Google штотуку објави хакерски модел. Еве ја разликата.

Што покрива ова видео

• Google објавува Gemini 3.8 Flash + Flash Cyber (86,2% CyberGym, програма Fairwind)
• Meta објавува Muse Spark 1.3: 1,25 долари/4,25 долари, или 0,10 долари/0,20 долари ако Meta може да тренира на него
• Три сајтови направија 215.128 лажни страници за „најдобар софтвер“; Perplexity ги цитира

Преведен транскрипт

Преведено од оригиналната англиска нарација. Достапното аудио и наслови се контролирани од YouTube.

0:00 Google денеска го објави својот трет Flash модел за шест недели, плус верзија тренирана за хакирање, а четири часа подоцна Meta објави модел кој чини десет центи за милион токени ако му дозволите на Цукерберг да го чита вашиот код, така што ценовната војна на вештачката интелигенција сега има оддел за сајбер безбедност. Среда е, а разликата е голема. Gemini 3.8 Flash достигна илјада сто поени на Hacker News, Muse Spark 1.3 зеде речиси седумстотини повеќе, а помеѓу нив, една истражувачка работилница пронајде три веб-страници кои објавија двесте петнаесет илјади

0:28 лажни страници за најдобар софтвер чисто за Perplexity да ги цитира. Исто така денес: објава која ве моли да се држите до вашиот Firefox доби деветстотини осумдесет и осум поени, а страницата за помош на Mistral за откажување од тренирање доби речиси петстотини, најмногу од Европејците кои открија дека суверената опција тренира на вашите инструкции стандардно. Во ова видео: колку всушност чини Gemini 3.8 Flash, хакерскиот модел што Google ќе го продава само на шестотини педесет партнери, нивото од десет центи на Meta и што навистина наплаќа, и единствениот бенчмарк што ниту една компанија не го напиша.

0:59 Среда е, 2 септември, и ова е The Daily Diff. Gemini 3.8 Flash е седумдесет и пет центи за милион влезни токени и три седумдесет и пет за излезни, исто како 3.7 Flash од пред три недели, со фуснота која вели дека цената се дуплира на 1 јануари, што е бесплатен пробен период со дополнителни чекори. На бенчмарковите на слајд-дековите, кои се непобедливи, тој постигнува 54,9 проценти на HLE-Verified, X вели дека ги надминува Sol и Opus 5 на Terminal-Bench, а Logan Kilpatrick објави 73,7 на DeepSWE, единствениот долгорочен

1:29 бенчмарк за кодирање кој сè уште не е мемориран, наводно. Simon Willison го замоли да направи нешто кул во HTML и доби симулација на честички за тринаесет секунди за 1,8 центи, работејќи на шеесет рамки во секунда, бидејќи шеесетте беа хардкодирани во страницата. Сопствената објава на Google ги објаснува придобивките со реченица што би ја врамил: 3.8 Flash работи понапорно. Извршува дополнителни чекори за расудување, повикува алатки итеративно, и, цитат, може да користи повеќе токени, што е корпоративен израз за побрзо мерење. Независниот одбор на DeepSWE се согласува за двете точки: Flash постигнува седумдесет и четири

2:02 проценти, изедначен со Opus 5 по една петтина од цената по задача, но му беа потребни сто шеесет и шест чекори и сто четириесет и три илјади излезни токени за да стигне таму, повеќе од двојно повеќе отколку што потроши Sol. Artificial Analysis потроши сто четириесет милиони токени и илјада седумдесет и осум долари само за да го оцени. Евтин по токен, зборлест по задача, а првиот токен пристигнува по дванаесет секунди размислување. Потоа интересната половина.

2:23 Gemini 3.8 Flash Cyber е истиот модел со олабавени безбедносни огради за, цитат, доверливи бранители, а Sundar вели дека достигнува 86,2 проценти на CyberGym, бенчмаркот за автономно пронаоѓање ранливости. Исто така, закрпува: 47,2 проценти на CWE-Bench наспроти 47,8 за водечкиот модел на граница, тимот на Chrome вели дека произвел 2,6 пати повеќе точни закрпи од многу поголеми комерцијални модели, а истражувачите за облак на Google го користеле за пронаоѓање критична ранливост за помалку од два часа, работа што обично трае месеци, или еден мотивиран тинејџер.

2:54 Google инсистираше дека приоритет има поправањето пред искористувањето, што е учтив начин да се каже дека моделот апсолутно може да помине низ дупките, само го замолија да не го прави тоа. Така што не можете да го имате. Пристапот се одвива преку новата програма Fairwind: влади, критична инфраструктура и шестотини педесет проверени партнери со задолжителни двофакторна. Секоја гранична лабораторија сега поседува модел за хакирање што нема да ви го продаде, а оваа недела е евтин.

3:16 Четири часа подоцна, Мета го објави Muse Spark 1.3, а Зак го нарече гранична изведба речиси премногу евтина за мерење, што е вистина, со една ѕвездичка со големина на Менло Парк. Нормалната крајна точка е еден долар и дваесет и пет центи влез и четири долари и дваесет и пет центи излез, повеќе од Gemini. Крајната точка на соработниците е десет центи влез, дваесет центи излез, читања на кеш по петтина од цент, до дваесет пати поевтино, а единствената разлика е колона што вели „се користи за подобрување на нашите производи“.

3:40 Значи, попустот е вашиот препис од сесијата, и за еднаш никој не мора да ја чита лиценцата, бидејќи Мета ја напиша лиценцата како ценовник. Најдобар коментар: сега е сосема очигледно колку вреди кражбата на моите токени. Вториот коментар се прашува колку долго ќе биде потребно додека некој не извлече AWS клуч од модел обучен на барања од соработници. На сопствената табела на Мета, Spark 1.3 добива 75.4 на DeepSWE, над Sol и Opus 5, а Мета вели дека користи дваесет проценти помалку повици за алатки

4:06 и дваесет и пет проценти помалку токени од 1.2, токму спротивната облога од Google, па денес двете најголеми рекламни компании на земјата не се согласуваат дали зборувањето повеќе е добро. Во меѓувреме, Trellner Research ја праша Perplexity за најдобриот софтвер во три сто осумдесет категории и ги прочита сите цитати: 59.8 проценти доаѓаат од сајтови надвор од првите сто илјади, Википедија беше цитирана три пати од седум и пол илјади, и три сестрински сајтови со двесте петнаесет илјади

4:34 генерирани водичи за купување ги насловуваат своите почетни страници Факти и Страница за основање, наменети за пребарувачот, а не за вас. Војната за вештачка интелигенција за SEO започна, а нејзиното прво оружје е regex со маркетинг буџет. Тоа е многу ценовници за една среда; ако сакате да го прочитате ова наместо да ме слушнете како го кажувам, „The Daily Diff“ пристигнува во вашето сандаче секое утро — бесплатно на thedailydiff.dev, врска подолу. Значи, денешната пресуда: SHIP IT. Gemini 3.8 Flash се изедначува со Opus 5 на таблата што Google не ја напиша,

5:00 за петтина од цената. Само прочитајте ја сметката за токени и прочитајте ги насловите на колоните на Мета. Тоа е денешниот The Daily Diff. Јас сум Нико од Axrisi. Спојувајте одговорно.

Извори

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