Gemini 4 Carbon pour ramener Google au numéro un : un, et vous n'en aurez pas besoin aujourd'hui.
Google a un nouveau modèle. Pékin, le 29 octobre, à 1 heure du matin, le blog officiel est venu en ligne avec le titre "notre prochain modèle de façade", les deux premiers points de vente du texte:Capacité de pointe en matière de sécurité du réseau et capacité à long terme (exploitation continue longue).
Le mot « premier dans le monde » n'est pas vide. Cinquante-neuf, numéro 1.Je ne sais pas. Numéro deux Claude Opus 5.5 Oui 58, et le numéro trois est 57.
Donc ça ne va pas être la réaction. C'est vraiment le numéro un. Le problème est...Quelle est l'épaisseur de ce "premier" et pouvez-vous le toucher ?
Deux pièces ont été présentées:Gagne la deuxième place 1; la première évaluation de la liste consolidée n'a que quatre mots - aucune API de capacité publique.Il ne restait plus que des notes de bas de page pour les deux phrases.
Je dis ça.
La liste est l'indice d'intelligence d'analyse artificielle, qui vient d'être mis à jour en v. 5.0 et qui regroupe neuf évaluations: AA-Brefcase, Automation Bench-AAA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 (sous-ensemble de difficultés), Terminal-Bench-Science.
Cinquante-huit, cinquante-sept. Voir cette séquence, ne pas célébrer.Les deuxième et troisième sont les deux étapes de réflexion du même modèle.Opus 5.5 prend 58 en Max, 57 en Xheigh.
Cette phrase est traduite :L'avance de Google cette fois est plus petite que l'écart entre la profondeur de pensée de l'autre côté.
En d'autres termes, ce n'est pas "générique" mais "diverse au même niveau". Le vrai sens est plus proche: les trois sont maintenant coincés dans le même groupe fractionnaire, et qui obtient plus d'entraînement, plus de maths, un jour change d'ordre. Cela s'est produit plus d'une fois ce mois-ci.
Il y a encore un détail que beaucoup de gens sautent :Cette liste est "juste mise à jour à V5.0".L'évaluation a été remplacée par une version, et les notes historiques ne peuvent pas être directement comparées. Donc le mot "retour" n'est pas techniquement valable:Il n'est pas possible de comparer qui est le premier dans l'édition précédente et combien moins.Le premier après le changement est le premier sur la nouvelle règle.
ii. Le mot « publication » doit être suivi de guillemets.
Le titre d'Ars Technica est simplement :"c'est le dernier modèle de façade Ai que vous ne pouvez pas utiliser"- Le dernier modèle avancé, vous ne pouvez pas l'utiliser.
Ce n'est pas la fête du titre. Page modèle de l'analyse artificielle, le statut de Gemini 4 Carbon est :"Pas d'API de capacité publique"Je ne sais pas. Aucune des institutions énumérées n'avait accès à des interfaces ouvertes et ne pouvait être mesurée que de la manière fournie par le fabricant.
Google lui-même dit "approche délibérée de déploiement" — délibérément ralentir:
| Heure | Qui peut l'utiliser ? | État |
|---|---|---|
| Ça commence cette semaine. | Un petit lot de cyberdéfenseurs. | Ouvrir |
| Après | Partenaires fiables grâce au programme Fairwind | Libération progressive |
| Indéterminé | Développeur, entreprise, consommateur | "le plus tôt possible" |
L'annonce donnait prix, référence, classement.Seulement pas de rendez-vous.Ce n'est pas une omission, c'est une opération standard : laisser un « bientôt » il n'y a ni promesse ni violation.
En passant, Google participe également au processus de pré-test au gouvernement des États-Unis. C'est quelque chose à être sûr, mais cela signifie aussi une chose:Le temps d'être officiellement ouvert à vous n'est pas entièrement à Google.
iii. La ligne avec la valeur nette la plus élevée:
Les trois points de référence externes, Google est très généreux, sont à la fois des pourcentages et peuvent être trouvés:
| Critères de référence | Pour quoi ? | Score |
|---|---|---|
| SEC-bench Pro | Cherchez de vrais trous dans le logiciel réel. | 88.2% |
| ExpressGym | Vérifiez si la faille est exploitée. | 54.8% |
| CWE-bench | Lot de racine | 71.0% |
Toutefois, il y a une note entre crochets avant le même paragraphe, qui est très modeste:Je suis désolé, mais je suis désolé."Évalué sans la clôture."
