Google baru sahaja melancarkan model penggodoran. Berikut adalah perbezaannya.

Apa yang diliputi video ini

• Google melancarkan Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Program Fairwind)
• Meta melancarkan Muse Spark 1.3: $1.25/$4.25, atau $0.10/$0.20 jika Meta boleh melatihnya
• Tiga laman web membuat 215,128 halaman "perisian terbaik" palsu; Perplexity memetiknya

Transkrip terjemahan

Diterjemahkan daripada penceritaan asal Bahasa Inggeris. Audio dan kapsyen yang tersedia dikawal oleh YouTube.

0:00 Google melancarkan model Flash ketiganya dalam enam minggu hari ini, ditambah dengan versi yang dilatih untuk menggodam, dan empat jam kemudian Meta melancarkan model yang berharga sepuluh sen per juta token jika anda membenarkan Zuckerberg membaca kod anda, jadi perang harga AI kini mempunyai bahagian keselamatan siber. Hari ini hari Rabu, dan perbezaannya panjang. Gemini 3.8 Flash mencapai sebelas ratus mata di Hacker News, Muse Spark 1.3 mengambil hampir tujuh ratus lagi, dan di antara itu, sebuah kedai penyelidikan menemui tiga laman web yang menerbitkan dua ratus lima belas ribu

0:28 halaman perisian terbaik palsu semata-mata supaya Perplexity akan memetiknya. Juga hari ini: satu catatan yang meminta anda untuk menyimpan Firefox anda mendapat sembilan ratus lapan puluh lapan mata, dan halaman bantuan Mistral tentang memilih keluar dari latihan mendapat hampir lima ratus, kebanyakannya dari orang Eropah yang menemui pilihan berdaulat berlatih pada arahan anda secara lalai. Dalam video ini: berapa sebenarnya kos Gemini 3.8 Flash, model penggodoran Google hanya akan menjual kepada enam ratus lima puluh rakan kongsi, tahap sepuluh sen Meta dan apa yang sebenarnya dikenakan, dan satu penanda aras yang tidak ditulis oleh mana-mana syarikat.

0:59 Hari ini hari Rabu, 2 September, dan ini adalah The Daily Diff. Gemini 3.8 Flash adalah tujuh puluh lima sen per juta token masuk dan tiga tujuh puluh lima keluar, sama seperti 3.7 Flash dari tiga minggu lalu, dengan nota kaki mengatakan harga berganda pada 1 Januari, yang merupakan percubaan percuma dengan langkah tambahan. Pada penanda aras slaid-deck, yang tidak terkalahkan, ia mendapat skor 54.9 peratus pada HLE-Verified, X mengatakan ia mengalahkan Sol dan Opus 5 pada Terminal-Bench, dan Logan Kilpatrick mencatatkan 73.7 pada DeepSWE, satu-satunya penanda aras pengekodan jangka panjang

1:29 yang belum dihafal lagi, didakwa. Simon Willison memintanya untuk membuat sesuatu yang menarik dalam HTML dan mendapat simulasi zarah dalam tiga belas saat dengan 1.8 sen, berjalan pada enam puluh bingkai sesaat, kerana enam puluh itu dikodkan keras ke dalam halaman. Catatan Google sendiri menjelaskan keuntungan dengan ayat yang akan saya bingkaikan: 3.8 Flash bekerja lebih keras. Ia melaksanakan langkah-langkah penaakulan tambahan, memanggil alat secara berulang, dan, petikan, mungkin menggunakan lebih banyak token, yang merupakan korporat untuk meter berjalan lebih cepat. Lembaga DeepSWE bebas bersetuju pada kedua-dua kiraan: Flash mencatatkan tujuh puluh empat

2:02 peratus, setara dengan Opus 5 pada seperlima kos per tugas, tetapi ia memerlukan seratus enam puluh enam langkah dan seratus empat puluh tiga ribu token keluaran untuk mencapainya, lebih daripada dua kali ganda apa yang dibelanjakan oleh Sol. Artificial Analysis membakar seratus empat puluh juta token dan seribu tujuh puluh lapan dolar hanya untuk menilainya. Murah per token, banyak cakap per tugas, dan token pertama tiba selepas dua belas saat berfikir. Kemudian separuh yang menarik.

