Gemini 4 Pro-lækket: Det bekræfter skærmbilledet – og det beviser det ikke

Et skærmbillede, der tilskrives en intern Google-model med kodenavnet „argon“, har sat gang i spekulationer om Gemini 4 Pro. Det oprindelige opslag fra 14. september hævder, at et tidligt checkpoint brugte 2,4 minutter ved en indstilling med høj tænkekraft, har en outputgrænse på 256.000 tokens og muligvis får et kontekstvindue på 2 millioner tokens. Men samme opslag understreger, at beslutningen om kontekstvinduet ikke var endeligt truffet. 43

Det er et interessant tegn på intern afprøvning. Det er derimod ikke en bekræftelse af et offentligt Gemini 4 Pro-produkt, endelige funktioner, pris, arkitektur, benchmarkresultater eller lanceringsdato.

Hvad lækket faktisk hævder

Det cirkulerende opslag fremsætter tre konkrete påstande:

• Et internt Gemini 4 Pro-checkpoint kaldes „argon“.
• Et vist resultat med visuel generering tog 2,4 minutter med en indstilling for høj tænkekraft eller høj indsats.
• Bygningen har angiveligt 256.000 outputtokens, mens et kontekstvindue på 2 millioner tokens blev overvejet, men ikke var fastlagt. 43

Noget omtale føjer „adaptiv ræsonnering“ til beskrivelsen af den påståede brugerflade. Også det bør behandles som en del af det ubekræftede læk – ikke som en dokumenteret Google-funktion. 36

Et skærmbillede kan godt være ægte og alligevel være en dårlig indikator for det produkt, der til sidst udkommer. Interne modelnavne, indstillinger for beregningstid, tokengræns­er og brugerfladetekster ændrer sig ofte, før en model når ud til udviklere.

Hvad en kørsel på 2,4 minutter med høj indsats kan betyde

Hvis skærmbilledet er ægte, peger tidsangivelsen mest sandsynligt på, at Google lod systemet bruge væsentligt mere beregningstid ved kørsel på en vanskelig multimodal genereringsopgave.

Det er et velkendt kompromis i AI-produkter:

• Mere tid til tænkning eller generering kan forbedre resultatet på nogle vanskelige opgaver.
• Højere ventetid gør indstillingen mindre velegnet til interaktive arbejdsgange.
• Mere beregning kan øge driftsomkostningerne og begrænse kapaciteten.

Én enkelt kørsel siger ikke, om modellen generelt er bedre. Den viser hverken, hvor ofte den lykkes, hvor stabil den er, om resultatet kan genskabes, eller hvad oplevelsen vil koste i stor skala. Et visuelt eksempel dokumenterer heller ikke evner inden for kodning, planlægning, værktøjsbrug eller andre agentfunktioner.

Hvorfor 256.000 outputtokens og 2 mio. tokens kontekst er interessant

De to token-tal beskriver forskellige begrænsninger.

Et kontekstvindue er den information, modellen kan tage med i en forespørgsel: instruktioner, samtalehistorik, hentede filer, værktøjsresultater og andet input. En outputgrænse angiver, hvor meget modellen kan generere som svar. Et stort kontekstvindue kan hjælpe en model med at gennemgå en stor kodebase eller et langt dokument; en høj outputgrænse kan give plads til lange planer, programrettelser eller genererede artefakter.

Et kontekstvindue på 2 mio. tokens ville dog ikke i sig selv være nyt territorium for Gemini. Google åbnede i juni 2024 adgang til et kontekstvindue på 2 millioner tokens i Gemini 1.5 Pro for alle udviklere. 33 Tallet er derfor ikke i sig selv bevis for, at „argon“ er en ny, udgivet model eller overgår alle tidligere Gemini-konfigurationer væsentligt.

For softwareteams er den potentielt interessante kombination et stort nok kontekstvindue til at indlæse et større repository og nok output til at foreslå koordinerede ændringer. Men kontekst på repository-skala løser ikke i sig selv de praktiske problemer, der gør agentbaseret softwareudvikling vanskelig:

• at vælge de relevante filer og afhængigheder;
• at lægge en fagligt holdbar implementeringsplan;
• at bruge værktøjer og versionsstyring korrekt;
• at køre tests og fortolke fejl;
• at undgå regressioner og sikkerhedsfejl; og
• at holde ændringerne overskuelige for menneskelig kodegennemgang.

De evner kræver uafhængige evalueringer på realistiske kodebaser samt offentlig API-adgang, før udviklere kan vurdere, om modellen faktisk er nyttig til udvikling på tværs af mange filer.

Det bekræftede om Gemini 4-planen

Det stærkeste bekræftede forhold er mere begrænset end lækket: Google oplyste i juli, at træningen af Gemini 4 var begyndt. Reuters skrev 21. juli, at Gemini 3.5 Pro fortsat blev testet med partnere og ifølge Google ville komme „snart“, mens træningen af Gemini 4 var påbegyndt. 18

Det bekræfter, at arbejdet med Gemini 4 var i gang. Det bekræfter ikke:

• et modelnavn som Gemini 4 Pro;
• kodenavnet „argon“;
• en outputgrænse på 256.000 tokens;
• et endeligt kontekstvindue på 2 mio. tokens;
• en funktion kaldet adaptiv ræsonnering;
• offentlig API-adgang; eller
• en lancering i oktober 2026.

Enhver konkret tidsplan for offentlig lancering er et rygte, indtil Google selv annoncerer den.

Hvorfor udviklere bør afvente dokumentation

Lækket har fået opmærksomhed, fordi en Gemini-model med lang kontekst og højt beregningsforbrug kan være strategisk vigtig i et marked med fokus på kodeagenter og komplekst multimodalt arbejde. Men den nyttige målestok er ikke et imponerende skærmbillede – det er reproducerbar dokumentation.

Før der træffes tekniske eller indkøbsmæssige beslutninger, bør udviklere se efter en Google-modelbeskrivelse eller API-dokumentation, tydelige grænser for kontekst og output, priser og ratelofter, sikkerhedsdokumentation samt uafhængige resultater på kode- og agentbenchmarks. Modellen bør også afprøves på teamets egen kodebase, build-system og proces for kodegennemgang.

Indtil videre bør „argon“ forstås som et omtalt internt eksperiment. Det kan pege på retningen for Gemini 4, men det dokumenterer endnu ikke et klar-til-lancering Gemini 4 Pro eller et konkurrencemæssigt gennembrud. 4318