जेमिनी ४ आर्गन गुगलको सबैभन्दा राम्रो मोडेल हो। तपाईले यसलाई अझै प्रयोग गर्न सक्नुहुन्न।

यो भिडियोले के समेट्छ

• जेमिनी ४ आर्गन: दस लाख आउटपुट टोकन, $२ मा, र तपाईले यसलाई प्रयोग गर्न सक्नुहुन्न
• गुगल भित्र: आर्गन एजेन्टहरूले C++ लाई रस्टमा पोर्ट गर्छन्
• गुगलको आफ्नै तालिका: आर्गन १९ मध्ये १३ पङ्क्तिमा शीर्ष स्थानमा
• साइबर पिच: आफैं प्याच हुन्छ, डिफेन्डरहरूको लागि कुनै सुरक्षा छैन
• बाहिरको संख्या: आर्टिफिशियल एनालिसिसले ५३ भन्छ, ओपस ५.५ मा ५८ छ

अनुवादित ट्रान्सक्रिप्ट

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

जेमिनी ४ आर्गन: दस लाख आउटपुट टोकन, $२ मा, र तपाईले यसलाई प्रयोग गर्न सक्नुहुन्न

0:00 तपाईलाई लाग्ला कि लन्चको अर्थ तपाईले मोडेल पाउनुहुन्छ। गुगलले भर्खरै जेमिनी ४ आर्गन लन्च गर्‍यो, र यदि तपाई विश्वसनीय साइबर डिफेन्डर हुनुहुन्न भने, तपाईले यसलाई छुन सक्नुहुन्न। यस भिडियोमा: गुगलको तालिकाले के देखाउँछ? बाहिरका परीक्षकहरूले के नापे? र तपाईले कहिले पाउनुहुन्छ? तपाईले पहिले नै हाइप भिडियोहरू देख्नुभएको होला। मैले यसको सट्टा बेन्चमार्क तालिका पढें, र यसमा दुई पङ्क्तिहरू कहिल्यै

0:20 पोस्टको पाठमा समावेश भएनन्। म तिनीहरूलाई अन्त्यमा पुग्नेछु। बिहीबार, अक्टोबर १ हो, र यो द डेली डिफ हो। आज दुई कथाहरू छन्, र ठूलो कथा जेमिनी ४ आर्गन हो, जसलाई गुगलले आफ्नो फ्रन्टियर इन्टेलिजेन्सको अर्को युग भन्छ। एउटा उत्तर अब दस लाख टोकनहरू सम्म चल्न सक्छ, जुन चौसठ्ठी हजारबाट बढेको हो, यो एउटै उत्तरमा धेरै उपन्यासहरू जत्तिकै हो। लन्च मूल्य प्रति दस लाख टोकन इनपुटको लागि दुई डलर र आउटपुटको लागि दश हो। यो ठीक OpenAI ले GPT ६.१ सोलको लागि शुल्क लिने जति हो,

0:48 मैले हिजो कभर गरेको मोडेल, र सोल तपाईले वास्तवमा किन्न सक्ने मोडेल हो। गुगल भित्र, यो पहिले नै काममा छ।

गुगल भित्र: आर्गन एजेन्टहरूले C++ लाई रस्टमा पोर्ट गर्छन्

0:54 गुगल भन्छ कि आर्गन एजेन्टहरूले C र C++ लाई रस्टमा पोर्ट गर्दैछन् कम्पनीभरि, फक्सिया कर्नेलका लागि आठ लाख लाइनहरू सम्म। ह्याकर न्युजमा, एक इन्जिनियरलाई याद आयो जब गुगलको C++ टीमले रस्टलाई विचार पनि गर्दैनथ्यो र यसको सट्टा कार्बन हेरेको थियो। अहिले एउटा मोडेलले तिनीहरूले बहस गरेको माइग्रेसन गरिरहेको छ।

