मिथुन 4 कार्बन को Google वापस नंबर एक पर वापस लाने के लिए: एक, और आपको आज इसकी आवश्यकता नहीं होगी।

गूगल एक नया मॉडल है। बीजिंग समय, 29 अक्टूबर, 1 बजे आधिकारिक ब्लॉग "हमारे अगले फ्रंटर मॉडल", पाठ के पहले दो बिक्री बिंदुओं के साथ ऑनलाइन आया:अत्याधुनिक नेटवर्क सुरक्षा क्षमता, और लंबी क्षितिज (लंबी निरंतर संचालन) क्षमता।

"दुनिया में पहली बार" शब्द खाली नहीं है। Fifty-nine, संख्या एक।मुझे नहीं पता। संख्या दो क्लाउड ओपस 5.5 हां 58, और नंबर तीन यह है, 57.

इसलिए यह बैकलैश नहीं होगा। यह वास्तव में एक नंबर है। समस्या है...कैसे मोटी यह "पहली" है और क्या आप इसे छू सकते हैं?

दो टुकड़े आगे बढ़ाए गए:दूसरा स्थान 1 जीतता है; समेकित सूची में पहला मूल्यांकन केवल चार शब्द हैं - कोई सार्वजनिक क्षमता एपीआई नहीं।वह सब जो बना रहा था वह दोनों वाक्यों के लिए फुटनोट थे।

मैं कहता हूँ कि एक।

यह सूची आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स है, जिसे सिर्फ v. 5.0 में अपडेट किया गया है और जो नौ आकलनों को एक साथ लाता है: AA-Briefcase, ऑटोमेशन बेंच-AAA, टर्मिनल-बेंच 4.0, फ्रंटियरकोड 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 ( कठिनाइयों का सेट), टर्मिनल-बेंच-Science।

पचास-सात, पचास-सात। इस अनुक्रम को देखते हुए, मना नहीं करते।दूसरा और तीसरा एक ही मॉडल के दो प्रतिबिंब चरण हैं।ओपस 5.5 मैक्स, 57 में Xheigh लेता है।

यह वाक्य अनुवादित है:इस बार गूगल का नेतृत्व दूसरे पक्ष की सोच गहराई के बीच अंतर से छोटा है।

दूसरे शब्दों में, यह "सामान्य" नहीं बल्कि "एक ही स्तर पर विविध" है। वास्तविक अर्थ करीब है: तीन अब एक ही आंशिक बैंड में फंस गए हैं, और जो अधिक प्रशिक्षण प्राप्त करते हैं, अधिक गणित, एक दिन परिवर्तन क्रम। यह महीने में एक बार से अधिक हुआ है।

वहाँ एक और विस्तार है कि कई लोग छोड़:यह सूची "अन्य अपडेटेड टू V5.0" है।मूल्यांकन को एक संस्करण द्वारा प्रतिस्थापित किया गया था और ऐतिहासिक स्कोर की तुलना सीधे नहीं की जा सकती है। इसलिए "वापसी" शब्द तकनीकी रूप से मान्य नहीं है:तुलना करना संभव नहीं है कि पिछले संस्करण में कौन पहला है और कितना कम है।परिवर्तन के बाद पहला नया शासक पर पहला है।

ii. "प्रकाश" शब्द को उद्धरण चिह्न द्वारा पालन किया जाना चाहिए।

Ars Technica का शीर्षक बस है:"यह अंतिम फ्रंटर ऐ मॉडल है जिसे आप उपयोग नहीं कर सकते"- नवीनतम फॉरवर्ड मॉडल, आप इसका उपयोग नहीं कर सकते।

यह शीर्षक पार्टी नहीं है। कृत्रिम विश्लेषण का मॉडल पेज, मिथुन 4 कार्बन का दर्जा है:"कोई सार्वजनिक क्षमता एपीआई" नहींमुझे नहीं पता। किसी भी सूचीबद्ध संस्थानों में खुले इंटरफेस तक पहुंच नहीं थी और केवल निर्माता द्वारा प्रदान किए गए तरीके से मापा जा सकता है।

गूगल खुद कहते हैं "रोलआउट के लिए निष्क्रिय दृष्टिकोण" - जानबूझकर धीमा:

समय	इसका उपयोग कौन कर सकता है?	स्थिति
इस सप्ताह शुरू	साइबर रक्षकों का एक छोटा सा बैच।	खुला
बाद में	फेयरविंड कार्यक्रम के माध्यम से विश्वसनीय भागीदार	क्रमिक रिलीज
अनिश्चित	डेवलपर, उद्यम, उपभोक्ता	जितनी जल्दी हो सके

