TLDR: Google potwierdziło Gemini 4 jako „najbardziej ambitny dotąd przebieg wstępnego treningu”. Wyciekły informacje ze społeczności z połowy września 2026 wskazują na wczesny wewnętrzny checkpoint modelu Gemini 4 Pro (o nazwie kodowej „argon”) z rzekomym limitem 256 tys. tokenów wyjściowych, możliwym wielomilionowym kontekstem oraz trybami wnioskowania o wysokim nakładzie obliczeń. Nieoficjalne terminy skupiają się wokół października 2026 po opóźnieniach w pre-treningu. Powiązania z RSI (recursive self-improvement) pozostają spekulacją. Do czasu oficjalnej premiery deweloperzy mogą korzystać z obecnych modeli czołowych — w tym GPT-6 Astra, Gemini 3.8 Flash i Claude Fable 5.1 — poprzez ujednolicone, tańsze API, takie jak CometAPI.
Kluczowe wnioski
- Gemini 4 istnieje i jest trenowany. Google w lipcu 2026 ogłosiło rozpoczęcie „najbardziej ambitnego dotąd przebiegu wstępnego treningu” dla Gemini 4.
- Gemini 4 Pro nie został oficjalnie ogłoszony. Nazwa, identyfikator modelu, ceny, dostępność API, okno kontekstu i ostateczne specyfikacje pozostają niepotwierdzone. Wyciekłe zrzuty i raporty społeczności opisują checkpoint Gemini 4 Pro z limitem 256 tys. tokenów wyjściowych (vs. wcześniejsze ~64 tys.), wysokim nakładem obliczeń i możliwymi ambicjami kontekstu 1.5M+.
- Gemini 4.0 zdaje się po cichu pojawić na Arena.ai (najwyraźniej Gemini 3.8 Flash jest trasowany do nowego Gemini Pro w ramach Arena)
- Najbardziej wiarygodne nieoficjalne terminy wskazują na publiczny rollout w październiku 2026 po dopracowaniu pre-treningu.
- Twierdzenia o silnym RSI dla Gemini 4 pozostają niezweryfikowane; powiązane badania (Dream-RSI) ulepszają strategie eksploracji bez aktualizacji wag.
- Do czasu oficjalnego wydania Gemini 4 Pro deweloperzy mogą już eksperymentować z obecnymi modelami czołowymi poprzez platformy takie jak CometAPI, w tym Gemini 3.8 Flash, GPT-6 Astra i Claude Fable 5.1.
Czym jest Gemini 4 Pro?
Gemini 4 Pro to rzekomy flagowy model klasy „Pro” w kolejnej głównej generacji Gemini od Google DeepMind. Pozycjonowany powyżej lżejszych wariantów Flash, jest przeznaczony do pracy o wysokiej złożoności: zaawansowanego kodowania, wieloetapowego rozumowania, zadań agentowych o długim horyzoncie, rozumienia multimodalnego oraz analiz dokumentów lub baz kodu w skali korporacyjnej.
W odróżnieniu od iteracyjnych wydań 3.x Flash kontynuowanych w 2026, Gemini 4 według kierownictwa Google wymaga znacząco większych modeli bazowych, aby utrzymać konkurencyjność na froncie. Sundar Pichai stwierdził podczas rozmowy o wynikach Alphabet za II kwartał 2026: „Dla następnej generacji frontier potrzebne będą znacznie większe modele bazowe. Trenujemy teraz Gemini 4 i podchodzimy do tego bardzo ambitnie.”
Oznaczenie „Pro” historycznie sygnalizuje najwyżej dostępny publicznie poziom zdolności, zoptymalizowany pod jakość kosztem czystej szybkości czy ceny — podobnie jak wcześniejsze modele Gemini Pro oraz 2.5 Pro, które przez długi czas przewodziły rankingom kodowania i rozumowania.
