मैंने एक महीने में आधा खर्च किया, मिथुन 4 आर्गन।
चलो परिणाम के साथ शुरू करते हैं:मिथुन 4 आर्गन आज सुबह आधिकारिक तौर पर खुला है।मैंने इसके लिए आधे महीने का क्रूज़िंग किया, बीच में दो दीवारों पर कदम रखा, नीचे लिखा - जिस तरह से, जहां यह जीता गया था, जहां यह खो गया था, और इसे आधिकारिक रन शेड्यूल के साथ दिखा रहा था।
पहली दीवार: आधिकारिक घोषणा का मतलब यह नहीं है कि यह काम कर रहा है।
30 सितंबर को, गूगल ने जेमिनी 4 आर्गन की घोषणा करते हुए एक ब्लॉग लॉन्च किया, "रियल वर्ल्ड प्रोग्रामिंग, कॉर्पोरेट नॉलेज वर्क और साइबर डिफेंस के लिए हमारा फ्रंटलाइन मॉडल"। यह एक डरावना शीर्षक है, और मैं यह देखने के लिए उत्साहित था कि यह कैसे काम करता है।
पृष्ठ की अंतिम पंक्ति "पिछले समय से बाहर निकलने" पढ़ती है।जल्द ही अकेला था।
हमें फिर से पता चल जाएगा। यह समय है।सबसे पहले, फेयरविंड के लिए, "क्रेडिबल साइबर सिक्योरिटी गार्ड" योजना में।पूर्व जारी सुरक्षा मूल्यांकन में संयुक्त राज्य सरकार के साथ सहयोग करना। उत्पाद प्रबंधक के शब्दों में, तुलसी डोशी ने "एक मॉडल प्राप्त करने के लिए जो जल्द से जल्द रक्षकों के हाथों में साइबर सुरक्षा में अच्छी तरह से प्रशिक्षित है" किया था।
सामान्य डेवलपर्स, सामान्य उपयोगकर्ता? कोई रास्ता नहीं।
दूसरी दीवार: 11 दिनों के बाद, नेटवर्क खाली है।
मैं 11 अक्टूबर को इसे फिर से चला गया।कोई एपीआई मॉडल आईडी नहीं, कोई मॉडल कार्ड नहीं, कोई ज्ञान की समय सीमा नहींमुझे नहीं पता। उन दिनों, इंटरनेट का पागल हो गया, "इस नंबर का अर्थ", "उस मॉडल को कुचलना" लेकिन स्रोत, सभी भविष्यवाणियों, आधिकारिक डेटा नहीं।
मुझे क्या कहना है:गूगल अक्सर "शो मॉडल नाम" और "पुल मॉडल" अलग-अलग चीजें हैं।21 जुलाई को जब आधिकारिक ने एक प्रशिक्षण की घोषणा की, तो उन्होंने जेमिनी 4, एक सड़क मानचित्र संकेत कहा, एक सर्विसेबल संकेत नहीं।घोषणा और सेवा के बीच कई दिन हैं।
यह इस समय 13 दिन का है।
तीन चीजें सुबह में हुईं।
13 अक्टूबर (अर्थात इस सुबह) को गूगल ने यह सब दिया:
- मॉडल कार्ड रिलीज(13 अक्टूबर) - संरचना, संदर्भ और पूर्ण रन अनुसूची वितरित की जाती है;
- वैश्विक खुलापन- डेवलपर्स, व्यवसायों, उपभोक्ताओं को एक साथ काम करना;
- एक्सेस पथ विभाजन- इसका उपयोग कौन कर सकता है, जहां से, एक उदाहरण में।
मैं एक टेबल में "जो इस्तेमाल कर सकते हैं" डालूँगा, इसे कॉपी करें:
| आप कौन हैं? | कहाँ? |
|---|---|
| डेवलपर / एंटरप्राइज़ | एपीआई (एआई स्टूडियो + मिथुन प्लेटफॉर्म) |
| गूगल एआई अल्ट्रा सब्सक्रिप्शन | एंटीग्राविटी + मिथुन ऐप + सर्च एआई मोड |
| Google AI Pro सदस्यता | मिथुन ऐप+ खोज AI मोड |
| मुफ्त | कोई आधिकारिक उल्लेख नहीं। |
कीमतों को भी जारी किया गया:ताजा कीमतें $ 2 / मिलियन इनपुट टोकन, $ 10 / मिलियन आउटपुट टोकनऔर फिर यह चला जाता है $4 / $20मैं नहीं जानता हूँ। जब आप उस समय रहते हैं तो आप रखना चाहते हैं।
यह क्या है?
