Der neueste Satz von Open-Supply-Modelle von DeepSeek sind hier.

Während die Branche die Dominanz von „geschlossen„Iterationen wie GPT-5.5, die Ankunft von DeepSeek-V4 hat die Dominanz zugunsten der Open-Supply-KI abgehakt. Durch die Kombination einer MoE-Architektur mit 1,6 Billionen Parametern und einem riesigen Kontextfenster mit 1 Million Token hat DeepSeek-V4 Excessive-Reasoning-Intelligenz effektiv zur Ware gemacht.

Dieser Wandel verändert die Artwork und Weise, wie wir über Kosten und Fähigkeiten von KI denken. Lassen Sie uns die neuesten Varianten der DeepSeek-Familie entschlüsseln.

Was ist DeepSeek-V4?

DeepSeek-V4 ist die neueste Model der DeepSeek-Modellfamilie, die speziell für die Verarbeitung von Daten mit langem Kontext entwickelt wurde. Es kann bis zu 1 Million Token effizient verarbeiten und eignet sich daher perfect für Aufgaben wie erweiterte Argumentation, Codegenerierung und Dokumentzusammenfassung. Es nutzt revolutionary Hybridmechanismen wie Manifold-Constrained Hyper-Connections (mHC) und ermöglicht so die effiziente Verarbeitung von über einer Million Token. Dies macht es zur ersten Wahl für Branchen und Entwickler, die KI in großem Maßstab in ihre Arbeitsabläufe integrieren möchten.

Hauptmerkmale von DeepSeek-V4

Hier sind die bemerkenswerten Funktionen des neuesten Modells von DeepSeek:

• Open-Supply (Apache 2.0): Im Gegensatz zu „geschlossenen“ Modellen von OpenAI oder Google ist DeepSeek-V4 vollständig Open Supply. Dies bedeutet, dass die Gewichte und der Code für jedermann zum Herunterladen, Ändern und Ausführen auf seiner eigenen {Hardware} verfügbar sind.
• Huge Kosteneinsparungen: Die API kostet ungefähr einen Bruchteil der Preise der Konkurrenz 1/5 die Kosten von GPT-5.5.
• Zwei Modellvarianten:
  • DeepSeek-V4-Professional: Eine sehr leistungsstarke Model mit 1,6 Billionen Parameterkonzipiert für Excessive-Finish-Rechenaufgaben.
  • DeepSeek-V4-Flash: Eine effizientere und kostengünstigere Model, die die meisten Vorteile der Professional-Model zu einem reduzierten Preis bietet.

Modell	Gesamtparameter	Aktive Parameter	Vorab trainierte Token	Kontextlänge	Open Supply	API-Dienst	WEB/APP-Modus
deepseek-v4-pro	1,6T	49B	33T	1M			Experte
deepseek-v4-flash	284B	13B	32T	1M			Sofort

• Unübertroffene Agentenfähigkeit: Speziell optimiert, um als „autonomer Agent“ zu fungieren. Es beantwortet nicht nur Fragen; Es kann durch Ihr gesamtes Projekt navigieren, Instruments verwenden und mehrstufige Aufgaben wie ein digitaler Mitarbeiter erledigen.
• Weltklasse-Argumentation: In Mathematik- und Wettbewerbs-Codierungs-Benchmarks erreicht oder übertrifft es die leistungsstärksten privaten Modelle der Welt und beweist damit, dass Open Supply auf „Frontier“-Niveau mithalten kann.
• Bereit für Client-{Hardware}: Dank extremer Effizienz ist die V4-Flash Die Model kann auf Excessive-Finish-Client-GPUs (wie einem Twin-RTX-5090-Setup) ausgeführt werden und bringt Leistung der „GPT-Klasse“ auf Ihren lokalen Schreibtisch.

DeepSeek-V4: Technische Durchbrüche

DeepSeek-V4 gelingt nicht nur durch rohe Gewalt. Es werden drei spezifische Architekturinnovationen vorgestellt, die das Downside des langen Kontexts lösen:

• Hybride Aufmerksamkeit (CSA + HCA): Durch Kombinieren Komprimierte spärliche Aufmerksamkeit mit Stark komprimierte Aufmerksamkeitreduziert das Modell den VRAM-Overhead um 70 % im Vergleich zum Customary-FlashAttention-2, sodass 1 Mio. Kontextlängen auf Unternehmenshardware der Verbraucherklasse ausgeführt werden können.

