Der Verbrauch des Gemini 4 Argon-Tokens hat sich verdreifacht, der CEO von Google sprach erstmals über die Hintergründe der Einstellung von 3.5 Pro und gab zudem erste Einblicke in die kommende Version 5.0 preis.
72 Stunden nach dem Start verarbeitete das System fast 25 Billionen Token, was dem Dreifachen des Verbrauchs der Vorgängergeneration Gemini 3.0 im gleichen Zeitraum entspricht.
Dies ist die Premiere-Bilanz von Googles neuestem Flaggschiffmodell Gemini 4 Argon. Sogar Google mit seinen reichlichen Ressourcen musste angesichts des plötzlichen Anstiegs der Aufrufanforderungen erneut eine Begrenzung der Rechenleistung einführen.
In dem aktuellen Interview des Technik-Podcasts »Sources« hat Google-CEO Sundar Pichai die Details der Veröffentlichung von Gemini 4 Argon nachgearbeitet und erstmals öffentlich erläutert, warum Gemini 3.5 Pro auf mysteriöse Weise verschwunden ist und welche Gründe hinter dem Wechsel im Kernmanagement von DeepMind stehen.
1. Abschaffung von 3.5 Pro, direkter Vorstoß zu Argon – die interne Entwicklung ist bereits in die RSI-Phase eingetreten
In den vergangenen Monaten fragte sich die Öffentlichkeit ständig, wohin das Gemini 3.5 Pro verschwunden ist, das auf der I/O-Konferenz erwähnt wurde. Pichai gab im Interview direkt die Antwort: Um die Spitzenposition bei den Programmierfähigkeiten von Agenten zu erobern, wurde es vom Team bewusst aufgegeben.
Mitte dieses Jahres stellte Google beim Training der 3.5-Serie fest, dass das Modell eine deutliche Lücke im Bereich des agentischen Kodierens aufweist. Das Team kam zu dem Schluss, dass die Nutzung der kleineren und effizienteren Flash-Version für häufige Iterationen der schnellste Weg ist, um diese Schwächen zu beheben. Daher trieb Google innerhalb von etwa 3 Monaten intensiv aufeinanderfolgende Iterationen von 3.5, 3.6, 3.7 bis hin zu 3.8 Flash voran.
Als dieses technische Konzept funktionierte und für die Anwendung auf die Pro-Version vorbereitet wurde, war das Vortraining von Gemini 4.0 Argon bereits abgeschlossen. Angesichts der Tatsache, dass der Lebenszyklus eines neu veröffentlichten 3.5 Pro zu diesem Zeitpunkt extrem kurz sein würde, beschloss das Team unter den Bedingungen begrenzter Rechenleistung, alle technischen Erkenntnisse, die bei der Flash-Version erfolgreich validiert wurden, direkt in die Nachtrainingsphase von Argon einzubringen.
Diese Entscheidung führte direkt zu einem Sprung von Argon bei lang andauernden Aufgaben. Bei externen Tests hat Argon in etwas mehr als einem Tag mit Rechenkosten von weniger als 2000 US-Dollar das Spiel »Minecraft« selbstständig durchgespielt. Intern bei Google wurde es bereits auf die Chromium-Codebasis mit mehreren Millionen Codezeilen angewendet.
Was das von der Öffentlichkeit gemunkelte Carbon-Modell betrifft, klärte Pichai auf, dass es sich dabei nur um einen internen Codenamen für die Iteration von Spitzenmodellen handelt. Derzeit treibt das Team auf Basis von Argon die Modelldestillation voran und entwickelt eine leichtgewichtige Version mit ähnlichen Fähigkeiten aber niedrigeren Kosten, um sie mehr Nutzern zugänglich zu machen.
Mit der Integration des neuen Modells in die interne Entwicklungsumgebung ist Pichai der Ansicht, dass 2027 das goldene Zeitalter der Produktivität sein wird. Er enthüllte, dass Google intern bereits in die Phase des rekursiven Selbstverbesserungsprozesses (RSI) eingetreten ist, in der Forscher und Modelle tief zusammenwirken: Die Modelle sind direkt an der Vorschlagserstellung von Trainingsrezepten und der automatischen Bewertung des nächsten Checkpoints beteiligt. Pichai selbst nutzt täglich interne Agenten, um die 24-stündigen Entwicklungsfortschritte bei Vortraining, Mitteltraining, Nachtraining und Datengruppen zusammenzufassen, was ihm täglich etwa eine Stunde Zeit für die Informationsabstimmung einspart. Außerdem überwacht er über Agenten mit angeschlossenen Telemetriedaten in Echtzeit die Effizienz der Rechenleistungsnutzung in allen Abteilungen.
