Gemini 4 Pro „Argon“: Was der Leak wirklich zeigt – und was nicht

Der im Netz kursierende Screenshot zu einem angeblich internen Google-Modell mit dem Codenamen „argon“ hat Spekulationen über Gemini 4 Pro ausgelöst. Der ursprüngliche Beitrag vom 14. September behauptet, ein früher Checkpoint habe bei einer Einstellung mit hohem Denkaufwand 2,4 Minuten benötigt, verfüge über ein Output-Limit von 256.000 Token und könne mit einem Kontextfenster von 2 Millionen Token erscheinen. Zugleich heißt es dort ausdrücklich, die Entscheidung über den Kontextumfang sei noch nicht gefallen. 43

Das ist ein Hinweis auf mögliche interne Experimente – aber kein Beleg für ein öffentliches Produkt namens Gemini 4 Pro, seine endgültigen Spezifikationen, Preise, Architektur, Benchmark-Ergebnisse oder ein Startdatum.

Was der Leak konkret behauptet

Der Beitrag enthält drei überprüfbare Behauptungen:

• Ein interner Gemini-4-Pro-Checkpoint trage den Codenamen „argon“.
• Ein gezeigtes Ergebnis der Bildgenerierung habe bei hohem Denk- beziehungsweise Rechenaufwand 2,4 Minuten benötigt.
• Der Build unterstütze angeblich 256.000 Output-Token; ein Kontextfenster von 2 Millionen Token sei im Gespräch, aber noch nicht festgelegt. 43

Einige Berichte ergänzen die Beschreibung um „adaptives Schlussfolgern“. Auch das ist als Teil desselben unbestätigten Leaks zu behandeln, nicht als von Google dokumentierte Funktion. 36

Selbst ein echter Screenshot wäre nur eine Momentaufnahme. Interne Modellnamen, Testeinstellungen für Rechenaufwand, Token-Grenzen und Beschriftungen der Oberfläche können sich bis zu einer Veröffentlichung grundlegend ändern.

Was ein Lauf von 2,4 Minuten aussagen würde

Falls der Screenshot authentisch ist, deutet die Zeitangabe am ehesten darauf hin, dass Google für eine schwierige multimodale Generierungsaufgabe deutlich mehr Rechenzeit bei der Ausführung zugelassen hat.

Das entspricht einem bekannten Zielkonflikt:

• Mehr Rechenzeit kann Ergebnisse bei manchen anspruchsvollen Aufgaben verbessern.
• Höhere Latenz ist für direkte, interaktive Arbeitsabläufe weniger praktisch.
• Mehr Rechenaufwand kann Kosten erhöhen und die verfügbare Kapazität begrenzen.

Aus einem einzelnen Durchlauf lässt sich keine allgemeine Überlegenheit des Modells ableiten. Unklar bleiben Erfolgsquote, Konsistenz, Wiederholbarkeit und Kosten im produktiven Einsatz. Auch eine Bildprobe belegt keine Fähigkeiten beim Programmieren, Planen, Werkzeuggebrauch oder bei agentischen Arbeitsabläufen.

256.000 Output-Token und 2 Millionen Token Kontext: der Unterschied

Die beiden Zahlen beschreiben unterschiedliche Grenzen.

Ein Kontextfenster bezeichnet die Informationen, die ein Modell in einer Anfrage berücksichtigen kann: Anweisungen, Gesprächsverlauf, bereitgestellte Dateien, abgerufene Inhalte und Werkzeugergebnisse. Das Output-Limit bestimmt dagegen, wie umfangreich die Antwort des Modells sein darf. Ein großer Kontext hilft etwa beim Prüfen einer umfangreichen Codebasis oder langer Dokumente; ein hoher Output-Spielraum könnte lange Pläne, Patches oder erzeugte Artefakte ermöglichen.

Ein Kontextfenster von 2 Millionen Token wäre für Gemini allerdings nicht grundsätzlich neu: Google öffnete Entwicklern bereits im Juni 2024 den Zugang zu einem 2-Millionen-Token-Kontextfenster für Gemini 1.5 Pro. 33 Allein diese Zahl belegt daher weder ein neues veröffentlichtes Modell noch einen klaren Vorsprung gegenüber früheren Gemini-Konfigurationen.

Für Softwareteams wäre vor allem die Kombination interessant: ausreichend Kontext für ein großes Repository und genügend Ausgabeumfang für abgestimmte Änderungen. Doch Repository-Größe allein löst die zentralen Probleme agentischer Softwareentwicklung nicht:

• die relevanten Dateien und Abhängigkeiten auswählen;
• einen tragfähigen Umsetzungsplan erstellen;
• Tools und Versionsverwaltung korrekt nutzen;
• Tests ausführen und Fehlschläge richtig einordnen;
• Regressionen und Sicherheitslücken vermeiden; sowie
• Änderungen für menschliche Reviews nachvollziehbar halten.

Ob ein Modell bei mehrdateiübergreifender Entwicklung tatsächlich nützlich ist, zeigen erst unabhängige Tests auf realistischen Codebasen und ein öffentlicher API-Zugang.

Was zu Gemini 4 tatsächlich bestätigt ist

Der belastbarste Punkt ist deutlich enger gefasst: Google erklärte im Juli, das Training von Gemini 4 habe begonnen. Reuters berichtete am 21. Juli, dass Gemini 3.5 Pro noch mit Partnern getestet werde und laut Google „bald“ kommen solle; zugleich habe das Training von Gemini 4 begonnen. 18

Damit ist belegt, dass die Arbeit an Gemini 4 lief. Nicht bestätigt sind dagegen:

• ein Modellname Gemini 4 Pro;
• der Codename „argon“;
• ein Output-Limit von 256.000 Token;
• ein endgültiges Kontextfenster von 2 Millionen Token;
• eine Funktion namens adaptives Schlussfolgern;
• öffentlicher API-Zugang; oder
• ein Release im Oktober 2026.

Jeder konkrete Zeitplan für eine Veröffentlichung bleibt ein Gerücht, solange Google ihn nicht selbst ankündigt.

Worauf Entwickler jetzt achten sollten

Der Leak erhält Aufmerksamkeit, weil ein Gemini-Modell mit langem Kontext und hohem Rechenbudget im Wettbewerb um Coding-Agenten und komplexe multimodale Aufgaben strategisch wichtig sein könnte. Maßgeblich sind aber nicht eindrucksvolle Screenshots, sondern reproduzierbare Nachweise.

Vor technischen oder Beschaffungsentscheidungen sollten Teams auf eine Modellkarte oder API-Dokumentation von Google, dokumentierte Kontext- und Output-Grenzen, Preise, Rate Limits, Sicherheitsunterlagen sowie unabhängige Ergebnisse bei Coding- und Agenten-Benchmarks warten. Entscheidend bleibt außerdem der Test im eigenen Repository, Build-System und Review-Prozess.

Bis dahin ist „argon“ am treffendsten als berichtetes internes Experiment einzuordnen. Es könnte eine Richtung für Gemini 4 andeuten – ein auslieferbares Gemini 4 Pro oder ein technischer Durchbruch ist damit jedoch nicht belegt. 4318