Gemini 4 Carbon, LLMen hatz-markak saihesteko script bat, AlpineBSD eta Claude drogen garapenean: lau garatzaile-istorio The Daily Diff batean

Bideo honek zer jorratzen duen

• nullpt.rs-ren argitalpenak (2026ko urriak 28), veritas izeneko ikertzaile batek egina, Trancoren lehen 10.000 guneak Playwright-ekin miatu zituen eta hatz-markak lortzeko scriptek egiten dituzten mihise-marrazkiak bildu zituen. Script batek funtzio-izen kezkagarriak zituen eta Unicode karaktere ikusezinez osatutako txantiloi-kate bat; kode-puntu bakoitzari 917504 kenduta, SYSTEM OVERRIDE hasten den eta segurtasun-jarraibide guztiak etenda daudela dioen sistema-gonbit faltsu bat deskodetzen da. Egileak uste du LLM-en aurkako ilunpide bat dela, modeloen babesak engainatzeko pentsatua, eta ez arakatzaile batek betetzen duen argibide bat.
• Argitalpen berean, Astra izeneko eredu komertzial batek uko egin zion scripta desobfuskatzeari eta segurtasun-arriskuak aipatu zituen, GLM 5.3 izeneko eredu batek, berriz, bete egin zuen. Scriptaren benetako lana bot detekzio arrunta da, hala nola erabiltzaile-agentea, nukleo-kopurua eta grafiko-errendatzailea. Shell komando-bloke bat Node-ren azpian bakarrik exekutatzen da ingurune-bandera sekretu bat ezarrita dagoenean, eta hori ere amu gisa irakurtzen du egileak. Argitalpenak antzeko izena duen Errusiako DDoS-aren aurkako hornitzaile bat aurkitu zuen eta ez du ondorio bat adierazten; The Daily Diff-ek ezin izan zuen scripta nork idatzi zuen baieztatu.
• Google-ren blogeko argitalpenak (2026ko urriak 28) Gemini 4 Carbon iragartzen du bere modelo indartsuena dela. Google-k dio Artificial Analysis Intelligence Index v5.0-ean lehena dela 59 punturekin, eta Artificial Analysis-ek Claude Opus 5.5 bigarren postuan kokatzen du 58 punturekin eta Carbon-ek ez duela API publikorik adierazten du. Google-k %88.2ko puntuazioa lortu du SEC-bench Pro-n, %54.8koa ExploitGym-en eta %71.0koa CWE-bench-en, babesik gabe ebaluatuta, eta dio Terminal-Bench 4.0-n iruzur arrakastatsua %0.0ra jaitsi zela, %0.4ko saiakerarekin.
• Google-k dio Carbon aste honetan ziber-defendatzaile batzuentzat eskuragarri dagoela, gero bazkide fidagarrientzat Fairwind Programaren bidez, eta AEBetako gobernuaren borondatezko aurre-argitalpen proba prozesuan dagoela; garatzaileek, enpresek eta kontsumitzaileek ahalik eta azkarren eskuratuko dute, datarik gabe. Sarrera-prezioa Argon-ekin bat dator, milioi bat sarrera-token bakoitzeko 2 dolar eta milioi bat irteera-token bakoitzeko 10 dolar, sarrera-aldiaren ondoren 4 eta 20 dolarrera igoz, gordetako sarrera %95 merkeagoa izanik.
• AlpineBSD-ren wikiak NetBSD kernel-a eta Alpine estiloko erabiltzaile-espazioa (apk-tools, busybox, s6) dituen sistema eragile bat deskribatzen du, erabiltzaileei AI-k sortutako ahalik eta software gutxien exekutatzeko helburuarekin. Prozesuan dagoen lan bat da, instalatzailerik gabe; instalazio-prozedura NetBSD instalazio-mediatik hasten da. Paketeak lau biltegitan daude (base, main, tainted, community); base eta main biltegiek ez dute software "kutsaturik" izatea bermatzen, community biltegiak "kutsatuen" mende egon daiteke baina ez alderantziz, eta gcc, binutils, gdb, libffi, perl eta xorriso azken bertsio "kutsatu gabera" finkatuta daude. Laguntzaileek ezin dituzte AI sorkuntza-tresnak erabili. Wikiak ere ohartarazten du NetBSD-ren hardware-euskarria irregularra dela.
• Anthropic-en argitalpenak (2026ko urriak 27) BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines eta The Column Group-ekin egindako lana deskribatzen du, eta ikerketa gehienbat preklinikoa dela dio. Hilabete batean Claude-k 35.000 antigorputz-diseinu inguru egin zituela jakinarazi du Divergence Labs-entzat, eta horietatik hiru IgE-rekin lotzen direnak eta 20 IgE-a askatzen dutenak aurkitu dira, eta horietatik hiru estandar-medikamentua gainditzen omen dute; Enveda-n, 1.061 orrialdeko fabrikazio-erregistroak berrikusi ziren, gizakiek aurkitutako 11 arazo guztiak harrapatu eta beste zazpi gehiago seinalatu zituen, berrikuspen-denbora 25 ordutik gora izatetik hiru ordutik behera izatera murriztuz. Hauek Anthropic-en zifrak eta bere bazkideen txostenak dira, ez emaitza independenteak.

