Naglabas ang Google ng modelong pang-hack. Narito ang The Daily Diff.

Ang sakop ng video na ito

• Naglabas ang Google ng Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program)
• Naglabas ang Meta ng Muse Spark 1.3: $1.25/$4.25, o $0.10/$0.20 kung maaaring gamitin ng Meta sa pagsasanay
• Tatlong site ang gumawa ng 215,128 pekeng pahina ng "best software"; sinisipi sila ng Perplexity

Isinaling transcript

Isinalin mula sa orihinal na salaysay sa English. Ang available na audio at mga caption ay kinokontrol ng YouTube.

0:00 Naglabas ang Google ng pangatlong Flash model nito sa loob ng anim na linggo ngayon, plus isang bersyon na sinanay para mag-hack, at makalipas ang apat na oras ay naglabas ang Meta ng isang modelo na nagkakahalaga ng sampung sentimo bawat milyong token kung hahayaan mong basahin ni Zuckerberg ang iyong code, kaya ang digmaan sa presyo ng AI ay mayroon na ngayong dibisyon sa cybersecurity. Miyerkules ngayon, at mahaba ang The Daily Diff. Naabot ng Gemini 3.8 Flash ang isang libo at isang daang puntos sa Hacker News, Nakakuha ang Muse Spark 1.3 ng halos pitong daan pa, at sa pagitan nito, nakahanap ang isang research shop ng tatlong website na naglathala ng dalawang daan at labinlimang libo

0:28 na pekeng pahina ng best-software para lang sipiin sila ng Perplexity. Ngayon din: isang post na nakikiusap sa iyo na panatilihin ang iyong Firefox ang nakakuha ng siyam na raan walumpu't walong puntos, at ang help page ng Mistral sa pag-opt out sa pagsasanay ay nakakuha ng halos limang daan, karamihan mula sa mga Europeo na nadiskubre ang opsyon ng sovereign na nagsasanay sa iyong mga prompt bilang default. Sa video na ito: kung magkano talaga ang Gemini 3.8 Flash, ang modelong pang-hack na ibebenta lamang ng Google sa anim na raan at limampung kasosyo, ang sampung-sentimong tier ng Meta at kung ano talaga ang singil nito, at ang iisang benchmark na hindi sinulat ng alinmang kumpanya.

0:59 Miyerkules ngayon, Setyembre 2, at ito ang The Daily Diff. Ang Gemini 3.8 Flash ay pitumpu't limang sentimo bawat milyong token papasok at tatlong pitumpu't lima palabas, pareho sa 3.7 Flash mula tatlong linggo na ang nakakaraan, na may footnote na nagsasabing doble ang presyo sa Enero 1, na isang libreng trial na may dagdag na hakbang. Sa mga benchmark ng slide-deck, na hindi pa natatalo, nakakuha ito ng 54.9 porsyento sa HLE-Verified, sinasabi ng X na tinalo nito ang Sol at Opus 5 sa Terminal-Bench, at nag-post si Logan Kilpatrick ng 73.7 sa DeepSWE, ang tanging long-horizon

1:29 coding benchmark na hindi pa namemorya, ayon sa sabi-sabi. Tinanong ni Simon Willison na gumawa ito ng cool na bagay sa HTML at nakakuha ng isang particle simulation sa labintatlong segundo sa halagang 1.8 sentimo, tumatakbo sa animnapung frame bawat segundo, dahil ang animnapu ay hard-coded sa pahina. Ipinapaliwanag ng sariling post ng Google ang mga pakinabang na may pangungusap na iko-frame ko: Mas masipag ang 3.8 Flash Magtrabaho. Nagpapatupad ito ng karagdagang hakbang sa pangangatwiran, paulit-ulit na tumatawag ng mga tool, at, quote, maaaring gumamit ng mas maraming token, na corporate para sa mas mabilis na pagtakbo ng metro. Sumasang-ayon ang independent DeepSWE board sa parehong bilang: Nakakuha ang Flash ng pitumpu't apat

2:02 na porsyento, tabla sa Opus 5 sa ikalimang bahagi ng halaga bawat gawain, ngunit kailangan nito ng isang daan at animnapu't anim na hakbang at isang daan at apatnapu't tatlong libong output token upang makarating doon, higit pa sa doble ng ginugol ng Sol. Sinunog ng Artificial Analysis ang isang daan at apatnapung milyong token at isang libo pitumpu't walong dolyar para lang i-grade ito. Mura bawat token, madaldal bawat gawain, at ang unang token ay dumating pagkatapos ng labindalawang segundo ng pag-iisip. Pagkatapos ang kawili-wiling kalahati.

