Gemini 4 Argon je Googleov najbolji model. Još ga ne možete koristiti.

Šta ovaj video pokriva

• Gemini 4 Argon: milion izlaznih tokena, 2$ ulaz, a ne možete ga koristiti
• Unutar Googlea: Argon agenti portuju C++ na Rust
• Googleova vlastita tablica: Argon je na vrhu 13 od 19 redova
• Cyber ponuda: samostalno popravlja, nema zaštitnih ograda za branioce
• Spoljni broj: Artificial Analysis kaže 53, Opus 5.5 ima 58

Prevedeni transkript

Prevedeno iz originalne engleske naracije. Dostupan zvuk i titlovi kontroliše YouTube.

Gemini 4 Argon: milion izlaznih tokena, 2$ ulaz, a ne možete ga koristiti

0:00 Mislili biste da lansiranje znači da dobijate model. Google je upravo lansirao Gemini četiri Argon, i osim ako niste provjereni cyber branilac, ne možete ga koristiti. U ovom videu: šta pokazuje Googleova tablica? Šta su izmjerili vanjski testeri? I kada ga dobijate? Vjerovatno ste već vidjeli promotivne video snimke. Umjesto toga, pročitao sam tablicu mjerila, i dva reda iz nje nikada nisu dospjela u

0:20 tekst objave. Do njih ću doći na kraju. Četvrtak je, prvog oktobra, a ovo je The Daily Diff. Dvije priče danas, a velika je Gemini četiri Argon, koji Google naziva svojom sljedećom erom granične inteligencije. Jedan odgovor sada može doseći milion tokena, sa šezdeset četiri hiljade, što je nekoliko romana u jednom odgovoru. Lansirna cijena je dva dolara po milionu tokena ulaz i deset izlaz. To je tačno ono što OpenAI naplaćuje za GPT šest tačka jedan Sol,

0:48 model koji sam juče pokrio, a Sol je onaj koji zapravo možete kupiti. Unutar Googlea, već je u funkciji.

Unutar Googlea: Argon agenti portuju C++ na Rust

0:54 Google kaže da Argon agenti portuju C i C++ na Rust širom kompanije, do osam stotina hiljada linija za kernel Fuchsia. Na Hacker News-u, jedan inženjer se sjetio kada Googleov C++ tim nije ni razmatrao Rust i umjesto toga je gledao Carbon. Sada model radi migraciju o kojoj su se oni raspravljali.

Googleova vlastita tablica: Argon je na vrhu 13 od 19 redova

1:12 Sada tablica. Google stavlja Argon pored GPT šest Astra, Claude Fable i Claude Opus na devetnaest redova, a Argon izlazi na vrh u trinaest od njih. Naslov je DeepSWE, dugo mjerilo kodiranja, sa sedamdeset osam posto, oko četiri boda više. Najčudnija pobjeda je pravno sastavljanje, gdje Argon postiže dvadeset posto, a ostali ostaju u jednocifrenim brojevima. To je najbolja ocjena na testu na kojem svi padaju, i na benchmarkovima slajdova,

1:38 koji su nepobijeđeni, to se računa.

Cyber ponuda: samostalno popravlja, nema zaštitnih ograda za branioce

1:41 Prava ponuda je sigurnost. Google kaže da Argon može samostalno pronaći, validirati i zakrpiti kritične ranjivosti, i da ga provjereni branioci dobijaju bez cyber zaštitnih ograda. Wiz ga je koristio da pronađe kritičnu rupu u bolničkom softveru koju su raniji modeli propustili. Jedan mali detalj. Wiz pripada Googleu, otkako je u martu zaključen ugovor vrijedan trideset dvije milijarde dolara. Dakle, test hakiranja crne kutije u objavi je Googleova kompanija koja ocjenjuje Googleov model. A na ljestvici ispravljanja grešaka, tri modela dijele šezdeset osam

2:10 posto, a traka na krajnjoj lijevoj strani pripada Grok-u. Pa šta su izmjerili vanjski testeri?

