Google schiebt das schwächste Gemini-Modell in die kostenlose Stufe, zahlende Nutzer bekommen den Rest
Ab dem 9. Oktober beschränkt Google Nutzer der Gemini-App ohne Abo auf das Modell Flash-Lite. Das geht aus einem aktualisierten Support-Dokument hervor, über das 9to5Google am 3. Oktober berichtete. Kostenlose Nutzer verlieren den Zugang zu Flash 3.6 und Pro 3.1, die sie heute verwenden können.
Die Änderung ist eine Neuverteilung der Stufen, keine Abschaltung. Kostenlose Konten behalten eine Gemini-App, sie läuft nur auf dem kleinsten Modell im Angebot. Wer AI Plus für 4,99 Dollar im Monat zahlt, kommt künftig nicht über Flash-Lite und Flash hinaus. Auch die Pro-Stufe verschwindet aus diesem Tarif.
9to5Google meldete das Support-Dokument am 3. Oktober und schrieb, die Änderungen würden am 9. Oktober wirksam. The Decoder legte in seinem Beitrag vom 4. Oktober die vollständige Staffelung dar. Kein Tarif bekommt ausschließlich Flash-Lite. AI Plus erhält Flash-Lite und Flash. Pro setzt AI Pro für 19,99 Dollar im Monat voraus oder AI Ultra für 99,99 und 199,99 Dollar im Monat. Beide Publikationen stimmen bei den Modellnummern und Preisen überein. Ein möglicher Unterschied betrifft das Motiv, nicht die Fakten.
Was Käufer von Pro und Ultra zurückbekommen
Den oberen Stufen wird nichts weggenommen, eine Sache kommt hinzu. Laut 9to5Google erhalten AI-Pro-Kunden die Option Deep Think, beschrieben als "maximum parallel reasoning". Bisher lag sie hinter den Tarifen für 99,99 und 199,99 Dollar. Derselbe Bericht schreibt, die Gemini-App werde im Oktober voraussichtlich Aufwandsstufen "low", "medium" und "high" "for each available model" einführen. Sie ersetzen den derzeitigen einzelnen Schalter für Extended Thinking. Höherer Aufwand verbraucht mehr vom Nutzungslimit eines Nutzers.
Wo Gemini 4 Argon landet, ist offen. 9to5Google merkte an, Google habe Argon zuerst für AI-Ultra-Abonnenten angekündigt. Ob es als Pro-Modell zählt oder als neue Stufe über Pro, hat das Unternehmen nicht gesagt. The Decoder vermutete, die Umstrukturierung könne das Fundament für Argon sein, dessen Betrieb teurer sein dürfte. Eine Google-Erklärung zu Argons Preis hat keine der beiden Publikationen.
Die Einschätzung von The Decoder zum praktischen Schaden: Die meisten Gelegenheitsnutzer von Google AI wissen nicht, welches Modell sie fahren, und die Power-User, die es wissen, zahlen vermutlich schon.
Das ist eine plausible Annahme, und es ist zugleich der Teil dieser Geschichte, den niemand gemessen hat. Google hat nicht veröffentlicht, wie sich die Gemini-Nutzerschaft auf Free, Plus, Pro und Ultra verteilt. Keine der beiden Publikationen nennt eine Zahl. Die Stufe für 4,99 Dollar ist die interessante. Diese Abonnenten zahlten für den Pro-Zugang und verlieren ihn nun ohne Preisänderung, was laut 9to5Google per E-Mail erklärt werden soll.
Der Sicherheitsaspekt liegt woanders
Geht es um KI in der Cyberabwehr, ist die Nachricht zu den Gemini-Stufen vor allem eine Preisgeschichte. Das konkretere Sicherheitsmaterial in diesem Zyklus kommt von OpenAI. Das Unternehmen veröffentlichte am 4. Oktober einen Bericht über eine koordinierte Kampagne zur Model-Distillation und datierte die frühesten Aktivitäten auf die erste Juliwoche.
OpenAI ist in dem Bericht sorgfältig bei dem, was nicht geschah. Die Akteure, heißt es dort, "did not break our encryption, compromise a database, or gain direct access to stored user conversations". Stattdessen manipulierten sie Modellinteraktionen. Geschütztes Reasoning, also die interne Aufzeichnung des Modells, wie es eine Aufgabe durcharbeitet, ließ sich im großen Stil in sichtbarer Form reproduzieren. Eine Technik, die OpenAI beschreibt: verschlüsseltes Reasoning aus einer Unterhaltung kopieren und ein Modell in einer anderen Unterhaltung bitten, es zu entschlüsseln und zu transkribieren.
Die Zahlen in dem Beitrag sind konkret. OpenAI sah demnach Spitzen mit hohem Volumen am 24. und 25. Juli. Sie bestanden aus 16.000 Anfragen mit einem einschlägigen Extraktionsmuster von mehr als 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 "a core cluster of the activity" Personen zu, die mit Moonshot AI in Verbindung stehen, dem Entwickler von Kimi. Ob alle Akteure von einem einzigen Urheber stammten, sei unklar, heißt es. OpenAI teilte Informationen über das Frontier Model Forum mit Partnern aus der Branche. Unabhängigen Sicherheitsforschern, die verwandte Probleme über Modelle hinweg und bei der Verdichtung von Unterhaltungen über eine verantwortungsvolle Offenlegung meldeten, zollt das Unternehmen Anerkennung.
