Google veröffentlicht das KI-Modell Gemini 4 Argon für Entwickler und Unternehmen

Google hat sein neuestes Frontier-KI-Modell, Gemini 4 Argon, weltweit Entwicklern, Unternehmen, Wissenschaftlern und Verbrauchern zugänglich gemacht. Das Modell ist über die API in AI Studio und der Gemini-Plattform sowie über Google AI Ultra- und Pro-Abonnements in der Gemini-App und den KI-Modus in der Suche verfügbar. Laut einem Blogbeitrag von Koray Kavukcuoglu, SVP von Google DeepMind und Chief AI Architect bei Google, ist das Modell für "tiefgreifende Arbeit an komplexen, realen Aufgaben in Bereichen wie Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft" konzipiert.

Leistung und Preisgestaltung

Google gibt an, dass Gemini 4 Argon auf dem Vals Index den Platz #1 belegt, einem Benchmark, der die Modellleistung in verschiedenen Wirtschaftssektoren wie Finanzen, Programmierung, Recht und Steuerarbeit misst. Das Modell wird mit einem Einführungspreis von 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token gestartet, wobei zwischengespeicherte Input-Token um 95 % ermäßigt werden.

In internen Engineering-Tests berichtet Google, dass Argon dem Chrome-Team geholfen hat, einen architektonischen Refaktor über Hunderte von Dateien hinweg in Wochen abzuschließen, eine Aufgabe, die normalerweise Monate dauert. Das Unternehmen behauptet auch, dass das Modell die Anzahl der agentic Code-Einreichungen um mehr als 35 % erhöht und gleichzeitig Code-Rollbacks um fast ein Drittel reduziert habe. Darüber hinaus sagt Google, Argon habe eine 2,85-fache Beschleunigung der End-to-End-Inferenz auf einem A100 für seine Open-Source-Gemma-Modelle erzielt.

Branchen- und wissenschaftliche Anwendungen

Partner im Early Access haben spezifische Ergebnisse bei der Nutzung des Modells gemeldet. Alex Cabrera, Founding Engineer bei Axiom Bio, erklärte: "Auf unserem Scientific Agent Benchmark lag Gemini 4 bei den meisten Aufgaben an der Spitze, einschließlich unserer schwierigsten: der Bewertung des klinischen Risikos zwischen zwei Arzneimitteln." Gopal Srinivasan, Global AI and Data Lead bei Deloitte, stellte fest, dass das Modell in ihren Bewertungen "100 % der Zeit erfolgreich abgeschlossen" habe, was langlaufende Aufgaben betrifft.

Im medizinischen Bereich berichtete Brendan Fortuner, SVP Technology bei Ambience Healthcare, dass Gemini 4 "die höchste Recall-Rate und ICD-10-Code-Spezifität unter den von uns bewerteten Modellen" bei komplexen synthetischen longitudinalen Diagrammen erreichte. Im Legal-Tech-Bereich sagte Caio Perona, CEO von MinutaIA, dass das Modell "in einer Bewertung tatsächlich den Antwortschlüssel unserer menschlichen Experten übertraf, indem es ein rechtlich relevantes Detail aufzeigte, das wir übersehen hatten".

Google hob auch wissenschaftliche Durchbrüche hervor, darunter die Nutzung von Argon, um eine breitere Klasse von Gegenbeispielen zur "Grad-Vermutung" in der Fusionsforschung zu entdecken, zusammen mit Professor Matt Landreman der University of Maryland. Bei der Enzymdesign berichteten Google-Wissenschaftler, dass Argon in wenigen Stunden fünf neuartige Designs für Serin-Esterasen identifizierte, wobei nachfolgende Labortests eine robuste katalytische Aktivität bestätigten.

Robotik und physikalisches Schlussfolgern

Ein dedizierter Beitrag im Google Developers Blog von Kanishka Rao, Principal Software Engineer, beschreibt die Fähigkeiten von Argon in der Robotik. Das Modell erreicht 87 % im Embodied Reasoning (ERQA)-Benchmark, der die Fähigkeit testet, physikalische und räumliche Probleme in 3D-Umgebungen zu lösen. Google gibt an, dass diese Punktzahl andere Frontier-Modelle übertrifft.

Der Blogbeitrag beschreibt mehrere Anwendungen, darunter:

• Robotik-Steuerung: Argon steuerte einen Boston Dynamics Spot-Quadruped, um zu lernen, wie man auf einen Fußpedal-Mülleimer tritt, indem er dies zunächst in einer MuJoCo-Simulation übte.
• Real2Sim: Das Modell kann physikalisch kalibrierte Simulation-Zwillinge aus Roboter-Kameraaufnahmen oder menschlichen Videos rekonstruieren.
• Selbstverbesserung: In einem Test generierte Argon Simulationsdaten, die die Erfolgsquote eines realen Roboters von 56 % auf 75 % steigerten und die Abschlusszeit von 35 s auf 24 s reduzierten.

Warum es wichtig ist

Die Veröffentlichung von Gemini 4 Argon stellt eine bedeutende Erweiterung von Googles KI-Fähigkeiten in hochriskante professionelle und wissenschaftliche Domänen dar. Indem Google spezifische Metriken zur Code-Effizienz, Rechtsanalyse und wissenschaftlichen Entdeckung bereitstellt, positioniert er das Modell als Werkzeug für komplexes, mehrstufiges Schlussfolgern und nicht nur für konversationale Interaktion. Die Integration fortschrittlicher Fähigkeiten im physikalischen Schlussfolgern signalisiert auch einen Schub hin zu autonomeren Robotikanwendungen, was die Entwicklung in Bereichen mit präziser physischer Manipulation und Simulation potenziell beschleunigen könnte.

Quellen (auf Englisch)

• blog.google: Gemini 4 Argon is now available for everyone
• developers.googleblog.com: Gemini 4 Argon for Robotics - Google Developers Blog

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