Song Tử 4 công bố: tín hiệu 1M, nửa giá Opus, nhưng bạn không thể sử dụng nó trong một thời gian.

Vào ngày 30 tháng 9, Google DeepMind chính thức công bố Song Tử 4 Argon, vị trí chính thức của thế hệ tình báo biên giới tiếp theo. Đây là mô hình đầu tiên của Song tử 4 và chiếc tàu đầu tiên được phóng 7 tháng sau khi Song Tử 3.1 Pro vào tháng 2 năm nay. Vào giữa khoảng thời gian đó, Google chỉ gửi ra vài mô hình nhỏ của chuỗi Flash, mà đã từng được thế giới bên ngoài xem như là rơi ra khỏi cuộc thi phía trước. Argon đã trả lời -- nó không mở cửa cho mọi người.

Trước hết, bây giờ anh không thể dùng nó.

Vào ngày nó được phóng, Argon chỉ được mở ra với "sự phòng thủ mạng đáng tin cậy" trong dự án Google Fairwind. Kế hoạch được thực hiện vào ngày 2 tháng 9 và nhắm vào chính phủ và các tổ chức mạng quốc gia, những người điều hành cơ sở hạ tầng chủ yếu như y khoa/telecation/ năng lượng/ tài chính, nền tảng công nghệ lõi và phòng thí nghiệm học thuật phòng thủ. Các ứng dụng được yêu cầu phải được kiểm tra, phải sử dụng biện pháp đối chứng đa hợp cá và không được chia sẻ hoặc tái truy cập. Chính thức, hiện nay có hơn 550 cơ quan hợp tác.

Các khách hàng và các nhà phát triển đăng ký của Google AI, các doanh nghiệp và khách hàng bình thường, chính thức được gọi là " càng sớm càng tốt," nhưngKhông có ngày tháng.Tôi không biết. Điều quan trọng hơn là chúng ta phải cẩn thận.ID mô hình ADI chưa được công bố cho đến nayKhông có thẻ mô hình và không có ngày tháng thiếu kiến thức. Vì vậy, bạn thấy một giá như "2 đô-la đầu vào" mà chỉ có thể được hiểu như là một giá trị thương mại tương lai được công bố chính thức, không có nghĩa là nó có thể được gọi là ngày hôm nay.

Nhân tiện, điều này phù hợp với OpenAI, Antropic - đợt bùng phát ngày của OpenAI, Dự án Kính Môi Trường, tất cả đều khóa lại khả năng an ninh mạng mạnh nhất trong quá trình điều khiển. Google cũng tham gia vào quá trình kiểm tra tự nguyện của chính phủ Hoa Kỳ trước khi công bố mô hình tiền tuyến.

Hiệu suất đầu ra 1M: vụ cá cược này là dài

Argon, chỉ số kỹ thuật khó nhất không phải là ngữ cảnh, mà là ngữ cảnh.Giới hạn xuất được đề cập từ thẻ 64K 1MVà Google nói rằng đó là ngành công nghiệp đang dẫn đầu. Chú ý, đầu ra, không phải đầu vào.

Sự khác biệt này là quan trọng đối với người đã làm đặc vụ. Trong quá khứ, bạn lo lắng về việc “chúng ta có thể đọc được bao nhiêu phần trong bài này? Một nhiệm vụ di trú quy mô lớn có thể đòi hỏi phải đọc đi đọc lại nhà kho, thay đổi, làm bài kiểm tra, đầu ra độc giả, lập trình lại và lỗi mới. Khi ngân sách đầu ra lớn, mô hình không cần phải dừng lại sớm và trở lại điều khiển. Google nói rằng khi có không gian cho các mô hình suy nghĩ sâu sắc và tạo ra hàng trăm ngàn vật kỷ niệm một bước tại một cuộc họp về khả năng giải quyết một vấn đề.

