Gemini 4 Carbon para levar o Google de volta ao número um: um, e você não vai precisar dele hoje.

O Google tem um novo modelo. Hora de Pequim, 29 de outubro, às 1h, o blog oficial veio online com o título "nosso próximo modelo de fronter", os dois primeiros pontos de venda do texto:Capacidade de segurança de rede de última geração e capacidade de longo horizonte (longa operação contínua).

A palavra "primeiro de volta ao mundo" não está vazia. 59, número 1.Não sei. Número dois Claude Opus 5.5 Sim 58, e o número três é 57.

Portanto, esta não vai ser a reacção. É mesmo o número um. O problema é...Quão grosso é este "primeiro" e consegues tocar-lhe?

Duas peças foram apresentadas:Ganha o segundo lugar 1; a primeira avaliação na lista consolidada tem apenas quatro palavras - sem capacidade pública API.Tudo o que restava eram notas de rodapé de ambas as frases.

Eu digo essa.

A lista é Artificial Analysis Intelligence Index, que acaba de ser atualizado para v. 5.0 e que reúne nove avaliações: AA-Briefcase, Automation Bench-AAA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 (subconjunto de dificuldades), Terminal-Bench-Science.

Cinquenta e oito, cinquenta e sete. Vendo esta sequência, não celebre.A segunda e a terceira são as duas etapas de reflexão do mesmo modelo.Opus 5.5 leva 58 em Max, 57 em Xheigh.

Esta frase é traduzida:A liderança do Google desta vez é menor do que a distância entre a profundidade de pensamento do outro lado.

Em outras palavras, isso não é "genérico", mas "diverso no mesmo nível". O verdadeiro significado está mais próximo: os três agora estão presos na mesma banda fracionária, e quem recebe mais treinamento, mais matemática, um dia muda de ordem. Isto aconteceu mais de uma vez este mês.

Há mais um detalhe que muitas pessoas ignoram:Esta lista é "atualizada para V5.0".A avaliação foi substituída por uma versão, e os escores históricos não podem ser comparados diretamente. Assim, a palavra "retorno" não é tecnicamente válida:Não é possível comparar quem é o primeiro na edição anterior e quanto menos.O primeiro após a mudança é o primeiro no novo governante.

ii. A palavra "publicação" tem de ser seguida de aspas.

O título de Ars Technica é simplesmente:"É o último modelo da Ai que não podes usar"- Não podes usá-lo.

Não é a festa do título. Página do modelo da Análise Artificial, Gemini 4 Carbono é:"Nenhum API de capacidade pública"Não sei. Nenhuma das instituições enumeradas tinha acesso a interfaces abertas e só podia ser medida da forma fornecida pelo fabricante.

O próprio Google diz "abordagem deliberada para a implantação" — deliberadamente desacelerando:

Hora	Quem pode usá-lo?	Estado
A partir desta semana.	Um pequeno grupo de defensores cibernéticos.	Abrir
Após	Parceiros confiáveis através do Programa Fairwind	Libertação gradual
Indeterminado	Desenvolvimento, empresa, consumidor	"o mais rápido possível"

O anúncio deu preço, referência, classificação.Só que nenhum encontro.Não é uma omissão, é uma operação padrão: deixar um "em breve" não há uma promessa nem uma violação.

A propósito, o Google também está participando do processo de pré-teste no Governo dos Estados Unidos. Isto é algo para ter certeza, mas também significa uma coisa:O tempo para ser oficialmente aberto para você não depende inteiramente do Google.

iii. A linha com o maior valor líquido:

Os três benchmarks externos, muito generosos do Google, são percentuais e podem ser encontrados:

Benchmark	Para quê?	Pontuação
SEC-bench Pro	Procure buracos reais em software real.	88.2%
ExpressGym	Verifique se a brecha está sendo explorada.	54.8%
CWE-bench	Correcção da raiz	71.0%

No entanto, há uma nota emparelhada antes do mesmo parágrafo, que é muito modesta:Desculpa, mas desculpa."Avaliado sem a vedação."

