Google ką tik išleido įsilaužimo modelį. Štai skirtumas.

Kas aptariama šiame vaizdo įraše

• „Google“ pristato „Gemini 3.8 Flash“ + „Flash Cyber“ (86.2% CyberGym, „Fairwind“ programa)
• „Meta“ pristato „Muse Spark 1.3“: 1,25 USD / 4,25 USD, arba 0,10 USD / 0,20 USD, jei „Meta“ gali jį apmokyti
• Trys svetainės sukūrė 215 128 netikrus „geriausios programinės įrangos“ puslapius; „Perplexity“ juos cituoja

Išverstas transkriptas

Išversta iš originalo anglų kalbos. Galimas garso ir subtitrų valdymas per YouTube.

0:00 „Google“ šiandien išleido savo trečiąjį „Flash“ modelį per šešias savaites, ir versiją, apmokytą įsilaužti, o po keturių valandų „Meta“ išleido modelį, kuris kainuoja dešimt centų už milijoną žetonų, jei leisite Zuckerbergui skaityti jūsų kodą, taigi AI kainų karas dabar turi kibernetinio saugumo padalinį. Trečiadienis, ir skirtumas didelis. „Gemini 3.8 Flash“ pasiekė vienuolika šimtų taškų „Hacker News“, „Muse Spark 1.3“ surinko beveik septynis šimtus daugiau, o tarp jų, tyrimų dirbtuvės rado tris svetaines, kurios paskelbė du šimtus penkiolika tūkstančių

0:28 netikrų geriausios programinės įrangos puslapių vien tik tam, kad „Perplexity“ juos pacituotų. Taip pat šiandien: įrašas, prašantis išsaugoti „Firefox“, surinko devynis šimtus aštuoniasdešimt aštuonis taškus, o „Mistral“ pagalbos puslapis apie atsisakymą nuo mokymo surinko beveik penkis šimtus, daugiausia iš europiečių, atrandančių, kad suverenus variantas pagal nutylėjimą apmokomas pagal jūsų nurodymus. Šiame vaizdo įraše: kiek iš tikrųjų kainuoja „Gemini 3.8 Flash“, įsilaužimo modelis, kurį „Google“ parduos tik šešiems šimtams penkiasdešimt partnerių, „Meta“ dešimties centų lygis ir kiek ji iš tikrųjų apmokestina, ir vienas etalonas, kurio nė viena įmonė nerašė.

0:59 Šiandien, rugsėjo 2 d., trečiadienis, ir tai yra „The Daily Diff“. „Gemini 3.8 Flash“ yra septyniasdešimt penki centai už milijoną žetonų įvesties ir trys septyniasdešimt penki išvesties, tiek pat, kiek 3.7 Flash prieš tris savaites, su išnaša, nurodančia, kad kaina padvigubėja sausio 1 d., kas yra nemokamas bandomasis laikotarpis su papildomais žingsniais. „Slide-deck“ etalonuose, kurie yra neįveikiami, jis surenka 54,9 procento „HLE-Verified“, X sako, kad jis pranašesnis už „Sol“ ir „Opus 5“ „Terminal-Bench“, o Loganas Kilpatrickas paskelbė 73,7 „DeepSWE“ – vieninteliame ilgojo horizonto

1:29 kodavimo etalone, kuris dar nebuvo įsimintas, tariamai. Simonas Willisonas paprašė jo sukurti kažką šaunaus HTML formatu ir gavo dalelių simuliaciją per trylika sekundžių už 1,8 cento, veikiančią šešiasdešimt kadrų per sekundę, nes šešiasdešimt buvo užkoduota į puslapį. „Google“ įraše paaiškinami patobulinimai sakiniu, kurį įrėminčiau: 3.8 Flash dirba sunkiau. Jis atlieka papildomus mąstymo žingsnius, iteratyviai kviečia įrankius, ir, cituojant, gali naudoti daugiau žetonų, o tai korporatyvine kalba reiškia, kad skaitiklis veikia greičiau. Nepriklausoma „DeepSWE“ taryba sutinka abiem atvejais: „Flash“ surenka septyniasdešimt keturis

2:02 procentus, lygiai su „Opus 5“ už penktadalį užduoties kainos, bet jam prireikė šimto šešiasdešimt šešių žingsnių ir šimto keturiasdešimt trijų tūkstančių išvesties žetonų, kad pasiektų rezultatą, daugiau nei dvigubai nei išleido „Sol“. „Artificial Analysis“ sudegino šimtą keturiasdešimt milijonų žetonų ir tūkstantį septyniasdešimt aštuonis dolerius vien tam, kad jį įvertintų. Pigu už žetoną, daug plepantis už užduotį, ir pirmasis žetonas atkeliauja po dvylikos sekundžių mąstymo. Tada įdomioji pusė.

