Google ने मंगळवारी जेमिनी 3.8 फ्लॅश लाँच केले, त्याचे सर्वात नवीन वर्कहॉर्स मॉडेल कंपनीचे सर्वोत्तम तर्क आणि कोडिंग सिस्टम म्हणून स्थानबद्ध आहे, तरीही त्याच्या पूर्ववर्ती सारख्याच किमतीत, संरक्षणात्मक सायबरसुरक्षा कार्यासाठी तयार केलेल्या Gemini 3.8 Flash Cyber ​​नावाच्या विशेष प्रकारासह. उत्पादन व्यवस्थापनाचे वरिष्ठ संचालक तुलसी दोशी आणि Google DeepMind मधील जेमिनी सिक्युरिटी लीड रालुका अडा पोपा यांनी Google च्या अधिकृत ब्लॉगवर प्रकाशित केलेली घोषणा, केवळ सहा आठवड्यांत Google चे तिसरे फ्लॅश रिलीझ आहे.

विलक्षण गर्दीच्या रिलीझ सीझनच्या मध्यभागी लॉन्च उतरले आहे आणि हे Google च्या मॉडेल लाइनवर प्रतिस्पर्ध्यांनी किंमत-आणि-कार्यप्रदर्शन दबाव आणल्याबद्दल थेट उत्तर आहे. फ्रंटियर लॅब्स कशा प्रकारे व्यापार करत आहेत याच्या विस्तृत दृश्यासाठी, ब्रेकिंग एआय न्यूज टीम प्रत्येक मोठ्या मॉडेलच्या रिलीजचा मागोवा घेते.

दोन रूपे, एक पाया

मिथुन 3.8 समान मूलभूत बुद्धिमत्तेवर तयार केलेल्या दोन आवृत्त्यांमध्ये येते. जेमिनी 3.8 फ्लॅश हे सामान्य-उद्देशीय वर्कहॉर्स आहे: Google म्हणते की ते सॉफ्टवेअर अभियांत्रिकी, एजंटिक कार्ये आणि विशेष डोमेनमधील बहु-चरण तर्कांवर 3.7 Flash पेक्षा लक्षणीय सुधारणा करते, त्याच प्रास्ताविक किमतीत $0.75 प्रति दशलक्ष इनपुट टोकन आणि $3.75 प्रति दशलक्ष आउटपुट टोकन.

Gemini 3.8 Flash Cyber ​​चे वर्णन Google चे सर्वात सक्षम सायबरसुरक्षा मॉडेल म्हणून केले जाते, ज्याला कंपनी असुरक्षितता शोधणे आणि स्वयंचलित पॅचिंगमध्ये फ्रंटियर-लेव्हल कामगिरी म्हणते. मानक फ्लॅश मॉडेलच्या विपरीत, ते व्यापकपणे उपलब्ध नाही — Google ते फेअरविंड नावाच्या नवीन प्रोग्रामद्वारे विश्वसनीय रक्षकांच्या संचामध्ये वितरित करत आहे.

ब्लॉग पोस्टनुसार, सामायिक केलेल्या कोरमध्ये कोडींग आणि तर्कशक्तीचे नफा अंशतः सायबरसुरक्षिततेच्या मागणी असलेल्या डोमेनमध्ये कठोर प्रशिक्षणाद्वारे चालविले गेले होते आणि दोन्ही मॉडेल्सचे पुनरावृत्ती मूल्यमापन आणि अंतर्निहित मॉडेल्सचे परिष्कृत करण्यासाठी डिझाइन केलेल्या दीर्घकाळ चालणाऱ्या एजंटिक लूपद्वारे वेग वाढवला गेला.