Pourquoi est-ce important ? Parce que c'est une reconnaissance de:Ces trois chiffres, qui ne sont pas les capacités que vous pouvez réellement utiliser, sont les plafonds théoriques qui ont été supprimés des restrictions de sécurité.Dès que les clôtures seront remises dans le produit réel, les scores tomberont.
Plus que cela, 54,8 % du milieu.La clôture a été enlevée, et il a seulement prouvé que plus de la moitié des trous étaient effectivement exploités.Quel est le statut des 45 % restants ? Trouvé, rapporté, mais ne pouvant prouver les conséquences — dans la gestion des lacunes, la valeur de ces découvertes serait beaucoup moins grande.
Je ne pense pas que ce soit une tache noire. ExpluitGym est une référence difficile, dont 54,8% est déjà le meilleur. Mais lisez-le comme "AI a été capable de casser la plupart des systèmes automatiquement" et il mange ces cinq mots.
iv. Le seul endroit où Google est prêt à perdre
Tout le bulletin est sur le premier, le premier, l'état de la technique. Une seule ligne est l'exception:
WebDev Arena score 4,1768, en hausse 89 elo.
Dans cette ligne, je suis resté délibérément parce que c'était le seul nombre dans l'ensemble du texte qui était « pas le premier mais le seul écrit ». 89 elo promotion n'est pas petite dans l'arène, mais Google ne l'a pas emballé comme "top" parce qu'il ne pouvait pas être emballé, il était donc clair sur la liste que la ligne blanche était 4.
Ce détail me donne un peu plus de confiance dans ces chiffres:Lorsqu'une entreprise est prête à écrire le numéro 4 dans le bulletin, elle sait que le lecteur l'examinera.
Cinq, trois "meilleure qu'un modèle". N, pas de noms.
Et voilà la partie où tu vas vomir. Trois des multiplicateurs de performance dans le bulletin sont aussi longtemps que ceci:
- "Dans la référence interne, le taux de réussite de la génération de code de sécurité est Argon Plus de 2 foisQuelle référence interne? La voie n'est pas publique.
- Rapport de l'équipe Chrome, génération de lots de haute qualitéC'est plus de 10 fois la taille d'un autre laboratoire.- Qui est l'autre ?
- "Wiz a fait remarquer qu'il est en avance sur la référence de test de pénétration Web" -- quel point de repère? Pas de détails.
« Dix fois mieux qu'un modèle qui ne peut pas être dit » est une partie classique de la littérature d'édition. Elle remplit simultanément trois conditions:Il semble très puissant, ne peut être parjuré et ne peut pas prendre la responsabilité de la mauvaise sélection du comparateur.
Je ne dis pas que ces chiffres sont composés. L'équipe Chrome et Wiz sont de vrais partenaires, et cette validation interne s'épuise généralement. Mais en ce qui concerne un article,Un mélange de repères externes et de multiples internes indétectablesL'attention du lecteur est enlevée par ce dernier -- parce que ce dernier semble plus fort.C'est pour ça qu'il est écrit.
Prix: 50% de réduction, valable pour la confidentialité
Cette partie de Google est enfin propre:
| Point | Prix d'introduction | Après la période de présentation |
|---|---|---|
| Entrée | 2 millions de dollars | 4 millions de dollars |
| Produit | 10 millions de dollars | 20 dollars/ million de jetons |
| Entrée de cache | Entrez le prix pour jouer à 95 % (environ 0,10 $) | Basé sur le nouveau prix de base |
Les deux doivent être vus séparément. La bonne nouvelle est :Le nouveau modèle est le même prix que Argon, pas de hausse de prix.Les modèles de première ligne n'étaient pas coûteux et n'étaient pas courants au cours des deux années.
La mauvaise nouvelle est :Le prix standard est deux fois plus élevé que le prix de présentation, et la date de la présentation n'est pas dans le bulletin.Le budget annuel est calculé à 4 $/20 $. Ce chiffre, calculé à 2 $/10 $, sera retourné au travail tôt ou tard.
Encore une chose à retenir :L'entrée Cache atteint 95 % de rabais, soit 0,05 fois le prix de l'entrée.Cette réduction est maintenant la pire parmi tous les fabricants traditionnels. Si vous avez la scène du « même contexte super long », la structure des prix est réelle -- si vous pouvez l'utiliser en premier.
Sept, la partie sûre, les chiffres sont si beaux.
