Zusammenfassung:
In den letzten Monaten haben OpenAI und Anthropic abwechselnd ihre Flaggschiff-Modelle vorangetrieben, aber Google schien ungewöhnlich ruhig zu sein. Flash wird fast alle drei Wochen aktualisiert, wobei die Versionen 3.6, 3.7 und 3.8 kontinuierlich weiterentwickelt werden. Für Pro, das die höchste Funktionsgrenze darstellt, gab es jedoch keine Aktualisierung. Bis vor zwei Tagen tauchte plötzlich ein Modell mit dem Namen gemini-3.8-flash in der großen Modell-Blindtest-Arena Arena auf.
Als die Entwickler anfingen, stellten sie fest, dass etwas nicht stimmte. Der echte Gemini 3.8 Flash wurde veröffentlicht. Jeder weiß, welches Niveau es sein sollte. Aber mit diesem „3.8 Flash“ ist die Leistung beim Schreiben von Code, beim Erstellen von SVG und beim Ausführen des Agenten offensichtlich um ein Vielfaches gestiegen.
Nach mehreren Runden tatsächlicher Tests verbreitete sich schnell eine Vermutung:
Dieses Modell dürfte Googles Flaggschiff der nächsten Generation sein, das sich hinter dem Label verbirgt – das Gemini 4 Pro.
Unmittelbar danach verbreitete sich ein noch übertriebeneres Benchmark-Vergleichsbild viral. Kodierung, Agent, Argumentation, mehrere Bewertungen, darunter GPT-6 Astra und Claude Fable.
Noch vor wenigen Tagen diskutierten mehrere der wichtigsten KI-Unternehmen offen darüber, ob es an der Zeit sei, langsamer zu werden. Nun ist der Klang der Entschleunigung noch nicht am Boden angekommen und eine neue Wettbewerbsrunde hat begonnen.
Hinter diesem mutmaßlichen „Gott-Level-Modell“ von Gemini 4 Pro steckt ein gefährlicheres Schlüsselwort:
RSI.
Es besteht der Verdacht, dass Gemini 4 Pro durchgesickert ist
Am 2. September hat Google Gemini 3.8 Flash offiziell veröffentlicht. Laut offiziellen Angaben handelt es sich um die neueste Flash-Generation der Gemini 3-Serie, die die Softwareentwicklung, Agentenaufgaben und komplexe mehrstufige Argumentation deutlich verbessert hat; Von 3.7 Flash auf 3.8 Flash vergingen nur drei Wochen.
Als also ein weiteres Modell mit dem gleichen Namen gemini-3.8-flash in Arena auftauchte, bemerkten die Entwickler die Anomalie schnell.
Der echte 3.8 Flash ist bereits vorhanden und jeder hat eine Referenz parat. Und dieses Modell sieht offensichtlich stärker aus, und es ist eindeutig die Stärke, die nur im Pro-Modell zu finden ist.
Die ersten tatsächlichen Tests, die die Verbreitung auslösten, konzentrierten sich auf SVG, Webseiten und 3D-Szenen.
Entwickler Harshith bat ihn, mit SVG eine seitwärts gerichtete Hauskatze zu zeichnen und die Ergebnisse mit GPT-6 Astra Max und der offiziellen Version von Gemini 3.8 Flash zusammenzuführen. Diese Version in Arena weist hinsichtlich Umriss, Proportionen und Vollständigkeit der Details eine sichtbare Lücke zur offiziellen 3.8 Flash auf.
Von links nach rechts: „4 Pro“, Astra, 3,8 Flash
X-Netizen @thtbee_ hat dieses mutmaßliche Gemini 4 Pro-Modell kontinuierlich aus verschiedenen Blickwinkeln getestet.
Das Modell, eine Pagode im Voxel-Stil, lief 8 Minuten lang und erzeugte direkt einen vollständigen Satz interaktiver 3D-Szenen.
Bei einem Airbus H145-Hubschrauber dauerte es nur etwa 10 Minuten, um eine vollständige 3D-Anzeigeseite zu erstellen, die sehr detailliert ist. Dieser Internetnutzer sagte jedoch, dass die UI-Elemente am Ende der Seite „etwas schlecht aussehen“.
In Bezug auf das Webdesign benötigte das Model etwa 14 Minuten, um eine Website mit einem monochromen Thema zu erstellen, die insgesamt sehr sauber und vollständig war. Die Design-Geschmacksprobleme, über die sich Gemini in der Vergangenheit oft beschwert hat, scheinen dieses Mal endlich behoben worden zu sein.
