Google az önce bir hackleme modeli yayınladı. İşte farkı.

Bu video neleri kapsar

• Google, Gemini 3.8 Flash + Flash Cyber'ı (86,2% CyberGym, Fairwind Programı) yayınladı
• Meta, Muse Spark 1.3'ü yayınladı: 1,25$/4,25$, veya Meta'nın üzerinde eğitim yapmasına izin verilirse 0,10$/0,20$
• Üç site 215.128 sahte "en iyi yazılım" sayfası oluşturdu; Perplexity bunları kaynak gösteriyor

Çevrilmiş deşifre

Orijinal İngilizce anlatımdan çevrilmiştir. Mevcut ses ve altyazılar YouTube tarafından kontrol edilir.

0:00 Google, bugün altı haftada üçüncü Flash modelini piyasaya sürdü, artı hacklemek için eğitilmiş bir sürüm ve dört saat sonra Meta bir model yayınladı ki Zuckerberg'in kodunuzu okumasına izin verirseniz milyon belirteç başına on sent maliyeti var, böylece yapay zeka fiyat savaşı artık bir siber güvenlik bölümüne sahip. Bugün Çarşamba ve fark uzun. Gemini 3.8 Flash, Hacker News'te bin yüz puana ulaştı, Muse Spark 1.3 neredeyse yedi yüz puan daha aldı ve arada, bir araştırma merkezi, iki yüz on beş bin yayınlayan üç web sitesi buldu

0:28 sahte en iyi yazılım sayfaları sırf Perplexity onları kaynak göstersin diye. Bugün ayrıca: Firefox'unuza sahip çıkmanız için yalvaran bir gönderi dokuz yüz seksen sekiz puan aldı ve Mistral'in eğitimden vazgeçme yardım sayfası neredeyse beş yüz puan aldı, çoğunlukla egemen seçeneğin varsayılan olarak istemleriniz üzerinde eğitim yaptığını keşfeden Avrupalılardan. varsayılan olarak istemleriniz üzerinde eğitim yapar. Bu videoda: Gemini 3.8 Flash'ın gerçek maliyeti, Google'ın hackleme modeli sadece altı yüz elli ortağa satacağı, Meta'nın on sentlik katmanı ve gerçekte ne kadar ücret aldığı ve iki şirketin de yazmadığı tek kıyaslama.

0:59 Bugün 2 Eylül Çarşamba ve bu The Daily Diff. Gemini 3.8 Flash, milyon belirteç başına giriş için yetmiş beş sent ve çıkış için üç yetmiş beş sent, üç hafta önceki 3.7 Flash ile aynı, 1 Ocak'ta fiyatın iki katına çıkacağını belirten bir dipnotla, bu da ekstra adımlarla birlikte ücretsiz bir deneme. Yenilmeyen slayt gösterisi kıyaslamalarında, HLE-Verified'da %54,9 puan alıyor, X, Terminal-Bench'te Sol ve Opus 5'i yendiğini söylüyor, ve Logan Kilpatrick, henüz ezberlenmemiş tek uzun vadeli kodlama kıyaslaması olan DeepSWE'de %73,7'lik bir skor paylaştı,

1:29 henüz ezberlenmemiş tek uzun vadeli kodlama kıyaslaması, iddia edildi. Simon Willison ondan HTML'de harika bir şey yapmasını istedi ve 1,8 sent karşılığında on üç saniyede bir parçacık simülasyonu aldı, saniyede altmış kare hızında çalışıyor, çünkü altmış hard-coded olarak sayfaya işlenmişti. Google'ın kendi gönderisi kazançları çerçeveleyeceğim bir cümleyle açıklıyor: 3.8 Flash daha çok çalışıyor. Ekstra akıl yürütme adımları gerçekleştiriyor, araçları tekrarlayarak çağırıyor, ve, tırnak içinde, daha fazla belirteç kullanabilir, bu da sayacın daha hızlı çalıştığı anlamına geliyor. Bağımsız DeepSWE kurulu her iki konuda da hemfikir: Flash yüzde yetmiş dört puan alıyor,

2:02 görev başına maliyetin beşte biri karşılığında Opus 5 ile berabere, ancak oraya ulaşmak için yüz altmış altı adım ve yüz kırk üç bin çıktı belirteci gerektirdi, Sol'un harcadığının iki katından fazla. Yapay Analiz, sadece onu derecelendirmek için yüz kırk milyon belirteç ve bin yetmiş sekiz dolar harcadı. Belirteç başına ucuz, görev başına çok konuşkan ve ilk belirteç on iki saniye düşünmeden sonra geliyor. saniye düşündükten sonra gelir. Sonra ilginç yarısı.

