Gemini 4 Argon bu Google'ning eng yaxshi modeli. Siz uni hali ishlata olmaysiz.

Bu video nimani qamrab oladi

• Gemini 4 Argon: bir million chiqish tokeni, 2 dollar kirish va siz uni ishlata olmaysiz
• Google ichida: Argon agentlari C++ ni Rustga o'tkazmoqda
• Google'ning o'z jadvali: Argon 19 qatorning 13 tasida yetakchilik qiladi
• Kiber taklif: o'z-o'zidan tuzatishlar, himoyachilar uchun cheklovlarsiz
• Tashqi raqam: Artificial Analysis 53, Opus 5.5 esa 58 deydi

Tarjima qilingan transkript

Asl inglizcha hikoyadan tarjima qilingan. Mavjud audio va subtitrlar YouTube tomonidan boshqariladi.

Gemini 4 Argon: bir million chiqish tokeni, 2 dollar kirish va siz uni ishlata olmaysiz

0:00 Siz ishga tushirish modeli olasiz deb o'ylaysiz. Google endigina Gemini to'rt Argonni ishga tushirdi va agar siz ishonchli kiber himoyachi bo'lmasangiz, unga teginolmaysiz. Ushbu videoda: Google jadvali nimani ko'rsatadi? Tashqi sinovchilar nimani o'lchashdi? Va uni qachon olasiz? Siz allaqachon shov-shuvli videolarni ko'rgansiz. Men buning o'rniga benchmark jadvalini o'qidim va undagi ikki qator postning

0:20 matniga hech qachon kiritilmagan. Ularga oxirida to'xtalib o'taman. Bugun payshanba, birinchi oktyabr, va bu The Daily Diff. Bugun ikkita hikoya va kattasi Gemini to'rt Argon, uni Google o'zining yangi davr intellektining chegarasi deb ataydi. Bir javob endi oltmish to'rt mingdan bir million tokengacha yetishi mumkin, bu bir javobda bir nechta roman degani. Ishga tushirish narxi kirish uchun har million token uchun ikki dollar va chiqish uchun o'n dollar. Bu OpenAI GPT olti nuqta bir Sol uchun oladigan narx bilan aynan bir xil,

0:48 men kecha qamrab olgan model va Sol siz haqiqatda sotib olishingiz mumkin bo'lgan model. Google ichida u allaqachon ishlamoqda.

Google ichida: Argon agentlari C++ ni Rustga o'tkazmoqda

0:54 Google Argon agentlari kompaniya bo'ylab C va C++ ni Rustga o'tkazmoqda, Fuchsia yadrosi uchun sakkiz yuz ming qatorgacha. Hacker News'da bir muhandis Google'ning C++ jamoasi Rustni ko'rib chiqishni ham istamaganini va buning o'rniga Carbonga qaraganini esladi. Endi ular bahslashgan migratsiyani model amalga oshirmoqda.

Google'ning o'z jadvali: Argon 19 qatorning 13 tasida yetakchilik qiladi

1:12 Endi jadval. Google Argonni GPT olti Astra, Claude Fable va Claude Opus bilan o'n to'qqiz qatorda yonma-yon qo'yadi va Argon ularning o'n uchtasida ustun keladi. Sarlavha DeepSWE, uzoq kodlash benchmarki, yetmish sakkiz foizda, taxminan to'rt ball oldinda. Eng g'alati g'alaba huquqiy hujjatlar tayyorlashda, bu yerda Argon yigirma foiz ball to'playdi va boshqalar bir xonali raqamlarda qoladi. Bu hamma muvaffaqiyatsizlikka uchragan testdagi eng yaxshi baho va slayd-dek

1:38 benchmarklarida, ular mag'lubiyatsiz, bu hisobga olinadi.

Kiber taklif: o'z-o'zidan tuzatishlar, himoyachilar uchun cheklovlarsiz

1:41 Asosiy taklif xavfsizlikdir. Google Argon o'z-o'zidan muhim zaifliklarni topishi, tasdiqlashi va tuzatishi mumkinligini va ishonchli himoyachilar uni kiber cheklovlarsiz olishini aytadi. Wiz uni kasalxona dasturiy ta'minotida muhim teshikni topish uchun ishlatgan, uni oldingi modellar o'tkazib yuborgandi. Bir kichik detal. Wiz mart oyida o'ttiz ikki milliard dollarlik bitim yopilganidan beri Google'ga tegishli. Shunday qilib, postdagi qora quti xakerlik testi Google kompaniyasi Google modelini baholamoqda. Va xatolarni tuzatish bo'yicha yetakchilar kengashida uchta model oltmish sakkiz

2:10 foizni bo'lishadi va chapdagi ustun Grokga tegishli. Xo'sh, tashqi sinovchilar nimani o'lchashdi?