बेंचमार्क: अधिक मेहनत करणे, फक्त मोठे होणे नाही

Google चा बेंचमार्क दावा केंद्रस्थानी असलेल्या डिझाइन तत्वज्ञानावर कंपनी स्पष्टपणे बेरीज करते: 3.8 फ्लॅश "अधिक मेहनत करते." जटिल कार्यांवर, मॉडेल अतिरिक्त तर्कशुद्ध पायऱ्या चालवते आणि पुनरावृत्तीने साधने कॉल करते, काहीवेळा उच्च प्रयत्न स्तरांवर कार्यप्रदर्शन वाढविण्यासाठी अधिक टोकन वापरते. डेव्हलपर टोकन ओव्हरहेड कट करण्यासाठी प्रयत्न कमी करू शकतात किंवा जेमिनी 3.7 फ्लॅशवर राहू शकतात, जे कार्यक्षमतेसाठी-प्रथम वर्कलोडसाठी पूर्णपणे समर्थित आहे.

हेडलाइन परिणाम Google उद्धृत करतात:

  • DeepSWE v1.1 (लाँग-हॉरिझन सॉफ्टवेअर अभियांत्रिकी): 3.8 फ्लॅश सर्वात मोठ्या फ्रंटियर मॉडेल्सना स्वायत्तपणे जटिल अभियांत्रिकी समस्यांचे शेवटपर्यंत निराकरण करण्यासाठी मागे टाकते, ज्याचे Google किंमतीचा एक अंश म्हणून वर्णन करते.
  • वॅल्स फायनान्स एजंट V2 आणि हार्वेचा कायदेशीर एजंट बेंचमार्क: 3.8 फ्लॅशने 3.7 फ्लॅश आणि इतर फ्रंटियर मॉडेल्सच्या परिमाणात्मक आणि व्यावसायिक क्षेत्रात प्रगत विश्लेषण आणि अहवाल आवश्यक आहे.
  • HLE-सत्यापित: 3.8 Flash ने 54.9% मिळवले, जे Google STEM, मानविकी आणि व्यावसायिक क्षेत्रांमध्ये बहु-चरण तर्काचा पुरावा म्हणून सादर करते.

फ्लॅश सायबर: गुन्ह्यांवर संरक्षण

सायबर व्हेरिएंट हे अधिक असामान्य प्रकाशन आहे. Google म्हणते की त्यांनी शोषणासारख्या आक्षेपार्ह क्षमतेपेक्षा असुरक्षा निश्चित करण्याला जाणीवपूर्वक प्राधान्य दिले. CWE-Bench वर, Collinear द्वारे चालवलेला बाह्य पॅचिंग बेंचमार्क, Gemini 3.8 Flash Cyber ​​ने 47.2% चा pass@1 स्कोअर केला — Google च्या मते, 47.8% वर आघाडीच्या फ्रंटियर मॉडेलच्या मागे, परंतु लक्षणीय कमी किमतीत, ते बेंचमार्कच्या Pareto फ्रंटियरवर ठेवले.

CyberGym वर, भेद्यता शोधण्यासाठी एक मानक उद्योग बेंचमार्क, Google म्हणते की सायबर मॉडेल फ्रंटियर-स्तरीय स्वायत्त भेद्यता शोध प्रदर्शित करते, जे त्याच्या पूर्ववर्ती 3.5 फ्लॅश सायबर तसेच लक्षणीय मोठ्या फ्रंटियर मॉडेल्सना मागे टाकते. गुगलच्या अंतर्गत बेंचमार्कवर 20 प्रोग्रॅमिंग भाषांमध्ये जटिल कोडबेस पसरलेल्या, मॉडेलने 70% पेक्षा जास्त यशाचा दर गाठला.

आधीच Google चा स्वतःचा कोड सुरक्षित करत आहे

Google म्हणते की सायबर मॉडेल आधीपासूनच अंतर्गत तैनात केले गेले आहे आणि ते प्रदान केलेली उदाहरणे विशिष्ट आहेत:

  • क्रोम सिक्युरिटी टीमला आढळले की 3.8 फ्लॅश सायबरने सर्वोत्कृष्ट व्यावसायिक मॉडेल्सपेक्षा क्रोमच्या भेद्यतेसाठी 2.6 पट अधिक अचूक पॅच तयार केले आहेत, जे खूप मोठे आहेत.
  • सिक्युरिटी फर्म विझमध्ये, मॉडेलने इतर आघाडीच्या फ्रंटियर मॉडेलच्या तुलनेत 2.3 ते 5.2 पट कमी किमतीत अंतर्गत प्रवेश-चाचणी बेंचमार्कवर 7.5 ते 9.7 टक्के जास्त रिकॉल प्राप्त केले.
  • Google च्या क्लाउड व्हल्नेरेबिलिटी रिसर्च टीमने दोन तासांच्या आत एक गंभीर मूलभूत असुरक्षा शोधण्यासाठी मॉडेलचा वापर केला — असुरक्षिततेचा एक वर्ग ज्याचे संशोधन आणि शोध, Google नोट्स, सहसा महिने लागतात.

