Google práve vypustil model na hackovanie. Tu je rozdiel.

Čo toto video pokrýva

• Google vypúšťa Gemini 3.8 Flash + Flash Cyber (86,2 % CyberGym, program Fairwind)
• Meta vypúšťa Muse Spark 1.3: 1,25 USD/4,25 USD, alebo 0,10 USD/0,20 USD, ak na ňom Meta môže trénovať
• Tri stránky vytvorili 215 128 falošných stránok „najlepšieho softvéru“; Perplexity ich cituje

Preložený prepis

Preložené z pôvodného anglického rozprávania. Dostupný zvuk a titulky sú kontrolované službou YouTube.

0:00 Google dnes vypustil svoj tretí model Flash za šesť týždňov, plus verziu vycvičenú na hackovanie a o štyri hodiny neskôr Meta vypustila model, ktorý stojí desať centov za milión tokenov, ak necháte Zuckerberga čítať váš kód, takže cenová vojna v AI má teraz divíziu kybernetickej bezpečnosti. Je streda a rozdiel je veľký. Gemini 3.8 Flash dosiahol jedenásťsto bodov na Hacker News, Muse Spark 1.3 získal takmer sedemsto ďalších, a medzi tým, výskumná dielňa našla tri webové stránky, ktoré zverejnili dvestopätnásťtisíc

0:28 falošných stránok s najlepším softvérom čisto preto, aby ich Perplexity citovala. Tiež dnes: príspevok, ktorý vás prosí, aby ste sa držali Firefoxu, získal deväťsto osemdesiatosem bodov a stránka pomoci Mistralu o odhlásení sa z tréningu získala takmer päťsto, väčšinou od Európanov, ktorí objavili, že suverénna možnosť trénuje na vašich výzvach predvolene. V tomto videu: čo v skutočnosti stojí Gemini 3.8 Flash, model na hackovanie, ktorý Google bude predávať iba šesťstopäťdesiatim partnerom, desaťcentová úroveň Meta a čo si skutočne účtuje, a jediný benchmark, ktorý ani jedna spoločnosť nenapísala.

0:59 Je streda, 2. septembra, a toto je The Daily Diff. Gemini 3.8 Flash je sedemdesiatpäť centov za milión tokenov vstup a tri sedemdesiatpäť výstup, rovnako ako 3.7 Flash spred troch týždňov, s poznámkou pod čiarou, že cena sa 1. januára zdvojnásobí, čo je bezplatná skúšobná verzia s extra krokmi. Na slide-deck benchmarkoch, ktoré sú neprekonané, dosahuje 54,9 percenta na HLE-Verified, X hovorí, že poráža Sol a Opus 5 na Terminal-Bench, a Logan Kilpatrick zverejnil 73,7 na DeepSWE, jediný dlho-horizontálny

1:29 kódovací benchmark, ktorý ešte nebol zapamätaný, údajne. Simon Willison ho požiadal, aby vytvoril niečo cool v HTML a za trinásť sekúnd za 1,8 centa dostal simuláciu častíc, bežiacu pri šesťdesiatich snímkach za sekundu, pretože šesťdesiatka bola pevne zakódovaná do stránky. Vlastný príspevok Googlu vysvetľuje zisky vetou, ktorú by som si zarámoval: 3.8 Flash pracuje tvrdšie. Vykonáva extra kroky uvažovania, iteratívne volá nástroje, a, citujem, "môže použiť viac tokenov", čo je korporátne vyjadrenie, že "merač beží rýchlejšie." Nezávislá rada DeepSWE súhlasí v oboch bodoch: Flash dosahuje sedemdesiatštyri

2:02 percent, rovnako ako Opus 5 za pätinu nákladov na úlohu, ale potreboval stošesťdesiatšesť krokov a stoštyridsaťtritisíc výstupných tokenov, aby sa tam dostal, viac ako dvojnásobok toho, čo Sol spotreboval. Artificial Analysis spálila stoštyridsať miliónov tokenov a tisíc sedemdesiatosem dolárov len na to, aby ho ohodnotila. Lacné na token, ukecané na úlohu a prvý token príde po dvanástich sekundách premýšľania. Potom tá zaujímavá polovica.

