Google ha appena lanciato un modello di hacking. Ecco la differenza.

Contenuto di questo video

• Google lancia Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program)
• Meta lancia Muse Spark 1.3: 1.25$/4.25$, o 0.10$/0.20$ se Meta può allenarsi su di esso
• Tre siti hanno creato 215.128 pagine false di "miglior software"; Perplexity le cita

Trascrizione tradotta

Tradotto dalla narrazione originale inglese. L'audio e i sottotitoli disponibili sono controllati da YouTube.

0:00 Google ha lanciato oggi il suo terzo modello Flash in sei settimane, più una versione addestrata all'hacking, e quattro ore dopo Meta ha lanciato un modello che costa dieci centesimi per milione di token se permetti a Zuckerberg di leggere il tuo codice, quindi la guerra dei prezzi dell'IA ora ha una divisione di cybersecurity. È mercoledì e la differenza è grande. Gemini 3.8 Flash ha raggiunto undici cento punti su Hacker News, Muse Spark 1.3 ne ha ottenuti quasi settecento in più, e nel mezzo, un laboratorio di ricerca ha trovato tre siti web che hanno pubblicato duecentoquindicimila

0:28 pagine false sui migliori software puramente affinché Perplexity le citasse. Anche oggi: un post che ti implora di tenere il tuo Firefox ha ottenuto novecento ottantotto punti, e la pagina di aiuto di Mistral sull'opt-out dall'addestramento ha ottenuto quasi cinquecento, principalmente da europei che scoprono che l'opzione sovrana si allena sui tuoi prompt per impostazione predefinita. In questo video: quanto costa effettivamente Gemini 3.8 Flash, il modello di hacking che Google venderà solo a seicentocinquanta partner, il livello da dieci centesimi di Meta e quanto realmente addebita, e l'unico benchmark che nessuna delle due aziende ha scritto.

0:59 È mercoledì 2 settembre, e questo è The Daily Diff. Gemini 3.8 Flash costa settantacinque centesimi per milione di token in ingresso e tre settantacinque in uscita, lo stesso di 3.7 Flash di tre settimane fa, con una nota a piè di pagina che dice che il prezzo raddoppia il 1° gennaio, che è una prova gratuita con passaggi aggiuntivi. Sui benchmark della presentazione, che sono imbattuti, ottiene il 54.9 percento su HLE-Verified, X dice che batte Sol e Opus 5 su Terminal-Bench, e Logan Kilpatrick ha pubblicato un 73.7 su DeepSWE, l'unico benchmark di codifica a lungo orizzonte

1:29 che non è ancora stato memorizzato, presumibilmente. Simon Willison gli ha chiesto di creare una cosa interessante in HTML e ha ottenuto una simulazione di particelle in tredici secondi per 1.8 centesimi, in esecuzione a sessanta fotogrammi al secondo, perché il sessanta era codificato nella pagina. Il post di Google spiega i guadagni con una frase che incornicerei: 3.8 Flash lavora di più. Esegue passaggi di ragionamento extra, chiama strumenti in modo iterativo, e, cito, potrebbe usare più token, il che in gergo aziendale significa che il contatore gira più velocemente. Il comitato indipendente di DeepSWE è d'accordo su entrambi i punti: Flash ottiene il settantaquattro

2:02 percento, a pari merito con Opus 5 a un quinto del costo per attività, ma ha richiesto centosessantasei passaggi e centoquarantatremila token di output per arrivarci, più del doppio di quanto speso da Sol. Artificial Analysis ha bruciato centoquaranta milioni di token e mille settantotto dollari solo per valutarlo. Economico per token, chiacchierone per attività, e il primo token arriva dopo dodici secondi di pensiero. Poi la metà interessante.

2:23 Gemini 3.8 Flash Cyber è lo stesso modello con le barriere di sicurezza allentate per, cito, difensori fidati, e Sundar dice che raggiunge l'86.2 percento su CyberGym, il benchmark per la ricerca autonoma di vulnerabilità. Applica anche patch: 47.2 percento su CWE-Bench contro il 47.8 per un modello all'avanguardia, il team di Chrome dice che ha prodotto 2.6 volte più patch corrette rispetto a modelli commerciali molto più grandi, e i ricercatori cloud di Google lo hanno usato per trovare una vulnerabilità critica in meno di due ore, un lavoro che di solito richiede mesi, o un adolescente motivato.

2:54 Google insiste di aver dato priorità alla correzione rispetto allo sfruttamento, che è il modo educato per dire che il modello può assolutamente attraversare i buchi, gli hanno solo chiesto di non farlo. Quindi non puoi averlo. L'accesso avviene tramite un nuovo Fairwind Program: governi, infrastrutture critiche e seicentocinquanta partner verificati con obbligo a due fattori. Ogni laboratorio all'avanguardia ora possiede un modello di hacking che non ti venderà, e questa settimana è uno economico.

3:16 Quattro ore dopo, Meta ha rilasciato Muse Spark 1.3, e Zuck l'ha definito all'avanguardia prestazioni quasi troppo economiche da misurare, il che è vero, con un asterisco grande quanto Menlo Park. L'endpoint normale è un dollaro e venticinque centesimi in entrata e quattro dollari e venticinque centesimi in uscita, più di Gemini. L'endpoint per i collaboratori è dieci centesimi in entrata, venti centesimi in uscita, letture della cache a un quinto di centesimo, fino a venti volte più economiche, e l'unica differenza è una colonna che dice 'usato per migliorare i nostri prodotti'.

3:40 Quindi lo sconto è la trascrizione della tua sessione, e per una volta nessuno deve leggere la licenza, perché Meta ha scritto la licenza come un listino prezzi. Commento principale: è ora completamente ovvio quanto valga rubare i miei token. Il secondo commento si chiede quanto tempo ci vorrà prima che qualcuno estragga una chiave AWS da un modello addestrato sui prompt dei collaboratori. Sulla scorecard di Meta, Spark 1.3 ottiene 75.4 su DeepSWE, sopra Sol e Opus 5, e Meta dice che usa il venti percento in meno di chiamate agli strumenti

4:06 e il venticinque percento in meno di token rispetto all'1.2, la scommessa esattamente opposta rispetto a Google, quindi oggi le due più grandi aziende pubblicitarie sulla terra non sono d'accordo se parlare di più sia buono. Nel frattempo Trellner Research ha chiesto a Perplexity il miglior software in tre cento ottanta categorie e ha letto ogni citazione: il 59.8 percento proveniva da siti fuori dalla top centomila, Wikipedia è stata citata tre volte su settemila e mezzo, e tre siti gemelli con duecentoquindicimila

4:34 guide all'acquisto generate intitolano le loro homepage 'Fatti e Pagina di Fondamenta', indirizzate al crawler, non a te. La guerra della SEO AI è iniziata, e la sua prima arma è un regex con un budget di marketing. Sono un sacco di prezzi per un mercoledì; se preferisci leggere questo piuttosto che sentirmi dirlo, The Daily Diff arriva nella tua casella di posta ogni mattina — gratuito su thedailydiff.dev, link qui sotto. Quindi, il verdetto di oggi: SHIP IT. Gemini 3.8 Flash eguaglia Opus 5 sull'unica scheda che Google non ha scritto,

5:00 per un quinto del prezzo. Basta leggere la bolletta dei token e leggere le intestazioni di colonna di Meta. Questo è il The Daily Diff di oggi. Sono Niko di Axrisi. Effettua il merge in modo responsabile.

Fonti

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