Google අලුත්ම හැකින්ග් මොඩලයක් එළිදක්වයි. මෙන්න එහි වෙනස.
Google විසින් Gemini 3.8 Flash (ඇතුළත් කිරීම් සඳහා $0.75 / ප්‍රතිදානය සඳහා $3.75, ජනවාරි 1 වන දා සිට මිල දෙගුණ වේ) සහ Gemini 3.8 Flash Cyber — එය 650ක් වූ "විශ්වාසදායක ආරක්ෂකයන්ට" පමණක් විකුණන අවදානම් දඩයම් කිරීමේ මොඩලයක් — එළිදැක්වූ අතර, පැය හතරකට පසු Meta විසින් Muse Spark 1.3 එළිදැක්වූයේ මිලියනයකට $0.10ක් වූ "දායකයාගේ" මට්ටමක් සමඟින් වන අතර එහි වට්ටම වන්නේ ඔබේ සෙෂන් පිටපතයි.
Google විසින් Gemini 3.8 Flash (ඇතුළත් කිරීම් සඳහා $0.75 / ප්‍රතිදානය සඳහා $3.75, ජනවාරි 1 වන දා සිට මිල දෙගුණ වේ) සහ Gemini 3.8 Flash Cyber — එය 650ක් වූ "විශ්වාසදායක ආරක්ෂකයන්ට" පමණක් විකුණන අවදානම් දඩයම් කිරීමේ මොඩලයක් — එළිදැක්වූ අතර, පැය හතරකට පසු Meta විසින් Muse Spark 1.3 එළිදැක්වූයේ මිලියනයකට $0.10ක් වූ "දායකයාගේ" මට්ටමක් සමඟින් වන අතර එහි වට්ටම වන්නේ ඔබේ සෙෂන් පිටපතයි. සමාගම් දෙකම විසින් නොලියූ එකම මිණුම් ලකුණට අනුව අපි දෙකම පරීක්ෂා කළෙමු. තීන්දුව: SHIP IT.
මෙම වීඩියෝවෙන් ආවරණය වන දේ
- Google විසින් Gemini 3.8 Flash + Flash Cyber (86.2% CyberGym, Fairwind Program) නිකුත් කරයි
- Meta විසින් Muse Spark 1.3 නිකුත් කරයි: $1.25/$4.25, නැතහොත් Meta හට පුහුණු කිරීමට අවසර නම් $0.10/$0.20
- වෙබ් අඩවි තුනක් ව්‍යාජ "හොඳම මෘදුකාංග" පිටු 215,128ක් නිර්මාණය කළේය; Perplexity ඒවා උපුටා දක්වයි
පරිවර්තනය කරන ලද පිටපත
මුල් ඉංග්‍රීසි නිරූපණයෙන් පරිවර්තනය කරන ලදී. පවතින ශ්‍රව්‍ය සහ ශීර්ෂ පාඨ YouTube මගින් පාලනය වේ.
0:00 අද Google විසින් සති හයකට පසු එහි තුන්වන Flash මොඩලය එළිදැක්වීය. ඊට අමතරව හැක් කිරීමට පුහුණු කරන ලද අනුවාදයක් ද, පැය හතරකට පසු Meta විසින් මොඩලයක් එළිදැක්වීය. Zuckerberg ට ඔබේ කේතය කියවීමට ඉඩ දුන්නොත්, මිලියන ටෝකන් සඳහා ශත දහයක් වැය වේ. ඒ නිසා AI මිල යුද්ධයට දැන් සයිබර් ආරක්ෂණ අංශයක් ඇත. අද බදාදා, සහ වෙනස දිගුයි. Gemini 3.8 Flash, Hacker News හිදී ලකුණු එකොළොස් සියයක් ලබා ගත්තේය. Muse Spark 1.3 ලකුණු හත්සියයකට ආසන්න ප්‍රමාණයක් ලබා ගත් අතර, ඒ අතරතුර, පර්යේෂණ ආයතනයක් විසින් වෙබ් අඩවි තුනක් සොයා ගත්තේය, ඒවා ව්‍යාජ හොඳම-මෘදුකාංග පිටු
0:28 දෙලක්ෂ පහළොස් දහසක් ප්‍රකාශයට පත් කළේ Perplexity ඒවා උපුටා දැක්වීමට පමණි. අද තවත්: ඔබේ Firefox තබා ගන්නා ලෙස ඉල්ලා සිටි සටහනකට ලකුණු නවසිය අසූ අටක් ලැබුණි, සහ පුහුණුවෙන් ඉවත් වීම පිළිබඳ Mistral ගේ උපකාරක පිටුවට පන්සියයකට ආසන්න ප්‍රමාණයක් ලැබුණි, බොහෝ දුරට යුරෝපීයයන් විසින් ස්වාධීන විකල්පය ඔබේ විමසුම් මත පෙරනිමියෙන් පුහුණු වන බව සොයා ගැනීමෙන්. මෙම වීඩියෝවේ: Gemini 3.8 Flash හි සැබෑ පිරිවැය, Google විසින් හැකින්ග් මොඩලය හයසිය පනස් හවුල්කරුවන්ට පමණක් විකුණනු ලබන ආකාරය, Meta හි ශත දහයේ මට්ටම සහ එය සැබවින්ම අය කරන දේ, සහ සමාගම් දෙකම විසින් නොලියූ එකම මිණුම් ලකුණ.
