
Gemini 4 Carbon ไปที่ห้องแล็บแล้ว บทความที่ Google เขียนเองยกเครดิตให้ Gemini 4 Argon ถึงสิบสามครั้ง
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0711 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 131 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 85 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 127 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 136 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 182 tok/s
ห้าสิบล้านบรรทัดของ Lean 4 นี่คือสิ่งที่ต้องใช้เพื่อให้เครื่องตรวจสอบการพิสูจน์ข้อคาดการณ์ Courtade–Kumar ซึ่งเป็นผลลัพธ์ปี 2013 ในทฤษฎีสารสนเทศเกี่ยวกับว่าสตริงบิตที่มีสัญญาณรบกวนจะเหลือรอดจากการบีบอัดได้มากเพียงใด และมันเป็นชิ้นงานเดี่ยวที่ใหญ่ที่สุดในรายงานการวิจัยที่เผยแพร่เมื่อวันที่ 13 พฤศจิกายน 2026 ภายใต้ชื่อ "Advancing science & engineering with Antigravity's /teamwork" โพสต์นี้เป็นแหล่งที่มาของข้อกล่าวอ้างที่กำลังแพร่หลายในขณะนี้ว่านักวิจัยกำลังนำ Gemini 4 Carbon ไปใช้กับปัญหาหลายขั้นตอนในสาขาฟิสิกส์ คณิตศาสตร์ และวิทยาศาสตร์ชีวภาพ Carbon ปรากฏอยู่ในโพสต์ โดยถูกระบุชื่อเพียงครั้งเดียว ในรายการของโมเดลสามตัวที่ด้านบน ทุกกรณีศึกษาที่อยู่ด้านล่าง — ข้อคาดการณ์ ข้อคาดการณ์ Weil ที่จัดรูปแบบทางคณิตศาสตร์แล้ว การอธิบายโครงสร้างด้วย NMR เอนจิน Go การเขียนเคอร์เนล Zircon ใหม่ — ถูกระบุในเนื้อความว่าเป็นผลงานของ Gemini 4 Argon หรือของ "Gemini 4" ที่ไม่มีระดับรุ่น หรือของฮาร์เนสเอง
นั่นไม่ใช่เรื่องอื้อฉาว และไม่ใช่การแก้ไขให้ถูกต้อง มันเป็นความแตกต่างที่ควรทำความเข้าใจให้ถูกต้องก่อนที่ใครจะตั้งงบประมาณโดยอิงจากเรื่องนี้ เพราะโมเดลทั้งสองไม่ได้ใช้แทนกันได้ในแบบที่ทวีตสื่อ และเพราะราคาของ Carbon มีกำหนดจะเพิ่มขึ้นเป็นสองเท่าในวันที่ 1 ธันวาคม 2026 — อีกสิบสี่วันนับจากวันนี้ สิ่งที่ตามมาคือสิ่งที่โพสต์กล่าวไว้จริง ๆ ข้อกล่าวอ้างใดผ่านการตรวจสอบอย่างละเอียด ข้อใดเป็นข้อมูลที่ผู้ขายรายงานและยังไม่มีการทำซ้ำ และผู้อ่านที่อยู่นอก Google จะนำสิ่งใดสิ่งหนึ่งจากทั้งหมดนี้ไปทำอะไรได้บ้างในสัปดาห์นี้
