Die interessanteste Zeile in Googles Gemini 4 Argon Ankündigung ist keine Benchmark. Es ist ein Video-Decoder. Nach Googles eigenem Bericht übernahmen Argon-Agenten einen existierenden Rust-Port von libgav1, Googles Open-Source-AV1-Decoder, und ersetzten 32’000 Zeilen SIMD-Code. Sie führten Runde um Runde von profilgesteuerten Experimenten durch und studierten die Compiler-Ausgabe, bis sicheres Rust sich selbst vektorisierte. Das Ergebnis ist ein speichersicherer Decoder, der 2,7× schneller läuft als der Rust-Port, mit identischer Video-Ausgabe.

Schauen Sie, was unter diesem Ergebnis steckt. Die libgav1-Maintainer schrieben eine Reference-Implementierung, die gut genug zum Messen war. Dann tat jemand die undankbare Arbeit, es von Anfang an zu Rust zu portieren. Das Modell optimierte eine Struktur, die Menschen bereits sorgfältig gebaut hatten. Das ist das Muster, das Sie für alles darunter behalten sollten.

Das System hinter dem Signal

Drei Zahlen aus der Ankündigung prägen jede AEC-Stack-Entscheidung:

• Preis: einführungsweise $2 pro Million Input-Token und $10 pro Million Output-Token. Gecachte Eingaben kosten 95% weniger, was sich auf $0,10 pro Million auswirkt.
• Ausgabe-Obergrenze: bis zu 1M Output-Token in einer Trajektorie, hinauf von 64K.
• Zugang: vorerst nur vertrauenswürdige Cyber-Verteidiger in Googles Fairwind-Programm. Bezahlte API-Kunden und Google AI Ultra-Abonnenten folgen dann.

Wie CNET anmerkt, kann der heutige Leser Argon noch nicht nutzen. CNBC platziert den Start in der gleichen Woche, in der Sundar Pichai ein freiwilliges KI-Sicherheitsabkommen in Washington unterzeichnete. Beide Berichte beschreiben einen gestaffelten Rollout, nicht einen bereits umgelegten Schalter. Google sagt auch, dass Argon Long-Horizon-Benchmarks anführt: 77,9% bei DeepSWE v1.1, 51,3% bei Zapiers AutomationBench und 91,7% bei LVBench für Long-Video-Verständnis. Das sind von Anbietern gemeldete Zahlen. Behandeln Sie sie als Grund zum Testen, nicht als Ergebnis.

←HEUTE: Ein Frontier-Modell startet bei $2 / $10 pro Million Token mit einem 1M-Token-Ausgabe-Fenster, verfügbar für Cyber-Verteidiger zuerst.
→3012: Zürich-Büros routen jedes Dossier durch einen gemappten Modellgraph, und der Graph zählt mehr als jedes einzelne Modell.
Drehpunkt: Günstige Token helfen nur einem Büro, das bereits weiss, welche Dokumente reisen dürfen und wohin.

Am Schreibtisch

Stellen Sie sich ein zwölf-köpfiges Atelier in Zürich-West mitten in einem Wettbewerb vor. Sein KI-Stack ist selten designed. Er baut sich über Zeit auf: ein Chat-Abo hier, ein Image-Tool dort, ein Python-Skript, das jemand im Grasshopper letzten Frühling schrieb. Ein Modell, das ein ganzes Ausschreibungs-Dossier verdauen und eine gleich lange Antwort zurückgeben kann, ändert die Ökonomie der Ausschreibungsprüfung, Code-Compliance-Vorchecks und Spec-Querlesung gegen SIA-Normen. Es addiert auch eine Abhängigkeit. Wenn Client-Zeichnungen zu einem US-Endpoint gehen, ist das revidierte Schweizer Datenschutzgesetz (nDSG, seit September 2023 in Kraft) Teil der Topologie, ob jemand es auf das Diagramm zeichnete oder nicht.

Der Trade-off, deutlich: Ein 1M-Token-Ausgabe-Fenster lässt einen einzelnen durchgehenden Agenten bis zu $10 auf eine Antwort ausgeben, sodass ein Büro ohne Pro-Task-Budgets seine realen Kosten am Monatsende erfährt.

Von wo ich in den späten 2070ern sitze, waren die Ausfälle, die wehtaten, nie das Modell. Sie waren die stillen Abhängigkeiten, die niemand aufschrieb. Zeichnen Sie Ihren echten Dependency-Graph, nicht das Architektur-Diagramm, und finden Sie den dritten Single Point of Failure, den Sie nicht kannten.

Atelier: Für ein Büro, das mit KI lebt, ist der Shift: von «welches Modell ist am besten» zu «welches Dokument darf zu welchem Modell, zu welchen Kosten». Monday-Move: Erstellen Sie ein einseitiges Routing-Sheet mit drei Spalten (Datenklasse, erlaubtes Modell oder Endpoint, Kostenkap pro Task) und heften Sie es neben die PAZ Atelier-Code-Checkliste an, bevor jemand einen API-Schlüssel öffnet.

Hack: Kalkulieren Sie eine Ausschreibungsprüfung, bevor Sie sie ausführen, sodass die Token-Rechnung ein Design-Input und keine Überraschung ist. Die Zahl von 700 Token pro Seite ist eine grobe Schätzung für dichten Spec-Text, also ersetzen Sie sie mit einem Count aus Ihrem eigenen Dossier. Die gecachte Zeile zeigt, warum die Wiederverwendung des gleichen Dossiers über mehrere Fragen hinweg einen Bruch des ersten Durchlaufs kostet.

pages, tok_per_page, out = 400, 700, 20_000   # Dossier + Clash/Summary-Ausgabe
inp = pages * tok_per_page                     # ~280k Input-Token
first = inp/1e6*2 + out/1e6*10                 # Argon Listenpreis, USD
rerun = inp/1e6*2*0.05 + out/1e6*10            # gecachte Eingabe, 95% Rabatt
print(f"first {first:.2f} USD, re-run {rerun:.2f} USD")

Die Antwort ist etwa $0,76 für den ersten Durchlauf und etwa $0,23 für jeden Re-Run. Das ist billig genug, dass das echte Budget Ihre Reviewer-Zeit und Ihre Datenpolitik ist, nicht die Token. Schreiben Sie das Routing-Sheet, bevor das nächste Ausschreibungs-Dossier landet, führen Sie die Kostenlinie aus, und halten Sie jeden Live-Test bis zum Zugang zur API.

Quelle: blog.google