જેમિની 4 આર્ગન એ ગુગલનો શ્રેષ્ઠ મોડેલ છે. તમે હજુ તેનો ઉપયોગ કરી શકતા નથી.
ગુગલે જેમિની 4 આર્ગન, તેનું નવું ફ્રન્ટિયર મોડેલ, જાહેર કર્યું છે અને ફક્ત વિશ્વાસુ સાયબર ડિફેન્ડર્સ જ તેનો ઉપયોગ કરી શકે છે.
ગુગલે જેમિની 4 આર્ગન, તેનું નવું ફ્રન્ટિયર મોડેલ, જાહેર કર્યું છે અને ફક્ત વિશ્વાસુ સાયબર ડિફેન્ડર્સ જ તેનો ઉપયોગ કરી શકે છે. અહીં ગુગલના પોતાના 19-પંક્તિના બેન્ચમાર્ક ટેબલ શું દર્શાવે છે, સ્વતંત્ર લીડરબોર્ડે શું માપ્યું છે, અને વિકાસકર્તાઓને ક્યારે તે મળી શકે છે. ચુકાદો: સમીક્ષા જરૂરી છે.
લખેલી આવૃત્તિ વાંચો (અંગ્રેજી) ↗
આ વીડિયોમાં શું આવરી લેવામાં આવ્યું છે
- જેમિની 4 આર્ગન: દસ લાખ આઉટપુટ ટોકન, $2 માં, અને તમે તેનો ઉપયોગ કરી શકતા નથી
- ગુગલની અંદર: આર્ગન એજન્ટો C++ ને Rust માં પોર્ટ કરે છે
- ગુગલનું પોતાનું કોષ્ટક: આર્ગન 19 માંથી 13 પંક્તિઓમાં ટોચ પર છે
- સાયબર પિચ: તેના પોતાના પર પેચ કરે છે, ડિફેન્ડર્સ માટે કોઈ ગાર્ડ્રેલ્સ નથી
- બહારનો નંબર: આર્ટિફિશિયલ એનાલિસિસ કહે છે 53, ઓપસ 5.5 માં 58 છે
પ્રશ્નો અને જવાબો
જેમિની 4 આર્ગોનનો ઉપયોગ અત્યારે કોણ કરી શકે છે અને ડેવલપર્સને ક્યારે ઍક્સેસ મળશે?
આજે ફક્ત વિશ્વાસુ સાયબર ડિફેન્ડર્સ જ તેનો ઉપયોગ કરી શકે છે. Google એ કોઈ તારીખ આપી નથી, અને તેની પોસ્ટમાં ડેવલપર્સ, એન્ટરપ્રાઈઝ અને ગ્રાહકો માટે શક્ય તેટલી વહેલી તકે ઍક્સેસનું વચન આપવામાં આવ્યું છે, જેમાં પેઇડ API ગ્રાહકોને પ્રથમ સ્થાન મળશે. ઍક્સેસ હાલમાં ફેરવિન્ડ પ્રોગ્રામ દ્વારા ચાલે છે, જેમાં છસો પચાસથી વધુ ભાગીદારો છે જેઓ ફક્ત તેમની સુરક્ષા ટીમોને જ આર્ગોન આપી શકે છે અને તેનો ઉપયોગ કોણ કરે છે તેનો ટ્રૅક રાખવો આવશ્યક છે.
બેન્ચમાર્ક્સ પર જેમિની 4 આર્ગોન અન્ય ફ્રન્ટિયર મોડેલ્સ સાથે કેવી રીતે સરખામણી કરે છે?
Google ના પોતાના કોષ્ટકમાં GPT છ એસ્ટ્રા, ક્લાઉડ ફેબલ અને ક્લાઉડ ઓપસ સામે 19 માંથી 13 પંક્તિઓમાં આર્ગોન ટોચ પર છે. આર્ટિફિશિયલ એનાલિસિસ તેના ઇન્ટેલિજન્સ ઇન્ડેક્સ પર ઉચ્ચ સેટિંગ પર તેને 53 સ્કોર આપે છે, જે એસ્ટ્રા અને ફેબલ સાથે ટાઈ થાય છે, જ્યારે ક્લાઉડ ઓપસ 5.5 58 પર છે. સ્વતંત્ર ખર્ચ પ્રતિ કાર્ય લગભગ બે ડોલર છે, જે ઓપસના ખર્ચના આશરે ત્રીજા ભાગનો છે.