Spoljni broj: Artificial Analysis kaže 53, Opus 5.5 ima 58

2:15 Nezavisna ljestvica koju sam mogao pronaći sa Argonom je Artificial Analysis. Ona ocjenjuje Argon pedeset tri na svom indeksu inteligencije, na visokoj postavci, što ga izjednačava sa Astra i Fable. Claude Opus pet tačka pet je pet bodova ispred. Prije sedmicu dana sam vam rekao da je Opus zauzeo prvo mjesto, i još uvijek ga drži. Pošten dio za Google je račun. Jedno pokretanje Argona košta oko dva dolara po zadatku na tom indeksu, otprilike trećinu onoga što košta Opus.

Kada ga dobijate: „Pa strpite se malo”

2:42 I kada ga dobijate? Google neće dati datum. Objava obećava pristup programerima, preduzećima i potrošačima što je prije moguće, prvo plaćenim API korisnicima. Objava Sundara Pichaija na X-u kaže, pa strpite se malo. Do tada, pristup se odvija putem Fairwinda, programa koji je Google pokrenuo prije mjesec dana sa Gemini tri tačka osam Flash Cyber. Ima preko šest stotina pedeset partnera, i oni mogu Argon dati samo svojim

3:05 sigurnosnim timovima i moraju pratiti ko ga koristi. Hacker News je to dobro prihvatio. Jedan komentator je napisao, Gemini ne pobjeđuje optužbe da ne može objaviti model. Drugi je predvidio da se modeli pretvaraju u vaporware, hrpu brojeva na tablici. U međuvremenu, Netlify je ponovo izgradio Edge Functions, koje se pokreću oko milijardu

Netlify Edge Functions: V8 izolati do mikroVM-ova, oko 5x brže

3:23 puta dnevno. Prešli su sa V8 izolata u hostovanom servisu na Firecracker mikroVM-ove unutar Netlifyjeve vlastite mreže, a toplo pokretanje je palo sa do četrdeset milisekundi na oko šest. Hacker News je istakao da su Cloudflare Workers također V8 izolati i rade mnogo brže, pa većina pobjede izgleda kao da zahtjev više ne napušta zgradu. Drugi komentator se brinuo zbog snimaka, jer klonirani mikroVM-ovi mogu dijeliti stanje generatora slučajnih brojeva, što je način na koji dobijate dva identična UUID-a.

3:50 Hladno pokretanje, kada regija nikada nije vidjela vašu funkciju, dostiže oko jedan posto poziva i traje oko devet milisekundi. A sam mikroVM je Firecracker, koji je Amazon izgradio za Lambda, pa jedan komentator sugerira da se toga sjetite sljedeći put kada psujete AWS.

Dva reda koje Googleov post nikada ne spominje

4:06 Sada, ta dva reda. Na FrontierSWE i Terminal-bench, dva testa kodiranja koje tekst objave nikada ne spominje, Argon dolazi posljednji od četiri, na Googleovoj vlastitoj tablici. Terminal-bench stavlja agenta u stvarnu ljusku, što je način na koji bi ga većina nas koristila, i Opus ga vodi za devet bodova. Ako biste radije pročitali ovo nego čuli kako ja to kažem, diff stiže u vašu pristiglu poštu svako jutro, besplatno na the daily diff dot dev, link ispod.

Presuda: POTREBAN PREGLED, onog dana kada ga budem mogao nazvati

4:29 Dakle, današnja presuda o Gemini četiri Argon. POTREBAN PREGLED. Tako bih ga ocijenio jer ga nezavisni broj koji sam pronašao stavlja na drugo mjesto, a dva reda kodiranja do kojih mi je stalo stavljaju ga na posljednje, pa ću ga pravilno pregledati onog dana kada ga budem mogao nazvati. Pretplatite se, kliknite zvonce i recite mi u komentarima da li biste ga vi ocijenili drugačije. I to je diff za danas. Ja sam Niko iz Axrisi. Spajajte odgovorno.

Izvori

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