Læk om Gemini 4 Pro “Argon”: Det hævder skærmbilledet – og det har Google ikke bekræftet

Det omtalte skærmbillede af Gemini 4 Pro er et interessant tegn på intern afprøvning – ikke en bekræftet produktannoncering. Opslag, der cirkulerede 14. september, kalder modellen “argon” og tillægger den usædvanligt store grænser for kontekst og output. Google har ikke offentligt bekræftet kodenavnet, brugerfladen, benchmarks, API-adgang, pris eller lanceringstidspunkt. 815

Det hævder skærmbilledet at vise

Ifølge det oprindelige opslag på sociale medier og efterfølgende dækning viser billedet en visuel generering med Gemini 4 Pro i en indstilling med høj indsats. Processen skulle have taget 2,4 minutter og vise en outputgrænse på 256.000 tokens samt et kontekstvindue på 2 millioner tokens. Dækningen omtaler også en tilgang med adaptiv ræsonnering. 815

Det er afgørende at læse oplysningerne som angivelige egenskaber ved en intern version – ikke som specifikationer for et færdigt produkt. Et skærmbillede kan godt stamme fra et reelt testmiljø, uden at det besvarer centrale spørgsmål: Er grænserne også gældende i en kommerciel version? Gælder de alle typer input og output? Hvad vil det koste? Og hvor stabilt klarer modellen sig ved uafhængige evalueringer?

Google har tidligere gjort et kontekstvindue på 2 millioner tokens tilgængeligt for Gemini 1.5 Pro. Derfor er tallet ikke i sig selv usandsynligt. Men det bekræfter hverken dette konkrete læk eller, at Gemini 4 Pro lanceres med samme grænse. 1

Det mest interessante er ikke nødvendigvis billedet

Reaktionerne på det viste resultat har været blandede. Selve det genererede billede har ikke dokumenteret et tydeligt spring foran de førende systemer til billedgenerering. Den mere betydningsfulde påstand er den mulige kombination af lang kontekst, meget store output og justerbar ræsonneringsindsats.

Hvis funktionerne når ud i en offentlig model, kan de være relevante for softwareagenter, der skal arbejde på tværs af store kodebaser: Modellen kan i teorien indlæse mere kode og dokumentation på én gang, lægge en plan for ændringer i flere filer, generere omfattende rettelser og arbejde videre i længere forløb med værktøjer. Tidligere rapporter om Gemini 4-læk peger tilsvarende på kodning, langvarige opgaver og håndtering af større kontekster som tiltænkte styrker – men understreger også, at de påståede specifikationer og evalueringer ikke er verificeret. 3

Den skelnen er vigtig. En stor tokenramme er en kapacitetspåstand, ikke dokumentation for pålidelig softwareudvikling på tværs af et helt repository. Den praktiske værdi afhænger blandt andet af kodens korrekthed, værktøjernes driftssikkerhed, modellens evne til at huske relevant kontekst, svartid, pris og dens mulighed for at rette op, når en opgave med mange trin går galt.

Den bekræftede Gemini-plan sætter lækket i perspektiv

Googles offentlige produktplan forklarer, hvorfor en ubekræftet Gemini 4 Pro-test vækker opsigt.

• Google lancerede Gemini 3.1 Pro i februar 2026. 4
• Ved Google I/O i maj oplyste Google, at virksomheden arbejdede på Gemini 3.5 Pro og forventede at udrulle modellen måneden efter. 17
• Juni-målet blev ikke nået. Reuters skrev i juli, at flagskibsmodellen var forsinket, mens Google arbejdede på forbedringer – især inden for kodning. 18
• Senere samme måned sagde Google, at Gemini 3.5 Pro blev testet med partnere, og at træningen af Gemini 4 var begyndt. 17

Det understøtter en snæver konklusion: Google havde en forsinket Pro-lancering og var begyndt arbejdet på næste generation. Det bekræfter ikke, at 3.5 Pro er endeligt skrottet, at “argon” er et officielt kodenavn for Gemini 4 Pro, eller at en offentlig lancering er planlagt til oktober.

På tidspunktet for den omtalte dækning havde Google hverken offentliggjort et modelkort for Gemini 4, et offentligt API-model-id, prisoplysninger, en benchmarkrapport eller et dokumenteret kontekstvindue. 7

Hvorfor Gemini 4 Pro kan blive strategisk vigtig

Forsinkelsen af Gemini 3.5 Pro er særligt bemærkelsesværdig, fordi det rapporterede problem netop var kodning – et af de vigtigste anvendelsesområder for avancerede AI-modeller hos udviklere og virksomheder. 18 Ifølge Reuters fortsatte Google med at lancere mindre Gemini-varianter, mens den ventede flagskibsmodel fortsat blev testet med partnere. 17

En vellykket lancering af Gemini 4 Pro skal derfor vise mere end et stort kontekstvindue. Udviklere vil især lede efter dokumentation på fem områder:

• Kvaliteten af ræsonnering: Giver tilstande med højere indsats mærkbart bedre resultater på svære opgaver – og er gevinsten tiden og prisen værd?
• Pålidelighed for kodeagenter: Kan modellen gennemføre korrekte ændringer i flere filer, bruge værktøjer og fastholde en sammenhængende plan?
• Ydeevne i lang kontekst: Kan den finde og anvende præcise oplysninger i store kodebaser frem for blot at acceptere meget lange prompts?
• Multimodale evner: Er kvaliteten af billede- og anden mediegenerering konkurrencedygtig – og ikke blot tilgængelig?
• Økonomi i drift: Gør svartid, tokenpriser og eventuelle grænser for brug langvarige agenter praktisk anvendelige uden for en demonstration?

Det næste, man bør holde øje med

De næste væsentlige beviser vil være primær dokumentation eller adgang, som andre kan reproducere: en Google-annoncering, et modelkort, en API-liste, en prisside, en teknisk rapport eller uafhængige benchmarkresultater.

Indtil da bør skærmbilledet ses som en rapport om et internt forsøg med ambitiøse mål. Hovedpointen er enkel: De påståede 256.000 outputtokens og 2 millioner tokens i kontekst ville være meget relevante for kodeagenter, hvis de faktisk bliver lanceret – men der findes endnu ingen offentlig dokumentation for, at de gør. 815