Gemini 4 Argon je Googleov najbolji model. Još ga ne možete koristiti.

Što ovaj video pokriva

• Gemini 4 Argon: milijun izlaznih tokena, 2$ ulaza, i ne možete ga koristiti
• Unutar Googlea: Argon agenti prenose C++ na Rust
• Googleova vlastita tablica: Argon je na vrhu u 13 od 19 redaka
• Cyber ponuda: sam se zakrpa, nema zaštitnih ograda za branitelje
• Vanjski broj: Artificial Analysis kaže 53, Opus 5.5 ima 58

Prevedeni transkript

Prevedeno iz izvornog engleskog pripovijedanja. Dostupni zvuk i titlovi kontroliraju se putem YouTubea.

Gemini 4 Argon: milijun izlaznih tokena, 2$ ulaza, i ne možete ga koristiti

0:00 Mislili biste da lansiranje znači da dobivate model. Google je upravo lansirao Gemini 4 Argon, i osim ako niste povjerljivi cyber branitelj, ne možete ga dotaknuti. U ovom videu: što prikazuje Googleova tablica? Što su izmjerili vanjski testeri? I kada ga dobivate? Vjerojatno ste već vidjeli hype videozapise. Ja sam pročitao tablicu mjerila umjesto toga, i dva retka u njoj nikada nisu ušla u

0:20 tekst posta. Doći ću do njih na kraju. Četvrtak je, prvog listopada, i ovo je The Daily Diff. Dvije priče danas, a velika je Gemini 4 Argon, koji Google naziva svojom sljedećom erom granične inteligencije. Jedan odgovor sada može doseći milijun tokena, s šezdeset četiri tisuće, što je nekoliko romana u jednom odgovoru. Lansirana cijena je dva dolara po milijun tokena ulaza i deset izlaza. To je točno ono što OpenAI naplaćuje za GPT 6.1 Sol,

0:48 model koji sam pokrio jučer, a Sol je onaj koji zapravo možete kupiti. Unutar Googlea, već je u pogonu.

Unutar Googlea: Argon agenti prenose C++ na Rust

0:54 Google kaže da Argon agenti prenose C i C++ na Rust diljem tvrtke, do osamsto tisuća redaka za Fuchsia kernel. Na Hacker News-u, jedan inženjer se prisjetio kada Googleov tim za C++ ne bi ni razmatrao Rust i umjesto toga gledao Carbon. Sada model radi migraciju o kojoj su se prepirali.

Googleova vlastita tablica: Argon je na vrhu u 13 od 19 redaka

1:12 Sada tablica. Google stavlja Argon pored GPT 6 Astra, Claude Fable i Claude Opus na devetnaest redaka, a Argon je na vrhu u trinaest od njih. Glavna vijest je DeepSWE, dugo mjerilo kodiranja, na sedamdeset osam posto, oko četiri boda prednosti. Najčudnija pobjeda je pravno pisanje, gdje Argon postiže dvadeset posto, a ostali ostaju u jednoznamenkastim brojevima. To je najbolja ocjena na testu na kojem svi padaju, i na slajd-deck

1:38 mjerilima, koja su nepobjediva, to se računa.

Cyber ponuda: sam se zakrpa, nema zaštitnih ograda za branitelje

1:41 Prava ponuda je sigurnost. Google kaže da Argon može sam pronaći, potvrditi i zakrpati kritične ranjivosti, te da ga povjerljivi branitelji dobivaju bez cyber zaštitnih ograda. Wiz ga je koristio da pronađe kritičnu rupu u bolničkom softveru koju su raniji modeli promašili. Jedan mali detalj. Wiz pripada Googleu, otkako je posao od trideset dvije milijarde dolara zaključen u ožujku. Dakle, test hakiranja crne kutije u postu je Googleova tvrtka koja ocjenjuje Googleov model. A na ljestvici popravaka bugova, tri modela dijele šezdeset osam

2:10 posto, a traka na krajnjoj lijevoj strani pripada Groku. Pa, što su izmjerili vanjski testeri?