2:23 „Gemini 3.8 Flash Cyber“ yra tas pats modelis su atlaisvintomis saugos priemonėmis, cituojant, patikimiems gynėjams, ir Sundaras sako, kad jis pasiekia 86,2 procento „CyberGym“ – etaloną autonominiam pažeidžiamumų nustatymui. Jis taip pat taiso: 47,2 procento „CWE-Bench“ prieš 47,8 procento pirmaujančiam pažangiam modeliui, „Chrome“ komanda sako, kad jis sukūrė 2,6 karto daugiau teisingų pataisymų nei daug didesni komerciniai modeliai, o „Google“ debesų tyrėjai jį naudojo rasti kritinę pažeidžiamumą per mažiau nei dvi valandas – darbas, kuris paprastai užtrunka mėnesius, arba vieną motyvuotą paauglį.

2:54 „Google“ tvirtina, kad prioritetas buvo teikiamas taisymui, o ne išnaudojimui, o tai yra mandagus būdas pasakyti, kad modelis gali visiškai praeiti pro skyles, jie tiesiog paprašė jo to nedaryti. Taigi jūs negalite jo turėti. Prieiga vyksta per naują „Fairwind“ programą: vyriausybės, kritinė infrastruktūra ir šeši šimtai penkiasdešimt patvirtintų partnerių su privalomomis dviejų veiksnių. Kiekviena pasienio laboratorija dabar turi įsilaužimo modelį, kurio jums neparduos, o šią savaitę tai pigus modelis.

3:16 Po keturių valandų Meta išleido Muse Spark 1.3, ir Zuck pavadino jį pažangiu veikimu, beveik per pigu matuoti, o tai tiesa, su viena žvaigždute Menlo Parko dydžio. Įprastas galinis taškas yra doleris dvidešimt penki centai įeinančio srauto ir keturi dvidešimt penki centai išeinančio srauto, daugiau nei Gemini. Dalyvio galinis taškas yra dešimt centų įeinančio srauto, dvidešimt centų išeinančio srauto, talpyklos skaitymas už penktadalį cento, iki dvidešimties kartų pigiau, ir vienintelis skirtumas yra stulpelis, kuriame parašyta „naudota mūsų produktams tobulinti“.

3:40 Taigi nuolaida yra jūsų sesijos transkriptas, ir šį kartą niekam nereikia skaityti licencijos, nes Meta parašė licenciją kaip kainoraštį. Populiariausias komentaras: dabar visiškai akivaizdu, kiek vertas mano žetonų vagystė. Antrasis komentaras domisi, kiek laiko praeis, kol kas nors iš modelio ištrauks AWS raktą, apmokyto dalyvių užklausomis. Pagal pačios Meta vertinimo lentelę, Spark 1.3 DeepSWE gauna 75,4 balo, aukščiau nei Sol ir Opus 5, ir Meta teigia, kad jis naudoja dvidešimt procentų mažiau įrankių iškvietimų

4:06 ir dvidešimt penkiais procentais mažiau žetonų nei 1.2, tai yra visiškai priešingas statymas nei Google, todėl šiandien dvi didžiausios reklamos kompanijos pasaulyje nesutaria, ar daugiau kalbėti yra gerai. Tuo tarpu Trellner Research paprašė Perplexity geriausios programinės įrangos trijose šimtuose aštuoniasdešimtyje kategorijų ir perskaitė kiekvieną citatą: 59,8 procento gavo iš svetainių už šimto tūkstančių geriausių ribų, Vikipedija buvo cituojama tris kartus iš septynių su puse tūkstančio, ir trys giminingos svetainės su dviem šimtais penkiolika tūkstančių

4:34 sugeneruoti pirkimo vadovai pavadino savo pagrindinius puslapius „Faktai ir pagrindimas“, skirta indeksavimo programai, o ne jums. AI SEO karas prasidėjo, ir jo pirmasis ginklas yra reguliarios išraiškos su rinkodaros biudžetu. Tai daug kainų etikečių vienam trečiadieniui; jei norėtumėte tai perskaityti, o ne girdėti, kaip aš tai sakau, „The Daily Diff“ kas rytą atkeliauja į jūsų pašto dėžutę – nemokamai „thedailydiff.dev“, nuoroda žemiau. diff dot dev, nuoroda žemiau. Taigi, šiandienos verdiktas: SHIP IT. Gemini 3.8 Flash prilygsta Opus 5 toje vienintelėje lentelėje, kurios Google nerašė,

5:00 už penktadalį kainos. Tiesiog perskaitykite žetonų sąskaitą ir perskaitykite Meta stulpelių antraštes. Tai šiandienos skirtumas. Aš esu Niko iš Axrisi. Jungtis atsakingai.

Šaltiniai

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