ଜେମିନି ୪ ଆର୍ଗନ ହେଉଛି ଗୁଗୁଲର ସର୍ବଶ୍ରେଷ୍ଠ ମଡେଲ। ଆପଣ ଏହାକୁ ଏପର୍ଯ୍ୟନ୍ତ ବ୍ୟବହାର କରିପାରିବେ ନାହିଁ।

ଏହି ଭିଡିଓରେ କ'ଣ ଅଛି

• ଜେମିନି ୪ ଆର୍ଗନ: ଏକ ନିୟୁତ ଆଉଟପୁଟ୍ ଟୋକେନ, $2 ଇନ୍, ଏବଂ ଆପଣ ଏହାକୁ ବ୍ୟବହାର କରିପାରିବେ ନାହିଁ
• ଗୁଗୁଲ ଭିତରେ: ଆର୍ଗନ ଏଜେଣ୍ଟ C++ କୁ Rust ରେ ପୋର୍ଟ କରୁଛନ୍ତି
• ଗୁଗୁଲର ନିଜସ୍ୱ ଟେବୁଲ୍: ଆର୍ଗନ ୧୯ ଧାଡ଼ି ମଧ୍ୟରୁ ୧୩ ରେ ଶୀର୍ଷରେ
• ସାଇବର ପିଚ୍: ନିଜେ ପ୍ୟାଚ୍ କରେ, ପ୍ରତିରକ୍ଷାକାରୀଙ୍କ ପାଇଁ କୌଣସି ଗାର୍ଡରେଲ୍ ନାହିଁ
• ବାହାର ସଂଖ୍ୟା: ଆର୍ଟିଫିସିଆଲ୍ ଆନାଲିସିସ୍ ୫୩ କୁହେ, Opus 5.5 ରେ ୫୮ ଅଛି

ଅନୁବାଦିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ

ମୂଳ ଇଂରାଜୀ ବର୍ଣ୍ଣନାରୁ ଅନୁବାଦିତ। ଉପଲବ୍ଧ ଅଡିଓ ଏବଂ କ୍ୟାପ୍ସନ୍ଗୁଡ଼ିକ YouTube ଦ୍ୱାରା ନିୟନ୍ତ୍ରିତ।

ଜେମିନି ୪ ଆର୍ଗନ: ଏକ ନିୟୁତ ଆଉଟପୁଟ୍ ଟୋକେନ, $2 ଇନ୍, ଏବଂ ଆପଣ ଏହାକୁ ବ୍ୟବହାର କରିପାରିବେ ନାହିଁ

0:00 ଆପଣ ଭାବିବେ ଯେ ଏକ ଲଞ୍ଚ୍ ର ଅର୍ଥ ଆପଣ ମଡେଲ୍ ପାଆନ୍ତି। ଗୁଗୁଲ୍ ଜେମିନି ଚାରି ଆର୍ଗନ୍ ଲଞ୍ଚ୍ କରିଛି, ଏବଂ ଯଦି ଆପଣ ଜଣେ ବିଶ୍ୱସ୍ତ ସାଇବର ଡିଫେଣ୍ଡର ନୁହଁନ୍ତି, ଆପଣ ଏହାକୁ ଛୁଇଁ ପାରିବେ ନାହିଁ। ଏହି ଭିଡିଓରେ: ଗୁଗୁଲର ଟେବୁଲ୍ କଣ ଦର୍ଶାଉଛି? ବାହାର ପରୀକ୍ଷକମାନେ କଣ ମାପିଥିଲେ? ଏବଂ ଆପଣ ଏହାକୁ କେବେ ପାଇବେ? ଆପଣ ବୋଧହୁଏ ପୂର୍ବରୁ ହାଇପ୍ ଭିଡିଓଗୁଡ଼ିକୁ ଦେଖିସାରିଛନ୍ତି। ମୁଁ ବରଂ ବେଞ୍ଚମାର୍କ ଟେବୁଲ୍ ପଢ଼ିଲି, ଏବଂ ଏଥିରେ ଥିବା ଦୁଇଟି ଧାଡ଼ି କେବେ ବି

