← Visos naujienos

Gemini 4 Neon: greitesnis ir pigesnis už Carbon, trečias Intelligence Index reitinge

ModeliaiŠaltinis: Wes Roth YouTube kanalas·
Gemini 4 Neon: greitesnis ir pigesnis už Carbon, trečias Intelligence Index reitinge

Google išleido dar vieną Gemini 4 šeimos modelį — Neon, skirtą kodavimui ir sudėtingam samprotavimui. Pranešime teigiama, kad jis greitesnis ir pigesnis už Carbon, bet pagal daugelį metrikų geresnis: trečia vieta Artificial Analysis Intelligence Index, antra pagal Pareto frontier ir pirma Vending Bench 2. Taip pat demonstruojami ankstyvi autoriaus bandymai su Victris Arena PvP botų aplinka, kur Neon su aukštu reasoning režimu pamažu lenkia Astra 6.2.

Autorius: LLM gebėjimas evoliucionuoti kovinius botus Core War stiliumi beveik tiesiogiai atitinka jo gebėjimą rekursyviai save tobulinti.

Pilna santrauka

Gemini 4 Neon pristatymas0:00

Google išleido dar vieną Gemini 4 šeimos modelį — Neon. Autorius pažymi, kad Google modelius leidžia tokiu tempu, jog dabar jau turi „Gemini 4 periodinę lentelę", o tarpai tarp išleidimų vis trumpėja — visi elementai esą bus išnaudoti gerokai prieš metų pabaigą. Pagrindinė Google strategija, pasak autoriaus, yra stumti Pareto kreivę: svarbu ne tik grynas modelio pajėgumas, bet ir kaina bei greitis.

Lyginant su Carbon — dideliu, „sunkiu" samprotavimo modeliu — Neon yra greitesnis ir pigesnis, bet pagal daugelį metrikų kartu ir geresnis, nors įprastai pigesnis ir greitesnis modelis reikštų prastesnį. Jei reikia dar pigiau ir greičiau, tenka šiek tiek paaukoti kokybės ir rinktis Hydrogen, kuris vis tiek esą labai geras. Loganas Kilpatrickas iš Google turėjo daug kartų atsakinėti į tą patį klausimą — kaip susigaudyti modelių pavadinimuose ir ką kuris jų atitinka (pavyzdžiui, ar Neon yra Haiku, o Hydrogen — Sonnet).

Benchmarkų rezultatai1:33

Neon užima trečią vietą Artificial Analysis intelekto indekse ir antrą vietą Pareto fronte. Andon Labs Vending Bench 2 jis užima pirmą vietą. Autorius pastebi, kad įvairūs Gemini 4 modeliai išstumia konkurentus iš lentelių viršaus, ir juokauja, kad tokiu tempu Google gali užimti visą top 10.

Savo paties benchmarke (smurtingesnė amerikietiškojo futbolo versija, kurią žaidžia Dungeons and Dragons personažai) autorius turi labai ankstyvus rezultatus: pirmauja Fable 5.2 atskiroje lygoje, po to Astra, Carbon, Neon, Argon ir Opus 5.5 — trečią, ketvirtą ir penktą vietas užima Gemini 4 modeliai.

Neon taip pat dominuoja Vals indekse, pirmauja legal research bench ir tax agent bench, Surge AI benchmarkuose (finansai, apskaita, skaičiuoklių modeliavimas, sudėtingų apribojimų laikymasis), Zapier automation bench ir vending machine bench 2. Geriausias savo klasėje terminal bench, science reasoning bench ir HLE diamond. Kodavime jis geras, bet čia yra žvaigždutė — Claude: daugumoje kodavimo benchmarkų Fable 5.2 ir Opus 5.5 beveik neįveikiami. Google pateikė nuorodų į kelis benchmarkus, kur Gemini 4 Neon „extra high" režimu lenkia juos vienu tašku, bet autorius to dar nepatikrino ir gilių kodavimo užduočių modeliui nedavė.

Victris Arena bandymai2:33

Autorius pristato PvP botų aplinką Victris Arena, kurią atrado vos prieš dieną. Idėja: paimi mėgstamą chatbotą (Codex, Claude, Antigravity, Grok) ir jis sukuria scenarijų, valdantį botą arenoje. Žaidime yra gebėjimų su atsistatymo laikais, karo rūkas (nematai priešų už kolonų), o pagrindinis šūvis rikošetuoja nuo sienų, tad atsiranda geometrinių galvosūkių. Autorius teigia, kad gylio stebėtinai daug.