2. Erstmals über die Umstrukturierung der Führungsebene von DeepMind: Das Spiel hinter dem Umschlagen des freien Cashflows in den negativen Bereich
Im Hinblick auf die in letzter Zeit vielbeachtete personelle Erschütterung bei Google DeepMind – der legendäre Ingenieur Jeff Dean verlässt das Unternehmen, um ein eigenes Startup zu gründen, Demis Hassabis tritt zum Chefwissenschaftler und Vorsitzenden zurück und Koray Kavukcuoglu übernimmt die Leitung von DeepMind – gab Pichai erstmals die offizielle Erklärung ab.
Abgesehen davon, dass Jeff Dean, der 27 Jahre lang für das Unternehmen tätig war, neue Wege gehen und Discovery Loop gründen möchte, liegt der Kern der internen Anpassung darin, dass die Entwicklung von Spitzenmodellen sich zu einem Großprojekt entwickelt hat, das alle Energien in Anspruch nimmt.
Pichai wies darauf hin, dass die Iterationsgeschwindigkeit von Spitzenmodellen immer schneller wird – von der Datenvorbereitung, der Rechenleistungssteuerung und der Algorithmusentwicklung bis hin zur Koordination von menschlichen Teams und Modellagenten – und ein hauptverantwortlicher Leiter erforderlich ist, der seine gesamte Energie in die Koordination des täglichen Betriebs steckt. Koray arbeitet seit mehr als zehn Jahren bei DeepMind und ist bereits vor 18 Monaten in die Bay Area gezogen, um die abteilungsübergreifende Integration voranzutreiben. Daher ist es nur folgerichtig, dass er die Modellentwicklungs-Pipeline übernimmt. Demis hingegen kann sich nun zurückziehen und seine Energie auf Anwendungsbereiche wie KI-Pharmazeutik, Biowissenschaften und Robotik konzentrieren, die von Isomorphic Labs repräsentiert werden.
Die Beschleunigung des Modellwettbewerbs spiegelt sich auch direkt in den Finanzbüchern wider. In diesem Sommer verzeichnete Google erstmals seit seinem Börsengang einen negativen freien Cashflow, während gleichzeitig die Prognose für die Kapitalausgaben 2027 weiter nach oben angepasst wurde.
Bei der Erklärung, warum er so radikale Investitionen wagt, rechnete Pichai mit der Zeit: Die Vorlaufzeit für selbst entwickelte Chips und Rechenzentren ist extrem lang. Der Rechenleistungsstand, den der Markt heute mit perfekten Informationen bewertet, ist tatsächlich das Ergebnis von Entscheidungen, die vor zwei Jahren getroffen wurden. Zu dieser Zeit im letzten Jahr hatte die Branche noch nicht einmal den Ausbruch des agentischen Programmierens erlebt. Nun plant Google bereits die Land- und Stromreserven für die Jahre 2028 bis 2029.
Er betonte, dass die heutige KI-Infrastruktur keine Blase ungenutzter Dunkelfasern wie damals ist, sondern die gesamte Rechenleistung tatsächlich verbraucht wird. Neben den Nachfragesignalen von Endverbrauchern und Unternehmenskunden sowie dem Rückstau von Langzeitverträgen im Cloud-Geschäft geben ihm auch die Durchbrüche in der grundlegenden Entwicklung ausreichende Sicherheit. Pichai verriet im Interview direkt: Gemessen an den aktuellen internen Benchmarks und der Entwicklungskurve wird das nächste Generation Gemini 5.0 deutlich stärker sein als das aktuelle 4.0 Argon.
3. Grundlegendes gemeinsames Mikrovirtualisierungssystem, der Zeitplan für Weltraum-TPUs und Quantencomputing wird sichtbar
Auf der Produktebene verwischt Google die Grenzen zwischen Agenten für Unternehmen und Endverbraucher.