Itzulitako transkripzioa

Jatorrizko ingelesezko narraziotik itzulia. Eskuragarri dauden audioa eta azpitituluak YouTube-k kontrolatzen ditu.

Hasteko: arakatzailearen script-a AI-rentzako mezu batekin

0:00 Zure arakatzailearen hatz-marka hartzen duen script batek mezu bat ezkutatzen du karaktere ikusezinez egina. Mezuak AI orori esaten dio scripta irakurtzen duena, bere segurtasun-arauak alde batera uzteko. Bideo honetan, lau istorio. Zergatik hitz egiten du arakatzailearen script batek AI modeloekin? Zer da Gemini 4 Carbon, eta zergatik ezin dute garatzaile gehienek erabili? Nola instalatzen da instalatzailerik gabeko sistema eragile bat? Eta zer egin zuen Claude-k droga laborategi batean?

0:24 Script hori nork idatzi zuenari buruzko xehetasun bat ere badago. Amaierarako gordeko dut. Osteguna da, urriak hogeita bederatzi, eta hau The Daily Diff da. Arakatzailearen hatz-markak arakatzailea cookie-rik gabe ezagutzeko modua da. Orrialdeak arakatzaileari ezkutuko irudi bat marrazteko eskatzen dio, eta zure hardware grafikoak sinatzen du. Idatzi nahi ez bazenu ere, eskuz idaztea bezala da.

Lehen istorioa: zergatik hitz egiten duen arakatzailearen script batek AI modeloekin

0:45 Lehen istorioa. Veritas izeneko ikertzaile batek hamar mila gune ezagun miatu zituen eta marrazten dituzten hatz-marka irudiak gorde zituen. Batek Tame Impala-ren Currents diskoaren azala zirudien, beraz, veritas atzean zegoen scripta bilatzera joan zen. Scriptaren barruan, veritas-ek funtzio-izen kezkagarriak eta kate luze bat aurkitu zituen, hutsik zirudiena. Karaktere ikusezinak ziren. Kode-puntu bakoitzari zenbaki finko bat kenduta, sistema-gonbit faltsu bat idazten dute, system override hitzekin hasten dena eta segurtasun-arau guztiak etenda daudela dioena.