โพสต์ โปรแกรม และประโยคเดียว
Google Research เผยแพร่เรื่องนี้เมื่อวันที่ 13 พฤศจิกายน โดยให้เครดิตแก่ Vahab Mirrokni ซึ่งเป็น Google Fellow และรองประธานของ Google Research ย่อหน้าเปิดระบุชื่อโมเดลไว้ในรายการเดียวว่า "การใช้ Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen และเวิร์กโฟลว์แบบหลายเอเจนต์ เช่น Antigravity's /teamwork (ซึ่งสร้างต่อยอดจากโมเดล Gemini ต่างๆ) ความร่วมมือเหล่านี้ได้ก่อให้เกิดนวัตกรรมใหม่…" Carbon ปรากฏอยู่ในข้อโต้แย้งนี้เพียงประโยคนั้นประโยคเดียว หากนับชื่อในเนื้อความด้านล่าง Argon ปรากฏสิบสามครั้ง Hydrogen หนึ่งครั้ง และ Carbon ไม่ปรากฏอีกเลย
เหตุผลเป็นเชิงโครงสร้าง ไม่ใช่เรื่องน่าอาย /teamwork เป็นฮาร์เนส ไม่ใช่โมเดล: มันรันพูลของเอเจนต์เฉพาะทาง ให้แต่ละตัวเข้าถึงเฉพาะไฟล์และเครื่องมือที่ขั้นตอนของมันต้องใช้ ส่งงานต่อให้ผู้สืบทอดคนใหม่ ๆ เพื่อให้บริบทไม่เสื่อมสภาพระหว่างการรันหลายวัน และกำหนดเส้นทางแต่ละพรอมป์ต์ไปยังรูปแบบเวิร์กโฟลว์ที่เลือกไว้สำหรับงานนั้น ชั้นการตรวจสอบของมันคือสิ่งที่ Google ขายจริง ๆ — ตัวตรวจสอบ Lean 4, ชุดทดสอบที่ไม่ดัดแปลง, ตัวจำลองการทำงาน, ตัวนับฮาร์ดแวร์ — ทำหน้าที่เป็นตัวหักล้างที่ตัดสินว่าคำตอบผู้สมัครใดจะอยู่รอด เมื่อฮาร์เนสทำหน้าที่ประสานงานและตัวตรวจสอบการพิสูจน์ทำหน้าที่ตัดสิน โมเดลที่อยู่ข้างใต้ย่อมสำคัญน้อยกว่าลูปที่ห่อหุ้มมันไว้ Argon, โมเดลที่เรียกใช้ได้บน API แบบชำระเงินตั้งแต่ 13 ตุลาคม 2026 คือโมเดลที่แคมเปญเหล่านี้รันบน
เหตุผลของ Carbon เองในการอยู่ในรายการนั้นมีอยู่จริงแต่แตกต่างออกไป: มันเป็นโมเดลอเนกประสงค์ที่แข็งแกร่งที่สุดที่ Google เคยเผยแพร่ และบน Artificial Analysis ตอนนี้มันอยู่อันดับสี่จาก 81 โมเดล ด้วยคะแนน 60 ใน Intelligence Index v5.0.1 ไม่มีสิ่งใดในโพสต์วันที่ 13 พฤศจิกายนที่ขัดแย้งกับเรื่องนั้น และไม่มีสิ่งใดในนั้นแสดงให้เห็นว่า Carbon เป็นผู้ลงมือทำงานนั้นเช่นกัน

ผลลัพธ์ เรียงลำดับตามความสามารถในการตรวจสอบได้
บทความนี้ให้รายละเอียดเฉพาะเจาะจงอย่างมากผิดปกติสำหรับบล็อกงานวิจัย ซึ่งทำให้สามารถจำแนกข้อกล่าวอ้างตามประเภทของหลักฐานที่สนับสนุน แทนที่จะจำแนกตามว่าฟังดูน่าประทับใจแค่ไหน
