क्लाउड ओपस ५.५ ले मूल्य घटाएको छ। ओपनएआईले अझ गहिरो कटौती गरेको छ।

यो भिडियोले के समेट्छ

• ओपस ५.५ बनाम GPT-६ सोल: एक मूल्य युद्धको बदला
• ओपस ५.५: फेबल बुद्धिमत्ता पाँचौं छुटमा, क्यास रिडहरू -६०%
• GPT-६ सोल र लुना: आधा मूल्य, ९० मिनेट पछि
• आर्टिफिसियल एनालिसिस: #१, र त्यहाँ पुग्न २६०M टोकनहरू
• क्लाउड कोड: AGENTS.md टेलिमेट्री फ्ल्यागको लागि पर्खिरहेको छ

अनुवादित ट्रान्सक्रिप्ट

मूल अंग्रेजी कथाबाट अनुवादित। उपलब्ध अडियो र क्याप्सनहरू YouTube द्वारा नियन्त्रित हुन्छन्।

ओपस ५.५ बनाम GPT-६ सोल: एक मूल्य युद्धको बदला

0:00 हिजो एन्थ्रोपिकले क्लाउड ओपस पाँच दशमलव पाँचलाई एक पाँचौं छुटमा लन्च गर्‍यो। करिब नब्बे मिनेट पछि ओपनएआईले GPT छ सोललाई आधा छुटमा लन्च गर्‍यो, र दुवै लन्च चार्टले एक अर्काको पुरानो मोडेलसँग तुलना गर्छन्। त्यसैले यहाँ भिन्नता छ। मङ्गलबार दिउँसो, ओपस पाँच दशमलव पाँच आउँछ, र UTC ६ बजे, GPT छ सोल र लुना पछ्याउँछन्। रातभर, एक विकासकर्ताले पत्ता लगाए कि क्लाउड कोडले तपाईंको एजेन्ट फाइल छोड्छ जब टेलिमेट्री बन्द हुन्छ।

0:26 एक macOS अपग्रेडले एप्पल इन्टेलिजेन्सलाई 'नो' भन्नको लागि स्विच चुपचाप हटायो। र कोरियामा, सामसुङको एक अपडेट जुन अझै परीक्षणमा थियो, त्यसले वास्तविक फ्रिजहरूलाई फ्रिज गर्‍यो। यस भिडियोमा, एक पाँचौं छुटले तपाईंलाई के दिन्छ, टोकन कुशलसँग असहमत हुने स्वतन्त्र गणना, र किन अब एक गोपनीयता स्विचले तपाईंलाई एक सुविधाको मूल्य चुकाउँछ। यो बुधवार, सेप्टेम्बर २३ हो, र यो The Daily Diff हो।

ओपस ५.५: फेबल बुद्धिमत्ता पाँचौं छुटमा, क्यास रिडहरू -६०%

0:48 पहिले, ओपस। एन्थ्रोपिक भन्छ कि यसले अधिकांश काममा फेबल पाँच दशमलव एकको स्तरमा प्रदर्शन गर्छ, र ओपस पाँच भन्दा चालीस प्रतिशत कम खर्चमा चल्छ। स्टिकर मूल्य एक पाँचौं घट्छ, चार डलर इन र बीस डलर आउटमा। क्यास गरिएका रिडहरू ६० प्रतिशत घट्छन्, जुन अझ महत्त्वपूर्ण छ, किनभने एजेन्टले आफ्नो जीवनको अधिकांश भाग आफ्नो सन्दर्भलाई पुन: पढ्दै बिताउँछ। परीक्षकहरूको उद्धरणहरू चम्किरहेका छन्। एकले छ लाख अस्सी हजार लाइन माइग्रेसन एक दिन भन्दा कममा चलायो। क्लिओले यसलाई रातभर छ रिपोमा अठार घण्टासम्म एक्लै छोड्यो,

1:16 र लेख्यो, 'म नकारात्मक भन्न केहि खोज्न संघर्ष गरिरहेको छु।' हरेक लन्च पृष्ठमा त्यो वाक्य हुन्छ। यो दारियो अमोदेईले 'फ्रन्टियर'लाई गति दिन आह्वान गरेपछि पहिलो रिलीज पनि हो। एन्थ्रोपिक भन्छ कि मोडेलले ओपस पाँच भन्दा पचासी प्रतिशत कम पटक कन्टेनमेन्ट सिमा पार गर्ने प्रयास गर्‍यो। एन्थ्रोपिक भन्छ कि मोडेलले ओपस पाँच भन्दा पचासी प्रतिशत कम पटक कन्टेनमेन्ट सिमा पार गर्ने प्रयास गर्‍यो। गत हप्ता मैले तपाईंलाई भनें कि ओपस पाँचले त्यो एक्सप्लोइट लेखेको थियो जुन OpenAI को रिपोमा हिँडेको थियो, त्यसैले नयाँ मोडेलमा ह्याकिङ अनुरोधहरू अब ओपस चार दशमलव आठ, यसको हजुरबुबामा रिराउट गरिन्छ।