Ein anderer Internetnutzer @Mr_Salio hat dieses mutmaßliche Gemini 4 Pro-Modell direkt zum Erstellen von Spielen verwendet. Die fertigen Grafiken sind flüssig genug und auch die Weltgenerierung und das Spieldesign sind sehr vollständig.
Ein kritischerer Hinweis kommt vom Entwickler Qwinah.
Er behauptete, er habe erfolgreich eine „Geisterweiterleitung“ zum Backend von Gemini 4 Pro durchgeführt und einen Screenshot mutmaßlicher interner Terminalinformationen gepostet.
Ihm zufolge tauchen G4P-ARGON und VIA_3.8_FLASH direkt im internen Logo dieses Modells auf. Die maximale Ausgabe erreicht 256 KB, das Kontextfenster übersteigt 10 Millionen Token und es verfügt außerdem über sitzungsübergreifenden permanenten Speicher, Vernetzung ohne API, automatische Backend-Kompilierung und Ausführung von Skripten und sogar physische Robotersteuerungsfunktionen.
Wenn diese Informationen wahr sind, handelt es sich offensichtlich nicht mehr um ein gewöhnliches Flash-Upgrade.
Gleichzeitig begann in der Community auch eine Gemini 4 Pro-Benchmark-Vergleichstabelle zu kursieren.
Den Daten im Bild zufolge erreichte Gemini 4 Pro 88,7 % im DeepSWE v1.1-Software-Engineering-Test, 95,3 % im Terminal-Bench 2.1-Test auf dem Terminal-Agenten, 72,1 % im Wissensbegründungstest auf Expertenebene HLE-Verified und 86,8 % im Computer Operation Agent-Test OSWorld 2.0.
Was noch übertriebener ist, ist die Tatsache, dass auf GDPval-AA v2, das die tatsächliche Wissensarbeit misst, 2064 Elo angegeben ist, was direkt die 2000er-Marke überschreitet.
Wenn diese Daten wahr sind, kann Gemini 4 Pro einfach „Fable schlagen und Astra treten“ und steht damit auf einen Schlag an der Spitze der Spitzenmodelle.
Aber je übertriebener, desto vorsichtiger muss man sein.
Es ist erwähnenswert, dass diese Benchmark-Tabelle nicht vollständig mit dem mutmaßlichen Backend-Screenshot übereinstimmt, der von Qwinah „ausgegraben“ wurde; der Score von Astra, der als Vergleichselement in der Benchmark-Tabelle verwendet wird, entspricht nicht den offiziellen Daten; Beide Materialien werden von Google, Arena oder verwandten Benchmarks nicht offiziell unterstützt und stellen lediglich Informationen dar, die in der Community verbreitet werden.
Das einzige Modell, das bestätigt werden kann, ist das Modell mit dem Namen gemini-3.8-flash, das völlig im Widerspruch zur Leistung von Gemini 3.8 Flash steht.
Aber es gibt noch einen weiteren, sehr wichtigen Grund, warum alle schnell auf das Gemini 4 Pro verweisen: Googles Pro-Modell war zu lange leer.
Gemini 3.5 Pro wurde noch nicht offiziell eingeführt und Gemini 4 wurde bereits für die Schulung bestätigt. In den letzten Monaten wurde Flash von Generation zu Generation weiterentwickelt und es gab noch nie ein neues Modell in der Pro-Reihe, das wirklich die Obergrenze der Leistungsfähigkeit darstellte.
Nun tauchte plötzlich ein „3,8 Flash“ mit offensichtlich abnormalen Fähigkeiten aus der Arena auf.
Dadurch werden die Spekulationen natürlich immer vernünftiger – Google hat möglicherweise nicht die Absicht, das wirklich große Upgrade auf 3.5 Pro zu belassen, sondern direkt auf Gemini 4 Pro.
Hinter Gemini 4 Pro
Das größere Schlüsselwort ist RSI
Wenn Gemini 4 Pro immer noch nur ein Community-Gerücht ist, ist es bemerkenswerter, dass
Google die Geschwindigkeit der KI-Beteiligung an der Modellentwicklung erheblich beschleunigt.
In diesem Gemini 4 Pro-Gerücht wurde das Schlüsselwort RSI wiederholt erwähnt.
RSI steht für Recursive Self-Improvement, was rekursive Selbstverbesserung bedeutet. Vereinfacht gesagt beginnt die KI an der Entwicklung einer stärkeren KI mitzuwirken, und eine stärkere KI beschleunigt die Entwicklung von Modellen der nächsten Generation weiter.
Sobald dieser Zyklus läuft, wird nicht nur die Modellfähigkeit selbst beschleunigt.
Sogar die Geschwindigkeit der Modellentwicklung wird durch das Modell selbst beschleunigt.