0:20 ପୋଷ୍ଟର ଟେକ୍ସଟ୍ ରେ ସ୍ଥାନ ପାଇଲା ନାହିଁ। ମୁଁ ସେମାନଙ୍କ ବିଷୟରେ ଶେଷରେ କହିବି। ଆଜି ଗୁରୁବାର, ଅକ୍ଟୋବର ପହିଲା, ଏବଂ ଏହା ହେଉଛି The Daily Diff। ଆଜି ଦୁଇଟି କାହାଣୀ, ଏବଂ ବଡ଼ଟି ହେଉଛି ଜେମିନି ଚାରି ଆର୍ଗନ୍, ଯାହାକୁ ଗୁଗୁଲ୍ ଏହାର ପରବର୍ତ୍ତୀ ଯୁଗର ଫ୍ରଣ୍ଟିଅର୍ ଇଣ୍ଟେଲିଜେନ୍ସ ବୋଲି କହିଛି। ଗୋଟିଏ ଉତ୍ତର ବର୍ତ୍ତମାନ ଏକ ନିୟୁତ ଟୋକେନ୍ ପର୍ଯ୍ୟନ୍ତ ଚାଲିପାରିବ, ଚଉଷଠି ହଜାରରୁ ଅଧିକ, ଯାହା ଗୋଟିଏ ଉତ୍ତରରେ ଅନେକ ଉପନ୍ୟାସ ସହିତ ସମାନ। ଲଞ୍ଚ ମୂଲ୍ୟ ପ୍ରତି ନିୟୁତ ଟୋକେନ୍ ପାଇଁ ଦୁଇ ଡଲାର ଏବଂ ଦଶ ଡଲାର ଆଉଟ୍। ଏହା ଠିକ୍ ଯାହା OpenAI GPT ୬.୧ Sol ପାଇଁ ନିଏ,

0:48 ଯେଉଁ ମଡେଲ୍ ବିଷୟରେ ମୁଁ ଗତକାଲି କହିଥିଲି, ଏବଂ Sol ହେଉଛି ଏକ ଯାହାକୁ ଆପଣ ପ୍ରକୃତରେ କିଣି ପାରିବେ। ଗୁଗୁଲ୍ ଭିତରେ, ଏହା ପୂର୍ବରୁ କାର୍ଯ୍ୟ କରୁଛି।

ଗୁଗୁଲ ଭିତରେ: ଆର୍ଗନ ଏଜେଣ୍ଟ C++ କୁ Rust ରେ ପୋର୍ଟ କରୁଛନ୍ତି

0:54 ଗୁଗୁଲ୍ କହୁଛି ଯେ ଆର୍ଗନ୍ ଏଜେଣ୍ଟମାନେ C ଏବଂ C++ କୁ Rust ରେ ପୋର୍ଟ କରୁଛନ୍ତି। ଫୁଚିଆ କର୍ଣ୍ଣେଲ୍ ପାଇଁ ଆଠ ଲକ୍ଷ ଧାଡ଼ି ପର୍ଯ୍ୟନ୍ତ। Hacker News ରେ, ଜଣେ ଇଞ୍ଜିନିୟର ମନେ ପକାଇଲେ ଯେତେବେଳେ ଗୁଗୁଲର C++ ଟିମ୍ Rust କୁ ବିଚାର ବି କରୁ ନଥିଲା ଏବଂ Carbon କୁ ଦେଖୁଥିଲା। ବର୍ତ୍ତମାନ ଏକ ମଡେଲ୍ ସେମାନେ ଯୁକ୍ତି କରୁଥିବା ମାଇଗ୍ରେସନ୍ କରୁଛି।

