Googles Gemini-Tarife und was der Rest des KI-Release-Zyklus mit Sprachmodellen macht
Am 9. Oktober stuft Google Nutzer der kostenlosen Gemini-Version auf Flash-Lite herunter, wie 9to5Google am 3. Oktober berichtete. Damit fallen 3.6 Flash und 3.1 Pro weg. In derselben Woche erschienen mehrere Sprach- und Übersetzungsmodelle, die fast keiner dieser Nutzer erreichen wird.

Googles Änderung ist eng und hart. Die Support-Seite, zusammengefasst von 9to5Google am 3. Oktober, besagt, dass Nutzer ohne bezahlten Google-AI-Tarif keinen Zugriff mehr auf 3.6 Flash und 3.1 Pro haben. Abonnenten von AI Plus für 4,99 Dollar im Monat behalten Flash-Lite und Flash, verlieren aber Pro. Nur AI Pro für 19,99 Dollar und AI Ultra für 99,99 oder 199,99 Dollar behalten alle drei.
Was das für alle bedeutet, die Gemini zum Übersetzen oder Diktieren nutzen: Der Abrechnungstarif bestimmt jetzt, welches Modell die Arbeit macht, nicht die Aufgabe. Ein kostenloser Nutzer mit einem schwierigeren Sprachpaar bekommt Flash-Lite. Dasselbe Support-Dokument nennt für AI-Pro-Kunden die Option Deep Think, die bisher den beiden Ultra-Tarifen vorbehalten war. Außerdem führt die App laut Dokument für jedes Modell die Stufen low, medium und high ein. Keine der beiden Google-Mitteilungen erklärt, was speziell mit den Sprachfunktionen passiert. 9to5Google merkt an, dass weiterhin unklar ist, wo Gemini 4 Argon landet und ob es als Pro-Modell zählt oder als Tarif oberhalb davon.
Ein voller Monat für Sprache, und wenig davon von Google
Sprache und Übersetzung waren in diesem Herbst der betriebsamste Teil des KI-Release-Zyklus. Die jüngste Berichterstattung nennt mehrere Starts. Tencent hat ein Modell für Echtzeit-Dolmetschen zwischen Chinesisch und Englisch als Open Source veröffentlicht. Block brachte Dessa heraus, ein KI-Modell, das ausschließlich auf menschlicher Sprache trainiert wurde. Microsoft stellte neue MAI-Modelle für Echtzeit- und mehrsprachige Stimme vor. Google ergänzte Sprachübersetzung in Meet für 63 Sprachen. Indische Forscher veröffentlichten SraVaani, ein Sprachmodell für 65 indische Sprachen. Diese Starts bilden den Kontext, in dem Googles Tarifwechsel stattfindet. Das Muster: Sprache wird immer billiger und lokaler. Der Assistent, den die meisten schon haben, bekommt dagegen still eine Bezahlschranke vor seine besseren Modelle.
Der konkreteste neue Eintrag in dieser Reihe ist Ideogram 4.5, am 4. Oktober auf der eigenen Modellseite des Unternehmens veröffentlicht. Es ist ein Bildbearbeitungsmodell, kein Sprachmodell, doch seine Preisgestaltung zeigt am klarsten, wohin die Kosten pro KI-Aufruf gehen. Ideogram nennt einen festen Preis pro Bild, der sich nicht mit der Länge des Prompts, der Zahl der Referenzen oder der Auflösung ändert. Er liegt bei 0,03 Dollar in niedriger Qualität, 0,06 Dollar in mittlerer und 0,10 Dollar in hoher Qualität für die reine Prompt-Generierung. Bei hoher Qualität mit Referenzen oder einer präzisen Bearbeitung sind es 0,22 Dollar. Sehr niedrige Qualität kostet 0,008 Dollar für die Referenz- und Bearbeitungs-Endpunkte und wird für die reine Prompt-Generierung nicht angeboten. Ein Abonnement ist nicht nötig.