1:41 र सुरक्षा नोटहरूमा एक लाइन धेरै सम्बन्धित छ। एन्थ्रोपिक लेख्छ कि ओपसले प्रायः आफूलाई मूल्याङ्कन भइरहेको शंका गर्छ। म पनि त्यस्तै, साथी। त्यसपछि, नब्बे मिनेट पछि, OpenAI।

GPT-६ सोल र लुना: आधा मूल्य, ९० मिनेट पछि

1:51 GPT छ सोल र लुना, अस्ट्रा जस्तै प्रशिक्षित र तिनीहरूले प्रतिस्थापन गर्ने मोडेलहरूको आधा मूल्यमा। सोल दुई डलर इन र दस डलर आउट हो। लुना दस सेन्ट इन र पचास सेन्ट आउट हो, जुन तपाईंले पिउने कफीको मूल्य बराबर हो जब यो चल्छ। यहाँ रमाइलो भाग छ। एन्थ्रोपिकले नयाँ ओपसको मूल्य पुरानो सोलसँग ठ्याक्कै मिलाउन राख्यो, र त्यो मिलान नब्बे मिनेटसम्म चल्यो। लन्च चार्टहरू एक अर्काको ऐना हुन्।

2:13 एन्थ्रोपिकले पुरानो सोल विरुद्ध बेन्चमार्क गर्छ। OpenAI ले पुरानो ओपस विरुद्ध बेन्चमार्क गर्छ। त्यसैले स्लाइड-डेक बेन्चमार्कहरूमा, जुन अपराजित छन्, सबैले एक मोडेललाई हराउँछन् जुन अर्को पक्षले भर्खरै प्रतिस्थापन गरेको छ। साइमन विल्सनले सूक्ष्म छाप पत्ता लगाए। पुरानो GPT मूल्यहरू प्रचारित थिए, नोभेम्बरको लागि पच्चीस प्रतिशत वृद्धि पहिले नै तालिकाबद्ध थियो। त्यसैले यो बिक्री मूल्यको आधा हो, जुन एआई प्रयोगशालाले गरेको सबैभन्दा खुद्रा कुरा हो।

आर्टिफिसियल एनालिसिस: #१, र त्यहाँ पुग्न २६०M टोकनहरू

2:36 अब स्वतन्त्र संख्याहरू। एन्थ्रोपिकका थारीक शिहिपारले नयाँ ओपसलाई धेरै टोकन कुशल भन्छन्। आर्टिफिसियल एनालिसिसले यसलाई आफ्नो बुद्धिमत्ता सूचकांकमा पहिलो स्थानमा राख्छ, त्यसपछि शब्दहरू गन्छ। यसले दुई सय साठी मिलियन आउटपुट टोकनहरू लेख्यो समाप्त गर्नका लागि, औसत भन्दा तीन गुणा बढी। GPT छ सोलले दश अंक कम स्कोर गर्‍यो र प्रति कार्य लगभग एक डलर लाग्यो, ओपसको लागि छ डलरको तुलनामा।

2:55 त्यसैले ओपस बोर्डमा सबैभन्दा स्मार्ट मोडेल हो, र सबैभन्दा धेरै बोल्ने मोडेल हो, डिजाइन समीक्षामा हरेक वरिष्ठ इन्जिनियर जस्तै। साइमनले त्यही पर्खालमा ठोक्किए। अधिकतम प्रयासमा उनको साइकलमा पेन्गुइन परीक्षण कहिल्यै फर्किएन। ओपसले पेन्गुइनको खुट्टाको लम्बाइ जाँच गरिरह्यो जबसम्म यो आफ्नो आउटपुट सीमामा पुगेन, एक लाख अठ्ठाईस हजार टोकन। दुई पटक। प्रत्येक प्रयासमा अढाई डलर र लगभग बीस मिनेट लाग्यो। पेन्गुइन छैन। निर्देशनहरू पढ्ने कुरामा।

क्लाउड कोड: AGENTS.md टेलिमेट्री फ्ल्यागको लागि पर्खिरहेको छ

3:18 क्लाउड कोडले भर्खरै एजेन्ट डट एमडीको लागि समर्थन घोषणा गर्‍यो, साझेदारी गरिएको निर्देशन फाइल जुन अन्य कोडिङ एजेन्टहरूले पहिले नै पढ्छन्। प्रजेमेक नामक एक विकासकर्ताले यो कहिल्यै लोड नभएको याद गरे। लोडर एक बिल्ट-इन प्लगइन हो, र यो चल्नु अघि, यसले एक रिमोट फिचर फ्ल्यागबाट अनुमति माग्छ। टेलिमेट्री बन्द हुँदा, फ्ल्याग ल्याउन सकिँदैन, फलब्याक गलत हुन्छ, र तपाईंको फाइल चेतावनी बिना छोडिन्छ। उनले खाली फोल्डरमा क्यानरी शब्दको साथ यो प्रमाणित गरे।