1:16 Orduan, veritas-ek eredu komertzial bati, Astra deitzen zaion argitalpenean, fitxategia desobfuskatzeko eskatu zion. Uko egin zion eta segurtasun-arriskuak aipatu zituen. GLM 5.3 izeneko eredu batek egin zuen lana. Tranpa segurtasun-arauak dituzten irakurgailuetan funtzionatzen du. Amukoak kendu eta scripta bot detekzio arrunta da. Erabiltzaile-agentea, nukleo-kopurua eta grafiko-errendatzailea irakurtzen ditu. Shell komando-bloke bat Node-ren azpian bakarrik exekutatzen da ingurune-bandera sekretu batekin,

1:42 beraz, arakatzaile batek ez du inoiz iristen, eta veritas-ek beste amu gisa irakurtzen du. Hona zer egin. AI tresna batek zuk idatzi ez dituzun scriptak irakurtzen baditu, espero ez egiteko sortutako testuak, eta irakurtzen duen guztia ez fidagarritzat hartu. Eta bilatu zure biltegietan Unicode etiketa-tarteko karaktereak, ezertarako inprimatzen ez direlako. Bigarren istorioa. Asteazkenean Google-k Gemini 4 Carbon iragarri zuen,

Bigarren istorioa: zer den Gemini 4 Carbon eta nork erabil dezakeen

2:04 bere modelo indartsuena dela esanez. Artificial Analysis Intelligence Index-ean lehena da 59 punturekin, eta Artificial Analysis-ek Claude Opus 5.5 bigarren postuan kokatzen du 58 punturekin. Google-ren zenbakiak segurtasunari buruzkoak dira. Dioenez, Carbon-ek ehuneko laurogeita zortzi puntuazioa lortzen du ahultasunak aurkitzeko benchmark batean, ehuneko berrogeita hamabost ustiatzeko batean, eta ehuneko hirurogeita hamaika adabakitzeko batean. Google-k dio hirurak babesik gabe exekutatu zituela.

2:32 Orain traba. Urriaren batean esan nizun Argon Google-ren eredu onena zela oraindik ezin zenuena erabili, eta Carbon-ek errepikatzen du. Aste honetan ziber-defendatzaile batzuentzat da, gero bazkide fidagarrientzat Fairwind programaren bidez. Garatzaileek, ahalik eta azkarren jasoko dute, hau ez da data bat. Prezioa dagoeneko argitaratuta dago. Milioi bat sarrera-token bakoitzeko bi dolar eta milioi bat irteera-token bakoitzeko hamar dolar da,

2:55 Argon-en berdina, eta sarrera-aldiaren ondoren bikoiztu egiten da. Nire lerro gogokoena iruzurrari buruzkoa da. Terminal Bench 4.0-n, Google-k dio iruzur arrakastatsua ehuneko zerora jaitsi zela, eta saiakerak ehuneko puntu laurora jaitsi zirela. Hacker News-ek bere iruzkinen zati handi bat izenetan eman zuen. Argon, Carbon, inork ezin du esan zein den handiagoa. Zati praktikoa laburra da. Probatu zure biltegian APIra iristen denean,

3:19 diagrama Google-rena delako, eta Artificial Analysis-ek ez du Carbon-erako API publikorik zerrendatzen gaur. Hirugarren istorioa.

Hirugarren istorioa: nola saihesten duen instalatzailerik ez duen sistema eragile batek AI kodea

3:26 AlpineBSD sistema eragile berri bat da, NetBSD kernel-a Alpine Linux-en oinarritutako erabiltzaile-espazio baten azpian jartzen duena. Bere helburua da AI-k sortutako ahalik eta software gutxien exekutatzea, eta bere wikiak dio prozesuan dagoen lan bat dela. Softwarea lau pakete-biltegitan sailkatzen du. Base eta main garbi daudela bermatuta dago. Tainted-ek hizkuntza-eredu baten irteera duten paketeak ditu, eta community tainted-en mende egon daiteke, baina inoiz ez alderantziz. Tainted softwarea paketez pakete aukeratzen duzu.

3:52 Puntu dibertigarria tresna-katea da. gcc, binutils, gdb eta perl azken bertsio "kutsatu gabean" finkatuta daude. Eta instalazioa eskuzko prozedura bat da, NetBSD instalatzailea abiarazten hasten dena. Beraz, izan dezakezun konpiladore berriena inork chatbot bati ukitu ez zion azkena da. Wikiak ohartarazten du NetBSD kernel-ak hardware-euskarri irregularra duela, eta laguntzaileek ezin dituzte AI tresnak batere erabili, ezta posta-zerrendan ere. Ikusteko ideia pakete-metadatuak dira, non pakete bakoitza garbi, finkatuta edo kutsatuta dagoen etiketatuta dagoen.