2:23 Gemini 3.8 Flash Cyber, güvenlik rayları "güvenilir savunmacılar" için gevşetilmiş aynı modeldir, tırnak içinde, güvenilir savunmacılar için ve Sundar, özerk olarak güvenlik açıkları bulma kıyaslaması olan CyberGym'de %86,2'ye ulaştığını söylüyor. özerk olarak güvenlik açıkları bulma kıyaslamasıdır. Yamaları da düzeltiyor: CWE-Bench'te %47,2, önde gelen bir sınır modeli için %47,8'e karşı, Chrome ekibi, çok daha büyük ticari modellerden 2,6 kat daha fazla doğru yama ürettiğini ve Google'ın bulut araştırmacılarının bunu kullanarak iki saatten kısa sürede kritik bir güvenlik açığı bulduğunu söylüyor, bunu kullanarak iki saatten kısa sürede kritik bir güvenlik açığı buldu, bu iş genellikle aylar, ya da bir motivasyonlu genç alır.

2:54 Google, sömürüden ziyade düzeltmeye öncelik verdiğini ısrar ediyor, bu da modelin kesinlikle deliklerden geçebileceğini kibarca söylemenin yoludur, sadece ondan yapmamasını istediler. Yani ona sahip olamazsınız. Erişim yeni bir Fairwind Programı aracılığıyla gerçekleşir: hükümetler, kritik altyapı ve altı yüz elli onaylanmış ortakla birlikte zorunlu iki faktörlü. Her sınır laboratuvarının size satmayacağı bir hackleme modeli var, ve bu hafta ucuz bir model.

3:16 Dört saat sonra Meta, Muse Spark 1.3'ü yayınladı ve Zuck onu ölçülemeyecek kadar ucuz sınır performansı olarak adlandırdı, ki bu doğru, Menlo Park büyüklüğünde bir yıldız işaretiyle. Normal uç nokta bir dolar yirmi beş sent giriş ve dört yirmi beş sent çıkış, Gemini'den daha fazla. Katkıda bulunan uç nokta on sent giriş, yirmi sent çıkış, önbellek okumaları sentin beşte biri fiyatına, yirmi kata kadar daha ucuz, ve tek fark, ürünlerimizi iyileştirmek için kullanıldı yazan bir sütun.

3:40 Yani indirim oturum dökümünüzdür, ve bir kez olsun kimsenin lisansı okumasına gerek yok, çünkü Meta lisansı bir fiyat listesi olarak yazdı. En beğenilen yorum: jetonlarımı çalmanın ne kadar değerli olduğu artık tamamen açık. İkinci yorum, bir modelden bir AWS anahtarının ne zaman çıkarılacağını merak ediyor katkıda bulunan istemler üzerinde eğitilmiş. Meta'nın kendi puan kartına göre, Spark 1.3 DeepSWE'de 75.4 puan alıyor, Sol ve Opus 5'in üzerinde, ve Meta, 1.2'ye göre yüzde yirmi daha az araç çağrısı

4:06 ve yüzde yirmi beş daha az jeton kullandığını söylüyor, Google'ın tam tersi bir bahis, bu yüzden bugün dünyanın en büyük iki reklam şirketi, daha fazla konuşmanın iyi olup olmadığı konusunda anlaşamıyor. daha fazla konuşmak iyi mi. Bu arada Trellner Research, Perplexity'den üç yüz seksen kategorideki en iyi yazılımı istedi ve her alıntıyı okudu: yüzde 59.8'i en üst yüz binin dışındaki sitelerden geldi, Wikipedia yedi buçuk binden üç kez alıntılandı, ve iki yüz on beş bin üretilmiş satın alma rehberleri başlığı taşıyan üç kardeş site ana sayfalarını Facts and Grounding Page olarak adlandırdı,

4:34 ana sayfalarını Facts and Grounding Page olarak adlandırdı, size değil, tarayıcıya hitaben. Yapay zeka SEO savaşı başladı ve ilk silahı pazarlama bütçesi olan regex. Bir çarşamba günü için çok fazla fiyat etiketi var; bunu duymak yerine okumayı tercih ederseniz, The Daily Diff her sabah gelen kutunuza düşer — daily diff dot dev adresinde ücretsiz, bağlantı aşağıda. Bugünkü karar: SHIP IT. Gemini 3.8 Flash, Google'ın yazmadığı tek panoda Opus 5 ile berabere kalıyor,

5:00 fiyatının beşte biri karşılığında. Sadece jeton faturasını ve Meta'nın sütun başlıklarını okuyun. Bugünün diff'i bu. Ben Axrisi'den Niko. Merge responsibly.

Kaynaklar

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