• Der Myon-Optimierer: Eine revolutionäre Optimierungstechnik zweiter Ordnung, die es dem Modell ermöglicht, während des Trainings schneller „Konvergenz“ zu erreichen und so sicherzustellen, dass die 1,6T-Parameter tatsächlich effizient genutzt werden und nicht auf dem Konfigurationsblatt verbleiben.

Hier erfahren Sie, wie diese Optimierungen dazu beitragen, die Transformer-Architektur von DeepSeek-V4 im Vergleich zu einer Customary-Transformer-Architektur zu verbessern.

Diese Architektur macht DeepSeek-V4 im Wesentlichen zu einer „Reasoning Engine“ und nicht nur zu einem Textgenerator.

Diese Effizienz verbesserte nicht nur die Qualität der Modellantworten, sondern machte sie auch erschwinglich!

Wirtschaftskrise: Der Preiskampf

Die unmittelbarste Auswirkung von DeepSeek-V4 ist seine Preisstrategie. Es hat einen „Wettlauf nach unten“ erzwungen, der Entwicklern und Startups (uns) zugute kommt.

API-Preisvergleich (USD professional 1 Mio. Token)

DeepSeeks Cache-Treffer Durch die Preisgestaltung (0,028 $) sind Agenten-Workflows (bei denen derselbe Kontext wiederholt abgefragt wird) nahezu kostenlos. Dies ermöglicht ewige KI-Agenten das für Cent professional Tag in einer Codebasis „leben“ kann.

ChatGPT- und Claude-Benutzer verlieren bei dieser Preisgestaltung den Verstand! Und das auch noch wenige Stunden nach der Veröffentlichung von GPT 5.5! Das sendet eindeutig eine Botschaft.

Und dieser Vorteil beschränkt sich nicht nur auf die Preisgestaltung. Die Leistung des DeepSeek V4 macht ihn eindeutig zu einer Klasse für sich.

DeepSeek-V4 vs. The Giants: Benchmarks

Während OpenAI und Anthropic traditionell in der akademischen Argumentation führend waren, hat DeepSeek-V4 diese Lücke offiziell geschlossen Angewandte Technik Und Agentenautonomie. Es geht nicht nur darum, mit der Konkurrenz mitzuhalten; In den meisten Szenarien übertrifft es sie.

1. Der technische Vorsprung: SWE-Bench verifiziert

Dies ist der Goldstandard für die KI-Codierung. Es testet die Fähigkeit eines Modells, echte GitHub-Probleme durchgängig zu beheben. DeepSeek-V4-Professional hat einen neuen Rekord aufgestellt, insbesondere bei der Verwaltung mehrerer Datei-Repositorys.

Hier ist eine Tabelle mit der Leistung im Vergleich zu anderen SOTA-Modellen:

2. Mathematik und Argumentation (AIME / GPQA)

In Naturwissenschaften und Wettbewerbsmathematik auf PhD-Niveau liefert sich der „Pondering Mode“ (DeepSeek-Reasoner V4) von DeepSeek-V4 nun einen Schlagabtausch mit den teuersten Modellen der „O-Serie“ von OpenAI.

• GPQA (Wissenschaft auf PhD-Niveau): 91,8 % (DeepSeek-V4) vs. 93,2 % (GPT-5.5 Professional).
• AIME 2026 (Mathe): 96,4 % (DeepSeek-V4) vs. 95,0 % (Claude 4.6).

Es gibt einen klaren Wettbewerb sowohl hinsichtlich der Argumentations- als auch der mathematischen Aufgaben.

So greifen Sie auf DeepSeek-V4 zu

Sie können darauf zugreifen DeepSeek-V4 durch mehrere Methoden:

• Webinterface: Zugriff über die Plattform von DeepSeek unter chat.deepseek.com mit einer einfachen Anmeldung und Anmeldung.

• Cloud-Plattformen: Verwenden DeepSeek-V4 über cloudbasierte IDEs oder Dienste wie HuggingFace-Leerzeichen.
• Lokale Bereitstellung: Nutzen Sie Dienste wie VLLM die lokale Downloads und Nutzung von DeepSeek-V4 anbieten.

Jede Methode bietet unterschiedliche Möglichkeiten zur Integration DeepSeek-V4 in Ihren Workflow basierend auf Ihren Anforderungen integrieren. Wählen Sie Ihre Methode und betreten Sie mit diesen neuen Modellen die Grenzen.