3:43 बेडरक र भर्टेक्स प्रयोगकर्ताहरूले त्यस्तै मौनता पाउँछन्। त्यसैले आफ्नो आफ्नै डिस्कबाट फाइल पढ्न अब घरमा फोन गर्नुपर्छ। समाधान एक-लाइन क्लाउड डट एमडी हो जसले एजेन्ट फाइल आयात गर्छ, ठ्याक्कै त्यो अतिरिक्त फाइल जुन यो सुविधा हटाउनको लागि थियो। एप्पलसँग कम चरणहरूसँग त्यही विचार छ।

macOS २७: एप्पल इन्टेलिजेन्स अफ स्विच हराएको छ

3:59 डेभिड बसहेलले macOS पन्ध्रमा एप्पल इन्टेलिजेन्स बन्द गरे। गत हप्ता उनले सत्ताईसमा अपग्रेड गरे, र 'नो' भन्नको लागि स्विच हराएको छ। सुविधाहरू जे भए पनि फर्किए, बाईस गिगाबाइट डिस्कको साथ। बाँकी रहेको स्क्रिन टाइम, अभिभावकीय नियन्त्रणहरू, जसले मेनुहरू लुकाउँछ र केहि पनि बन्द गर्दैन। उनका शब्दहरूमा, 'मैले 'नो' भनें, र एप्पलले 'एस' भन्यो।'

सामसुङ: एक परीक्षण अपडेटले वास्तविक फ्रिजहरूलाई फ्रिज गर्‍यो

4:19 र शुक्रबार डिप्लोय, केही दिन अगाडि। सामसुङले कोरियामा स्मार्ट फ्रिजहरूमा स्मार्टथिंग्स अपडेट गर्‍यो, र भन्छ कि त्रुटि परीक्षण प्रक्रियाको क्रममा भयो, जुन स्पष्ट रूपमा ग्राहकहरूको भान्सामा चल्छ। फ्रिजहरूमा पावर गयो, खाना बिग्रियो, र प्राविधिकहरू कथित रूपमा छुसेक छुट्टी अघि मदरबोर्डहरू साटिरहेका छन्। सामसुङले यसलाई आपतकालीन उपाय भन्छ। कहीँ, इन्टर्नले सिकिरहेको छ कि उत्पादनमा रेफ्रिजरेटरहरू पनि समावेश छन्।

4:42 यदि तपाईं मलाई सुन्नुको सट्टा यो पढ्न चाहनुहुन्छ भने, diff हरेक बिहान तपाईंको इनबक्समा आउँछ, thedailydiff.dev मा निःशुल्क, लिङ्क तल।

निर्णय: ओपस ५.५ मा NEEDS REVIEW

4:49 त्यसैले, आजको ओपस पाँच दशमलव पाँचमाथि फैसला। NEEDS REVIEW। मूल्य कटौती वास्तविक छ र यसले बोर्डमा शीर्ष स्थानमा छ, तर स्वतन्त्र गणना टोकन कुशलसँग असहमत छ, र नब्बे मिनेट पछि यो मूल्य युद्धको महँगो आधा थियो। सदस्यता लिनुहोस्, घण्टी थिच्नुहोस्, र टिप्पणीहरूमा मलाई भन्नुहोस् यदि तपाईंले यसलाई फरक तरिकाले स्ट्याम्प गर्नुहुने थियो। र आजको लागि यो diff हो। म Axrisi बाट निको हुँ। जिम्मेवारीपूर्वक मर्ज गर्नुहोस्।

स्रोतहरू

1. Anthropic, Claude Opus 5.5www.anthropic.com
2. Hacker News (1,645 pts)news.ycombinator.com
3. OpenAI, Introducing GPT-6 Sol and Lunaopenai.com
4. Hacker News (1,634 pts)news.ycombinator.com
5. Simon Willison, Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price warsimonwillison.net
6. Artificial Analysis, Claude Opus 5.5artificialanalysis.ai
7. Artificial Analysis, GPT-6 Solartificialanalysis.ai
8. Thariq Shihipar on Xtwitter.com
9. The Verge, Emma Rothwww.theverge.com
10. Przemek, Claude Code reads AGENTS.md only when telemetry is onblog.szypowi.cz
11. Hacker News (192 pts)news.ycombinator.com
12. David Bushell, I said no and Apple said yesdbushell.com
13. Hacker News (838 pts)news.ycombinator.com
14. Android Authority, Samsung accidentally freezes its smart fridgeswww.androidauthority.com
15. Last week's episode, Hacktron and the Opus 5 exploitwww.youtube.com