પ્રતિ ટોકન જેમિની 4 આર્ગોનનો ખર્ચ કેટલો છે?
પ્રારંભિક કિંમત $2 પ્રતિ મિલિયન ટોકન્સ ઇન અને દસ ડોલર આઉટ છે. એપિસોડ મુજબ, તે OpenAI GPT છ પોઇન્ટ વન સોલ માટે જે ચાર્જ કરે છે તેની સાથે મેળ ખાય છે, જે ખરીદવા માટે ઉપલબ્ધ છે. એક આર્ગોન જવાબ હવે ચોસઠ હજારથી વધીને એક મિલિયન ટોકન્સ સુધી ચાલી શકે છે.
જેમિની 4 આર્ગોન સુરક્ષા ખામીઓ શોધી કાઢવા અને તેને ઠીક કરવા વિશે Google એ શું કહ્યું?
Google કહે છે કે આર્ગોન તેની પોતાની રીતે જટિલ નબળાઈઓ શોધી, માન્ય કરી અને પેચ કરી શકે છે, અને વિશ્વાસુ ડિફેન્ડર્સને તે સાયબર ગાર્ડરેલ્સ વિના મળે છે. વિઝે તેનો ઉપયોગ હોસ્પિટલ સોફ્ટવેરમાં એક જટિલ ખામી શોધવા માટે કર્યો હતો જે અગાઉના મોડેલો ચૂકી ગયા હતા. એપિસોડ નોંધે છે કે વિઝ Google નું છે, તેથી બ્લેક-બોક્સ હેકિંગ ટેસ્ટ એ Google મોડેલનું ગ્રેડિંગ કરતી Google કંપની છે.
શું ડેવલપર્સે હજુ જેમિની 4 આર્ગોનની આસપાસ યોજના બનાવવી જોઈએ?
ધ ડેઇલી ડિફનો ચુકાદો NEEDS REVIEW હતો. સ્વતંત્ર આર્ટિફિશિયલ એનાલિસિસ નંબર આર્ગોનને બીજા સ્થાને જોડે છે, અને FrontierSWE અને Terminal-bench પર, બે કોડિંગ પરીક્ષણો Google ની પોસ્ટ ટેક્સ્ટ ક્યારેય ઉલ્લેખ કરતું નથી, તે Google ના પોતાના કોષ્ટક પર ચારમાંથી છેલ્લું આવે છે. એપિસોડ મોડેલને યોગ્ય રીતે સમીક્ષા કરશે તે દિવસે જ્યારે તેને બોલાવી શકાય.
અનુવાદિત ટ્રાન્સક્રિપ્ટ
મૂળ અંગ્રેજી કથામાંથી અનુવાદિત. ઉપલબ્ધ ઑડિઓ અને કૅપ્શન્સ YouTube દ્વારા નિયંત્રિત થાય છે.
