Gemini 4 Carbon вернет Google номер один, и он вам не понадобится.

У Google новая модель. Пекинское время, 29 октября, в 1 час ночи, официальный блог вышел в интернет с заголовком «наша следующая модель фронтера», первые два пункта продаж текста:Современные возможности сетевой безопасности и возможности длительного горизонта (длительная непрерывная работа).

Слово «первый в мире» не пустое. Пятьдесят девять, номер один.Я не знаю. Клод Опус 5.5 Да 58, и номер три это, 57.

Так что это не будет ответной реакцией. Это действительно номер один. Проблема заключается в...Насколько густой этот «первый» и можно ли к нему прикоснуться?

Были выдвинуты две части:Выигрывает второе место 1; первая оценка в сводном списке имеет всего четыре слова - никаких публичных возможностей API.Остались только сноски к обоим предложениям.

Я говорю это.

Список представляет собой Индекс интеллекта искусственного анализа, который только что был обновлен до версии 5.0 и который объединяет девять оценок: AA-Briefcase, Automation Bench-AAA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 (подмножество трудностей), Terminal-Bench-Science.

Пятьдесят восемь, пятьдесят семь. Видя эту последовательность, не празднуйте.Второй и третий этапы отражают одну и ту же модель.Opus 5.5 занимает 58 в Max, 57 в Xheigh.

Это предложение переводится:Лидерство Google на этот раз меньше, чем разрыв между глубиной мышления другой стороны.

Другими словами, это не «общий», а «разнообразный на одном уровне». Реальный смысл ближе: трое теперь застряли в одной и той же дробной группе, и кто получает больше тренировок, больше математики, в один прекрасный день меняет порядок. Это происходило более одного раза в этом месяце.

Есть еще одна деталь, которую многие пропускают:Список обновлен до версии V5.0.Оценка была заменена версией, и исторические оценки не могут быть непосредственно сопоставлены. Таким образом, слово «возврат» технически недействительно:Невозможно сравнить, кто первый в предыдущем издании и насколько меньше.Первый после смены — первый на нового правителя.

ii. Слово «публикация» должно сопровождаться кавычками.

Оригинальное название Ars Technica:Это последняя модель Ai, которую вы не можете использовать.- Последняя передовая модель, вы не можете использовать ее.

Это не титульная партия. Страница модели искусственного анализа, статус Gemini 4 Carbon:«Без публичного API»Я не знаю. Ни одно из перечисленных учреждений не имеет доступа к открытым интерфейсам и может быть измерено только в порядке, предусмотренном изготовителем.

Сам Google говорит о «преднамеренном подходе к развертыванию» — намеренном замедлении:

Время	Кто может его использовать?	статус
Начиная с этой недели.	Небольшая группа киберзащитников.	Открыть
После	Доверенные партнеры в рамках программы Fairwind	Постепенное освобождение
неопределенный	Разработчик, предприятие, потребитель	"как можно скорее"

Объявление дало цену, ориентир, рейтинг.Только не свидание.Это не упущение, это стандартная операция: оставляя "скоро" нет ни обещания, ни нарушения.

Кстати, Google также участвует в процессе предварительного тестирования в правительстве США. Это то, что нужно знать, но это также означает одно:Время официального открытия сайта зависит не только от Google.

iii. Линия с самой высокой чистой стоимостью:

Три внешних ориентира, очень щедрые Google, являются процентами и могут быть найдены:

бенчмарк	За что?	счет
SEC-bench Pro	Ищите реальные дыры в реальном программном обеспечении.	88.2%
ExpressGym	Проверьте, используется ли лазейка.	54.8%
КМЭ-секция	Патч от root	71.0%

Однако перед тем же пунктом имеется записка в скобках, которая является весьма скромной:Прости, но прости."Оценивается без забора".

Почему это важно? Потому что это признание:Эти три цифры, которые не являются возможностями, которые вы действительно можете использовать, являются теоретическими потолками, которые были удалены из ограничений безопасности.Как только заборы будут помещены обратно в реальный продукт, оценки будут падать.