ଗୁଗୁଲର ନିଜସ୍ୱ ଟେବୁଲ୍: ଆର୍ଗନ ୧୯ ଧାଡ଼ି ମଧ୍ୟରୁ ୧୩ ରେ ଶୀର୍ଷରେ

1:12 ବର୍ତ୍ତମାନ ଟେବୁଲ୍। ଗୁଗୁଲ୍ ଆର୍ଗନ୍ କୁ GPT ୬ ଆଷ୍ଟ୍ରା, Claude Fable ଏବଂ Claude Opus ୧୯ ଧାଡ଼ିରେ ରଖିଛି, ଏବଂ ଆର୍ଗନ୍ ସେଥିମଧ୍ୟରୁ ୧୩ ଟିରେ ଶୀର୍ଷରେ ରହିଛି। ହେଡଲାଇନ୍ ହେଉଛି DeepSWE, ଏକ ଲମ୍ବା କୋଡିଂ ବେଞ୍ଚମାର୍କ, ଅଠସ୍ତରୀ ପ୍ରତିଶତରେ, ପ୍ରାୟ ଚାରି ପଏଣ୍ଟ ଆଗରେ। ସବୁଠାରୁ ଅଜବ ବିଜୟ ହେଉଛି ଆଇନଗତ ଡ୍ରାଫ୍ଟିଙ୍ଗ୍, ଯେଉଁଠାରେ ଆର୍ଗନ୍ କୋଡିଏ ପ୍ରତିଶତ ସ୍କୋର କରେ ଏବଂ ଅନ୍ୟମାନେ ଏକକ ଅଙ୍କରେ ରହନ୍ତି। ଏହା ଏକ ପରୀକ୍ଷାରେ ସର୍ବଶ୍ରେଷ୍ଠ ଗ୍ରେଡ୍ ଯେଉଁଥିରେ ସମସ୍ତେ ଫେଲ୍ ହୁଅନ୍ତି, ଏବଂ ସ୍ଲାଇଡ୍-ଡେକ୍

1:38 ବେଞ୍ଚମାର୍କରେ, ଯାହା ଅପରାଜେୟ, ତାହା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ।

ସାଇବର ପିଚ୍: ନିଜେ ପ୍ୟାଚ୍ କରେ, ପ୍ରତିରକ୍ଷାକାରୀଙ୍କ ପାଇଁ କୌଣସି ଗାର୍ଡରେଲ୍ ନାହିଁ

1:41 ପ୍ରକୃତ ପିଚ୍ ହେଉଛି ସୁରକ୍ଷା। ଗୁଗୁଲ୍ କହୁଛି ଯେ ଆର୍ଗନ୍ ନିଜେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦୁର୍ବଳତାଗୁଡ଼ିକୁ ଖୋଜି, ବୈଧ କରି ଏବଂ ପ୍ୟାଚ୍ କରିପାରିବ, ଏବଂ ବିଶ୍ୱସ୍ତ ପ୍ରତିରକ୍ଷାକାରୀମାନେ ଏହାକୁ ସାଇବର ଗାର୍ଡରେଲ୍ ବିନା ପାଆନ୍ତି। Wiz ଏହାକୁ ଡାକ୍ତରଖାନା ସଫ୍ଟୱେରରେ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଛିଦ୍ର ଖୋଜିବା ପାଇଁ ବ୍ୟବହାର କରିଥିଲା ଯାହା ପୂର୍ବ ମଡେଲ୍ ମାନେ ହରାଇଥିଲେ। ଗୋଟିଏ ଛୋଟ ବିବରଣୀ। Wiz ଗୁଗୁଲ୍ ର ଅଟେ, କାରଣ ମାର୍ଚ୍ଚରେ ୩୨ ବିଲିୟନ ଡଲାରର ଚୁକ୍ତି ସମାପ୍ତ ହୋଇଥିଲା। ତେଣୁ ପୋଷ୍ଟରେ ଥିବା ବ୍ଲାକ୍-ବକ୍ସ ହ୍ୟାକିଂ ପରୀକ୍ଷା ହେଉଛି ଗୁଗୁଲ୍ କମ୍ପାନୀର ଏକ ଗୁଗୁଲ୍ ମଡେଲ୍ ର ଗ୍ରେଡିଂ। ଏବଂ ବଗ୍-ଫିକ୍ସିଂ ଲିଡରବୋର୍ଡରେ, ତିନୋଟି ମଡେଲ୍ ଅଠଷଠି

2:10 ପ୍ରତିଶତ ସେୟାର କରନ୍ତି, ଏବଂ ବାମ ପାର୍ଶ୍ୱରେ ଥିବା ବାର୍ Grok ର ଅଟେ। ତେବେ ବାହାର ପରୀକ୍ଷକମାନେ କଣ ମାପିଲେ?

