Google એ હુમલો કરનાર મોડેલ લોન્ચ કર્યું. અહીં તફાવત છે.

આ વીડિયોમાં શું આવરી લેવામાં આવ્યું છે

• Google એ Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program) લોન્ચ કર્યું
• Meta એ Muse Spark 1.3 લોન્ચ કર્યું: $1.25/$4.25, અથવા $0.10/$0.20 જો Meta તેના પર તાલીમ આપી શકે
• ત્રણ સાઇટ્સ દ્વારા 215,128 નકલી "શ્રેષ્ઠ સોફ્ટવેર" પૃષ્ઠો બનાવવામાં આવ્યા; Perplexity તેમને ટાંકે છે

અનુવાદિત ટ્રાન્સક્રિપ્ટ

મૂળ અંગ્રેજી કથામાંથી અનુવાદિત. ઉપલબ્ધ ઑડિઓ અને કૅપ્શન્સ YouTube દ્વારા નિયંત્રિત થાય છે.

0:00 Google એ આજે ​​છ અઠવાડિયામાં તેનું ત્રીજું Flash મોડેલ લોન્ચ કર્યું, વત્તા હેક કરવા માટે તાલીમ પામેલું સંસ્કરણ, અને ચાર કલાક પછી Meta એ એક મોડેલ લોન્ચ કર્યું જે જો તમે ઝુકરબર્ગને તમારો કોડ વાંચવા દો તો પ્રતિ મિલિયન ટોકન્સ દસ સેન્ટ્સ ખર્ચ થાય છે, તેથી AI કિંમત યુદ્ધમાં હવે સાયબર સુરક્ષા વિભાગ છે. આ બુધવાર છે, અને તફાવત લાંબો છે. Gemini 3.8 Flash એ Hacker News પર અગિયારસો પોઈન્ટ મેળવ્યા, Muse Spark 1.3 એ લગભગ સાતસો વધુ લીધા, અને તેની વચ્ચે, એક સંશોધન દુકાને ત્રણ વેબસાઇટ્સ શોધી કાઢી જેણે બે લાખ પંદર હજાર પ્રકાશિત કર્યા

0:28 નકલી શ્રેષ્ઠ-સોફ્ટવેર પૃષ્ઠો ફક્ત Perplexity તેમને ટાંકશે તે માટે. આજે પણ: તમારા Firefox ને પકડી રાખવા વિનંતી કરતી એક પોસ્ટને નવસો મળ્યા અઠ્યાસી પોઈન્ટ, અને તાલીમમાંથી બહાર નીકળવા પર Mistral ના મદદ પૃષ્ઠને મળ્યા લગભગ પાંચસો, મોટાભાગે યુરોપિયનો દ્વારા સાર્વભૌમ વિકલ્પ શોધવામાં આવ્યો તમારા પ્રોમ્પ્ટ્સ પર ડિફોલ્ટ રૂપે તાલીમ આપે છે. આ વિડિઓમાં: Gemini 3.8 Flash નો ખરેખર કેટલો ખર્ચ થાય છે, Google નું હેકિંગ મોડેલ ફક્ત છસો પચાસ ભાગીદારોને જ વેચશે, Meta નું દસ-સેન્ટ સ્તર અને તે શું ખરેખર ચાર્જ કરે છે, અને એક બેન્ચમાર્ક જે કોઈ પણ કંપનીએ લખ્યો નથી.

0:59 આ બુધવાર, 2 સપ્ટેમ્બર છે, અને આ The Daily Diff છે. Gemini 3.8 Flash એ પ્રતિ મિલિયન ટોકન્સ ઇન કરવા માટે પંચોતેર સેન્ટ અને ત્રણ પંચોતેર આઉટ, ત્રણ અઠવાડિયા પહેલાના 3.7 Flash જેવું જ છે, એક ફૂટનોટ સાથે કે 1 જાન્યુઆરીએ કિંમત બમણી થશે, જે વધારાના પગલાંઓ સાથેનું એક મફત ટ્રાયલ છે. સ્લાઇડ-ડેક બેન્ચમાર્ક્સ પર, જે અજેય છે, તે 54.9 ટકા મેળવે છે HLE-Verified પર, X કહે છે કે તે Terminal-Bench પર Sol અને Opus 5 ને હરાવે છે, અને લોગન કિલપેટ્રિકે DeepSWE પર 73.7 પોસ્ટ કર્યું, જે એકમાત્ર લાંબા-ક્ષિતિજ

