+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

जेमिनी ४ आर्गन गुगलको सबैभन्दा राम्रो मोडेल हो। तपाईले यसलाई अझै प्रयोग गर्न सक्नुहुन्न।

गुगलले जेमिनी ४ आर्गन, आफ्नो नयाँ फ्रन्टियर मोडेल घोषणा गर्‍यो, र केवल विश्वसनीय साइबर डिफेन्डरहरूले यसलाई प्रयोग गर्न सक्छन्।

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

गुगलले जेमिनी ४ आर्गन, आफ्नो नयाँ फ्रन्टियर मोडेल घोषणा गर्‍यो, र केवल विश्वसनीय साइबर डिफेन्डरहरूले यसलाई प्रयोग गर्न सक्छन्। यहाँ गुगलको आफ्नै १९-पंक्ति बेन्चमार्क तालिकाले के देखाउँछ, स्वतन्त्र लिडरबोर्डले के मापन गर्‍यो, र कहिले विकासकर्ताहरूले यसलाई प्राप्त गर्न सक्छन् भन्ने कुरा छ। फैसला: NEEDS REVIEW।

लिखित संस्करण पढ्नुहोस् (अंग्रेजी) ↗

यो भिडियोले के समेट्छ

  • जेमिनी ४ आर्गन: दस लाख आउटपुट टोकन, $२ मा, र तपाईले यसलाई प्रयोग गर्न सक्नुहुन्न
  • गुगल भित्र: आर्गन एजेन्टहरूले C++ लाई रस्टमा पोर्ट गर्छन्
  • गुगलको आफ्नै तालिका: आर्गन १९ मध्ये १३ पङ्क्तिमा शीर्ष स्थानमा
  • साइबर पिच: आफैं प्याच हुन्छ, डिफेन्डरहरूको लागि कुनै सुरक्षा छैन
  • बाहिरको संख्या: आर्टिफिशियल एनालिसिसले ५३ भन्छ, ओपस ५.५ मा ५८ छ

प्रश्न र उत्तर

जेमिनी ४ आर्गोन अहिले कसले प्रयोग गर्न सक्छ र विकासकर्ताहरूले कहिले पहुँच पाउनेछन्?

आज केवल विश्वसनीय साइबर डिफेन्डरहरूले यसलाई प्रयोग गर्न सक्छन्। गुगलले कुनै मिति दिएको छैन, र यसको पोस्टले विकासकर्ताहरू, उद्यमहरू र उपभोक्ताहरूका लागि सकेसम्म चाँडो पहुँचको वाचा गर्दछ, जसमा सशुल्क API ग्राहकहरू पहिले हुनेछन्। पहुँच हाल फेयरविन्ड कार्यक्रम मार्फत सञ्चालन हुन्छ, जसमा छ सय पचास भन्दा बढी साझेदारहरू छन् जसले आर्गोनलाई आफ्नो सुरक्षा टोलीहरूलाई मात्र हस्तान्तरण गर्न सक्छन् र कसले यसलाई प्रयोग गर्दछ भन्ने ट्र्याक गर्नुपर्छ।

यो भाग हेर्नुहोस् 2:42 · blog.google · deepmind.google · x.com

बेन्चमार्कहरूमा जेमिनी ४ आर्गोनको अन्य फ्रन्टियर मोडेलहरूसँग कसरी तुलना गरिन्छ?

गुगलको आफ्नै तालिकाले GPT सिक्स एस्ट्रा, क्लाउड फेबल र क्लाउड ओपस विरुद्ध १९ मध्ये १३ पङ्क्तिमा आर्गोनलाई शीर्ष स्थानमा राख्छ। आर्टिफिशियल एनालिसिसले यसको बुद्धिमत्ता सूचकांकमा उच्च सेटिङमा ५३ स्कोर गर्छ, एस्ट्रा र फेबलसँग बराबरी गर्दै, जबकि क्लाउड ओपस ५.५ ले ५८ मा बस्छ। स्वतन्त्र लागत प्रति कार्य लगभग दुई डलर छ, जुन ओपसको लागतको लगभग एक तिहाइ हो।

यो भाग हेर्नुहोस् 2:14 · blog.google · artificialanalysis.ai

जेमिनी ४ आर्गोन प्रति टोकन कति पर्छ?