आधिकारिक मॉडल कारी से कुछ शब्दों को हाइलाइट करने के लायक हैं:
- यह एक पूरी तरह से नया फ्रंट-लाइन मॉडल है, पुराने मॉडल का एक अच्छा ट्यूनिंग या अनुकूलन नहीं है।यह महत्वपूर्ण है - "शेल अपग्रेड" नहीं।
- संरचना एक बड़े पैमाने पर हाइब्रिड विशेषज्ञ (एमओई) + ट्रांसफार्मर हैपाठ, दृश्य, ऑडियो इनपुट।
- कॉन्टेक्स्ट विंडो: 1M टोकन तक + आउटपुट दर्ज करें।यह पीढ़ी के सबसे महत्वपूर्ण उन्नयन में से एक है।
- Google होम TPU के साथ प्रशिक्षण, JAX + एमएल पथवे चला रहा है।
- पोजिशनिंग दृश्य:बहु पहिया गहराई से जांच, जटिल इंजीनियरिंग कार्य, गहरी दृश्य समझ, साइबर सुरक्षा रक्षा, बहु मोड फ़ाइल विश्लेषण, कानूनी/वित्तीय/विज्ञान तर्क।
एक वाक्य में:यह "डिफिकल्ट, डीप, लॉन्ग" के लिए जा रहा है। यह "go" के लिए नहीं जा रहा है।
यह शीर्ष शो है: स्कोर शीट, विजेता और हारे हुए।
यह पाठ का सबसे उपयुक्त हिस्सा है। गूगल Deepmind अक्टूबर 2026आधिकारिक तुलना GPT-6 एस्ट्रा, क्लाउड फेबल 5.1, क्लाउड ऑपस 5.5 थी।
यह जीता:
| बेंचमार्क | आर्गन। | GPT-6 | Fable 5.1 | ओपस 5.5। |
|---|---|---|---|---|
| वाल इंडेक्स | 68.9% | 63.1% | 65.8% | 67.0% |
| स्वचालन | 51.3% | 41.4% | 31.4% | 42.5% |
| वैल्स फाइनेंस एजेंट v2। | 65.4% | 53.5% | 58.9% | 58.6% |
| हार्वे, कानून। | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 (कोडिंग) | 77.9% | 74.1% | 67.4% | 74.2% |
| वाइब कोड बेंच | 91.9% | 89.6% | 90.3% | 90.3% |
| LABBEC 2 (वैज्ञानिक) | 88.8% | 85.4% | 68.6% | 73.1% |
| Riemann बेंच (Mathematics) | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks 256k ~ 1M | 84.2% | 71.8% | 65.0% | 66.8% |
यह जीत नहीं मिली।
| बेंचमार्क | आर्गन। | GPT-6 | Fable 5.1 | ओपस 5.5। |
|---|---|---|---|---|
| फ्रंटियरSWE v2 | 55.0% | 65.5% | 56.3% | 62.3% |
| टर्मिनल बेंच 4.0 | 57.4% | 58.2% | 57.9% | 66.4% |
| पोस्टट्रेनबेंच (ML प्रोजेक्ट) | 45.3% | 44.3% | 40.2% | 49.3% |
| टर्मिनल बैच विज्ञान 0.1 | 57.6% | 68.1% | 52.6% | 63.3% |
| OSWorld-2.0 (कंप्यूटर ऑपरेशन) | 69.2% | 72.6% | मुझे नहीं पता। | मुझे नहीं पता। |
साइबर सुरक्षा, यह पहली बार जीपीटी-6, ग्रोक 4.7 के साथ चला जाता है।(CWE-Bench v1 68.0% है)।
वास्तविकता की मेरी भावना।
वास्तविक प्रतिभा के तीन निर्देश:
- ज्ञान की चौड़ाई सही है।वाल्स इंडेक्स, वित्त, कानून और इतने पर - विशेष रूप से हार्वे लॉ, एजेंट, 19.6 फीसदी, लगभग क्रशिंग के खिलाफ। कानूनी विश्लेषण संभव है।
