. Neprodává se široké veřejnosti.

blog.google · blog.google

Co je úroveň přispěvatele Muse Spark 1.3 a co stojí uživatele sleva?

Muse Spark 1.3 má standardní koncový bod za 1,25 $ za milion vstupních tokenů a 4,25 $ za výstupní, a koncový bod přispěvatele za 0,10 $ za vstupní a 0,20 $ za výstupní. Podle stránky s cenami společnosti Meta je jediným rozdílem to, že levnější úroveň se používá ke zlepšování produktů společnosti Meta. Sleva je hrazena daty relace, což znamená, že odeslané výzvy a kód mohou být použity pro trénink.

developer.meta.com · research.meta.ai

Jak lze manipulovat s asistenty vyhledávání AI, aby citovali falešné stránky s doporučeními softwaru?

Trellner Research požádala Perplexity o nejlepší software ve třech stech osmdesáti kategoriích a přečetla každou citaci. Nalezla tři sesterské stránky s 215 128 vygenerovanými nákupními průvodci a 59,8 % citací pocházelo ze stránek mimo prvních sto tisíc. Tyto stránky nazvaly své domovské stránky pro prohledávače. Epizoda to popsala jako první známku války optimalizace vyhledávání AI.

news.ycombinator.com

Měli by vývojáři přijmout Gemini 3.8 Flash vzhledem k benchmarkům a nákladům na tokeny?

Verdikt The Daily Diff byl SHIP IT. Na nezávislé desce DeepSWE se Gemini 3.8 Flash vyrovnal Opus 5 za pětinu nákladů na úkol. Upozornění epizody je přečíst si účet za tokeny, protože model používá mnoho kroků a tokenů na úkol, a přečíst si záhlaví sloupců v cenách společnosti Meta před výběrem levnější úrovně.

deepswe.datacurve.ai · artificialanalysis.ai · developer.meta.com

Přeložený přepis

Přeloženo z původního anglického vyprávění. Dostupné audio a titulky jsou řízeny YouTube.

0:00 Google dnes vydal svůj třetí Flash model za šest týdnů, plus verzi trénovanou k hackování, a o čtyři hodiny později Meta vydala model, který stojí deset centů za milion tokenů, pokud necháte Zuckerberga číst váš kód, takže cenová válka AI má nyní divizi kybernetické bezpečnosti. Je středa a rozdíl je dlouhý. Gemini 3.8 Flash dosáhl jedenácti set bodů na Hacker News, Muse Spark 1.3 získal téměř o sedm set více, a mezitím, výzkumná dílna našla tři webové stránky, které zveřejnily dvě stě patnáct tisíc

0:28 falešných stránek o nejlepším softwaru čistě proto, aby je Perplexity citoval. Dále dnes: příspěvek, který vás prosil, abyste si ponechali svůj Firefox, získal devět set osmdesát osm bodů, a stránka nápovědy Mistralu o odhlášení z tréninku získala téměř pět set, většinou od Evropanů objevujících suverénní možnost, která standardně trénuje na vašich výzvách. V tomto videu: co Gemini 3.8 Flash skutečně stojí, hackerský model Google prodá pouze šesti stům padesáti partnerům, deseticentová úroveň Meta a co skutečně účtuje, a jediný benchmark, který ani jedna společnost nenapsala.

0:59 Je středa 2. září a toto je The Daily Diff. Gemini 3.8 Flash je sedmdesát pět centů za milion vstupních tokenů a tři sedmdesát pět za výstup, stejně jako 3.7 Flash před třemi týdny, s poznámkou, že cena se zdvojnásobí 1. ledna, což je bezplatná zkušební verze s dalšími kroky. Na slide-deck benchmarcích, které jsou neporažené, dosahuje 54,9 procent na HLE-Verified, X říká, že poráží Sol a Opus 5 na Terminal-Bench, a Logan Kilpatrick zveřejnil 73,7 na DeepSWE, jediném long-horizon

1:29 kódovacím benchmarku, který ještě nebyl zapamatován, údajně. Simon Willison ho požádal, aby vytvořil skvělou věc v HTML a získal simulaci částic za třináct sekund za 1,8 centu, běžící šedesát snímků za sekundu, protože šedesátka byla napevno zakódována do stránky. Vlastní příspěvek Google vysvětluje zisky větou, kterou bych zarámoval: 3.8 Flash pracuje usilovněji. Provádí další kroky uvažování, iterativně volá nástroje, a, cituji, může použít více tokenů, což je korporátní výraz pro rychlejší běh měřiče. Nezávislá rada DeepSWE souhlasí v obou bodech: Flash dosahuje sedmdesáti čtyř

