सार:
दो सप्ताह तक ऑनलाइन चर्चा के बाद, Google AI का नया फ्लैगशिप जेमिनी 4 आर्गन आखिरकार आधिकारिक तौर पर लॉन्च हो गया है। आप जानते हैं, पिछली बार जेमिनी के पास फ्लैश/फ्लैश-लाइट जैसे हल्के संस्करण अपडेट के बजाय एक प्रमुख संस्करण अपडेट था, यह दूर का जेमिनी 3.1प्रो था। हम उस समय भी वसंत महोत्सव मना रहे थे, लेकिन अब, हमने 2026 में सभी वैधानिक छुट्टियां भी मना ली हैं...
इन लगभग आठ महीनों के दौरान, जियांग जियांग, एक Google प्रशंसक के रूप में, Google द्वारा लगभग नाराज हो गए थे जब उन्होंने अगले दरवाजे पर दो AI मॉडल की विकास गति देखी।
चैटजीपीटी एक बार जीपीटी-इमेज-2 से पूरे इंटरनेट पर लोकप्रिय हो गया और तेजी से प्रगति की है। अब इसकी मेज पर GPT-6 एस्ट्रा और GPT-6.1 Sol हैं।
एंथ्रोपिक को फिर से देखते हुए, ओपस 4.8 है, जिसकी आज भी अत्यधिक प्रशंसा की जाती है, और मिथोस 5, जो "प्रदर्शित करने के लिए बहुत खतरनाक था" और उसके बाद की कहानी 5। पिछले दो हफ्तों में, सभी क्लाउड 5.5 बाल्टियाँ वितरित की गई हैं।
दूसरी ओर, Google मुसीबत में है। I/O सम्मेलन में, उन्होंने जेमिनी 3.5 प्रो लॉन्च करने की कसम खाई, लेकिन आंतरिक रूप से वे अब इसे बर्दाश्त नहीं कर सके। वे इसमें देरी करते रहे और अंततः इसे पूरी तरह रद्द कर दिया।
आधे साल से अधिक समय तक, यह दिन बचाने के लिए केवल फ्लैश के चार संस्करणों की निरंतर रिलीज पर भरोसा कर सकता था, और एआई सर्कल में इसकी प्रतिष्ठा भी गिर गई।
आप जानते हैं कि मैं Google से क्या कहना चाहता हूं:
यहां तक कि आज आधिकारिक तौर पर जारी किया गया जेमिनी 4 आर्गन भी थोड़ा हास्यास्पद है। मूल रूप से, Google ने दो अन्य कंपनियों के उदाहरण का अनुसरण किया, मॉडल का नामकरण बदल दिया, और मॉडल कोड के रूप में अक्रिय गैस आर्गन (आर्गन) का उपयोग किया।
परिणामस्वरूप, सभी नेटिज़न्स का उपहास उड़ाया गया। क्या इस नाम का वास्तव में यह अर्थ नहीं है कि वह "सतर्क है और बकवास नहीं करता है (आर्गन अत्यंत स्थिर रासायनिक गुणों वाली एक अक्रिय गैस है)"? वास्तव में, यह उपयोगकर्ताओं को यह याद दिलाने के लिए है कि नए मॉडलों में हमेशा पैसे खर्च होते हैं। बस कुछ शब्दों के बाद, सभी टोकन ख़त्म हो गए (उच्चारण आर्गन के समान ही)।
इससे भी अधिक अपमानजनक बात यह है कि जेमिनी 4 आर्गन को स्पष्ट रूप से 30 सितंबर को जारी किया गया था, लेकिन इसे कैबिनेट में रखा गया और आधे महीने तक डांटा गया, और अब केवल हर कोई इसका उपयोग कर सकता है।
नतीजतन, तीसरे पक्ष के संगठन आर्टिफिशियल एनालिसिस के स्कोर के मामले में, यह मेटा के सबसे मजबूत फ्लैगशिप, म्यूज़ वंडर फुल से आगे निकल गया है, जो कल ही जारी किया गया था...
लेकिन शिकायतें तो शिकायतें ही होती हैं, आइए विषय पर वापस आते हैं और बात करते हैं कि जेमिनी4 आर्गन कैसा है।
सबसे पहले, मैं आपको हमारे अपने प्रो खाते द्वारा संचालित एक बिग पेलिकन दिखाऊंगा।
संकेत यह है: एक उड़ते लड़ाकू जेट के धड़ के शीर्ष पर व्हीली करते हुए एक पेलिकन बनाएं। स्वर कला शैली। एकल HTML फ़ाइल.
