Google жаңа ғана хакерлік модельді шығарды. Міне, айырмашылығы.

Бұл бейне не туралы

• Google Gemini 3.8 Flash + Flash Cyber шығарады (86.2% CyberGym, Fairwind Program)
• Meta Muse Spark 1.3 шығарады: $1.25/$4.25, немесе $0.10/$0.20 егер Meta онымен оқытуы мүмкін болса
• Үш сайт 215,128 жалған «ең жақсы бағдарламалық қамтамасыз ету» бетін жасады; Perplexity оларға сілтеме жасайды

Аударылған транскрипция

Бастапқы ағылшын тіліндегі баяндамадан аударылған. Қолжетімді аудио және субтитрлерді YouTube басқарады.

0:00 Google бүгін алты апта ішінде өзінің үшінші Flash моделін шығарды, сонымен қатар хакерлікке арналған нұсқасын, және төрт сағаттан кейін Meta модельді шығарды, егер сіз Цукербергке кодыңызды оқуға рұқсат берсеңіз, миллион токен үшін он цент тұрады, сондықтан қазіргі жасанды интеллект баға соғысында киберқауіпсіздік бөлімі бар. Бүгін сәрсенбі, және айырмашылық ұзақ. Gemini 3.8 Flash Hacker News-те он бір жүз ұпай жинады, Muse Spark 1.3 тағы жеті жүзге жуық жинады, ал осылардың арасында, бір зерттеу орталығы екі жүз он бес мың

0:28 жалған ең жақсы бағдарламалық қамтамасыз ету беттерін тек Perplexity оларға сілтеме жасау үшін жариялаған үш веб-сайтты тапты. Сондай-ақ бүгін: Firefox-ты сақтауды өтінген пост тоғыз жүз сексен сегіз ұпай жинады, және Mistral-дың оқытудан бас тартуға арналған анықтама беті бес жүзге жуық ұпай жинады, негізінен еуропалықтардың тәуелсіз опцияны әдепкі бойынша сіздің сұрауларыңызбен оқытатынын анықтауынан. Бұл видеода: Gemini 3.8 Flash қанша тұрады, Google тек алты жүз елу серіктеске сататын хакерлік модель, Meta-ның он центтік деңгейі және оның шын мәнінде қанша талап ететіні, және екі компания да жазбаған бір ғана бенчмарк.

0:59 Бүгін сәрсенбі, 2 қыркүйек, және бұл The Daily Diff. Gemini 3.8 Flash кіріске миллион токен үшін жетпіс бес цент және шығысқа үш жетпіс бес цент, үш апта бұрынғы 3.7 Flash сияқты, ескертумен, бағасы 1 қаңтарда екі есе өседі, бұл қосымша қадамдары бар тегін сынақ. Жеңілмейтін слайд-дек бенчмарктарында ол HLE-Verified-те 54.9 пайыз жинады, X оның Terminal-Bench-те Sol және Opus 5-ті жеңетінін айтады, және Логан Килпатрик DeepSWE-де 73.7 балл жинады, бұл әлі есте сақталмаған

1:29 бір ұзақ мерзімді кодтау бенчмаркі, айтылғандай. Саймон Виллисон одан HTML-де керемет нәрсе жасауды сұрады және он үш секундта 1.8 центке бөлшектер симуляциясын алды, секундына алпыс кадр жылдамдығымен жұмыс істейді, өйткені алпыс бетке қатаң кодталған болатын. Google-дың өзінің постында жетістіктерді мен жақтастыратын сөйлеммен түсіндіреді: 3.8 Flash көп жұмыс істейді. Ол қосымша пайымдау қадамдарын орындайды, құралдарды итеративті түрде шақырады, және, дәйексөз, көп токендерді қолдануы мүмкін, бұл корпоративті тілде есептегіш тезірек жүгіреді дегенді білдіреді. Тәуелсіз DeepSWE кеңесі екі есеп бойынша келіседі: Flash жетпіс төрт пайыз

