Gemini 4 Argon ir Google labākais modelis. Jūs to vēl nevarat izmantot.

Ko aptver šis video

• Gemini 4 Argon: miljons izvades marķieru, 2 USD ievadei, un jūs to nevarat izmantot
• Google iekšienē: Argon aģenti pārnes C++ uz Rust
• Google pašu tabula: Argon ir labākais 13 no 19 rindām
• Kiberpiedāvājums: pats labo kļūdas, nav aizsardzības līdzekļu aizstāvjiem
• Ārējais skaitlis: Artificial Analysis saka 53, Opus 5.5 ir 58

Tulkotais transkripts

Tulkojums no oriģinālā angļu stāstījuma. Pieejamais audio un subtitri tiek kontrolēti no YouTube.

Gemini 4 Argon: miljons izvades marķieru, 2 USD ievadei, un jūs to nevarat izmantot

0:00 Jūs domātu, ka palaišana nozīmē, ka jūs iegūstat modeli. Google tikko palaida Gemini four Argon, un, ja vien jūs neesat uzticams kiber aizstāvis, jūs to nevarat pieskarties. Šajā video: ko rāda Google tabula? Ko izmērīja ārējie testētāji? Un kad jūs to saņemsiet? Jūs, iespējams, jau esat redzējuši reklāmas video. Es tā vietā izlasīju etalonu tabulu, un divas rindas tajā nekad nav nonākušas

0:20 ieraksta tekstā. Es pie tām atgriezīšos beigās. Ir ceturtdiena, pirmā oktobris, un šis ir The Daily Diff. Divi stāsti šodien, un lielākais ir Gemini four Argon, ko Google sauc par savu nākamo robežinteliģences ēru. Viena atbilde tagad var sasniegt miljonu marķieru, salīdzinot ar sešdesmit četriem tūkstošiem, kas ir vairāki romāni vienā atbildē. Sākotnējā cena ir divi dolāri par miljonu marķieru ievadā un desmit izvades. Tas ir tieši tas, ko OpenAI prasa par GPT six point one Sol,

0:48 modeli, ko es aptvēru vakar, un Sol ir tas, ko jūs patiešām varat iegādāties. Google iekšienē tas jau darbojas.

Google iekšienē: Argon aģenti pārnes C++ uz Rust

0:54 Google saka, ka Argon aģenti pārnes C un C++ uz Rust visā uzņēmumā, līdz pat astoņsimt tūkstošiem rindu Fuchsia kodolam. Hacker News viens inženieris atcerējās, kad Google C++ komanda pat neapsvēra Rust un tā vietā aplūkoja Carbon. Tagad modelis veic migrāciju, par ko viņi strīdējās.

Google pašu tabula: Argon ir labākais 13 no 19 rindām

1:12 Tagad tabula. Google novieto Argon blakus GPT six Astra, Claude Fable un Claude Opus deviņpadsmit rindās, un Argon ir labākais trīspadsmit no tām. Galvenā ziņa ir DeepSWE, ilgs kodēšanas etalons, ar septiņdesmit astoņiem procentiem, aptuveni četri punkti pārsniegumā. Dīvainākā uzvara ir juridiskā dokumentu izstrāde, kur Argon iegūst divdesmit procentus, un citi paliek viencipara skaitļos. Tā ir labākā atzīme testā, kurā visi izkrīt, un uz slaidu prezentācijas

1:38 etaloniem, kas ir nepārspēti, tas ir svarīgi.

Kiberpiedāvājums: pats labo kļūdas, nav aizsardzības līdzekļu aizstāvjiem

1:41 Patiesais piedāvājums ir drošība. Google saka, ka Argon var patstāvīgi atrast, apstiprināt un labot kritiskas ievainojamības, un ka uzticami aizstāvji to saņem bez kiberdrošības barjerām. Wiz to izmantoja, lai atrastu kritisku caurumu slimnīcas programmatūrā, ko agrākie modeļi bija palaiduši garām. Viena maza detaļa. Wiz pieder Google, kopš martā tika noslēgts trīsdesmit divu miljardu dolāru darījums. Tātad melnās kastes hakeru tests ierakstā ir Google uzņēmums, kas novērtē Google modeli. Un kļūdu labošanas līderu sarakstā trīs modeļi dala sešdesmit astoņus

2:10 procentus, un tāls kreisais stienis pieder Grok. Tātad, ko izmērīja ārējie testētāji?