- संदर्भ इतना स्थिर है।256k से 1M, 84.2% GPT-6, अंतर स्पष्ट है।आपको दस्तावेजों के सैकड़ों पृष्ठों को गहरी खुदाई करने के लिए फ़ीड करना होगा। यह पीढ़ी वास्तविक है।
- बहु-मोड दस्तावेज़ विश्लेषण मजबूत है।कार्टोग्राफी 71.6 प्रतिशत, LVBech 91.7 प्रतिशत, जो चार्ट अपने आराम क्षेत्र के रूप में समझता है।
शॉर्टबोर्ड भी स्पष्ट है:
- यह सबसे कठिन वास्तविक सॉफ्टवेयर परियोजना जीतने के लिए नहीं था।GPT-6 के पीछे फ्रंटियरएसडब्ल्यूई v2 दस प्रतिशत ..."वर्तमान" और "हार्डवेयर इंजीनियरिंग" अलग-अलग चीजें हैं।
- टर्मिनल, वैज्ञानिक तर्क, कंप्यूटर संचालन बेहतर नहीं हैं।जो व्यक्ति एक खोल कार्य करना चाहता है, जो ब्राउज़र बिंदु को नियंत्रित करना चाहता है, अभी भी मजबूत है।
- "Complex first" शब्द से फोल नहीं किया जाना चाहिए।यह "अत्यंत व्यापक" है और "सबसे पहले" नहीं है।
यह आप पर है: अंशकालिक सलाह।
यदि आप एक डेवलपर हैं,
- यदि आप कोशिश करना चाहते हैं तो आप आज शुरू कर सकते हैं। एआई स्टूडियो / एपीआई पर जाओ, ताजा कीमतों की कोशिश $2.10;
- लेकिन यह...डीपSWE जैसी हार्ड कोर परियोजना का उत्तर नहीं है।- आप जटिल सॉफ्टवेयर इंजीनियरिंग चलाते हैं, फ्रंटियरएसडब्ल्यूई कॉलम में अंतर के साथ शुरू होते हैं;
- 1M संदर्भ इसका सबसे मूल्यवान बिंदु है।इसे लंबी फ़ाइलों को बड़े गोदाम में खिलाएं।
यदि आप कानूनी / वित्तीय / सुरक्षा चिकित्सक हैं
- यह पीढ़ी आपके लिए है।एक वास्तविक पदोन्नति।(a) कानून, वित्त, साइबर सुरक्षा, प्रथम स्तरीय;
- जीपीटी-6 के साथ साइबर सुरक्षा पक्ष।पहले साइबर सुरक्षा भागीदारों को वितरित किया गयायह कदम यह है कि गूगल गंभीर रूप से सुरक्षा दृश्य पर दांव लगा रहा है।
यदि आप इसका स्वाद चाहते हैं।
- Google AI Ultra, जाओ। Antigravityअल्ट्रा में प्रो सदस्यता मिथुन ऐप और खोज एआई मोड यह वहाँ है।
- मुफ्त स्लॉट का उल्लेख नहीं किया गया है।यदि आप इसे पहले उपयोग करना चाहते हैं, तो एक भुगतान प्रवेश द्वार है।
अंत में।
गूगल इसे अंदर मिला है।घर आधारित डाटा केन्द्रों में मेमोरी अनुकूलनऔर कहते हैं, "नए हार्डवेयर खरीदने के बिना सैकड़ों टीबी रैम को बंद करें" और क्वांटम कैलकुलेटर टीम इसका उपयोग कर रही है। यह "सेल्फ-सर्विंग एंड एक्सटीरियर" मार्ग किसी भी रनिंग स्कोर की तुलना में अधिक संकेतित है।
लेकिन आज की दो दीवारों को याद रखें: घोषणा का उपयोग किया जा सकता है, और पहले और पहले का संयोजन।छह महीने की अवधि के सबक दोनों हैं - बाकी, रनशीट कहते हैं, इसे पढ़ते हैं।
यह उपलब्ध है।