2:02 жинады, Opus 5-пен бірдей, тапсырмаға кететін шығынның бестен бір бөлігіне, бірақ оған 166 қадам және 143 мың шығыс токен қажет болды, Sol жұмсағаннан екі есе көп. Sol жұмсағаннан екі есе көп. Жасанды талдау 140 миллион токенді және 1078 долларды тек оны бағалау үшін жұмсады. Жасанды талдау 140 миллион токенді және 1078 долларды тек оны бағалау үшін жұмсады. Токенге арзан, тапсырмаға көп сөйлейді, және алғашқы токен он екі секунд ойланудан кейін келеді. Токенге арзан, тапсырмаға көп сөйлейді, және алғашқы токен он екі секунд ойланудан кейін келеді. Содан кейін қызықты жартысы.

2:23 Gemini 3.8 Flash Cyber – бұл қауіпсіздік рельстері «сенімді қорғаушылар» үшін босатылған сол модель, және Сундар оның CyberGym-де 86.2 пайыз жинайтынын айтады, Gemini 3.8 Flash Cyber – бұл қауіпсіздік рельстері «сенімді қорғаушылар» үшін босатылған сол модель, және Сундар оның CyberGym-де 86.2 пайыз жинайтынын айтады, осалдықтарды автономды түрде табуға арналған бенчмарк. Ол сондай-ақ патчтарды қолданады: CWE-Bench-те 47.2 пайыз, жетекші шекаралық модель үшін 47.8 пайызға қарсы, Chrome командасы оның әлдеқайда үлкен коммерциялық модельдерге қарағанда 2.6 есе көп дұрыс патчтар шығарғанын айтады, және Google-дың бұлтты зерттеушілері оны екі сағаттан аз уақытта маңызды осалдықты табу үшін пайдаланды, бұл әдетте айлар немесе бір ынталы жасөспірімге кететін жұмыс. Ол сондай-ақ патчтарды қолданады: CWE-Bench-те 47.2 пайыз, жетекші шекаралық модель үшін 47.8 пайызға қарсы, Chrome командасы оның әлдеқайда үлкен коммерциялық модельдерге қарағанда 2.6 есе көп дұрыс патчтар шығарғанын айтады, және Google-дың бұлтты зерттеушілері оны екі сағаттан аз уақытта маңызды осалдықты табу үшін пайдаланды, бұл әдетте айлар немесе бір ынталы жасөспірімге кететін жұмыс. Ол сондай-ақ патчтарды қолданады: CWE-Bench-те 47.2 пайыз, жетекші шекаралық модель үшін 47.8 пайызға қарсы, Chrome командасы оның әлдеқайда үлкен коммерциялық модельдерге қарағанда 2.6 есе көп дұрыс патчтар шығарғанын айтады, және Google-дың бұлтты зерттеушілері оны екі сағаттан аз уақытта маңызды осалдықты табу үшін пайдаланды, бұл әдетте айлар немесе бір ынталы жасөспірімге кететін жұмыс. Ол сондай-ақ патчтарды қолданады: CWE-Bench-те 47.2 пайыз, жетекші шекаралық модель үшін 47.8 пайызға қарсы, Chrome командасы оның әлдеқайда үлкен коммерциялық модельдерге қарағанда 2.6 есе көп дұрыс патчтар шығарғанын айтады, және Google-дың бұлтты зерттеушілері оны екі сағаттан аз уақытта маңызды осалдықты табу үшін пайдаланды, бұл әдетте айлар немесе бір ынталы жасөспірімге кететін жұмыс. Ол сондай-ақ патчтарды қолданады: CWE-Bench-те 47.2 пайыз, жетекші шекаралық модель үшін 47.8 пайызға қарсы, Chrome командасы оның әлдеқайда үлкен коммерциялық модельдерге қарағанда 2.6 есе көп дұрыс патчтар шығарғанын айтады, және Google-дың бұлтты зерттеушілері оны екі сағаттан аз уақытта маңызды осалдықты табу үшін пайдаланды, бұл әдетте айлар немесе бір ынталы жасөспірімге кететін жұмыс.