घोषणा मूल्य, बेंचमार्क, रैंकिंग दिया।केवल कोई तारीख नहीं।यह एक चूक नहीं है, यह एक मानक संचालन है: एक "सूर्य" छोड़ने के लिए कोई वादा नहीं है और न ही उल्लंघन है।

वैसे, Google संयुक्त राज्य सरकार में पूर्व-परीक्षण प्रक्रिया में भी भाग ले रहा है। यह सुनिश्चित करने के लिए कुछ है, लेकिन इसका मतलब एक चीज भी है:आधिकारिक तौर पर आपके लिए खुलने का समय पूरी तरह से गूगल तक नहीं है।

iii. उच्चतम मूल्य के साथ लाइन:

तीन बाहरी बेंचमार्क, गूगल की बहुत उदार, दोनों प्रतिशत हैं और इन्हें पाया जा सकता है:

बेंचमार्क	क्या?	स्कोर
एसईसी-बेंच प्रो	वास्तविक सॉफ्टवेयर में वास्तविक छेद के लिए देखो।	88.2%
एक्सप्रेस जिम	जांचें कि क्या लूपहोल का शोषण किया जा रहा है।	54.8%
CWE-Bench	जड़ से पैच	71.0%

हालांकि, एक ही पैराग्राफ से पहले एक कोष्ठित नोट है, जो बहुत मामूली है:मुझे माफ़ी है, लेकिन मुझे माफ़ी है।"बिना बाड़ का सामना करना पड़ा"।

यह क्यों महत्वपूर्ण है? क्योंकि यह एक स्वीकृति है:ये तीन आंकड़े, जो क्षमताएं नहीं हैं जिन्हें आप वास्तव में उपयोग कर सकते हैं, वे सैद्धांतिक छत हैं जिन्हें सुरक्षा प्रतिबंधों से हटा दिया गया है।जैसे ही बाड़ को वास्तविक उत्पाद में वापस रखा जाता है, स्कोर नीचे आ जाएगा।

इससे अधिक, बीच का 54.8 प्रतिशत।बाड़ को हटा दिया गया था, और यह केवल साबित हुआ कि आधे से अधिक छेद वास्तव में शोषण किए गए थे।शेष 45% की स्थिति क्या है? पाया गया, रिपोर्ट किया गया, लेकिन परिणाम साबित नहीं कर सका - पाशहोल के प्रबंधन में, ऐसी खोजों का मूल्य बहुत कम होगा।

मुझे नहीं लगता कि यह एक काला स्थान है। ExpluitGym एक हार्ड बेंचमार्क है, जिसमें से 54.8% पहले से ही सबसे अच्छा है। लेकिन इसे "AI" के रूप में पढ़ा गया है और यह उन पांच शब्दों को खा रहा है।

iv. केवल वही जगह जहां Google खो जाने की इच्छा रखता है

पूरे बुलेटिन पहले, अग्रणी, अत्याधुनिक है। केवल एक पंक्ति अपवाद है:

WebDev Arena स्कोर 4,1768, 89 elo ऊपर।

इस लाइन में, मैं जानबूझकर रुक गया क्योंकि यह पूरे पाठ में एकमात्र नंबर था जो "पहले नहीं बल्कि एकमात्र एक लिखा" था। 89 एलो की पदोन्नति अखाड़ा में छोटा नहीं है, लेकिन गूगल ने इसे "शीर्ष" के रूप में लपेटा नहीं था क्योंकि इसे पैकेज नहीं किया जा सकता था, इसलिए यह सूची में स्पष्ट था कि सफेद रेखा 4 थी।

यह विस्तार मुझे उन संख्याओं में थोड़ा अधिक आत्मविश्वास देता है:जब कोई कंपनी बुलेटिन में नंबर 4 लिखने की इच्छा रखती है, तो यह जानता है कि पाठक इसे देखेंगे।

पांच, तीन "एक मॉडल की तुलना में बेहतर"। एन, कोई नाम नहीं।

और यहाँ वह हिस्सा है जहाँ आप फेंकने जा रहे हैं। बुलेटिन में प्रदर्शन गुणकों में से तीन इस तरह के रूप में लंबे हैं:

• "आंतरिक बेंचमार्क में, सुरक्षा कोड पीढ़ी की सफलता दर आर्गन है 2 गुनाकौन सा आंतरिक बेंचमार्क? रास्ता सार्वजनिक नहीं है।
• "क्रोम टीम रिपोर्ट, उच्च गुणवत्ता वाले पैच जनरेशनयह एक अन्य प्रयोगशाला के आकार का 10 गुना अधिक है।- दूसरा कौन है?
• "Wiz ने देखा है कि यह वेब प्रवेश परीक्षण बेंचमार्क से आगे है" - जो बेंचमार्क है? कोई विस्तार नहीं।