2:23 Gemini 3.8 Flash Cyber je ten istý model s uvoľnenými bezpečnostnými zábranami pre, citujem, „dôveryhodných obrancov“ a Sundar hovorí, že dosahuje 86,2 percenta na CyberGym, benchmark pre autonómne vyhľadávanie zraniteľností. Opravuje tiež: 47,2 percenta na CWE-Bench proti 47,8 pre vedúci hraničný model, tím Chrome hovorí, že vyprodukoval 2,6-krát viac správnych opráv ako oveľa väčšie komerčné modely, a cloudoví výskumníci Googlu ho použili na nájdenie kritickej zraniteľnosti za menej ako dve hodiny, čo je práca, ktorá zvyčajne trvá mesiace, alebo jeden motivovaný tínedžer.

2:54 Google trvá na tom, že prioritou bola oprava pred zneužitím, čo je zdvorilý spôsob, ako povedať, že model absolútne dokáže prejsť cez diery, len ho požiadali, aby to nerobil. Takže ho nemôžete mať. Prístup prebieha prostredníctvom nového programu Fairwind: vlády, kritická infraštruktúra a šesťstopäťdesiat preverených partnerov s povinnou dvojfaktorové. Každé laboratórium na hraniciach teraz vlastní model hackingu, ktorý vám nepredá, a tento týždeň je to lacný model.

3:16 O štyri hodiny neskôr Meta vydala Muse Spark 1.3 a Zuck ho nazval hraničným výkonom, takmer príliš lacným na meranie, čo je pravda, s jednou hviezdičkou veľkosti Menlo Parku. Normálny koncový bod je dolár dvadsaťpäť za vstup a štyri dvadsaťpäť za výstup, viac ako Gemini. Koncový bod prispievateľa je desať centov za vstup, dvadsať centov za výstup, čítanie cache za pätinu centu, až dvadsaťkrát lacnejšie, a jediný rozdiel je stĺpec, ktorý hovorí, že sa používa na zlepšenie našich produktov.

3:40 Takže zľava je váš prepis relácie, a tentoraz nikto nemusí čítať licenciu, pretože Meta napísala licenciu ako cenník. Najlepší komentár: teraz je úplne zrejmé, koľko stojí krádež mojich tokenov. Druhý komentár sa pýta, ako dlho to potrvá, kým niekto získa AWS kľúč z modelu trénovaného na výzvach prispievateľov. Na vlastnej výsledkovej karte Meta, Spark 1.3 získava 75.4 na DeepSWE, nad Sol a Opus 5, a Meta hovorí, že používa o dvadsať percent menej volaní nástrojov

4:06 a o dvadsaťpäť percent menej tokenov ako 1.2, presne opačná stávka ako Google, takže dnes dve najväčšie reklamné spoločnosti na svete nesúhlasia s tým, či viac rozprávania je dobré. Medzitým Trellner Research požiadal Perplexity o najlepší softvér v troch stovkách osemdesiatich kategórií a prečítal každú citáciu: 59.8 percenta pochádzalo zo stránok mimo prvej stotisícky, Wikipedia bola citovaná trikrát zo sedem a pol tisíc, a tri sesterské stránky s dvesto pätnásťtisícami

4:34 generovaných nákupných sprievodcov nazvali svoje domovské stránky Facts and Grounding Page, adresované crawleru, nie vám. Vojna AI SEO sa začala a jej prvou zbraňou je regex s marketingovým rozpočtom. To je veľa cenoviek na jednu stredu; ak by ste si to radšej prečítali ako počuli ma to povedať, diff pristane vo vašej schránke každé ráno — zadarmo na daily diff dot dev, odkaz nižšie. Takže, dnešný verdikt: SHIP IT. Gemini 3.8 Flash sa vyrovnáva Opus 5 na jedinej doske, ktorú Google nenapísal,

5:00 za pätinu ceny. Stačí si prečítať účet za tokeny a prečítať si hlavičky stĺpcov Meta. To je dnešný diff. Som Niko z Axrisi. Zlučujte zodpovedne.

Zdroje

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