Gemini 4 Argon er Googles bedste model. Du kan ikke bruge den endnu.

Hvad denne video dækker

• Gemini 4 Argon: en million output-tokens, $2 ind, og du kan ikke bruge den
• Inde i Google: Argon-agenter porterer C++ til Rust
• Googles egen tabel: Argon topper 13 ud af 19 rækker
• Cyber-pitchen: lapper på egen hånd, ingen sikkerhedsbøjler til forsvarere
• Det eksterne tal: Artificial Analysis siger 53, Opus 5.5 har 58

Oversat udskrift

Oversat fra den originale engelske fortælling. Tilgængelig lyd og undertekster styres af YouTube.

Gemini 4 Argon: en million output-tokens, $2 ind, og du kan ikke bruge den

0:00 Man skulle tro, at en lancering betyder, at man får modellen. Google har lige lanceret Gemini fire Argon, og medmindre du er en betroet cyber forsvarer, kan du ikke røre den. I denne video: hvad viser Googles tabel? Hvad målte eksterne testere? Og hvornår får du den? Du har sandsynligvis allerede set hype-videoerne. Jeg læste i stedet benchmark-tabellen, og to rækker i den kom aldrig med i

0:20 indlæggets tekst. Jeg kommer til dem til sidst. Det er torsdag den første oktober, og dette er The Daily Diff. To historier i dag, og den store er Gemini fire Argon, som Google kalder sin næste æra af grænseintelligens. Et svar kan nu løbe op til en million tokens, op fra fireogtres tusind, hvilket er flere romaner i et enkelt svar. Lanceringsprisen er to dollars pr. million tokens ind og ti ud. Det er præcis, hvad OpenAI tager for GPT seks punkt et Sol,

0:48 modellen jeg dækkede i går, og Sol er en du faktisk kan købe. Inde i Google er den allerede i brug.

Inde i Google: Argon-agenter porterer C++ til Rust

0:54 Google siger, at Argon-agenter porterer C og C++ til Rust på tværs af virksomheden, op til otte hundrede tusind linjer til Fuchsia-kernen. På Hacker News huskede en ingeniør, da Googles C++-team ikke engang ville overveje Rust og i stedet kiggede på Carbon. Nu udfører en model den migration, de argumenterede om.

Googles egen tabel: Argon topper 13 ud af 19 rækker

1:12 Nu tabellen. Google placerer Argon ved siden af GPT seks Astra, Claude Fable og Claude Opus på nitten rækker, og Argon kommer ud på toppen i tretten af dem. Overskriften er DeepSWE, en lang kodningsbenchmark, på otteoghalvfjerds procent, ca. fire point foran. Den mærkeligste sejr er juridisk udarbejdelse, hvor Argon scorer tyve procent, og de andre holder sig i encifrede tal. Det er den bedste karakter på en test, som alle dumper, og på slide-deck

1:38 benchmarks, som er uovertrufne, tæller det.

Cyber-pitchen: lapper på egen hånd, ingen sikkerhedsbøjler til forsvarere

1:41 Den virkelige fordel er sikkerhed. Google siger, at Argon kan finde, validere og lappe kritiske sårbarheder på egen hånd, og at betroede forsvarere får den uden cyber-sikkerhedsbøjler. Wiz brugte den til at finde et kritisk hul i hospitalssoftware, som tidligere modeller havde overset. En lille detalje. Wiz tilhører Google, da en toogtredive milliarder dollar aftale blev afsluttet i marts. Så black-box hacking-testen i indlægget er et Google-firma, der bedømmer en Google-model. Og på bug-fixing-ranglisten deler tre modeller otteogtres procent,

2:10 og bjælken helt til venstre tilhører Grok. Så hvad målte eksterne testere?

