Google sendi frá sér reiðmennsku líkan. Hér er diffið.

Það sem þetta myndband fjallar um

• Google sendir frá sér Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program)
• Meta sendir frá sér Muse Spark 1.3: $1.25/$4.25, eða $0.10/$0.20 ef Meta má þjálfa á því
• Þrjár vefsíður bjuggu til 215.128 falsaðar "besti hugbúnaður" síður; Perplexity vitnar í þær

Þýtt afrit

Þýtt úr upprunalegri enskri frásögn. Tiltækt hljóð og textar eru stjórnaðir af YouTube.

0:00 Google sendi frá sér þriðja Flash líkan sitt á sex vikum í dag, auk útgáfu sem er þjálfuð til að hakka, og fjórum tímum síðar sendi Meta frá sér líkan sem kostar tíu sent á milljón tákna ef þú leyfir Zuckerberg að lesa kóðann þinn, svo verðstríð gervigreindar er nú með netöryggisdeild. Það er miðvikudagur, og munurinn er langur. Gemini 3.8 Flash náði ellefu hundruð stigum á Hacker News, Muse Spark 1.3 tók næstum sjö hundruð fleiri, og á milli, rannsóknarstofa fann þrjár vefsíður sem birtu tvö hundruð fimmtán þúsund

0:28 falskar besti-hugbúnaðar síður eingöngu til að Perplexity myndi vitna í þær. Einnig í dag: færsla sem bað þig um að halda í Firefox þinn fékk níu hundruð áttatíu og átta stig, og hjálparsíða Mistral um að hætta við þjálfun fékk næstum fimm hundruð, að mestu frá Evrópubúum sem uppgötvuðu að sjálfstæði valkosturinn þjálfar á beiðnum þínum sjálfgefið. Í þessu myndbandi: hvað Gemini 3.8 Flash kostar í raun, reiðmennsku líkanið sem Google mun aðeins selja sex hundruð fimmtíu samstarfsaðilum, tíu-cents flokkur Meta og hvað það raunverulega rukkar, og eina viðmiðið sem hvorugt fyrirtækið skrifaði.

0:59 Það er miðvikudagur, 2. september, og þetta er The Daily Diff. Gemini 3.8 Flash er sjötíu og fimm sent á milljón tákna inn og þrír sjötíu og fimm út, það sama og 3.7 Flash frá þremur vikum síðan, með neðanmálsgrein sem segir að verðið tvöfaldist 1. janúar, sem er ókeypis prufa með auka skrefum. Á slide-deck viðmiðunum, sem eru ósigraðar, skorar það 54.9 prósent á HLE-Verified, X segir að það slái Sol og Opus 5 á Terminal-Bench, og Logan Kilpatrick birti 73.7 á DeepSWE, eina langtíma

1:29 kóðunarviðmiðinu sem hefur ekki verið minnst enn, að sögn. Simon Willison bað það að búa til flottan hlut í HTML og fékk agnasíun á þrettán sekúndum fyrir 1.8 sent, sem keyrir á sextíu ramma á sekúndu, vegna þess að sextíu var harðkóðað inn í síðuna. Eigin færsla Google útskýrir ávinninginn með setningu sem ég myndi ramma inn: 3.8 Flash vinnur erfiðara. Það framkvæmir auka röksemdafærsluskref, kallar á verkfæri ítrekað, og, "gæti notað fleiri tákn," sem er fyrirtækjaslangur fyrir að mælirinn keyrir hraðar. Óháða DeepSWE stjórnin er sammála á báðum punktum: Flash skorar sjötíu og fjögur

2:02 prósent, jafnt við Opus 5 á fimmtungi kostnaðar á verkefni, en það þurfti hundrað sextíu og sex skref og hundrað fjörutíu og þrjú þúsund úttakstákn til að ná þangað, meira en tvöfalt það sem Sol eyddi. Artificial Analysis brenndi hundrað fjörutíu milljón táknum og þúsund sjötíu og átta dollurum bara til að gefa því einkunn. Ódýrt á tákn, mikið af spjalli á verkefni, og fyrsta táknið kemur eftir tólf sekúndur af hugsun. Svo áhugaverði helmingurinn.