જેમિની 4 આર્ગન: દસ લાખ આઉટપુટ ટોકન, $2 માં, અને તમે તેનો ઉપયોગ કરી શકતા નથી
0:00 તમે વિચારશો કે લોન્ચનો અર્થ છે કે તમને મોડેલ મળશે. ગુગલે હમણાં જ જેમિની ફોર આર્ગન લોન્ચ કર્યું છે, અને જો તમે વિશ્વાસુ સાયબર ડિફેન્ડર ન હોવ, તો તમે તેને સ્પર્શી શકતા નથી. આ વિડિઓમાં: ગુગલનું કોષ્ટક શું દર્શાવે છે? બહારના પરીક્ષકોએ શું માપ્યું? અને તમને તે ક્યારે મળશે? તમે કદાચ પહેલાથી જ હાઇપ વીડિયો જોયા હશે. મેં તેના બદલે બેન્ચમાર્ક કોષ્ટક વાંચ્યું, અને તેમાંની બે પંક્તિઓ ક્યારેય
0:20 પોસ્ટના લખાણમાં આવી ન હતી. હું તેમને અંતે જણાવીશ. આ ગુરુવાર, ઓક્ટોબર પ્રથમ છે, અને આ The Daily Diff છે. આજે બે વાર્તાઓ, અને મોટી વાર્તા જેમિની ફોર આર્ગન છે, જેને ગુગલ તેની સરહદી બુદ્ધિનો આગલો યુગ કહે છે. એક જવાબ હવે દસ લાખ ટોકન સુધી ચાલી શકે છે, ચોસઠ હજારથી વધીને, જે એક જ જવાબમાં ઘણી નવલકથાઓ છે. લોન્ચ કિંમત પ્રતિ દસ લાખ ટોકન માટે બે ડોલર ઇન અને દસ ડોલર આઉટ છે. તે બરાબર એ જ છે જે OpenAI GPT 6.1 Sol માટે વસૂલે છે,
0:48 જે મોડેલ મેં ગઈકાલે કવર કર્યું હતું, અને Sol એક એવું છે જેને તમે ખરેખર ખરીદી શકો છો. ગુગલની અંદર, તે પહેલેથી જ કાર્યરત છે.
ગુગલની અંદર: આર્ગન એજન્ટો C++ ને Rust માં પોર્ટ કરે છે
0:54 ગુગલ કહે છે કે આર્ગન એજન્ટો C અને C++ ને Rust માં પોર્ટ કરી રહ્યા છે કંપનીમાં, Fuchsia કર્નલ માટે આઠ લાખ લાઇન્સ સુધી. હેકર ન્યૂઝ પર, એક એન્જિનિયરને યાદ આવ્યું કે જ્યારે ગુગલની C++ ટીમ Rust ને ધ્યાનમાં પણ નહોતી લેતી અને તેના બદલે કાર્બન જોતી હતી. હવે એક મોડેલ તેઓ જે વિશે દલીલ કરતા હતા તે સ્થળાંતર કરી રહ્યું છે.
ગુગલનું પોતાનું કોષ્ટક: આર્ગન 19 માંથી 13 પંક્તિઓમાં ટોચ પર છે
1:12 હવે કોષ્ટક. ગુગલ આર્ગનને GPT સિક્સ એસ્ટ્રા, ક્લાઉડ ફેબલ અને ક્લાઉડ ઓપસ ની બાજુમાં ઓગણીસ પંક્તિઓ પર મૂકે છે, અને આર્ગન તેમાંથી તેરમાં ટોચ પર આવે છે. હેડલાઇન DeepSWE છે, એક લાંબો કોડિંગ બેન્ચમાર્ક, અઠ્ઠોત્તેર ટકા પર, લગભગ ચાર પોઈન્ટ સ્પષ્ટ. સૌથી વિચિત્ર જીત કાનૂની ડ્રાફ્ટિંગ છે, જ્યાં આર્ગન વીસ ટકા સ્કોર કરે છે અને અન્ય સિંગલ ડિજિટમાં રહે છે. તે એક પરીક્ષામાં શ્રેષ્ઠ ગ્રેડ છે જેમાં દરેક જણ નિષ્ફળ જાય છે, અને સ્લાઇડ-ડેક
1:38 બેન્ચમાર્ક્સ પર, જે અજેય છે, તે ગણાય છે.