1:29 કોડિંગ બેન્ચમાર્ક છે જે હજી સુધી યાદ નથી થયો, કથિત રીતે. સાયમન વિલિસને તેને HTML માં એક સરસ વસ્તુ બનાવવા કહ્યું અને તેને મળ્યું તેર સેકન્ડમાં 1.8 સેન્ટ્સમાં એક કણનું અનુકરણ, સાઠ ફ્રેમ પ્રતિ સેકન્ડ પર ચાલી રહ્યું છે, કારણ કે સાઠ પેજમાં હાર્ડ-કોડેડ હતું. Google ની પોતાની પોસ્ટ એક વાક્ય સાથેના લાભો સમજાવે છે જે હું ફ્રેમ કરીશ: 3.8 Flash વધુ સખત કામ કરે છે. તે વધારાના તર્ક પગલાંઓ ચલાવે છે, પુનરાવર્તિત રીતે સાધનોને કૉલ કરે છે, અને, અવતરણ, વધુ ટોકન્સનો ઉપયોગ કરી શકે છે, જે કોર્પોરેટ માટે મીટર ઝડપથી ચાલે છે. સ્વતંત્ર DeepSWE બોર્ડ બંને ગણતરીઓ પર સહમત છે: Flash સિત્તેર-ચાર સ્કોર કરે છે

2:02 ટકા, Opus 5 સાથે ટાઈ, પ્રતિ કાર્ય ખર્ચના પાંચમા ભાગે, પરંતુ ત્યાં પહોંચવા માટે તેને એકસો છાસઠ પગલાં અને એકસો ત્રેતાલીસ હજાર આઉટપુટ ટોકન્સની જરૂર હતી, Sol એ ખર્ચ કર્યા તેના કરતાં બમણાથી વધુ. આર્ટિફિશિયલ એનાલિસિસ દ્વારા એકસો ચાલીસ મિલિયન ટોકન્સ અને એક હજાર અઠ્ઠોત્તેર ડોલર ફક્ત તેને ગ્રેડ કરવા માટે ખર્ચવામાં આવ્યા. પ્રતિ ટોકન સસ્તું, પ્રતિ કાર્ય વાતોડિયું, અને પ્રથમ ટોકન બાર સેકન્ડના વિચાર પછી આવે છે. સેકન્ડના વિચાર પછી આવે છે. પછી રસપ્રદ અડધો ભાગ.

2:23 Gemini 3.8 Flash Cyber એ સુરક્ષા રેલ્સને ઢીલી કરીને એ જ મોડેલ છે, અવતરણ, વિશ્વસનીય ડિફેન્ડર્સ, અને સુંદર કહે છે કે તે CyberGym પર 86.2 ટકા મેળવે છે, નબળાઈઓ સ્વાયત્ત રીતે શોધવા માટેનો બેન્ચમાર્ક. તે પેચ પણ કરે છે: CWE-Bench પર 47.2 ટકા, અગ્રણી મોડેલ માટે 47.8 ટકા સામે, Chrome ટીમ કહે છે કે તેણે ઘણા મોટા કોમર્શિયલ મોડેલો કરતાં 2.6 ગણા વધુ સાચા પેચ બનાવ્યા છે, અને Google ના ક્લાઉડ સંશોધકોએ તેનો ઉપયોગ બે કલાકથી ઓછા સમયમાં એક જટિલ નબળાઈ શોધવા માટે કર્યો, એક કાર્ય જેમાં સામાન્ય રીતે મહિનાઓ લાગે છે, અથવા એક પ્રેરિત કિશોર. મહિનાઓ, અથવા એક પ્રેરિત કિશોર.

2:54 Google આગ્રહ રાખે છે કે તેણે શોષણ કરતાં ફિક્સિંગને પ્રાધાન્ય આપ્યું, જે નમ્ર રીતે કહેવું છે કે મોડેલ ચોક્કસપણે છિદ્રોમાંથી પસાર થઈ શકે છે, તેઓએ ફક્ત તેને ન કરવા કહ્યું. તો તમે તેને રાખી શકતા નથી. ઍક્સેસ એક નવા Fairwind પ્રોગ્રામ દ્વારા થાય છે: સરકારો, ક્રિટિકલ ઇન્ફ્રાસ્ટ્રક્ચર, અને છસો પચાસ ચકાસાયેલ ભાગીદારો ફરજિયાત ટુ-ફેક્ટર સાથે. દરેક ફ્રન્ટિયર લેબ પાસે હવે એક હેકિંગ મોડેલ છે જે તે તમને વેચશે નહીં, અને આ અઠવાડિયે તે એક સસ્તું છે.