जब इसे पहली बार जनरेट किया गया था, तब भी आर्गन गलत था, लेकिन रिपेयर पर क्लिक करने के बाद, इसे एक सेकंड में ठीक कर दिया गया।
नेटिज़न्स ने एक तुलनात्मक सामग्री भी पोस्ट की: ओपस 5.5 और जेमिनी 4 आर्गन, जो टेस्ला-शैली मोटर के कार्य सिद्धांत को समझाते हुए एक 3डी एनीमेशन उत्पन्न करता है।
अगले के लिए टिप शब्द: एक सोलरपंक सिटी एनिमेटेड GIF, पिक्सेल आर्ट, सुपर विस्तृत, सुपर हाई क्वालिटी बनाएं, शानदार दिखें, दृश्य रूप से सत्यापित करें, सुनिश्चित करें कि यह सुसंगत और सही है।
नेटिज़न्स ने कहा कि क्लाउड की कीमत 8 अमेरिकी डॉलर से अधिक है, जबकि आर्गन की कीमत केवल 1.2 अमेरिकी डॉलर है।
न केवल तस्वीर स्थिर है, बल्कि मेरी दादी के घर पर पैसे भी बच गए हैं। इसे इस तरह से देखते हुए, क्या हम उस वाक्य को चिल्लाकर कह सकते हैं: Google, अद्भुत!
Google के आधिकारिक रिपोर्ट कार्ड को देखते हुए, आर्गन ने 19 सार्वजनिक बेंचमार्क परीक्षणों में से 13 में पहला स्थान हासिल किया, जिन्होंने GPT-6 एस्ट्रा और क्लाउड ओपस 5.5 के साथ आमने-सामने प्रतिस्पर्धा की। इसने बड़े मॉडल क्षेत्र LMArena की टेक्स्ट ब्लाइंड टेस्ट सूची में भी सफलतापूर्वक शीर्ष स्थान हासिल किया।
लेकिन इस बार Google जिस चीज़ पर ध्यान केंद्रित कर रहा है वह सिर्फ स्कोर चलाना नहीं है। उन्हें जो और भी अधिक क्रूर लगता है वह यह है कि उन्होंने "अल्ट्रा-लॉन्ग इनपुट" को, जो अतीत में एक बड़ा मॉडल हुआ करता था, "एक्स्ट्रा-लॉन्ग आउटपुट" में बदल दिया है।
1 मिलियन टोकन के मूल मल्टी-मोडल इनपुट को बनाए रखने के आधार पर, आर्गन ने पिछली पीढ़ी में 64,000 से लगभग 16 गुना तक एकल अधिकतम आउटपुट की ऊपरी सीमा को सीधे और हिंसक रूप से बढ़ा दिया, आश्चर्यजनक रूप से 1 मिलियन टोकन तक पहुंच गया (इनपुट और आउटपुट एक मिलियन संदर्भ पूल साझा करते हैं)।
इसका क्या मतलब है?