"एक मॉडल की तुलना में बेहतर समय जिसे नहीं कहा जा सकता" प्रकाशन साहित्य का एक क्लासिक हिस्सा है। यह एक साथ तीन स्थितियों को पूरा करता है:यह बहुत शक्तिशाली लगता है, विकृत नहीं किया जा सकता है और संगीतकार के गलत चयन के लिए जिम्मेदारी नहीं ले सकता है।

मैं नहीं कह रहा हूँ कि इन नंबरों को बनाया गया है। क्रोम टीम और विज़ असली पार्टनर हैं, और यह आंतरिक मान्यता आम तौर पर दूर चल रही है। लेकिन जब यह एक लेख आता है,बाहरी बेंचमार्क्स का मिश्रण और अप्रत्याशित आंतरिक गुणपाठक का ध्यान बाद में रखा जाता है - क्योंकि बाद में मजबूत लगता है।यही कारण है कि यह क्यों लिखा गया है।

मूल्य: 50% छूट, गोपनीयता के लिए मान्य

गूगल का यह हिस्सा अंततः साफ है:

आइटम	परिचय मूल्य	प्रस्तुति अवधि के बाद
इनपुट	$2 / लाख टोकन	$4 मिलियन टोकन
उत्पादन	$10 मिलियन टोकन	$20 मिलियन टोकन
कैश इनपुट	95% की छूट (लगभग $0.10)	नए आधार मूल्य के आधार पर

दोनों को अलग से देखा जाना चाहिए। अच्छी खबर यह है:नया मॉडल आर्गन के समान मूल्य है, कोई मूल्य वृद्धि नहीं है।फ्रंट-लाइन मॉडल महंगे नहीं थे और दो साल में आम नहीं थे।

बुरी खबर है:मानक मूल्य दो बार प्रस्तुति मूल्य के रूप में उच्च है, और प्रस्तुति की तारीख बुलेटिन में नहीं है।वार्षिक बजट की गणना $4/$20 पर की जाती है। $10 पर गणना की गई आकृति जल्द ही या बाद में काम करने के लिए वापस आ जाएगी।

एक और चीज़ याद रखने के लिए:कैश इनपुट 95% बंद हो जाता है, या इनपुट मूल्य 0.05 गुना।यह छूट अब सभी मुख्य निर्माताओं में सबसे खराब है। यदि आपके पास "एक ही सुपर-लंबे संदर्भ" का दृश्य है, तो मूल्य संरचना वास्तविक है - यदि आप इसे पहले इस्तेमाल कर सकते हैं।

सात, सुरक्षित हिस्सा, संख्या इतनी खूबसूरत है।

Google में बुलेटिन में संरेखण संकेतकों का एक सेट है, जिसे मैंने उनकी नकल की थी, क्योंकि वे सुंदर हैं:

• त्रैमासिक-बेंच 4.0 ने सफलता दर कम कर दी है 0.0%और धोखाधड़ी का प्रयास 0.4% तक गिर गया, जबकि सटीकता दर बढ़ गई।
• आंतरिक डिस्क कोडिंग वातावरण में, उच्च जोखिम अलर्ट ड्रॉप।80% तकमुझे नहीं पता।
• असमर्थित दावे आर्गन से कम हैं आधा।मुझे नहीं पता।
• क्रॉसिंग (ओवररीच) 26%सेवा 29%मुझे नहीं पता।
• ग्रे स्वान के अप्रत्यक्ष संकेत को आधार रेखा में इंजेक्ट किया जाता है। 0.0%(Argon 0.7%) है।

0, 0, 80, 50 %, 50 % - इन संख्याओं को एक साथ लिया जाता है, जो पूछने के लिए एक सवाल है:यह सब "डाउन" और "zero" क्यों है?

क्योंकि ये हैं ...आर्गन के सापेक्ष सुधारऔर आर्गन को दो सप्ताह पहले भेजा गया था। दो सप्ताह80 प्रतिशत तक उच्च जोखिम अलर्ट को कम करने के दो सप्ताह, जिसका मतलब है कि पिछली पीढ़ी वास्तव में खराब थी, या यह कि आंतरिक सेट उम्मीद से कहीं ज्यादा खराब था।दोनों स्पष्टीकरण बहुत अच्छे नहीं हैं।

