Google hat mit Gemini 4 Argon ein neues Flaggschiffmodell für künstliche Intelligenz vorgestellt, das auf umfangreiche Rechen- und Entwicklungsaufgaben ausgerichtet ist. Zu den wichtigsten Neuerungen gehört die Erhöhung der maximalen Ausgabelänge auf eine Million Tokens. Das Modell soll große Datenmengen analysieren, bestehende Software modernisieren und mehrstufige Arbeitsabläufe automatisieren können. Gleichzeitig veröffentlichte das Unternehmen Ergebnisse aus Tests zur Programmierung, Cybersicherheit und Optimierung der IT-Infrastruktur. Erste praktische Anwendungen betreffen bereits Google-Rechenzentren, Quantenalgorithmen und die Migration von Programmcode auf Rust. Dies berichtet die Webseite das-unternehmer-wissen mit einem Link zu blog.google.
Gemini 4 Argon ermöglicht bis zu eine Million Ausgabe-Tokens
Die wichtigste technische Neuerung von Google Gemini 4 Argon ist die deutliche Erweiterung der maximalen Ausgabelänge. Während frühere Modellversionen auf 64.000 Ausgabe-Tokens begrenzt waren, soll die neue KI bis zu eine Million Tokens innerhalb einer einzigen Antwort generieren können. Damit erhöht sich die Kapazität um mehr als das 15-Fache.
Durch diese Erweiterung kann das System wesentlich umfangreichere Ergebnisse innerhalb einer einzelnen Anfrage erstellen. Besonders relevant ist dies für große Softwareprojekte, technische Dokumentationen und komplexe Aufgaben, die zahlreiche aufeinanderfolgende Arbeitsschritte erfordern.
Das Modell wurde für längerfristige Prozesse entwickelt, bei denen umfangreiche Informationen berücksichtigt und einzelne Arbeitsschritte aufeinander abgestimmt werden müssen. Zu den wichtigsten Einsatzgebieten zählen die Überarbeitung von Programmcode, die Datenanalyse und die Steuerung autonomer KI-Agenten.
Was kostet Google Gemini 4 Argon über die API?
Google hat auch die anfänglichen Preise für die Nutzung des neuen KI-Modells über die Programmierschnittstelle API bekannt gegeben. Die Kosten richten sich nach der Anzahl der verarbeiteten Eingabe- und Ausgabe-Tokens.
| Verarbeitung | Preis |
|---|---|
| Eingabe-Tokens | 2 US-Dollar pro 1 Mio. Tokens |
| Ausgabe-Tokens | 10 US-Dollar pro 1 Mio. Tokens |
| Zwischengespeicherte Eingabe-Tokens | 95 % Rabatt |
Durch die Zwischenspeicherung bereits verarbeiteter Informationen lassen sich die Kosten bei wiederholten Anfragen erheblich reduzieren. Diese Möglichkeit richtet sich insbesondere an Entwickler, Unternehmenskunden und Organisationen, die künstliche Intelligenz in eigene digitale Produkte integrieren.
Die tatsächlichen Ausgaben hängen vom Umfang der Anfragen, der Menge der generierten Daten und den technischen Anforderungen der jeweiligen Anwendung ab.
Neues Google-KI-Modell erreicht hohe Ergebnisse in Benchmarks
Die Entwickler veröffentlichten Ergebnisse von Gemini 4 Argon aus mehreren spezialisierten Leistungstests. Dabei wurden insbesondere die Fähigkeiten in der Softwareentwicklung, Prozessautomatisierung und Verarbeitung multimedialer Informationen untersucht.
Besonders hohe Werte erzielte das Modell bei technischen Aufgaben, die eine eigenständige Analyse von Programmcode und die Durchführung mehrerer aufeinanderfolgender Arbeitsschritte erfordern.
| Benchmark | Ergebnis | Testbereich |
|---|---|---|
| DeepSWE v1.1 | 77,9 % | Softwareentwicklung |
| AutomationBench | 51,3 % | Automatisierung von Geschäftsprozessen |
| CWE-bench v1 | 68 % | Erkennung und Behebung von Sicherheitslücken |
| LVBench | Führende Platzierungen laut Google | Videoanalyse |
Nach Angaben des Unternehmens kann Gemini 4 Argon komplexe Aufgaben bearbeiten, die zuvor auf mehrere einzelne Anfragen verteilt werden mussten. Die multimodalen Fähigkeiten ermöglichen außerdem die Verarbeitung unterschiedlicher Datenformate, darunter Videoinhalte.
Google optimiert Rechenzentren mit künstlicher Intelligenz
Das neue KI-Modell wird bereits in internen Entwicklungsprojekten von Google eingesetzt. Ein Schwerpunkt liegt auf der Optimierung der Recheninfrastruktur und der Erkennung ineffizient genutzter Ressourcen.
Nach Unternehmensangaben konnten autonome KI-Agenten auf Basis von Argon Probleme identifizieren und beheben, die zu einer unnötigen Belegung von Arbeitsspeicher führten. Dadurch wurden mehr als 300 Tebibyte (TiB) Speicherkapazität freigegeben.