Nhưng đừng coi nó như một cái chảo. Trần nhà cao không có nghĩa là nó nhớ những chi tiết trước đó, chọn đúng công cụ, đắp vá đúng và nhanh hơn. Những điều này phụ thuộc vào bối cảnh của đầu vào, khuôn khổ đặc vụ, bản thân nhiệm vụ và liên kết xác thực. Và một trần nhà cao cho phép bạn đốt cả gia tài cho một nỗ lực thất bại.Sử dụng 1M là ngân sách mặc định cho mỗi yêu cầu, tốc độ không tốt.Đó là mức độ nhiệm vụ, việc ghi lại sự tiêu thụ thực tế và sự ngừng thiệt hại đúng lúc để cố gắng mà không có sự tiến bộ có thể đo lường được.

Thắng lớn, không phải tất cả.

Google xuất bản bảng so sánh với GPT-6 Astra, Claude Fable 5.1 và Claude Opus 5.5. Số liệu thống kê của phương tiện truyền thông: trong số 18 tiêu điểm được tiết lộ, Argon là người đầu tiên trong số 12 người và là người đầu tiên; Astra là 3 và Opus 5.5 là 2 người đầu tiên. Nói cách khác,Người mẫu đứng đầu trong ba hàng đầu, Argon, nhưng trò chơi vẫn tiếp tục.Tôi không biết.

Điểm dẫn:

• DeepSWE v1. 177.9 phần trăm (một dự án phần mềm xe đạp dài) cao hơn 74.2 phần trăm cho Opus 5.5 và 74 phần trăm cho Astra
• Chỉ mục Vals(Tài chính/ chương trình/đường dây/đường cong ảnh hưởng kinh tế như được đo lường bởi trọng lượng GDP ở Mỹ)
• Tự động hoá Bech51.3%, đầu tiên, 8.8 điểm cao hơn Opus
• Harvey Law Age Benchmark19,6 phần trăm, trong khi Astra chỉ 5.4 phần trăm, Opus 5.5 phần trăm — một tỷ lệ phóng đại, nhưng lưu ý rằng giá trị tuyệt đối vẫn còn ít hơn 20 phần trăm — “một sự gia tăng đáng kể từ căn cứ thấp có thể dễ dàng xuất hiện hơn so với thực tế.
• LVBch91.7%, SOTA
• GenericName68% (sự kiện được sửa chữa), đầu tiên với Astra

Khi nó lùi lại, nó vẫn như cũ:

• FrontierWEWE v2Astra 65.5 phần trăm so với Argon 55.0 phần trăm, 10.5 điểm
• Khoa học trạm cuốiNameAstra 68.1% đấu với Argon 57.6%, cùng 10.5 điểm
• Trạm cuối 4.066.4% so với Argon 57.4%, 9 điểm
• Bảng tạm: Obus 49.3% chống lại 45.3%

Đó là lý do tại sao việc chọn ai vẫn còn phụ thuộc vào việc anh làm. Đầu mối của DeepSWE không có nghĩa FrontierSWE đang dẫn đầu, với 2 bộ thiết bị dự phòng, độ dài nhiệm vụ, ngôn ngữ, hành vi công cụ.Nếu trọng tải của bạn giống như FrontierSEE hoặc nhiệm vụ cấp cuối, không có lý do gì để chuyển Astra và Opus ra khỏi ứng cử viên.

Bên thứ ba, phân tích nhân tạo, đưa ra Chỉ số 53 điểm, tương tự như GPT-6 Astra và độ trễ đằng sau Claude Opus 5.5 và Sonet 5.5; ngược lại, Song Tử 3.1 Pro là 30. Fello Al cũng đề cập đến nó trong mô hình đầu thử nghiệm bởi phân tích nhân tạo.Tỉ lệ ảo giác thấp nhất.Ừ. Cùng lúc đó, họ báo cáo rằng một số nhân viên Google cảm thấy họ vẫn đang vật lộn với lập trình thực sự.