Dieses letzte Detail wiegt schwerer als der Streit um die Zuordnung. Ein Labor, das bestätigt, dass externe Forscher echte Angriffspfade in seinem eigenen Produkt gefunden haben, legt anders offen als ein Anbieter, der sagt, er habe böse Akteure erwischt. OpenAI bestätigt, die Pfade vor der Veröffentlichung als real geprüft zu haben.
Anthropics leisere Änderung
Der Beitrag von Anthropic in dieser Woche ist eine Datenschutzeinstellung, kein Abwehrprodukt. BleepingComputer meldete am 4. Oktober, die Sprachfunktionen von Claude fragten Nutzer nun mit "Allow us to use your voice data to improve our AI models." Die Abfrage hat die Schaltflächen Allow und Not now sowie einen Schalter unter Settings, Privacy. Sie erklärt, Audioaufnahmen und Sprachchat-Daten hülfen Modellen, Sprache zu verstehen und zu beantworten, und die Daten ließen sich in den Einstellungen löschen.
Laut BleepingComputer ist die Einstellung standardmäßig deaktiviert. Sie ist getrennt von der bestehenden Option, mit Chats und Claude-Code-Sitzungen zu trainieren. Ein Nutzer kann Sprache freigeben und Text zurückhalten, oder umgekehrt. Diese Trennung ist das erwähnenswerte Detail. Die Einwilligung ist hier granular, was die Prüfung erleichtert und das Vergessen begünstigt.
Klassifikatoren als Sicherheitswerkzeug
Der unmittelbar nützlichste Sicherheitsbeitrag hier ist kein Produktstart. Jerry Gamblin sagt, er arbeite in den Arbeitsgruppen Quality, Automation und Consumer des CVE-Programms mit. Nichts in seinem Beitrag sei eine Position des CVE-Programms, betont er. Er ließ die Clef-Modelle von Cloudflare über jede zwischen dem 4. August und dem 3. Oktober 2026 veröffentlichte CVE laufen, 27.489 Datensätze. An jede Beschreibung stellte er zwei Fragen: Legt sie eine Sicherheitsauswirkung dar, und wie klar ist sie für einen Verteidiger.
Seine Ergebnisse: 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, weil seine veröffentlichte Politik die Auswirkung dem Nutzer überlässt. Von seinen 3.753 Datensätzen nennen 3.661 keine. Damit steigt die Zahl über alle CVEs auf 4.650 von 27.489, also 16,9 Prozent. Er berichtet außerdem, Clef Flash allein sei zu streng gewesen. Das größere Modell Clef 27B kippte 1.198 von 2.187 markierten Datensätzen, 54,8 Prozent, außerhalb des Kernels. Gegen 129 CVEs, die er von Hand etikettiert hatte, fand die zweistufige Methode 15 der 16, die er als ohne Auswirkung bewertet hatte. Eines seiner positiven Beispiele markierte sie nie.
Die Modelle stehen unter Apache 2.0 und sind aus Qwen 3.8 und Qwen 3.5 feinabgestimmt. Sie laufen lokal über den Decision-Endpunkt von Ollama, die Gewichte liegen auf Hugging Face. Gamblin sagt, sein gesamter Lauf habe auf einem Laptop ohne API-Schlüssel stattgefunden. Die 4,2 und 16,9 Prozent sind als Messung eines einzelnen Forschers mit offengelegter Methode zu lesen, nicht als offizielle Statistik des CVE-Programms. Die Methode ist aber veröffentlicht und die Daten sind öffentlich, was mehr ist, als die meisten Sicherheitsbehauptungen einer Woche bieten.
Kleinere Signale
Zwei weitere Punkte verdienen je eine Zeile. Ideogram veröffentlichte am 4. Oktober Version 4.5 seines Bildmodells. Es bewirbt artefaktfreies mehrstufiges Bearbeiten in nativer 2K-Auflösung mit festem Preis pro Bild von 0,008 bis 0,22 Dollar je nach Qualitätsmodus. Und ein am 1. Oktober bei arXiv eingereichtes Paper von Lewis Mitchell berichtet ein Filterergebnis. Das Filtern von Trainungstext mit einem nichtparametrischen Schätzer der Entropierate, ohne Beteiligung eines Modells, ergab 42 Prozent mehr eindeutige Trigramme, 30 Prozent mehr Vokabular und 19 Prozent weniger Wiederholung als logprob-basiertes Filtern. Das war in einem Kollaps-Experiment mit sechs Generationen und QLoRA auf Llama-3.1-8B, mit p-Werten unter 0,001.
Beides ist keine Geschichte über Cyberabwehr. Beides zeigt auf dasselbe grundlegende Problem, das die Offenlegung von OpenAI aufwirft. Die Pipelines, die Modelle trainieren und verfeinern, sind inzwischen Angriffsfläche, ob die Eingabe eine CVE-Beschreibung ist, ein gesammelter Korpus oder das verborgene Reasoning eines anderen Modells. Die Größenordnungen der Branche, 27.000.000.000 Dollar und 8.000.000.000 Dollar an Investitionen, ändern daran nichts, und das Jahr 2000 ist als Vergleichspunkt längst überholt.
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
- 03Disrupting a coordinated model-distillation campaignEN
- 04Anthropic asks Claude users to share voice data for AI model trainingEN
- 05Decision Models vs. CVE DataEN
- 06Ideogram 4.5: The most precise edit modelEN
- 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
- 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.