सुरुवाती मूल्य इनपुटमा प्रति मिलियन टोकन $२ र आउटपुटमा $१० हो। एपिसोड अनुसार, यो OpenAI ले GPT सिक्स पोइन्ट वन सोलका लागि लिने शुल्कसँग मेल खान्छ, जुन खरिदका लागि उपलब्ध छ। एउटा आर्गोनको उत्तर अब चौसट्ठी हजारबाट बढेर दस लाख टोकनसम्म हुन सक्छ।

यो भाग हेर्नुहोस् 0:00 · blog.google · news.ycombinator.com

जेमिनी ४ आर्गोनले सुरक्षा कमजोरीहरू पत्ता लगाउने र ठीक गर्ने बारे गुगलले के भन्यो?

गुगल भन्छ कि आर्गोनले आफैंले महत्वपूर्ण कमजोरीहरू पत्ता लगाउन, प्रमाणीकरण गर्न र प्याच गर्न सक्छ, र विश्वसनीय डिफेन्डरहरूले यसलाई साइबर गार्डरेल बिना प्राप्त गर्छन्। विजले यसलाई अस्पतालको सफ्टवेयरमा महत्वपूर्ण प्वाल पत्ता लगाउन प्रयोग गर्यो जुन पहिलेका मोडेलहरूले छुटेका थिए। एपिसोडले नोट गर्छ कि विज गुगलसँग सम्बन्धित छ, त्यसैले ब्ल्याक-बक्स ह्याकिङ परीक्षण गुगल कम्पनीले गुगल मोडेललाई ग्रेडिङ गरिरहेको छ।

यो भाग हेर्नुहोस् 1:41 · blog.google · cloud.google.com

विकासकर्ताहरूले जेमिनी ४ आर्गोनको लागि योजना बनाउनु पर्छ?

द डेली डिफको निर्णय NEEDS REVIEW थियो। स्वतन्त्र आर्टिफिशियल एनालिसिस नम्बरले आर्गोनलाई दोस्रो स्थानमा बाँधेको छ, र फ्रन्टियरएसडब्ल्यूई र टर्मिनल-बेन्चमा, दुई कोडिङ परीक्षणहरू जुन गुगलको पोस्ट टेक्स्टले कहिल्यै उल्लेख गर्दैन, यो गुगलको आफ्नै तालिकामा चार मध्ये अन्तिममा आउँछ। यो मोडेललाई कल गर्न सकिने दिन एपिसोडले यसको राम्ररी समीक्षा गर्नेछ।

यो भाग हेर्नुहोस् 4:29 · blog.google · artificialanalysis.ai

अनुवादित ट्रान्सक्रिप्ट

मूल अंग्रेजी कथाबाट अनुवादित। उपलब्ध अडियो र क्याप्सनहरू YouTube द्वारा नियन्त्रित हुन्छन्।

जेमिनी ४ आर्गन: दस लाख आउटपुट टोकन, $२ मा, र तपाईले यसलाई प्रयोग गर्न सक्नुहुन्न

0:00 तपाईलाई लाग्ला कि लन्चको अर्थ तपाईले मोडेल पाउनुहुन्छ। गुगलले भर्खरै जेमिनी ४ आर्गन लन्च गर्‍यो, र यदि तपाई विश्वसनीय साइबर डिफेन्डर हुनुहुन्न भने, तपाईले यसलाई छुन सक्नुहुन्न। यस भिडियोमा: गुगलको तालिकाले के देखाउँछ? बाहिरका परीक्षकहरूले के नापे? र तपाईले कहिले पाउनुहुन्छ? तपाईले पहिले नै हाइप भिडियोहरू देख्नुभएको होला। मैले यसको सट्टा बेन्चमार्क तालिका पढें, र यसमा दुई पङ्क्तिहरू कहिल्यै

0:20 पोस्टको पाठमा समावेश भएनन्। म तिनीहरूलाई अन्त्यमा पुग्नेछु। बिहीबार, अक्टोबर १ हो, र यो द डेली डिफ हो। आज दुई कथाहरू छन्, र ठूलो कथा जेमिनी ४ आर्गन हो, जसलाई गुगलले आफ्नो फ्रन्टियर इन्टेलिजेन्सको अर्को युग भन्छ। एउटा उत्तर अब दस लाख टोकनहरू सम्म चल्न सक्छ, जुन चौसठ्ठी हजारबाट बढेको हो, यो एउटै उत्तरमा धेरै उपन्यासहरू जत्तिकै हो। लन्च मूल्य प्रति दस लाख टोकन इनपुटको लागि दुई डलर र आउटपुटको लागि दश हो। यो ठीक OpenAI ले GPT ६.१ सोलको लागि शुल्क लिने जति हो,

