Gemini 4 Pro: Neue Leaks deuten auf starkes Comeback von Google hin

Nur acht Tage nach den ersten Ghost-Tests von Gemini 4 Pro erlebt die Entwickler-Community am 25. September 2026 die nächste Überraschung: In der LMSYS Chatbot Arena ist eine deutlich weiterentwickelte Version des unveröffentlichten Google-Flaggschiffs aufgetaucht. Wie schon in der Vorwoche leitet die Plattform Anfragen im Battle-Modus unter dem Deckmantel von Gemini 3.8 Flash stichprobenartig an das neue Spitzenmodell weiter. Die frischen Ergebnisse zeigen jedoch einen gewaltigen Sprung: Während frühere Testläufe noch bis zu zehn Minuten Rechenzeit beanspruchten, generiert das Modell nun hochkomplexe, animierte 3D-Welten in Three.js in unter fünf Minuten - und nährt Spekulationen über ein starkes Comeback von Google DeepMind im Duell mit OpenAIs GPT-6 Sol und GPT-6 Astra.

Frischer Checkpoint in der Arena: Halbierte Latenz und mehr Recheneffizienz

Das verdeckte Testen unveröffentlichter Modelle unter bestehenden Bezeichnungen - in der Fachwelt als „Ghost-Testing“ bekannt - ermöglicht KI-Entwicklern unvoreingenommene Blindvergleiche unter Praxisbedingungen. Am Freitagnachmittag meldeten mehrere Benchmark-Beobachter unabhängig voneinander, dass Google offenbar einen aktualisierten Checkpoint in die Arena eingespeist habe.

Der auf Benchmark-Analysen spezialisierte Account LuminaBench wies darauf hin, dass Instanzen unter der Kennung „Gemini 3.8 Flash“ erneut auffällig hohe Ausführungsqualitäten zeigten. Bemerkenswert war vor allem das Tempo: Aufwendige Generierungen, die vor einer Woche noch die Geduld der Tester strapazierten, lagen nun in unter fünf Minuten vor.

Ein Software-Entwickler bestätigte diese Beobachtung: Das Modell verhalte sich verdächtig souverän und habe eine komplexe Programmieraufgabe in weniger als fünf Minuten gelöst. Diese Beschleunigung deutet darauf hin, dass Google DeepMind die Inferenz-Pipelines optimiert hat oder effizientere Algorithmen für die Denkzeit (Test-Time Compute) einsetzt.

Von der Titanic bis zum Luftschiff: Three.js als ultimativer Härtetest

Im Zentrum der aktuellen Tests stehen webbasierte 3D-Grafiken mittels Three.js - einer weit verbreiteten JavaScript-Bibliothek, mit der interaktive dreidimensionale Objekte direkt im Webbrowser ohne zusätzliche Plugins dargestellt werden können. Solche Aufgaben verlangen mathematische Präzision, physikalisches Verständnis und fehlerfreie Shader-Programmierung.

Für Aufsehen sorgte die Demonstration eines 3D-Entwicklers auf X: Das Modell erzeugte auf Basis eines Textprompts ein detailliertes Modell des Ozeandampfers Titanic, der sich realistisch durch dynamisch berechnete Ozeanwellen bewegt. Sowohl die Rumpfgeometrie als auch die Wasserphysik wurden vollständig in browserfähigem Code ausgegeben.

Ein weiterer Programmierer forderte das System mit dem Entwurf eines fotorealistischen Explorations-Luftschiffs heraus. Trotz filigraner Details wie Gondeln, Verstrebungen und rotierenden Propellern benötigte das Modell weniger als zehn Minuten für den gesamten Code-Build. Tester bescheinigten dem Ergebnis eine beachtliche visuelle Tiefe.

Dass der Checkpoint auch komplexe organisch-mechanische Bewegungsabläufe beherrscht, zeigte ein weiterer Versuch: Aus einer einzigen Eingabeaufforderung generierte das Modell eine mechanische Blume mit aufblühenden Blütenblättern und sichtbar ineinandergreifenden Zahnrädern.

Direkter Vergleich: Deutliche Reifung gegenüber dem Vorwochen-Stand

Entscheidend für die Einordnung ist die Frage, ob es sich lediglich um einzelne Zufallstreffer handelt oder ob der Checkpoint messbar gereift ist. Der Analyse-Kanal AI Screening stellte den aktuellen Arena-Output direkt den Resultaten aus der Vorwoche gegenüber.

Das Urteil der Analysten fiel eindeutig aus: Der neue Modellstand zeige dramatische Verbesserungen gegenüber der ersten Arena-Welle. Während frühere Durchläufe gelegentlich unter instabilen Geometrien oder abbrechenden Animationsschleifen litten, präsentiere sich der aktuelle Checkpoint als stabiles Kraftpaket.

Auch andere Entwickler zeigten sich von der Detailtiefe und Ausführungsqualität beeindruckt und stuften die Verlässlichkeit des Modells als klares Signal ein, dass Google seine Hausaufgaben nach früheren Verzögerungen gründlich erledigt habe.

Vergleich der beiden Gemini-4-Pro-Wellen in der LMSYS Arena

Die nachfolgende Übersicht stellt die Beobachtungen der beiden Testläufe im September 2026 gegenüber:

Infrastruktur und Kontext: Googles strategischer Großangriff

Die Leistungssteigerungen in der Chatbot Arena fallen in eine Phase bemerkenswerter Umbrüche im Google-Konzern. Nach einer Phase, in der Wettbewerber die Schlagzeilen dominierten, arbeitet das Team von DeepMind mit Hochdruck an der Fertigstellung der vierten Generation.

In der Entwickler-Community wird der aktuelle Testlauf in den Kontext größerer Infrastruktur-Fortschritte eingeordnet: Google baut seine maßgeschneiderte TPU-Hardware (Tensor Processing Units) massiv aus, testet experimentelle Raumfahrt-Infrastrukturen für Rechenzentren und entwickelt Inferenz-Chips der nächsten Generation, um die Betriebskosten großer Modelle radikal zu senken. Die Tatsache, dass Gemini 4 Pro nun in greifbare Nähe rückt, spiegelt die wachsende Zuversicht des Konzerns wider.

Gleichwohl mahnen Experten zu Besonnenheit: Bei allen gezeigten Beispielen handelt es sich um Spitzenresultate, die von engagierten Nutzern gezielt hervorgehoben wurden. Wie sich das Modell in produktiven Unternehmensumgebungen schlägt - etwa bei der Analyse gewaltiger Codebasen, beim Einhalten strenger Sicherheitsrichtlinien oder bei der Vermeidung von Halluzinationen -, lässt sich erst nach dem offiziellen API-Start fundiert beurteilen. Zudem hat Google die Modelle bislang nicht offiziell als Gemini 4 Pro bestätigt, wenngleich die Übereinstimmung der Indizien mit den früheren Berichten über den internen Checkpoint „argon“ kaum Raum für Zweifel lässt.