Gemini 4 Argin zeigt sich in ersten Benchmarks an der Spitze. (Bildquelle: Google | Xataka)

Stellt euch vor, ihr übertragt einer künstlichen Intelligenz eine Aufgabe, die sich unmöglich mit einer einzelnen Antwort lösen lässt: Tausende Zeilen Code prüfen, Flaschenhälse aufspüren und Optimierungen vorschlagen, ohne bestehende Funktionen zu beschädigen.

Die eigentliche Herausforderung besteht nicht bloß darin, den Prompt zu verstehen, sondern einen mehrstufigen Arbeitsprozess aufrechtzuerhalten und sicherzustellen, dass jede Entscheidung zu den vorherigen Schritten passt. Ähnlich anspruchsvoll wird es, wenn Finanzberichte analysiert oder IT-Systeme auf Sicherheitslücken abgeklopft werden müssen. Bei solchen Problemen zählt Schnelligkeit weit weniger als absolut verlässliche Ergebnisse.

Hinter diesem Vorstoß steht Gemini 4 Argon, das neue Modell von Google DeepMind, mit dem das Unternehmen komplexe Spezialaufgaben bewältigen will. Ganz neu ist das System allerdings nicht: Google kündigte es bereits am 30. September an, beschränkte den Zugriff im Rahmen des Fairwind-Programms damals jedoch auf ausgewählte Fachleute für Cybersicherheit.

Jetzt startet der weltweite Rollout für Entwicklerteams, Unternehmen und Abonnenten bestimmter Bezahlpläne. Damit nimmt Google vier zentrale Bereiche ins Visier: Programmierung, Finanzen, wissenschaftliche Forschung und IT-Sicherheit.

Dieser Artikel stammt im Original von unserer spanischen Schwesterseite Xataka und erscheint bei GameStar Tech in übersetzter und angepasster Form.

Eine KI für komplexe Herausforderungen

Um derart anspruchsvolle Aufgaben zu meistern, kombiniert Google in Argon hochentwickeltes logisches Denken (Reasoning), visuelle Analysen und den Einsatz externer Werkzeuge. In einer Demonstration steuerte das Modell beispielsweise mehrere Agenten in Antigravity, um in Blender eine Tempelanlage samt Pagoden, Vegetation und realistischer Beleuchtung zu modellieren – inklusive kontinuierlicher visueller Zwischenprüfung.

Zudem bietet die API ein einheitliches Kontingent von bis zu einer Million Tokens, also jenen Recheneinheiten, mit denen die KI Inhalte erfasst und generiert. Dieses Kontingent teilen sich Input, Denkprozess und Output. Da für einzelne Anfragen engere Grenzen gelten, implementierte Google einen Fortsetzungsmechanismus für besonders umfangreiche Arbeitsschritte.

1:10:45 KI zerstört unsere Spiele nur, wenn wir es zulassen

Ein konkretes Beispiel verdeutlicht das Potenzial: In einem internen Testlauf mit dem Agent Development Kit (ADK), einem Python-Projekt mit rund 205.000 Codezeilen, rechnete Argon elf Stunden lang und schlug sechs Optimierungen vor. Nach eingehender Prüfung verwarf Google vier Vorschläge wegen möglicher Funktionsstörungen oder zu geringem Mehrwert, übernahm jedoch die übrigen zwei.

Diese verkürzten die Vorbereitungszeit langer Sitzungen im Arbeitsspeicher um rund 40 Prozent und beschleunigten den Paketimport um 21 Prozent. Zudem soll das Modell eigenständig Hunderte Dateien im Chromium-Projekt – der Basis von Google Chrome – umstrukturiert haben.

Im Finanzsektor reichen die Einsatzmöglichkeiten von der Erstellung mehrjähriger Bilanzen bis hin zur Unternehmensbewertung anhand offizieller Geschäftsberichte. Kepler berichtet, dass Gemini 4 Argon bei internen Tests in über 99 Prozent der analysierten Kennzahlen mit den Referenzmodellen menschlicher Finanzprofis übereinstimmte.

In der Cybersicherheit setzte das Spezialunternehmen Wiz das System laut Google ein, um eine Sicherheitslücke aufzuspüren und zu beheben, über die sensible Patientendaten hätten abfließen können. Allerdings gilt es hierbei zu bedenken: Diese Erfolgsmeldungen stammen von Partnerunternehmen, und Wiz setzt bei seinen Analysen weiterhin auf zusätzliche Tools sowie erfahrene Sicherheitsteams.

Ein Blick auf weitere Einsatzgebiete

Auch die wissenschaftliche Forschung liefert spannende Einblicke in das, was Google mit dieser Technologie erreicht. Beim Enzymdesign half das System dabei, fünf neue Proteinstrukturen zu entwerfen, die gezielte chemische Reaktionen katalysieren können.

Laut Google bestätigten anschließende Labortests bei allen Entwürfen die gewünschte katalytische Aktivität. Darüber hinaus war Argon an der Optimierung einer internen Version von AlphaQubit beteiligt – Googles System zur Fehlerkorrektur im Quantencomputing – und verdoppelte dabei die Inferenzleistung einer Schlüsselkomponente beinahe.

Gemini 4 Argon führt den Vals Index an, der die Leistung verschiedener KI-Modelle bei professionellen Aufgaben mit den geschätzten Kosten vergleicht. (Bildquelle: Vals AI – Xataka)

Abseits der Vorführungen von Google liefern unabhängige Benchmarks Aufschluss darüber, wie sich Argon gegen die Konkurrenz schlägt. Im Vals Index, einer Rangliste für professionelle Aufgaben aus den Bereichen Programmierung, Finanzen, Recht und Steuern, belegt das Modell mit 68,90 Prozent den ersten Platz. Demgegenüber vergibt Artificial Analysis 53 Punkte für die High-Konfiguration im allgemeinen Leistungsindex, womit das System lediglich auf Rang acht landet.

Mehr zu KI:

Der weltweite Start bedeutet allerdings nicht, dass ihr das Modell kostenlos nutzen könnt. Google stellt Argon in der Gemini-App sowie im KI-Modus der Suche zahlenden Mitgliedern mit Google AI Pro und Ultra bereit. Entwicklerteams greifen über eine kostenpflichtige API darauf zu.

Wer Argon in Antigravity einsetzen möchte, benötigt ein Ultra-Abo. Die Einführungspreise der API liegen bei 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens. Ab dem 1. Dezember verdoppeln sich diese Tarife. Es bleibt spannend zu beobachten, wie sich das Modell abseits kontrollierter Testszenarien im harten Arbeitsalltag behaupten wird.