Google lanserte akkurat en hackingmodell. Her er forskjellen.

Hva denne videoen dekker

• Google lanserer Gemini 3.8 Flash + Flash Cyber (86,2 % CyberGym, Fairwind-programmet)
• Meta lanserer Muse Spark 1.3: 1,25 $ / 4,25 $, eller 0,10 $ / 0,20 $ hvis Meta kan trene på den
• Tre nettsteder lagde 215 128 falske «beste programvare»-sider; Perplexity siterer dem

Oversatt transkripsjon

Oversatt fra den originale engelske fortellingen. Tilgjengelig lyd og undertekster kontrolleres av YouTube.

0:00 Google lanserte sin tredje Flash-modell på seks uker i dag, pluss en versjon trent for å hacke, og fire timer senere lanserte Meta en modell som koster ti cent per million tokens hvis du lar Zuckerberg lese koden din, så AI-priskrigen har nå en cybersikkerhetsdivisjon. Det er onsdag, og forskjellen er stor. Gemini 3.8 Flash fikk elleve hundre poeng på Hacker News, Muse Spark 1.3 tok nesten syv hundre mer, og i mellomtiden, fant et forskningsmiljø tre nettsteder som publiserte to hundre og femten tusen

0:28 falske «beste programvare»-sider utelukkende slik at Perplexity ville sitere dem. Også i dag: et innlegg som bønnfaller deg om å beholde Firefox, fikk ni hundre og åttiåtte poeng, og Mistrals hjelpeside om å velge bort trening fikk nesten fem hundre, mest fra europeere som oppdaget at den suverene opsjonen trener på dine meldinger som standard. I denne videoen: hva Gemini 3.8 Flash faktisk koster, hackingmodellen Google kun vil selge til seks hundre og femti partnere, Metas ti-cent-nivå og hva det faktisk koster, og den ene referansen ingen av selskapene skrev.

0:59 Det er onsdag 2. september, og dette er The Daily Diff. Gemini 3.8 Flash koster syttifem cent per million tokens inn og tre syttifem ut, det samme som 3.7 Flash fra tre uker siden, med en fotnote som sier at prisen dobles 1. januar, som er en gratis prøveperiode med ekstra trinn. På slide-deck-referansene, som er uslåelige, scorer den 54,9 prosent på HLE-Verified, X sier den slår Sol og Opus 5 på Terminal-Bench, og Logan Kilpatrick postet en 73,7 på DeepSWE, den ene langhorisontale

1:29 kodingsreferansen som ennå ikke er memorert, angivelig. Simon Willison ba den lage en kul ting i HTML og fikk en partikkel simulering på tretten sekunder for 1,8 cent, kjørende på seksti bilder per sekund, fordi seksti var hardkodet inn i siden. Googles eget innlegg forklarer gevinstene med en setning jeg ville rammet inn: 3.8 Flash jobber hardere. Den utfører ekstra resonnementstrinn, kaller verktøy iterativt, og, sitat, kan bruke flere tokens, som er bedriftsspråk for at måleren går raskere. Den uavhengige DeepSWE-styret er enig på begge punkter: Flash scorer syttifire

2:02 prosent, likt med Opus 5 til en femtedel av kostnaden per oppgave, men den trengte hundre og sekstiseks trinn og hundre og førtitre tusen utgangstokens for å komme dit, mer enn dobbelt så mye som Sol brukte. Artificial Analysis brente hundre og førti millioner tokens og tusen og syttiåtte dollar bare for å vurdere den. Billig per token, pratsom per oppgave, og den første tokenen ankommer etter tolv sekunder med tenking. Så den interessante halvdelen.

2:23 Gemini 3.8 Flash Cyber er den samme modellen med sikkerhetssperrene løsnet for, sitat, pålitelige forsvarere, og Sundar sier den treffer 86,2 prosent på CyberGym, referansen for autonomt å finne sårbarheter. Den lapper også: 47,2 prosent på CWE-Bench mot 47,8 for en ledende grensemodell, Chrome-teamet sier den produserte 2,6 ganger flere korrekte lapper enn mye større kommersielle modeller, og Googles skyforskere brukte den til å finne en kritisk sårbarhet på under to timer, en jobb som vanligvis tar måneder, eller en motivert tenåring.

2:54 Google insisterer på at den prioriterte å fikse fremfor utnyttelse, som er den høflige måten å si at modellen absolutt kan gå gjennom hullene, de ba den bare om å ikke gjøre det. Så du kan ikke få den. Tilgang skjer gjennom et nytt Fairwind-program: myndigheter, kritisk infrastruktur, og seks hundre og femti godkjente partnere med obligatorisk tofaktor. Hvert grenselaboratorium eier nå en hackingmodell det ikke vil selge deg, og denne uken er det en billig en.

3:16 Fire timer senere lanserte Meta Muse Spark 1.3, og Zuck kalte den grensesprengende ytelse nesten for billig til å måle, noe som er sant, med en stjerne på størrelse med Menlo Park. Det normale endepunktet er en dollar tjuefem inn og fire tjuefem ut, mer enn Gemini. Bidragsyterens endepunkt er ti cent inn, tjue cent ut, hurtigbufferlesninger til en femtedel av en cent, opptil tjue ganger billigere, og den eneste forskjellen er en kolonne som sier 'brukt til å forbedre produktene våre'.

3:40 Så rabatten er din sesjonsutskrift, og for en gangs skyld trenger ingen å lese lisensen, fordi Meta skrev lisensen som en prisliste. Toppkommentar: det er nå helt åpenbart hvor mye det er verdt å stjele mine tokens. Andre kommentar lurer på hvor lang tid det tar før noen trekker ut en AWS-nøkkel fra en modell trent på bidragsyterforespørsler. På Metas eget resultatkort får Spark 1.3 75.4 på DeepSWE, over Sol og Opus 5, og Meta sier den bruker tjue prosent færre verktøyanrop

4:06 og tjuefem prosent færre tokens enn 1.2, den eksakte motsatte satsingen fra Google, så i dag er de to største annonseselskapene på jorden uenige om hvorvidt å snakke mer er bra. I mellomtiden spurte Trellner Research Perplexity om den beste programvaren i tre hundre og åtti kategorier og leste hver sitat: 59.8 prosent kom fra nettsteder utenfor de hundre tusen beste, Wikipedia ble sitert tre ganger av syv og et halvt tusen, og tre søstersider med to hundre og femten tusen

4:34 genererte kjøpsguider titulerte hjemmesidene sine 'Fakta og Grunnlagsside', adressert til crawleren, ikke til deg. AI SEO-krigen har begynt, og dens første våpen er regex med et markedsføringsbudsjett. Det er mange prislapper for en onsdag; hvis du heller vil lese dette enn høre meg si det, lander The Daily Diff i innboksen din hver morgen – gratis på the daily diff dot dev, lenke nedenfor. Så, dagens dom: SHIP IT. Gemini 3.8 Flash matcher Opus 5 på det ene styret Google ikke skrev,

5:00 for en femtedel av prisen. Bare les tokenregningen, og les Metas kolonneoverskrifter. Det er dagens diff. Jeg er Niko fra Axrisi. Merge responsibly.

Kilder

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