0:48 मैले हिजो कभर गरेको मोडेल, र सोल तपाईले वास्तवमा किन्न सक्ने मोडेल हो। गुगल भित्र, यो पहिले नै काममा छ।

गुगल भित्र: आर्गन एजेन्टहरूले C++ लाई रस्टमा पोर्ट गर्छन्

0:54 गुगल भन्छ कि आर्गन एजेन्टहरूले C र C++ लाई रस्टमा पोर्ट गर्दैछन् कम्पनीभरि, फक्सिया कर्नेलका लागि आठ लाख लाइनहरू सम्म। ह्याकर न्युजमा, एक इन्जिनियरलाई याद आयो जब गुगलको C++ टीमले रस्टलाई विचार पनि गर्दैनथ्यो र यसको सट्टा कार्बन हेरेको थियो। अहिले एउटा मोडेलले तिनीहरूले बहस गरेको माइग्रेसन गरिरहेको छ।

गुगलको आफ्नै तालिका: आर्गन १९ मध्ये १३ पङ्क्तिमा शीर्ष स्थानमा

1:12 अब तालिका। गुगलले आर्गनलाई GPT ६ एस्ट्रा, क्लाउड फेबल र क्लाउड ओपसको छेउमा १९ पङ्क्तिमा राख्छ, र आर्गन १३ वटामा शीर्ष स्थानमा आउँछ। मुख्य कुरा दीपSWE हो, एक लामो कोडिङ बेन्चमार्क, अठत्तर प्रतिशतमा, लगभग चार अंकले स्पष्ट रूपमा अगाडि। सबैभन्दा अनौठो जीत कानूनी ड्राफ्टिङ हो, जहाँ आर्गनले बीस प्रतिशत अंक प्राप्त गर्छ र अन्य एकल अंकमा रहन्छन्। यो एउटा परीक्षामा सबै असफल हुनेमा सबैभन्दा राम्रो ग्रेड हो, र स्लाइड-डेक

1:38 बेन्चमार्कहरूमा, जुन अपराजित छन्, त्यो गणना हुन्छ।

साइबर पिच: आफैं प्याच हुन्छ, डिफेन्डरहरूको लागि कुनै सुरक्षा छैन

1:41 वास्तविक कुरा सुरक्षा हो। गुगल भन्छ कि आर्गनले आफैंमा महत्वपूर्ण कमजोरीहरू पत्ता लगाउन, प्रमाणित गर्न र प्याच गर्न सक्छ, र विश्वसनीय डिफेन्डरहरूले यसलाई साइबर सुरक्षा बिना प्राप्त गर्छन्। Wiz ले यसलाई अस्पताल सफ्टवेयरमा एउटा महत्वपूर्ण त्रुटि पत्ता लगाउन प्रयोग गर्‍यो जुन अघिल्ला मोडेलहरूले छुटाएका थिए। एउटा सानो विवरण। Wiz गुगलको हो, किनकि बत्तीस अर्ब डलरको सम्झौता मार्चमा बन्द भयो। त्यसैले पोस्टमा रहेको ब्ल्याक-बक्स ह्याकिङ परीक्षण गुगल कम्पनीले गुगल मोडेलको मूल्याङ्कन गरिरहेको हो। र बग-फिक्सिङ लिडरबोर्डमा, तीन मोडेलहरूले अठसट्ठी

2:10 प्रतिशत साझा गर्छन्, र सबैभन्दा बायाँको बार Grok को हो। त्यसोभए, बाहिरका परीक्षकहरूले के नापे?