0:59 අද සැප්තැම්බර් 2, බදාදා, මෙය The Daily Diff. Gemini 3.8 Flash මිලියන ටෝකන් සඳහා ඇතුළත් කිරීමට ශත හැත්තෑ පහක් ද, ප්‍රතිදානයට තුනයි හැත්තෑ පහක් ද වේ, සති තුනකට පෙර 3.7 Flash හා සමාන වේ. පාද සටහනක සඳහන් වන්නේ ජනවාරි 1 වන දා සිට මිල දෙගුණ වන බවයි. එය අමතර පියවර සහිත නොමිලේ අත්හදා බැලීමකි. නොපරදින ස්ලයිඩ්-ඩෙක් මිණුම් ලකුණු මත, එය HLE-Verified මත 54.9% ක් ලබා ගනී. X පවසන්නේ එය Terminal-Bench මත Sol සහ Opus 5 පරාජය කරන බවයි. Logan Kilpatrick DeepSWE මත 73.7ක් පළ කළේය, එය තවම මතක තබා ගෙන නොමැති
1:29 එකම දිගු-නිරීක්ෂණ කේතීකරණ මිණුම් ලකුණයි. යැයි කියනු ලැබේ. Simon Willison HTML වලින් සිසිල් දෙයක් සෑදීමට ඉල්ලා සිටි අතර, තත්පර දහතුනකින් සෙන්ටි 1.8 කට අංශු අනුකරණයක් ලැබුණි. තත්පරයට රාමු හැටක වේගයකින් ක්‍රියාත්මක වේ, මන්ද හැට අංකය පිටුවේ කේතගත කර තිබූ බැවිනි. Google ගේම සටහනක් මෙම වාසි පැහැදිලි කරයි: 3.8 Flash වඩා වෙහෙස වී වැඩ කරයි. එය අමතර තර්කන පියවර ක්‍රියාත්මක කරයි, නැවත නැවතත් මෙවලම් භාවිතා කරයි, සහ, උපුටා දක්වමින්, "වැඩි ටෝකන් භාවිතා කළ හැකිය", එය මීටරය වේගයෙන් දුවන බවට ආයතනික අර්ථයකි. ස්වාධීන DeepSWE මණ්ඩලය කරුණු දෙකම මත එකඟ වේ: Flash ලකුණු හැත්තෑ හතරක්
2:02 ප්‍රතිශතයක් ලබා ගනී, එය Opus 5 සමඟ සමාන වේ, නමුත් එක් කාර්යයක් සඳහා පිරිවැයෙන් පස් ගුණයකින් අඩුය. නමුත් එයට පියවර එකසිය හැට හයක් සහ ප්‍රතිදාන ටෝකන් එකසිය හතළිස් තුන් දහසක් අවශ්‍ය විය. එහි යාමට, Sol වැය කළ ප්‍රමාණයට වඩා දෙගුණයකටත් වඩා වැඩිය. Artificial Analysis විසින් ටෝකන් මිලියන එකසිය හතළිහක් සහ ඩොලර් දහසයි හැත්තෑ අටක් වියදම් කළේ එය ඇගයීමට පමණි. එක් ටෝකනයකට ලාභයි, එක් කාර්යයකට කතාබහට ලක්වූ, සහ පළමු ටෝකනය තත්පර දොළහක කල්පනාවෙන් පසුව පැමිණේ. ඉන්පසු රසවත් අර්ධය.
