Hermes Vector

Deutsch ·

Google startet Gemini 4 Argon KI-Modell für Entwickler und Unternehmen

Google DeepMind hat Gemini 4 Argon veröffentlicht, ein neues Frontier-KI-Modell, das weltweit über API und Abonnentenplattformen verfügbar ist. Das Unternehmen meldet verbesserte Code-Effizienz und Sicherheitsmetriken, mit Einführungspreisen von 2 US-Dollar pro Million Eingabetokens.

Von Hermes-Vector AI Desk · Read in English

Illustration: Google startet Gemini 4 Argon KI-Modell für Entwickler und Unternehmen

Kurz gesagt

  • Google DeepMind hat Gemini 4 Argon veröffentlicht, verfügbar über API, AI Studio und Abonnentenplattformen einschließlich Google Antigravity.
  • Einführungspreise betragen 2 US-Dollar pro Million Eingabetokens und 10 US-Dollar pro Million Ausgabetokens, wobei zwischengespeicherte Eingaben um 95 % reduziert sind.
  • Google gibt an, dass das Modell auf dem Vals Index auf Platz 1 liegt und die internen agentic Code-Einreichungen um mehr als 35 % gesteigert wurden.
  • Sicherheitsmetriken umfassen eine Angriffs-Erfolgsrate von 0,7 % auf dem Gray Swan Indirect Prompt Injection Benchmark über 15 Versuche.

Google DeepMind hat Gemini 4 Argon veröffentlicht, ein neues Frontier-KI-Modell, das jetzt weltweit für Entwickler, Unternehmen und Verbraucher verfügbar ist. Laut einer Unternehmenserklärung ist das Modell über die API in AI Studio und der Gemini-Plattform sowie für Google AI Ultra-Abonnenten in Google Antigravity und für Google AI Ultra- und Pro-Abonnenten in der Gemini-App und im KI-Modus in der Suche zugänglich.

Preise und Verfügbarkeit

Das Modell startet mit einem Einführungspreis von 2 US-Dollar pro Million Eingabetokens und 10 US-Dollar pro Million Ausgabetokens, wobei zwischengespeicherte Eingabetokens um 95 % reduziert sind. The Times of India berichtet, dass diese Einführungspreise bis zum 30. November 2026 gültig sind, wonach sich die Standardpreise auf 4 US-Dollar pro Million Eingabetokens und 20 US-Dollar pro Million Ausgabetokens einstellen werden.

Google gibt an, dass das Modell ein einheitliches Eingabe-Ausgabe-Token-Limit von einer Million über die Gemini-API bietet. Diese Kapazität ermöglicht es dem Modell, längere Aufgaben zu bewältigen, die große Informationsmengen und mehrere Tools umfassen.

Leistung und interner Einsatz

Laut Google belegt Gemini 4 Argon den ersten Platz auf dem Vals Index, einem Bewertungsrahmen, der die Modellleistung in den Bereichen Finanzen, Programmierung, Recht und Steuern misst. Das Unternehmen berichtet, dass interne Teams, die das Modell nutzten, eine Steigerung der agentic Code-Einreichungen um mehr als 35 % verzeichneten, während Code-Rollbacks um fast ein Drittel sanken.

Google gibt auch an, dass das Modell zur Refaktorierung von Teilen der Chromium-Codebasis verwendet wurde, die sich über Hunderte von Dateien in einem Projekt mit etwa 40 Millionen Zeilen erstreckte. In einem separaten internen Projekt meldete Google eine 2,85-fache Steigerung der Gemma-Inferenzgeschwindigkeit auf einem Nvidia A100, bei identischen Ausgabetokens und ohne Qualitätsverlust.

Sicherheit und Benchmarks

In Bezug auf Sicherheit gibt Google an, dass externes Bio-Red-Teaming weniger als 1 % der getesteten Bio-Unteraufgaben freigeschaltet hat. Das Unternehmen berichtet, dass das Modell die Verstöße in einem adversariellen Testset im Vergleich zu früheren Gemini-Modellen fast verdoppelt reduziert hat. Darüber hinaus sagt Google, dass das Modell den Gray Swan Indirect Prompt Injection Benchmark anführt, mit einer Angriffs-Erfolgsrate von 0,7 % über 15 adaptive Versuche.

The Times of India merkt an, dass das Modell einen automatisierten Fehlausrichtungsmonitor enthält, der die schrittweise Argumentation in Echtzeit verfolgt, um unbefugte Abkürzungen während automatisierter Aufgaben zu verhindern.

Robotik und wissenschaftliche Anwendungen

Google hebt Anwendungen in der Robotik und wissenschaftlichen Entdeckung hervor. Laut The Times of India erzielte das Modell 87 % auf dem Embodied Reasoning (ERQA) Benchmark. Cryptobriefing berichtet, dass das Modell in einer Robotik-Demonstration ein Video einer Person, die Cornhole spielt, ansah, die notwendigen Bewegungen berechnete und Simulationscode generierte. Bei der Übertragung auf Apptroniks Apollo-Humanoidenroboter landete der Roboter in einem realen Versuch sieben aufeinanderfolgende Treffer, so das Unternehmen.

In der wissenschaftlichen Forschung gibt Google an, dass das Modell Forschern bei der Weiterentwicklung von Quantenfehlerkorrekturalgorithmen und bei der Identifizierung von Lösungen im Stellarator-Design für die Kernfusion geholfen hat. In einem Enzymforschungsprojekt sagt Google, dass das Modell half, fünf Kandidatendesigns innerhalb von Stunden zu identifizieren, wobei nachfolgende Labortests die katalytische Aktivität bestätigten.

Warum es wichtig ist

Die Einführung von Gemini 4 Argon stellt die kontinuierliche Erweiterung von Googles KI-Fähigkeiten in spezialisierte professionelle Domänen wie Softwareentwicklung, Rechtsrecherche und wissenschaftliche Entdeckung dar. Durch die Einführung von Einführungspreisen und kostenlosen Zugangsebenen für Wissenschaftler zielt Google darauf ab, die Adoption unter Entwicklern und Forschern zu beschleunigen und gleichzeitig Benchmarks für Sicherheit und Leistung bei komplexen, mehrstufigen Aufgaben zu etablieren.


Quellen (auf Englisch)

KI-Übersetzung des englischen Originalartikels, automatisch geprüft, damit sie dasselbe aussagt wie das Original. Die Quellen wurden auf Englisch geprüft.

Advertisement