विकसक आणि बाजारासाठी याचा अर्थ काय आहे

डेव्हलपर्ससाठी, सीमेच्या खालच्या टोकाला किंमत स्थिरता हा व्यावहारिक मार्ग आहे. 3.7 च्या प्रास्ताविक किंमतीवर 3.8 फ्लॅश धारण केल्याने स्पर्धात्मक कोडींग-आणि-एजंटिक मॉडेलची किंमत $0.75/$3.75 प्रति दशलक्ष टोकनवर ठेवली जाते, हा एक विभाग आहे जेथे ओपन-वेट चॅलेंजर्स आणि प्रतिस्पर्धी लॅब वर्षभर पदभार कमी करत आहेत. Google चा संदेश असा आहे की खरेदीदारांना यापुढे वर्कहॉर्स टियरमध्ये किंमत आणि क्षमता यापैकी निवडण्याची आवश्यकता नाही.

फ्लॅश सायबरसाठी फेअरविंड प्रोग्राम वितरण मॉडेल तितकेच सांगणारे आहे. आक्षेपार्ह गैरवापराच्या संभाव्यतेला मर्यादा घालताना फ्रंट-टियर लॅब्स उच्चभ्रू सायबरसुरक्षा क्षमतेला मोठ्या प्रमाणावर पाठविण्याऐवजी गेट करण्यासारखे काहीतरी म्हणून हाताळत आहेत - तपासलेल्या बचावकर्त्यांना अत्याधुनिक संरक्षणात्मक टूलिंग प्रदान करतात. मॉडेलच्या प्रशिक्षणातील शोषण क्षमतेपेक्षा पॅचिंग बेंचमार्कला प्राधान्य देण्याचा Google चा निर्णय त्याच तर्काचे पालन करतो.

ताल देखील लक्षणीय आहे. सहा आठवड्यांमध्ये तीन फ्लॅश रिलीझ — तीन आठवड्यांपूर्वी 3.7 फ्लॅश, आता 3.8 — Google ने दोन वर्षांपूर्वीच्या वार्षिक-शैलीच्या रिलीझ सायकलपेक्षा जास्त वेगाने त्याच्या मध्य-स्तरीय लाइनची पुनरावृत्ती केली आहे. OpenAI च्या GPT-6 रोलआउटचा स्पर्धात्मक दबाव आणि चीनमधील वेगवान ओपन-वेट मॉडेल्सच्या लाटेने प्रत्येकाच्या टाइमलाइन संकुचित केल्या आहेत आणि Google स्पष्टपणे वर्कहॉर्स टियरवर वेग निवडत आहे, तर त्याचे फ्रंटियर मॉडेल संशोधन ध्वज घेऊन जात आहेत.

3.8 फ्लॅशचा "कठीण काम" दृष्टीकोन — परिश्रमपूर्वक मल्टी-स्टेप रिजनिंगवर अधिक टोकन खर्च करणे — कच्च्या मॉडेल स्केलपेक्षा व्यवहारात अधिक कार्यक्षम आहे हे येत्या काही महिन्यांत विकासकांच्या बिलांमध्ये दिसून येईल. Google चे स्वतःचे बेंचमार्क सूचित करतात की व्यापार परिश्रमाला अनुकूल करू शकतो; बाजार एका वेळी एक API बिल देईल.

AI च्या पुढे रहा

प्रत्येक मॉडेल लाँच, बेंचमार्क आणि किंमत बदल, जसे घडते तसे ट्रॅक केले जाते — अधिक एआय बातम्या वाचा →