15.000 Sterne pro Tag. Die Codegenerierung schlägt Claude. Sogar Cursor ist besorgt? Google Gemini CLI macht einen Wahnsinn!
Heute hat Google offiziell das Gemini CLI vorgestellt, eine Version seines KI-Assistenten für die Terminalumgebung. Der Höhepunkt dieses Tools liegt in seinem sehr großzügigen kostenlosen Nutzungsquoten: Es unterstützt bis zu 60 Modellaufrufe pro Minute und 1.000 pro Tag.
Der "Cheat" der kostenlosen Quoten - bringt Claude um?
Nach Claude Code im Februar und OpenAI Codex CLI im April hat Google im Juni auch das Gemini CLI vorgestellt. Damit haben alle drei großen KI-Labore ihre eigenen "Terminal-Intelligenzagenten" - Tools veröffentlicht. Solche CLI-Tools können Dateien lesen und ändern und im Terminal Befehle im Namen des Benutzers ausführen.
Viele haben vermutlich ursprünglich gedacht, dass solche Terminaltools immer ein Nischenmarkt bleiben würden. Doch jetzt scheint dies eine Unterschätzung ihrer Potenziale zu sein. Viele Entwickler geben monatlich Hunderte oder sogar Tausende von Dollar für Claude Code aus, was zeigt, dass dieser "Nischenmarkt" viel größer und wichtiger ist, als ursprünglich angenommen.
Im Vergleich zu Claude Code ist Google bei den Preisen sehr großzügig:
Mit einem persönlichen Google-Konto kann man kostenlos die Genehmigung für Gemini Code Assist erhalten. Dies entsperrt das Gemini 2.5 Pro-Modell und ein Kontextfenster von einer Million Tokens. Während dieser Vorschauphase bietet Google die am wenigsten restriktiven Aufrufquoten der Branche: Bis zu 60 Anfragen pro Minute und 1.000 pro Tag, alles kostenlos.
Derzeit konzentriert sich die Aufmerksamkeit der Community auf die riesigen kostenlosen Quoten des Gemini CLI. Kommentatoren sagen direkt: "Das ist unglaublich. Das wird Anthropic unter enormen Druck setzen." "Das stimmt - wenn diese Aufrufbeschränkungen stimmen und kostenlos sind, gibt es endlich echten Wettbewerb."
Im Gegensatz zu Claude Code ist das Gemini CLI wie OpenAI Codex CLI Open Source (unter der Apache 2.0-Lizenz). Und das Gemini CLI hat in weniger als einem Tag 15.1k Sterne auf GitHub erhalten.
Das Gemini CLI bietet Funktionen wie Code schreiben, Probleme debuggen, Projekte verwalten, Dokumentation durchsuchen und Code erklären. Es ist auch mit einem MCP (Modellkontextprotokoll) - Server verbunden und verfügt über Agentic AI - Fähigkeiten.
Der Vorteil von CLI-Tools liegt darin, dass sie mit jedem Editor oder IDE verwendet werden können, nicht auf Tools mit bestimmten Plug - ins beschränkt sind und mehrere Instanzen gleichzeitig ausführen können. Einige Entwickler halten die Befehlszeileninteraktion auch für effizienter.
Das Gemini CLI unterstützt die Plattformen Mac, Linux (einschließlich ChromeOS) und Windows. Im Gegensatz zu Claude Code oder Codex ist es auf Windows nativ implementiert und benötigt kein Windows Subsystem for Linux (WSL). Entwickler können durch Hinzufügen einer Textdatei namens gemini.md im Projektstammverzeichnis den Kontext und die Parameter anpassen. Der Google - Senior - Ingenieur Tayor Mullen sagte, dass das CLI auch automatisch Details in diese Datei schreibt, wenn es "Details für die Langzeitaufbewahrung" erkennt.
Da es Open Source ist, können wir auch seine System - Prompt - Texte sehen.
Wie immer definiert diese System - Prompt - Texte nicht nur das Verhalten des Tools, sondern ist auch eine sehr präzise und genaue Anwendungsdokumentation. Beispielsweise lautet ihre Regel für Code - Kommentare:
Kommentare: Fügen Sie Kommentare vorsichtig hinzu und erklären Sie vor allem "warum" etwas so gemacht wird, insbesondere bei komplexen Logiken, anstatt "was" gemacht wird. Fügen Sie nur hochwertige Kommentare hinzu, wenn sie wirklich die Lesbarkeit verbessern oder der Benutzer dies ausdrücklich fordert. Ändern Sie keine Kommentare, die nicht mit Ihren Änderungen zusammenhängen, und kommunizieren Sie niemals mit dem Benutzer über Kommentare oder erklären Sie Ihre Änderungen.
Der standardmäßig verwendete Technologie - Stack hat auch einen hohen Referenzwert.