2:23 Gemini 3.8 Flash Cyber adalah model yang sama dengan rel keselamatan dilonggarkan untuk, petikan, pembela yang dipercayai, dan Sundar mengatakan ia mencapai 86.2 peratus pada CyberGym, penanda aras untuk mencari kelemahan secara autonomi. Ia juga menampal: 47.2 peratus pada CWE-Bench berbanding 47.8 untuk model terkemuka terkemuka, pasukan Chrome mengatakan ia menghasilkan 2.6 kali lebih banyak tampalan yang betul daripada model komersial yang jauh lebih besar, dan penyelidik awan Google menggunakannya untuk mencari kelemahan kritikal dalam masa kurang dari dua jam, pekerjaan yang biasanya mengambil masa berbulan-bulan, atau seorang remaja yang bermotivasi.

2:54 Google menegaskan ia mengutamakan pembetulan daripada eksploitasi, yang merupakan cara sopan untuk mengatakan model itu benar-benar boleh melalui lubang, mereka hanya memintanya untuk tidak melakukannya. Jadi anda tidak boleh memilikinya. Akses melalui Program Fairwind yang baru: kerajaan, infrastruktur kritikal, dan enam ratus lima puluh rakan kongsi yang telah diperiksa dengan mandatori dua faktor. Setiap makmal sempadan kini memiliki model penggodakan yang tidak akan dijual kepada anda, dan minggu ini ia adalah yang murah.

3:16 Empat jam kemudian, Meta mengeluarkan Muse Spark 1.3, dan Zuck menyebutnya prestasi sempadan hampir terlalu murah untuk diukur, yang benar, dengan satu asterisk sebesar Menlo Park. Titik akhir normal adalah satu dolar dua puluh lima masuk dan empat dua puluh lima keluar, lebih daripada Gemini. Titik akhir penyumbang adalah sepuluh sen masuk, dua puluh sen keluar, bacaan cache pada seperlima sen, sehingga dua puluh kali lebih murah, dan satu-satunya perbezaan adalah lajur yang mengatakan digunakan untuk meningkatkan produk kami.

3:40 Jadi diskaun itu adalah transkrip sesi anda, dan untuk sekali ini tiada siapa yang perlu membaca lesen itu, kerana Meta menulis lesen itu sebagai senarai harga. Komen teratas: kini jelas sepenuhnya berapa nilai mencuri token saya. Komen kedua tertanya-tanya berapa lama sehingga seseorang mengeluarkan kunci AWS dari model yang dilatih berdasarkan arahan penyumbang. Pada kad skor Meta sendiri, Spark 1.3 mendapat 75.4 pada DeepSWE, melebihi Sol dan Opus 5, dan Meta mengatakan ia menggunakan dua puluh peratus panggilan alat yang lebih sedikit

4:06 dan dua puluh lima peratus token yang lebih sedikit daripada 1.2, pertaruhan yang bertentangan tepat daripada Google, jadi hari ini dua syarikat iklan terbesar di dunia tidak bersetuju sama ada bercakap lebih banyak itu baik. Sementara itu Trellner Research bertanya kepada Perplexity untuk perisian terbaik dalam tiga ratus lapan puluh kategori dan membaca setiap rujukan: 59.8 peratus datang dari laman web di luar seratus ribu teratas, Wikipedia dirujuk tiga kali daripada tujuh setengah ribu, dan tiga laman web kembar dengan dua ratus lima belas ribu

4:34 panduan pembelian yang dihasilkan menamakan halaman utama mereka Facts and Grounding Page, ditujukan kepada perangkak, bukan kepada anda. Perang SEO AI telah bermula, dan senjata pertamanya adalah regex dengan bajet pemasaran. Itu banyak label harga untuk satu hari Rabu; jika anda lebih suka membaca ini daripada mendengar saya mengatakannya, 'the diff' tiba di peti masuk anda setiap pagi — percuma di 'the daily' diff dot dev, pautan di bawah. Jadi, keputusan hari ini: SHIP IT. Gemini 3.8 Flash setara dengan Opus 5 pada satu papan yang Google tidak tulis,

5:00 untuk seperlima harga. Baca sahaja bil token itu, dan baca pengepala lajur Meta. Itu adalah 'diff' hari ini. Saya Niko dari Axrisi. Gabungkan dengan bertanggungjawab.

Sumber

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