ବାହାର ସଂଖ୍ୟା: ଆର୍ଟିଫିସିଆଲ୍ ଆନାଲିସିସ୍ ୫୩ କୁହେ, Opus 5.5 ରେ ୫୮ ଅଛି

2:15 ମୁଁ ଆର୍ଗନ୍ ସହିତ ପାଇଥିବା ସ୍ୱାଧୀନ ଲିଡରବୋର୍ଡ ହେଉଛି Artificial Analysis। ଏହା ଏହାର ଇଣ୍ଟେଲିଜେନ୍ସ ଇଣ୍ଡେକ୍ସରେ ଆର୍ଗନ୍ କୁ ତ୍ରିପନ ସ୍କୋର କରେ, ଉଚ୍ଚ ସେଟିଂରେ, ଯାହା ଏହାକୁ ଆଷ୍ଟ୍ରା ଏବଂ Fable ସହିତ ଯୋଡିଥାଏ। Claude Opus 5.5 ପାଞ୍ଚ ପଏଣ୍ଟ ଆଗରେ ଅଛି। ଏକ ସପ୍ତାହ ପୂର୍ବରୁ ମୁଁ ଆପଣଙ୍କୁ କହିଥିଲି ଯେ Opus ସେଠାରେ ଶୀର୍ଷ ସ୍ଥାନ ନେଇଛି, ଏବଂ ଏହା ଏବେ ବି ତାହାକୁ ଧରି ରଖିଛି। ଗୁଗୁଲ୍ ପାଇଁ ଉଚିତ ଅଂଶ ହେଉଛି ବିଲ୍। ସେହି ଇଣ୍ଡେକ୍ସରେ ଏକ ଆର୍ଗନ୍ ରନ୍ ପ୍ରତି କାର୍ଯ୍ୟ ପିଛା ପ୍ରାୟ ଦୁଇ ଡଲାର୍ ଖର୍ଚ୍ଚ କରେ, ପ୍ରାୟ Opus ଖର୍ଚ୍ଚର ଏକ ତୃତୀୟାଂଶ।

ଆପଣ କେବେ ଏହାକୁ ପାଇବେ: "ତେଣୁ ଧରି ରଖନ୍ତୁ"

2:42 ଏବଂ ଆପଣ ଏହାକୁ କେବେ ପାଇବେ? ଗୁଗୁଲ୍ ଏକ ତାରିଖ ଦେବ ନାହିଁ। ପୋଷ୍ଟ୍ ଡେଭେଲପର୍, ଏଣ୍ଟରପ୍ରାଇଜ୍ ଏବଂ ଗ୍ରାହକଙ୍କ ପାଇଁ ଯଥାସମ୍ଭବ ଶୀଘ୍ର ପ୍ରବେଶ ପ୍ରତିଜ୍ଞା କରେ, ପ୍ରଥମେ ପେଡ୍ API ଗ୍ରାହକମାନେ। X ରେ ସୁନ୍ଦର ପିଚାଇଙ୍କ ପୋଷ୍ଟ୍ କୁହେ, ତେଣୁ ଧରି ରଖନ୍ତୁ। ସେପର୍ଯ୍ୟନ୍ତ, Fairwind ମାଧ୍ୟମରେ ପ୍ରବେଶ ଚାଲିଛି, ଗୁଗୁଲ୍ ଏକ ମାସ ପୂର୍ବରୁ ଆରମ୍ଭ କରିଥିବା ପ୍ରୋଗ୍ରାମ୍ Gemini 3.8 Flash Cyber ସହିତ। ଏହାର ଛଅ ଶହ ପଚାଶରୁ ଅଧିକ ସହଭାଗୀ ଅଛନ୍ତି, ଏବଂ ସେମାନେ କେବଳ ଆର୍ଗନ୍ କୁ ସେମାନଙ୍କର

