Gemini 4 Argon adalah model terbaik Google. Anda belum bisa menggunakannya.

Isi video ini

• Gemini 4 Argon: satu juta token output, $2 masukan, dan Anda belum bisa menggunakannya
• Di dalam Google: Agen Argon mem-port C++ ke Rust
• Tabel milik Google: Argon menduduki puncak 13 dari 19 baris
• Penawaran siber: menambal sendiri, tanpa pembatas untuk pembela
• Angka luar: Artificial Analysis mengatakan 53, Opus 5.5 memiliki 58

Transkrip terjemahan

Diterjemahkan dari narasi asli bahasa Inggris. Audio dan teks tersedia yang dikontrol oleh YouTube.

Gemini 4 Argon: satu juta token output, $2 masukan, dan Anda belum bisa menggunakannya

0:00 Anda mungkin berpikir peluncuran berarti Anda mendapatkan modelnya. Google baru saja meluncurkan Gemini empat Argon, dan kecuali Anda adalah siber terpercaya pembela, Anda tidak bisa menyentuhnya. Dalam video ini: apa yang ditunjukkan tabel Google? Apa yang diukur oleh penguji luar? Dan kapan Anda mendapatkannya? Anda mungkin sudah melihat video promosi tersebut. Saya membaca tabel benchmark sebagai gantinya, dan dua baris di dalamnya tidak pernah masuk ke

0:20 teks postingan. Saya akan membahasnya di akhir. Ini hari Kamis, tanggal satu Oktober, dan ini The Daily Diff. Dua berita hari ini, dan yang besar adalah Gemini empat Argon, yang Google sebut sebagai era berikutnya dari kecerdasan perintisnya. Satu jawaban kini bisa mencapai satu juta token, naik dari enam puluh empat ribu, yang setara dengan beberapa novel dalam satu balasan. Harga peluncuran adalah dua dolar per juta token masuk dan sepuluh dolar keluar. Itulah yang dikenakan OpenAI untuk GPT enam titik satu Sol,

0:48 model yang saya bahas kemarin, dan Sol adalah model yang sebenarnya bisa Anda beli. Di dalam Google, sudah berfungsi.

Di dalam Google: Agen Argon mem-port C++ ke Rust

0:54 Google mengatakan agen Argon mem-porting C dan C++ ke Rust di seluruh perusahaan, hingga delapan ratus ribu baris untuk kernel Fuchsia. Di Hacker News, seorang insinyur mengingat ketika tim C++ Google bahkan tidak mempertimbangkan Rust dan malah melihat Carbon. Sekarang sebuah model melakukan migrasi yang mereka perdebatkan.

Tabel milik Google: Argon menduduki puncak 13 dari 19 baris

1:12 Sekarang tabelnya. Google menempatkan Argon di samping GPT enam Astra, Claude Fable, dan Claude Opus pada sembilan belas baris, dan Argon menjadi yang teratas di tiga belas di antaranya. Judulnya adalah DeepSWE, sebuah benchmark pengkodean panjang, dengan tujuh puluh delapan persen, sekitar empat poin lebih unggul. Kemenangan paling aneh adalah penyusunan hukum, di mana Argon mencetak dua puluh persen dan yang lain tetap di angka tunggal. Ini adalah nilai terbaik dalam ujian yang semua orang gagal, dan pada slide-deck

1:38 benchmark, yang tidak terkalahkan, itu penting.

Penawaran siber: menambal sendiri, tanpa pembatas untuk pembela

1:41 Penawaran sebenarnya adalah keamanan. Google mengatakan Argon dapat menemukan, memvalidasi, dan menambal kerentanan kritis sendiri, dan bahwa pembela terpercaya mendapatkannya tanpa pembatas siber. Wiz menggunakannya untuk menemukan celah kritis dalam perangkat lunak rumah sakit yang model sebelumnya lewatkan. Satu detail kecil. Wiz dimiliki oleh Google, sejak kesepakatan tiga puluh dua miliar dolar ditutup pada bulan Maret. Jadi tes peretasan kotak hitam dalam postingan adalah perusahaan Google yang menilai model Google. Dan di papan peringkat perbaikan bug, tiga model berbagi enam puluh delapan

2:10 persen, dan bar di paling kiri milik Grok. Jadi apa yang diukur oleh penguji luar?