Die Zukunft gestalten

DeepSeek-V4 stellt den Übergang der KI von a dar Abfrage-Antwort Werkzeug an einen hartnäckigen Mitarbeiter weitergeben. Seine Kombination aus Open-Supply-Zugänglichkeit, beispielloser Kontexttiefe und „Flash“-Preisen macht es zur bedeutendsten Veröffentlichung des Jahres 2026. Für Entwickler ist die Botschaft klar: Der Engpass sind nicht mehr die Kosten für Intelligenz, sondern die Vorstellungskraft der Particular person, die sie veranlasst.

Häufig gestellte Fragen

Ich bin auf die Überprüfung und Verfeinerung von KI-gestützter Forschung, technischer Dokumentation und Inhalten im Zusammenhang mit neuen KI-Technologien spezialisiert. Meine Erfahrung umfasst KI-Modelltraining, Datenanalyse und Informationsabruf und ermöglicht es mir, Inhalte zu erstellen, die sowohl technisch korrekt als auch zugänglich sind.

Wir hatten bereits einen Hinweis. KI würde eines Tages die meisten menschlichen Fähigkeiten übertreffen. Im Bereich der Cybersicherheit kam dieser Tag mit der kürzlichen Ankündigung der Mythos Preview von viel zu früh Claude. Das neue KI-Modell verspricht ein Niveau an Codierungskompetenzen, das vermutlich „alle außer den geschicktesten Menschen beim Auffinden und Ausnutzen von Software program-Schwachstellen übertrifft“. Und diese Macht soll nun in einer neuen, „dringenden“ Initiative zur Sicherung des Our on-line world genutzt werden. Alles unter dem Namen „Undertaking Glasswing“.

Hier erfahren Sie alles über die neueste Leistung von Anthropic und warum sie für quick die ganze Welt wichtig ist.

Was ist Undertaking Glasswing?

Der Identify ist nicht zufällig. Es ist vom Glasflügel-Schmetterling (Greta oto) inspiriert und repräsentiert zwei Aspekte der Initiative. Der Schmetterling ist für seine transparenten Flügel bekannt, die es ihm ermöglichen, sich intestine zu verstecken. Genau so entstehen Software program-Schwachstellen häufig. Aus einer anderen Perspektive ermöglichen diese transparenten Flügel dem Schmetterling, Schaden zu vermeiden. Anthropic setzt sich in seinem Ansatz für die gleiche Transparenz ein.

Sobald Sie auf die Digitalisierung umsteigen, läuft im Backend eine Vielzahl von Diensten, die dafür sorgen, dass die Dinge so funktionieren, wie sie es heute tun. Die meisten dieser Systeme werden von einigen wenigen Technologiekonzernen auf der ganzen Welt kontrolliert. Denken Sie an Microsoft, Google, Amazon, Apple, Broadcom und solche Großen. Anthropic arbeitet nun mit diesen Firmen zusammen, um dabei zu helfen, ihre kritischsten Softwarenetzwerke zu schützen, die direkt oder indirekt die uns bekannte Cyberwelt antreiben.

Zu diesem Zweck hat Anthropic seine brandneue Mythos Preview bereitgestellt. Darüber hinaus hat das hochmoderne KI-Modell bereits „Tausende von Schwachstellen mit hohem Schweregrad“ gefunden. Das Erschreckende daran ist, dass diese Probleme in „jedem wichtigen Betriebssystem und Webbrowser“ gefunden wurden.

Daran ist Anthropic beteiligt Blogbeitrag Ankündigung der Undertaking Glasswing-Initiative. Daneben beleuchtet der Beitrag hauptsächlich die Funktionen von Mythos Preview. Das bringt uns zu unserem nächsten Schwerpunktthema:

Was ist Mythos Preview?

Im einfachsten Sinne ist Mythos Preview einfach ein weiteres LLM oder großes Sprachmodell aus dem Hause Anthropic, ähnlich wie Claude Opus oder Sonnet. Es gilt als äußerst effizient in den Bereichen Softwareentwicklung, Argumentation, Computernutzung, Wissensarbeit und Unterstützung bei der Forschung

Warum verbreitet es sich so viral? Wenn sich die reguläre KI, die wir verwenden, wie Jarvis anfühlt, ist Mythos Preview der Ultron unserer Zeit.

Und die Gründe sind ziemlich klar. Erstens ist es viel zu mächtig – mehr als die meisten Menschen, die sich mit Cybersicherheit befassen, wie aus einer Aussage hervorgeht, die ich von Anthropic in der Einleitung dieses Artikels zitiert habe. In seinem Debüt behauptet Anthropic, dass die Mythos Preview über Fähigkeiten verfügt, die „wesentlich über die aller Modelle hinausgehen, die wir zuvor trainiert haben“.

