Google acaba de lanzar un modelo de hacking. Aquí está The Daily Diff.

Lo que cubre este video

• Google lanza Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, programa Fairwind)
• Meta lanza Muse Spark 1.3: $1.25/$4.25, o $0.10/$0.20 si Meta puede entrenar con él
• Tres sitios crearon 215,128 páginas falsas de "mejor software"; Perplexity los cita

Transcripción traducida

Traducido de la narración original en inglés. El audio y los subtítulos disponibles son controlados por YouTube.

0:00 Google lanzó hoy su tercer modelo Flash en seis semanas, además de una versión entrenada para hackear, y cuatro horas después Meta lanzó un modelo que cuesta diez centavos por millón de tokens si dejas que Zuckerberg lea tu código, así que la guerra de precios de IA ahora tiene una división de ciberseguridad. Es miércoles, y el The Daily Diff es largo. Gemini 3.8 Flash alcanzó mil cien puntos en Hacker News, Muse Spark 1.3 obtuvo casi setecientos más, y entretanto, un centro de investigación encontró tres sitios web que publicaron doscientas quince mil

0:28 páginas falsas de mejor software puramente para que Perplexity las citara. También hoy: una publicación pidiéndote que conservaras tu Firefox obtuvo novecientos ochenta y ocho puntos, y la página de ayuda de Mistral sobre cómo optar por no participar en el entrenamiento obtuvo casi quinientos, principalmente de europeos que descubrieron que la opción soberana entrena con tus indicaciones por defecto. En este video: lo que realmente cuesta Gemini 3.8 Flash, el modelo de hacking que Google solo venderá a seiscientos cincuenta socios, el nivel de diez centavos de Meta y lo que realmente cobra, y el único punto de referencia que ninguna de las dos empresas escribió.

0:59 Es miércoles, 2 de septiembre, y esto es The Daily Diff. Gemini 3.8 Flash cuesta setenta y cinco centavos por millón de tokens de entrada y tres dólares setenta y cinco de salida, lo mismo que 3.7 Flash de hace tres semanas, con una nota a pie de página que dice que el precio se duplica el 1 de enero, lo cual es una prueba gratuita con pasos adicionales. En los puntos de referencia de la presentación, que están invictos, obtiene un 54.9 por ciento en HLE-Verified, X dice que supera a Sol y Opus 5 en Terminal-Bench, y Logan Kilpatrick publicó un 73.7 en DeepSWE, el único punto de referencia de codificación de largo

1:29 horizonte que aún no ha sido memorizado, supuestamente. Simon Willison le pidió que creara algo genial en HTML y obtuvo una simulación de partículas en trece segundos por 1.8 centavos, funcionando a sesenta cuadros por segundo, porque el sesenta estaba codificado en la página. La propia publicación de Google explica las ganancias con una frase que enmarcaría: 3.8 Flash trabaja más duro. Ejecuta pasos de razonamiento adicionales, llama a herramientas iterativamente, y, cito, podría usar más tokens, lo cual es corporativo para el medidor corre más rápido. La junta independiente de DeepSWE está de acuerdo en ambos puntos: Flash obtiene un setenta y cuatro

2:02 por ciento, empatado con Opus 5 a una quinta parte del costo por tarea, pero necesitó ciento sesenta y seis pasos y ciento cuarenta y tres mil tokens de salida para lograrlo, más del doble de lo que gastó Sol. Artificial Analysis quemó ciento cuarenta millones de tokens y mil setenta y ocho dólares solo para calificarlo. Barato por token, hablador por tarea, y el primer token llega después de doce segundos de pensamiento. Luego la mitad interesante.

2:23 Gemini 3.8 Flash Cyber es el mismo modelo con las medidas de seguridad relajadas para, cito, defensores de confianza, y Sundar dice que alcanza el 86.2 por ciento en CyberGym, el punto de referencia para encontrar vulnerabilidades de forma autónoma. También aplica parches: 47.2 por ciento en CWE-Bench frente a 47.8 para un modelo de frontera líder, el equipo de Chrome dice que produjo 2.6 veces más parches correctos que modelos comerciales mucho más grandes, y los investigadores de la nube de Google lo usaron para encontrar una vulnerabilidad crítica en menos de dos horas, un trabajo que generalmente toma meses, o un adolescente motivado.

2:54 Google insiste en que priorizó la corrección sobre la explotación, que es la forma educada de decir que el modelo puede atravesar absolutamente los agujeros, simplemente le pidieron que no lo hiciera. Así que no puedes tenerlo. El acceso se realiza a través de un nuevo programa Fairwind: gobiernos, infraestructura crítica y seiscientos cincuenta socios verificados con obligatorio doble factor. Cada laboratorio fronterizo ahora posee un modelo de hacking que no te venderá, y esta semana es uno barato.

3:16 Cuatro horas después, Meta lanzó Muse Spark 1.3, y Zuck lo llamó rendimiento fronterizo casi demasiado barato para medir, lo cual es cierto, con un asterisco del tamaño de Menlo Park. El punto final normal es un dólar veinticinco de entrada y cuatro veinticinco de salida, más que Gemini. El punto final del contribuidor es diez centavos de entrada, veinte centavos de salida, lecturas de caché a un quinto de centavo, hasta veinte veces más barato, y la única diferencia es una columna que dice 'usado para mejorar nuestros productos'.

3:40 Así que el descuento es la transcripción de tu sesión, y por una vez nadie tiene que leer la licencia, porque Meta escribió la licencia como una lista de precios. Comentario principal: ahora es completamente obvio cuánto vale robar mis tokens. El segundo comentario se pregunta cuánto tiempo pasará hasta que alguien extraiga una clave de AWS de un modelo entrenado con indicaciones de contribuyentes. En la propia tarjeta de puntuación de Meta, Spark 1.3 obtiene 75.4 en DeepSWE, por encima de Sol y Opus 5, y Meta dice que utiliza un veinte por ciento menos de llamadas a herramientas

4:06 y un veinticinco por ciento menos de tokens que 1.2, la apuesta exactamente opuesta a la de Google, así que hoy las dos compañías de publicidad más grandes del mundo no están de acuerdo sobre si hablar más es bueno. Mientras tanto, Trellner Research le preguntó a Perplexity por el mejor software en trescientas ochenta categorías y leyó cada cita: el 59.8 por ciento provino de sitios fuera de los cien mil principales, Wikipedia fue citada tres veces de siete mil quinientos, y tres sitios hermanos con doscientos quince mil

4:34 guías de compra generadas titulan sus páginas de inicio 'Página de hechos y fundamentación', dirigida al rastreador, no a ti. La guerra de SEO de IA ha comenzado, y su primera arma es regex con un presupuesto de marketing. Son muchas etiquetas de precio para un miércoles; si prefieres leer esto antes que oírme decirlo, The Daily Diff llega a tu bandeja de entrada todas las mañanas, gratis en thedailydiff.dev, enlace abajo. Así que, veredicto de hoy: SHIP IT. Gemini 3.8 Flash empata con Opus 5 en la única tabla que Google no escribió,

5:00 por un quinto del precio. Solo lee la factura de tokens y lee los encabezados de las columnas de Meta. Ese es el The Daily Diff de hoy. Soy Niko de Axrisi. Fusiona responsablemente.

Fuentes

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