Google đang sử dụng nó rất nhiều

Một số trường hợp nội bộ đã được nêu ra, phần hữu ích nhất của văn bản, vì chúng là sự hạ cánh của môi trường sản xuất thực sự hơn là chạy phòng thí nghiệm:

• Thuật toán lượng tử tối ưu hóaGiúp các đội máy tính lượng tử tối ưu hóa thời gian và tài nguyên không gian (cửa bình x) cho ứng dụng quan trọng, một trường hợp vượt quá đường cơ sở đã được xuất bản trong phút 40%
• Name: một nhóm đặc vụ Argo phân tích toàn bộ hệ thống đo đạc của hạm đội, tự động nhận diện và áp dụng bộ nhớ tối ưu hóa, giải phóng hơn 300 TiB RAM sau khi lan rộng, và mong đợi tổng số tiết kiệm của 500 Tib đến 1 PiB
• C/C++ Quay Rust: Từ hàng chục ngàn dòng trong thư viện chính như re2, libgav1 đến hơn 8000.000 dòng trong lõi bên trong Fuchsia Os Zircon. Những hệ thống này rất quan trọng để viết lại quy mô lớn cần một phương pháp tự động nghiêm ngặt để kiểm tra sổ tay, kiểm tra mô phỏng và đánh giá trước khi sản xuất.

Cụ thể nhất là libgav1-Google Mở mã nguồn video. Argon Đặc vụ tiếp quản một cổng Rust đã có, được xuất khẩu thông qua nhiều vòng thí nghiệm và biên dịch viên nghiên cứu.Mã SIM tuyến 32K thay thếBộ biên dịch đầu ra có thể tự động định lượng an ninh của Rust. Kết quả là một sự giải trí an toàn, so với bản dịch của RustThôi nào, 2.7 lần.Kết quả video là chính xác như nhau.

Vùng chiến trường chính thứ hai của Argon

Argon đã được đào tạo để bảo vệ mạng.Tự phát hiện, xác thực và sửa chữa các lỗ hổng phần mềm khóaTôi không biết. Google sẽTháo hàng rào an ninh ra.Gửi đi và cho họ tất cả khả năng phòng thủ phía trước.

Phát hiện ra thành tích: qua chương trình quét tìm kế hoạch tốt để bảo vệ cơ sở hạ tầng công cộng quan trọng miễn phí với Argon, được mô hình hóaPhần mềm y tế được sử dụng tại Bệnh viện Toàn cầu tìm thấy một lỗ hổng nghiêm trọng làm lộ thông tin cá nhân nhạy cảm, và không một mô hình nào trước đó tìm thấy nó.Tôi không biết. Ngoài ra, Argon còn tìm thấy phơi nhiễm trong một kho mã phức tạp gồm 20 ngôn ngữ lập trình trên một bảng xếp hạng trong Google; và ở Wiz trên một bảng xếp hạng kiểm tra hộp đen, nó vượt quá 3-8 công nghệ Flash trên việc khám phá ra bề mặt tấn công, xác định lỗ hổng, và tạo ra bằng chứng PoC.

Công trình đầu tiên của dự án Fairwind là Song Tử 3.8 công nghệ Flash với khuôn khổ CodeMender giúp phòng thủ xác định, xác thực và sửa chữa lỗ hổng.

Chạy một nửa giá bắt đầu, rồi tăng gấp đôi.

Giá giới thiệu là...Token 2 đô la một triệu, xuất 10 đô la95% giá đầu vào cho đầu vào bộ nhớ tạm là về 0. 10 triệu USD nhập bộ nhớ tạmTôi không biết. Tăng đến cuối giai đoạn giới thiệu Nhập 4 đô-la / 20 đầu raĐầu vào bộ nhớ tạm là khoảng 0,20 đô. Tuy nhiên, Google không nói thời kỳ này là bao lâu, “công nghiệp thực hành điều này — và đôi khi — cái giá quá đắt này vẫn là giá chính thức.