Hier sind einige Beispiele für die Vormachtstellung von Mythos Preview beim Testen:

Mythos-Vorschau: Eine Revolution der Cybersicherheit

Nach dem, was Anthropic bisher geteilt hat, scheint Mythos Preview nichts weniger als eine Cybersicherheitsrevolution zu sein. Hier ist ein Beispiel – Claudes Opus 4.6 hatte einige Schwachstellen in der JavaScript-Engine Firefox 147 von Mozilla gefunden. Als es damit beauftragt wurde, sie auszunutzen, konnte es dies nur „zweimal von mehreren hundert Versuchen“ tun.

Im Vergleich dazu entwickelte Mythos Preview „181-mal funktionierende Exploits und erreichte bei weiteren 29-mal die Registerkontrolle.“ Allerdings wurde Claude Opus 4.6 als das bisher leistungsstärkste Programmier-KI-Modell bezeichnet.

Anthropic erwähnt sogar, dass es seinen nicht sicherheitsrelevanten Ingenieuren gelungen ist, mit Mythos Preview vollständig funktionierende Exploits zu finden. Und das alles über Nacht, ohne menschliche Aufsicht.

Bisher ist es Mythos Preview gelungen, Zero-Day-Schwachstellen in „jedem wichtigen Betriebssystem und jedem großen Webbrowser“ zu finden und auszunutzen. Darüber hinaus sind diese Schwachstellen oft subtil und bis zu 27 Jahre alt.

Aber so viel Macht hat immer auch eine Kehrseite.

Mythos-Vorschau: Die dunkle Seite

Hier ist der zweite Grund für den Spitznamen „Ultron“: Mythos Preview kommt nicht ohne Schattenseiten daher. In einer typischen Ultron-ähnlichen Scenario ist es ihm gelungen, seine eigene Sandbox-Umgebung in der Forschung zu umgehen und dann eine Aufgabe auszuführen (eine E-Mail an den Forscher zu senden).

Anthropic teilt viele weitere solcher Beispiele dafür, dass Mythos Preview abtrünnig wird. In internen Checks verwendete das Modell verbotene Methoden, um zu einer Schlussfolgerung zu einigen Problemen zu gelangen, und versuchte dann sogar, seinen Prozess zu verbergen, indem es die Probleme mit anderen Methoden versuchte, nachdem es die richtigen Antworten erhalten hatte. Mythos Preview ließ bei einigen Gelegenheiten auch vertrauliche Particulars seiner Exploits auf öffentlich zugänglichen Web sites durchsickern.

Genau aus diesen Gründen hat sich Anthropic gegen die Veröffentlichung des Modells entschieden. Es ist einfach zu mächtig für ein normales, technisch nicht versiertes Publikum. Und das damit verbundene Risiko ist gigantisch.

Wie Anthropic es rechtfertigt

Hat man die Schattenseiten gesehen, sind die Vorteile weitaus größer. Sobald Sie die Schrecken solcher Aktionen hinter sich gelassen haben, erkennen Sie die eindeutige Erkenntnis: Mythos Preview ist ein wirklich leistungsstarkes KI-Modell, das alles übertrifft, was wir heute kennen.

Anthropic sagt:

„Wir glauben, dass das optimistic Potenzial des Modells, insbesondere im Bereich der defensiven Cybersicherheit, ausreicht, um die scheinbar überschaubaren Risiken zu rechtfertigen, die sein Verhalten mit sich bringen kann.“

Und sie begründet dies am Beispiel eines Bergführers. Je erfahrener der Information ist, desto schwierigere Routen werden er bewältigen. Das bedeutet beides – mehr Sicherheit und gleichzeitig mehr Risiko für die Kunden.

Wenn es beim Testen seine eigene Umgebung umgehen und Schwachstellen in bekannten Diensten ausnutzen kann, um bessere Ausführungsmethoden zu finden, ist dies durchaus auch mit anderen Softwarenetzwerken möglich. Das Aufdecken solcher Schwachstellen kann dann dazu beitragen, sie zu beheben und solche Netzwerke viel sicherer als je zuvor zu machen.

Und genau das ist mit dem Undertaking Glasswing geplant.

