Gemini 4 Carbon, aby Google wrócił do numeru 1: 1, i nie będziesz go potrzebował dzisiaj.

Google ma nowy model. Czas Pekin, 29 października, o 1 rano, oficjalny blog przyszedł online z tytułem "nasz następny model frontera", pierwsze dwa punkty sprzedaży tekstu:Stan-of-the-art bezpieczeństwa sieci, i długi horyzont (długie ciągłe działanie) zdolność.

Słowo "pierwszy na świecie" nie jest puste. Pięćdziesiąt dziewięć, numer jeden.Nie wiem. Numer dwa Claude Opus 5.5 58 i numer trzy, 57.

Więc to nie będzie odwrotność. To naprawdę numer jeden. Problem w tym...Jak gruby jest ten "pierwszy" i możesz go dotknąć?

Przedstawiono dwa elementy:Wygrywa drugie miejsce 1; pierwsza ocena na skonsolidowanym liście ma tylko cztery słowa - brak zdolności publicznych API.Pozostały tylko przypisy do obu zdań.

Ja to powiem.

Lista jest Artific Analysis Intelligence Index, który został właśnie zaktualizowany do v. 5.0 i który łączy dziewięć ocen: AA- Briefcase, Automation Bench- AAA, Terminal- Bench 4.0, FrontierCode 2.0, AAA- Omniscience, GDP.pdf, HLE- Diamond, CritPt v2 (podzbiór trudności), Terminal- Bench- Science.

Pięćdziesiąt osiem, pięćdziesiąt siedem. Widząc tą sekwencję, nie świętuj.Drugi i trzeci to dwa fazy refleksji tego samego modelu.Opus 5.5 bierze 58 w Max, 57 w Xheigh.

Niniejsze zdanie jest przetłumaczone:Prowadzenie Google tym razem jest mniejsze niż różnica pomiędzy głębokością myślenia drugiej strony.

Innymi słowy, nie jest to "ogólny", ale "zróżnicowany na tym samym poziomie". Prawdziwe znaczenie jest bliższe: te trzy utknęły teraz w tym samym ułamkowym zespole, i kto dostaje więcej treningu, więcej matematyki, jeden dzień zmienia kolejność. To zdarzyło się więcej niż raz w tym miesiącu.

Jest jeszcze jeden szczegół, który wielu ludzi pomija:Ta lista jest "po prostu zaktualizowana do V5.0".Ocena została zastąpiona wersją i nie można bezpośrednio porównać wyników historycznych. Więc słowo "zwrot" nie jest technicznie ważne:Nie jest możliwe porównanie kto jest pierwszy w poprzedniej edycji i o ile mniej.Pierwszy po zmianie jest pierwszy na nowym władcy.

ii. Po słowie "publikowanie" muszą następować znaki cytowania.

Tytuł Ars Technica jest po prostu:"To ostatni model Ai, którego nie możesz użyć"- Najnowszy model, nie możesz go użyć.

To nie impreza tytułowa. Strona modelowa Sztucznej Analizy, status Gemini 4 Carbon to:"Brak publicznych zdolności API"Nie wiem. Żadna z wymienionych instytucji nie miała dostępu do otwartych interfejsów i mogła być mierzona wyłącznie w sposób przewidziany przez producenta.

Sam Google mówi "celowe podejście do wprowadzania" - celowo zwalnia:

Czas	Kto może go użyć?	Stan
Zaczynając od tego tygodnia.	Mała grupa cyberobrońców.	Otwórz
Po	Zaufani partnerzy poprzez program Fairwind	Stopniowe uwalnianie
Nieokreślone	Deweloper, enterprise, consumer	"jak najszybciej"

Ogłoszenie dało cenę, punkt odniesienia, ranking.Tylko bez randki.To nie przeoczenie, to standardowa operacja: zostawienie "wkrótce" nie jest ani obietnicą, ani naruszeniem.

Przy okazji, Google uczestniczy również w procesie przedtestowym w rządzie Stanów Zjednoczonych. Jest to coś, co należy mieć pewność, ale oznacza to również jedno:Czas, aby być oficjalnie otwarte dla Ciebie nie jest całkowicie do Google.

iii. Linia o najwyższej wartości netto:

Trzy zewnętrzne kryteria, bardzo hojne Google, są zarówno procenty i można znaleźć:

Punkt odniesienia	Za co?	Wynik
SEC- ławka Pro	Szukaj prawdziwych dziur w prawdziwym oprogramowaniu.	88.2%
ExpressGym	Sprawdź, czy luka jest wykorzystywana.	54.8%
CWE- ławka	Patch from root	71.0%

Przed tym samym ustępem znajduje się jednak notatka ze szczelinami, która jest bardzo skromna:Przepraszam, ale przepraszam."Oceniany bez ogrodzenia".