Por que isso é importante? Porque é um reconhecimento de:Estes três números, que não são as capacidades que você pode realmente usar, são os limites teóricos que foram removidos das restrições de segurança.Assim que as cercas forem colocadas de volta no produto real, as pontuações descerão.

Mais do que isso, 54,8% do meio.A cerca foi removida, e só provou que mais da metade dos buracos foram realmente explorados.Qual é a situação dos restantes 45%? Encontrado, relatado, mas não poderia provar as conseqüências — na gestão de lacunas, o valor de tais descobertas seria muito menor.

Não acho que seja um ponto negro. A ExpluitGym é uma referência difícil, 54,8% dos quais já são os melhores. Mas leia como "AI foi capaz de quebrar a maioria dos sistemas automaticamente" e está comendo essas cinco palavras.

iv. O único lugar onde o Google está disposto a perder

Todo o boletim é sobre o primeiro, líder, de última geração. Apenas uma linha é a exceção:

WebDev Arena pontuação 4,1768, até 89 elo.

Nesta linha, eu deliberadamente fiquei porque era o único número em todo o texto que era "não o primeiro, mas o único escrito". A promoção do elo 89 não é pequena na arena, mas o Google não terminou como "top" porque não podia ser empacotado, então ficou claro na lista que a linha branca era 4.

Este detalhe me dá um pouco mais de confiança nesses números:Quando uma empresa está disposta a escrever o número 4 no boletim, ela sabe que o leitor vai olhar para ele.

Cinco, três "melhor que um modelo". N, sem nomes.

E aqui está a parte em que vais vomitar. Três dos multiplicadores de desempenho no boletim são tão longos quanto este:

• "No benchmark interno, a taxa de sucesso de geração de código de segurança é Argon Mais de 2 vezesQual referência interna? O caminho não é público.
• "Chrome Team Report, Geração de Patch de alta qualidadeÉ mais de 10 vezes o tamanho de outro laboratório.- Quem é o outro?
• "Wiz observou que está à frente do benchmark de teste de penetração na Web" -- que benchmark? Sem detalhes.

"Dez vezes melhor do que um modelo que não pode ser dito" é uma parte clássica da literatura editorial. Preenche simultaneamente três condições:Parece muito poderoso, não pode ser perjurado e não pode assumir a responsabilidade pela escolha errada do comparador.

Não estou a dizer que estes números são inventados. A equipe Chrome e Wiz são parceiros reais, e esta validação interna geralmente foge. Mas quando se trata de um artigo,Uma combinação de benchmarks externos e múltiplos internos indetectáveisA atenção do leitor é levada pelo último -- porque o último soa mais forte.É por isso que está escrito.

Preço: 50% desconto, válido para confidencialidade

Esta parte do Google está finalmente limpa:

Item	Preço de introdução	Após o período de apresentação
Entrada	Ficha de $2/ milhões	4/ milhões de dólares
Saída	token de $10/ milhões	$20 / milhão token
Entrada de 'Cache'	Digite o preço para jogar com 95% de desconto (aproximadamente $0,10)	Com base no novo preço de base

Os dois devem ser vistos separadamente. A boa notícia é:O novo modelo é o mesmo preço que Argon, sem aumento de preço.Modelos de linha de frente não eram caros, e não eram comuns nos dois anos.

A má notícia é:O preço padrão é duas vezes mais alto que o preço de apresentação, e a data da apresentação não está no boletim.O orçamento anual é calculado em $4/$20. O valor, calculado em $2/$10, será devolvido ao trabalho mais cedo ou mais tarde.

Mais uma coisa para lembrar:Entrada de cache bate 95% off, ou 0,05 vezes o preço de entrada.Este desconto é agora o pior entre todos os principais fabricantes. Se você tem a cena do "mesmo contexto super-longo", a estrutura de preços é real -- se você pode usá-lo primeiro.

Sete, a parte segura, os números são tão bonitos.

