KeyFrame內部研究專用

Gemini 3.8 Flash Is Here But Where Is Gemini 4 Pro!

World of AI英文
觀看原始影片

三句話摘要

Google本週加速發佈多款新模型,Gemini 3.8 Flash兼具競爭力與成本效益,預期Gemini 4即將面世與業界頂級模型對標。 Google正加速發展與產品發佈,Gemini 3.8 Flash展示了中端市場的競爭力,但Gemini 4才是其真正挑戰頂級模型的關鍵之作——應等待官方基準而非預測數據下判斷。 Google正加速發展迴圈,近期連續推出多款新模型,反映公司重新聚焦於與OpenAI及Anthropic競爭的策略,Gemini 4將是關鍵之作。

重點整理

  1. Google正加速發展迴圈,近期連續推出多款新模型,反映公司重新聚焦於與OpenAI及Anthropic競爭的策略,Gemini 4將是關鍵之作。

  2. Gemini 3.8 Flash具三層配置(高中低),在中端模型市場與Anthropic Opus 5 Medium和Fable 5.1競爭,展示Google在成本控制與性能平衡的進展。

  3. 泄露的Gemini 4基準數據顯示在多項評測上超過GPT-6 Astra(如AIME達99.1% vs 97.6%),但講者認為此為過度樂觀的預測,應等待官方公布。

  4. Google龐大的生態整合能力是關鍵優勢,新模型將透過Gmail、Google Vids、Gemini API等平臺廣泛觸及用戶。

實用技巧與重點

  • Gemini 3.8 Flash性能指標:
  • 高階模式:AI2指數59、速度398、成本0.58美分/任務
  • 中階模式:AI2指數57、速度313、成本0.41美分/任務
  • 低階模式:AI2指數52、速度330、成本0.24美分/任務
  • 新發佈模型:
  • Gemini 3.8 Flash Cyber——網路安全專用,具漏洞檢測與自動修復能力
  • Laria 3.5——音樂生成模型,整合至Google AI Studio、Gemini App Flow、Google Vids
  • Weather Next 3——Google DeepMind與Google Research開發的全球氣象預測模型
  • Gemini 4泄露基準預測(未官方確認):
  • Terminal Bench Science 0.1:72.8%(vs GPT-6 Astra 64.6%、Fable 5.1 52.6%)
  • Automation Bench:48.7%(vs GPT-6 Astra 41.4%)
  • AIME數學:99.1%(vs GPT-6 Astra 97.6%)
  • ARC AGI3:99.9%(與GPT-6 Astra相同,遠超GBT 5.6 Soul的7.8%)
  • 分佈平臺:
  • Gemini API、Google AI Studio、Gemini App Flow、Gemini Enterprise Agent Platform、Google Vids

結論

Google正加速發展與產品發佈,Gemini 3.8 Flash展示了中端市場的競爭力,但Gemini 4才是其真正挑戰頂級模型的關鍵之作——應等待官方基準而非預測數據下判斷。

完整解析

Google在過去幾週加快開發步伐,打破了數月的沉寂期。本週一口氣發佈了四款新模型,標誌著公司正重新聚焦於與OpenAI和Anthropic的競爭。其中最值得關注的是Gemini 3.8 Flash,這款模型有三種配置版本,分別針對不同的效能、速度和成本需求。

Gemini 3.8 Flash在中端市場表現亮眼。高階版在AI2指數上得分59,與Meta's Muspark 1.3相近但略低於其61的排名;相較之下,Anthropic的Opus 5 Medium和Fable 5.1的低階版本也都在59分以下。價格方面具有顯著競爭力——即使是高階版本,每項任務成本僅0.58美分,而相同配置下性能測試速度達398。這個組合展示了Google在成本控制與性能平衡上的進展,儘管此模型尚未躋身頂級行列。

同時發佈的Gemini 3.8 Flash Cyber專為網路安全設計,宣稱具備前沿水準的漏洞檢測與自動修復能力,預示Google在垂直領域的專業化方向。Laria 3.5音樂生成模型則透過廣泛的分佈管道(包括Gemini API、Google AI Studio、Google Vids)擴大觸及面,充分利用Google在生態系統中的既有優勢。Weather Next 3作為Google DeepMind與Google Research的聯合之作,專注於全球氣象預測領域。

真正引發討論的是Gemini 4的泄露基準數據。根據預測,Gemini 4在多項評測上都將超越OpenAI最新的GPT-6 Astra和Anthropic的Fable 5.1。例如在Terminal Bench Science 0.1測試中預計達72.8%,遠高於GPT-6 Astra的64.6%;在AIME數學評測達99.1%,而GPT-6 Astra為97.6%;在ARC AGI3達到99.9%,與GPT-6 Astra持平但遠超早前GBT 5.6 Soul的7.8%。不過講者強調這些是預測性基準,並非官方驗證結果,他個人認為這些數據過度樂觀,真實表現可能不會達到這般水準,但若確實如此,Google DeepMind團隊的逆轉將值得敬佩。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。