3:05 ସୁରକ୍ଷା ଟିମ୍ କୁ ଦେଇପାରନ୍ତି ଏବଂ କିଏ ଏହାକୁ ବ୍ୟବହାର କରେ ତାହା ଟ୍ରାକ୍ କରିବାକୁ ପଡ଼ିବ। Hacker News ଏହାକୁ ଭଲ ଭାବରେ ଗ୍ରହଣ କରିଥିଲା। ଜଣେ ଟିପ୍ପଣୀକାର ଲେଖିଥିଲେ, Gemini ଏକ ମଡେଲ୍ ଛାଡିପାରିବ ନାହିଁ ବୋଲି ଅଭିଯୋଗକୁ ପରାସ୍ତ କରୁନାହିଁ। ଅନ୍ୟ ଜଣେ ଭବିଷ୍ୟବାଣୀ କରିଥିଲେ ଯେ ମଡେଲ୍ ଭାପୋରୱେୟାରରେ ପରିଣତ ହେବ, ଏକ ଟେବୁଲ୍ ରେ ଅନେକ ସଂଖ୍ୟା। ଏହି ସମୟରେ, Netlify Edge Functions କୁ ପୁନଃନିର୍ମାଣ କରିଛି, ଯାହା ଦିନକୁ ପ୍ରାୟ ଏକ ବିଲିୟନ

Netlify Edge Functions: V8 isolates to microVMs, ପ୍ରାୟ ୫ ଗୁଣ ଦ୍ରୁତତର

3:23 ଥର ଚାଲେ। ସେମାନେ V8 isolates କୁ ହୋଷ୍ଟେଡ୍ ସର୍ଭିସ୍ ରୁ Netlify ର ନିଜସ୍ୱ ନେଟୱର୍କ ଭିତରେ ଥିବା Firecracker microVMs କୁ ସ୍ଥାନାନ୍ତର କରିଛନ୍ତି, ଏବଂ ଏକ ଉଷ୍ମ କଲ୍ ଚାଳିଶ ମିଲିସେକେଣ୍ଡରୁ ପ୍ରାୟ ଛଅକୁ ଖସି ଆସିଛି। Hacker News ସୂଚାଇ ଦେଇଥିଲା ଯେ Cloudflare Workers ମଧ୍ୟ V8 isolates ଅଟନ୍ତି ଏବଂ ଅଧିକ ଦ୍ରୁତତର ଚାଲେ, ତେଣୁ ଅଧିକାଂଶ ବିଜୟ ଦେଖାଯାଉଛି ଯେ ଅନୁରୋଧ ଆଉ ବିଲ୍ଡିଂ ଛାଡୁ ନାହିଁ। ଅନ୍ୟ ଜଣେ ଟିପ୍ପଣୀକାର ସ୍ନାପସଟ୍ ବିଷୟରେ ଚିନ୍ତିତ ଥିଲେ, କାରଣ କ୍ଲୋନ୍ଡ୍ microVMs ଯାଦୃଚ୍ଛିକ ସଂଖ୍ୟା ସ୍ଥିତି ସେୟାର କରିପାରନ୍ତି, ଯାହା ଆପଣ ଦୁଇଟି ସମାନ UUID କିପରି ପାଆନ୍ତି ତାହା।

3:50 ଏକ କୋଲ୍ଡ ଷ୍ଟାର୍ଟ, ଯେତେବେଳେ ଏକ ଅଞ୍ଚଳ ଆପଣଙ୍କ ଫଙ୍କସନ୍ କୁ କେବେ ଦେଖି ନଥାଏ, ପ୍ରାୟ ଏକ ପ୍ରତିଶତ କଲ୍ ରେ ହିଟ୍ କରେ ଏବଂ ପ୍ରାୟ ନଅ ମିଲିସେକେଣ୍ଡ୍ ନିଏ। ଏବଂ microVM ନିଜେ Firecracker, ଯାହାକୁ Amazon Lambda ପାଇଁ ନିର୍ମାଣ କରିଥିଲା, ତେଣୁ ଜଣେ ଟିପ୍ପଣୀକାର ପରାମର୍ଶ ଦିଅନ୍ତି ଯେ ଆପଣ ପରବର୍ତ୍ତୀ ଥର AWS କୁ ଅଭିଶାପ ଦେଲାବେଳେ ଏହାକୁ ମନେ ରଖିବେ।