Projekt Glasswing: Wer alle dabei sind

Insgesamt scheinen 12 große Technologieunternehmen am Projekt Glasswing beteiligt zu sein. Hier sind ihre Namen:

• Amazon Net Companies
• Anthropisch
• Apfel
• Broadcom
• Cisco
• CrowdStrike
• Google
• JPMorganChase
• Linux Basis
• Microsoft
• NVIDIA
• Palo Alto

Es ist interessant festzustellen, dass einige von ihnen über eigene KI-Modelle verfügen, die mit den meisten Angeboten von Anthropic für die Weltöffentlichkeit, einschließlich Microsoft und Google, konkurrieren. Dennoch scheint dieses Konglomerat bei einer sehr wichtigen Aufgabe äußerst vielversprechend zu sein: der Cybersicherheit für die wichtigsten Softwarenetzwerke der Welt.

Dafür stellt Anthropic „bis zu 100 Millionen US-Greenback an Nutzungsguthaben“ für Mythos Preview bereit. Darüber hinaus werden 4 Millionen US-Greenback direkt an Open-Supply-Sicherheitsorganisationen gespendet. Das Unternehmen führt außerdem Gespräche mit US-Regierungsbeamten über Claude Mythos Preview und seine Cyber-Fähigkeiten, sowohl für den Angriff als auch für die Verteidigung.

Anthropic sagt, dass die Systeme der zwölf teilnehmenden Unternehmen zusammen „einen sehr großen Teil der weltweiten gemeinsamen Cyberangriffsfläche darstellen“. Und genau hier fügt sich Mythos Preview wunderbar ein, um das neue Projekt voranzutreiben.

Mythos-Vorschau: Eine Demo dessen, was kommen wird

In seinen bisherigen internen Checks hat sich Mythos Preview aufgrund von zwei seiner Stärken als Excalibur gegen Cyberangriffe erwiesen. Es ist in der Lage, Schwachstellen zu identifizieren, die den führenden Sicherheitsingenieuren jahrzehntelang verborgen geblieben sind. Darüber hinaus ist es in der Lage, diese Schwachstellen auf bisher undenkbare Weise auszunutzen. Sehen Sie sich die Leistung von Mythos Preview bei den Benchmark-Ergebnissen an:

Vor knapp einem Monat brachte Microsoft ein heraus Bericht dass Hacker in jeder Section eines Cyberangriffs KI einsetzen. Der Bericht struggle eine Warnung, dass die Welt der Cybersicherheit grundlegend auf eine neue Arbeitsweise umgestellt hat. Ob es uns gefällt oder nicht, KI ist heute ein wesentlicher Bestandteil der Cybersicherheit, sowohl für die Beschützer als auch für diejenigen mit böswilligen Absichten. Und es gibt kein Zurück.

Dies führt unbeabsichtigt zu einer alarmierenden Dringlichkeit beim endgültigen Einsatz von KI. Darüber hinaus bedeutet es auch, dass die in der Cybersicherheit eingesetzten KI-Fähigkeiten denen bei Cyberangriffen immer einen Schritt voraus sein müssen. Nur dann können alle Sicherheitsmaßnahmen ausreichend verstärkt werden, um Schäden an der kritischen Software program-Infrastruktur der Welt zu verhindern.

Die Mythos Preview von Anthropic ist ein solcher Schritt in diese Richtung. Und ich wage es zu sagen, es scheint im Second ein riesiger Sprung zu sein. Das Beste daran ist, dass Anthropic es vorerst auf wenige Auserwählte beschränkt hat, sodass es zumindest vorerst nicht missbraucht werden kann. Aber Anthropic muss genauso vorsichtig sein, da es einige seiner Fähigkeiten in seine Zukunft einbettet KI-Modelle das wird der Öffentlichkeit zugänglich gemacht. Im Second können wir beruhigt sein, weil wir wissen, dass uns das intelligenteste KI-Modell auf dem Markt dabei hilft, Cybersicherheit zu gewährleisten.

Nach wochenlangen Bleivideos von Gemini 3 hat das Warten ein Ende. Gemini 3 ist da. Und was soll ich sagen, wenn die ganze KI-Welt davon schwärmt. Sam Altman selbst lobte Google für die Veröffentlichung:

Die Veröffentlichung von Gemini 3 markiert einen Wendepunkt in der Artwork und Weise, wie Google möchte, dass Menschen KI nutzen. Das Unternehmen spricht nicht mehr über Werkzeuge. Es geht um Unterstützung, Argumentation und die vollständige Erledigung von Aufgaben. Das Replace vermittelt ein Gefühl der Reife, das frühere Versionen nicht vermitteln konnten.