Dlaczego to takie ważne? Ponieważ jest to potwierdzenie:Te trzy cyfry, które nie są możliwościami, które można wykorzystać, to teoretyczne pułapy, które zostały usunięte z ograniczeń bezpieczeństwa.Jak tylko ogrodzenia zostaną umieszczone z powrotem w prawdziwym produkcie, wyniki zejdą.

Co więcej, 54,8% środka.Płot został usunięty i udowodnił jedynie, że ponad połowa otworów została faktycznie wykorzystana.Jaki jest status pozostałych 45%? Znalezione, zgłoszone, ale nie mogły udowodnić konsekwencji - w zarządzaniu luk, wartość takich odkryć byłoby znacznie mniej.

Nie sądzę, żeby to była czarna plama. ExpluitGym to twardy punkt odniesienia, z którego 54,8% jest już najlepsze. Ale przeczytaj jako "AI jest w stanie złamać większość systemów automatycznie" i zjada te pięć słów.

iv. Jedyne miejsce, gdzie Google jest skłonny stracić

Cały biuletyn dotyczy pierwszego, wiodącego, stanu-sztuki. Wyjątkiem jest tylko jedna linia:

WebDev Arena wynik 4.1768, up 89 elo.

W tym wierszu celowo zostałem, ponieważ był to jedyny numer w całym tekście, który był "nie pierwszy, ale jedyny napisany". 89 elo promocja nie jest mała na arenie, ale Google nie zawinięte go jako "top", ponieważ nie można było go zapakować, więc było jasne na liście, że biała linia była 4.

Ten szczegół daje mi trochę więcej zaufania do tych liczb:Kiedy firma jest gotowa napisać numer 4 w biuletynie, wie, że czytelnik się temu przyjrzy.

Pięć, trzy "lepsze niż model". N, bez nazwisk.

A teraz część, w której będziesz wymiotować. Trzy z mnożników wydajności w biuletynie są tak długo, jak to możliwe:

• "W wewnętrznym wskaźniku referencyjnym, wskaźnik sukcesu generowania kodu bezpieczeństwa jest Argon Więcej niż 2 razyKtóry wewnętrzny punkt odniesienia? Droga nie jest publiczna.
• "Raport zespołu Chrome, Wysokiej jakości Patch GenerationJest ponad 10 razy większy od innego laboratorium.- Kto jest tym drugim?
• "Wiz zauważył, że wyprzedza on wskaźnik penetracji sieci" -- który? Brak szczegółów.

"Dziesięć razy lepszy niż model, którego nie można powiedzieć" to klasyczna część literatury wydawniczej. Jednocześnie spełnia trzy warunki:To brzmi bardzo potężnie, nie może być krzywoprzysięstwo i nie może wziąć odpowiedzialności za zły wybór komparatora.

Nie mówię, że te liczby są zmyślone. Zespół Chrome i Wiz są prawdziwymi partnerami i ta wewnętrzna walidacja zwykle ucieka. Ale jeśli chodzi o artykuł,Mieszanina zewnętrznych wskaźników referencyjnych i niewykrywalnych mnogości wewnętrznychOdbierają uwagę czytelnika, ponieważ wydaje się to silniejsze.Dlatego jest napisane.

Cena: 50% zniżki, ważna dla poufności

Ta część Google jest wreszcie czysta:

Pozycja	Cena wstępna	Po okresie prezentacji
Wejście	$2 / millions token	$4 / mln token
Wyjście	10 $/ mln token	$20 / mln token
Wejście do pamięci	Wprowadź cenę do 95% zniżki (około 0,10 USD)	W oparciu o nową cenę bazową

Obydwa należy rozpatrywać oddzielnie. Dobra wiadomość jest taka:Nowy model jest taka sama cena jak Argon, bez wzrostu cen.Modele linii frontu nie były drogie i nie były powszechne w ciągu dwóch lat.

Zła wiadomość jest taka:Cena standardowa jest dwukrotnie wyższa od ceny prezentacji, a daty prezentacji nie ma w biuletynie.Roczny budżet jest obliczany na $4 / $20. Liczba, obliczona na 2 / 10 dolarów, zostanie zwrócona do pracy prędzej czy później.

Jeszcze jedno:Wejście do pamięci podręcznej wynosi 95% zniżki lub 0,05 razy cena wejścia.Ta zniżka jest teraz najgorsza wśród wszystkich głównych producentów. Jeśli mamy scenę "tego samego superdługiego kontekstu", struktura cenowa jest prawdziwa -- jeśli możemy ją najpierw użyć.

Siedem, ta bezpieczna część, liczby są takie piękne.