• ผ่านการตรวจสอบด้วยเครื่อง จึงตรวจสอบยืนยันได้ในหลักการ — การพิสูจน์ของ Courtade–Kumar ซึ่งทำให้เป็นรูปแบบทางการอย่างครบวงจรตั้งแต่ต้นจนจบใน Lean 4 ด้วยจำนวน 50 ล้านบรรทัด โดยระบุผลงานของมนุษย์ไว้อย่างชัดเจน: ทีมจาก CUHK เสนอฟังก์ชันตัวเลือกที่ลดปัญหาลงเหลือการหาค่าเหมาะที่สุดแบบ 14 ตัวแปร นอกจากนี้ในกลุ่มเดียวกันนี้ ยังมีการทำให้การคาดการณ์ Weil เป็นรูปแบบทางการที่ราว 1.8 ล้านบรรทัดจากการเรียกใช้เอเจนต์ย่อย 28,800 ครั้ง ปัญหาที่สิบของ Hilbert บนริงทั่วไปที่มากกว่า 919,000 บรรทัด การคาดการณ์ Birkhoff ที่ยังคงเป็นปัญหาเปิดตั้งแต่ปี 1927 และการคาดการณ์ Bochner–Riesz ในสามมิติ ซึ่งระบบรายงานว่าพบและแก้ไขช่องว่างในการพิสูจน์แบบไม่เป็นทางการที่เผยแพร่เมื่อไม่นานมานี้ การพิสูจน์ใน Lean ที่คอมไพล์ผ่านได้เป็นการกล่าวอ้างคนละประเภทกับคะแนนจากเบนช์มาร์ก และ Google สมควรได้รับเครดิตในเรื่องนั้น — แม้ว่า "โค้ดการพิสูจน์ที่สร้างขึ้น 50 ล้านบรรทัด" ก็เป็นข้อความเกี่ยวกับปริมาณการค้นหามากกว่าความสง่างาม
• วัดแล้ว โดยอธิบายวิธีการวัดไว้ — ผลลัพธ์ทางเคมีระดับโมเลกุล เอเจนต์ผู้เชี่ยวชาญสามสิบตัวในลูปที่แก้ไขตัวเองได้ พร้อมด้วยตัวจำลองสเปกตรัมที่อิงหลักฟิสิกส์ ทำได้ถึงความแม่นยำแบบตรงกันทุกประการที่ top-1 95% และ top-3 100% บนชุดทดสอบการไขโครงสร้างด้วย NMR ซึ่ง Google อธิบายว่าเกือบสองเท่าของประสิทธิภาพแบบเอเจนต์เดี่ยว นี่คือสิ่งที่ใกล้เคียงที่สุดในโพสต์นี้กับการกล่าวอ้างด้านวิทยาศาสตร์สิ่งมีชีวิต และเป็นสิ่งที่ถูกยกไปอ้างมากที่สุด โมเลกุลในชุดทดสอบไม่ได้ระบุชื่อในโพสต์ ตัวเลขฐานของเอเจนต์เดี่ยวถูกให้มาเป็นเพียงอัตราส่วน และยังไม่มีการทำซ้ำโดยอิสระ
• ใกล้เคียงการตรวจอ่านโดยผู้ทรงคุณวุฒิ พร้อมแนบแบบสำรวจ — Deep Review ที่ STOC 2027 ผู้เขียนของบทความที่ส่งเข้ามา 578 ชิ้น ซึ่งมากกว่าหนึ่งในสามของทั้งหมด เลือกเข้ารับข้อเสนอแนะแบบอัตโนมัติต่อฉบับร่างของตน ในการสำรวจที่ยังดำเนินอยู่กับผู้เขียน 70 ราย 90% ให้คะแนนว่าข้อเสนอแนะส่วนใหญ่หรือเกือบทั้งหมดตรงตามข้อเท็จจริง 90% บอกว่าจะใช้บริการนี้อีกครั้ง กว่า 30% บอกว่าบริการนี้จับข้อบกพร่องสำคัญในบทพิสูจน์ได้ และ 14% รายงานช่องว่างทางเทคนิคที่ต้องใช้เวลามากกว่าหนึ่งชั่วโมงในการแก้ไข ผู้ตอบเหล่านี้เป็นผู้ที่เลือกตอบเองและกำลังบรรยายถึงผลงานที่ตนเองส่งเข้ามา ซึ่งเป็นหลักฐานที่อ่อนกว่าการศึกษาแบบควบคุมแต่แข็งแกร่งกว่าคำรับรองจากผู้ใช้มาก