2:23 Ang Gemini 3.8 Flash Cyber ay ang parehong modelo na may pinagluwag na safety rails para sa, quote, pinagkakatiwalaang tagapagtanggol, at sinabi ni Sundar na umabot ito ng 86.2 porsyento sa CyberGym, ang benchmark para sa awtonomong paghahanap ng mga kahinaan. Nagpapatch din ito: 47.2 porsyento sa CWE-Bench laban sa 47.8 para sa isang nangungunang frontier model, sinabi ng Chrome team na nakagawa ito ng 2.6 beses na mas tamang patches kaysa sa mas malalaking komersyal na modelo, at ginamit ito ng mga cloud researcher ng Google upang makahanap ng isang kritikal na kahinaan sa loob ng wala pang dalawang oras, isang trabaho na karaniwang tumatagal ng buwan, o isang motivated na teenager.

2:54 Iginiit ng Google na inuna nila ang pag-aayos kaysa sa pagsasamantala, na ang magalang na paraan ng pagsasabi na ang modelo ay ganap na kayang dumaan sa mga butas, hiniling lang nila na huwag itong gawin. Kaya hindi mo ito makukuha. Ang access ay sa pamamagitan ng isang bagong Fairwind Program: mga gobyerno, kritikal na imprastraktura, at anim na raan at limampung na-verify na kasosyo na may sapilitan dalawang-factor. Ang bawat frontier lab ngayon ay nagmamay-ari ng hacking model na hindi nila ibebenta sa iyo, at ngayong linggo ito ay isang mura.

3:16 Apat na oras pagkaraan, inilabas ng Meta ang Muse Spark 1.3, at tinawag ito ni Zuck na frontier performance na halos masyadong mura upang sukatin, na totoo, na may isang asterisk na kasinglaki ng Menlo Park. Ang normal na endpoint ay isang dolyar at dalawampu't limang sentimo papasok at apat na dolyar at dalawampu't limang sentimo palabas, mas mataas kaysa Gemini. Ang contributor endpoint ay sampung sentimo papasok, dalawampung sentimo palabas, cache reads sa isang ikalima ng isang sentimo, hanggang dalawampung beses na mas mura, at ang tanging pagkakaiba ay isang column na nagsasabing ginamit upang mapabuti ang aming mga produkto.

3:40 Kaya ang diskwento ay ang iyong sesyon transcript, at sa isang pagkakataon walang sinuman ang kailangang basahin ang lisensya, dahil isinulat ng Meta ang lisensya bilang isang listahan ng presyo. Nangungunang komento: ngayon ay ganap na malinaw kung gaano kahalaga ang pagnanakaw ng aking mga token. Ikalawang komento ay nagtataka kung gaano katagal bago may makakuha ng AWS key mula sa isang modelong sinanay sa mga contributor prompt. Sa scorecard mismo ng Meta, nakakuha ang Spark 1.3 ng 75.4 sa DeepSWE, mas mataas sa Sol at Opus 5, at sinabi ng Meta na gumagamit ito ng dalawampung porsiyento na mas kaunting tool calls

4:06 at dalawampu't limang porsiyento na mas kaunting token kaysa 1.2, ang eksaktong kabaligtaran ng taya mula sa Google, kaya ngayon ang dalawang pinakamalaking kumpanya ng ad sa mundo ay hindi sumasang-ayon tungkol sa kung ang mas maraming pakikipag-usap ay mabuti. Samantala, tinanong ng Trellner Research ang Perplexity para sa pinakamahusay na software sa tatlong daan at walumpung kategorya at binasa ang bawat citation: 59.8 porsiyento ay nagmula sa mga site sa labas ng nangungunang daang libo, Wikipedia ay binanggit nang tatlong beses sa pitong at kalahating libo, at tatlong kapatid na site na may dalawang daan at labinlimang libong

4:34 nabuo na mga gabay sa pagbili ang pamagat ng kanilang mga homepage na Facts and Grounding Page, na nakadirekta sa crawler, hindi sa iyo. Nagsimula na ang AI SEO war, at ang unang sandata nito ay regex na may marketing budget. Marami iyang mga tag ng presyo para sa isang Miyerkules; kung mas gusto mong basahin ito kaysa marinig mo akong sabihin, dumarating ang The Daily Diff sa iyong inbox tuwing umaga — libre sa the daily diff dot dev, link sa ibaba. Kaya, ang hatol ngayon: SHIP IT. Ang Gemini 3.8 Flash ay nakatali sa Opus 5 sa isang board na hindi isinulat ng Google,

5:00 para sa isang ikalima ng presyo. Basahin lang ang token bill, at basahin ang mga column header ng Meta. Iyan ang The Daily Diff ngayon. Ako si Niko mula sa Axrisi. Merge responsibly.

Mga Pinagmulan

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