A Gemini 4 Argon a Google legjobb modellje. Még nem használható.

Amit ez a videó tartalmaz

• Gemini 4 Argon: egymillió kimeneti token, 2 dollár bemenet, és nem használható
• A Google-n belül: Argon ügynökök portolják a C++-t Rust-ra
• A Google saját táblázata: Argon 13 sorból 19-et vezet
• A kiber-pitch: magától patchel, nincs korlátozás a védőknek
• A külső szám: az Artificial Analysis szerint 53, az Opus 5.5-nek 58

Lefordított átirat

Az eredeti angol narrációból fordítva. A rendelkezésre álló hangot és feliratokat a YouTube vezérli.

Gemini 4 Argon: egymillió kimeneti token, 2 dollár bemenet, és nem használható

0:00 Azt gondolnád, hogy egy bevezetés azt jelenti, hogy megkapod a modellt. A Google épp most indította el a Gemini négy Argont, és hacsak nem vagy egy megbízható kiber- védő, nem nyúlhatsz hozzá. Ebben a videóban: mit mutat a Google táblázata? Mit mértek a külső tesztelők? És mikor kapod meg? Valószínűleg már láttad a hype videókat. Én inkább a benchmark táblázatot olvastam el, és két sor benne soha nem került bele a

0:20 bejegyzés szövegébe. A végén térek rájuk. Csütörtök van, október elseje, és ez a The Daily Diff. Két történet ma, és a nagy a Gemini négy Argon, amit a Google a határmenti intelligencia következő korszakának nevez. Egy válasz most már egymillió tokenre terjedhet, a hatvannégyezer helyett, ami több regény egyetlen válaszban. Az induló ár két dollár egymillió token bemenetért és tíz kimenetért. Ez pontosan az, amit az OpenAI felszámol a GPT hat pont egy Solért,

0:48 a modellért, amit tegnap fedeztem fel, és a Sol az, amit ténylegesen meg is vehetsz. A Google-n belül már működik.

A Google-n belül: Argon ügynökök portolják a C++-t Rust-ra

0:54 A Google szerint az Argon ügynökök C és C++ nyelvet portolnak Rust-ra az egész vállalatnál, akár nyolcszázezer soron keresztül a Fuchsia kernel számára. A Hacker News-on egy mérnök emlékezett rá, amikor a Google C++ csapata még csak meg sem fontolta a Rustot, és inkább a Carbont nézte. Most egy modell végzi a migrációt, amiről vitatkoztak.

A Google saját táblázata: Argon 13 sorból 19-et vezet

1:12 Most a táblázat. A Google az Argont a GPT hat Astra, a Claude Fable és a Claude Opus mellé teszi tizenkilenc sorban, és az Argon tizenháromban áll az élen. A főcím a DeepSWE, egy hosszú kódolási benchmark, hetvennyolc százalékon, körülbelül négy ponttal előnyben. A legfurcsább győzelem a jogi tervezés, ahol az Argon húsz százalékot ér el, a többiek pedig egyszámjegyűek maradnak. Ez a legjobb osztályzat egy olyan teszten, amin mindenki elbukik, és a slide-deck

1:38 benchmarkingokon, amelyek veretlenek, ez számít.

A kiber-pitch: magától patchel, nincs korlátozás a védőknek

1:41 Az igazi előny a biztonság. A Google szerint az Argon önállóan képes kritikus sebezhetőségeket megtalálni, érvényesíteni és javítani, és a megbízható védők kibervédelmi korlátozások nélkül kapják meg. A Wiz felhasználta, hogy kritikus hibát találjon egy kórházi szoftverben, amit korábbi modellek kihagytak. Egy apró részlet. A Wiz a Google-hoz tartozik, mióta márciusban lezárult egy harminckét milliárd dolláros üzlet. Tehát a bejegyzésben szereplő fekete dobozos hackelési teszt egy Google cég, amely egy Google modellt értékel. És a hibajavítási ranglistán három modell osztozik hatvannyolc

2:10 százalékon, és a bal szélső sáv a Grokhoz tartozik. Mit mértek tehát a külső tesztelők?