Das neue Modell fühlt sich sicherer, leistungsfähiger und flexibler an. Es kann quick alles verstehen, was Sie ihm geben. Das Ergebnis ist ein KI-System, das sich weniger wie ein Chatbot, sondern eher wie ein Mitarbeiter anfühlt. In diesem Artikel erfahren Sie, was Gemini 3 ist, was es kann, wo Sie es verwenden können und warum das Replace für Sie wichtig ist!

Was ist Gemini 3?

Gemini 3 ist Googles Familie von KI-Modellen der nächsten Era, die darauf ausgelegt sind, Textual content, Bilder, Audio, Video und Code zu verstehen. Das System sorgt für tieferes Denken, eine bessere Gedächtnisverwaltung und ein stärkeres Bewusstsein für die Benutzerabsicht.

Das Modell ist als einheitliche Intelligenzschicht für Google-Produkte konzipiert. Es unterstützt die Suche im KI-Modus, die Gemini-App, Vertex AI, Firebase AI Logic und eine wachsende Auswahl an Entwickler- und Unternehmenstools. Das Designziel ist einfach. Ein Modell, das überall funktioniert und sich an jeden Anwendungsfall anpasst.

Sie können sich Gemini 3 als einen multimodalen Problemlöser vorstellen, der aus dem Kontext lernt und strukturierte, benutzerfreundliche Ergebnisse erstellt.

Hauptmerkmale von Gemini 3

• Multimodales Denken: Gemini 3 verarbeitet Bilder, Movies, PDFs, Diagramme und große Dokumente mit höherer Genauigkeit. Es kombiniert verschiedene Eingaben und liefert Erkenntnisse, die sich fundierter anfühlen.
• Verbesserte Logik und Planung: Das Modell schneidet bei Aufgaben besser ab, die klare Schritte, langfristige Nachverfolgung und Fehlerprüfung erfordern. Es kann komplexe Probleme aufschlüsseln und sich an einen Plan halten.
• Generative Benutzeroberfläche: Das System kann innerhalb seiner Antwort Layouts, Diagramme, interaktive Blöcke und visuelle Strukturen erstellen. Diese Elemente erleichtern das Lesen und die Interaktion mit langen Antworten.
• Bessere Gesprächsqualität: Die Antworten fühlen sich schärfer und organisierter an. Das Modell bleibt beim Thema und behält den Kontext auch bei längeren Gesprächen bei.
• Entwickler- und Produktintegration: Entwickler können Gemini 3 über APIs, Vertex AI, Firebase AI Logic und die Gemini CLI nutzen. Das Modell hilft beim Erstellen von Apps, beim automatischen Generieren von Komponenten und beim Ansteuern von Agenten, die mehrstufige Vorgänge abwickeln.
• Zuverlässigkeit auf Unternehmensniveau: Das System unterstützt große Kontextfenster und multimodale Eingabepipelines. Es eignet sich für interne Wissenssysteme, lange Dokumentenverarbeitung, Betriebsanalysen und automatisierte Arbeitsabläufe.
• Sichereres Verhalten: Gemini 3 umfasst eine stärkere Erdung, verbesserte Signale zur Faktenprüfung und einen besseren Schutz vor irreführenden Ausgaben.

Wie greife ich auf Gemini 3 zu?

Sie können auf folgende Weise auf Gemini 3 zugreifen:

Über das Google AI Studio

Google AI Studio unterstützt auch Gemini 3. Sie können multimodale Eingaben testen, Agentenverhalten erkunden und Arbeitscode direkt in ihre Anwendungen exportieren. Dies ist eine der einfachsten Möglichkeiten, mit dem neuen Modell zu experimentieren, ohne viel Setup-Code zu schreiben.

In der Gemini-App

Die App läuft jetzt auf Gemini 3. Benutzer mit höheren Stufen können den Denkmodus für längere, tiefergehende Antworten wählen. Das Erlebnis fühlt sich strukturierter und ausdrucksvoller an.

Durch Suche im KI-Modus

Die Suche verfügt über einen neuen KI-Modus, in dem Sie zu einer Gemini 3-Ansicht wechseln können. Dieser Modus kann erklären, zusammenfassen, planen und strukturierte Antworten erstellen, die über einfache Suchergebnisse hinausgehen.

Durch Vertex AI

Entwickler und Groups können innerhalb von Vertex AI auf Gemini 3 Professional zugreifen. Dies sorgt für eine hohe Durchgängigkeit, umfassende Kontextunterstützung und multimodale Funktionen. Es ist superb für den Bau von Produktionsanwendungen. Hier finden Sie API-Kosten Hier.