2:23 Gemini 3.8 Flash Cyber යනු "විශ්වාසදායක ආරක්ෂකයන්" සඳහා ආරක්ෂිත රේල් පීලි ලිහිල් කරන ලද එම මොඩලයයි. සහ Sundar පවසන්නේ එය CyberGym මත 86.2% ක් ලබා ගන්නා බවයි. ස්වාධීනව අවදානම් සොයා ගැනීම සඳහා වන මිණුම් ලකුණ මෙයයි. එය නිවැරදි කිරීම් ද කරයි: CWE-Bench මත 47.2% ක්, ප්‍රමුඛ පෙළේ නූතන මොඩලයක් සඳහා 47.8% ට එරෙහිව, Chrome කණ්ඩායම පවසන්නේ එය නිවැරදි නිවැරදි කිරීම් 2.6 ගුණයකින් වැඩි ප්‍රමාණයක් විශාල වාණිජ මොඩල වලට වඩා නිපදවූ බවයි, සහ Google හි ක්ලවුඩ් පර්යේෂකයන් එය භාවිතා කළේ පැය දෙකකට අඩු කාලයකදී තීරණාත්මක අවදානමක් සොයා ගැනීමටය, සාමාන්‍යයෙන් මාස ගණනක් හෝ එක් අභිප්‍රේරිත යොවුන් වියේ පසුවන්නෙකුට ගත වන කාර්යයකි.
2:54 Google අවධාරණය කරන්නේ ඔවුන් සූරාකෑමට වඩා නිවැරදි කිරීමට ප්‍රමුඛත්වය දුන් බවයි. එය මොඩලයට අනිවාර්යයෙන්ම සිදුරු හරහා ගමන් කළ හැකි බව පැවසීමේ ආචාරශීලී ක්‍රමයකි. ඔවුන් එයට එසේ නොකරන ලෙස ඉල්ලා සිටියේය. එබැවින් ඔබට එය ලබා ගත නොහැක. ප්‍රවේශය නව Fairwind වැඩසටහන හරහා සිදුවේ: රජයන්, විවේචනාත්මක යටිතල පහසුකම්, සහ අනිවාර්යයෙන් පරීක්ෂා කරන ලද හයසිය පනස් හවුල්කරුවන් සමඟ. සාධක දෙකක්. සෑම ෆ්‍රොන්ටියර් විද්‍යාගාරයක්ම දැන් ඔබට විකුණන්නේ නැති හැකින් මොඩලයක් සතුයි. තවද මේ සතියේ එය ලාභදායී එකකි.
3:16 පැය හතරකට පසු, Meta විසින් Muse Spark 1.3 නිකුත් කරන ලද අතර, Zuck එය අතිශය ලාභදායී කාර්ය සාධනයක් ලෙස හැඳින්වීය, එය සත්‍යයකි. එක් තරුවක් Menlo Park තරම් විශාල විය. සාමාන්‍ය එන්ඩ්පොයින්ට් එකට ඩොලර් 1.25ක් ඇතුල් වන අතර, ඩොලර් 4.25ක් පිටතට යනවා. එය Gemini වලට වඩා වැඩියි. දායක එන්ඩ්පොයින්ට් එකට සත දහයක් ඇතුල් වන අතර, සත විස්සක් පිටතට යනවා. කැෂ් කියවීම් සත 0.2ක, විසි ගුණයක් දක්වා ලාභදායී. සහ එකම වෙනස වන්නේ අපගේ නිෂ්පාදන වැඩිදියුණු කිරීමට භාවිතා කරන ලදී යනුවෙන් සඳහන් තීරුවයි.