पिछले बड़े मॉडल हर दिन दावा करते थे कि वे लाखों टोकन इनपुट का समर्थन करते हैं, लेकिन वास्तव में वे शीर्ष पर थे।
पिछला मॉडल एक बार में पूरी किताब पढ़ सकता था, लेकिन आउटपुट दयनीय था। कठिन कार्यों का सामना करते समय, मॉडल कोटा समाप्त कर सकता है और पृष्ठभूमि में ड्राफ्टिंग करके इसे जबरन आधा कर सकता है।
अब आर्गन के पास एक नई लंबी डिकोडिंग गतिविधि है। आर्गन की एकल आउटपुट सीमा वास्तव में अभी भी 64,000 है। तथाकथित मिलियन आउटपुट का मतलब है कि पृष्ठभूमि में बजट बढ़ाने के बाद, हर बार जब आप बिना परिणाम के 64K चलाते हैं, तो सर्वर स्वचालित रूप से ब्रेकपॉइंट पर अगला रिले शुरू कर देगा।
यह 24 घंटों तक पृष्ठभूमि में 1 मिलियन संदर्भ पूलों को ख़त्म कर सकता है, और यह पॉज़ बटन और पावर-ऑफ सुरक्षा से भी सुसज्जित है। यहां तक कि अगर नेटवर्क डिस्कनेक्ट हो गया है या कोटा कम सेट है, तो भी यह दोबारा शुरू किए बिना निर्बाध रूप से चलता रह सकता है।
Google का कदम हर किसी के लिए किताबें लिखने के लिए AI का उपयोग करना आसान बनाना नहीं है। वर्तमान एजेंटों के लिए गहराई से सोचने के लिए जगह छोड़ना अधिक महत्वपूर्ण है, ताकि भविष्य में, एआई एक ही बार में संपूर्ण वर्कफ़्लो को संभाल सके।
इसके अलावा, Google ने यह भी कहा कि यह केवल बेचना और शेखी बघारना नहीं है, बल्कि वास्तव में कई महान कार्य करने के लिए आंतरिक रूप से आर्गन का उपयोग करना है।
उदाहरण के लिए, क्रोम टीम के कोड की 40 मिलियन लाइनों के पैतृक गंदगी पहाड़ में, पुराने कोड की 6 मिलियन लाइनों से भरा एक विशाल फ़ोल्डर है। इंजीनियरों ने सीधे आर्गन डाल दिया और सैकड़ों फाइलों से मुख्य वेब पेज तर्क को हटा दिया। मूल रूप से कई महीनों की कड़ी मेहनत को कुछ ही हफ्तों में पूरा कर लिया गया (इससे हमें एक नए अनुभव को अनलॉक करने में भी मदद मिली: भविष्य में, हम टैब को क्रोम में फ्लोटिंग विंडो में खींच सकते हैं और अब वेब पेज को रीफ्रेश करने की आवश्यकता नहीं है)।
फिलहाल जियांगजियांग के पास ऐसी हार्ड-कोर इंजीनियरिंग ज़रूरतें नहीं हैं, इसलिए कोई निर्णय लेना कठिन है। बेहतर है कि दोस्तों के अनुभव का इंतज़ार करें और फिर सभी से बात करें।
हमारे अनुभव के बाद, आर्गन के दो स्पष्ट फायदे हैं। पहली इसकी अत्यंत तीव्र प्रतिक्रिया गति है।
मुझे नहीं पता कि लंबी अवधि में फ़्लैश संस्करण को अपडेट करना आसान होगा या नहीं। आउटपुट गुणवत्ता सुनिश्चित करते हुए आर्गन एक अद्वितीय प्रतिक्रिया गति बनाए रख सकता है।
वास्तव में, हमने पहले कुछ प्रोग्रामर मित्रों से बात की है। हमारे फ्रंट-एंड मित्रों में से एक, लाओ ये ने हमें बताया कि कुछ डेटा अनुपालन और अन्य नियमों के कारण, उनकी कंपनी केवल बड़े मॉडलों और उपकरणों के कुछ पुराने संस्करणों का उपयोग कर सकती है।
उस समय, मैंने सोचा था कि उन्हें लगता होगा कि एआई का उपयोग करना आसान नहीं है, लेकिन यह पता चला कि भले ही यह पुरानी शैली का बड़ा मॉडल था, उन्हें लगा कि यह एआई क्षमता उनके काम की दक्षता में सुधार करने के लिए इसका उपयोग करने के लिए पर्याप्त थी।
कोडिंग क्षमताओं को और बेहतर बनाने के बजाय, उन्होंने महसूस किया कि स्क्रॉलिंग गति एक नई दिशा हो सकती है।
क्या ऐसा हो सकता है कि फ़्लैश सही हो?
आर्गन के एक अन्य लाभ के बारे में हमारी राय बेहतर है। यह अपनी पहले से ही उत्कृष्ट कॉपी राइटिंग क्षमताओं के आधार पर एक कदम आगे बढ़ता है।
पिछले समय में, एआई सर्कल की पागल कोडिंग क्षमता ने वास्तव में बड़े मॉडलों के टेक्स्ट आउटपुट कौशल को प्रभावित किया है। ऐसा लगता है कि हर कोई विज्ञान के मामले में सीधा आदमी है, और वे अच्छी तरह से बोलने में कम से कम सक्षम हैं।
लेकिन मिथुन राशि वाले Google पर निर्भर हो सकते हैं, और उन्हें पैसे कमाने के लिए केवल कोड क्षमताओं को लिखने की आवश्यकता नहीं है, या हो सकता है कि बहुत सारे कॉर्पोरा हों। भले ही यह आधे साल से अधिक समय तक एक प्रमुख संस्करण को अपडेट नहीं करता है, मिथुन की पाठ क्षमताएं हमेशा प्रथम श्रेणी में सबसे आगे रहती हैं।
आर्गन के आने के बाद, Google ने विशेष रूप से "बकवास और घिसे-पिटे साहित्य" को संबोधित करने के लिए इसे नया रूप दिया, जिसकी अतीत में अक्सर बड़े मॉडलों द्वारा आलोचना की गई थी।
Nowadays, Argon is obviously more direct to the topic. The most annoying excuse clichés and wheelbarrow talk in the previous big models have been cut by more than half. You can let it imitate any style of writing, and it can honestly write according to the flavor you want.