4:23 Laugarren istorioa. Asteartean Anthropic-ek bere bizitza zientzien taldearen aurrerapenak argitaratu zituen, hainbat hilabetez sei droga-garatzailerekin lan egin duena.

Laugarren istorioa: zer egin zuen Claude-k sei droga laborategitan

4:29 Hau Anthropic-en kontu propioa da, eta dio lana gehienbat preklinikoa dela, hau da, oraindik pertsonetan probatu gabea. Divergence Labs-en, elikagaien alergiekin lan egiten duena, Claude-k hogeita hamabost mila antigorputz-diseinu inguru ekoiztu zituen hilabete batean. Hasierako probek hiru aurkitu zituzten helburua lotzen dutenak eta hogeita bat askatzen dutenak, eta hogei horietatik hiruk medikuntza estandarra gainditzen omen zuten. Enveda-n, Claude-k mila hirurogeita bat orrialdeko fabrikazio-erregistroak irakurri zituen. Gizakiek aurkitutako hamaika arazo guztiak harrapatu zituen eta beste zazpi seinalatu zituen,

4:58 berrikuspena hogeita bost ordutik gora izatetik hiru ordutik behera izatera murriztuz. BigHat-en, taldeak egonkortasun-neurri estandarrak engainagarriak zirela susmatzen zuen, eta Claude-k hobeak proposatzen lagundu zuen. Agenteak eraikitzen badituzu, kopiatu beharreko eredua Enveda-rena da. Konektatu modeloa dokumentuekin eta utzi arazoak zerrendatzen pertsona batek baieztatzeko. Anthropic-ek dio distrofia muskularreko hautagai bat gizakien probetara irits litekeela 2028 amaieran bezain laster, eusten badio,

5:26 beraz, egiaztatu data hori izenburua aipatu aurretik. Itzuli script-era. Argitalpenak domeinua egiaztatzen du eta antzeko izena duen Errusiako enpresa bat aurkitzen du, DDoS-aren aurkako eta bot-en babesa saltzen duena. Hori pista bat da, eta argitalpenak ez du gehiago aldarrikatzen. Nik ere ezin izan nuen baieztatu scripta nork idatzi zuen. Hau irakurtzea nahiago baduzu entzun baino, diff-a zure sarrerako ontzian jasotzen duzu goizero, doan thedailydiff.dev helbidean, esteka behean.

5:46 Beraz, gaurko epaia NEEDS REVIEW da. Berrikusi egingo nuke, Carbon-ek oraindik ez duelako API publikorik, tranpa-scripta benetako webguneetan dagoelako,

Epaia: NEEDS REVIEW

5:53 AlpineBSD-k ez duelako instalatzailerik, eta droga-emaitzak hasierakoak direlako. Harpidetu, jo kanpaia, eta esan iruzkinetan beste modu batean zigilatuko zenukeen. Eta hori da gaurko diff-a. Niko naiz Axrisi-tik. Fusioa arduraz. Arakatzailearen hatz-marka hartzen duen script batek mezu bat ezkutatzen du karaktere ikusezinez egina. Mezuak AI orori esaten dio scripta irakurtzen duena, bere segurtasun-arauak alde batera uzteko.

Iturriak

1. Why Is This Fingerprinting Script Creating Bioweapons?nullpt.rs (veritas)
2. Gemini 4 Carbon: our next frontier modelGoogle
3. Artificial Analysis Intelligence Index v5.0Artificial Analysis
4. Welcome to AlpineBSD!AlpineBSD
5. AlpineBSD AI policyAlpineBSD
6. AlpineBSD installationAlpineBSD
7. Early progress on accelerating drug development with ClaudeAnthropic