Diese Pauschale sollte man neben Googles Abo-Leiter halten. Ideogram rechnet pro Bild ab und lässt jeden nach Verbrauch zahlen. Google rechnet pro Monat ab und sperrt das Modell. Für einen Entwickler, der ein Übersetzungswerkzeug baut, ist das erste Modell eine Position, die mit der Nutzung wächst. Das zweite ist eine Obergrenze, die am 9. des Monats greift.
Das Abhörproblem, das niemand gelöst hat
Stimme ist zugleich der Eingabetyp mit der schlechtesten Datenschutzbilanz, und die letzten Tage lieferten ein sauberes Beispiel. BleepingComputer berichtete am 4. Oktober, dass Anthropic Claude-Nutzer bittet, ihre Sprachgespräche freiwillig für das Modelltraining bereitzustellen. Der Hinweis lautet: "Allow us to use your voice data to improve our AI models." Die Einstellung liegt unter Settings, Privacy, ist standardmäßig aus und getrennt vom bestehenden Schalter für Chat- und Claude-Code-Sitzungen. Ein Nutzer kann also Sprachdaten für das Training freigeben und Text trotzdem heraushalten. Anthropic sagt, Nutzer könnten die Freigabe später zurücknehmen oder die Daten löschen.
Das ist die vernünftige Variante der Bitte. Es bleibt eine Bitte, und sie kommt in demselben Monat, in dem Google die besseren Gemini-Modelle zum Bezahlprodukt macht. Für einen Nutzer, der gute Spracherkennung will, ohne zweimal zu zahlen, ziehen die beiden Schritte in entgegengesetzte Richtungen: einmal mit Geld, einmal mit Aufnahmen.
Lokale Modelle im Whisper-Stil sind der naheliegende Ausweg, und das Werkzeug drumherum wird besser. Jerry Gamblin, Mitglied der Arbeitsgruppen für Qualität und Automatisierung im CVE-Programm, veröffentlichte am 4. Oktober einen Testlauf. Er nutzte Cloudflares Clef-Modelle über den neuen Decision-Endpunkt von Ollama, um alle 27.489 CVEs zu klassifizieren, die in den vorangegangenen 60 Tagen veröffentlicht wurden. Clef ist ein Modell mit 27.000.000.000 Parametern, das aus Qwen 3.8 feinabgestimmt wurde, Clef Flash eines mit 9.000.000.000 Parametern aus Qwen 3.5, beide unter Apache 2.0, Gewichte auf Hugging Face, beide lokal lauffähig. Clef Flash beantwortete laut Bericht zwei Fragen pro CVE mit einem Median unter einer Sekunde je Frage auf einem Laptop, ohne API-Schlüssel und ohne Rechnung. Das ist eine Klassifikationsaufgabe, keine Übersetzung, doch es zeigt, was ein Modell mit 9.000.000.000 Parametern auf einem Laptop heute an Geschwindigkeit leistet. Gamblins Befund, dass in 4,2 Prozent der CVE-Beschreibungen außerhalb des Kernels nie eine Sicherheitsauswirkung genannt wird, sagt mehr über das Schreiben von CVEs als über Modelle.
Worum die Modellhersteller kämpfen
OpenAI nutzte am 4. Oktober die eigene Sicherheitsseite, um einen anderen Kampf zu beschreiben. Das Unternehmen gab an, eine koordinierte Kampagne gestört zu haben, die geschützte Schlussfolgerungen aus seinen Modellen extrahieren sollte, mit den frühesten Aktivitäten in der ersten Juliwoche. Die Betreiber hätten weder Verschlüsselung gebrochen noch gespeicherte Gespräche gelesen, heißt es in dem Beitrag. Sie manipulierten Interaktionen so, dass verborgenes Schlussfolgern für den Anfragenden sichtbar wurde. Dazu gehörte, verschlüsselte Schlussfolgerungen aus einem Gespräch zu kopieren und ein Modell in einem anderen Gespräch zu bitten, sie zu entschlüsseln und zu transkribieren. Laut OpenAI stieg die Aktivität am 24. und 25. Juli auf 16.000 Anfragen von über 4.000 Nutzern. Verwandte Prompt-Muster bei mehr als 15.000 Nutzern seien bis zum 28. Juli vollständig unterbunden worden. Einen Kerncluster ordnet das Unternehmen Personen zu, die mit Moonshot AI in Verbindung stehen, dem Entwickler von Kimi, und erklärt, es sei unklar, ob alle Betreiber von einem einzigen Akteur stammten.
