Gemini 4 Argon Kontextfenster: Kapazität in der Praxis

👁 114 Aufrufe

Das Kontextfenster von Gemini 4 Argon umfasst exakt 1.048.576 Token. Google beschreibt für die Gemini API ein einheitliches Limit von einer Million Input- und Output-Token und bezeichnet diese Ausgabekapazität als branchenweit führend. Dies markiert eine deutliche Verschiebung gegenüber früheren Systemen, denn die vorherige Modellgeneration war auf 64.000 Output-Token begrenzt. Die Plattform OpenRouter listet das Modell ebenfalls mit einem Kontextfenster von 1.048.576 Token und beziffert die maximale Vervollständigung auf 65.536 Token pro Anfrage.

Messwerte und praktische Verarbeitungslängen

In unabhängigen Messungen durch Artificial Analysis zeigte sich, dass Gemini 4 Argon die erweiterte Ausgabekapazität aktiv ausschöpft. Das Modell benötigte bei der Ausführung des unabhängigen Intelligence Index durchschnittlich 62.000 Output-Token pro Aufgabe, während GPT-6 Astra im selben Testdurchlauf auf durchschnittlich 27.000 Output-Token kam. Artificial Analysis ermittelte für Argon zudem eine Halluzinationsrate von 15 Prozent, was der niedrigste Wert unter allen Modellen mit einem Score von 45 oder mehr war. Bei GPT-6 Astra lag diese Rate bei 51 Prozent.

Google positioniert Gemini 4 Argon ausdrücklich für lange und mehrstufige Arbeitsprozesse. Dazu zählen Software-Engineering, Wissensarbeit in Rechts- und Finanzabteilungen sowie Cybersicherheit. In herstellereigenen Benchmarks meldet Google für lange Videoformate bei LVBench ein Ergebnis von 91,7 Prozent. Im Bereich Software-Engineering erreicht das Modell laut Google 77,9 Prozent bei DeepSWE v1.1 und belegt mit 51,3 Prozent den ersten Platz bei AutomationBench.

Sicherheitsbenchmarks und Robotik

Für komplexe Programmier- und Sicherheitsaufgaben nennt Google ein Ergebnis von 68 Prozent bei CWE-bench v1, was einem geteilten ersten Platz entspricht. Bei Harvey Legal Agent, Vals Finance Agent v2 und im Vals Index belegt das System laut Google jeweils den ersten Rang. Im Robotik-Benchmark ERQA für verkörperte Argumentation berichtet Google über 87 Prozent. Die Erfolgsquote bei indirekten Prompt-Injection-Angriffen nach Gray Swan wird von Google mit 0,7 Prozent beziffert.

Das große Kontextfenster erlaubt es Unternehmen somit, umfangreiche Codebasen und Aktenbestände einzuspeisen, ohne den Inhalt vorab manuell aufteilen zu müssen.

Mehr zum Modell: Gemini 4 Argon im Überblick - Preise, Verfügbarkeit, Benchmarks und FAQ

// weiterlesenGLM 5.3 Prime Kontextfenster: 1.000.000 Tokens erklärtNachrichtenFür wen ist Grok 4.7 geeignet? Zielgruppen nach Preis und KontextNachrichtenCustomer.io in der Praxis: Onboarding, Warenkörbe, ReaktivierungAnleitungen

Kinetyra