henry, geschrieben aus Ao Fei Si
QbitAI | WeChat-Konto QbitAI
Wenn Sie mich fragen: Google ist einfach ein saisonales Klimamodell-Unternehmen – wird das Wetter kühler, reift das Flaggschiff heran.
Gerade eben wird Gemini 4 Argon nach und nach weltweit für Entwickler, Unternehmen und zahlende Abonnenten verfügbar gemacht.
Laut Googles Positionierung wurde in dieser Generation vor allem die Fähigkeit zum Programmieren, zur fachspezifischen Wissensarbeit und zur dauerhaften Ausführung komplexer Aufgaben gestärkt; zugleich wurden die zuvor bereits starken Fähigkeiten im visuellen Verstehen, im räumlichen Denken und im Tool-Aufruf weiter an die Spitze gebracht.
In den offiziell gezeigten Demos ist zu erkennen, dass Gemini 4 Argon diesmal vor allem bei Multimodalität am selbstbewusstesten auftritt.
Gibt man eine Textaufforderung ein, die einen Drachen simuliert, hebt das generierte Ergebnis direkt ab.
Und bei der Frage, die alle mehr interessiert –ob die Rückkehr in die Top Drei gelingt und den Nutzern eine weitere Modellauswahl geboten wird –schnitt Gemini 4 Argon in den Benchmarks diesmal durchaus erfolgreich ab.
In Googles eigenen Benchmarks deckte Gemini 4 Argon zahlreiche Bereiche ab, darunter Büroarbeit, agentisches Programmieren, maschinelles Lernen und wissenschaftliches Denken; die Gesamtleistung erreichte bereits das Niveau von GPT-6 Astra und Opus5.5, wobei man in etlichen Disziplinen sogar in Führung lag.
Im Intelligenzindex des Drittanbieters Artificial Analysis liegt Argon High mit 53 Punkten gleichauf mit GPT-6 Astra Max und Claude Fable5.1 Max.
Noch wichtiger: Bei gleichem Leistungsniveau betragen die durchschnittlichen Kosten pro Aufgabe bei Argon High nur 1,99 Dollar, rund 39% weniger als bei Astra.
Dieser Kostenvorteil schlägt sich im Einführungspreis nieder: Die API kostet 2 Dollar pro eine Million Input-Token und 10 Dollar für Output. Grob überschlagen liegen die Aufrufkosten von Argon also bei etwa der Hälfte von Opus5.5 und einem Fünftel von Astra.
Erwähnenswert ist, dass das Angebot bis zum 30. November gilt; ab dem 1. Dezember kehren die Preise für Input und Output auf 4 Dollar bzw. 20 Dollar zurück. Das heißt: erst einmal 50% Rabatt – jeder ist eingeladen, es auszuprobieren.
Allerdings: Wenn das Modell nicht schlau genug ist und Token hin und her verbrennt, um eine Aufgabe zu erledigen, ist das gesparte Geld womöglich sofort wieder verbrannt.
Ethan Mollick, der Gemini 4 Argon vorab testen durfte, traf ein durchaus treffendes Urteil:
Diese Generation ist gegenüber dem vorherigen Gemini ein deutlicher Sprung; Kreativität, Schreiben und Nutzungserlebnis haben sich verbessert, doch bei komplexen Multi-Agenten-Aufgaben gibt es noch Lücken, und gelegentlich ist das Modell auch zu selbstbewusst oder ein bisschen faul.
Warum man für das neue Flaggschiff wieder so lange warten ließ? Ich habe Googles neue Release-Seiten durchgeschaut und dabei einen 217-seitigen Sicherheitsbericht entdeckt~
(Google hat einfach zu große Angst, dass etwas schiefgeht)
Am selbstbewusstesten ist man bei Multimodalität
Von den immer wieder verschobenen Pro-Versionen, über die Ankündigung einer ersten limitierten Auflage am 30. September dieses Jahres bis hin zu unzähligen „nächste Woche“-Versprechen –
Gemini 4 Argon ist endlich da.
Im offiziellen technischen Blog fasst Googles Kernupgrade von Argon in einem Punkt zusammen:Eine stärkere Fähigkeit zur Ausführung langer Aufgabenabläufe.
Einfach gesagt: Das Modell beantwortet nicht mehr nur Fragen, sondern versteht nach dem Erfassen des Ziels eigenständig, recherchiert, ruft Tools auf, ändert Code, prüft Ergebnisse, schreitet über mehrere Schritte hinweg voran und bringt eine komplexe Sache tatsächlich zu Ende.
Allerdings: Verglichen mit den Beispielen aus Unternehmens- und Engineering-Szenarien zeigt und bewirbt Google diesmal am großzügigsten doch die Multimodalität.
So veröffentlichte „Holzspalter“ Sundar Pichai auf Twitter gleich eine Reihe von Demos, in denen „das eigene Modell das eigene Handy generiert“ –
Argon generierte direkt 3D-Szenen rund um das Pixel-Smartphone.
