Google schiebt Flash-Lite in die kostenlose Stufe, während Gemini 4 Argon wartet
Google entzieht Nutzern der kostenlosen Gemini-App am 9. Oktober den Zugang zu Flash und Pro. Ihnen bleibt nur Flash-Lite, wie aus einem aktualisierten Support-Dokument hervorgeht, über das 9to5Google am 3. Oktober berichtete.

Google entzieht Nutzern der kostenlosen Gemini-App am 9. Oktober den Zugang zu Flash und Pro. Ihnen bleibt nur Flash-Lite, wie aus einem aktualisierten Support-Dokument hervorgeht, über das 9to5Google am 3. Oktober berichtete. Dasselbe Dokument besagt, dass Abonnenten von AI Plus, die 4,99 Dollar im Monat zahlen, Pro verlieren und Flash-Lite sowie Flash behalten.
Das ist eine Herabstufung, keine Neuordnung. Bisher umfasste die kostenlose Stufe 3.6 Flash und wechselnden Zugang zu 3.1 Pro, wie aus der Darstellung von The Decoder am 4. Oktober hervorgeht. Nach dem 9. Oktober liegen alle drei Modelle hinter AI Pro für 19,99 Dollar im Monat oder AI Ultra für 99,99 oder 199,99 Dollar im Monat. Die drei Modelle sind Flash-Lite, Flash und Pro. Was sich für den Leser ändert, ist einfach. Die Modellauswahl in der Gemini-App ist dann keine Liste mehr, die alles zeigt, sondern eine Preisliste. Wer sich auf Pro in der kostenlosen Stufe verlassen hat oder 4,99 Dollar in der Erwartung gezahlt hat, bekommt ein schwächeres Modell oder eine höhere Rechnung. Offen bleibt, wie Google mit dem nächsten Flaggschiff Gemini 4 Argon umgeht, wenn es erscheint. In der Gerüchteküche kursieren Größenordnungen von 27.000.000.000 und 9.000.000.000 Parametern, von denen bei einem MoE-Modell 8.000.000.000 pro Token aktiv wären. Google selbst hat das nicht bestätigt.
Zwei Portale, eine Support-Seite, leicht unterschiedliche Einordnung
Die beiden Texte weichen beim Zeitpunkt voneinander ab. 9to5Google datiert die Änderung auf den 9. Oktober. Das Portal schreibt, AI-Plus-Abonnenten erhielten eine E-Mail, die erklärt, wann ihre Änderungen greifen. The Decoder ordnet den Schritt als Beginn im Oktober 2026 ein, ohne einen Tag zu nennen. Beide berufen sich auf dieselbe Google-Support-Seite, der Unterschied wirkt daher eher wie eine Einordnung als wie ein Widerspruch. Keines der beiden Portale berichtet über eine Stellungnahme von Google, die über das Dokument hinausgeht.
9to5Google meldet zudem, die Limits kämen zusätzlich zu einer compute-basierten Änderung der Nutzung, die Google im Mai vorgenommen hat. Nutzer von AI Pro und AI Ultra verlieren dagegen nichts. Die Stufe für 19,99 Dollar erhält die Option Deep Think für "maximum parallel reasoning", die bisher den Plänen für 99,99 und 199,99 Dollar vorbehalten war. Die App soll außerdem Aufwandsstufen "low", "medium" und "high" für jedes verfügbare Modell bekommen. Das entspricht dem, was Google AI Studio und Antigravity bereits bieten.
Das Modell, das niemand einordnen kann
Wo Gemini 4 Argon hineinpasst, ist die offene Frage. 9to5Google berichtet, Google habe Anfang der Woche erklärt, Argon komme zuerst zu Abonnenten von AI Ultra. Das Unternehmen hat noch nicht festgelegt, ob Argon als Pro-Modell zählt oder in einer neuen Stufe darüber liegt. Diese Unklarheit wiegt schwerer als die Kürzung bei Flash-Lite. Landet Argon über Pro, kauft man für 19,99 Dollar Zugang zu einem Modell der 3.1-Ära, während die Spitze eine oder zwei Stufen höher steht.
The Decoder nennt eine verwandte Möglichkeit: Die Stufung sei das Fundament für Argon, dessen Betrieb teurer sein könnte. Das Portal argumentiert außerdem, die Wirkung in der Praxis sei wohl klein. Die meisten Gelegenheitsnutzer von Google AI wissen nicht, welches Modell sie gerade verwenden, und die Power-User, die es merken, zahlen vermutlich schon. Das ist eine plausible Lesart, und es ist zugleich die Lesart, die Google bevorzugt.