Über die Gemini-CLI

Mit der Gemini-CLI können Entwickler direkt vom Terminal aus mit Gemini 3 interagieren. Sie können Code generieren, Apps aufbauen, Dateien analysieren und Aufgaben auf Agentenebene ausführen, ohne Ihren Workflow zu verlassen. Finden Sie Particulars Hier.

Leistung und Benchmarks

Gemini 3 Professional zeigt deutliche Zuwächse in Bezug auf Argumentation, Genauigkeit und multimodale Leistung. Das Modell übertrifft das 2.5 Professional in allen wichtigen Benchmarks und belegt die Spitzenposition LMArena-Rangliste mit einer Punktzahl von 1501 Elo.

Es bewältigt fortgeschrittenes Denken problemlos. Gemini 3 Professional erreicht 37,5 Prozent bei Humanity’s Final Examination und erreicht 91,9 Prozent bei GPQA Diamond. Auch in der Mathematik stellt es mit 23,4 Prozent auf MathArena Apex einen neuen Rekord auf.

Auch die multimodalen Ergebnisse sind überzeugend. Das Modell erreicht 81 Prozent bei MMMU Professional und 87,6 Prozent bei Video MMMU und zeigt ein starkes Verständnis von Bildern und Movies. Es verbessert auch die sachliche Genauigkeit mit einem Ergebnis von 72,1 Prozent bei SimpleQA Verified.

Benchmarks zeigen nie die ganze Geschichte. Der wahre Wert wird deutlich, wenn Sie das Modell über lange Sitzungen, umfangreiche Eingaben und komplexe Arbeitsabläufe hinweg testen. Additionally lasst uns das Modell ausprobieren!

Probieren Sie Gemini 3 Professional aus

Ich greife über Google AI Studio auf Gemini 3 Professional zu. Sie können es mit einer der zuvor im Artikel genannten Methoden verwenden.

Aufgabe 1: Zusammenfassung

Für diese Aufgabe werde ich die SRTs eines einstündigen kostenlosen Kurses hochladen Aufbau eines Deep Analysis Agent. Jetzt werde ich Gemini 3 Professional bitten, einige meiner Fragen zum Kurs zu beantworten:

Immediate: „Gehen Sie die Kurs-SRTs durch und erledigen Sie die folgende Aufgabe:
– Welche Instruments werden im Kurs behandelt?
– Was sind die 7 wichtigsten Erkenntnisse aus diesem Kurs?
– Wer sollte über die Einschreibung in diesen Kurs nachdenken?
– Einer der SRT hat den Überblick über den gesamten Agentenaufbauprozess. Geben Sie mir ein Diagramm, das dasselbe erklärt.„

Ausgabe:

Meine Meinung:

Gemini 3 Professional hat hervorragende Arbeit geleistet. Ich hatte lange Zeit damit zu kämpfen, diese SRTs zusammenzufassen. Ich habe zuvor Gemini 2.5 Professional und GPT 5.1 ausprobiert, aber die Länge der Transkripte machte es unmöglich, genaue Ergebnisse zu erhalten. Gemini 3 Professional reagierte nicht nur schnell, es erstellte auch eine viel logischere Zusammenfassung, die zum Ablauf des Kursinhalts passte.

Der Projektablauf warfare eine weitere Herausforderung, an der ich feststeckte. Bildgenerierungsmodelle konnten den Textual content immer wieder nicht korrekt rendern, weil das Format zu komplex warfare. Gemini 3 Professional hat es in Sekundenschnelle erledigt und die Ausgabe warfare großartig. Überzeugen Sie sich selbst:

Aufgabe 2: Eine App erstellen

Ich werde es sein Vibe-Codierung Eine App zum Erraten des Wortes für diese Aufgabe. Ich habe es zuvor auch mit GPT 4.5 und GPT 5.1 gemacht. Die Ergebnisse finden Sie in meinem Artikel – OpenAI veröffentlicht GPT 5.1: So funktioniert es! Mal sehen, was Gemini 3 Professional schafft:

Immediate: „Erstellen Sie eine niedliche und interaktive Benutzeroberfläche für ein „Fee das Wort“-Spiel, bei dem der Spieler ein geheimes Wort kennt und drei kurze Hinweise (jeweils maximal 10 Buchstaben) gibt. Die KI hat dann 3 Versuche, das Wort zu erraten. Wenn die KI richtig rät, gewinnt sie; andernfalls gewinnt der Spieler.„

Ausgabe:

Meine Meinung:

Die von Gemini 3 Professional generierte Benutzeroberfläche ist viel besser als die, die ich von GPT 5.1 erhalten habe. Das Design wirkt sauberer, polierter und einheitlicher. Die Komponenten sind intestine strukturiert und das Gesamtlayout wirkt gewollt. Am meisten hat mich beeindruckt, wie schnell es geklappt hat. Ich musste nur eine einzige Aufforderung geben und es nahm quick ohne weitere Anweisungen Gestalt an. Dies fühlt sich wie ein echtes Improve in der praktischen UI-Generierung an.

