Справді неймовірно!
На цей раз Google нарешті викинув свої козирі.
Протягом цих двох днів у арені великих моделей з’явилася нова модель під назвою «gemini-3.8-flash».
Після кількох раундів зі зустрічі з AI-експертами та розробниками, майже вдихнув з подивом—
Це дуже ймовірно谷歌DeepMind, який цілих шість місяців розумів наступний флагманський Gemini 4 Pro!
Один із базових графіків, що поширився по всьому інтернету, справді «жахливий».
Gemini 4 Pro повністю розправився з кодуванням, агентами, міркуваннями та іншими напрямками, повністю перевершивши GPT-6 Astra та Claude Fable 5.1.
Розробник Vidhi після випробування була повністю охоплена Gemini 4 Pro.
SVG-зображення котика довело все. GPT-6 Astra відразу вивів «великого кота» (схожий на кота, але більше на laofu).
Як і говорили, Google всередині реалізував RSI, щоб Gemini 4 Pro міг прямо конкурувати з Astra/Fable.
Давньо спокійний велетень справді потужно повернувся!
Gemini 4 Pro анонімно випередив Astra та Fable
У світі ШІ вже давно не було такої ейфорії.
Варто зазначити, що велике оновлення Gemini 3.1 Pro від Google відбулося 7 місяців тому (19 лютого).
На конференції Google I/O Чай Пін раніше оголосив: Gemini 3.5 Pro запустять у червні.
Неочікувано, це велике оголошення постійно відкладалося і нарешті «померло ще в зародку»!
На початку цього місяця WSJ виключно повідомив, що Gemini 3.5 Pro було скасовано, і причина проста —
Рівень еволюції 3.5 Pro навіть не досягає рівня Flash.
На щастя, Gemini 4 добре впорався з оцінкою під час попереднього навчання, а післянавчання продовжується успішно.
Зараз Gemini 4 Pro з’явився на Arena у «костюмі» gemini-3.8-flash, на першій контрольній точці.
Проте модель Gemini 3.8 Flash була випущена ще на початку вересня, тому знову з’явитися під тим самим ім’ям дуже незвично.
Багато розробників, які спробували його, залишилися вражені 4 Pro, навіть відчуваючи його як кращий за Astra та Fable.
Зі злитих діаграм тестування видно, що 4 Pro досяг повної переваги — результати дуже вражаючі—
DeepSWE v1.1: на завданнях кодування з використанням AI-агентів 4 Pro показав найвищий результат 88,8%, що на майже 2% вище, ніж у Astra;
GDPval-AA v2: у реальних завданнях із знаннями лише 4 Pro отримав 2064 Elo;
Terminal-bench 2.1: 4 Pro має найвищу здатність до кодування — 95,3%;
OSWorld-2.0: у плані здатності до використання комп’ютера, 4 Pro показав 86,8%, обігнавши Astra та Fable.
Якщо ці оцінки в таблиці правдиві, Gemini 4 Pro справді є «найпотужнішим ІІ на землі».
Щодо цін, він також є найбільш вигідним серед «трьох великих» порівняно з Astra та Fable. Ціна за мільйон вхідних токенів — 2,25 долара, а за мільйон вихідних токенів — 11,25 долара.
Дослідник з ІІ Qwinah, увійшовши до бекенду Gemini 4 Pro, виявив, що він має ліміт у 10 мільйонів вхідних символів, ліміт у 256 000 вихідних символів, постійну пам’ять між сесіями та можливість підключення до інтернету без використання API.
Перший у світі тест 4 Pro, у тенденціях
Що справді цікавіше, ніж рейтинг, — це масштабне реальне тестування по всій мережі.
Дизайн веб-інтерфейсу, смак значно покращено
Ось і розробник Bee після тестування вигукнув: «Gemini 4 Pro занадто нереальний...»
За всього 14 хвилин 4 Pro створили «веб-сайт для креативного відображення» з темою набросків, олівців та графітової текстури.
Він може концептуалізувати ідею «прокрутка — це мазок», де лінії поступово темніють при прокрутці вниз, надаючи надзвичайно плавний інтерактивний досвід.