2:23 Gemini 3.8 Flash Cyber er sama líkanið með öryggisráðstafanirnar losaðar fyrir, "trausta varnarmenn," og Sundar segir að það nái 86.2 prósent á CyberGym, viðmiðinu fyrir sjálfstætt að finna veikleika. Það plástrar líka: 47.2 prósent á CWE-Bench á móti 47.8 fyrir leiðandi landamæralíkan, Chrome teymið segir að það hafi framleitt 2.6 sinnum fleiri rétta plástra en mun stærri markaðslíkön, og skýrannsóknarmenn Google notuðu það til að finna mikilvægan veikleika á innan við tveimur tímum, starf sem tekur venjulega mánuði, eða einn áhugasaman táning.

2:54 Google krefst þess að það hafi forgangsraðað lagfæringu fram yfir nýtingu, sem er kurteis leið til að segja að líkanið getur algerlega gengið í gegnum götin, þau báðu það bara að gera það ekki. Svo þú getur ekki fengið það. Aðgangur fer í gegnum nýtt Fairwind Program: ríkisstjórnir, mikilvægar innviðir, og sex hundruð fimmtíu samstarfsaðilar með skyldu tveggja þátta auðkenning. Sérhver landamærarannsóknarstofa á nú tölvuþrjótamódel sem hún mun ekki selja þér, og í þessari viku er það ódýrt.

3:16 Fjórum tímum síðar sendi Meta frá sér Muse Spark 1.3, og Zuck kallaði það framúrskarandi frammistöðu sem er næstum of ódýr til að mæla, sem er satt, með einni stjörnu á stærð við Menlo Park. Venjulegur endapunktur er einn dollari og tuttugu og fimm sent inn og fjórir dollarar og tuttugu og fimm sent út, meira en Gemini. Framlagsendapunkturinn er tíu sent inn, tuttugu sent út, skyndiminni les á fimmtung úr senti, allt að tuttugu sinnum ódýrara, og eini munurinn er dálkur sem segir notað til að bæta vörur okkar.

3:40 Svo afslátturinn er afrit af fundinum þínum, og í eitt skipti þarf enginn að lesa leyfið, því Meta skrifaði leyfið sem verðskrá. Efsta athugasemd: það er nú algjörlega augljóst hversu mikið það er virði að stela táknum mínum. Önnur athugasemd veltir því fyrir sér hversu lengi það líður þar til einhver dregur AWS lykil út úr módeli þjálfuðu á framlögsskipunum. Á eigin árangurstöflu Meta fær Spark 1.3 75,4 á DeepSWE, yfirlínur Sol og Opus 5, og Meta segir að það noti tuttugu prósent færri verkfærakallanir

4:06 og tuttugu og fimm prósent færri tákn en 1.2, nákvæmlega öfug veðmál frá Google, svo í dag eru tvö stærstu auglýsingafyrirtæki á jörðinni ósammála um hvort að tala meira sé gott. Á meðan bað Trellner Research Perplexity um besta hugbúnaðinn í þrjú hundruð áttatíu flokkum og las allar heimildir: 59,8 prósent komu frá síðum utan efstu hundrað þúsund, Wikipedia var vitnað í þrisvar sinnum af sjö og hálfu þúsundi, og þrjár systursíður með tvö hundruð og fimmtán þúsund

4:34 búnar til kaupleiðbeiningar titla heimasíður sínar Staðreyndir og Grundaðar Síður, beint til skriðdýrsins, ekki til þín. AI SEO stríðið er hafið, og fyrsta vopn þess er regex með markaðs fjárhagsáætlun. Það eru margar verðmiðar fyrir einn miðvikudag; ef þú vilt frekar lesa þetta en heyra mig segja það, þá lendir The Daily Diff í pósthólfinu þínu á hverjum morgni — ókeypis á thedailydiff.dev, hlekkur hér að neðan. diff dot dev, hlekkur hér að neðan. Svo, dómur dagsins: SHIP IT. Gemini 3.8 Flash jafnar Opus 5 á einni töflu sem Google skrifaði ekki,

5:00 fyrir fimmtung af verði. Lestu bara táknreikninginn, og lestu dálkaheiti Meta. Það er The Daily Diff í dag. Ég er Niko frá Axrisi. Sameinaðu á ábyrgan hátt.

Heimildir

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