Reuters gab im August dieses Jahres bekannt, dass Google-Mitbegründer Sergey Brin Gemini in den letzten Monaten zu mehr Geschwindigkeit gedrängt hat und rekursive Selbstverbesserung als eine der Schlüsselrichtungen aufgeführt hat.
Obwohl Google nicht öffentlich bekannt gegeben hat, dass es diesen geschlossenen Kreislauf erreicht hat, übergibt es immer mehr Aufgaben, die ursprünglich Forschern gehörten, an Agenten, einschließlich der Bewertung von Modellen, der Suche nach Verbesserungsmöglichkeiten, der Durchführung von Experimenten und der anschließenden Rückführung der Ergebnisse in den Modellentwicklungsprozess.
Als Gemini 3.8 Flash am 2. September veröffentlicht wurde, erwähnte Google in der offiziellen Beschreibung auch, dass eine lang laufende Agentenschleife „das zugrunde liegende Modell rekursiv evaluiert und verbessert“.
Der Google DeepMind-Forscher Yao Shunyu (nicht Yao Shunyu von Tencent) verwendete die Worte von Armstrong, als er auf dem Mond landete, um dieses Update nach der Veröffentlichung von 3.8 Flash zu beschreiben:
„Das ist ein kleiner Schritt für das Modell, ein großer Schritt für RSI.“
Erst kürzlich hat Google auch „RSI“ in den Titel einer neuen Arbeit aufgenommen.
Am 14. September veröffentlichten Google, GDM und andere Teams Dream-RSI, das speziell untersucht, wie Agenten durch kontinuierliche Verbesserung der Erkundungsstrategien eine rekursive Selbstverbesserung erreichen können. Bei der Algorithmenentwicklung, der mathematischen Optimierung und GPU-Kernel-Aufgaben zeigt diese Methode eine höhere Explorationseffizienz und niedrigere Suchkosten.
Genau aus diesem Grund wurden die Gerüchte über Gemini 4 Pro schnell mit RSI in Verbindung gebracht.
Die Spekulationen in der Community hören nicht bei „Gemini 4 Pro ist sehr stark“ auf, sondern fragen auch, inwieweit Google intern RSI erreicht hat.
Google ist offensichtlich nicht der Einzige, der diesen RSI-Weg geht.
Am 17. September US-amerikanischer Zeit veröffentlichte Anthropic eine Reihe interner KI-F&E-Automatisierungsdaten.
Vertreter von Anthropic gaben an, dass sie diese Indikatoren offengelegt haben, weil sie glauben, dass die Außenwelt wissen muss, wie viel von der KI-Forschung und -Entwicklung in hochmodernen Labors bereits von der KI selbst abgeschlossen wurde.
Daten zeigen, dass Claude im August dieses Jahres in der Lage war, 26 % der Forschungs- und Entwicklungsaufgaben im Bereich Anthropic AI zu leiten – das heißt, Menschen müssen nur hochrangige Ziele vorgeben und überwachen, und Claude kann die Aufgaben grundsätzlich durchgängig erledigen. Im Februar und März dieses Jahres lag dieser Anteil unter 1 %.
Gleichzeitig haben mehr als 90 % der KI-Forschungs- und Entwicklungsaufgaben innerhalb von Anthropic zumindest das Stadium der KI-Zusammenarbeit erreicht.
In China sagte Tang Jie, Gründer und Chefwissenschaftler von Zhipu, kürzlich auch: „Wir sind noch weit davon entfernt, eine rekursive Selbstverbesserung zu erreichen, aber der kleinste Zyklus ist erschienen: Modelloptimierungssystem, Systemdienstmodell.“
Tang Jies langer Artikel über X, nur der Anfang ist gekürzt
In der von Zhipu offenbarten technischen Praxis war ein von GLM-5.3 gesteuerter Infra-Agent am Entwurf, Debugging und der Optimierung der GLM-5.3-Flash-Inferenzinfrastruktur beteiligt. Dieses System läuft auf einem Cluster von mehr als 100.000 inländischen KI-Chips. Vom ersten Durchlauf bis zur Übernahme des gesamten Produktionsverkehrs dauerte es nur zwei Wochen, wodurch der End-to-End-Durchsatz auf das 3,2-fache des Ausgangsniveaus gesteigert wurde.
„Langsamer“ hinterlässt schließlich nur eine Warnung
Noch vor wenigen Tagen forderte Amodei hochmoderne KI-Unternehmen dazu auf, sich zusammenzutun, um „langsamer“ zu werden.
Die erste Erkrankung, auf die er achten sollte, war RSI.