Vanjski broj: Artificial Analysis kaže 53, Opus 5.5 ima 58

2:15 Nezavisna ljestvica koju sam mogao pronaći s Argonom je Artificial Analysis. Ona Argon ocjenjuje pedeset tri na svom indeksu inteligencije, na visokoj postavci, što ga izjednačava s Astrom i Fableom. Claude Opus 5.5 je pet bodova ispred. Prije tjedan dana rekao sam vam da je Opus zauzeo prvo mjesto tamo, i još ga drži. Pošten dio za Google je račun. Pokretanje Argona košta oko dva dolara po zadatku na tom indeksu, otprilike trećinu onoga što košta Opus.

Kada ga dobivate: "Pa pričekajte"

2:42 A kada ga dobivate? Google neće dati datum. Post obećava pristup za programere, poduzeća i potrošače što je prije moguće, s plaćenim API korisnicima prvima. Sundar Pichaijev post na X-u kaže, pa pričekajte. Do tada, pristup ide putem Fairwinda, programa koji je Google pokrenuo prije mjesec dana s Gemini 3.8 Flash Cyber. Ima preko šeststo pedeset partnera, i oni smiju Argon predati samo svojim

3:05 sigurnosnim timovima i moraju pratiti tko ga koristi. Hacker News je to dobro prihvatio. Jedan komentator je napisao, Gemini ne pobjeđuje optužbe da ne može objaviti model. Drugi je predvidio da se modeli pretvaraju u vaporware, hrpu brojeva na tablici. U međuvremenu, Netlify je preuredio Edge Functions, koje se pokreću oko milijardu

Netlify Edge Functions: V8 izolati u microVM-ove, oko 5 puta brže

3:23 puta dnevno. Premjestili su se s V8 izolata u hostanoj usluzi na Firecracker microVM-ove unutar Netlifyjeve vlastite mreže, a topli poziv je pao s do četrdeset milisekundi na oko šest. Hacker News je istaknuo da su Cloudflare Workers također V8 izolati i da rade mnogo brže, pa se većina dobitka čini kao da zahtjev više ne izlazi iz zgrade. Drugi komentator se brinuo zbog snimaka, jer klonirani microVM-ovi mogu dijeliti stanje slučajnog broja, što je način na koji dobivate dva identična UUID-a.

3:50 Hladni start, kada regija nikada nije vidjela vašu funkciju, pogađa oko jedan posto poziva i traje oko devet milisekundi. A sam microVM je Firecracker, koji je Amazon izgradio za Lambda, pa jedan komentator sugerira da se toga sjetite sljedeći put kada proklinjete AWS.

Dva retka koja Googleov post nikada ne spominje

4:06 Sada, ta dva retka. Na FrontierSWE i Terminal-bench, dva testa kodiranja koje tekst posta nikada ne spominje, Argon je zadnji od četiri, na Googleovoj vlastitoj tablici. Terminal-bench stavlja agenta u stvarnu ljusku, što je način na koji bi ga većina nas koristila, a Opus ga vodi za devet bodova. Ako biste ovo radije pročitali nego čuli kako ja to govorim, diff slijeće u vaš inbox svako jutro, besplatno na the daily diff dot dev, link ispod.

Presuda: POTREBAN PREGLED, dan kada ga mogu nazvati

4:29 Dakle, današnja presuda za Gemini 4 Argon. POTREBAN PREGLED. Tako bih ga ocijenio jer nezavisni broj koji sam pronašao ima ga izjednačenog za drugo mjesto, a dva retka kodiranja do kojih mi je stalo imaju ga posljednjeg, pa ću ga pravilno pregledati onog dana kada ga budem mogao nazvati. Pretplatite se, pritisnite zvono i recite mi u komentarima da li biste ga ocijenili drugačije. I to je diff za danas. Ja sam Niko iz Axrisi. Spajajte odgovorno.

Izvori

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