Google ma zestaw wskaźników dostosowania w biuletynie, który skopiowałem, ponieważ są one piękne:

• Triminal- Bench 4.0 zmniejszył wskaźnik sukcesu 0.0%Próba oszukiwania spadła do 0,4%, podczas gdy wskaźnik dokładności wzrósł.
• W środowisku kodowania dysku wewnętrznego spada alarm wysokiego ryzyka.Prawie 80%Nie wiem.
• Nieobsługiwane roszczenia są o mniej niż Argon Połowa.Nie wiem.
• Przekraczanie (przekroczenie) 26%, niedoobsługa 29%Nie wiem.
• Pośrednie podpowiedź Gray 'a Swana jest wprowadzana do bazy. 0.0%(Argon wynosi 0, 7%).

0, 0, 80, 50%, 50% - liczby te są brane razem, co jest pytaniem:Dlaczego to wszystko jest "w dół" i "zero" i żaden nie jest absolutny?

Bo to są...Poprawa w stosunku do preparatu ArgonArgon został wysłany dwa tygodnie temu. Dwa tygodnie.Dwa tygodnie na zmniejszenie o 80% ostrzeżeń o wysokim ryzyku, co oznacza, że poprzednie pokolenie było naprawdę złe, lub że wewnętrzny zestaw był znacznie gorszy niż oczekiwano.Oba wyjaśnienia nie są zbyt dobre.

Chciałbym napisać połowę: Wyraźnie stwierdza, że w publicznym punkcie odniesienia Gray Swan, zerowy wskaźnik sukcesu ataku oznacza, że "wszystkie próby w tej wersji zawiodły".Niniejsza wersja ocenyNie wiem. Ofensywa jest trwającą konfrontacją, dzisiejszy zero procent nie jest jutro zerowym procentem.

Jest jeszcze jedna rzecz, której nie mówię: dwutygodniowe pokolenie.

Gemini 4 Argon został zwolniony dwa tygodnie temu. Węgiel na nim zbudowany.

Własne słowa Google: "Ilustruje miejsce, w którym pchamy przodem do przodu" - pokazują jak szybko posuwamy się naprzód.To jest prawda i problem.

Dla tych, którzy produkują oznacza to:Postawcie Argona na linii, Benchmark na zewnątrz, przewińcie, następne pokolenie jest w drodze.Model zmieniono z "corocznego podejmowania decyzji" na "comiesięczne utrzymanie". Nie chodzi o rodzinę Google, ale o najbardziej radykalne.

To samo dotyczy autora. Kiedy to wyszło, kolejny kod byłby podzielony wewnętrznie.

Dziewięć, więc co myślisz o tym wydaniu?

Powinieneś to przyznać.

• W celu uzyskania informacji wziął AA Intelligence Index v. 5.0, pierwszy, 59 punktów.
• Linia bezpieczeństwa cybernetycznego naprawdę działa: trzy zewnętrzne poziomy odniesienia są obecnie najlepsze, a nie słowa.
• Struktura cenowa jest ograniczona w modelu przednim.
• Kolejność dawania stronie obronnej najpierw, a następnie wyceny, jest logiczna - zdolność do znalezienia luk jest bardziej niebezpieczna dla napastników.

Trzeba było wezwać znak zapytania.

• Punkt przed nami, mniej niż różnica między własnym miejscem myślenia przeciwnika.To sortowanie w tym samym paśmie poziomym, a nie proxy.
• Lista została właśnie zmieniona na v 5.0, historia jest niezrównana."Return Number One" jest niepoprawny pod względem metodologicznym.
• Żadna z trzech mnogości wewnętrznych nie ma nazwy porównawczej.Przegląd nie jest możliwy i nie powinien być cytowany jako wniosek.
• Zewnętrznym punktem odniesienia było usunięcie ogrodzenia.To nie znaczy, że możesz to zrobić.
• To 50% zniżki, ale bez terminu.Podwoić budżet.

Powinniśmy poczekać.

• Poczekaj, aż publiczne API otworzy się i poprowadzi prawdziwą misję. Jest pełna ocena pomiędzy wynikiem a twoją pracą.
• Poczekaj na trzecią.Przynieś płot.Te trzy kryteria bezpieczeństwa są reprodukowane na warunkach.
• Poczekajcie aż ktoś położy węgiel i Opus 5.5 na tym samym miejscu Maxa -- a teraz to jest 59, tak, 58, a otwór nie jest wyrównany.

Wreszcie tytuł. Tym razem Google wrócił na pierwsze miejsce i tak nie będzie. Ale w wyrażeniu "Powrót do świata pierwszy" jest mniej uzasadnione założenie:Najpierw stajnia, "z powrotem".

Prawdziwym stanem rzeczy jest to, że trzy rodziny są ściśnięte w ułamkowy pas, zmieniając miejsca co kilka tygodni, za każdym razem z "doładowanie" ogłoszenie.To "pierwsze" półżycie jest prawdopodobnie tak długo, jak następne pokolenie.

Wygranie jednego punktu jest prawdą. Po pierwsze, to prawda. Nie możesz jej dzisiaj użyć. To kompletny kształt tego wydania.