Google a un ensemble d'indicateurs d'alignement dans le bulletin, que j'ai copié comme ils sont, parce qu'ils sont beaux:
- Triminal-Bench 4.0 a réduit le taux de réussite 0.0%Et la tentative de tricherie est tombée à 0,4%, tandis que le taux de précision a augmenté.
- Dans l'environnement de codage du disque intérieur, les alertes à haut risque tombent.Près de 80%Je ne sais pas.
- Les réclamations non étayées sont environ inférieures à Argon La moitié.Je ne sais pas.
- Franchissement (suraccès) 26%, sous-service 29%Je ne sais pas.
- L'indice indirect de Gray Swan est injecté dans la base. 0.0%(Argon est 0,7%).
0, 0, 80, 50 %, 50 % — ces chiffres sont pris ensemble, ce qui est une question à poser:Pourquoi est-ce que tout est "bas" et "zéro" et aucun n'est absolu?
Parce que ce sont...Amélioration par rapport à ArgonEt Argon a été envoyé il y a deux semaines. Deux semaines.Deux semaines pour réduire les alertes à haut risque de 80 %, ce qui signifie que la génération précédente était vraiment mauvaise ou que l'ensemble interne était bien pire que prévu.Les deux explications ne sont pas très bonnes.
J'aimerais écrire la moitié : Il indique clairement que sur la référence publique de Gray Swan, le taux de succès zéro de l'attaque signifie que « toutes les tentatives dans cette version ont échoué ».Cette version de l'évaluationJe ne sais pas. L'offensive est une confrontation continue, le zéro pour cent d'aujourd'hui n'est pas le zéro pour cent de demain.
Il y a encore une chose que je ne dis pas : une génération de deux semaines.
Gemini 4 Argon a été libéré il y a deux semaines. Carbone construit dessus.
Les propres mots de Google, "illustre l'endroit où nous poussons le front en avant" -- montrent à quelle vitesse nous allons de l'avant.C'est la vérité et le problème.
Pour ceux qui produisent, cela signifie:Vous venez de mettre Argon sur la ligne, Benchmark, invitez, la prochaine génération est en route.Le modèle a été modifié, passant de « prise de décision annuelle » à « entretien mensuel ». Il ne s'agit pas de la famille Google, mais de la plus radicale.
Il en va de même pour l'auteur. Quand il est sorti, le prochain numéro de code aurait été divisé en interne.
Neuf, alors que pensez-vous de cette libération ?
Vous devriez l'admettre.
- Il a pris AA Inteligence Index v. 5.0, premier, 59 points, pour l'information.
- La ligne de la cybersécurité fonctionne vraiment : les trois critères externes sont les meilleurs pour le moment, pas les mots.
- La structure des prix est limitée dans le modèle avant.
- L'ordre de donner le côté défensif d'abord, puis d'évaluer, est logique — la capacité de trouver des failles est plus dangereuse pour les attaquants.
Tu aurais dû appeler le point d'interrogation.
- Un point en avant, moins que la différence entre la propre fente de pensée de l'adversaire.C'est le tri dans la même bande horizontale, pas le proxy.
- La liste vient d'être changée en v. 5.0, l'histoire est inégalée.Le « retour numéro un » n'est pas valide sur le plan méthodologique.
- Aucun des trois multiples internes n'a de nom comparatif.Aucun examen n'est possible et ne doit être cité comme conclusion.
- La référence externe était de supprimer la clôture.Ça ne veut pas dire que tu peux le faire.
- C'est 50% de réduction, mais pas de délai., double le budget.
On devrait attendre.
- Attendez que l'API publique ouvre et dirige la vraie mission. Il y a une évaluation complète entre le score et votre travail.
- Attendez le tiers.Apporte la clôture.Les trois critères de sécurité sont reproduits sous conditions.
- Attendez que quelqu'un mette le carbone et l'Opus 5.5 sur la même fente Max -- et maintenant c'est 59, à droite, 58, et la fente n'est pas alignée.
Enfin, le titre. Google est revenu à la première place cette fois, et ce n'est pas à être. Mais dans l'expression « Retour au monde d'abord », il y a une hypothèse moins valable :Il y a un "retour" stable d'abord.
La situation réelle est que les trois familles sont pressées dans une ceinture fractionnée, changeant de sièges toutes les quelques semaines, chaque fois avec une annonce "up-up".Cette « première » demi-vie est probablement aussi longue que la prochaine génération.
Gagner un point est vrai. D'abord, c'est vrai. Tu ne peux pas l'utiliser aujourd'hui. C'est la forme complète de cette version.