Δεν είναι εκεί το θέμα του.
Σε 3D είναι εξαιρετικό μοντέλο, στο frontier.
Σήμερα το πρωί το χρησιμοποίησα λίγο από το AWS, το έβαλα σε 2 codebases κάποιων open side-projects της δουλειάς.
Το πρόβλημα του είναι στον τρόπο που επικοινωνεί σε βαριά τεχνικά θέματα. Στα καλά του καθουμένου, σε ρωτάει κάτι από τη δομή σκέψης του. Το οποίο όμως πραγματικά σε "στέλνει". Και πρέπει να κάνεις follow up να καταλάβεις τι ρωτάει. Και αφού καταλάβεις με τα χίλια ζόρια, βρίσκεσαι να σκέφτεσαι "μα καλά τι με ρωτάει;".
Δείτε ένα πραγματικό παράδειγμα, τι σταμάτησε και ρώτησε χρήστη:
"does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?"
Αυτά στο development κυρίως και σε βαριά agentic tasks. Εκεί είναι το θέμα του. Σε συζήτηση "γενικών γνώσεων", computer use κλπ, είναι πάλι εξαιρετικό, frontier, δεν του λείπει τίποτα.
Το ίδιο το έπαθε σε ένα βαθμό η Anthropic με το Opus 5. Πολύ έξυπνο μοντέλο, αλλά σου αράδιαζε 12 παραγράφους, με τα μισά να μη βγάζουν νόημα σε σημείο να μην θέλεις να το επιλέγεις.
Και πάμε τώρα στο απρόσμενο outlier.
Το Gemini 4 Neon είναι εξαιρετικό σε agentic tasks. Είναι περίπου σαν να χρησιμοποιείς το Opus, το οποίο είναι μάλλον το καλύτερο κομπλιμέντο που μπορείς να κάνεις σε μοντέλο αυτή τη στιγμή.
Το flagship τους, Gemini 4 Carbon, ενώ επίσης εξαιρετικά έξυπνο, έχει άλλα προβλήματα.
Κάθε φορά που αποφασίζει να επικαλεστεί ένα "εργαλείο", του παίρνει 6-7 δευτερόλεπτα. Είναι απίστευτα αργό και στο χρόνο μέχρι το πρώτο token αλλά και στο decode.
Το πρόβλημα βέβαια δεν είναι μόνο στην ανάπτυξη αλλά σε κάθε χρήση. Θα το πρότεινα μόνο για tasks που μπορούν να περιμένουν ή να τρέχουν στο background και να ασχοληθείς όταν τελειώσουν.
Η ομάδα του cyber μου είπε ότι βρήκε ορισμένες πιθανές ευπάθειες που το Mythos δεν τις βρήκε.