• ตัวเลขทางวิศวกรรมจากระบบโปรดักชัน — การเขียนใหม่ด้วย Rust ประมาณ 800,000 บรรทัดสำหรับไมโครเคอร์เนล Zircon ที่ผ่านการทดสอบยูนิตและบูตบน arm64; libgav1 ที่พอร์ตเป็น Rust ประมาณ 170,000 บรรทัด โดยมีความเที่ยงตรงตรงกันทุกบิต 100% และเร็วกว่า C++ เดิมและการเขียนแอสเซมบลีด้วยมือ 20% ถึง 30%; งานเคอร์เนล TPU ที่รายงานความเร็วเพิ่มขึ้นแบบค่าเฉลี่ยเรขาคณิต 4.09 เท่าใน 17 เคอร์เนล JAXBench; Connected Components ที่ขยายไปถึงกราฟระดับล้านล้านเอดจ์โดยใช้ RAM น้อยลง 6 เท่า; และเอนจินโกะ 9x9 ที่ได้ประมาณ 2,600 Elo ภายในเวลาไม่ถึงแปดวัน อยู่ระหว่าง KataGo ที่ 16 และ 32 visits เหล่านี้เป็นการวัดภายในที่บริษัทเลือกเผยแพร่ โดยไม่มีการตรวจสอบจากภายนอก และในกรณีส่วนใหญ่ไม่มีอาร์ติแฟกต์ที่เผยแพร่
• ไม่มีอยู่ในโพสต์เลย — ไม่มีอะไรเกี่ยวกับค่าใช้จ่าย ไม่มีงบประมาณแคมเปญ ไม่มีจำนวนโทเค็น ไม่มีบิลต่อผลลัพธ์ ปรากฏอยู่ที่ไหนเลยในบทความ สำหรับระบบที่ผลลัพธ์รวมถึงบทพิสูจน์ยาว 50 ล้านบรรทัดและการรันฝึกอบรมอัตโนมัติแปดวัน นั่นคือสิ่งที่ถูกละเว้นซึ่งผู้อ่านที่กำลังวางแผนแคมเปญของตนเองจะอยากให้เติมเต็มมากที่สุด
อ่านรายการอีกครั้งโดยคำนึงถึงการระบุที่มา แล้วภาพรวมจะชัดเจนขึ้น: harness สร้างผลลัพธ์ ตัวตรวจสอบรับรองผลลัพธ์ ผู้เชี่ยวชาญที่เป็นมนุษย์กำหนดกรอบปัญหา และโมเดลคือเครื่องยนต์ — หนึ่งในสามเครื่องยนต์ และโพสต์ระบุว่ามันพึ่งพิงเครื่องยนต์ตัวใด
ทำไมผลลัพธ์จาก harness จึงไม่ใช่ผลลัพธ์ของโมเดล และจะกำหนดราคาของความแตกต่างนั้นได้อย่างไร
แรงจูงใจที่จะทำให้สองสิ่งนี้กลายเป็นเรื่องเดียวกันนั้นชัดเจน เพราะคะแนนแบบทดสอบมาตรฐานเป็นตัวเลขที่คุณเปรียบเทียบได้ ขณะที่ผลลัพธ์จากฮาร์เนสเป็นเรื่องเล่าเกี่ยวกับกระบวนการทำงาน ตัวเลขที่เปรียบเทียบได้ของ Carbon ซึ่งวัดโดยบุคคลที่สามที่ไม่เกี่ยวข้องหรือมีส่วนได้ส่วนเสียใด ๆ กับฮาร์เนส คือ 60 บน