Google hat Gemini 4 Argon auf den Markt gebracht. Das Krasseste daran sind nicht die Benchmark-Ergebnisse, sondern der gestaffelte Rollout – und die Erhöhung des Ausgabelimits auf 1 Million Tokens.
Die Fakten: Am 1. Oktober kündigte Koray Kavukcuoglu, Senior Vice President und Chief AI Architect bei DeepMind, Argon in einem offiziellen Blogbeitrag an. Es sei Googles bislang leistungsstärkstes Modell und auf langwierige, mehrstufige, anspruchsvolle Aufgaben spezialisiert. Es wurde nicht auf einmal allgemein verfügbar gemacht: Zunächst konnten vertrauenswürdige Experten für Cybersicherheitsabwehr es im Rahmen des Fairwind-Programms testen. Gleichzeitig durchlief Google das Verfahren der US-Regierung für freiwillige Bewertungen vor der Veröffentlichung. Bei Google Cloud ging das Modell erst am 14. Oktober an den Start.
Die harten Zahlen: Das Ausgabelimit für Tokens stieg von 64.000 auf 1 Million. Beim Software-Engineering-Benchmark DeepSWE v1.1 erzielte das Modell mit 77,9 % einen neuen Rekord. Zum Start gibt es Aktionspreise von 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens. Der Hintergrund: Google hatte gerade den Veröffentlichungsplan für Gemini 3.5 Pro gestrichen, und die Führung bei DeepMind hatte sich verändert. Dieser Schuss musste sitzen.
Dabei sind zwei Mechanismen wichtig. Erstens wird der Zeitplan für die Veröffentlichung selbst Teil der Regulierungsstrategie: erst an Experten für defensive Sicherheit, dann die staatliche Bewertung, zuletzt die Bereitstellung in der Cloud. So wird Compliance gegen eine schnellere Markteinführung eingetauscht. Zweitens beginnt die Technologie, Googles eigene Entwicklungsarbeit zu unterstützen: etwa beim Refactoring von Chromium und bei der Migration von über 800.000 Zeilen C/C++ des Fuchsia-Zircon-Kernels zu Rust.
Am wichtigsten für den Geldbeutel ist der Preis: Die Ausgabe von 1 Million Tokens zu 2/10 US-Dollar pro Million senkt die Grenzkosten für „Agenten mit langem Kontext“ erheblich. Für dezentralisierte GPU-Compute-Netzwerke wie $RENDER ist das ein zweischneidiges Schwert: Je günstiger zentralisiertes Inferenz-Computing wird, desto schwerer können dezentrale Rechenkapazitäten beim Preis-Leistungs-Verhältnis mithalten. Gleichzeitig werden die Aufgaben, die sich bewältigen lassen, umfangreicher – und damit wächst auch die Gesamtnachfrage. Für AI-Agent-Narrative wie $FET und $NEAR gilt dasselbe. Ich gehe davon aus, dass sich Ersteres zuerst in der Stimmung niederschlägt und Letzteres erst ein bis zwei Quartale später in den Umsätzen.
Eine Frage: Wenn die Grenzkosten für lange Kontexte weiter so stark sinken – setzt du lieber auf „Compute-Anbieter“ ($RENDER ) oder „Compute-Nutzer“ (AI-Agent-Token)? #GoogleveröffentlichtGemini4Argon
Die Fakten: Am 1. Oktober kündigte Koray Kavukcuoglu, Senior Vice President und Chief AI Architect bei DeepMind, Argon in einem offiziellen Blogbeitrag an. Es sei Googles bislang leistungsstärkstes Modell und auf langwierige, mehrstufige, anspruchsvolle Aufgaben spezialisiert. Es wurde nicht auf einmal allgemein verfügbar gemacht: Zunächst konnten vertrauenswürdige Experten für Cybersicherheitsabwehr es im Rahmen des Fairwind-Programms testen. Gleichzeitig durchlief Google das Verfahren der US-Regierung für freiwillige Bewertungen vor der Veröffentlichung. Bei Google Cloud ging das Modell erst am 14. Oktober an den Start.
Die harten Zahlen: Das Ausgabelimit für Tokens stieg von 64.000 auf 1 Million. Beim Software-Engineering-Benchmark DeepSWE v1.1 erzielte das Modell mit 77,9 % einen neuen Rekord. Zum Start gibt es Aktionspreise von 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens. Der Hintergrund: Google hatte gerade den Veröffentlichungsplan für Gemini 3.5 Pro gestrichen, und die Führung bei DeepMind hatte sich verändert. Dieser Schuss musste sitzen.
Dabei sind zwei Mechanismen wichtig. Erstens wird der Zeitplan für die Veröffentlichung selbst Teil der Regulierungsstrategie: erst an Experten für defensive Sicherheit, dann die staatliche Bewertung, zuletzt die Bereitstellung in der Cloud. So wird Compliance gegen eine schnellere Markteinführung eingetauscht. Zweitens beginnt die Technologie, Googles eigene Entwicklungsarbeit zu unterstützen: etwa beim Refactoring von Chromium und bei der Migration von über 800.000 Zeilen C/C++ des Fuchsia-Zircon-Kernels zu Rust.
Am wichtigsten für den Geldbeutel ist der Preis: Die Ausgabe von 1 Million Tokens zu 2/10 US-Dollar pro Million senkt die Grenzkosten für „Agenten mit langem Kontext“ erheblich. Für dezentralisierte GPU-Compute-Netzwerke wie $RENDER ist das ein zweischneidiges Schwert: Je günstiger zentralisiertes Inferenz-Computing wird, desto schwerer können dezentrale Rechenkapazitäten beim Preis-Leistungs-Verhältnis mithalten. Gleichzeitig werden die Aufgaben, die sich bewältigen lassen, umfangreicher – und damit wächst auch die Gesamtnachfrage. Für AI-Agent-Narrative wie $FET und $NEAR gilt dasselbe. Ich gehe davon aus, dass sich Ersteres zuerst in der Stimmung niederschlägt und Letzteres erst ein bis zwei Quartale später in den Umsätzen.
Eine Frage: Wenn die Grenzkosten für lange Kontexte weiter so stark sinken – setzt du lieber auf „Compute-Anbieter“ ($RENDER ) oder „Compute-Nutzer“ (AI-Agent-Token)? #GoogleveröffentlichtGemini4Argon