Der Modellfortschritt an sich ist natürlich eine gute Sache, aber das Problem besteht darin, dass, wenn KI beginnt, sich an der Herstellung der nächsten KI-Generation zu beteiligen, die Geschwindigkeit des Modellfortschritts möglicherweise immer schneller wird, die Geschwindigkeit des menschlichen Verständnisses, der Bewertung und der Kontrolle darüber jedoch möglicherweise nicht gleichzeitig beschleunigt wird.
Daher hat Amodei wiederholt betont, dass eine Bewertung durch Dritte, gemeinsame Sicherheitsstandards und Verzögerungsmechanismen im Voraus festgelegt werden müssen, bevor die Fähigkeiten bestimmte Schwellenwerte überschreiten.
Denn sobald der RSI tatsächlich ein positives Feedback erzeugt, hat das Modell möglicherweise den „Sicherheitsabstand“ des Bremsens überschritten.
In Bezug auf das Risiko sind sich mehrere hochmoderne Labore tatsächlich einig.
Altman stimmte öffentlich zu, „das Tempo der Entwicklung modernster KI zu verlangsamen“ und versprach, dass OpenAI auch unabhängige Gutachter mit ähnlichen Arbeitnehmerrechten einführen würde; Musk sagte, dass „Dario recht hat“; Hassabis sagte auch, dass dies die richtige Richtung sei, aber wie man das mache, müsse noch weiter diskutiert werden.
Aber die Initiative erwähnte auch, dass es keinen Sinn habe, allein langsamer zu werden. Wenn die KI-Forschung und -Entwicklung weiterhin durch KI beschleunigt wird, erfordert eine wirklich wirksame Verlangsamung oder Aussetzung in der Zukunft die Festlegung einer Reihe gemeinsamer Regeln: etwa die Einführung unabhängiger Gutachter und die Möglichkeit für hochmoderne Laboratorien, gemeinsam Fähigkeitsschwellenwerte und Sicherheitsmaßnahmen festzulegen und sich abzustimmen, um das Tempo von Forschung und Entwicklung bei Bedarf zu verlangsamen.
Aber bisher wurden aus verschiedenen Wettbewerbsgründen keine gemeinsamen Regeln festgelegt.
Jeder kann bereits gemeinsam sagen, dass „wir vorsichtig sein sollten“, aber wenn es darum geht, „wie wir konkret bremsen sollen, wer zuerst bremsen sollte und ob andere Länder bremsen sollten“, verschwindet der Konsens schnell.
Es gibt den direktesten Modellwettbewerb zwischen Laboren und einen größeren KI-Wettbewerb zwischen Ländern. Wenn ein Land allein langsamer wird, besteht das Risiko, dass es die führende Rolle seinen Gegnern überlässt; Wenn ein Land alleine Beschränkungen verhängt, wird es befürchten, dass die andere Seite weiterhin beschleunigt.
Einige hochmoderne KI-Labore verhalten sich daher in ihren Worten und Taten etwas widersprüchlich.
Auf Googles Seite gibt es das oben erwähnte Gemini 4 Pro, das vermutlich anonym in Arena getestet wurde.
Auf der Anthropic-Seite tauchen in letzter Zeit auch Graustufenspuren von Opus 5.2 in der Community auf. Einige Benutzer von Claude Code gaben an, dass sie das Logo des neuen Modells claude-opus-5-2 anhand des Betriebsstatus und der Informationen zur Anforderungsweiterleitung gesehen hätten, und vermuteten, dass einige Anforderungen in Graustufen an den Opus der nächsten Generation weitergeleitet wurden.
Was OpenAI betrifft, sagten einige Leute, dass sie den Modellnamen gpt-6-sol in der Hintergrundmodellliste gesehen hätten, und einige Leute sagten, sie hätten vermutet, dass sie auf ein neues Modell umgestellt wurden. Den weit verbreiteten Nachrichten zufolge könnte GPT 6 Sol nächste Woche oder am Dev Day am 29. September US-amerikanischer Zeit veröffentlicht werden ... Kurz gesagt, es ist nicht mehr weit entfernt.
Die nächste Runde von Modellen aus den drei hochmodernen KI-Laboren zeigt erste Anzeichen von Tests in der Community.
Das bisher sicherste Ergebnis dieser Runde der „Entschleunigungsinitiative“ ist nicht, dass irgendein Unternehmen wirklich langsamer geworden ist, sondern dass die wichtigsten KI-Unternehmen im Vorfeld öffentlich über die Risiken gesprochen haben.
Das Modell wird nicht langsamer.
Aber wenn eines Tages etwas passiert, können sie zumindest sagen: Wir haben sie gewarnt.
Kommentare