Intelligence Index v5.0.1 — อยู่อันดับสี่จาก 81 โดยมี Claude Fable 5.2 ที่ 65 อยู่เหนือขึ้นไป และ GPT-6.1 Sol ที่ 55 อยู่ถัดลงมา หน้าเดียวกันนี้ระบุต้นทุนของ Carbon ไว้ที่ 5.48 ดอลลาร์ต่อหนึ่งงานในดัชนีที่ทำสำเร็จ และใช้เวลา 33.2 นาทีต่อหนึ่งงาน ซึ่งทั้งสองค่าสูงกว่าค่ามัธยฐานของกลุ่มราคาเดียวกันอย่างชัดเจน เพราะมันเขียนโทเค็นเอาต์พุตถึง 205 ล้านโทเค็นเพื่อทำงานที่โมเดลค่ามัธยฐานทำสำเร็จด้วย 78.6 ล้านโทเค็น

ความละเอียดเยิ่นเย้อนั้นไม่ใช่ข้อบกพร่องในการค้นหาบทพิสูจน์ เมื่อภารกิจคือการสำรวจปริภูมิพารามิเตอร์และตรวจสอบตัวเลือกเทียบกับ Lean การเขียนให้มากขึ้นคือวิธีการ เมื่อภารกิจคือตั๋วสนับสนุน มันคือบิล โพสต์วันที่ 13 พฤศจิกายนเป็นหลักฐานสำหรับกรณีแรก และไม่ได้พูดอะไรเกี่ยวกับกรณีที่สอง — และทีมใดก็ตามที่อ่านมันว่า “Carbon คือโมเดลสำหรับเอเจนต์ของเรา” กำลังยืมผลลัพธ์จากฮาร์เนสที่พวกเขาไม่ได้รัน กับประเภทงานที่พวกเขาอาจไม่มี
สิ่งที่ถ่ายทอดได้คือรูปแบบการออกแบบ และไม่ใช่ของ Google แต่เพียงผู้เดียว: การสำรวจแบบขนาน ตัวหักล้างจากภายนอกที่ไม่มีความเห็น บริบทใหม่ในแต่ละขั้นตอน และนักวิจารณ์ที่ไม่เคยเห็นเหตุผลของผู้สร้าง แต่ละอย่างเหล่านี้เป็นคุณสมบัติของการที่คุณเรียกใช้โมเดลอย่างไร ไม่ใช่ของโมเดลที่คุณเรียกใช้
สิ่งที่คนนอกจะได้รับจริง และต้องจ่ายเท่าไรหลังวันที่ 1 ธันวาคม
โพสต์จบลงด้วยย่อหน้าที่นำไปปฏิบัติได้จริงที่สุดในนั้น: นักวิทยาศาสตร์และนักพัฒนาภายนอกสามารถใช้โมเดล Gemini 4 กับ /teamwork และ /boost ใน Antigravity และ Deep Review ได้ตั้งแต่วันนี้ และ Google ได้เปิดรับสมัครโดยมอบสิทธิ์เข้าถึงระดับการใช้งานสูงสุดฟรีเป็นเวลาหกเดือนให้กับนักวิจัยทางวิชาการ 10,000 คน โครงการนั้นคือข่าวจริงสำหรับห้องปฏิบัติการ เป็นเส้นทางเดียวที่เสนอให้ฟรี และมีจำนวนจำกัด ต้องผ่านการสมัคร และมีเวลาจำกัด