As a copywriter, I feel like I really want to see that the waves of the times are about to knock me to death on the beach.
In addition to these, Argon has also corrected the historical problem of high AI hallucinations.
कृत्रिम विश्लेषण द्वारा किए गए परीक्षणों के अनुसार, आर्गन की मतिभ्रम दर 15% है, जो 45 अंकों से अधिक के व्यापक बुद्धि सूचकांक वाले मॉडलों में सबसे कम है, जो जीपीटी-6 एस्ट्रा द्वारा परीक्षण किए गए 51% से बहुत कम है।
इससे यह भी पता चलता है कि जब आर्गन को समझ में नहीं आने वाली समस्याओं का सामना करना पड़ता है, तो वह अधिक संयमित व्यवहार करता है और बकवास नहीं करता है।
लेकिन मुझे नहीं पता कि यह आर्गन खोलने के बाद कंप्यूटिंग शक्ति में झुकाव के कारण है या नहीं। जेमिनी के फ्लैश मॉडल के भ्रम में काफी सुधार किया गया है...
3.8 फ्लैश इस प्रश्न का गलत उत्तर भी दे सकता है, लेकिन आर्गन (निम्नतम स्तर) को कोई समस्या नहीं है।
मेरा मानना है कि इसे देखने के बाद, कई पाठक कहेंगे कि प्रतिक्रिया अद्वितीय है, कॉपी राइटिंग सबसे मानवीय है, और मतिभ्रम की दर कम है। ऐसा लगता है कि आर्गन में इस बार सचमुच कोई कमी नहीं है?
झटके के बाद भी हमें उस पर ठंडा पानी डालना होगा। अनुभव के पहले दिन के बाद हमारे और नेटिज़न्स द्वारा की गई टिप्पणियों को देखते हुए, यह स्पष्ट है कि जेमिनी4 आर्गन अभी तक का सबसे मजबूत कोड टूल मॉडल नहीं है।
महीने की शुरुआत में, विदेशी मीडिया ने यह खबर फैलाई कि आंतरिक Google कर्मचारी जेमिनी4 के वास्तविक प्रदर्शन के बारे में बड़बड़ा रहे थे, और उनके स्वयं के परिवार के सदस्यों ने शिकायत की कि हालांकि सामान्य बेंचमार्क परीक्षणों में इसने अच्छा स्कोर किया, लेकिन वास्तव में कोड टाइप करते समय इसका उपयोग करना आसान नहीं था।
विशेष रूप से फ्रंट-एंड यूआई विज़ुअल इंटरैक्शन और 3डी गेम कंट्रोल लॉजिक विवरण के संदर्भ में, प्रदर्शन काफी प्रभावशाली है।
Although the single-page HTML animation shown earlier looks quite intimidating, many netizens are complaining that Gemini 4 Argon is obviously a bit weak once it enters a complex real-life project.
और यह समस्या Google द्वारा आधिकारिक तौर पर जारी की गई संपूर्ण बेंचमार्क सूची में उजागर हुई है।
आइए कई परीक्षणों पर करीब से नज़र डालें जहां जेमिनी 4 के स्कोर बहुत अधिक नहीं हैं। One is FrontierSWE, which mainly tests the model’s ability to handle super complex tasks, and the other is Terminal-Bench, which tests the model’s ability to work specifically in the terminal.