ଗୁଗୁଲର ପୋଷ୍ଟ କେବେ ବି ଉଲ୍ଲେଖ ନକରିଥିବା ଦୁଇଟି ଧାଡ଼ି

4:06 ବର୍ତ୍ତମାନ, ସେହି ଦୁଇଟି ଧାଡ଼ି। FrontierSWE ଏବଂ Terminal-bench ରେ, ଦୁଇଟି କୋଡିଂ ପରୀକ୍ଷା ଯାହାକୁ ପୋଷ୍ଟର ଟେକ୍ସଟ୍ କେବେ ବି ଉଲ୍ଲେଖ କରେ ନାହିଁ, ଆର୍ଗନ୍ ଗୁଗୁଲର ନିଜସ୍ୱ ଟେବୁଲରେ ଚାରି ମଧ୍ୟରେ ଶେଷ ସ୍ଥାନରେ ଆସେ। Terminal-bench ଏକ ଏଜେଣ୍ଟକୁ ଏକ ପ୍ରକୃତ ସେଲରେ ରଖେ, ଯାହା ଆମ ମଧ୍ୟରୁ ଅଧିକାଂଶ ଏହାକୁ କିପରି ବ୍ୟବହାର କରିବେ, ଏବଂ Opus ଏହାକୁ ନଅ ପଏଣ୍ଟରେ ଆଗୁଆ ରଖେ। ଯଦି ଆପଣ ମୋତେ ଏହା କହୁଥିବା ଶୁଣିବା ଅପେକ୍ଷା ଏହାକୁ ପଢ଼ିବାକୁ ପସନ୍ଦ କରନ୍ତି, ତେବେ ଡିଫ୍ ପ୍ରତିଦିନ ସକାଳେ ଆପଣଙ୍କ ଇନବକ୍ସରେ ଆସେ, ଦ daily diff dot dev ରେ ମାଗଣାରେ, ଲିଙ୍କ୍ ତଳେ ଅଛି।

ରାୟ: NEEDS REVIEW, ଯେଉଁଦିନ ମୁଁ ଏହାକୁ କହିପାରିବି

4:29 ତେଣୁ, ଆଜି Gemini 4 Argon ଉପରେ ରାୟ। NEEDS REVIEW। ମୁଁ ଏହାକୁ ଏହିପରି ଷ୍ଟାମ୍ପ୍ କରିବି କାରଣ ମୁଁ ପାଇଥିବା ସ୍ୱାଧୀନ ସଂଖ୍ୟା ଅନୁଯାୟୀ ଏହା ଦ୍ୱିତୀୟ ସ୍ଥାନରେ ଅଛି, ଏବଂ ମୋର ଯତ୍ନ ନେଉଥିବା ଦୁଇଟି କୋଡିଂ ଧାଡ଼ିରେ ଏହା ଶେଷ ସ୍ଥାନରେ ଅଛି, ତେଣୁ ମୁଁ ଯେଉଁଦିନ ଏହାକୁ ଡାକିପାରିବି, ସେହିଦିନ ଏହାକୁ ଠିକ୍ ଭାବରେ ସମୀକ୍ଷା କରିବି। ସବସ୍କ୍ରାଇବ୍ କରନ୍ତୁ, ବେଲ୍ ବଟନ୍ ଦବାନ୍ତୁ, ଏବଂ ଯଦି ଆପଣ ଅଲଗା ଭାବରେ ଷ୍ଟାମ୍ପ୍ କରିଥାନ୍ତେ ତେବେ ମୋତେ କମେଣ୍ଟରେ କୁହନ୍ତୁ। ଏବଂ ଆଜି ପାଇଁ ଏତିକି। ମୁଁ Axrisi ରୁ Niko। ଦାୟିତ୍ୱର ସହ ମିଶାନ୍ତୁ।

ଉତ୍ସଗୁଡ଼ିକ

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