Gemini Flash

Google entwickelt eine Familie von Computerprogrammen namens Gemini. Diese Programme beantworten Fragen, schreiben Texte, fassen Dokumente zusammen und werten Bilder aus. Innerhalb dieser Familie gibt es verschiedene Größen, ähnlich wie bei Motoren in einer Autoserie. Gemini Flash ist die kleine, sparsame Variante. Sie antwortet sehr schnell und kostet pro Anfrage nur einen Bruchteil der großen Geschwister. Dafür ist sie bei sehr schwierigen Aufgaben, etwa langen Mathe- oder Programmieraufgaben, weniger zuverlässig als das große Modell namens Gemini Pro.

Warum Google eine Sparversion baut

Jede Antwort eines solchen Programms kostet Rechenzeit in einem Rechenzentrum. Bei Millionen Anfragen pro Tag summiert sich das zu erheblichen Summen. Ein Unternehmen, das Kundenanfragen automatisch sortiert, braucht dafür kein Programm mit Spitzenleistung. Es braucht ein Programm, das die Aufgabe gut genug erledigt und dabei fast nichts kostet.

Dazu kommt die Wartezeit, im Fachjargon Latenz genannt. Wenn du in einer App tippst und drei Sekunden auf eine Reaktion wartest, fühlt sich das träge an. Flash liefert die ersten Wörter oft schon nach Bruchteilen einer Sekunde. Für Autovervollständigung, Übersetzungen im Chat oder Sprachassistenten ist das entscheidend.

Ein häufiger Irrtum ist, dass ein günstiges Modell einfach ein schlechtes Modell sei. Tatsächlich schlägt Gemini Flash bei vielen Standardaufgaben die teuren Spitzenmodelle von vor zwei Jahren. Die Frage ist also nicht, welches Modell das beste ist, sondern welches für eine bestimmte Aufgabe reicht. Diese Entscheidung nennt man Modellauswahl und sie ist inzwischen ein wichtiger Kostenfaktor in Software-Projekten.

Was Flash von Pro unterscheidet

Solche Programme bestehen aus Milliarden von einstellbaren Zahlenwerten, den Parametern. Sie werden beim Training automatisch angepasst, bis das Programm brauchbare Antworten liefert. Mehr Parameter bedeuten meist mehr Wissen und besseres Schlussfolgern, aber auch mehr Rechenaufwand pro Antwort. Flash hat deutlich weniger Parameter als Pro. Google nennt die genauen Zahlen nicht, was bei kommerziellen Modellen üblich ist.

Ein wichtiger Trick heißt Destillation. Dabei lernt das kleine Modell nicht nur aus Texten, sondern direkt vom großen Modell. Das große Modell beantwortet Aufgaben, und das kleine übt, dieselben Antworten zu produzieren. Wie ein Schüler, der einer erfahrenen Lehrkraft über die Schulter schaut, statt sich alles selbst zu erarbeiten. So erreicht Flash einen Großteil der Qualität von Pro bei einem Bruchteil der Größe.

Trotz seiner geringen Größe kann Flash sehr viel Text auf einmal verarbeiten. Google gibt für die neueren Versionen ein Fenster von rund einer Million Textbausteinen an, was etwa tausend Buchseiten entspricht. Außerdem versteht Flash nicht nur Text, sondern auch Bilder, Audio und Video. Solche Modelle nennt man multimodal.

Flash in Apps und in den Quartalszahlen

Wer die Gemini-App oder die KI-Zusammenfassungen in der Google-Suche nutzt, bekommt seine Antworten häufig von einer Flash-Variante. Google schaltet für einfache Anfragen bewusst das günstige Modell ein und nur bei Bedarf das große. Auch in Google Docs, Gmail und auf Android-Handys arbeitet Flash im Hintergrund.

Für Entwickler ist Flash über eine Programmierschnittstelle buchbar, eine sogenannte API. Abgerechnet wird nach verarbeiteter Textmenge, oft im Bereich weniger Cent pro Million Textbausteine. Genau diese Preise stehen im Zentrum des Wettbewerbs mit OpenAI und Anthropic, die eigene Sparmodelle anbieten.

In Wirtschaftsnachrichten tauchen Flash-Modelle deshalb regelmäßig bei zwei Themen auf. Erstens bei Preissenkungsrunden, wenn ein Anbieter die Kosten pro Anfrage drückt. Zweitens bei der Frage, ob sich die milliardenschweren Investitionen in Rechenzentren rechnen. Günstige Modelle erhöhen die Nutzung, senken aber die Einnahme pro Anfrage.