Близнаци 4 Carbon да получите Google обратно към номер едно: едно, и няма да ви трябва днес.

Гугъл има нов модел. Пекинско време, 29 октомври, в 1 часа сутринта, официалният блог дойде онлайн с заглавието "нашият следващ модел фронтер," първите две търговски точки на текста:Възможност за най-съвременна защита на мрежата и възможност за дългосрочен (дълготраен) хоризонт.

Думата "първи в света" не е празна. 59, номер 1.Не знам. Номер две Клод Опус 5.5 Да, 58, и номер три е, 57.

Така че това няма да бъде обратната реакция. Наистина е номер едно. Проблемът е...Колко дебело е това "първо" и можеш ли да го докоснеш?

Бяха представени две части:Печели второто място 1; първата оценка в консолидирания списък има само четири думи - няма обществена способност API.Всички останали бяха бележки под линия и към двете изречения.

Аз казвам това.

Списъкът е изкуствения анализ Intelligence Index, който току-що беше актуализиран на v. 5.0 и който обединява девет оценки: AA-Briefcase, Automation Bench-AAA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscientific, GD.pdf, HLE-Diamond, CritPt v2 (подбор от трудности), Terminal-Bench-Science.

58, 57. Виждайки тази поредица, не празнувай.Втората и третата са двата етапа на отражение на един и същ модел.Опус 5.5 взима 58 в Макс, 57 в Хей.

Това изречение е преведено:Воденето на Гугъл този път е по-малко от разликата между дълбочината на мислене на другата страна.

С други думи, това не е "генерично," а "разнообразие на същото ниво." Истинското значение е по-близо: тримата сега са заклещени в една и съща дробна група и които получават повече обучение, повече математика, един ден променят реда. Това се случи повече от веднъж този месец.

Има още един детайл, който много хора пропускат:Този списък е " току-що актуализиран на V5.0."Оценката беше заменена с версия, а историческите резултати не могат да бъдат пряко сравнени. Така че думата "връщане" не е технически валидна:Не е възможно да се сравни кой е първият в предишното издание и колко по-малко.Първият след промяната е първият на новия владетел.

II. Думата "издателство" трябва да бъде последвана от кавички.

Заглавието на Ars Technica е просто:Това е последният модел, който не можеш да използваш.- Последният модел не може да го използвате.

Не е партито за титлата. Изкуственият анализ модел страница, Близнаци 4 статус Carbon е:"Няма обществена способност API"Не знам. Никоя от изброените институции не е имала достъп до отворени интерфейси и може да бъде измерена само по начина, предвиден от производителя.

Самият Google казва "преднамерен подход към ролкаут" големо забавя:

Време	Кой може да го използва?	Състояние
От тази седмица.	Малка група кибер защитници.	Отваряне
След	Доверени партньори чрез Програма Fairwind	Постепенно освобождаване
Неопределено	Разработчик, предприятие, потребител	"колкото се може по-скоро"

Съобщението даде цена, база, класиране.Само че няма среща.Това не е пропуск, това е стандартна операция: оставяйки "скоро" няма нито обещание, нито нарушение.

Между другото, Google също участва в процеса преди тестването в правителството на САЩ. Това е нещо сигурно, но също така означава едно:Времето да бъдеш официално открит не зависи изцяло от Гугъл.

III. Линията с най-високата нетна стойност:

Трите външни показателя, които Google е много щедър, са както проценти и могат да бъдат намерени:

Показател	За какво?	Резултат
SEC-Bench Pro	Търси истински дупки в истинския софтуер.	88.2%
ExpressGym	Провери дали вратичката се използва.	54.8%
CWE-bench	Кръпка от корен	71.0%

Въпреки това има скоба бележка пред същия параграф, който е много скромен:Съжалявам, но съжалявам.Обладана без оградата.