Nichts davon betrifft Sprache. Für alle, die auf einem gehosteten Modell aufbauen, ist es dennoch wichtig, weil es zeigt, wie viel vom Wert eines Modells in den Teilen steckt, die der Anbieter nicht veröffentlicht. Eine Übersetzungsfunktion, die von der Schlussfolgerungsschicht eines Anbieters abhängt, erbt dessen Sicherheitslage und dessen Bedingungen. Dasselbe gilt für eine Sprachfunktion, die vom Transkriptions-Stack eines Anbieters abhängt.
Auf der Forschungsseite bietet Lewis Mitchells Paper auf arXiv, am 1. Oktober eingereicht, einen billigeren Weg, feinabgestimmte Modelle davor zu bewahren, in Wiederholungen zu kollabieren. Die Methode filtert Trainingstext über eine Entropierate, die allein aus dem Rohtext geschätzt wird, ohne Log-Wahrscheinlichkeiten eines Modells. In einem QLoRA-Experiment über sechs Generationen mit Llama-3.1-8B brachte die Filterung über Log-Wahrscheinlichkeiten bei keiner Metrik einen signifikanten Vorteil für die Textvielfalt (p > 0,23). Der Entropiefilter ergab 42 Prozent mehr eindeutige Trigramme, 30 Prozent mehr Vokabular und 19 Prozent weniger Wiederholung, jeweils bei p < 0,001. Das Paper hat 17 Seiten, acht Abbildungen und ist für NeurIPS 2026 gelistet. Wer ein Sprach- oder Übersetzungsmodell auf synthetischen Daten feinabstimmt, findet darin ein konkretes Rezept statt einer Warnung.
Der App-Store zieht in den Chatbot um
TechCrunch berichtete am 29. September, dass die Ankündigungen von OpenAIs Dev Day zusammengenommen ChatGPT zu einem Ort machen, an dem Apps entdeckt und ausgeführt werden. ChatGPT, das laut OpenAI 1.200.000.000 wöchentliche Nutzer hat, soll mitten im Gespräch Apps vorschlagen, wenn eine helfen würde. Eine erweiterte Plug-in-Architektur unterstützt nun Erweiterungen, die interaktive Panels im Chat darstellen. "Sign in with ChatGPT" nimmt das KI-Kontingent eines Nutzers in Apps von Drittanbietern mit, mit 16 Startpartnern, darunter Cognition's Devin, Notion, Vercel und Figma. Wenn das funktioniert, wird der Assistent zum Vertriebskanal, und das Modell dahinter wird zu dem, durch das alle anderen hindurchmüssen.
Hält man das neben Googles Tarifwechsel, wird die Form des Marktes klarer. Google verlangt Geld für den Zugang zu seinen besseren Modellen. OpenAI verschenkt Reichweite und behält das Modell. Anthropic bittet um Sprachaufnahmen. Ideogram verkauft Bilder pro Stück. Jeder beantwortet dieselbe Frage anders: Wer zahlt für Inferenz, und was bekommt er dafür.
Für einen Leser, der diesen Monat ein Übersetzungswerkzeug auswählen will, sind die praktischen Fragen enger. Welches Modell läuft im kostenlosen Tarif tatsächlich, und ändert sich das ohne Ankündigung. Wohin gehen die Aufnahmen, und gibt es einen Schalter. Und falls die Antwort auf eine der beiden Fragen unbefriedigend ist: Gibt es eine lokale Option, die gut genug ist. Nach den Belegen der letzten Woche wird die dritte Antwort schneller besser als die ersten beiden.
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
- 04Anthropic asks Claude users to share voice data for AI model trainingEN
- 05Decision Models vs. CVE DataEN
- 06Disrupting a coordinated model-distillation campaignEN
- 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.