Angka luar: Artificial Analysis mengatakan 53, Opus 5.5 memiliki 58

2:15 Papan peringkat independen yang saya temukan dengan Argon adalah Artificial Analysis. Ini memberi skor Argon lima puluh tiga pada indeks kecerdasannya, pada pengaturan tinggi, yang mengikatnya dengan Astra dan Fable. Claude Opus lima titik lima unggul lima poin. Seminggu yang lalu saya mengatakan kepada Anda bahwa Opus menduduki posisi teratas di sana, dan masih mempertahankannya. Bagian yang adil untuk Google adalah tagihannya. Satu jalankan Argon berharga sekitar dua dolar per tugas pada indeks itu, kira-kira sepertiga dari biaya Opus.

Kapan Anda mendapatkannya: "Jadi, tunggu sebentar"

2:42 Dan kapan Anda mendapatkannya? Google tidak akan memberikan tanggal. Postingan tersebut menjanjikan akses untuk pengembang, perusahaan, dan konsumen sesegera mungkin, dengan pelanggan API berbayar terlebih dahulu. Postingan Sundar Pichai di X mengatakan, jadi tunggu sebentar. Sampai saat itu, akses berjalan melalui Fairwind, program yang dimulai Google sebulan yang lalu dengan Gemini tiga titik delapan Flash Cyber. Ini memiliki lebih dari enam ratus lima puluh mitra, dan mereka mungkin hanya menyerahkan Argon kepada mereka

3:05 tim keamanan dan harus melacak siapa yang menggunakannya. Hacker News menerimanya dengan baik. Seorang komentator menulis, Gemini tidak mengalahkan tuduhan tidak bisa merilis model. Yang lain memprediksi bahwa model berubah menjadi vaporware, sekumpulan angka pada tabel. Sementara itu, Netlify membangun kembali Edge Functions, yang berjalan sekitar satu miliar

Netlify Edge Functions: Isolasi V8 ke microVM, sekitar 5x lebih cepat

3:23 kali sehari. Mereka berpindah dari isolasi V8 dalam layanan host ke microVM Firecracker di dalam Jaringan Netlify sendiri, dan panggilan hangat turun dari hingga empat puluh milidetik menjadi sekitar enam. Hacker News menunjukkan bahwa Cloudflare Workers juga merupakan isolasi V8 dan berjalan jauh lebih cepat, jadi sebagian besar kemenangan terlihat seperti permintaan tidak lagi meninggalkan gedung. Komentator lain khawatir tentang snapshot, karena microVM yang dikloning dapat berbagi status angka acak, begitulah Anda mendapatkan dua UUID yang identik.

3:50 Permulaan dingin, ketika suatu wilayah belum pernah melihat fungsi Anda, mencapai sekitar satu persen panggilan dan membutuhkan sekitar sembilan milidetik. Dan microVM itu sendiri adalah Firecracker, yang dibangun Amazon untuk Lambda, jadi seorang komentator menyarankan Anda mengingat itu lain kali Anda mengutuk AWS.

Dua baris yang tidak pernah disebutkan postingan Google

4:06 Sekarang, kedua baris itu. Pada FrontierSWE dan Terminal-bench, dua tes pengkodean yang tidak pernah disebutkan dalam teks postingan, Argon berada di posisi terakhir dari empat, pada tabel milik Google sendiri. Terminal-bench menempatkan agen dalam shell nyata, begitulah kebanyakan dari kita akan menggunakannya, dan Opus memimpinnya dengan sembilan poin. Jika Anda lebih suka membaca ini daripada mendengar saya mengatakannya, diff mendarat di kotak masuk Anda setiap pagi, gratis di the daily diff dot dev, tautan di bawah.

Putusan: BUTUH TINJAUAN, hari saya bisa menyebutnya

4:29 Jadi, putusan hari ini tentang Gemini empat Argon. BUTUH TINJAUAN. Saya akan menilainya seperti itu karena angka independen yang saya temukan memiliki itu terikat di posisi kedua, dan dua baris pengkodean yang saya pedulikan memiliki itu terakhir, jadi saya akan meninjaunya dengan benar pada hari saya bisa menggunakannya. Berlangganan, tekan bel, dan beri tahu saya di komentar jika Anda akan menilainya berbeda. Dan itulah perbedaannya untuk hari ini. Saya Niko dari Axrisi. Gabungkan dengan bertanggung jawab.

Sumber

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