Det eksterne tal: Artificial Analysis siger 53, Opus 5.5 har 58

2:15 Den uafhængige rangliste, jeg kunne finde med Argon på, er Artificial Analysis. Den scorer Argon treoghalvtreds på sit intelligensindeks, på den høje indstilling, hvilket binder den med Astra og Fable. Claude Opus fem punkt fem ligger fem point foran. For en uge siden fortalte jeg dig, at Opus indtog førstepladsen der, og den holder den stadig. Den retfærdige del for Google er regningen. En Argon-kørsel koster omkring to dollars pr. opgave på det indeks, ca. en tredjedel af, hvad Opus koster.

Hvornår får du den: "Så hold dig til"

2:42 Og hvornår får du den? Google vil ikke give en dato. Indlægget lover adgang for udviklere, virksomheder og forbrugere så hurtigt som muligt, med betalte API-kunder først. Sundar Pichais indlæg på X siger, så hold dig til. Indtil da sker adgangen via Fairwind, programmet Google startede for en måned siden med Gemini tre punkt otte Flash Cyber. Det har over seks hundrede og halvtreds partnere, og de må kun give Argon til deres

3:05 sikkerhedsteams og skal spore, hvem der bruger den. Hacker News tog det godt. En kommentator skrev: Gemini slår ikke påstandene om ikke at kunne frigive en model. En anden forudsagde, at modeller bliver til vaporware, en masse tal på en tabel. Imens genopbyggede Netlify Edge Functions, som kører omkring en milliard

Netlify Edge Functions: V8 isolater til microVM'er, ca. 5x hurtigere

3:23 gange om dagen. De flyttede fra V8-isolater i en hostet tjeneste til Firecracker microVM'er inde i Netlifies eget netværk, og et varmt kald faldt fra op til fyrre millisekunder til ca. seks. Hacker News påpegede, at Cloudflare Workers også er V8-isolater og kører meget hurtigere, så det meste af gevinsten ser ud til, at anmodningen ikke længere forlader bygningen. En anden kommentator var bekymret for snapshots, fordi klonede microVM'er kan dele tilstanden for tilfældige tal, hvilket er sådan du får to identiske UUID'er.

3:50 En kold start, når en region aldrig har set din funktion, rammer omkring en procent af opkaldene og tager omkring ni millisekunder. Og selve microVM'en er Firecracker, som Amazon byggede til Lambda, så en kommentator foreslår, at du husker det, næste gang du forbander AWS.

De to rækker Googles indlæg aldrig nævner

4:06 Nu, de to rækker. På FrontierSWE og Terminal-bench, to kodningstests som indlæggets tekst aldrig nævner, kommer Argon sidst ud af fire, på Googles egen tabel. Terminal-bench placerer en agent i en rigtig shell, hvilket er hvordan de fleste af os ville bruge den, og Opus fører den med ni point. Hvis du hellere vil læse dette end høre mig sige det, lander diff'en i din indbakke hver morgen, gratis på the daily diff dot dev, link nedenfor.

Dom: KRÆVER ANMELDELSE, den dag jeg kan kalde den

4:29 Så, dagens dom over Gemini fire Argon. KRÆVER ANMELDELSE. Jeg ville stemple den sådan, fordi det uafhængige tal, jeg fandt, har den bundet på andenpladsen, og de to kodningsrækker, jeg bekymrer mig om, har den sidst, så jeg vil anmelde den ordentligt den dag, jeg kan kalde den. Abonner, tryk på klokken, og fortæl mig i kommentarerne, om du ville have stemplet den anderledes. Og det er diff'en for i dag. Jeg er Niko fra Axrisi. Flet ansvarligt.

Kilder

1. Googleblog.google
2. Hacker Newsnews.ycombinator.com
3. Fairwind Programdeepmind.google
4. Artificial Analysisartificialanalysis.ai
5. Sundar Pichaix.com
6. Demis Hassabisx.com
7. Google completes acquisition of Wizcloud.google.com
8. Netlifywww.netlify.com
9. Hacker Newsnews.ycombinator.com