Более того, 54,8% среднего.Забор был снят, и это только доказало, что более половины отверстий были фактически использованы.Каков статус оставшихся 45%? Найденные, сообщенные, но не доказавшие последствий — в управлении лазейками ценность таких открытий была бы гораздо меньше.

Не думаю, что это чёрное пятно. ExpluitGym является жестким эталоном, 54,8% из которых уже являются лучшими. Но прочитайте его как «ИИ смог автоматически сломать большинство систем», и он съедает эти пять слов.

IV. Это единственное место, где Google может проиграть.

Весь бюллетень о первом, главном, современном. Исключение составляет только одна строка:

WebDev Arena набрала 4 1768 баллов, поднявшись на 89 эло.

В этой строке я намеренно остался, потому что это был единственный номер во всем тексте, который был «не первым, а единственным написанным». Продвижение 89 elo не так уж и мало на арене, но Google не завернул его как «верхний», потому что он не мог быть упакован, поэтому в списке было ясно, что белая линия 4.

Эта деталь дает мне немного больше уверенности в этих цифрах:Когда компания готова написать номер 4 в бюллетене, она знает, что читатель заглянет в него.

Пять, три "лучше, чем модель". Нет имен.

И вот та часть, где тебя сейчас стошнит. Три множителя производительности в бюллетене до тех пор, пока это:

• "Внутренним эталоном успешности генерации кода безопасности является Argon. Более чем в 2 разаКакой внутренний ориентир? Путь не публичный.
• "Chrome Team Report, High-quality Patch GenerationЭто более чем в 10 раз больше размера другой лаборатории.- Кто второй?
• «Виз заметил, что он опережает тест на проникновение в Интернет» — какой тест? Никаких подробностей.

«В десять раз лучше, чем модель, которую нельзя сказать» — классическая часть издательской литературы. Он выполняет три условия одновременно:Звучит очень мощно, не может быть лжесвидетельствован и не может взять на себя ответственность за неправильный выбор компаратора.

Я не говорю, что эти цифры выдуманы. Команда Chrome и Wiz являются настоящими партнерами, и эта внутренняя проверка обычно убегает. Когда дело доходит до статьи,Смесь внешних эталонов и неопределяемых внутренних кратныхВнимание читателя отвлекает последнее, потому что последнее звучит сильнее.Вот почему это написано.

Цена: 50% скидка, действительна для конфиденциальности

Эта часть Google, наконец, чиста:

Пункт	Введение цены	После периода презентации
Ввод	$2/миллионный токен	Токен $4/миллион
выход	Токен $10/миллион	Токен $20/миллион
Ввод кэша	Введите цену, чтобы играть на 95% (приблизительно $0,10)	На основе новой базовой цены

Оба должны рассматриваться отдельно. Хорошая новость:Новая модель имеет ту же цену, что и Argon, без повышения цен.Передние модели не были дорогими и не были распространены в течение двух лет.

Плохая новость:Стандартная цена в два раза выше цены презентации, а дата презентации не указана в бюллетене.Годовой бюджет рассчитывается в размере $4/$20. Цифра, рассчитанная на уровне $2/$10, рано или поздно будет возвращена на работу.

Еще одна вещь, которую нужно помнить:Входные данные кэша снижаются на 95% или в 0,05 раза по сравнению с входной ценой.Эта скидка сейчас является худшей среди всех основных производителей. Если у вас есть сцена «сверхдлинного контекста», структура цены реальна, если вы можете использовать ее в первую очередь.

Семь, безопасная часть, цифры такие красивые.