คนอื่นล้วนซื้อโทเคน Gemini 4 Carbon เปิดให้ใช้งานทั่วไปบน Gemini API แบบเสียค่าใช้จ่ายเมื่อวันที่ 10 พฤศจิกายน 2026 ซึ่งเป็นเวลาสิบสามวันหลังจากที่ Google ประกาศเปิดตัว โดยมีราคา 2.00 ดอลลาร์ต่อหนึ่งล้านโทเคนอินพุต และ 10.00 ดอลลาร์ต่อหนึ่งล้านโทเคนเอาต์พุต — อัตรานี้ใช้ไปจนถึงวันที่ 30 พฤศจิกายน และจะเปลี่ยนเป็น 4.00 ดอลลาร์และ 20.00 ดอลลาร์ในวันที่ 1 ธันวาคม โดยอินพุตที่แคชไว้จะเปลี่ยนจาก 0.10 ดอลลาร์เป็น 0.20 ดอลลาร์ในวันเดียวกัน โมเดลนี้ไม่มีระดับใช้งานฟรี ทุกโทเคนที่ประมวลผลจะถูกคิดค่าบริการ รวมถึงโทเคนสำหรับการคิดด้วย แคมเปญวิจัยระยะเวลาหกสัปดาห์ที่คิดราคาตามอัตราวันนี้ คือแคมเปญที่คิดราคาเพียงครึ่งหนึ่งของค่าใช้จ่ายในเดือนธันวาคม ซึ่งนั่นอาจเป็นข้อสนับสนุนให้เริ่มตอนนี้ หรือเป็นเหตุผลให้จำลองใบเรียกเก็บเงินโดยใช้ตัวเลขที่สูงกว่า
Carbon ถูกกำหนดเส้นทางบน OrcaRouter เป็น google/gemini-4-carbon ในราคาตามรายการของ Google โดยบวกเพิ่ม 0% บนคีย์เดียวกันและ endpoint ที่รองรับ OpenAI แบบเดียวกับที่ใช้กับรายการอื่น ๆ ในแคตตาล็อก ซึ่งตรงนี้มีความสำคัญด้วยเหตุผลธรรมดา ๆ อย่างหนึ่ง: การเปลี่ยนแปลงในวันที่ 1 ธันวาคมเป็นการเปลี่ยนแปลงราคาจากผู้จำหน่าย และอัตราแบบส่งผ่านต้นทุนหมายความว่าตัวเลขฝั่งเราจะเปลี่ยนตามของ Google ในวันนั้นเลย แทนที่จะเปลี่ยนหลังรอบการปรับราคา หน้าโมเดลแสดงขอบเขตข้อมูลปัจจุบันไว้ — คอนเท็กซ์ 1,048,576 โทเคน เอาต์พุตสูงสุด 65,536 โทเคน รับข้อความ รูปภาพ เสียง วิดีโอ และ PDF เป็นอินพุต ส่งออกเป็นข้อความ รองรับ native tool calling และ structured outputs — ซึ่งเป็นสเปกที่โพสต์เปิดตัวของ Google เองไม่ได้เผยแพร่

คำถามที่โพสต์ทิ้งไว้โดยยังไม่มีคำตอบ
ภายในยี่สิบวัน Google ได้เผยแพร่ประกาศที่จัดให้ Carbon อยู่ในอันดับแรกของดัชนีที่เป็นกลาง โพสต์เรื่องความพร้อมใช้งานทั่วไปที่ทำให้สามารถเรียกใช้ได้และระบุวันที่ของส่วนลดของตัวเอง และโพสต์งานวิจัยที่ใช้มันในรายการเคียงข้างพี่น้องอีกสองตัว สิ่งที่ยังไม่ได้เผยแพร่คือผลลัพธ์เพียงรายการเดียวที่ระบุว่าเป็นผลของ Carbon เพียงลำพัง ภายใต้ต้นทุนที่ระบุไว้ ในงานที่บุคคลที่สามสามารถรันซ้ำได้ จนกว่าสิ่งนั้นจะมีอยู่จริง บทสรุปที่ตรงไปตรงมาของวันที่ 13 พฤศจิกายนจึงแคบกว่าทวีตและมีประโยชน์กว่า: ฮาร์เนสทำงานได้ ตัวตรวจสอบคือส่วนที่น่าสนใจ และโมเดลที่ถูกเอ่ยชื่อสิบสามครั้งคือตัวที่แคมเปญเหล่านั้นใช้งานจริง
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