2:02 procent, shoduje se s Opus 5 za pětinu nákladů na úkol, ale potřeboval sto šedesát šest kroků a sto čtyřicet tři tisíc výstupních tokenů k dosažení, více než dvakrát tolik, kolik spotřeboval Sol. Artificial Analysis spálila sto čtyřicet milionů tokenů a tisíc sedmdesát osm dolarů jen proto, aby to ohodnotila. Levné za token, hovorné za úkol a první token dorazí po dvanácti sekundách přemýšlení. Pak ta zajímavá polovina.

2:23 Gemini 3.8 Flash Cyber je stejný model s uvolněnými bezpečnostními zábranami pro, cituji, důvěryhodné obránce, a Sundar říká, že dosahuje 86,2 procent na CyberGym, benchmarku pro autonomní hledání zranitelností. Opravuje také: 47,2 procent na CWE-Bench proti 47,8 pro přední hraniční model, tým Chrome říká, že vyprodukoval 2,6krát více správných oprav než mnohem větší komerční modely, a cloudoví výzkumníci Google jej použili k nalezení kritické zranitelnosti za méně než dvě hodiny, což je práce, která obvykle trvá měsíce, nebo jeden motivovaný teenager.

2:54 Google trvá na tom, že prioritou byla oprava před zneužitím, což je zdvořilý způsob, jak říct, že model může naprosto projít dírami, jen ho požádali, aby to nedělal. Takže to nemůžete mít. Přístup probíhá prostřednictvím nového programu Fairwind: vlády, kritická infrastruktura a šest set padesát prověřených partnerů s povinným dvoufaktorové. Každá hraniční laboratoř nyní vlastní hackerský model, který vám neprodá, a tento týden je to levná záležitost.

3:16 O čtyři hodiny později Meta vydala Muse Spark 1.3 a Zuck to nazval hraničním výkonem téměř příliš levným na to, aby se dal měřit, což je pravda, s jednou hvězdičkou velikosti Menlo Parku. Normální koncový bod je dolar dvacet pět dovnitř a čtyři dvacet pět ven, více než Gemini. Koncový bod přispěvatele je deset centů dovnitř, dvacet centů ven, čtení cache za pětinu centu, až dvacetkrát levnější, a jediný rozdíl je sloupec, který říká „použito k vylepšení našich produktů“.

3:40 Takže sleva je přepis vaší relace, a pro jednou nikdo nemusí číst licenci, protože Meta napsala licenci jako ceník. Nejlepší komentář: Je nyní naprosto zřejmé, kolik stojí ukrást mé tokeny. Druhý komentář se ptá, jak dlouho potrvá, než někdo z modelu extrahuje klíč AWS natrénovaného na výzvách přispěvatelů. Na vlastní výsledkové tabuli Mety získává Spark 1.3 75.4 bodů v DeepSWE, nad Sol a Opus 5, a Meta uvádí, že používá o dvacet procent méně volání nástrojů

4:06 a o dvacet pět procent méně tokenů než 1.2, což je přesně opačná sázka než Google, takže dnes se dvě největší reklamní společnosti na světě neshodnou na tom, zda více mluvení je dobré. Mezitím Trellner Research požádal Perplexity o nejlepší software ve třech stech osmdesáti kategoriích a přečetl každou citaci: 59.8 procenta pocházelo z webů mimo top sto tisíc, Wikipedie byla citována třikrát ze sedmi a půl tisíce, a tři sesterské weby s dvěma sty patnácti tisíci

4:34 generovaných nákupních průvodců nazývají své domovské stránky „Fakta a zdůvodnění“ (Facts and Grounding Page), adresované crawleru, ne vám. Válka AI SEO začala a její první zbraní je regex s marketingovým rozpočtem. To je spousta cenovek na jednu středu; pokud byste si to raději přečetli než slyšeli ode mě, The Daily Diff přistane ve vaší schránce každé ráno — zdarma na the daily diff dot dev, odkaz níže. Takže, dnešní verdikt: SHIP IT. Gemini 3.8 Flash se vyrovná Opus 5 na jediné desce, kterou Google nenapsal,

5:00 za pětinu ceny. Stačí si přečíst účet za tokeny a přečíst záhlaví sloupců Mety. To je dnešní The Daily Diff. Jsem Niko z Axrisi. Sloučit zodpovědně.

Zdroje

  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

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

Související videa