Google's Gemini 3 Deep Think großes Upgrade: Schluss mit Opus 4.6, GPT-5.2 in Sachen Denkfähigkeit, um die „intelligenteste KI für wissenschaftliche Forschung“ zu werden

Google veröffentlicht bedeutendes Update für Gemini 3 Deep Think, erreicht im ARC-AGI-2-Test 84,6 % und übertrifft damit deutlich Claude Opus 4.6 (68,8 %) und GPT-5.2 (52,9 %), während es gleichzeitig den „Legendären Meister“-Status bei Codeforces erreicht.
（Vorgeschichte: Die Lernmodi von ChatGPT: Das Abendrot der Nachhilfe oder der Morgengrauen einer goldenen Bildungszeit?）
（Hintergrund: Google bringt offiziell „Gemini 3“ heraus! Was sind die Highlights, um den weltweit klügsten KI-Modell an die Spitze zu setzen?）

Inhaltsverzeichnis

• Nicht nur Prüfungen bestehen, sondern auch menschliche Fehler erkennen
• Veränderungen im Marktanteil
• Auswirkungen auf die Kryptoindustrie
• Der wissenschaftliche Wettstreit hat gerade erst begonnen

Google hat heute (13.) ein bedeutendes Upgrade für Gemini 3 Deep Think veröffentlicht. Im ARC-AGI-2-Test, einem speziell entwickelten logischen Test, der darauf abzielt, KI-Modelle vor das Problem der Hintertür-Tests zu stellen (bei dem es nicht um Wissen, sondern um das Erkennen von Regeln anhand mehrerer Beispiele geht), erreichte Gemini 3 Deep Think 84,6 %.

Zum Vergleich: Claude Opus 4.6 (Thinking Max-Modus) erzielte 68,8 %, GPT-5.2 (Thinking xhigh-Modus) 52,9 %, während der menschliche Durchschnitt bei etwa 60 % liegt.

Noch beeindruckender ist, dass Deep Think auf der ursprünglichen Version ARC-AGI-1 eine Punktzahl von 96 % erreichte, was im Grunde die Grenze dieses als „einer der schwierigsten KI-Tests“ geltenden Benchmark-Tests darstellt.

Derzeit ist Deep Think für Google AI Ultra-Abonnenten zugänglich, die API befindet sich im frühen Zugang für Unternehmen.

Nicht nur Prüfungen bestehen, sondern auch menschliche Fehler erkennen

Neben den Testergebnissen erwähnte Google in der Ankündigung ein Detail: Deep Think konnte bei der Überprüfung eines von menschlichen Experten begutachteten mathematischen Papiers eine zuvor von allen Gutachtern übersehene logische Schwachstelle aufdecken. Dieses Papier wurde von Mathematikern der Rutgers University bestätigt.

Die Bedeutung dieses Beispiels liegt darin, dass es nicht nur um die Leistung im Standardtest geht, sondern um die Fähigkeit, in echten, offenen wissenschaftlichen Szenarien Mehrwert zu schaffen. Peer-Review ist das zentrale Qualitätssicherungssystem in der Wissenschaft. Wenn KI in diesem Bereich zuverlässig wertvolle Unterstützung leisten kann, wird die Beschleunigung der wissenschaftlichen Forschung weit über die bloßen Testergebnisse hinausgehen.

Deep Think erreichte außerdem bei den schriftlichen Prüfungen der Internationalen Physik- und Chemie-Olympiaden 2025 Goldmedaillen, und im Codeforces-Elo-Ranking liegt es bei 3455 Punkten, was dem „Legendären Meister“-Level entspricht – nur sehr wenige menschliche Programmierer weltweit erreichen dieses Niveau.

Beim „Letzten Test der Menschheit“ (Humanity’s Last Exam), einem von Experten verschiedener Fachrichtungen entwickelten Benchmark, der absichtlich schwer für KI gestaltet wurde, erzielte Deep Think 48,4 % (ohne Hilfsmittel) und stellte damit einen neuen Rekord auf.

