Gemini 4 ist da: Google gibt zuerst nur Partnern Zugriff auf stärkste KI-Modell

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Google ist zurück an der Spitze, zumindest laut Google. Der Konzern hat soeben Gemini 4 Argon vorgestellt, sein erstes echtes Flaggschiff-Modell seit fast einem Jahr. In den selbst veröffentlichten Benchmarks liegt Argon in den meisten Disziplinen vor Anthropics Claude Opus 5.5, Claude Fable 5.1 und OpenAIs GPT-6 Astra. Unabhängige Tests gibt es allerdings noch keine, und nutzen können das Modell vorerst nur ausgewählte Cybersecurity-Expert:innen.

„Gemini 4 Argon verändert grundlegend, wie wir bei Google arbeiten und entwickeln“, schreibt Koray Kavukcuoglu, Chief AI Architect von Google, im Blogpost zum Start. Das Modell sei für tiefes Schlussfolgern über lange, komplexe Arbeitsabläufe gebaut und liefere Spitzenleistung bei Softwareentwicklung, Wissensarbeit wie Recht und Finanzen sowie in der Cyberabwehr.

Was Google verspricht

Die auffälligste technische Neuerung ist das Output-Limit: Argon kann bis zu eine Million Tokens in einer einzigen Antwort erzeugen, bisher waren es 64.000. Das Modell soll dadurch schwierige Probleme in einem Durchgang lösen können, statt sie in viele Teilschritte zu zerlegen.

Google setzt Argon nach eigenen Angaben bereits intern ein. Tausende Mitarbeiter:innen nutzen es fürs Programmieren, für Recherche und zum Schreiben. Als Beispiele nennt Google unter anderem Speicheroptimierungen in den eigenen Rechenzentren, die bisher mehr als 300 Tebibyte Arbeitsspeicher freigeräumt haben sollen, sowie die Migration großer C- und C++-Codebasen in die sicherere Programmiersprache Rust. Ein von Argon-Agenten optimierter Video-Decoder läuft laut Google 2,7-mal so schnell wie die bisherige Rust-Version.

Starten soll Argon zu einem Einführungspreis von 2 Dollar (rund 1,70 Euro) pro Million Input-Tokens und 10 Dollar (rund 8,50 Euro) pro Million Output-Tokens. Das ist die Hälfte dessen, was Anthropic für Claude Opus 5.5 verlangt.

So sieht Google sich im Vergleich

In Googles eigener Vergleichstabelle mit 19 Benchmarks liegt Argon 13-mal allein vorne, einmal teilt es sich den ersten Platz mit GPT-6 Astra. Besonders groß ist der Vorsprung bei Wissensarbeit: Im Vals Index, der die wirtschaftliche Wirkung in Finanzen, Programmierung, Recht und Steuern misst, erreicht Argon 68,9 Prozent, vor Claude Opus 5.5 mit 67,0 Prozent, Claude Fable 5.1 mit 65,8 Prozent und GPT-6 Astra mit 63,1 Prozent. Bei Zapiers AutomationBench kommt Argon auf 51,3 Prozent, Opus 5.5 auf 42,5 Prozent. Beim Programmier-Benchmark DeepSWE v1.1 liegt Argon mit 77,9 Prozent vor Opus 5.5 (74,2 Prozent) und GPT-6 Astra (74,1 Prozent).

Die Tabelle zeigt aber auch, wo Anthropic und OpenAI vorne bleiben. Beim wichtigen Coding-Benchmark Terminal-Bench 4.0 führt Claude Opus 5.5 mit 66,4 Prozent klar vor Argon mit 57,4 Prozent, ebenso beim Machine-Learning-Test PostTrainBench. GPT-6 Astra gewinnt bei FrontierSWE v2, bei Terminal-Bench Science und bei der Computersteuerung in OSWorld-2.0. Beim Cyber-Benchmark CWE-bench v1 liegen Argon und Astra mit je 68 Prozent gleichauf, knapp vor Opus 5.5 mit 67 Prozent.

Noch keine unabhängigen Tests

Alle diese Zahlen stammen von Google selbst. Unabhängige Messungen, etwa von Artificial Analysis, gibt es noch nicht, weil das Modell bisher nicht öffentlich zugänglich ist. Wie groß der Unterschied zwischen Herstellerangaben und unabhängigen Tests ausfallen kann, zeigt ausgerechnet der Terminal-Bench: Für Claude Opus 5.5 übernimmt Google den Wert von 66,4 Prozent, den Anthropic selbst angegeben hat. Artificial Analysis maß mit einem anderen Setup nur 59,6 Prozent. Welche Konfigurationen Google für die Konkurrenzmodelle verwendet hat, beschreibt der Konzern in einer eigenen Methodik-Übersicht.

Intern gibt es offenbar Zweifel an den glänzenden Werten. Wie Bloomberg unter Berufung auf Personen mit direktem Zugang zum Projekt berichtet, schneidet Gemini 4 zwar bei den branchenüblichen Benchmarks gut ab, im praktischen Einsatz durch Mitarbeiter:innen aber schlechter. Vor allem mit bestimmten Programmieraufgaben habe das Modell Probleme. Das steht im Kontrast zu Googles Darstellung, wonach Tausende Mitarbeiter:innen Argon gerade für spezialisierte Coding-Aufgaben schätzen.

Klar ist, wie groß der Druck auf Google war. Das ursprünglich für Mai angekündigte Gemini 3.5 Pro erschien nie, stattdessen brachte Google nur günstige Flash-Modelle. Im Intelligence Index von Artificial Analysis lag Googles bestes Modell zuletzt 17 Punkte hinter der Spitze, hinter den großen US-Rivalen und zwei chinesischen Anbietern.

Zuerst nur für Cyberabwehr

Breit verfügbar ist Argon noch nicht. Zunächst erhalten ausgewählte Cybersecurity-Teams über Googles Fairwind-Programm Zugang, und zwar ohne die sonst üblichen Cyber-Schutzmechanismen. Das Modell kann laut Google selbstständig Sicherheitslücken finden, prüfen und schließen. Das Cloud-Security-Unternehmen Wiz soll damit bereits eine kritische Schwachstelle in Krankenhaus-Software entdeckt haben, die frühere Modelle übersehen hatten.

Parallel nimmt Google am freiwilligen Prüfverfahren der US-Regierung für neue KI-Modelle teil und will die Sicherheitsvorkehrungen noch verstärken. Danach soll Argon zuerst für zahlende API-Kund:innen und Abonnent:innen von Google AI Ultra freigegeben werden. Einen konkreten Termin nennt Google nicht, nur „so bald wie möglich“. Damit folgt Google einem Muster, das zuvor schon Anthropic mit Claude Mythos etabliert hat: Die stärksten Modelle gehen zuerst an Verteidiger:innen, bevor die Öffentlichkeit sie bekommt.