Защо това е важно? Защото е признание за:Тези три цифри, които всъщност не са възможностите, които можете да използвате, са теоретичните тавани, които са били премахнати от ограниченията за сигурност.Щом оградите се върнат в истинския продукт, резултатът ще падне.

Повече от това, 54.8% от средата.Оградата е била премахната и това само доказва, че повече от половината от дупките са били използвани.Какво е състоянието на останалите 45%? Намерени, докладвани, но не може да докаже последиците го в управлението на вратички, стойността на тези открития ще бъде много по-малко.

Не мисля, че е черно петно. ExpluitGym е твърд показател, 54,8% от които вече са най-добрите. Но го прочетете като "AI е бил в състояние да разбие повечето системи автоматично" и яде тези пет думи.

IV. Единственото място, където Google е готов да загуби

Целият бюлетин е за първия, водещ, най-съвременния. Само един ред е изключението:

WebDev Arena score 4,1768, нагоре 89 ело.

В този ред умишлено останах, защото това беше единственият номер в целия текст, който беше "не първият, а единственият написан." 89 промоцията на Ело не е малка на арената, но Google не го завърши като "горе," защото не можеше да бъде опакована, така че беше ясно в списъка, че бялата линия е 4.

Този детайл ми дава малко повече увереност в тези числа:Когато една компания е готова да напише номер 4 в бюлетина, тя знае, че читателят ще го разгледа.

Пет, три "по-добре от модел." Н, без имена.

А ето и частта, в която ще повърнеш. Три от множителите на резултатите в бюлетина са толкова дълги:

• "В рамките на вътрешния бенчмарк, процентът на успех на кода за сигурност е Аргон Повече от 2 пътиКакъв вътрешен показател? Пътят не е публичен.
• "Доклад на екипа на Chrome, висококачествено поколение PatchПовече от 10 пъти по-голяма е от друга лаборатория.Кой е другият?
• "Уиз е отбелязал, че тя е преди теста за проникване в интернет" - кой показател? Без подробности.

"Десет пъти по-добър от модел, който не може да се каже" е класическа част от издателската литература. Той изпълнява три условия едновременно:Звучи много мощно, не може да бъде лъжесвидетелствано и не може да поеме отговорност за грешния избор на сравнение.

Не казвам, че тези числа са измислени. Екипът на Chrome и Wiz са истински партньори и това вътрешно утвърждаване обикновено се изплъзва. Но когато става въпрос за статия,Смес от външни бенчмаркове и неоткриваеми вътрешни мултиплициВниманието на читателя е отнето от последното - защото второто звучи по-силно.Затова е написано.

Цена: 50% отстъпка, валидна за поверителност

Тази част от Google най-накрая е чиста:

Позиция	Въвеждаща цена	След периода на представяне
Вход	$2/ милиона.	4 милиона долара.
Изход	10 милиона долара.	$20/ милиона жетон
Вход на кеш	Въведете цената, за да играе 95% отстъпка (приблизително $0.10)	Въз основа на нова базова цена

Двамата трябва да се виждат отделно. Добрата новина е:Новият модел е същата цена като Аргон, без повишение на цената.Моделите на предната линия не бяха скъпи и не бяха често срещани през двете години.

Лошата новина е:Стандартната цена е два пъти по-висока от презентационната цена, а датата на представянето не е в бюлетина.Годишният бюджет се изчислява на $4/$20. Цифрата, изчислена на $2/$10, ще бъде върната на работа рано или късно.

Още едно нещо, което трябва да запомните:Входът на кеша е 95% или 0.05 пъти по-висок от входната цена.Тази отстъпка сега е най-лошото сред всички основни производители. Ако имате сцената на "същия супер дълъг контекст," ценовата структура е реална -- ако можете да я използвате първо.

Седем, безопасната част, числата са толкова красиви.