Veränderungen im Marktanteil

Der technologische Wettkampf der drei KI-Giganten verändert die Marktlandschaft. Der Marktanteil von ChatGPT ist von seinem Höchststand bei 87 % auf etwa 68 % gefallen, während Gemini von unter 5 % auf über 18 % gestiegen ist, und Anthropic’s Claude gewinnt kontinuierlich im Unternehmenssegment.

Google’s einzigartiger Vorteil in diesem Wettbewerb ist die Verbreitungskraft. Gemini ist in Android, Chrome, Google Workspace und der Suchmaschine integriert, was bedeutet, dass Google selbst bei gleichwertiger Modellfähigkeit durch seine Kanäle mehr Nutzer gewinnen kann.

Doch die Verteilungsfähigkeit ist eine zweischneidige Sache. Wenn die Nutzererfahrung von Gemini nicht gut ist, könnte Google schneller als alle Wettbewerber das Vertrauen der Nutzer verlieren, da diese „passiv konsumieren“ und nicht „aktiv wählen“. OpenAI-Nutzer sind zahlende Nutzer, mit höherer Toleranz und Bindung.

Auswirkungen auf die Kryptoindustrie

Jede Aufrüstung im KI-Wettrennen erhöht die Nachfrage nach Recheninfrastruktur. Die Kosten für das Training eines hochentwickelten Modells sind von mehreren Hundert Millionen Dollar im Jahr 2024 auf mehrere Milliarden Dollar im Jahr 2026 gestiegen. Das beeinflusst direkt zwei Dinge:

Erstens: Die Transformation der Bitcoin-Miner. Wenn die Gewinnmargen durch sinkende Mining-Renditen (JPM schätzt diese Woche die BTC-Produktionkosten auf 77.000 USD, während der Kurs bei etwa 66.000 USD liegt) gedrückt werden, beschleunigen Miner mit großen Rechenzentren den Übergang zu KI-Rechenleistungen.

Große Mining-Unternehmen „steigen nicht aus“, sondern „wechseln den Bereich“: vom Bitcoin-Mining zu Verträgen für KI-Rechenkapazitäten.

Zweitens: Die Narrative um KI-Token. Wenn Google, OpenAI oder Anthropic bedeutende Upgrades veröffentlichen, kommt es oft zu kurzfristigen Spekulationen bei auf KI bezogenen Tokens (wie dezentralisierte Rechenprotokolle).

Doch die fundamentalen Probleme dieser Tokens bleiben bestehen: Dezentrale Rechenleistung ist in Latenz und Durchsatz noch weit von den Anforderungen des Unternehmens-KI-Trainings entfernt. Die Erzählung kann schnell laufen, die Infrastruktur holt mit der Geschwindigkeit der Erzählung jedoch nicht Schritt.

Der wissenschaftliche Wettstreit hat gerade erst begonnen

Das Upgrade von Deep Think bringt Google wieder an die Spitze des KI-Wettbewerbs, zumindest im Bereich der Logik und Wissenschaft. Doch bei genauer Betrachtung der Ankündigung fällt eine subtile Verschiebung auf: Es wird nicht mehr primär auf „den klügsten allgemeinen KI“ gesetzt, sondern wiederholt der Fokus auf „für die Wissenschaft gemacht“.

Wenn die Benchmarks für allgemeine KI immer dichter werden und Differenzierung zunehmend schwerfällt, ist die Aussage „Mein KI kann dir bei wissenschaftlicher Forschung helfen“ eine überzeugendere Wert proposition als „Mein KI erzielt die höchsten Punktzahlen“. Wenn Deep Think wirklich zuverlässig Peer-Reviews unterstützt, die Medikamentenentwicklung beschleunigt oder in physikalischen Simulationen Lösungen findet, die Menschen übersehen haben, ist das bedeutungsvoller als jede Rangliste.

Das Problem ist: Der Sprung von „hohe Punktzahlen in Benchmarks“ zu „verlässliche Unterstützung in echten wissenschaftlichen Szenarien“ ist möglicherweise größer, als Google andeutet. Benchmarks haben klare Antworten, Wissenschaft nicht.