Це веб-сайт роботи, що поєднує кіберпанк і ретро-майбутнє.
4 Pro під час проектування поєднав на першому екрані 3D-сітку, інформаційні панелі та інтерактивні 3D-моделі.
3D+SVG, дуже популярно
Класичний тест «пелікан на велосипеді», який відомий у всьому інтернеті, показав надзвичайно вражаючий результат у Gemini 4 Pro.
Колірна схема, переключення між днем і ніччю, фари, анотації анатомії, контроль частоти обертання педалей — загальна якість повністю не поступається лідерам серед великих моделей.
Панкадж Кумар після досвіду безпосередньо підсумував кілька змін:
Швидкість висока, SVG та 3D-генерація значно покращилися; однієї підказки достатньо, щоб точно зрозуміти складні вимоги.
Навіть він уже може безпосередньо генерувати невеликі ігри з повною інтерактивною логікою та гарною візуальною ефектністю.
Знову розглянемо піксельний 3D-пагодний тест — відчувається враження присутності.
Нижче наведено 3D-модель гелікоптера Airbus H145, створену за 10 хвилин за допомогою 4 Pro.
Крім того, у тесті 3D-симулятора польоту графіка 4 Pro значно перевершила Gemini 3.8 Flash.
З цього можна зробити висновок, що Gemini 3.8 Flash і gemini-3.8-flash у арені — це не одна й та ж модель.
Одноклікова гра, яку можна відразу грати
У сфері генерації ігор Gemini 4 Pro також не залишився позаду.
«Мій світ» — від створення сторінки до дизайну кожного модуля великої гри — не поступається раніше опублікованому тесту Astra.
Також є ця 3D-гра з картингами, яка виглядає сучаснішою, ніж такі колишні хіти, як KartRider; і це було зроблено Gemini 4 Pro за дуже короткий час.
Те, у що справді вірить Google, називається RSI
Якщо цей цикл RSI справді зможе тривати, темпи оновлення моделі можуть повністю змінитися.
Минулого місяця головний стратегічний офіцер Google DeepMind Джасджит Секхон на заході у Берклі прямо сказав:
RSI (рекурсивне самовдосконалення) став ключовим елементом логіки масштабних інвестицій у ІІ.
Вся індустрія робить ставку на продовження зростання кривої здібностей.
А якщо насправді відбудеться рекурсивне самовдосконалення, ця крива може прискоритися ще більше — від «експоненційного зростання».
Щойно в мережі поширилися ще більш радикальні твердження:
Gemini 4 рано завершив попереднє навчання саме тому, що Google DeepMind досяг «замкненого циклу RSI» під час навчання.
Цікаво, що саме 14-го числа була опублікована дослідницька робота Google під назвою Dream-RSI.
Він досліджує, як агент може постійно вдосконалювати свою стратегію пошуку в процесі дослідження та продовжувати оновлювати наступний цикл дослідження на основі досвіду.
Можна підтвердити, що Google DeepMind публічно відвелa RSI дуже важливе місце.
Крім того, все більше ознак того, що ШІ бере участь у покращенні ШІ.
«Трійця» знову повертається?
Отже, Gemini 4 Pro стикається зі столом, який повністю змінився.
У OpenAI є Astra; у Anthropic є Fable 5.1.
Дві великі компанії вже перенесли конкуренцію з простого чату на довгі завдання, агенти, код, міркування та навіть автономні наукові дослідження.
Якщо Google просто створить модель, яка «сильніша за Gemini 3.8», цього вже недостатньо.
Gemini 4 Pro повинен ще раз довести: Gemini все ще на передовій!
Щоб підтримати поточну ринкову капіталізацію у 4,23 трильйона доларів США, Google критично важливо зберігати свої досягнення в галузі ШІ на рівні першої ліги.
Джерела:
https://x.com/HarshithLucky3/status/2100524699780600136
Цей матеріал надійшов із微信-каналу «Сіньчжиюань» (ID: AI_era), автори: Тяоцзи, Марко