Google ist zurück im Spiel. Am 14. Oktober geht Gemini 4 Argon weltweit an den Start – Googles erstes großes Modell oberhalb der Flash-Klasse seit mehr als sieben Monaten.
Erst mal ganz einfach: Was kann es besonders gut?
① „Lange Aufgaben in einem Rutsch erledigen“: Das Ausgabelimit pro Anfrage steigt von 64.000 auf 1 Million Token. So kann das Modell ein großes Code-Repository auf einmal überarbeiten, ohne mittendrin abzubrechen.
② Spitzenwerte in Benchmarks: Im Vals-Index, der Bereiche wie Finanzen, Programmierung, Recht und Steuern abdeckt, liegt es mit 68,9 % auf Platz eins. Im offiziellen Vergleich holte es in 14 von 19 Kategorien den ersten Platz.
③ Der Preis ist aggressiv: Zum Start gibt es 50 % Rabatt. Eine Million Token kosten 2 Dollar für Eingaben und 10 Dollar für Ausgaben. Ab dem 30. November verdoppeln sich die Preise auf 4 bzw. 20 Dollar.
Aber es hat einen deutlichen Schwachpunkt:
- Bei der Programmierung über die Kommandozeile (Terminal-bench 4.0) erreicht es nur 57,4 % – ganze 9 Punkte weniger als Claude Opus 5.5. Bei langen Code-Aufgaben und Terminal-Jobs hat es die Konkurrenz noch nicht geschlagen.
- Hohe Einstiegshürde: Gratisnutzer und Plus-Abonnenten für 5 Dollar können es nicht nutzen. Dafür braucht man Pro für 20 Dollar oder Ultra für 100 Dollar.
Meine Einschätzung: Das ist keine „Google-Aufholjagd“, sondern Googles „Rückkehr an den Tisch“. Sieben Monate Rückstand – mit dem verschobenen Gemini 3.5 Pro und den Turbulenzen in der DeepMind-Führung – lassen sich nicht mit einer einzigen Veröffentlichung aufholen. Gerade beim Programmieren, dem lukrativsten Einsatzgebiet, hat es sich noch nicht in der Spitzengruppe etabliert. Wirklich interessant ist nicht der Benchmark-Score, sondern der Trend zu „immer günstigeren Flaggschiffmodellen“: Der Preiskampf bei APIs ist eröffnet, und letztlich profitieren davon nachgelagerte Anwendungen und die Nachfrage nach Rechenleistung.
Was wir daraus für den Kryptobereich mitnehmen können: Das Wettrüsten bei großen Sprachmodellen ist nicht vorbei, und der Bedarf an Rechenleistung wird nur weiter steigen. Die Erzählung rund um KI und Rechenleistung – etwa dezentrale Rechenleistung und KI-Agenten-Coins – kann man auf die Beobachtungsliste setzen. Aber nicht vergessen: Eine Erzählung ist eine Erzählung. Sie ist kein Ersatz für Fundamentaldaten.
Auf wen setzt ihr eher: Google, OpenAI oder Anthropic? Schreibt’s in die Kommentare.
#谷歌发布Gemini4Argon模型 #Gemini4Argon #AI #谷歌 #Rechenleistung
Erst mal ganz einfach: Was kann es besonders gut?
① „Lange Aufgaben in einem Rutsch erledigen“: Das Ausgabelimit pro Anfrage steigt von 64.000 auf 1 Million Token. So kann das Modell ein großes Code-Repository auf einmal überarbeiten, ohne mittendrin abzubrechen.
② Spitzenwerte in Benchmarks: Im Vals-Index, der Bereiche wie Finanzen, Programmierung, Recht und Steuern abdeckt, liegt es mit 68,9 % auf Platz eins. Im offiziellen Vergleich holte es in 14 von 19 Kategorien den ersten Platz.
③ Der Preis ist aggressiv: Zum Start gibt es 50 % Rabatt. Eine Million Token kosten 2 Dollar für Eingaben und 10 Dollar für Ausgaben. Ab dem 30. November verdoppeln sich die Preise auf 4 bzw. 20 Dollar.
Aber es hat einen deutlichen Schwachpunkt:
- Bei der Programmierung über die Kommandozeile (Terminal-bench 4.0) erreicht es nur 57,4 % – ganze 9 Punkte weniger als Claude Opus 5.5. Bei langen Code-Aufgaben und Terminal-Jobs hat es die Konkurrenz noch nicht geschlagen.
- Hohe Einstiegshürde: Gratisnutzer und Plus-Abonnenten für 5 Dollar können es nicht nutzen. Dafür braucht man Pro für 20 Dollar oder Ultra für 100 Dollar.
Meine Einschätzung: Das ist keine „Google-Aufholjagd“, sondern Googles „Rückkehr an den Tisch“. Sieben Monate Rückstand – mit dem verschobenen Gemini 3.5 Pro und den Turbulenzen in der DeepMind-Führung – lassen sich nicht mit einer einzigen Veröffentlichung aufholen. Gerade beim Programmieren, dem lukrativsten Einsatzgebiet, hat es sich noch nicht in der Spitzengruppe etabliert. Wirklich interessant ist nicht der Benchmark-Score, sondern der Trend zu „immer günstigeren Flaggschiffmodellen“: Der Preiskampf bei APIs ist eröffnet, und letztlich profitieren davon nachgelagerte Anwendungen und die Nachfrage nach Rechenleistung.
Was wir daraus für den Kryptobereich mitnehmen können: Das Wettrüsten bei großen Sprachmodellen ist nicht vorbei, und der Bedarf an Rechenleistung wird nur weiter steigen. Die Erzählung rund um KI und Rechenleistung – etwa dezentrale Rechenleistung und KI-Agenten-Coins – kann man auf die Beobachtungsliste setzen. Aber nicht vergessen: Eine Erzählung ist eine Erzählung. Sie ist kein Ersatz für Fundamentaldaten.
Auf wen setzt ihr eher: Google, OpenAI oder Anthropic? Schreibt’s in die Kommentare.
#谷歌发布Gemini4Argon模型 #Gemini4Argon #AI #谷歌 #Rechenleistung