Tashqi raqam: Artificial Analysis 53, Opus 5.5 esa 58 deydi

2:15 Men Argon bilan topa olgan mustaqil yetakchilar kengashi Artificial Analysis. U Argonni o'zining aqllilik indeksida ellik uch ball bilan baholaydi, yuqori sozlamada, bu Astra va Fable bilan teng. Claude Opus besh nuqta besh besh ball oldinda turadi. Bir hafta oldin men sizga Opus u yerda eng yuqori o'rinni egallaganini aytgandim va u hali ham uni ushlab turibdi. Google uchun adolatli qismi bu to'lov. Argon ishlatish ushbu indeksda har bir vazifa uchun taxminan ikki dollar turadi, Opus narxining taxminan uchdan bir qismi.

Uni qachon olasiz: "Shunday ekan, kutib turing"

2:42 Va uni qachon olasiz? Google sana bermaydi. Post ishlab chiquvchilar, korxonalar va iste'molchilar uchun imkon qadar tezroq kirishni va'da qiladi, birinchi navbatda pullik API mijozlari. Sundar Pichai X dagi postida shunday deydi: "Shunday ekan, kutib turing." O'shangacha, kirish Google bir oy oldin Gemini uch nuqta sakkiz Flash Cyber bilan boshlagan Fairwind dasturi orqali amalga oshiriladi. Google bir oy oldin Gemini uch nuqta sakkiz Flash Cyber bilan boshlagan Fairwind dasturi orqali amalga oshiriladi. U olti yuz ellikdan ortiq hamkorga ega va ular Argonni faqat o'zlarining

3:05 xavfsizlik guruhlariga topshirishi mumkin va kim foydalanishini kuzatishi shart. Hacker News buni yaxshi qabul qildi. Bir izohlovchi shunday yozdi: "Gemini modelni chiqara olmaslik ayblovlarini mag'lub eta olmadi." Boshqasi modellar "vaporware"ga aylanib ketishini, jadvaldagi bir qator raqamlarga aylanishini bashorat qildi. Ayni paytda, Netlify Edge Functions'ni qayta qurdi, ular kuniga taxminan milliard

Netlify Edge Functions: V8 izolyatsiyasidan mikroVMlarga, taxminan 5 barobar tezroq

3:23 marta ishlaydi. Ular xost xizmatidagi V8 izolyatsiyalaridan Netlify'ning o'z tarmog'idagi Firecracker mikroVMlarga o'tishdi, va iliq qo'ng'iroq qirq millisekunddan olti millisekundga qisqardi. Hacker News Cloudflare Workers ham V8 izolyatsiyalari ekanligini ta'kidladi va ancha tezroq ishlashi, shuning uchun g'alaba asosan so'rov binoni tark etmayotganga o'xshaydi. Boshqa bir izohlovchi snapshotlar haqida xavotirlangan, chunki klonlangan mikroVMlar tasodifiy raqam holatini baham ko'rishi mumkin, bu esa ikkita bir xil UUIDni qanday olishingizni ko'rsatadi.

3:50 Sovuq ishga tushirish, mintaqa sizning funksiyangizni hech qachon ko'rmaganida, qo'ng'iroqlarning taxminan bir foizini tashkil qiladi va to'qqiz millisekundga yaqin vaqt oladi. Va mikroVMning o'zi Firecracker, uni Amazon Lambda uchun yaratgan, shuning uchun bir izohlovchi keyingi safar AWSni la'natlaganingizda buni eslab qolishingizni taklif qiladi.

Google postida hech qachon eslatilmagan ikki qator

4:06 Endi, bu ikki qator. FrontierSWE va Terminal-benchda, postning matni hech qachon eslatmagan ikkita kodlash testida, Argon to'rttadan oxirgi o'rinni egallaydi, Google'ning o'z jadvalida. Terminal-bench agentni haqiqiy shellga joylashtiradi, bu bizning ko'pchiligimiz uni qanday ishlatishimizdir, va Opus undan to'qqiz ball oldinda. Agar buni mening aytganimdan ko'ra o'qishni afzal ko'rsangiz, diff har kuni ertalab qutingizga keladi, bepul daily diff dot dev manzilida, havola pastda.

Xulosa: NEEDS REVIEW, men uni chaqira oladigan kun

4:29 Shunday qilib, bugungi Gemini to'rt Argon bo'yicha xulosa. NEEDS REVIEW. Men uni shu tarzda muhrlagan bo'lardim, chunki men topgan mustaqil raqam uni ikkinchi o'rin bilan bog'lagan va men g'amxo'rlik qiladigan ikki kodlash qatori uni oxirgi o'ringa qo'ygan, shuning uchun men uni chaqira oladigan kuni uni to'g'ri ko'rib chiqaman. Obuna bo'ling, qo'ng'iroqni bosing va agar uni boshqacha muhrlagan bo'lsangiz, izohlarda ayting. Va bugungi diff shu. Men Axrisi'dan Nikoman. Mas'uliyat bilan birlashtiring.

Manbalar

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