In einem anderen Fall hat Argon sogar einen vollständigen 3D-Rendering-Effekt mit dynamischer Typografie vollständig durch Code erzeugt, einschließlich der darin enthaltenen Musik.
Der gesamte Prozess griff nicht auf vorab aufgezeichnetes Material zurück und verwendete auch keine Videobearbeitungssoftware.
Als Hassabis die Wizard-Chess-Demo teilte, wies er ausdrücklich auf das Verständnis des Modells für physikalische Gesetzmäßigkeiten und 3D-Modellierung hin.
Sogar diese Szene erinnerte ihn an seine eigenen Erlebnisse mit „War Chess" auf dem Amiga.
Natürlich blieben auch die Netizens nicht untätig und stellten bald einen Vergleich der Generierungsergebnisse zwischen Argon und Modellen wie GPT, Claude und Kimi an.
Insgesamt betrachtet ist die visuelle Textur von Google dieses Mal wirklich sehr beeindruckend, auch wenn man bei Details, etwa der Bewegung des Wals, noch einige Unnatürlichkeiten erkennen kann.
Allerdings gibt es auch Internetnutzer, deren Test ergab, dass Opus 5.5 weiterhin das Nonplusultra ist.
Neben den ansprechenden Demos erstreckt sich diese Fähigkeit zum räumlichen Verständnis auch weiter auf echte Roboter.
Bei der offiziellen Vorführung sah sich Argon ein Video an, in dem ein Mensch das Sandsack-Wurfspiel spielte.
Anschließend analysiert es die räumlichen Beziehungen in der Umgebung, berechnet die Gelenkbewegungen des gesamten Körpers, verfasst eigenständig Simulationscode und überträgt den Plan auf Apptroniks menschenähnlichen Roboter Apollo.
Man kann wohl sagen: Nachdem GPT und Claude in den letzten beiden Tagen stürmisch in den Robotikbereich vorgedrungen sind, kann Google diesmal endlich nicht mehr länger zusehen.
Google erklärte, dass dieser „Video—Simulation—Realität“-Prozess die früher wochenlang manuell erforderliche Arbeit der Simulationsmodellierung für Roboter auf wenige Stunden verkürzen kann.
Die Bedeutung dahinter ist, dass menschliche Demonstrationen immer leichter in Aufgaben umgewandelt werden können, die Roboter lernen, üben und verifizieren können.
Frher waren das Anschauen von Videos zum Verständnis von Bewegungen, der Aufbau von Simulationsumgebungen und das Schreiben von Steuerungscode oft drei getrennte Arbeitsschritte.
Nun beginnen multimodale Modelle, diese Kette miteinander zu verbinden.
Für Programmierverbesserungen hat Google zuerst seinen eigenen Codebestand ausprobiert
Im Bereich der Programmierung besteht die zentrale Verbesserung von Gemini 4 Argon diesmal darin, die VerarbeitungLangzeitwartung und Optimierungsfähigkeit großer realer Projekte。
Im Vergleich zu früheren Modellen, die nur einzelne Codeaufgaben bewältigen konnten, sind die neuen Generationen besser darin, die Struktur eines gesamten Codebestands zu verstehen, Leistungsengpässe zu lokalisieren sowie dateiübergreifende Änderungen vorzunehmen, Tests auszuführen und eine komplexe Ingenieuraufgabe kontinuierlich voranzutreiben.
Diese Fähigkeit hat Google zunächst an seinem eigenen Open-Source-Agenten-Framework ADK verifiziert.
Dieses Python-Projekt umfasst etwa 205.000 Zeilen Code. Die Aufgabe des Teams an Argon lautete: die Laufzeitkosten des Frameworks zu senken, ohne Schnittstellen und bestehendes Verhalten zu verändern, und die Wirksamkeit der Optimierung durch Tests zu belegen.
Im Ergebnis lief Argon 11 Stunden lang unbeaufsichtigt, arbeitete 6 Optimierungsvorschläge aus, die 32 Dateien betrafen, und führte alle 16892 Open-Source-Tests durch.
Schließlich wurden nach Überprüfung durch die Ingenieure zwei der Optimierungen zusammengeführt, darunter die Verringerung des Overheads beim Kopieren des Sitzungsverlaufs sowie das bedarfsgesteuerte Laden großer Module.
Aufgrund dieser Änderungen wurde der Overhead der Speichervorbereitung in langen ADK-Sitzungen um etwa 40 % reduziert und die Zeit für den Paketimport um 21 % gesenkt.
Ähnliche Fähigkeiten setzte Google auch bei deutlich größeren Ingenieuraufgaben ein.
Im Chromium-Browserprojekt half Argon bei einer Architektur-Refaktorierung, die Hunderte von Dateien umfasste, und komprimierte Arbeiten, die ursprünglich mehrere Monate gedauert hätten, auf wenige Wochen.
Darüber hinaus steigerte Argon beim Optimieren des Gemma4E2B-Inferenzprogramms den Durchsatz in einer bestimmten Konfiguration von rund 3.79万 token pro Sekunde auf über 10.8万 token pro Sekunde; die End-to-End-Geschwindigkeit erreichte das 2.85-Fache des ursprünglichen Werts.