इसका मतलब यह है कि यदि आप जो काम करना चाहते हैं वह वास्तुशिल्प योजना के लिए पुराने कोड की लाखों पंक्तियों को देखना है, या कानूनी अनुबंधों के सैकड़ों पृष्ठों की समीक्षा करना है, तो आर्गन आपको एक सेकंड देगा। लेकिन अगर आप वास्तव में इसे असली तलवारों और बंदूकों के साथ कोड टाइप करने के लिए कमांड लाइन टर्मिनल पर जाने देते हैं, तो चल रहे स्कोर से यह देखा जा सकता है कि यह चार प्रमुख फ्लैगशिप में सबसे नीचे है, और लगातार फ्लैगशिप क्लाउड सॉनेट 5.5 इसे हरा सकता है।
वर्तमान लागत-प्रभावशीलता के लिए, यह भी चर्चा के योग्य है।
पदोन्नति अवधि (30 नवंबर तक) के दौरान आर्गन का एपीआई मूल्य निर्धारण केवल यूएस$2 प्रति मिलियन इनपुट टोकन और यूएस$10 प्रति मिलियन आउटपुट है (केवल यूएस$0.10 के लिए कैश्ड इनपुट पर 0.5% की छूट दी गई है), लेकिन प्रमोशन अवधि के बाद, यह दोगुना होकर $4 / $20 के मानक मूल्य पर वापस आ जाता है, जो क्लाउड ओपस 5.5 के बराबर है।
हालाँकि, आर्टिफिशियल एनालिसिस ने समीक्षा के बाद कहा कि आर्गन सतह पर नेटिज़न्स से सहमत नहीं है, और इसकी पृष्ठभूमि तर्क सभी यादृच्छिक विचारों पर आधारित है।
उनके परीक्षण परिणामों के अनुसार, प्रत्येक अत्याधुनिक मॉडल द्वारा खपत किए गए टोकन की औसत मात्रा लगभग 82 मिलियन है, जबकि आर्गन (हाई गियर) ने पूरे 110 मिलियन टोकन जलाए, और सोच श्रृंखला का विस्तार उद्योग बेंचमार्क से 34% अधिक है...
यदि आप खपत के इस हिस्से को ध्यान में रखते हैं, तो जेमिनी 4 आर्गन कम सुगंधित लगता है।
बेशक, यदि आप वेब या एपीपी के सदस्य उपयोगकर्ता हैं, तो अब आप आर्गन के कुछ हाथ खेलने के लिए सीधे अपने प्रो खाते का उपयोग कर सकते हैं, और यह अभी भी बहुत लागत प्रभावी होगा।
सामान्य तौर पर, आधे साल से अधिक के इंतजार के बाद, जेमिनी 4 आर्गन के लॉन्च के साथ, Google ने आखिरकार कोडिंग क्षमताओं के मामले में पहले स्थान पर अपना स्थान सुरक्षित कर लिया है, और इसकी टेक्स्ट क्षमताओं में अभी भी लगातार सुधार हो रहा है।
लेकिन यह निश्चित रूप से वह समय नहीं है जब Google बड़ी जीत हासिल कर सकता है। आपको पता होना चाहिए कि एक बार यूजर का स्टीरियोटाइप बन जाए तो फिर चाहे आप गूगल ही क्यों न हों, उसे पलटना मुश्किल होगा।
लेकिन यह दोबारा कभी नहीं होना चाहिए, पिछले आठ महीनों के "कूलिंग ऑफ पीरियड" की तरह।
हालाँकि, बाहर से ऐसी ख़बरें आ रही हैं कि Google साल के अंत में कुछ करेगा। कुछ दिनों पहले सामने आए आंतरिक Google दस्तावेज़ों से पता चलता है कि Google ने वास्तव में वर्णानुक्रम और तात्विक क्रम में एक साथ तीन पुनरावृत्ति चौकियों का परीक्षण किया: आर्गन (आर्गन), बेरियम (बेरियम) और कार्बन (कार्बन)।
इस बार जारी आर्गन को वास्तव में आंतरिक रूप से बेरियम के रूप में लेबल किया गया है, इसलिए भविष्य में मास्टर जेमिनी4 कार्बन हो सकता है। अंदरूनी सूत्रों ने कहा कि यह कोड क्षमता "ऐसा महसूस करती है जैसे यह क्लाउड ओपस 5.5 को छू सकती है।"
जहां तक यह सवाल है कि क्या यह लहर Google के लिए एक और सफलता है या वास्तविक पलटवार है, हम इंतजार करेंगे और देखेंगे।
मुझे उम्मीद है कि इस बार, मैं एक कमिंग सून से अगले कमिंग सून तक इंतजार नहीं करूंगा।
टिप्पणियाँ