बाहिरको संख्या: आर्टिफिशियल एनालिसिसले ५३ भन्छ, ओपस ५.५ मा ५८ छ

2:15 आर्गन भएको मैले फेला पारेको स्वतन्त्र लिडरबोर्ड आर्टिफिशियल एनालिसिस हो। यसले आर्गनलाई यसको इन्टेलिजेन्स इन्डेक्समा त्रिपन्न अंक दिन्छ, उच्च सेटिङमा, जसले यसलाई एस्ट्रा र फेबलसँग जोड्छ। क्लाउड ओपस ५.५ पाँच अंक अगाडि छ। एक हप्ता अघि मैले तपाईलाई ओपसले त्यहाँ शीर्ष स्थान लिएको बताएको थिएँ, र यसले अझै पनि त्यसलाई कायम राखेको छ। गुगलका लागि उचित भाग बिल हो। त्यो सूचकांकमा आर्गन चलाउन प्रति कार्य लगभग दुई डलर खर्च हुन्छ, ओपसको लागतको लगभग एक तिहाइ।

तपाईले कहिले पाउनुहुन्छ: “त्यसैले पर्खनुहोस्”

2:42 र तपाईले कहिले पाउनुहुन्छ? गुगलले मिति दिने छैन। पोस्टले विकासकर्ताहरू, उद्यमहरू र उपभोक्ताहरूका लागि सकेसम्म चाँडो पहुँचको वाचा गर्दछ, सशुल्क API ग्राहकहरू पहिले। सुन्दर पिचाईको X मा पोस्ट भन्छ, त्यसैले पर्खनुहोस्। त्यतिन्जेलसम्म, पहुँच फेयरविन्ड मार्फत हुन्छ, गुगलले एक महिना अघि जेमिनी ३.८ फ्ल्याश साइबरसँग सुरु गरेको कार्यक्रम। यसका छ सय पचास भन्दा बढी साझेदारहरू छन्, र उनीहरूले आर्गनलाई आफ्ना

3:05 सुरक्षा टोलीहरूलाई मात्र दिन सक्छन् र कसले प्रयोग गर्छ भनेर ट्र्याक गर्नुपर्छ। ह्याकर न्युजले यसलाई राम्रोसँग लियो। एक टिप्पणीकर्ताले लेखे, जेमिनीले मोडेल जारी गर्न नसक्ने आरोपहरूलाई हराउन सकेन। अर्कोले भविष्यवाणी गर्‍यो कि मोडेलहरू भेपरवेयरमा परिणत हुन्छन्, तालिकामा केही संख्याहरू मात्र। यसैबीच, नेटलिफाइले एज फंक्शनहरू पुनर्निर्माण गर्‍यो, जुन दिनमा लगभग एक अर्ब

नेटलिफाइ एज फंक्शनहरू: V8 आइसोलेट्सबाट माइक्रो-VMs सम्म, लगभग ५ गुणा छिटो

3:23 पटक चल्छन्। तिनीहरूले होस्टेड सेवामा V8 आइसोलेट्सबाट नेटलिफाइको आफ्नै नेटवर्क भित्र फायरक्र्याकर माइक्रो-VMs मा सरे, र वार्म कल चालीस मिलिसेकेन्डबाट लगभग छमा झर्‍यो। ह्याकर न्युजले क्लाउडफ्लेयर वर्कर्स पनि V8 आइसोलेट्स हुन् र धेरै छिटो चल्छन् भनेर औंल्याए, त्यसैले अधिकांश जीत अनुरोधले अब भवन छोड्दैन जस्तो देखिन्छ। अर्को टिप्पणीकर्ताले स्न्यापसटहरूको बारेमा चिन्ता व्यक्त गरे, किनभने क्लोन गरिएका माइक्रो-VMs ले अनियमित संख्याको स्थिति साझा गर्न सक्छन्, जसले गर्दा तपाईले दुई समान UUID हरू पाउनुहुन्छ।

3:50 एक कोल्ड स्टार्ट, जब एक क्षेत्रले तपाईको फंक्शन कहिल्यै देखेको छैन, लगभग एक प्रतिशत कलहरूमा हिट हुन्छ र लगभग नौ मिलिसेकेन्ड लाग्छ। र माइक्रो-VM आफैं फायरक्र्याकर हो, जुन अमेजनले ल्याम्डाको लागि बनाएको थियो, त्यसैले एक टिप्पणीकर्ताले तपाईलाई AWS लाई सराप्दा अर्को पटक यो याद राख्न सुझाव दिन्छ।