Die Form des Freemium ist entlehnt. The Decoder merkt an, das Modell folge dem Vorbild von OpenAI mit ChatGPT, wo kostenlose Nutzer eine begrenzte Erfahrung bekommen und zahlende Kunden die Spitze. Googles Variante ist gröber. Es wird nicht gemessen, wie viel von einem guten Modell jemand nutzt, das gute Modell verschwindet ganz aus den billigen Plänen. Dazu gehört eine Preistabelle. Die Support-Seite von Google, wie The Decoder sie wiedergibt, gibt Flash-Lite an alle, Flash an AI Plus und höher, Pro nur an AI Pro und AI Ultra. Vier Stufen, drei Modelle, ein klarer Engpass bei 4,99 Dollar.
Anderswo bei den Modellen: Die Veröffentlichungen dieser Woche sind keine Benchmarks
Der Rest der Modellnachrichten dieser Woche dreht sich weniger um Ranglisten als darum, was ausgeliefert wird und wer es ausführen kann. Ideogram veröffentlichte am 4. Oktober die Details zu Ideogram 4.5. Das Unternehmen bewirbt das Modell als präzises Bearbeitungsmodell in nativer 2K-Auflösung, live in seiner App, seiner MCP-Integration und seiner API. Ideogram zufolge vermeidet das Modell die Anhäufung von Artefakten über mehrere Bearbeitungen hinweg. Genau das macht mehrstufige Bearbeitung möglich statt eines einmaligen Tricks.
Der Preis gilt pro Bild und ist pauschal: 0,008 Dollar in sehr niedriger Qualität, 0,03 Dollar niedrig, 0,06 Dollar mittel und 0,10 bis 0,22 Dollar hoch. Der höhere Betrag deckt die Generierung mit Referenzen und präzise Bearbeitungen ab. Ideogram zufolge ändert sich der Preis nicht mit der Länge des Prompts, der Zahl der Referenzbilder oder der Auflösung des Ergebnisses, und ein Abonnement ist nicht nötig. Wer Bildmodelle nach Kosten pro brauchbarem Ergebnis vergleicht statt nach einer Demo-Show, für den zählt diese Zahl.
Auf der Seite der offenen Gewichte ist die interessanteste Veröffentlichung dieser Woche kein Frontier-Modell. Jerry Gamblin ließ Clef und Clef Flash von Cloudflare über alle 27.489 CVEs laufen, die in den 60 Tagen bis zum 3. Oktober veröffentlicht wurden. Er stellte jeder Beschreibung zwei Fragen: Belegt sie eine Sicherheitsauswirkung, und ist sie für einen Verteidiger klar? Clef Flash, ein 9B-Modell, das auf Qwen 3.5 feinabgestimmt wurde, beantwortete beide auf einem Laptop im Median in unter einer Sekunde pro CVE, ohne API-Schlüssel.
Die Ergebnisse sind ein Benchmark für Prosa, nicht für Schlussfolgern. Außerhalb des Linux-Kernels sagen 989 von 23.736 Beschreibungen, also 4,2 Prozent, nie, was ein Angreifer tun könnte. Der Kernel ist ein eigener Fall: Seine Richtlinie überlässt die Auswirkung dem Nutzer. So nennen 3.661 seiner 3.753 Einträge ebenfalls keine, was die Gesamtzahl über alle CVEs auf 4.650 von 27.489 treibt, also 16,9 Prozent. Gamblin arbeitet in Arbeitsgruppen des CVE-Programms mit und betont, hier stehe keine Position des Programms. Flash allein fand er zu streng: Das 27B-Modell Clef kippte 1.198 von 2.187 Markierungen, 54,8 Prozent. Gegen 129 CVEs, die er von Hand gekennzeichnet hatte, fand die zweistufige Antwort 15 der 16, die keine Auswirkung nennen.
Das ist die Art Benchmark-Veröffentlichung, die selten in einem Launch-Post auftaucht und im Alltag mehr verändert als ein Punkt auf einer Rangliste. Ein kleines Modell, das lokal läuft und Text billig klassifiziert, ist eine andere Produktkategorie als ein Frontier-Chatbot. Die Clef-Gewichte stehen unter Apache 2.0 auf Hugging Face und lassen sich über Ollama ausführen.