3:16 ચાર કલાક પછી, Meta એ Muse Spark 1.3 રજૂ કર્યું, અને ઝકે તેને ફ્રન્ટિયર કહ્યું પ્રદર્શન લગભગ માપવા માટે ખૂબ સસ્તું છે, જે સાચું છે, મેનલો પાર્ક જેટલો મોટો એક ફૂદડી સાથે. સામાન્ય એન્ડપોઇન્ટ એક ડોલર પચીસ ઇન અને ચાર પચીસ આઉટ છે, Gemini કરતાં વધુ. ફાળો આપનાર એન્ડપોઇન્ટ દસ સેન્ટ ઇન, વીસ સેન્ટ આઉટ છે, પાંચમા સેન્ટના પાંચમા ભાગે કેશ વાંચે છે, વીસ ગણા સુધી સસ્તું, અને એકમાત્ર તફાવત એક કૉલમ છે જે કહે છે કે અમારા ઉત્પાદનોને સુધારવા માટે ઉપયોગ થાય છે.

3:40 તેથી ડિસ્કાઉન્ટ તમારી સત્રની ટ્રાન્સક્રિપ્ટ છે, અને એકવાર માટે કોઈને પણ વાંચવું પડતું નથી લાયસન્સ, કારણ કે Meta એ લાયસન્સને ભાવ સૂચિ તરીકે લખ્યું છે. ટોચની ટિપ્પણી: મારા ટોકન્સ ચોરવાનું કેટલું મૂલ્યવાન છે તે હવે સંપૂર્ણપણે સ્પષ્ટ છે. બીજી ટિપ્પણી આશ્ચર્ય કરે છે કે ફાળો આપનાર પ્રોમ્પ્ટ્સ પર તાલીમ પામેલા મોડેલમાંથી કોઈ AWS કી ક્યાં સુધી કાઢશે નહીં. તાલીમ પામેલા મોડેલમાંથી કોઈ AWS કી ક્યાં સુધી કાઢશે નહીં. Meta ના પોતાના સ્કોરકાર્ડ પર, Spark 1.3 DeepSWE પર 75.4 મેળવે છે, Sol અને Opus 5 થી ઉપર, અને Meta કહે છે કે તે 1.2 કરતાં વીસ ટકા ઓછા ટૂલ કોલ્સનો ઉપયોગ કરે છે

4:06 અને પચીસ ટકા ઓછા ટોકન્સ, Google થી બરાબર વિરુદ્ધ શરત, તો આજે પૃથ્વી પરની બે સૌથી મોટી જાહેરાત કંપનીઓ અસહમત છે કે શું વધુ વાત કરવી સારી છે. દરમિયાન Trellner Research એ Perplexity ને ત્રણસો એંસી કેટેગરીમાં શ્રેષ્ઠ સોફ્ટવેર માટે પૂછ્યું અને દરેક ઉદાહરણ વાંચ્યું: 59.8 ટકા ટોચના એક લાખ સિવાયની સાઇટ્સમાંથી આવ્યા, અને દરેક ઉદાહરણ વાંચ્યું: 59.8 ટકા ટોચના એક લાખ સિવાયની સાઇટ્સમાંથી આવ્યા, વિકિપીડિયા સાત અને અડધા હજારમાંથી ત્રણ વખત ટાંકવામાં આવ્યું હતું, અને બે લાખ પંદર હજાર જનરેટ થયેલી ખરીદી માર્ગદર્શિકાઓ સાથેની ત્રણ સિસ્ટર સાઇટ્સ તેમના હોમપેજીસને Facts and Grounding Page શીર્ષક આપે છે,

4:34 Facts and Grounding Page શીર્ષક આપે છે, ક્રૉલરને સંબોધિત, તમને નહીં. AI SEO યુદ્ધ શરૂ થઈ ગયું છે, અને તેનું પ્રથમ હથિયાર માર્કેટિંગ બજેટ સાથે રેગ્યુલર એક્સપ્રેશન છે. એક બુધવાર માટે ઘણી કિંમતો છે; જો તમે મને તે કહેવાને બદલે આ વાંચવા માંગતા હો, તો diff દરરોજ સવારે તમારા ઇનબોક્સમાં આવે છે — daily diff dot dev પર મફત, લિંક નીચે. તો, આજનો નિર્ણય: SHIP IT. Gemini 3.8 Flash એ Google એ ન લખેલા એક બોર્ડ પર Opus 5 સાથે ટાઈ કરે છે,

5:00 કિંમતના પાંચમા ભાગ માટે. ફક્ત ટોકન બિલ વાંચો, અને Meta ના કૉલમ હેડર વાંચો. આ આજનો diff છે. હું Axrisi થી નિકો છું. જવાબદારીપૂર્વક મર્જ કરો.

સ્ત્રોતો

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