Mudelid
Google tõi välja Hydrogeni ja automaatse mudelivahetuse
Google’i uus Hydrogen ja Orchestrator lubavad tõhusamat agenditööd. Kvoodikulu, API hinda ja kontrollitud tulemuse kogukulu tuleb eraldi mõõta.
Toimetaja Kristjan Krimm · Avaldatud · 6 min lugemist
- Olulisus
- Sihtrühm
- Kõik
- Allikaid
- 2
- Esmaallikas

Arengulugu
Mudelid
Viimase 60 päeva seismograaf: 139 signaali. Joone kõrgus näitab olulisust.
Mis juhtus
Google’i uus Hydrogen ja Orchestrator lubavad tõhusamat agenditööd. Kvoodikulu, API hinda ja kontrollitud tulemuse kogukulu tuleb eraldi mõõta.
Miks see loeb
Automaatne tööjaotus võib vähendada agenttöö kulu või ooteaega. Oma katses tuleb kontrollida ka parandusi ja inimese ülevaatust, sest tootja kvoodinäit ei ole rahaline kogukulu.
Sisukord
Lühidalt
4 põhipunkti- Google esitles 12. novembril Gemini 4 Hydrogeni ning alustas selle levitamist eri teenustes.
- Antigravity Orchestrator saab sama seansi jooksul mudelite vahel vahetada.
- Google’i enda katses kasutas Orchestrator keskmiselt 24% vähem kvooti ja lõpetas 19% kiiremini.
- Kvoodisäästu, tokenihinda ja kontrollitud töö kogukulu tuleb võrrelda eraldi.
Google tõi 12. novembril välja Gemini 4 Hydrogeni, mida ettevõte positsioneerib igapäevaste arendus- ja agendiülesannete täitmiseks. Levitatavate teenuste hulgas on Gemini API, AI Studio, Gemini rakendus ja Search. TechCrunch kajastas Hydrogeni jõudmist otsingusse. Eri teenuste kasutustingimused ja ligipääs ei ole sellest hoolimata üks ja sama toode.
Koos mudeliga kirjeldas Google Antigravity Orchestratorit, mis valib sama seansi jooksul tööks erinevaid mudeleid, sealhulgas Carboni ja Hydrogeni. Buildrya vaates on keskne küsimus, kas selline vahetamine parandab valmis tulemuse hinda ja töökindlust. Automaatne suunamine on kasulik alles siis, kui kogu töövoog selle tulemusena paremini toimib.
Mudeli vahetus peab säilitama ülesande tähenduse
Üks mudel võib sobida paremini keerulise plaani koostamiseks, teine selle täitmiseks. See on mõistlik katsetatav tööjaotus, kuid vahetus toob kaasa oma kontrolliküsimused. Järgmine töö tegija peab saama õiged piirangud, piisava tausta ja selge kirjelduse sellest, mida eelmine etapp tegelikult kinnitas.
Kui üle antakse ainult lühike kokkuvõte, võib kaduda oluline erand või lõpetamata kontroll. Seepärast tuleks vahetuse juures säilitada ülesande seis ja kontrollitavad tõendid. See pole hinnang, et Orchestrator neid kindlasti kaotab. See on omadus, mida ettevõte saab oma proovijooksus mõõta ning võrrelda käsitsi valitud mudeliga.
API hind ja kvoot on erinevad mõõdikud
Google avaldas Hydrogeni hinnaks 1,50 dollarit miljoni sisendtokeni ning 7,50 dollarit miljoni väljundtokeni kohta. Ettevõtte järgi kehtib sama hinnatase kogu miljoni tokeni konteksti ulatuses. See on tokenipõhine hinnakirjainfo, mitte lubadus ühe arendusülesande lõpphinna kohta.
Orchestratori kohta esitatud 24% väiksem kvoodikasutus ja 19% kiirem lõpetamine pärinevad Google’i enda Terminal-Bench 4.0 katsest. Neid tulemusi ei saa automaatselt ümber nimetada eurodes saavutatud säästuks ega laiendada igale projektile. Arveldusühiku, tellimuse tingimuste ja tegeliku päringute mahu kontroll on vajalik osa oma kuluhinnangust.
Buildrya võrdlus: kolm rada sama ülesandeni
Praktiline võrdlus võiks hõlmata ainult Carbonit kasutavat rada, ainult Hydrogenit kasutavat rada ja automaatselt mudelit vahetavat rada. Kõik alustaksid samast koodiversioonist ja ülesandekirjeldusest. Vastuvõtutingimus ning kasutatavad tööriistad määrataks enne katset, et hilisem hindamine ei kohanduks mõne mudeli vastuse järgi.
Tulemusena tuleks salvestada koguaeg, arveldatud kasutus, korduskatsed ja inimese ülevaatus. Õnnestumiseks loetaks kontrollitud muudatus, mis täidab ülesande ja säilitab ülejäänud käitumise. Pooleli jäänud või tagasi lükatud töö kuuluks samuti arvestusse. Muidu võiks automaatne suunamine paista soodne ainult seetõttu, et ebaõnnestumised jäeti välja.