2:54 Google оның пайдаланудан гөрі түзетуге басымдық бергенін талап етеді, бұл модельдің саңылаулар арқылы толық өте алатынын, тек одан сұрамағанын әдепті түрде айту. бұл модельдің саңылаулар арқылы толық өте алатынын, тек одан сұрамағанын әдепті түрде айту. Сонымен, сіз оны ала алмайсыз. Қолжетімділік жаңа Fairwind Program арқылы: үкіметтер, критикалық инфрақұрылым және міндетті түрде тексерілген алты жүз елу серіктес екі факторлы. Әрбір шекаралық зертханада сізге сатпайтын бұзу моделі бар, және осы аптада ол арзан.

3:16 Төрт сағаттан кейін Meta Muse Spark 1.3 нұсқасын шығарды, және Цук оны шекаралық өнімділік деңгейіндегі өте арзан деп атады, бұл рас, Менло-Парк көлеміндегі бір жұлдызшамен. Қалыпты соңғы нүкте бір доллар жиырма бес цент кіріс, төрт жиырма бес цент шығыс, Gemini-дан көп. Үлес қосушы соңғы нүкте он цент кіріс, жиырма цент шығыс, кэш оқулары центтің бестен бір бөлігі, жиырма есеге дейін арзан, және жалғыз айырмашылық — біздің өнімдерімізді жақсарту үшін қолданылды дейтін баған.

3:40 Демек, жеңілдік — сіздің сеанс транскриптіңіз, және бір рет ешкім де оқуға мәжбүр емес лицензияны, өйткені Meta лицензияны баға тізімі ретінде жазды. Жоғарғы пікір: менің токендерімді ұрлаудың құны қанша екені енді толықтай айқын. Екінші пікір біреу модельден AWS кілтін қанша уақытта шығарады екен деп ойлайды үлес қосушы сұраныстары бойынша үйретілген. Meta-ның өзінің көрсеткіштер тақтасында Spark 1.3 DeepSWE бойынша 75.4 ұпай алады, Sol және Opus 5-тен жоғары, және Meta оның 1.2-ге қарағанда жиырма пайыз аз құрал шақыруларын

4:06 және жиырма бес пайыз аз токендерді қолданатынын айтады, бұл Google-дің қарама-қарсы бәсі, сондықтан бүгінде жер бетіндегі ең ірі екі жарнама компаниясы көп сөйлесудің жақсы екендігі туралы келіспейді. көп сөйлесудің жақсы екендігі туралы келіспейді. Сонымен қатар Trellner Research Perplexity-ден үш жүз сексен санаттағы ең жақсы бағдарламалық қамтамасыз етуді сұрап, әрбір сілтемені оқып шықты: 59.8 пайызы үздік жүз мың сайттың сыртынан алынды, Wikipedia Wikipedia жеті жарым мыңнан үш рет сілтеме жасалды, және екі жүз он бес мың екі жүз он бес мың

4:34 жасалған сатып алу нұсқаулықтары бар үш туыстас сайт үй беттерін Фактілер және Негіздеу парағы деп атады, сізге емес, өрмелегішке арналған. Жасанды интеллект SEO соғысы басталды, және оның алғашқы қаруы — маркетингтік бюджеті бар regex. Бұл бір сәрсенбі үшін көп баға белгілері; егер мұны менің айтқанымнан гөрі оқығанды жөн көрсеңіз, айтқанымнан гөрі оқығанды жөн көрсеңіз, айырмашылық сіздің кіріс жәшігіңізге күн сайын таңертең түседі — daily diff dot dev сайтында тегін, сілтеме төменде. Сонымен, бүгінгі үкім: SHIP IT. Gemini 3.8 Flash Opus 5-пен Google жазбаған тақтада теңеседі,

5:00 бағасының бестен біріне. Жай ғана токен шотын оқыңыз және Meta баған тақырыптарын оқыңыз. Бүгінгі айырмашылық осы. Мен Axrisi-ден Никомын. Жауапкершілікпен біріктіріңіз.

Дереккөздер

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