DiarioBitcoin berichtete am 15. Oktober 2026, eine interne Auswertung von Google DeepMind habe nach April 2026 keine signifikante strukturelle Beschleunigung des gemessenen KI-Fortschritts festgestellt. Die gemeldete monatliche Rate lag allerdings höher als zuvor. DiarioBitcoin zufolge war die Auswertung in einem am 14. Oktober veröffentlichten Sicherheitsbericht zu Gemini 4 Argon enthalten.
Was die gemeldeten GCI-Zahlen aussagen
Der General Capability Index (GCI) ist der Index, mit dem die berichtete Auswertung die Fähigkeiten öffentlicher Modelle erfasste. DiarioBitcoin nannte eine Rate von 0,091 GCI-Punkten pro Monat vor April 2026 und 0,118 danach.
| Zeitraum | Gemeldeter monatlicher Trend öffentlicher Modelle | Einheit |
| Vor April 2026 | 0,091 | GCI-Punkte pro Monat |
| Nach April 2026 | 0,118 | GCI-Punkte pro Monat |
Die Differenz beträgt 0,027 GCI-Punkte pro Monat. Bezogen auf die frühere Rate ist das ein rechnerischer Anstieg um rund 29,7 Prozent. DiarioBitcoin zufolge wertete die Auswertung diesen höheren Trend dennoch nicht als signifikante strukturelle Beschleunigung. Die Prozentrechnung beschreibt den Abstand zwischen den beiden gemeldeten Raten, nicht ein zusätzliches Ergebnis der Auswertung.
KI-Unterstützung beim Programmieren ist keine Forschungsbeschleunigung
Ein hoher Anteil KI-gestützter Programmierarbeit belegt für sich genommen nicht, dass KI die Forschung an KI-Systemen autonom vorantreibt. Laut DiarioBitcoin kam bei mehr als 75 Prozent des Produktionscodes von Google DeepMind KI-Unterstützung zum Einsatz; zugleich erforderten dem Bericht zufolge 88 Prozent der Codeänderungen weiterhin eine menschliche Prüfung. Der Anteil vollständig delegierter Änderungen stieg laut derselben Darstellung von 7,5 auf 11,9 Prozent.
Eine Befragung von zwölf leitenden Forschenden bei Google DeepMind beschrieb laut DiarioBitcoin Automatisierung als wirksamer bei klar umrissenen, überprüfbaren Aufgaben als bei offenen Ideenfindungsaufgaben und komplexer Planung. Das sind unterschiedliche Tätigkeiten: Code beizusteuern oder einzelne Aufgaben zu erledigen ist nicht gleichbedeutend damit, den Forschungsfortschritt selbstständig zu beschleunigen.
Zur früheren Debatte über Argons Programmierleistung und Googles Reaktion haben wir bereits berichtet.
Was die gemeldeten Benchmark-Ergebnisse erfassen
DiarioBitcoin zufolge umfasste RE-Bench 74 Aufgaben aus dem maschinellen Lernen und der Entwicklung entsprechender Systeme. Gemini 4 Argon löste demnach ungefähr die Hälfte der Aufgaben; Gemini 3.7 Flash erreichte einen Wert von 27 Prozent. Eine separate Auswertung von 1.389 Argon-Ausführungen ergab laut dem Bericht geringere Erfolgsraten bei komplexen Aufgaben, wenn kein Mensch eingriff.