સાયબર પિચ: તેના પોતાના પર પેચ કરે છે, ડિફેન્ડર્સ માટે કોઈ ગાર્ડ્રેલ્સ નથી
1:41 વાસ્તવિક પિચ સુરક્ષા છે. ગુગલ કહે છે કે આર્ગન તેના પોતાના પર ગંભીર નબળાઈઓ શોધી, માન્ય કરી અને પેચ કરી શકે છે, અને વિશ્વાસુ ડિફેન્ડર્સને તે સાયબર ગાર્ડ્રેલ્સ વિના મળે છે. Wiz એ તેનો ઉપયોગ હોસ્પિટલ સોફ્ટવેરમાં એક ગંભીર છિદ્ર શોધવા માટે કર્યો હતો જે અગાઉના મોડેલોએ ચૂકી ગયા હતા. એક નાની વિગત. Wiz ગુગલનો છે, કારણ કે માર્ચમાં બત્રીસ અબજ ડોલરનો સોદો બંધ થયો હતો. તો પોસ્ટમાં બ્લેક-બોક્સ હેકિંગ ટેસ્ટ એ ગુગલ કંપની દ્વારા ગુગલ મોડેલનું ગ્રેડિંગ છે. અને બગ-ફિક્સિંગ લીડરબોર્ડ પર, ત્રણ મોડેલો અડસઠ
2:10 ટકા શેર કરે છે, અને સૌથી ડાબી બાજુનો બાર Grok નો છે. તો બહારના પરીક્ષકોએ શું માપ્યું?
બહારનો નંબર: આર્ટિફિશિયલ એનાલિસિસ કહે છે 53, ઓપસ 5.5 માં 58 છે
2:15 આર્ગન સાથેનું સ્વતંત્ર લીડરબોર્ડ જે મને મળ્યું તે આર્ટિફિશિયલ એનાલિસિસ છે. તે તેના ઇન્ટેલિજન્સ ઇન્ડેક્સ પર આર્ગનને ત્રેપન સ્કોર કરે છે, ઉચ્ચ સેટિંગ પર, જે તેને એસ્ટ્રા અને ફેબલ સાથે જોડે છે. ક્લાઉડ ઓપસ પાંચ પોઈન્ટ પાંચ પાંચ પોઈન્ટ આગળ બેઠો છે. એક અઠવાડિયા પહેલા મેં તમને કહ્યું હતું કે ઓપસે ત્યાં ટોચનું સ્થાન મેળવ્યું હતું, અને તે હજી પણ તેને પકડી રાખ્યું છે. ગુગલ માટે વાજબી ભાગ બિલ છે. તે ઇન્ડેક્સ પર એક આર્ગન રનનો ખર્ચ પ્રતિ કાર્ય લગભગ બે ડોલર છે, ઓપસના ખર્ચના લગભગ ત્રીજા ભાગનો.
તમને ક્યારે મળશે: "તો રાહ જુઓ"
2:42 અને તમને તે ક્યારે મળશે? ગુગલ તારીખ આપશે નહીં. પોસ્ટ શક્ય તેટલી વહેલી તકે વિકાસકર્તાઓ, ઉદ્યોગો અને ગ્રાહકો માટે ઍક્સેસનું વચન આપે છે, પહેલા પેઇડ API ગ્રાહકો સાથે. સુંદર પિચાઈની X પરની પોસ્ટ કહે છે, તેથી રાહ જુઓ. ત્યાં સુધી, ઍક્સેસ Fairwind દ્વારા ચાલે છે, જે કાર્યક્રમ ગુગલે એક મહિના પહેલા જેમિની ત્રણ પોઈન્ટ આઠ ફ્લેશ સાયબર સાથે શરૂ કર્યો હતો. તેના છસો પચાસથી વધુ ભાગીદારો છે, અને તેઓ ફક્ત તેમની સુરક્ષા ટીમોને જ આર્ગન આપી શકે છે
3:05 અને કોણ તેનો ઉપયોગ કરે છે તે ટ્રેક કરવું આવશ્યક છે. હેકર ન્યૂઝે તેને સારી રીતે લીધું. એક ટિપ્પણીકારે લખ્યું, જેમિની મોડેલ બહાર પાડી શકતા નથી તે આરોપોને હરાવી શકતું નથી. અન્ય એકે આગાહી કરી કે મોડેલો વેપરવેરમાં ફેરવાઈ જશે, કોષ્ટક પર નંબરોનો સમૂહ. દરમિયાન, Netlify એ Edge Functions ને ફરીથી બનાવ્યું, જે દરરોજ લગભગ એક અબજ
Netlify Edge Functions: V8 આઇસોલેટ્સથી માઇક્રોVMs સુધી, લગભગ 5x ઝડપી
3:23 વખત ચાલે છે. તેઓ હોસ્ટેડ સેવામાં V8 આઇસોલેટ્સથી Netlify ના પોતાના નેટવર્કમાં Firecracker માઇક્રોVMs માં ગયા, અને ગરમ કોલ ચાલીસ મિલિસેકન્ડ્સથી ઘટીને લગભગ છ થઈ ગયો. હેકર ન્યૂઝે ધ્યાન દોર્યું કે Cloudflare Workers પણ V8 આઇસોલેટ્સ છે અને વધુ ઝડપથી ચાલે છે, તેથી મોટાભાગની જીત એવી લાગે છે કે વિનંતી હવે ઇમારત છોડતી નથી. અન્ય એક ટિપ્પણીકારે સ્નેપશોટ્સ વિશે ચિંતા વ્યક્ત કરી, કારણ કે ક્લોન કરેલા માઇક્રોVMs રેન્ડમ નંબર સ્ટેટ શેર કરી શકે છે, જે રીતે તમને બે સમાન UUIDs મળે છે.
