谷歌刚刚发布了一个黑客模型。以下是差异。

本视频涵盖的内容

• 谷歌发布 Gemini 3.8 Flash + Flash Cyber（86.2% CyberGym，Fairwind Program）
• Meta 发布 Muse Spark 1.3：$1.25/$4.25，如果 Meta 可以用于训练则为 $0.10/$0.20
• 三个网站制作了 215,128 个虚假的“最佳软件”页面；Perplexity 引用了它们

翻译的文字记录

译自英文原版旁白。可用音频和字幕由 YouTube 控制。

0:00 谷歌今天发布了六周内的第三个 Flash 模型， 外加一个经过训练可以进行黑客攻击的版本，四小时后 Meta 发布了一个模型， 如果你允许扎克伯格阅读你的代码，每百万个 token 只需十美分， 因此人工智能价格战现在有了一个网络安全部门。 今天是星期三，差异很大。 Gemini 3.8 Flash 在 Hacker News 上获得了 1100 分， Muse Spark 1.3 多了近 700 分，介于两者之间， 一家研究机构发现了三个网站，发布了 21.5 万个

0:28 虚假的最佳软件页面，纯粹是为了让 Perplexity 引用它们。 今天还有：一篇恳求你坚持使用 Firefox 的帖子获得了 900 分 88 分，Mistral 关于选择退出训练的帮助页面获得了 近 500 分，主要来自发现主权选项的欧洲人 默认情况下会根据你的提示进行训练。 在此视频中：Gemini 3.8 Flash 的实际成本，谷歌的黑客模型 将只出售给 650 个合作伙伴，Meta 的十美分级别及其 实际收费，以及两家公司都没有编写的基准测试。

0:59 今天是 9 月 2 日星期三，这是 The Daily Diff。 Gemini 3.8 Flash 输入每百万 token 75 美分，输出三 75 美分，与三周前的 3.7 Flash 相同， 附注说明价格在 1 月 1 日翻倍， 这是一个额外步骤的免费试用。 在幻灯片基准测试中，它以不败的战绩在 HLE-Verified 上获得了 54.9% 的分数， X 表示它在 Terminal-Bench 上击败了 Sol 和 Opus 5， Logan Kilpatrick 在 DeepSWE 上发布了 73.7 分，这是唯一一个尚未被记住的长期

1:29 编码基准测试， 据称。Simon Willison 要求它用 HTML 制作一个很酷的东西，在 13 秒内获得了 一个粒子模拟，花费 1.8 美分， 以每秒 60 帧的速度运行，因为 60 被硬编码到 页面中。谷歌自己的帖子用一个我愿意裱起来的句子解释了这些收益：3.8 Flash 更努力地工作。它执行额外的推理步骤，迭代调用工具， 并且，引用的话说，可能会使用更多的 token，这在公司内部的意思是计费速度更快。 独立的 DeepSWE 委员会在这两方面都同意：Flash 获得 74 分

2:02 百分之，与 Opus 5 并列，但每项任务的成本只有其五分之一， 但它需要 166 个步骤和 14.3 万个输出 token 才能达到目标， 这比 Sol 花费的两倍还多。 Artificial Analysis 燃烧了 1.4 亿个 token 和 1078 美元 只为了给它评分。 每个 token 便宜，每个任务话多，第一个 token 在思考 12 秒后才出现。 秒的思考。 然后是有趣的一半。

2:23 Gemini 3.8 Flash Cyber 是同一个模型，但为了 引用的话说，“值得信赖的防御者”而放宽了安全限制，Sundar 表示它在 CyberGym 上达到了 86.2%， 这是一个用于自主发现漏洞的基准测试。 它也进行修补：在 CWE-Bench 上达到 47.2%，而领先的 前沿模型为 47.8%，Chrome 团队表示它比更大的商业模型产生了 2.6 倍的正确补丁， 并且谷歌的云研究人员用它在不到两小时内发现了一个关键漏洞， 这项工作通常需要数月，或者一个有动力的青少年。 或者一个有动机的青少年。

2:54 谷歌坚称它优先考虑修复而非利用， 这是客气的说法，意思是这个模型绝对可以通过 漏洞，他们只是要求它不要。 所以你不能拥有它。 访问通过新的 Fairwind Program：政府、 关键基础设施，以及 650 家经过审查的合作伙伴（强制性）。 双重因素。现在每个前沿实验室都拥有一个它们不会卖给你的黑客模型， 而本周它很便宜。

3:16 四小时后，Meta发布了Muse Spark 1.3，扎克伯格称之为前沿 性能，便宜得几乎不计成本，这是真的， 但有一个和门洛帕克一样大的星号。 普通端点是输入1.25美元，输出4.25美元， 比Gemini还贵。 贡献者端点是输入10美分，输出20美分， 缓存读取每美分五分之一，便宜多达二十倍， 而唯一的区别是一栏写着“用于改进我们的产品”。

3:40 所以折扣就是你的会话记录， 而且这一次没有人需要阅读 许可证，因为Meta把许可证写成了一份价目表。 热门评论：现在完全明白窃取我的令牌值多少钱了。 第二条评论想知道，多久会有人从一个 在贡献者提示上训练的模型中提取出AWS密钥。 在Meta自己的记分卡上，Spark 1.3在DeepSWE上获得75.4分， 高于Sol和Opus 5，Meta表示它使用的工具调用减少了20%，

4:06 令牌减少了25%，与1.2版本相比，这与 谷歌的押注正好相反，所以今天地球上最大的两家广告公司在 多说话是不是好事上存在分歧。 与此同时，Trellner Research向Perplexity询问了三百 八十个类别中最好的软件，并阅读了所有引用：59.8%来自 排名前十万之外的网站，维基百科 在七千五百次中被引用了三次， 三个拥有二十一万五千个生成购买指南的姊妹网站将其主页命名为“事实和基础页面”，

4:34 这是给爬虫看的，不是给你看的。 AI SEO战争已经开始，它的第一个武器是带有营销预算的正则表达式。 这周三的价格标签真多；如果你宁愿阅读而不是 听我讲，The Daily Diff每天早上都会发送到你的收件箱——在daily diff.dev免费，链接在下方。 所以，今天的判决：SHIP IT。 Gemini 3.8 Flash在谷歌没有编写的榜单上与Opus 5打平， 价格是五分之一。

5:00 只需阅读令牌账单，并阅读Meta的列标题。 这就是今天的The Daily Diff。 我是Axrisi的Niko。 负责任地合并。 负责任地合并。

来源

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