Ārējais skaitlis: Artificial Analysis saka 53, Opus 5.5 ir 58

2:15 Neatkarīgais līderu saraksts, ko es varēju atrast ar Argon, ir Artificial Analysis. Tas novērtē Argon ar piecdesmit trim punktiem savā inteliģences indeksā, augstākajā iestatījumā, kas to saista ar Astra un Fable. Claude Opus pieci punkti pieci atrodas piecus punktus priekšā. Pirms nedēļas es jums teicu, ka Opus ieņēma pirmo vietu tur, un tas joprojām to tur. Godīgā daļa Google ir rēķins. Argon palaist izmaksā apmēram divus dolārus par uzdevumu šajā indeksā, aptuveni trešdaļu no tā, ko maksā Opus.

Kad jūs to saņemsiet: "Tāpēc pagaidiet"

2:42 Un kad jūs to saņemsiet? Google nedos datumu. Ieraksts sola piekļuvi izstrādātājiem, uzņēmumiem un patērētājiem pēc iespējas ātrāk, vispirms maksājošajiem API klientiem. Sundar Pichai ieraksts vietnē X saka: "Tāpēc pagaidiet." Līdz tam piekļuve tiek nodrošināta caur Fairwind, programmu, ko Google sāka pirms mēneša ar Gemini three point eight Flash Cyber. Tam ir vairāk nekā sešsimt piecdesmit partneru, un viņi drīkst nodot Argon tikai savām

3:05 drošības komandām un ir jāseko līdzi, kas to izmanto. Hacker News to uztvēra labi. Viens komentētājs rakstīja: "Gemini neuzvar apgalvojumus, ka nevar izlaist modeli." Cits paredzēja, ka modeļi pārvērtīsies par tvaika programmatūru, virkni skaitļu uz tabulas. Tikmēr Netlify pārbūvēja Edge funkcijas, kas darbojas apmēram miljardu

Netlify Edge Functions: V8 izolāti uz mikroVM, aptuveni 5 reizes ātrāk

3:23 reizes dienā. Viņi pārcēlās no V8 izolātiem mitinātā pakalpojumā uz Firecracker mikroVM iekšpusē Netlify pašu tīklā, un siltais zvans nokritās no līdz pat četrdesmit milisekundēm līdz aptuveni sešām. Hacker News norādīja, ka Cloudflare Workers ir arī V8 izolāti un darbojas daudz ātrāk, tāpēc lielākā daļa ieguvumu izskatās, ka pieprasījums vairs neatstāj ēku. Cits komentētājs uztraucās par momentuzņēmumiem, jo klonēti mikroVM var dalīties ar nejaušu skaitļu stāvokli, kas ir veids, kā iegūst divus identiskus UUID.

3:50 Aukstā palaišana, kad reģions nekad nav redzējis jūsu funkciju, sasnieg aptuveni vienu procentu no zvaniem un aizņem apmēram deviņas milisekundes. Un pats mikroVM ir Firecracker, ko Amazon izveidoja Lambda, tāpēc viens komentētājs iesaka to atcerēties nākamreiz, kad nolādējat AWS.

Divas rindas, ko Google ieraksts nekad nemin

4:06 Tagad, tās divas rindas. Uz FrontierSWE un Terminal-bench, diviem kodēšanas testiem, ko ieraksta teksts nekad nemin, Argon ir pēdējais no četriem, Google pašu tabulā. Terminal-bench ievieto aģentu reālā čaulā, kas ir veids, kā lielākā daļa no mums to izmantotu, un Opus to vada par deviņiem punktiem. Ja jūs labprātāk to lasītu, nekā dzirdētu mani to sakām, diff nonāk jūsu iesūtnē katru rītu, bez maksas vietnē the daily diff dot dev, saite zemāk.

Spriedums: NEEDS REVIEW, dienā, kad es to varēšu nosaukt

4:29 Tātad, šodienas spriedums par Gemini four Argon. NEEDS REVIEW. Es to apzīmētu tāpēc, ka neatkarīgais skaitlis, ko es atradu, to novieto otrajā vietā, un divas kodēšanas rindas, kas man rūp, to novieto pēdējā vietā, tāpēc es to pareizi pārskatīšu dienā, kad es to varēšu nosaukt. Abonējiet, nospiediet zvanu un pasakiet man komentāros, vai jūs to būtu apzīmējuši savādāk. Un tas ir šodienas diff. Es esmu Niko no Axrisi. Apvienot atbildīgi.

Avoti

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