Vakar sukurtas Astra 6.2 valdomas botas pasiekė apie 2400 taškų ir 14 vietą lyderių lentelėje. Gemini 4 Neon su „high" samprotavimo režimu per kelias valandas jau ima lenkti Astra rezultatus, ir, autoriaus vertinimu, jo mokymosi sparta kur kas geresnė. Visi kiti testuoti modeliai, įskaitant Fable 5.2, savo įžvalgas ir botų kopijas suverčia į bendrą vietinį aplanką, o specialus įgūdis veikia kaip taryba, kurioje jie diskutuoja ir tobulėja — dalis proveržių atsirado būtent lyginant pastabas. Prieš pat įrašą autorius suprato, kad Neon prie viso to apskritai nebuvo prijungtas, taigi neturėjo prieigos prie „slaptų ginklų".

Jis tikisi, kad septinta boto versija įveiks viską, įskaitant Fable 5.2, ir sako, kad šiuo metu statytų pinigus būtent už Neon.

Autorius pabrėžia, kad su įmone niekaip nesusijęs, bet nupirko bendruomenei lygą — nieko pirkti nereikia, prisijungimas nemokamas, yra 250 vietų, nuoroda po vaizdo įrašu. Pradėti esą labai lengva: galima tiesiog duoti botui URL ir leisti jam kurti bei tobulinti versijas.

Kodėl tai svarbu: Core War ir RSI6:10

Autorius aiškina, kad idėja jį persekioja nuo šių metų pradžios, kai perskaitė Sakana AI straipsnį „Digital Red Queen: Adversarial Program Evolution in Core War with LLMs". Core War — labai senas programavimo žaidimas, kuriame žmonės rašydavo mažus tarpusavyje kovojančius scenarijus. Sakana AI (kurią, anot autoriaus, įsigijo Google arba įsigijo jos akcijų dalį) davė tokius scenarijus LLM'ams ir liepė juos pritaikyti bei evoliucionuoti; laikui bėgant programos tapdavo gerokai geresnės ir tvirtesnės.

Autorius sako, kad tai primena konvergentinę evoliuciją biologijoje ir kad kalbant apie RSI — rekursyvų savęs tobulinimą — tai yra pats branduolys: LLM gebėjimas daryti tokius dalykus daugiau ar mažiau tiesiogiai atitinka jo gebėjimą rekursyviai save tobulinti. Jis pats bandė kurti savo Core War versijas, bet nė viena neprigijo.

Mythos 5.2 saugumo auditas10:20

Tą rytą autorius savo modelių sąraše rado naują modelį — Mythos 5.2. Jis paleido jį savo svetainėms ir internetiniams projektams atlikti pilną analizę: architektūra, saugumas, našumas, SEO, prieinamumas. Problemų buvo daug; pastarąsias 12 valandų modelis perstatinėjo svetainę ir lopė spragas. Apie tai žadamas atskiras vaizdo įrašas. Autorius svarsto paleisti Gemini 4 Neon ant senesnės svetainės versijos ir pažiūrėti, ar jis ras tuos pačius pažeidžiamumus; Neon kibernetinio saugumo gebėjimus jis irgi ketina išbandyti.

Kaip botai jį surado11:54

Autorius pasakoja keistą sutapimą: Victris Arena įkūrėjo Tristano botas, kurio tikslas — rasti internete kūrėjus, kalbančius apie tokias temas, parašė jam el. laišką. Autorius gauna labai daug laiškų, tad tikimybė pamatyti konkretų yra maža, tačiau neseniai sukonfigūruotas visada įjungtas Codex asistentas („taškas") jam tai pažymėjo. Taip susidarė atvira kilpa: boto laiškas, kito boto perspėjimas ir galiausiai Google algoritmas, parodęs vaizdo įrašą žiūrovams. Autorius pajuokauja, kad botai pradeda valdyti gyvenimus, bet sprendimus vis dar priima žmonės — kažkas sukonfigūravo botą, autorius pasakė „taip", žiūrovas paspaudė ant įrašo.

Lygos pavadinimo jis klausė ChatGPT, kuris pasiūlė „The Turing Pit" ir dar daugiau variantų; surengtoje apklausoje šiuo metu laimi būtent The Turing Pit, tad toks pavadinimas ir bus naudojamas.

Dalintis:

Originalas: Google's Neon is wild... (Wes Roth YouTube kanalas)

Visos 2026 m. lapkričio 19 d. naujienos · Archyvas