Wenn der Benutzer keine technologischen Vorlieben angibt, werden folgende Standards empfohlen:
Web - Frontend: React (JavaScript/TypeScript) + Bootstrap CSS in Kombination mit den Designrichtlinien von Material Design;
Backend - API: Node.js + Express.js oder Python + FastAPI;
Full - Stack - Anwendungen: Next.js (React/Node.js) + Bootstrap + Material Design oder Python (Django/Flask) + React/Vue.js - Frontend;
Befehlszeilentools (CLI): Python oder Go;
Mobiles App: Compose Multiplatform (Kotlin) oder Flutter (Dart) für die plattformübergreifende Entwicklung; auch native Entwicklung mit Jetpack Compose (Android) oder SwiftUI (iOS) wird unterstützt;
3D - Spiele: HTML/CSS/JavaScript + Three.js;
2D - Spiele: HTML/CSS/JavaScript.
Was macht das Gemini CLI besser als spezialisierte Tools?
Das Gemini CLI ist an Googles fortschrittlichstes Codierungs - und Inferenzmodell, Gemini 2.5 Pro, angeschlossen. Es verfügt über Fähigkeiten wie Codeverständnis, Dateimanipulation, Befehlsausführung und dynamische Fehlersuche, was die Benutzererfahrung in der Befehlszeile erheblich verbessert. Benutzer können mit natürlicher Sprache Code schreiben, Probleme debuggen und ihren Arbeitsablauf optimieren.
Darüber hinaus kann das Gemini CLI über MCP andere Google - Dienste aufrufen und Bilder oder Videos im Terminal generieren, was eine integrierte Erfahrung von der Codierung bis zur Kreativität ermöglicht.
Die integrierte Demonstration auf der Vorstellung und die dahinter liegende technische Philosophie enthüllen die Schlüsselpositionierung des Gemini CLI. Es ist nicht nur ein Code - Schreibtool, sondern ein "Terminal - Intelligenzagent", der multimodale Intelligenz verbindet und die Codierung und Kreativität miteinander verknüpft. Diese Philosophie spiegelt sich auch in der Wahl des dahinter liegenden Gemini 2.5 Pro - Modells wider.
Es ist bemerkenswert, dass das Gemini 2.5 Pro nicht speziell für Codierungsaufgaben trainiertes "Code - spezifisches Modell" ist, sondern ein allgemeines Modell mit einem breiteren Fähigkeitsumfang. Warum hat Google also nicht wie einige Wettbewerber ein maßgeschneidertes Code - Modell für das Gemini CLI entwickelt? In einem tiefgehenden Interview haben Connie Fan, die Produktverantwortliche, und Danny Tarlow, der Forschungsleiter, ihre Überlegungen geteilt.
Connie Fan sagte, dass zwar bestimmte Aufgaben von spezifischen Modellen profitieren können. Beispielsweise funktioniere das von Cursor trainierte Code - Vervollständigungsmodell "sehr gut in sehr eingeschränkten Anwendungsfällen". Doch für die meisten realen Entwicklungsaufgaben sind die Codierungsanforderungen nicht auf den Code selbst beschränkt.
Beispielsweise nannte sie eine klassische Anforderung: "Hilf mir, eine App für die Charts der Songs von Taylor Swift zu erstellen." Dies erfordert, dass das Modell nicht nur Code versteht, sondern auch den Kontext, Allgemeinwissen und sogar etwas UI/UX - Ästhetik hat. "Hinter diesem Allgemeinwissen stecken die echten Programmieranforderungen der Benutzer", fasste sie zusammen. "Die meisten allgemeinen Aufgaben profitieren nicht von einem reinen Code - Modell."
Danny Tarlow sagte weiter: "Was bedeutet eigentlich ein 'Code - spezifisches Modell'? 'Code' umfasst nicht nur den Code selbst, sondern alle Aspekte des Softwareentwicklungsprozesses und verschiedene Informationsquellen, einige speziell für Code, andere nicht. Wenn man nur die Code - Fähigkeiten stärkt und andere Fähigkeiten schwächt, begrenzt man die Leistung des Modells. Wir bevorzugen eher die gemeinsame Entwicklung auf einem allgemeinen Modell und suchen nach einer Fusion und einem Gleichgewicht zwischen verschiedenen Fähigkeiten, um ein 'Universal - Modell' zu schaffen. Dies ist der bessere Entwicklungspfad."