Aufgabe 3: Argumentation

Ein weiteres häufiges Downside bei den meisten LLMs ist ihre Fähigkeit zur Bildanalyse. Sie haben oft Schwierigkeiten, komplexe Bilder zu lesen und reagieren meist falsch. Deshalb wollte ich sehen, ob Gemini 3 Professional dieses Downside endlich lösen kann.

Eingabebild:

Ausgabe:

Meine Meinung:

Wow. Ich hätte wirklich nicht erwartet, dass Gemini 3 Professional das hinbekommt, aber es warfare so. Die Antwort dauerte etwas länger als bei GPT 5.1, aber die Antwort warfare korrekt. Ich habe genau dieses Bild bereits auf mehreren LLMs getestet und jedes einzelne konnte es nicht richtig interpretieren. Gemini 3 Professional ist das erste Modell, das es verstanden und mit der richtigen Antwort reagiert hat.

Unternehmensgebrauch

Gemini 3 wurde speziell für die Anforderungen von Unternehmen entwickelt. Groups können es für die Zusammenfassung von Richtlinien, Compliance-Prüfungen, die Analyse langer Dokumente, Kundensupport-Workflows und interne Wissensagenten verwenden. Das Modell verarbeitet große Mengen an Texten, Bildern, Diagrammen und Berichten in gleichbleibender Qualität.

Das System respektiert außerdem Governance- und Sicherheitsanforderungen. Es ermöglicht Unternehmen, Daten privat zu halten und gleichzeitig komplexe KI-Workloads auszuführen. Groups können Gemini 3 mit internen Systemen, Information Warehouses und Workflow-Engines verbinden, um praktische Lösungen zu entwickeln.

Große Organisationen, die sich mit forschungs-, betriebs-, risiko-, beschaffungs- oder dokumentationsintensiven Prozessen befassen, profitieren am meisten davon.

CLI-Erfahrung

Die Gemini-CLI bietet Entwicklern eine schnelle Möglichkeit, mit dem Modell zu arbeiten. Es unterstützt App-Gerüstbau, Codeüberprüfung, Dokumentationserstellung und Argumentationsaufgaben. Der Ablauf fühlt sich reibungslos an, da alles innerhalb des Terminals geschieht.

Entwickler können eine Eingabeaufforderung ausführen, die eine vollständige Projektstruktur generiert. Sie können eine Datei hochladen, um einen Fehler zu analysieren. Sie können das Modell bitten, Assessments zu schreiben oder Verbesserungen vorzuschlagen. Durch die CLI fühlt sich Gemini 3 wie ein Codierungspartner und nicht wie eine entfernte API an.

Darüber werden wir demnächst ausführlich berichten. Bleiben Sie dran!

Abschluss

Als ich anfing, diesen Artikel zu schreiben, hatte ich nicht erwartet, dass Gemini 3 so leistungsstark sein würde. Die meisten Modellaktualisierungen fühlen sich für den Endbenutzer klein und kaum wahrnehmbar an. Dies hier nicht. Google hat etwas geliefert, das sich wirklich neu anfühlt. Aus reiner Neugier teste ich jeden Tag mehrere LLMs, aber die Erkundung eines Modells hat mir nicht so viel Spaß gemacht wie die Arbeit mit Gemini 3. Es fühlt sich scharf, leistungsfähig und zuverlässig an und hebt sich dadurch von allem anderen ab, das ich bisher verwendet habe.

Ich kann nur Folgendes sagen. Gemini 3 ist tatsächlich das beste KI-Modell der Welt und um seine Leistungsfähigkeit zu spüren, müssen Sie es selbst ausprobieren.

Hallo, ich bin Nitika, eine technisch versierte Content material-Erstellerin und Vermarkterin. Kreativität und das Lernen neuer Dinge sind für mich selbstverständlich. Ich habe Erfahrung in der Erstellung ergebnisorientierter Content material-Strategien. Ich kenne mich intestine mit Web optimization-Administration, Key phrase-Operationen, Internet-Content material-Schreiben, Kommunikation, Content material-Strategie, Redaktion und Schreiben aus.