Hãy đặt nó vào cùng một tờ tiền: Argon trong thời gian giới thiệu là GPT-6 Astra (10/50 đô la).Một phần năm.Claude Opus 5.5.Một nửa.Tôi không biết. Cái giá của Google là 2 câu chuyện khác nhau... Giai đoạn thăng chức là một trong những mô hình đầu rẻ nhất, và sự thăng tiến kết thúc với cùng giá với Opus 5.5.

Cổng an ninh trước khi phóng.

Google thêm vào các biện pháp an ninh bốn hướng:

• phòng ngừa sự lạm dụngĐược thiết kế để từ chối các yêu cầu về mạng độc hại và CBRN trong khi vẫn giữ các nghiên cứu kép hợp pháp; cải tiến công nghệ kích hoạt mô hình giám sát bên trong để xác định lạm dụng. Hàng rào đã được thử nghiệm bằng một phương pháp tấn công bằng tay và tự động bởi các đội đỏ bên trong và bên ngoài.
• mũi tiêm tiền dượcGoogle mô tả Argon là "một mô hình kiên cường nhất để cập nhật các điểm bùng phát gián tiếp". Tỷ lệ thành công chiến thắng của tổ chức IPI Gray Swan 0.7%So sánh với 1.0% cho Opus 5.5 và Fable 5.1, 8.5% cho GPT-6 Astra, 27.0% cho GPT-6 Sol, 5.3 31.5% cho GLM, và lên đến 51.8% cho Grok 4.8 - Đó là một khoảng trống khá lớn.
• Theo dõi mục tiêu lệch hướng.: Theo dõi chuỗi tư tưởng và hành động của Argon và ngắt quãng thực hiện nếu cần thiết. Google đã sử dụng một hệ thống tương tự trong quá trình đào tạo để cảnh báo các đội phản ứng khẩn cấp đặc biệt và cố ý tránh tái định hướng phát hiện để định hình lý luận có thể làm gián đoạn giám sát.
• Hệ thống tăng việnPhân biệt chủng tộc và môi trường hộp cát trước khi bắt đầu đào tạo hoặc đánh giá, như trên bản đồ đặc vụ Control Road

Bài báo " Thất bại trong việc cung cấp thông tin giám sát tìm kiếm trở lại đào tạo" là một trong những từ hay nhất của tin tức: Điều này cho thấy một vấn đề thật sự: Nếu bạn huấn luyện người mẫu với kết quả giám sát, các mô hình có thể học được “cách nào để không bị phát hiện bởi máy giám sát, thay vì“ cách nào không bị phân tán.

Còn sự giải thoát này thì sao?

Đối với các công ty, mục đích của việc phát hành này không phải là một robot chat khác, mà là Google, sau vài tháng chịu áp lực từ OpenAI và Antropic, để chứng minh rằng anh ta vẫn còn ở bàn phía trước. Nó được chọn 3 giọt -- phát triển phần mềm, chuyên môn, bảo mật mạng lưới. Đó chính xác là nơi các doanh nghiệp chi tiêu tiền.

Nhưng nó không cần phải có “cả hai bên để thay đổi hình thức cạnh tranh.Năm 18 hay 13 điểm song song là đủ để Google ủng hộ "đầu mối mở rộng"Và những cái mà nó chậm lại phía sau — FrontierSEE v2, Terminal-Bech Science, Terminal-Bech 4.0 — cũng nhắc nhở bạn rằng OpenAI và Antropic vẫn có những khu vực kỹ thuật rõ ràng.

Kết luận thực tế chỉ là một câu:Mô hình vẫn còn phụ thuộc vào số lượng công việc của bạn.Đem công việc thực sự của anh cho phi công, và đừng làm trò cười. Nguồn nước thực sự là khi Argon mở cửa cho các nhà phát triển, doanh nghiệp và người tiêu dùng - đó là khi sự giải phóng chuyển từ tin tức sang năng suất.

Không có đầu phía trước, chỉ có vòng tiếp theo.