A külső szám: az Artificial Analysis szerint 53, az Opus 5.5-nek 58

2:15 A független ranglista, amit az Argonnal találtam, az Artificial Analysis. Az Argon ötvenhármat kapott az intelligencia indexén, magas beállításon, ami az Astrával és a Fable-lel azonos szintre helyezi. A Claude Opus öt pont öt öt ponttal előtte van. Egy hete mondtam, hogy az Opus vette át ott a vezető helyet, és még mindig tartja. A Google számára a tisztességes rész a számla. Egy Argon futtatás körülbelül két dollárba kerül feladatonként ezen az indexen, nagyjából harmada annak, amennyibe az Opus kerül.

Mikor kapja meg: „Szóval tartson ki”

2:42 És mikor kapja meg? A Google nem ad meg dátumot. A bejegyzés a lehető leghamarabbi hozzáférést ígéri a fejlesztőknek, vállalatoknak és fogyasztóknak, először a fizetős API ügyfeleknek. Sundar Pichai X-en közzétett bejegyzése szerint, "szóval tartson ki". Addig is a hozzáférés a Fairwind programon keresztül történik, amelyet a Google egy hónapja indított a Gemini három pont nyolc Flash Cyberrel. Több mint hatszázötven partnere van, és ők csak a biztonsági csapatuknak adhatják át az Argont,

3:05 és nyomon kell követniük, ki használja. A Hacker News jól fogadta. Egy hozzászóló azt írta: "Gemini nem veri meg a 'nem tud modellt kiadni' vádakat". Egy másik azt jósolta, hogy a modellek "vaporware"-ré válnak, egy csomó számmá egy táblázaton. Eközben a Netlify újraépítette az Edge Functions-t, amelyek naponta körülbelül egymilliárdszor

Netlify Edge Functions: V8 izolátumok mikrogépekre, körülbelül 5-ször gyorsabb

3:23 futnak le. A V8 izolátumokról egy hosztolt szolgáltatásban Firecracker mikrogépekre tértek át a Netlify saját hálózatán belül, és egy meleg hívás akár negyven milliszekundumról körülbelül hatra csökkent. A Hacker News rámutatott, hogy a Cloudflare Workers is V8 izolátumok, és sokkal gyorsabban futnak, így a nyereség nagy része úgy tűnik, hogy a kérés már nem hagyja el az épületet. Egy másik hozzászóló aggódott a pillanatképek miatt, mert a klónozott mikrogépek megoszthatják a véletlenszám-állapotot, így kaphat két azonos UUID-t. A hidegindítás, amikor egy régió még soha nem látta a funkcióját,

3:50 körülbelül az hívások egy százalékát érinti, és körülbelül kilenc milliszekundumot vesz igénybe. És maga a mikrogép a Firecracker, amit az Amazon épített a Lambda számára, így egy hozzászóló azt javasolja, emlékezzen erre, amikor legközelebb átkozódik az AWS-re. Most az a két sor.

Az a két sor, amit a Google posztja soha nem említ

4:06 A FrontierSWE és Terminal-bench kódolási teszteken, melyeket a bejegyzés szövege soha nem említ, az Argon a négy közül utolsó, a Google saját táblázatában. A Terminal-bench egy ügynököt helyez egy valódi shellbe, ahogyan a legtöbben használnánk, és az Opus kilenc ponttal vezeti. Ha inkább elolvasná, mintsem hallaná tőlem, a "diff" minden reggel megérkezik a postaládájába, ingyenesen a daily diff dot dev címen, link lent. Tehát, a mai ítélet a Gemini négy Argonról.

Ítélet: NEEDS REVIEW, azon a napon, amikor hívhatom

4:29 NEEDS REVIEW. Így bélyegezném, mert a független szám, amit találtam, a második helyre teszi, és a két kódolási sor, ami érdekel, utolsónak mutatja, ezért rendesen átnézem azon a napon, amikor hívhatom. Iratkozz fel, nyomd meg a harangot, és írd meg kommentben, ha másképp bélyegezted volna meg. És ez a mai különbség. Niko vagyok az Axrisitől. Összevonás felelősségteljesen. SHIP IT.

Források

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