Pichai enthüllte, dass alle Gemini-Agenten, egal ob für B2B- oder B2C-Nutzung, im Grunde das gleiche Modell, das gleiche Ausführungsframework und die gleiche Laufzeit nutzen. Der einzige Unterschied besteht darin, ob ein Unternehmenskontext oder ein persönlicher Kontext eingebunden wird. Das Design von Google, bei dem im Unternehmensbereich für jede Aufgabe automatisch eine unabhängige Mikrovirtualmaschine zugewiesen wird, die einen sicheren 24/7-Betrieb ermöglicht, wird nun schrittweise auch auf den Endverbrauchermarkt übertragen. Auf der Benutzeroberfläche werden die vorhandenen Funktionen »Unterhaltung« und »Aufgabe« von Gemini zu einem einzigen Eingabefeld zusammengefasst.
Auf die Frage, wann Google-Suche und Gemini zusammengeführt werden, antwortete Pichai, dass die beiden Produkte nicht zwangsläufig fusioniert werden müssen. Die 24/7 online verfügbare Agentenschicht in der Cloud teilt den persönlichen Kontext der Nutzer, übernimmt automatisch geräteübergreifende Aufgaben und ermöglicht den Nutzern einen nahtlosen Wechsel zwischen Suche, Gemini-App und Gmail. Auf der untersten Ebene der Web-Interaktion ist er der Ansicht, dass Browser Use, das wie ein Mensch Oberflächen bedient, langfristig mit nativen Protokollen wie MCP und UCP koexistieren wird.
Im Folgenden das vollständige Interview:
1. Resonanz nach der Veröffentlichung von Argon und Zugriffsstrategie unter begrenzter Rechenleistung
Moderator: Es ist etwa eine Woche her, seit Gemini 4 Argon weitverbreitet veröffentlicht wurde. Ich würde gerne Ihre Meinung zur frühen Marktreaktion auf das neue Modell hören.
Pichai: Wir sind sehr begeistert davon. Davor haben wir es intern bereits eine Weile genutzt, es ist absolut ein weltklasse Spitzenmodell. Die heutigen Spitzenmodelle sind in Bezug auf Breite und Tiefe der Intelligenz sehr umfassend. Wenn Sie eine Heatmap der Intelligenzniveaus in Dimensionen wie Agentenaufgaben, Wissensarbeit und Programmierung erstellen, denke ich, dass es in vielen Dimensionen sehr leistungsstark und äußerst wettbewerbsfähig ist. In den ersten 72 Stunden nach der Veröffentlichung von Argon haben wir etwa 25 Billionen Token verarbeitet, etwa das Dreifache der Version 3.0. Da wir uns noch in der Anfangsphase der Veröffentlichung befinden, sind wir bei der Rechenleistung tatsächlich auf einige Einschränkungen gestoßen. Das Feedback der Kunden ist hervorragend, insbesondere bei Code- und Agentenfähigkeiten. Natürlich weiß ich, dass es noch Verbesserungspotenzial gibt. Im Bereich der Spitzenmodelle veröffentlichen Sie ständig Produkte, sammeln Feedback und treiben dann die nächsten Schritte voran. Dies ist die dynamischste Phase, die ich je erlebt habe.
Moderator: Welche Bereiche gibt es Ihrer Meinung nach noch, in denen Sie sich weiter verbessern möchten?
Pichai: Wir möchten unsere Programmierfähigkeiten weiter verfeinern. Dies ist ein ausgezeichnetes Modell, unsere Ingenieure nutzen es intern sehr gerne, aber wir sind uns bewusst, dass es jederzeit Raum für Verbesserungen gibt. Nach der Veröffentlichung haben wir intern kontinuierlich weitergearbeitet und Verhaltensoptimierungen auf Basis des Nutzerfeedbacks vorgenommen.
Moderator: Sie haben gerade die Einschränkungen der Rechenleistung erwähnt. Es ist interessant, dass selbst ein Unternehmen wie Google bei solchen neuen Modellen auf Engpässe bei der Rechenleistung stößt. Argon ist ein großes Modell, die Betriebskosten sind offensichtlich sehr hoch. Können Sie erläutern, wie Sie entschieden haben, den Zugriff darauf zu beschränken? Derzeit ist es nur für API-Nutzer sowie Abonnenten von AI Pro und Ultra verfügbar, es ist offensichtlich noch nicht für die breiteste Nutzergruppe zugänglich – das ist für ein Modell dieser Größenordnung eine echte Herausforderung. Wie denken Sie über diese Einschränkungen und die Veröffentlichungsstrategie?