गुगलको आफ्नै तालिका: आर्गन १९ मध्ये १३ पङ्क्तिमा शीर्ष स्थानमा

1:12 अब तालिका। गुगलले आर्गनलाई GPT ६ एस्ट्रा, क्लाउड फेबल र क्लाउड ओपसको छेउमा १९ पङ्क्तिमा राख्छ, र आर्गन १३ वटामा शीर्ष स्थानमा आउँछ। मुख्य कुरा दीपSWE हो, एक लामो कोडिङ बेन्चमार्क, अठत्तर प्रतिशतमा, लगभग चार अंकले स्पष्ट रूपमा अगाडि। सबैभन्दा अनौठो जीत कानूनी ड्राफ्टिङ हो, जहाँ आर्गनले बीस प्रतिशत अंक प्राप्त गर्छ र अन्य एकल अंकमा रहन्छन्। यो एउटा परीक्षामा सबै असफल हुनेमा सबैभन्दा राम्रो ग्रेड हो, र स्लाइड-डेक

1:38 बेन्चमार्कहरूमा, जुन अपराजित छन्, त्यो गणना हुन्छ।

साइबर पिच: आफैं प्याच हुन्छ, डिफेन्डरहरूको लागि कुनै सुरक्षा छैन

1:41 वास्तविक कुरा सुरक्षा हो। गुगल भन्छ कि आर्गनले आफैंमा महत्वपूर्ण कमजोरीहरू पत्ता लगाउन, प्रमाणित गर्न र प्याच गर्न सक्छ, र विश्वसनीय डिफेन्डरहरूले यसलाई साइबर सुरक्षा बिना प्राप्त गर्छन्। Wiz ले यसलाई अस्पताल सफ्टवेयरमा एउटा महत्वपूर्ण त्रुटि पत्ता लगाउन प्रयोग गर्‍यो जुन अघिल्ला मोडेलहरूले छुटाएका थिए। एउटा सानो विवरण। Wiz गुगलको हो, किनकि बत्तीस अर्ब डलरको सम्झौता मार्चमा बन्द भयो। त्यसैले पोस्टमा रहेको ब्ल्याक-बक्स ह्याकिङ परीक्षण गुगल कम्पनीले गुगल मोडेलको मूल्याङ्कन गरिरहेको हो। र बग-फिक्सिङ लिडरबोर्डमा, तीन मोडेलहरूले अठसट्ठी

2:10 प्रतिशत साझा गर्छन्, र सबैभन्दा बायाँको बार Grok को हो। त्यसोभए, बाहिरका परीक्षकहरूले के नापे?

बाहिरको संख्या: आर्टिफिशियल एनालिसिसले ५३ भन्छ, ओपस ५.५ मा ५८ छ

2:15 आर्गन भएको मैले फेला पारेको स्वतन्त्र लिडरबोर्ड आर्टिफिशियल एनालिसिस हो। यसले आर्गनलाई यसको इन्टेलिजेन्स इन्डेक्समा त्रिपन्न अंक दिन्छ, उच्च सेटिङमा, जसले यसलाई एस्ट्रा र फेबलसँग जोड्छ। क्लाउड ओपस ५.५ पाँच अंक अगाडि छ। एक हप्ता अघि मैले तपाईलाई ओपसले त्यहाँ शीर्ष स्थान लिएको बताएको थिएँ, र यसले अझै पनि त्यसलाई कायम राखेको छ। गुगलका लागि उचित भाग बिल हो। त्यो सूचकांकमा आर्गन चलाउन प्रति कार्य लगभग दुई डलर खर्च हुन्छ, ओपसको लागतको लगभग एक तिहाइ।

तपाईले कहिले पाउनुहुन्छ: “त्यसैले पर्खनुहोस्”

2:42 र तपाईले कहिले पाउनुहुन्छ? गुगलले मिति दिने छैन। पोस्टले विकासकर्ताहरू, उद्यमहरू र उपभोक्ताहरूका लागि सकेसम्म चाँडो पहुँचको वाचा गर्दछ, सशुल्क API ग्राहकहरू पहिले। सुन्दर पिचाईको X मा पोस्ट भन्छ, त्यसैले पर्खनुहोस्। त्यतिन्जेलसम्म, पहुँच फेयरविन्ड मार्फत हुन्छ, गुगलले एक महिना अघि जेमिनी ३.८ फ्ल्याश साइबरसँग सुरु गरेको कार्यक्रम। यसका छ सय पचास भन्दा बढी साझेदारहरू छन्, र उनीहरूले आर्गनलाई आफ्ना