У Google есть набор индикаторов выравнивания в бюллетене, которые я скопировал как есть, потому что они прекрасны:

• Triminal-Bench 4.0 снижает уровень успеха 0.0%А попытка обмана снизилась до 0,4%, при этом показатель точности вырос.
• В среде кодирования внутренних дисков оповещение о высоком риске падает.близко к 80%Я не знаю.
• Неподтвержденные утверждения о меньшем, чем Аргон Половина.Я не знаю.
• Пересечение (overreach) 26%неполная служба 29%Я не знаю.
• Косвенный намек Серого Лебедя вводится в исходную линию. 0.0%(Аргон составляет 0,7%).

0, 0, 80, 50 %, 50 % — эти цифры взяты вместе, что является вопросом:Почему все это «вниз» и «ноль», а ни одно не является абсолютным?

Потому что это...Улучшение относительно АргонаА Аргон был отправлен две недели назад. Две недели.Две недели на то, чтобы снизить уровень тревоги высокого риска на 80 процентов, а это значит, что предыдущее поколение было действительно плохим, или что внутренний набор был намного хуже, чем ожидалось.Оба объяснения не очень хорошие.

Я бы хотел написать половину: В нем четко говорится, что на публичном эталоне Грей Лебедь нулевой показатель успеха атаки означает, что "все попытки в этой версии провалились". - Да, сэр.Эта версия оценкиЯ не знаю. Наступление - это продолжающаяся конфронтация, сегодняшний нулевой процент - это не завтрашний нулевой процент.

Есть еще одна вещь, о которой я не говорю: двухнедельное поколение.

Gemini 4 Argon был выпущен две недели назад. Углерод, построенный на нем.

Собственные слова Google «иллюстрируют место, в котором мы продвигаемся вперед» показывают, как быстро мы продвигаемся вперед.Это правда и проблема.

Для тех, кто производит, это означает:Вы только что поставили Аргон на линию, Бенчмарк, поторопитесь, следующее поколение уже в пути.Модель была изменена с «ежегодного принятия решений» на «ежемесячное техническое обслуживание». Речь идет не о семье Google, а о самой радикальной.

То же самое касается и автора. Когда он вышел, следующий кодовый номер был бы разделен внутри.

Девять, так что вы думаете об этом выпуске?

Ты должен признать это.

• Для получения информации он использовал AA Inteligence Index v. 5.0, во-первых, 59 пунктов.
• Линия кибербезопасности действительно работает: три внешних эталона являются лучшими на данный момент, а не слова.
• Структура цены сдержана в передней модели.
• Порядок отдачи обороняющейся стороне сначала, а потом оценки, логичен — умение находить лазейки опаснее для нападающих.

Ты должен был назвать знак вопроса.

• Одно очко впереди, меньше разницы между собственным слотом мышления соперника.Это сортировка в той же горизонтальной полосе, а не прокси.
• Список только что был изменен на v. 5.0, история не имеет аналогов.«Возвращение номер один» методологически недействительно.
• Ни один из трех внутренних мультипликаторов не имеет сравнительного названия.Никакой пересмотр невозможен и не должен цитироваться как заключение.
• Внешним ориентиром было снятие забора.Это не значит, что ты можешь это сделать.
• Скидка 50%, но без срока.удвоить бюджет.

Мы должны подождать.

• Подождите, пока открытый API откроется и запустит настоящую миссию. Существует полная оценка между баллом и вашей работой.
• Дождитесь третьей стороны.Принеси забор.Три контрольных показателя безопасности воспроизводятся в определенных условиях.
• Подождите, пока кто-нибудь положит углерод и Opus 5.5 на один и тот же слот Max - и теперь это 59, правильно, 58, и слот не выровнен.

И, наконец, название. На этот раз Google вернулся на первое место, но этого не произошло. Но во фразе «Возвращение в мир первым» есть менее обоснованное предположение:Вначале есть стабильная, «обратная».

Реальное положение дел заключается в том, что три семьи зажаты в дробном поясе, меняя места каждые несколько недель, каждый раз с объявлением «сверху».Этот «первый» период полураспада, вероятно, продлится до следующего поколения.

Выиграть одно очко – это правда. Во-первых, это правда. Вы не можете использовать его сегодня. Вот полная форма этого выпуска.