Tatsächlich bemerken immer mehr Entwickler die deutlichen Verbesserungen von Gemini 2.5 Pro bei der Codegenerierung und - verständnis. In einer Atmosphäre, in der Claude lange Zeit dominiert hat, hören wir immer häufiger die Fragen: "Wird Gemini die Wende machen?" "Wird Google zurückkommen?" Auf sozialen Medien haben einige Benutzer ihre Entwicklungs - Erfahrungen geteilt. In einem Projekt mit etwa 500.000 Codezeilen war die Qualität des Codes, der von Claude Code generiert wurde, "weit hinter der von CLI + Gemini 2.5 Pro". Um das gleiche Ergebnis zu erzielen, müssten die Entwickler Claude Code ständig überwachen.
Einige Entwickler sagen, dass die Fertigstellungsrate der Programmierung mit Gemini 2.5 Pro auf Trae deutlich höher ist als mit Claude 3.7. Andere sagen, dass Gemini Code schneller Fehler behebt als Claude Code.
Bei einem 3D - Rendering - Problem hat Claude Code zwei Stunden lang versucht, die Fehler zu beheben, ohne Erfolg. Als man das Gemini 2.5 Pro fragte, war das Problem in fünf Minuten gelöst. Es scheint, dass man für schwierige Probleme zuerst das Gemini 2.5 Pro nutzen kann, um eine detaillierte Anleitung zu erstellen, und dann Claude Code verwenden kann, um diese Anleitung umzusetzen. Diese Kombination könnte gut funktionieren.
Diese Rückmeldungen zeigen, dass Google in den letzten Jahren in Bezug auf die Code - Fähigkeiten in eine Phase der "qualitativen Veränderung" eingetreten ist. Connie Fan, die Produktverantwortliche für die Codierungsprojekte von Gemini, sagte, dass das gute Ansehen von Gemini 2.5 Pro auf zwei systemischen Entwicklungen zurückzuführen sei: "Daten" und "Methodik".
Von der Datenperspektive aus gesehen ist der "Code - Repository - Kontext" sehr wichtig. Das Ziel des Modells ist nicht mehr nur die einfache Code - Vervollständigung, sondern das Verständnis und die Änderung großer Code - Bibliotheken, die in mehreren Dateien und Modulen verteilt sind. "Das Modell sollte in der Lage sein, die komplexen Änderungen vorzunehmen, die Sie selbst in einem vertrauten Code - Repository - Kontext in einer Stunde vornehmen würden."
Um das Modell wirklich mit diesen Kontexten vertraut zu machen, beginnt Google auch, die Ressourcen seiner internen Ingenieure systematisch auszuschöpfen.
Dazu gehören auch Leute wie Jeff Dean. "Sie repräsentieren einen neuen Standard der Fähigkeiten", sagte Connie direkt. "Wir haben Hunderttausende von den klügsten, besten und manchmal auch eigensinnigsten Ingenieuren der Welt." Mit ihren Rückmeldungen in verschiedenen Sprachen, Technologie - Stacks und Erfahrungsstufen kann Google ein breiteres Spektrum von Anwendungsfällen abdecken und die Übereinstimmung des Modells mit den "feinen Geschmäckern professioneller Entwickler" verbessern. "Wir haben das in der Vergangenheit nicht gut genutzt, aber jetzt tun wir es wirklich, und die Ergebnisse sind erstaunlich."
Von der Forschungsseite aus hat das Gemini - Team nicht alle Karten auf das Konzept eines "einzigen großen Kontextfensters" gesetzt, sondern hat zwei Wege erkundet: Einerseits wird die Länge des Kontexts kontinuierlich erweitert, andererseits wird ein agentisches Programmier - Modell mit eigenständiger Suche und Inferenzfähigkeit entwickelt. Das Modell interagiert in Form eines Agents mit dem Benutzer und hat sogar ein gewisses Maß an Autonomie.
Wie Danny Tarlow, der Forschungsleiter, beschrieb: "Wenn wir Sie (einen menschlichen Entwickler) in eine große Code - Bibliothek werfen würden, was würden Sie tun? Sie würden nach Code suchen, die Dateistruktur betrachten, herumklicken, Code lesen und andere Informationen suchen. Das agentische Modell imitiert diesen Ansatz."
Was noch interessanter ist, wenn das Modell eine Code - Bibliothek mit einer Million Zeilen erfolgreich verarbeitet, erlebt der Benutzer eine "magische" Überraschung. Dies ist die Richtung, der das Gemini 2.5 Pro folgt: Nicht nur die Arbeitsweise des Menschen zu imitieren, sondern auch die Grenzen der menschlichen Erfahrung zu überschreiten und neue, "nicht - menschliche" Lösungen zu entwickeln.
Deshalb beginnen viele Entwickler, Googles Rückkehr in diesem Wettbewerb um die KI - Programmierung zu beachten. Ob Gemini "die Wende" schafft, ist noch ungewiss, aber die Signale für ein "Aufholen" werden immer deutlicher.
Referenzlink:
https://www.youtube.com/watch?v=jwbG_m-X-gE