गुगलको पोस्टमा कहिल्यै उल्लेख नगरिएका दुई पङ्क्तिहरू

4:06 अब, ती दुई पङ्क्तिहरू। फ्रन्टियरSWE र टर्मिनल-बेन्चमा, दुई कोडिङ परीक्षणहरू जुन पोस्टको पाठमा कहिल्यै उल्लेख गरिएका छैनन्, आर्गन चार मध्ये अन्तिममा आउँछ, गुगलको आफ्नै तालिकामा। टर्मिनल-बेन्चले एजेन्टलाई वास्तविक शेलमा राख्छ, जुन हामीमध्ये धेरैले यसलाई कसरी प्रयोग गर्छौं, र ओपस नौ अंकले अगाडि छ। यदि तपाईले यो सुन्नुको सट्टा पढ्न चाहनुहुन्छ भने, डिफ तपाईको इनबक्समा हरेक बिहान नि:शुल्क द डेली डिफ डट देवमा आउँछ, लिंक तल।

फैसला: NEEDS REVIEW, जुन दिन म यसलाई भन्न सक्छु

4:29 त्यसोभए, जेमिनी ४ आर्गनमा आजको फैसला। NEEDS REVIEW। मैले यसलाई त्यसरी छापें किनभने मैले फेला पारेको स्वतन्त्र संख्याले यसलाई दोस्रोको लागि बाँधिएको छ, र मैले ख्याल गर्ने दुई कोडिङ पङ्क्तिहरूमा यो अन्तिममा छ, त्यसैले मैले यसलाई बोलाउन सक्ने दिनमा म यसलाई राम्ररी समीक्षा गर्नेछु। सदस्यता लिनुहोस्, घण्टी थिच्नुहोस्, र तपाईले यसलाई फरक तरिकाले छाप्नुहुन्थ्यो कि भनेर टिप्पणीहरूमा बताउनुहोस्। र आजको लागि यति नै डिफ। म एक्सरिसीबाट निको हुँ। जिम्मेवारीपूर्वक मर्ज गर्नुहोस्।

स्रोतहरू

  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

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

सम्बन्धित भिडियोहरू

daily · ne · २०२६ अक्टोबर ७

गुगलले JPEG XL लाई क्रोममा फिर्ता ल्यायो

गुगलले आफ्नो अघिल्लो प्रयोग हटाइएपछि क्रोम १५५ बाट JPEG XL डिकोडिङ सुरु गर्ने घोषणा गर्यो। यो अक्टोबर ७ को संस्करणले विकासकर्ताको प्रतिक्रिया, नयाँ रस्ट डिकोडर, प्रतिस्पर्धात्मक सङ्कुचन दाबी र परिनियो

5:17 ↗
daily · ne · २०२६ सेप्टेम्बर ३०

Claude को 'नर्फ' कसरी पत्ता लगाउने (वास्तविक डेटाका साथ)

मानिसहरू भन्छन् कि Claude प्रत्येक लन्चको केही हप्तापछि सुस्त हुन्छ। एक विकासकर्ताले Claude Opus 5.5 लाई लन्च हप्ताबाट 30-दिने घडीमा राखे, जसमा स्थिर प्रश्नहरू, पिन गरिएको Claude कोड र सार्वजनिक नियमह

5:07 ↗
daily · ne · २०२६ सेप्टेम्बर १२

आर्मिन रोनाचरले GPT-6 Astra लाई ३५ घण्टा एक्लै छोडे।

आर्मिन रोनाचर (फ्लास्क, जिनजा) ले GPT-6 Astra लाई एउटा प्रम्प्ट दिएर ३५ घण्टा एक्लै छोडे: लगभग एक बिलियन टोकन, लगभग $१,२००, ७९ कमिट, ७५,००० लाइन — र "बिल्कुलै कुनै मूल्यको केही पनि" पाएनन्। यसले पुन:प

5:14 ↗
daily · ne · २०२६ सेप्टेम्बर ३०

OpenAI DevDay 2026: 20+ घोषणाहरू, डट्स देखि GPT-6.1 Sol सम्म

OpenAI को DevDay 2026 किनोट, व्याख्या गरिएको: डट्स (आफ्नै क्लाउड कम्प्युटर भएका सधैं-अन एजेन्टहरू), ChatGPT Space र Pages, GPT-6.1 Sol प्रति मिलियन टोकन $2 / $10 मा, Ultrafast र Pro 500 योजना, Decisio

8:13 ↗