Sergey Brin beschrieb die Zusammenarbeit von Google-Forschern und Gemini 4 Argon an der nächsten Modellversion. Vihan Jain ergänzte, Argon sei an der Prüfung von Trainingsdaten und an der Entwicklung von Reasoning-Trajektorien beteiligt. Zusammen zeichnen die Aussagen ein Bild KI-gestützter Modellentwicklung mit menschlicher Beteiligung. Business Insider berichtete am 15. Oktober 2026 über Brins Aussagen; Jain veröffentlichte seinen Beitrag am selben Tag.

Was Brin mit dem RSI-Laufband meinte

Rekursive Selbstverbesserung (RSI) bezeichnet einen Prozess, bei dem KI-Systeme an der Entwicklung ihrer Nachfolger mitwirken und so weitere Verbesserungen ermöglichen. Brin beschrieb Google als Unternehmen, das gerade auf ein solches RSI-Laufband gelange. Seine konkrete Schilderung: Forscher und Modell arbeiteten gemeinsam an der nächsten Version.

Als Hinweis auf ein schnelleres Entwicklungstempo verwies Brin laut Business Insider auf die Flash-Modellveröffentlichungen vor Gemini 4. Außerdem sagte er, die Teams würden intern bereits einige Modelle weiter sein, wenn das Publikum das Veröffentlichungsvideo von Argon sehe. Das sind Brins Einschätzungen zur Entwicklung bei Google.

NeoTeo hat bereits Googles Reaktion auf Berichte über die Programmierleistung von Gemini 4 Argon eingeordnet. Hier geht es nun um die Zusammenarbeit bei der Entwicklung weiterer Modelle.

Welche Aufgaben Jain Argon zuschrieb

Vihan Jain schrieb am 15. Oktober 2026, Argon sei in die Prüfung seiner Trainingsdaten eingebunden gewesen und habe dabei geholfen, Reasoning-Trajektorien zu erschließen. Außerdem beschrieb Jain eine Verschiebung bei der Nachfrage nach Rechenleistung für das Post-Training: Statt nach Rohchips werde zunehmend nach Argon-Kontingenten gefragt.

KI-Unterstützung bleibt Teil eines menschlich begleiteten Ablaufs

Business Insider zitierte aus Googles Gemini 4 Safety Report, KI-Agenten verfassten in Teilen des Entwicklungszyklus die Mehrheit des Produktionscodes und der Fehlerbehebungen. Vor der Einreichung würden Menschen die Codeänderungen prüfen. Die beschriebene Arbeit umfasst damit sowohl KI-Unterstützung bei der Entwicklung als auch eine menschliche Prüfung vor dem Einreichen des Codes.