KeyFrame內部研究專用

Google Cancelled Gemini 3.5 Pro And It's Worse Than That!

World of AI·8月10日週一·9 min英文

三句話摘要

Google DeepMind 傳聞取消 Gemini 3.5 Pro,同時爆發內部領導層危機與關鍵人才流失。 Google DeepMind 因內部結構問題和人才危機,可能以悄悄取消 Gemini 3.5 Pro 來減損,所有希望都押在 Gemini 4 是否足夠強大以重奪市場信心。 模型取消與延遲:Gemini 3.5 Pro 原定 6 月上線,延至 7 月、8 月都未動靜,多次延遲後傳聞被悄悄取消。Google 改為投入 Gemini 4,作為重奪排行榜的唯一希望。

重點整理

重點
  • 1

    模型取消與延遲:Gemini 3.5 Pro 原定 6 月上線,延至 7 月、8 月都未動靜,多次延遲後傳聞被悄悄取消。Google 改為投入 Gemini 4,作為重奪排行榜的唯一希望。

  • 2

    人才流失反映組織危機:論文「Attention is All You Need」的作者 Demis Hasubis 與 Jeff Dean 等頂級研究員想離職。Google 高層察覺若兩人同時離職會影響股價,因此給予新職位留人,暴露深層結構問題。

  • 3

    市場競爭優勢喪失:Gemini 3.6 Flash 已不如 Meta Llama Spark 1.2 與 xAI Grok 4.5,Gemini 在 LLM 評測排名跌至第 8、9 位,開源模型也追上了。

  • 4

    信心危機與 PR 困局:除了 Logan Kilpatrick 為 Google DeepMind 辯護外,內部與前員工都在表示擔憂。前 Googler Dan Lu 呼籲 Google 應像 Tim Cook 為 Apple Maps 道歉一樣,承認結構性失誤。

實用技巧與重點

乾貨
  • 模型名稱與版本:Gemini 3.5 Pro(傳聞取消)、Gemini 3.5 Flash、Gemini 3.6 Flash、Gemini 3.7 Flash(可能推出)、Gemini 4(預期)
  • 競爭對手模型:Meta Llama Spark 1.2、xAI Grok 4.5/4.6/4.7
  • 關鍵人物:Demis Hasubis(創辦人)、Jeff Dean(首席科學家)、Logan Kilpatrick(Google DeepMind PR)、Corey(新領導者)
  • 時間表:Gemini 3.5 Pro 原定 6 月、延至 7 月、8 月未推出
  • 商業表現:GCP 年收入增長超 100%
  • 內部決策:Google 高層因股價考量未允許 Demis 與 Jeff Dean 離職,改給新職位

結論

結論

Google DeepMind 因內部結構問題和人才危機,可能以悄悄取消 Gemini 3.5 Pro 來減損,所有希望都押在 Gemini 4 是否足夠強大以重奪市場信心。

完整解析

詳細

Google DeepMind 近期陷入困境。根據 Semi-Analysis 等媒體爆料,Gemini 3.5 Pro 被傳聞悄悄取消。該模型原定 6 月推出,後延至 7 月、再延至 8 月,但始終沒有動靜。Logan Kilpatrick 在 Gemini Flash 上線時著重宣傳 Gemini 4,當被問及 3.5 Pro 進展時,只含糊地說「正在測試,很高興推出」,讓人難以確定該模型是否真的會問世。

更令人擔憂的是組織層面的危機。本週 Google 進行重大人事重組,任命新的領導者 Corey。但爆料指出,前任創辦人 Demis Hasubis 與首席科學家 Jeff Dean 都想離職。這兩位是《Attention is All You Need》論文的作者,該論文奠定了整個現代 AI 架構基礎。如果他們都想離開,代表 DeepMind 內部存在嚴重的組織問題——或許是方向不明、資源分配不當、或決策層面的分歧。據知情人士透露,Google 高層得知他們離職意向後,出於股價考量,選擇給予新職位以挽留他們,而非讓他們離職。

在市場競爭上,Google 的處境更加脆弱。Gemini 3.6 Flash 已不如 Meta 突然推出的 Llama Spark 1.2;xAI 則推出了 Grok 4.5,且 Elon Musk 已確認 4.6 和 4.7 即將上線。在各大排行榜上,Gemini 模型已掉到第 8 或 9 名。Google 唯一的翻盤籌碼是 Gemini 4,但市場對此能否真正逆轉局面持悲觀態度。

組織內部和外部觀察者都在發表擔憂。Logan Kilpatrick 是少數為 Google DeepMind 辯護的聲音,稱團隊正在做「了不起的工作」。但前 Google 員工 Dan Lu 指出,光說好話不足為信,更重要的是 Google 是否願意如 Tim Cook 為 Apple Maps 般道歉,承認過去一年的失誤和結構性問題。還有推測認為,Gemini 3.5 Pro 的取消可能只是重新包裝為 3.7 Flash 的舉措,Google 試圖直接跳到 Gemini 4,放棄中間層次的模型推進。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。