BMag Signal · In 30 secondi
Lettura criticaCosa è successo. Le notizie recenti sugli sviluppi tecnologici hanno portato a una serie di annunci importanti, ma uno dei più significativi è stato quello di Google. L'azienda ha annunciato la disponibilità di Gemini 4 Argon, un nuovo modello di AI che promette di essere un passo avanti nella soluzione dei problemi di codifica e analisi economica. Ma, pur essendo promesso, il prodotto non è ancora disponibile per le uscite.
Il progetto AI di Google è ancora lontano dal servizio disponibile[1] Google ha promesso di lanciare Gemini 4 Argon nel mese di settembre, ma fino ad oggi nessun dato è stato fornito sulla data di lancio definitiva. Questa promessa è stata accompagnata da un piccolo raffreddore del sistema, che ha causato un po’ di confusione e incertezza nell'ambiente tecnologico.[2] La promessa di Gemini 4 Argon era basata su un'analisi di mercato e di un approccio innovativo alla soluzione dei problemi di codifica. L'AI di Google era previsto come una risposta alle sfide di un futuro sempre più digitale, dove l'efficacia della codifica e dell'analisi economico sono cruciali per la competitività di molte aziende.
Questo aspetto ha portato a una serie di successi notevoli, come la migrazione di libreria re2 e kernel Zircon, che ha permesso di ridurre drasticamente la memoria utilizzata dai dati di centro di calcolo di Google.[4] In termini di benchmark, Gemini 4 Argon ha superato GPT-6 Astra, Fable 5.1 e Opus 5.5, raggiungendo un'ottima percentuale di 77.9%. Questo risultato è stato confermato anche sul test di Vals Index, un test di analisi economica che si rivolge ai mercati di alta volatilità. Inoltre, il modello supporta un limite di output di 1 milione di token, che è un ulteriore vantaggio per i clienti che desiderano usare il modello in modo massiccio.[6] La promessa di Gemini 4 Argon è stata accompagnata da alcune informazioni interessanti sulla sua struttura e funzionamento.
L'AI è stato sviluppato con "fleet-wide telemetry data", che ha permesso a Google di risparmiare 300 TiB di memoria su tutti i suoi dati di centro di calcolo. Questo è un dato significativo che dimostra l'efficacia del modello nella gestione delle risorse. Google ha sottolineato che questo modello richiede una fase di rilascio graduale, per cui è stato lanciato solo con un piccolo gruppo di tester affidabili.
I partner Fairwind Program sono stati accettati per poter utilizzare le capacità di sicurezza del modello, come dimostrato dall'esempio di Wiz, che ha utilizzato Gemini 4 Argon per identificare un vulnerabilità critica che poteva compromettere la privacy dei dati personali in sistemi di rete globalmente diffusi.[8] Tuttavia, nonostante tutte queste promesse, il prodotto non è ancora disponibile per le uscite. Il problema sembra essere dovuto alla necessità di un approccio più graduale e limitato, che ha portato a una fase di test limitata e costosa. Questo aspetto mostra la difficoltà di realizzare progetti di questo tipo, dove l'innovazione tecnologica deve sempre trovare un equilibrio tra l'efficacia e la sicurezza.
Le notizie che contano, ogni mattina.
Ricevi una selezione ragionata di business, mercati e innovazione.