मैं आधा लिखना चाहूंगा: यह स्पष्ट रूप से बताता है कि ग्रे स्वान के सार्वजनिक बेंचमार्क पर हमले की शून्य सफलता दर का मतलब है कि "इस संस्करण में सभी प्रयास विफल हो गए हैं।आकलन का यह संस्करणमुझे नहीं पता। आक्रामक एक चल रहे टकराव है, आज का शून्य प्रतिशत कल का शून्य प्रतिशत नहीं है।

वहाँ एक और बात मैं नहीं कह रहा हूँ: एक दो सप्ताह पीढ़ी।

मिथुन 4 आर्गन दो सप्ताह पहले जारी किया गया था। कार्बन उस पर बनाया गया।

गूगल के अपने शब्दों, "स्थान है जिस पर हम आगे आगे आगे बढ़ रहे हैं Illustrates".यही सत्य और समस्या है।

उन लोगों के लिए जो उत्पादन करते हैं, इसका मतलब है:आपने अभी आर्गन को लाइन पर डाल दिया है, बेंचमार्क आउट, प्रॉम्प्ट आउट, अगली पीढ़ी रास्ते पर है।मॉडल को "वार्षिक निर्णय लेने" से "मासिक रखरखाव" में बदल दिया गया था। यह Google परिवार के बारे में नहीं है, लेकिन यह सबसे अधिक कट्टरपंथी है।

वही लेखक के लिए जाता है। जब यह बाहर आया तो अगले कोड संख्या को आंतरिक रूप से विभाजित किया जाएगा।

क्या आप इस रिलीज के बारे में सोचते हैं?

आपको यह स्वीकार करना चाहिए।

• यह जानकारी के लिए AA Inteligence इंडेक्स v. 5.0, पहले, 59 अंक लेते थे।
• साइबर सुरक्षा की रेखा वास्तव में काम कर रही है: तीन बाहरी बेंचमार्क इस समय सबसे अच्छा हैं, न कि शब्द।
• मूल्य संरचना को फ्रंट मॉडल में नियंत्रित किया जाता है।
• पहली बार रक्षात्मक पक्ष देने का आदेश, फिर valuing, तार्किक है - पाशहोल खोजने की क्षमता हमलावरों के लिए अधिक खतरनाक है।

आपको प्रश्न चिह्न कहा जाना चाहिए।

• एक बिंदु आगे, प्रतिद्वंद्वी के अपने सोच स्लॉट के बीच अंतर से कम।यह एक ही क्षैतिज बैंड में छँटा हुआ है, प्रॉक्सी नहीं।
• सूची को सिर्फ v. 5.0 में बदल दिया गया है, इतिहास अद्वितीय है।"Return Number One" विधिवत रूप से मान्य नहीं है।
• तीनों आंतरिक गुणकों में से कोई भी तुलनात्मक नाम नहीं है।कोई समीक्षा संभव नहीं है और इसे निष्कर्ष के रूप में उद्धृत नहीं किया जाना चाहिए।
• बाहरी बेंचमार्क बाड़ को हटाने के लिए था।इसका मतलब यह नहीं है कि आप ऐसा कर सकते हैं।
• यह 50% छूट है, लेकिन कोई समय सीमा नहीं है।, बजट को दोगुना करें।

हमें इंतजार करना चाहिए।

• जब तक सार्वजनिक API खुलता है तब तक प्रतीक्षा करें और वास्तविक मिशन चलाता है। स्कोर और आपकी नौकरी के बीच एक पूर्ण मूल्यांकन है।
• तीसरे पक्ष के लिए प्रतीक्षा करें।बाड़ लाओ।तीन सुरक्षा बेंचमार्क शर्तों के तहत पुन: उत्पन्न किए जाते हैं।
• जब तक किसी ने एक ही मैक्स स्लॉट पर कार्बन और ओपस 5.5 डाल दिया - और अब यह 59, दाएं, 58 है, और स्लॉट को संरेखित नहीं किया गया है।

अंत में, शीर्षक। गूगल ने इस समय पहले स्थान पर वापस आकर ऐसा नहीं किया है। लेकिन वाक्यांश में "पहली दुनिया में लौटें" वहाँ एक कम वैध धारणा है:पहले स्थिर, "बैक" है।

मामलों की वास्तविक स्थिति यह है कि तीन परिवारों को एक भिन्नात्मक बेल्ट में निचोड़ा जाता है, हर कुछ सप्ताह में सीटें बदलती रहती हैं, हर बार "शीर्ष" घोषणा के साथ।यह "पहली" आधा जीवन शायद अगली पीढ़ी के रूप में लंबे समय तक है।

एक बिंदु जीतना सही है। सबसे पहले, यह सच है। आज आप इसका उपयोग नहीं कर सकते। यह इस रिलीज का पूरा आकार है।