Google има набор от индикатори за привеждане в съответствие в бюлетина, които копирах, тъй като те са красиви:

• Наказателно-Бенч 4.0 има намален успех 0.0%И опитът за измама спадна до 0.4%, докато точността се увеличи.
• В средата на интериорния диск за кодиране, високо-рискова тревога пада.Близо 80%Не знам.
• Неподкрепените искове са по-малко от Аргон. Половината.Не знам.
• Пресичане (прекрачване) 26%, недостатъчно обслужване 29%Не знам.
• Намекът на Грей Суон се инжектира в изходната линия. 0.0%(Аргон е 0,7%).

0, 0, 80, 50 %, 50 % год.Защо всичко е "надолу" и "нула," а никой не е абсолютен?

Защото това са...Подобряване спрямо аргонАргон е изпратен преди две седмици. Две седмици.Две седмици за намаляване на високорисковите сигнали с 80%, което означава, че предишното поколение е било наистина лошо или че вътрешният набор е бил много по-лош от очакваното.И двете обяснения не са много добри.

Искам да напиша половината: В него ясно се посочва, че при публичния анализ на Грей Суон, нулевата успеваемост на атаката означава, че "всички опити в тази версия са се провалили."Тази версия на оценкатаНе знам. Офанзивата е продължаваща конфронтация, днес нула процента не е нула процента за утре.

Има още едно нещо, което не казвам: двуседмично поколение.

Близнаци 4 Аргон бе освободен преди две седмици. Въглеродът е построен върху него.

Собствените думи на Google, "Илюстрира мястото, на което бутаме фронта напред" - показват колко бързо се движим напред.Това е истината и проблемът.

За производителите това означава:Просто поставяш Аргон на линията, отчиташ, избързваш, следващото поколение е на път.Моделът е променен от "годишно вземане на решения" на "месечна поддръжка." Не става въпрос за семейство Гугъл, а за най-радикалния.

Същото се отнася и за автора. Когато излезе, следващият кодов номер щеше да е разделен вътрешно.

Девет, какво мислиш за освобождаването?

Трябва да си признаеш.

• Отнело е АА Интелигентен индекс срещу 5.0, първо, 59 точки, за информация.
• Линията на киберсигурността наистина работи: трите външни показателя са най-добрите в момента, а не думите.
• Ценовата структура се ограничава пред модела.
• Заповедта да се даде на отбранителната страна първо, а след това оценка, е логично, че способността да се намерят вратички е по-опасно за нападателите.

Трябваше да се обадиш на въпросителната.

• Една точка напред, по-малка от разликата между собственото мислене на противника.Това е сортирането в една и съща хоризонтална лента, не в проксито.
• Списъкът е променен на 5.0, историята е несравнима."Завръщане номер 1" не е методическо валидно.
• Нито едно от трите вътрешни кратни няма сравнително име.Не е възможно преразглеждане и не следва да се цитира като заключение.
• Външният показател беше да се премахне оградата.Това не означава, че можеш да го направиш.
• 50% отстъпка, но няма краен срок.Удвои бюджета.

Трябва да изчакаме.

• Изчакай докато публиката се отвори и ръководи истинската мисия. Има пълна оценка между резултата и работата ти.
• Изчакай третата страна.Донеси оградата.Трите показателя за сигурност се възпроизвеждат при условия.
• Изчакайте докато някой постави въглерод и Opus 5.5 на същия Max слот -- и сега това е 59, нали, 58, и слотът не е подравнен.

Най-накрая заглавието. Google не се върна на първо място този път, и това не трябва да бъде. Но в фразата "Върни се в света първо" има по-малко валидно предположение:Първо има конюшня.

Истинското състояние на нещата е, че трите семейства са изстискани в частичен колан, сменяйки места на всеки няколко седмици, всеки път с "отгоре" съобщение.Този "първи" полуживот вероятно е дълъг колкото следващото поколение.

Спечелването на една точка е вярно. Първо, истина е. Не можеш да го използваш днес. Това е пълната форма на това освобождаване.