Google tem um conjunto de indicadores de alinhamento no boletim, que eu copiei como eles são, porque eles são bonitos:

• Triminal-Bench 4.0 reduziu a taxa de sucesso 0.0%E a tentativa de trapaça caiu para 0,4%, enquanto a taxa de precisão aumentou.
• No ambiente de codificação de disco interior, o alerta de alto risco cai.Perto de 80%Não sei.
• As reivindicações não suportadas são sobre menos do que Argon Metade.Não sei.
• Cruzamento (superação) 26%, sub-serviço 29%Não sei.
• A dica indirecta de Gray Swan é injectada na linha de base. 0.0%(Argon é 0,7%).

0, 0, 80, 50 %, 50 % — estes números são tomados em conjunto, o que é uma pergunta a fazer:Porque é tudo "baixo" e "zero" e nenhum é absoluto?

Porque estes são...Melhoria em relação ao ArgonE o Argon foi enviado há duas semanas. Duas semanas.Duas semanas para reduzir os alertas de alto risco em 80 por cento, o que significa que a geração anterior foi muito ruim, ou que o conjunto interno foi muito pior do que o esperado.Ambas as explicações não são muito boas.

Gostaria de escrever metade: Diz claramente que na avaliação pública de Gray Swan, a taxa de sucesso zero do ataque significa que "todas as tentativas nesta versão falharam."Esta versão da avaliaçãoNão sei. A ofensiva é um confronto em curso, o zero por cento de hoje não é zero por cento de amanhã.

Há mais uma coisa que não estou a dizer: uma geração de duas semanas.

Gemini 4 Argon foi libertado há duas semanas. Carbono construído nele.

As palavras do Google, "Ilustra o lugar em que estamos empurrando a frente para frente" -- mostram o quão rápido estamos avançando.Essa é a verdade e o problema.

Para quem produz, isto significa:Colocas o Argon em linha, a Benchmark fora, pronto, a próxima geração está a caminho.O modelo foi alterado de "decisão anual" para "manutenção mensal". Não é sobre a família do Google, mas é sobre o mais radical.

O mesmo vale para o autor. Quando saiu, o próximo número de código teria sido dividido internamente.

Nove, o que achas desta libertação?

Devias admitir.

• Foi preciso AA Inteligence Index v. 5.0, primeiro, 59 pontos, para obter informações.
• A linha de segurança cibernética está realmente funcionando: os três marcos de referência externos são os melhores no momento, não as palavras.
• A estrutura de preços é contida no modelo frontal.
• A ordem de dar primeiro o lado defensivo, depois valorizando, é lógica — a capacidade de encontrar brechas é mais perigosa para os atacantes.

Devias ter chamado o ponto de interrogação.

• Um ponto à frente, menos do que a diferença entre o espaço de pensamento do próprio oponente.Esta é a ordenação na mesma banda horizontal, não o proxy.
• A lista foi alterada para v. 5.0, o histórico é incomparável."Retorno Número Um" não é metodologicamente válido.
• Nenhum dos três múltiplos internos tem um nome comparativo.Nenhuma revisão é possível e não deve ser citada como uma conclusão.
• A referência externa era remover a cerca.Não significa que sejas capaz.
• É 50% de desconto, mas sem prazo., o dobro do orçamento.

Devíamos esperar.

• Espere até que a API pública abra e execute a verdadeira missão. Há uma avaliação completa entre a pontuação e o seu trabalho.
• Espere pelo terceiro.Tragam a vedação.Os três parâmetros de referência de segurança são reproduzidos em condições.
• Espere até que alguém coloque carbono e Opus 5.5 no mesmo slot Max -- e agora este é 59, certo, 58, e o slot não está alinhado.

Finalmente, o título. Google retornou ao primeiro lugar desta vez, e isso não é para ser. Mas na frase "Retorno ao mundo primeiro" há uma suposição menos válida:Há um estábulo, "de volta" primeiro.

O verdadeiro estado de coisas é que as três famílias são espremidas em um cinto fracionário, trocando de assentos a cada poucas semanas, cada vez com um anúncio "top-up".Esta meia-vida "primeira" é provavelmente tão longa quanto a próxima geração.

Ganhar um ponto é verdade. Primeiro, é verdade. Não podes usá-lo hoje. Essa é a forma completa desta libertação.