Zwei Paper, eine Warnung vor dem Training auf eigener Ausgabe
Zwei Forschungsbeiträge dieser Woche kreisen um dasselbe Problem: Modelle, die auf Modellausgaben trainiert werden, verschlechtern sich. Das Paper von Lewis Mitchell, am 1. Oktober bei arXiv eingereicht, behandelt den Modellkollaps beim iterativen Fine-Tuning. Das Experiment nutzte sechs Generationen von QLoRA auf Llama-3.1-8B. Die Filterung über Logprobs, der etablierte Ausgangspunkt, der Zugriff auf die Modellwahrscheinlichkeiten braucht, brachte bei keiner Kennzahl einen signifikanten Vorteil für die Textvielfalt (p > 0,23). Die Filterung über einen nichtparametrischen Schätzer der Entropierate, der allein aus dem Rohtext berechnet wird, ergab 42 Prozent mehr eindeutige Trigramme, 30 Prozent mehr Vokabular und 19 Prozent weniger Wiederholung, jeweils bei p < 0,001.
Der Befund ist eng, und die Umgebung ist vollständig synthetisch, ein Fine-Tuning entlang einer einzigen Linie. Er weist aber auf etwas Praktisches hin: Trainingsdaten lassen sich auf Vielfalt filtern, ohne ein Modell im Kreislauf. Das Paper nennt in seinen Kommentaren 17 Seiten, 8 Abbildungen und NeurIPS 2026.
Alex L. Zhangs Blogbeitrag über die "Form" von Sprachmodellen, veröffentlicht am 4. Oktober, argumentiert aus einem anderen Blickwinkel. Er merkt an, dass die Form von Eingabe und Ausgabe bei Sprachmodellen seit ChatGPT weitgehend gleich geblieben ist. Die gesamte Agentenarbeit ist als Gerüst um ein autoregressives Modell herum gebaut, nicht umgekehrt. Er nennt Jev von Typesafe AI als Beispiel für einen anderen Kompromissraum, ein Modell, dessen Ausgaberaum auf das Intervall von 0 bis 1 beschränkt ist. Das ist ein Entwurfsargument, kein Benchmark-Ergebnis, und so sollte man es lesen.
Eine Sicherheitsgeschichte, die keine Modellveröffentlichung ist
Die folgenreichste KI-Sicherheitsoffenlegung der Woche hat keinen Benchmark. OpenAI erklärte am 4. Oktober, eine koordinierte Kampagne zur Extraktion geschützten Schlussfolgerns aus seinen Modellen unterbrochen zu haben. Die früheste Aktivität fiel in die erste Juliwoche. Die Betreiber hätten weder Verschlüsselung gebrochen noch auf gespeicherte Gespräche zugegriffen, so das Unternehmen. Sie manipulierten Modellinteraktionen so, dass verborgenes Schlussfolgern im großen Stil reproduziert werden konnte.
OpenAIs Bericht nennt Daten und Mengen. Die Aktivität begann am 1. Juli. Spitzen mit hohem Volumen am 24. und 25. Juli bestanden aus 16.000 Anfragen von über 4.000 Nutzern. Verwandte Aktivitäten mit Prompt-Mustern über einen Verbund von mehr als 15.000 Nutzern waren bis zum 28. Juli vollständig unterbrochen. OpenAI ordnet einen Kernverbund der Aktivität Personen zu, die mit Moonshot AI in Verbindung stehen, dem Entwickler von Kimi. Ob alle Betreiber zu einem einzigen Akteur gehörten, sei unklar, heißt es.
Neben der Änderung der Gemini-Stufen beschreiben die beiden Geschichten denselben Markt von entgegengesetzten Enden. Google zieht enger, was seine billigsten Kunden erreichen können. OpenAI hat es mit Leuten zu tun, die an der Haustür vorbei nach Schlussfolgern griffen, das das Modell nicht zeigt. Keines der Unternehmen hat gesagt, was die jeweiligen Änderungen kosten. Keines hat eine Zahl dafür veröffentlicht, was das extrahierte Schlussfolgern wert war.
Was die Gemini-Änderung nicht sagt, ist, ob Argon die Leiter rechtfertigen wird. Google hat bestätigt, dass Argon zuerst zu AI Ultra kommt. Wo Argon im Verhältnis zu Pro steht, hat das Unternehmen nicht gesagt. Bis das geklärt ist, bleibt die Kürzung vom 9. Oktober eine Preisentscheidung, über der noch eine Produktfrage hängt.
Quellen
8- 01Gemini app limiting what models free and AI Plus users can accessEN
- 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
- 03Ideogram 4.5: The most precise edit modelEN
- 04Decision Models vs. CVE DataEN
- 05No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
- 06Language Model "Shape"EN
- 07Disrupting a coordinated model-distillation campaignEN
- 08OpenAI's latest features take direct aim at the app store modelEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.