Laut Google hätten solche Optimierungen früher meist mehrere Monate benötigt, diesmal habe es nur wenige Tage gedauert.
Betrachtet man Google als Ganzes, hat Argon in Antigravity in den vergangenen Wochen dazu beigetragen, die Menge der von Agenten eingereichten Code-Commits um mehr als 35% zu steigern und die Zahl der Code-Rollbacks um fast ein Drittel zu senken.
Natürlich gab es auch Nutzer, die angaben, dass es bei ihnen nicht so gut lief. Wie es wirklich abschneidet, wird sich erst bei künftiger großflächiger Nutzung zeigen.
Das deckt sich auch mit den zuvor genannten Bestenlisten: Argon ist bei DeepSWE und Vibe Code Bench stark, liegt bei FrontierSWE und Terminal-bench aber weiterhin hinter mehreren wichtigen Konkurrenten in den Tabellen zurück.
Die Vorteile in echten Projekten sind bereits vorhanden; ob sie sich stabil für die Arbeit von mehr Menschen reproduzieren lassen, muss sich weiterhin zeigen.
Weitere Verbesserung der Fähigkeiten in professioneller Wissensarbeit
Im Bereich der professionellen Wissensarbeit zeigt sich die Verbesserung von Gemini4 Argon diesmal vor allem darin,verschiedene Materialien zu verarbeiten, Informationen zu verknüpfen und die Ergebnisse in direkt nutzbare Produkte zu überführen.
Die offizielle Demonstration zeigt ein sehr typisches Büro-Szenario:
Ein Nutzer gibt Gemini einen Ordner voller verstreuter Projektunterlagen und bittet es, daraus einen Kundenvorschlag zu erstellen.
Anschließend erstellt Gemini basierend auf den benutzerdefinierten Fähigkeiten Präsentationen, verfasst E-Mails, versendet Materialien und richtet automatisierte Abläufe für spätere Kundenanfragen ein.
Außerdem wurde auch in der Gemini-App ein Aufgaben-Eingang hinzugefügt. Nutzer können vom Chat in den Aufgaben-Ausführungsmodus wechseln und das Modell die Arbeit nach dem Verlassen des Computers fortsetzen lassen.
Gleichzeitig wurde auch die Programmieroberfläche von Antigravity in die Gemini-macOS-App integriert.
Im wissenschaftlichen Forschungskontext erstreckt sich diese Fähigkeit zur kontinuierlichen Ausführung noch weiter bis zur experimentellen Validierung.
Wissenschaftler von Google ließen Argon am Design von Serin-Esterasen mitwirken. Das Modell erledigte innerhalb weniger Stunden die Datenaufbereitung, das Modell-Tuning und die Kandidatenscreenings und schlug schließlich 5 neue Entwürfe vor.
Anschließend schickten die Forscher diese Entwürfe ins Labor, um zu überprüfen, ob sie tatsächlich funktionieren.
Das bei den Experimenten verwendete Detektionsmolekül erzeugt nach dem Zerschneiden seiner Esterbindung ein Produkt, das unter ultraviolettem Licht fluoresziert. Laut den von Google veröffentlichten Ergebnissen zeigten alle fünf Entwürfe eine starke katalytische Aktivität.
Die vom Modell vorgelegten Vorschläge sind bis zur experimentellen Validierung gelangt.
Google kündigte außerdem an, 10.000 qualifizierten und ausgewählten Wissenschaftlern kostenlos sechs Monate lang das höchste Nutzungskontingent von Antigravity bereitzustellen, gestaffelt in Tranchen.
One more thing
Obwohl wir zuvor über Googles Angst vor Schwierigkeiten gespottet haben, verdienen die Sicherheitsfähigkeiten diesmal wirklich eine eigene Erwähnung.
In CWE-bench v1, einem Benchmark zur Bewertung der Fähigkeit zur Behebung von Schwachstellen, erreichte Argon ein Ergebnis von 68% und liegt damit gemeinsam mit GPT-6 Astra an der Spitze der offiziellen Vergleichstabelle.
Der ehemalige Anthropic- und heutige Leiter der Mechanistic Interpretability bei DeepMind erklärte, Argons Sicherheitsbericht sei der bisher detaillierteste von Google.
217 Seiten – kann das alles andere als ausführlich sein?
In der Gray Swan-Evaluierung zu indirekten Prompt-Injection-Angriffen lag die Erfolgsquote der Angriffe auf Argon nach 15 adaptiven Angriffsversuchen bei 0.7%.
Es steckt also durchaus eine Menge Substanz in diesen 217 Seiten.
Ob dies der Grund für die langsame Veröffentlichung des Flaggschiffs ist, dafür haben wir keine Belege.
Man kann nur sagen: Das Modell ist endlich veröffentlicht worden, und Google hat nebenbei noch ein ganzes Buch abgeliefert.
Referenzlinks
[1] https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/