Pichai: Wir haben während der 3.0-Modellphase reichhaltige Erfahrungen mit der Destillation gesammelt und können Modelle extrahieren, deren Fähigkeiten fast genauso stark sind, die aber viel effizienter arbeiten. Wir entwickeln derzeit diese Versionen, was uns helfen wird, so viele Menschen wie möglich breit zu nutzen. Gleichzeitig ist Sicherheit bei diesem Spitzenmodell von größter Bedeutung. Wir haben viel Aufwand in externe Tests investiert, zum Beispiel durch das KI-Sicherheitsinstitutsprojekt der US-Regierung, und haben Cybersicherheitsforschern frühzeitigen Zugriff gewährt, während wir intern umfangreiche Tests durchgeführt haben, bevor wir es nach außen gebracht haben. Wie Sie sagten, es ist ein großes Modell, aber angesichts seiner Größe ist unsere Inferenzgeschwindigkeit ziemlich schnell. Ab jetzt werde ich den Zugriff schrittweise erweitern. Wir haben es zuerst in der Gemini-App für alle Nutzer der Ultra- und Pro-Ebenen veröffentlicht, danach die Pro-Version in der Anti-Gravity-App eingeführt, und wir entwickeln gerade destillierte Versionen der 4.0-Serie, die mehr Nutzer bedienen können.
Moderator: Ist das das gemunkelte Carbon-Modell?
Pichai: Zu jedem Zeitpunkt haben wir interne Versionen von Spitzenmodellen, einige davon sind nur Codenamen, das steht nicht im Widerspruch dazu, dass wir eine effizientere Version von Argon veröffentlichen.
2. Sicherheitstests, Wettbewerbslandschaft und langfristige Spitzenpositionierung
Moderator: Die effizienteren Versionen werden also bald veröffentlicht. Ich bin neugierig auf Ihre Sicht auf den Prozess der Sicherheitstests. Es ist interessant, die Vorgehensweise von privaten Spitzenlabors wie Anthropic in Bezug auf Sicherheit und Datenschutz mit der von Google, Meta oder großen Cloud-Dienstanbietern zu vergleichen. Es klingt so, als ob Sie die Sicherheitstests für dieses Modell sehr streng durchgeführt haben und der Zeitaufwand länger war als bei früheren Modellen – kann man das so sagen?
Pichai: Absolut. Angesichts seiner starken Agentenfähigkeiten und seines außergewöhnlich guten Programmierniveaus müssen Sie vor allem bei der großflächigen Bereitstellung für Unternehmenskunden sicherstellen, dass alles absolut sicher ist. Zum Beispiel ist es neben der Modellausrichtung wichtiger, Rechenleistung und Systeme aufzubauen, um das laufende Modell in Echtzeit zu überwachen. Diese Echtzeitüberwachung ist für Modelle nach der Bereitstellung von entscheidender Bedeutung, sie ermöglicht es Ihnen, unerwartetes Verhalten frühzeitig zu erkennen und rechtzeitig einzugreifen. Dafür haben wir Zeit investiert, um entsprechende Systeme, Sandbox-Umgebungen und Echtzeitüberwachungsmechanismen aufzubauen, und bieten Kunden den erforderlichen Schutz, damit sie wissen, wo das Modell läuft, welche Berechtigungen es hat und welche Telemetriedaten benötigt werden.
Moderator: Wie aufmerksam verfolgen Sie dieses Rennen zwischen den neuen Modellen? Ich meine, ich weiß, dass Sie alle Entwicklungen verfolgen und sehen, wer vorne liegt und wer hinten. Letztes Jahr waren alle erstaunt über Gemini 3 und sagten, Google sei wieder an der Spitze. Jetzt steht Argon auch in Benchmarks ganz oben. Aber es scheint, dass die Aufmerksamkeit der Leute ständig wechselt und sie immer darauf schauen, wer