Das zusätzliche Einsparpotenzial wird auf 500 TiB bis zu einem Pebibyte (PiB) geschätzt. Dabei handelt es sich um eine effizientere Nutzung vorhandener Speicherressourcen und nicht um eine entsprechende Verringerung der physischen Serveranzahl.
Ein weiterer Einsatzbereich sind Quantenberechnungen. Bei der Optimierung von Quantenalgorithmen konnte das KI-Modell einen veröffentlichten Referenzwert für die Ressourceneffizienz um 40 Prozent verbessern. Nach Angaben der Entwickler benötigte das System dafür nur wenige Minuten.
Gemini 4 Argon beschleunigt die Migration von C++ auf Rust
Google setzt künstliche Intelligenz zunehmend auch für die Modernisierung systemnaher Software ein. Dazu gehört insbesondere die Migration bestehender Programme von C und C++ auf die Programmiersprache Rust.
Rust bietet Mechanismen zur Speichersicherheit, mit denen sich verschiedene häufig auftretende Programmierfehler verhindern lassen. Der Wechsel zu dieser Sprache gilt daher als eine Möglichkeit, die Sicherheit komplexer Softwaresysteme zu verbessern.
Zu den Projekten, bei denen die neue Technologie eingesetzt wird, gehört der Zircon-Kernel des Betriebssystems Fuchsia. Der entsprechende Programmcode umfasst mehr als 800.000 Zeilen.
Ein weiteres Beispiel ist die Videodekodierungsbibliothek libgav1. Im Rahmen dieses Projekts überarbeitete Googles künstliche Intelligenz rund 32.000 Zeilen SIMD-Code, der für die Beschleunigung bestimmter Rechenoperationen verwendet wird.
Nach Angaben der Entwickler konnte die Leistung des Videodecoders dadurch um den Faktor 2,7 gesteigert werden. Die Ergebnisse betreffen damit nicht nur die Erstellung neuer Programme, sondern auch die technische Optimierung bereits vorhandener Softwarekomponenten.
Gemini 4 Argon erkennt und behebt Sicherheitslücken automatisch
Ein weiterer Entwicklungsschwerpunkt von Gemini 4 Argon ist die Cybersicherheit. Das Modell wurde darauf ausgelegt, potenziell gefährliche Schwachstellen in Software automatisiert zu identifizieren, zu überprüfen und zu beheben.
Im Rahmen der Initiative Scan for Good des Sicherheitsunternehmens Wiz entdeckte die KI eine kritische Sicherheitslücke in medizinischer Software, die von Krankenhäusern in verschiedenen Ländern eingesetzt wird.
Die Schwachstelle hätte möglicherweise einen unbefugten Zugriff auf vertrauliche Patientendaten ermöglichen können. Durch ihre Entdeckung konnten Maßnahmen zur Verhinderung eines potenziellen Datenabflusses eingeleitet werden.
Im spezialisierten Sicherheitstest CWE-bench v1 erreichte das Modell einen Wert von 68 Prozent. Laut Google belegte Gemini 4 Argon damit den ersten Platz.
Für interne Sicherheitsexperten und ausgewählte vertrauenswürdige Partner ist außerdem eine besondere Modellkonfiguration vorgesehen, bei der die üblichen systemseitigen Beschränkungen im Bereich der Cybersicherheit aufgehoben sind. Diese Version soll umfassendere Sicherheitsanalysen und Untersuchungen komplexer Softwarebedrohungen ermöglichen.
Google führt zusätzliche Sicherheitsmechanismen für Gemini 4 Argon ein
Parallel zur Erweiterung der technischen Fähigkeiten hat Google zusätzliche Kontrollmechanismen für das neue KI-Modell vorgestellt. Diese orientieren sich am Frontier Safety Framework, einem Regelwerk zur Bewertung und Begrenzung potenzieller Risiken besonders leistungsfähiger KI-Systeme.
Ein Schwerpunkt liegt darauf, den Missbrauch der Technologie für die Entwicklung gefährlicher chemischer oder biologischer Stoffe sowie für schädliche Cyberoperationen zu verhindern.
Darüber hinaus wurde der Schutz vor sogenannten Prompt-Injection-Angriffen verstärkt. Dabei versuchen Angreifer, das Verhalten eines KI-Modells durch manipulierte Anweisungen innerhalb externer Daten zu verändern.
Die Widerstandsfähigkeit gegenüber solchen Angriffen wurde unter anderem mit dem Gray-Swan-IPI-Test überprüft. Google berichtet von verbesserten Schutzmechanismen gegen Versuche, die Steuerung des Systems über manipulierte Kontextinformationen zu übernehmen.
Zusätzlich entwickelte das Unternehmen Verfahren zur Überwachung der internen Schlussfolgerungsprozesse, des sogenannten Chain-of-Thought. Diese sollen helfen, Situationen zu erkennen, in denen das Modell von vorgegebenen Anweisungen abweicht oder unerwünschte Aktionen ausführt.
Bei besonders risikoreichen Tests kommen isolierte Testumgebungen zum Einsatz, die als Sandboxes bezeichnet werden. Sie begrenzen den Zugriff der getesteten KI-Systeme auf externe Infrastruktur und ermöglichen eine kontrollierte Ausführung potenziell gefährlicher Operationen.