3:50 કોલ્ડ સ્ટાર્ટ, જ્યારે કોઈ ક્ષેત્રે તમારું કાર્ય ક્યારેય જોયું ન હોય, લગભગ એક ટકા કોલ પર અસર કરે છે અને લગભગ નવ મિલિસેકન્ડ્સ લે છે. અને માઇક્રોVM પોતે Firecracker છે, જે એમેઝોને Lambda માટે બનાવ્યું હતું, તો એક ટિપ્પણીકાર સૂચવે છે કે આગલી વખતે તમે AWS ને શાપ આપો ત્યારે તે યાદ રાખો.
ગુગલની પોસ્ટ ક્યારેય ઉલ્લેખ નથી કરતી તે બે પંક્તિઓ
4:06 હવે, તે બે પંક્તિઓ. FrontierSWE અને Terminal-bench પર, બે કોડિંગ પરીક્ષણો જેનો પોસ્ટના લખાણમાં ક્યારેય ઉલ્લેખ નથી, આર્ગન ગુગલના પોતાના કોષ્ટક પર ચારમાંથી છેલ્લો આવે છે. Terminal-bench એક એજન્ટને વાસ્તવિક શેલમાં મૂકે છે, જે રીતે આપણામાંથી મોટાભાગના તેનો ઉપયોગ કરશે, અને ઓપસ તેને નવ પોઈન્ટથી આગળ છે. જો તમે મને તે કહેવાને બદલે આ વાંચવાનું પસંદ કરશો, તો ડિફ દરરોજ સવારે તમારા ઇનબોક્સમાં મફતમાં આવે છે thedailydiff.dev પર, લિંક નીચે.
ચુકાદો: સમીક્ષા જરૂરી છે, જે દિવસે હું તેને બોલાવી શકીશ
4:29 તો, જેમિની ફોર આર્ગન પર આજનો ચુકાદો. સમીક્ષા જરૂરી છે. હું તેને આ રીતે સ્ટેમ્પ કરીશ કારણ કે મને મળેલો સ્વતંત્ર નંબર તેને બીજા નંબર પર બાંધે છે, અને મને જે બે કોડિંગ પંક્તિઓની પરવા છે તે તેને છેલ્લો રાખે છે, તો હું તેને યોગ્ય રીતે સમીક્ષા કરીશ જે દિવસે હું તેને બોલાવી શકીશ. સબ્સ્ક્રાઇબ કરો, બેલ દબાવો, અને ટિપ્પણીઓમાં મને જણાવો કે જો તમે તેને અલગ રીતે સ્ટેમ્પ કર્યું હોત. અને આજ માટે આટલો જ ડિફ. હું Axrisi થી Niko છું. જવાબદારીપૂર્વક મર્જ કરો.
સ્ત્રોતો
- Googleblog.google
- Hacker Newsnews.ycombinator.com
- Fairwind Programdeepmind.google
- Artificial Analysisartificialanalysis.ai
- Sundar Pichaix.com
- Demis Hassabisx.com
- Google completes acquisition of Wizcloud.google.com
- Netlifywww.netlify.com
- Hacker Newsnews.ycombinator.com