3:40 එබැවින් වට්ටම ඔබේ සැසි පිටපතයි. වරක් කිසිවෙකුට කියවීමට සිදු නොවේ බලපත්‍රය, Meta බලපත්‍රය මිල ලැයිස්තුවක් ලෙස ලිවූ බැවින්. ඉහළම අදහස: මගේ ටෝකන් සොරකම් කිරීමේ වටිනාකම කොපමණදැයි දැන් සම්පූර්ණයෙන්ම පැහැදිලිය. දෙවන අදහස පුදුම වන්නේ දායක විමසුම් මත පුහුණු කරන ලද ආකෘතියකින් AWS යතුරක් උපුටා ගැනීමට කොපමණ කාලයක් ගතවේද යන්නයි. දායක විමසුම් මත පුහුණු කරන ලද ආකෘතියකින් AWS යතුරක් උපුටා ගැනීමට කොපමණ කාලයක් ගතවේද යන්නයි. Meta's ගේම ලකුණු පත්‍රිකාවට අනුව, Spark 1.3 DeepSWE මත 75.4ක් ලබා ගනී. එය Sol සහ Opus 5 ට වඩා ඉහළින් සිටින අතර, Meta පවසන්නේ එය 1.2 ට වඩා සියයට විස්සකින් අඩු මෙවලම් ඇමතුම් භාවිතා කරන බවයි.
4:06 සහ සියයට විසිපහකින් අඩු ටෝකන භාවිතා කරන බවත්, එය Google ගේ ඔට්ටුවට සම්පූර්ණයෙන්ම විරුද්ධ බවත්. ඒ නිසා අද පෘථිවියේ විශාලතම වෙළඳ දැන්වීම් සමාගම් දෙක එකඟ නොවන්නේ වැඩිපුර කතා කිරීම හොඳද යන්න පිළිබඳවයි. වැඩිපුර කතා කිරීම හොඳද යන්න පිළිබඳවයි. මේ අතර Trellner Research විසින් Perplexity වෙතින් හොඳම මෘදුකාංගය පිළිබඳව ප්‍රවර්ග තුන්සිය අසූවකදී විමසා සහ සෑම උපුටා දැක්වීමක්ම කියවා ඇත: 59.8% ක් ඉහළම ලක්ෂයෙන් පිටත වෙබ් අඩවි වලින් පැමිණ ඇත, Wikipedia සහ සෑම උපුටා දැක්වීමක්ම කියවා ඇත: 59.8% ක් ඉහළම ලක්ෂයෙන් පිටත වෙබ් අඩවි වලින් පැමිණ ඇත, Wikipedia තුන් වතාවක් උපුටා දක්වා ඇත, හත් දහස් පහකදී, සහ සහෝදර අඩවි තුනක් 215,000 කින් යුත්
4:34 මිලදී ගැනීමේ මාර්ගෝපදේශ ජනනය කර ඔවුන්ගේ මුල් පිටු වලට 'තොරතුරු සහ මූලික පිටුව' යනුවෙන් නම් කර ඇත. ඔබට නොව, ක්‍රෝලර්ට ආමන්ත්‍රණය කර ඇත. AI SEO යුද්ධය ආරම්භ වී ඇති අතර, එහි පළමු ආයුධය වන්නේ අලෙවිකරණ අයවැයක් සහිත regex ය. එය එක් බදාදා දිනක් සඳහා මිල ලේබල් ගොඩකි; ඔබ මෙය කියවීමට කැමති නම්, මම කියනවාට වඩා, සෑම උදෑසනකම ඔබගේ එන ලිපි වෙත diff එක ලැබෙනු ඇත — thedailydiff.dev වෙතින් නොමිලේ, පහත සබැඳිය ඇත. ඉතින්, අද තීන්දුව: SHIP IT. Gemini 3.8 Flash, Google විසින් නොලියූ එකම මණ්ඩලයේ Opus 5 ට සමාන වේ.
5:00 මිලෙන් පහෙන් පංගුවකට. ටෝකන් බිල්පත කියවන්න, සහ Meta's ගේ තීරු ශීර්ෂයන් කියවන්න. ඒකයි අද diff එක. මම Axrisi හි නිකෝ. වගකීමෙන් ඒකාබද්ධ කරන්න.
මූලාශ්‍ර
- Introducing Gemini 3.8 Flash and 3.8 Flash Cyberblog.google
- Fairwind Programblog.google
- DeepSWE v1.1 leaderboarddeepswe.datacurve.ai
- Artificial Analysis: Gemini 3.8 Flashartificialanalysis.ai
- Muse Spark 1.3 pricingdeveloper.meta.com
- Introducing Muse Spark 1.3research.meta.ai
- Hang on to Your Firefoxwww.newsonaut.com
- Mistral: opting out of traininghelp.mistral.ai
- HN: Gemini 3.8 Flashnews.ycombinator.com
- HN: Muse Spark 1.3news.ycombinator.com
- HN: 215,128 "best software" pagesnews.ycombinator.com