3:05 सुरक्षा टोलीहरूलाई मात्र दिन सक्छन् र कसले प्रयोग गर्छ भनेर ट्र्याक गर्नुपर्छ। ह्याकर न्युजले यसलाई राम्रोसँग लियो। एक टिप्पणीकर्ताले लेखे, जेमिनीले मोडेल जारी गर्न नसक्ने आरोपहरूलाई हराउन सकेन। अर्कोले भविष्यवाणी गर्‍यो कि मोडेलहरू भेपरवेयरमा परिणत हुन्छन्, तालिकामा केही संख्याहरू मात्र। यसैबीच, नेटलिफाइले एज फंक्शनहरू पुनर्निर्माण गर्‍यो, जुन दिनमा लगभग एक अर्ब

नेटलिफाइ एज फंक्शनहरू: V8 आइसोलेट्सबाट माइक्रो-VMs सम्म, लगभग ५ गुणा छिटो

3:23 पटक चल्छन्। तिनीहरूले होस्टेड सेवामा V8 आइसोलेट्सबाट नेटलिफाइको आफ्नै नेटवर्क भित्र फायरक्र्याकर माइक्रो-VMs मा सरे, र वार्म कल चालीस मिलिसेकेन्डबाट लगभग छमा झर्‍यो। ह्याकर न्युजले क्लाउडफ्लेयर वर्कर्स पनि V8 आइसोलेट्स हुन् र धेरै छिटो चल्छन् भनेर औंल्याए, त्यसैले अधिकांश जीत अनुरोधले अब भवन छोड्दैन जस्तो देखिन्छ। अर्को टिप्पणीकर्ताले स्न्यापसटहरूको बारेमा चिन्ता व्यक्त गरे, किनभने क्लोन गरिएका माइक्रो-VMs ले अनियमित संख्याको स्थिति साझा गर्न सक्छन्, जसले गर्दा तपाईले दुई समान UUID हरू पाउनुहुन्छ।

3:50 एक कोल्ड स्टार्ट, जब एक क्षेत्रले तपाईको फंक्शन कहिल्यै देखेको छैन, लगभग एक प्रतिशत कलहरूमा हिट हुन्छ र लगभग नौ मिलिसेकेन्ड लाग्छ। र माइक्रो-VM आफैं फायरक्र्याकर हो, जुन अमेजनले ल्याम्डाको लागि बनाएको थियो, त्यसैले एक टिप्पणीकर्ताले तपाईलाई AWS लाई सराप्दा अर्को पटक यो याद राख्न सुझाव दिन्छ।

गुगलको पोस्टमा कहिल्यै उल्लेख नगरिएका दुई पङ्क्तिहरू

4:06 अब, ती दुई पङ्क्तिहरू। फ्रन्टियरSWE र टर्मिनल-बेन्चमा, दुई कोडिङ परीक्षणहरू जुन पोस्टको पाठमा कहिल्यै उल्लेख गरिएका छैनन्, आर्गन चार मध्ये अन्तिममा आउँछ, गुगलको आफ्नै तालिकामा। टर्मिनल-बेन्चले एजेन्टलाई वास्तविक शेलमा राख्छ, जुन हामीमध्ये धेरैले यसलाई कसरी प्रयोग गर्छौं, र ओपस नौ अंकले अगाडि छ। यदि तपाईले यो सुन्नुको सट्टा पढ्न चाहनुहुन्छ भने, डिफ तपाईको इनबक्समा हरेक बिहान नि:शुल्क द डेली डिफ डट देवमा आउँछ, लिंक तल।

फैसला: NEEDS REVIEW, जुन दिन म यसलाई भन्न सक्छु

4:29 त्यसोभए, जेमिनी ४ आर्गनमा आजको फैसला। NEEDS REVIEW। मैले यसलाई त्यसरी छापें किनभने मैले फेला पारेको स्वतन्त्र संख्याले यसलाई दोस्रोको लागि बाँधिएको छ, र मैले ख्याल गर्ने दुई कोडिङ पङ्क्तिहरूमा यो अन्तिममा छ, त्यसैले मैले यसलाई बोलाउन सक्ने दिनमा म यसलाई राम्ररी समीक्षा गर्नेछु। सदस्यता लिनुहोस्, घण्टी थिच्नुहोस्, र तपाईले यसलाई फरक तरिकाले छाप्नुहुन्थ्यो कि भनेर टिप्पणीहरूमा बताउनुहोस्। र आजको लागि यति नै डिफ। म एक्सरिसीबाट निको हुँ। जिम्मेवारीपूर्वक मर्ज गर्नुहोस्।

स्रोतहरू

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