Testikomplekt peaks sisaldama eri raskusega ülesandeid. Väikese paranduse ja mitut moodulit puudutava vea lahendamine võivad vajada erinevat tööjaotust. Ühe koondkeskmise kõrval oleks kasulik näha tulemusi ülesandeliikide kaupa. See aitaks valida, kus automaatne suunamine on põhjendatud ja kus lihtsam lahendus annab piisavalt hea tulemuse.
Ülevaatusele kulunud aeg võib otsuse ümber pöörata
Kui odavam jooks toodab muudatuse, mille kontrollimine nõuab rohkem tööd, ei pruugi kogukulu langeda. Hindaja peaks märkima ka puuduvate testide lisamise, kõrvalmuudatuste eemaldamise ja seletuste kontrollimise aja. Need tegevused on osa kasutaja eesmärgini jõudmisest, mitte tasuta lisatöö pärast mudeli edukaks kuulutamist.
Hindamise võiks korraldada nii, et ülevaataja ei näe esmalt kasutatud mudelit. See vähendaks nime ja varasemate ootuste mõju otsusele. Põhjendus tuleks säilitada koos tulemusega: milline kontroll läbiti, mis jäi ebaselgeks ja miks muudatus vastu võeti. Nii saab hiljem kontrollida, kas kvaliteedilävend oli eri radadel sama.
Õigused ei tohiks sõltuda valitud mudelist
Mudeli vahetus ei peaks andma agendile vaikimisi uusi õigusi. Kui üks tööetapp vajab ainult lugemist, tuleb see piir säilitada ka järgmises etapis. Kirjutamine, avaldamine või välises teenuses toimingu tegemine peaks lähtuma töövoo antud volitusest. Mudeli võimekus ei anna talle iseenesest lisavolitust.
Kontrollkatse võiks sisaldada olukorda, kus järgmine soovitud samm on lubatud töö piiridest väljas. Meeskond vaataks, kas tööriist blokeerib selle ning kas kasutajale jääb arusaadav teade. Samuti tasub kontrollida, kas keeld säilib pärast mudelivahetust ja korduskatset. Need on rakenduse käitumise küsimused, mida üks võrdlustabeli tulemus ei lahenda.
Millal automaatne suunamine ära tasub?
Otsuse jaoks võiks ette määrata minimaalse kvaliteedi ja maksimaalse vastuvõetava viivituse. Alles neid tingimusi täitvate tulemuste puhul oleks mõtet võrrelda kogukulu. Kui rada on küll kiire, kuid jätab liiga palju tööd inimesele, ei täida see sama ülesannet. Kui kvaliteet on võrreldav, saab hinnata, kas keerukam korraldus õigustab hoolduskulu.
Lisaks tasub kirjeldada katkestusest taastumist. Mudelivahetus ei tohiks põhjustada sama välise toimingu kordamist lihtsalt seetõttu, et varasema sammu tulemus jäi seansis ebaselgeks. Test peaks näitama, kuidas pooleli töö jätkub ja milline tõend juba tehtud toimingust säilib. Käesolev lugu sellise katse tulemusi ei esita; see pakub kontrolliplaani uue võimaluse hindamiseks.
Arvestada tuleks ka seda, kui hästi meeskond suudab ebaõnnestumise põhjust leida. Kui mudelite vahetuse ajalugu pole nähtav, võib parandamine nõuda rohkem inimese aega. Võrdluses võiks seetõttu olla ülesanne, kus tööriist tagastab teadlikult vea või puuduliku tulemuse. Hindaja vaataks, kas süsteem taastub põhjendatult, küsib abi või jätkab eksliku eeldusega.
Sellise katse juures tuleb säilitada nii tööriista vastus kui ka sellele järgnenud otsus. Ainult lõplik tekst ei näita, miks töö õnnestus või ebaõnnestus. Taastatav jälg aitab teha järgmise versiooni kohta sama kontrolli ning väldib olukorda, kus mudelivahetuse kasu hinnatakse iga kord uue, võrreldamatu näite põhjal.
Juhtpilt: Google’i ametlik Gemini 4 Hydrogeni väljalaskegraafika. Pildikrediit: Google.
KKK
Korduma kippuvad küsimused
Millal Hydrogen avaldati?
Google’i esmane teade avaldati 12. novembril kell 18.00 UTC ehk kell 20.00 Eesti aja järgi. Hilisem teksti uuendus ei muuda väljalaske kuupäeva.
Mida Orchestrator teeb?
See suunab tööd sama seansi jooksul eri mudelitele. Tegelikku kasu tuleb hinnata konkreetse töövoo tulemuse järgi.
Kas 24% väiksem kvoot tähendab sama suurt hinnavõitu?
Sellist järeldust ei saa automaatselt teha. Kvoot ja rahaline arve on erinevad mõõdikud.
Miks võrrelda ka inimese aega?
Tulemus vajab enne kasutamist kontrolli. Täiendav parandamine võib esialgse päringusäästu ära kulutada.
Kas Buildrya mõõtmistulemused on juba olemas?
Selles loos esitatakse kavandatud võrdlus, mitte tehtud testi tulemused. Google’i protsendid on selgelt ettevõtte enda katse näitajad.