Co wiemy o Gemini 4 Pro(Stan na 17 września)
Potwierdzone oficjalne sygnały
Google publicznie potwierdziło Gemini 4 w lipcu 2026. W poście startowym dla Gemini 3.6 Flash (i powiązanych wariantów Flash) zespół stwierdził, że „już rozpoczęliśmy nasz najbardziej ambitny dotąd przebieg wstępnego treningu, dla Gemini 4.” CEO Alphabet Sundar Pichai podkreślił to na rozmowie o wynikach za II kwartał, opisując Gemini 4 jako wymagający „znacznie większych modeli bazowych”, aby pozostać na froncie, z wyraźnym naciskiem na kodowanie i autonomiczne agenty. Wyraził wewnętrzne podekscytowanie postępami i pewność, że efekty spodobają się użytkownikom zewnętrznym po wydaniu.
Nie opublikowano oficjalnej karty modelu, liczby parametrów, okna kontekstu, benchmarków, cennika ani punktu końcowego API dla Gemini 4 lub Gemini 4 Pro. Seria Flash (w tym wrześniowe 2026 Gemini 3.8 Flash i 3.8 Live) nadal jest często aktualizowana, podczas gdy prace nad większym modelem klasy Pro postępują.
Wycieki o checkpointach i specyfikacjach
Relacje społeczności wskazują, że Google wyprodukowało wczesny wewnętrzny checkpoint nadchodzącego modelu Pro. one zero-shot peacock svg demo krąży w sieci. Poprzedni checkpoint to Argon 160 / Gemini 3.8 Flash na arena.Zgłaszane szczegóły obejmują:
- Limit 256 tys. tokenów wyjściowych (znaczny wzrost względem ~64 tys. w poprzednich modelach Gemini).
- Generowanie w ustawieniu „High” dla nakładu myślenia, które trwało około 2,4 minuty.
- Powiązanie z poziomem Gemini 4 Pro, a nie kolejną iteracją Flash.
Nakłady inwestycyjne a związek z RSI
Na początku sierpnia 2026 przedstawiciel Google DeepMind Jasjeet Sekhon (chief strategy officer) publicznie opisał ogromne nakłady kapitałowe branży na AI jako zakład na recursive self-improvement (RSI) — systemy, które mogą ulepszać same siebie lub procesy wytwarzania kolejnych generacji modeli. Zauważył, że obecne przychody nie uzasadniają jeszcze skali wydatków i że RSI staje się centralnym elementem tezy inwestycyjnej, jednocześnie przyznając, iż nie zostało ono jeszcze osiągnięte.
Niezależnie od tego, badacze Google opublikowali papier Dream-RSI w połowie września 2026, demonstrując rekurencyjne ulepszanie strategii eksploracji agenta (bez aktualizacji wag modelu) z wykorzystaniem modeli Gemini 3.x. Jest to badanie powiązane, ale nie dowód, że samo Gemini 4 zawiera silne RSI na poziomie wag.
Ujęcie RSI podkreśla strategiczną skalę wysiłku przy Gemini 4: Google inwestuje na poziomie zgodnym ze skokiem generacyjnym, a nie inkrementalną aktualizacją.
Wzmianki o Arena.ai / LM Arena i twierdzenia o trasowaniu
Arena.ai (crowdsourcowana platforma preferencji użytkowników, wcześniej znana jako LMSYS Chatbot Arena / LMArena) jest częstym miejscem wczesnych testów modeli Google. Nowe anonimowe lub oznaczone wpisy Gemini często pojawiają się tam przed oficjalnymi zapowiedziami, a społeczność traktuje je jako sygnały bliskich premier.
Gemini 4.0 „po cichu się pojawił”, a ruch oznaczony jako Gemini 3.8 Flash jest czasem trasowany do nowego checkpointu Gemini Pro w walkach Arena:
- http://Arena.ai Nagle uruchomiono nowy wariant „gemini-3.8-flash” rano 17 września
- Oficjalny 3.8 Flash został wydany 2 września, ponowne pojawienie się tej samej nazwy jest niezwykle nietypowe.
Co pozostaje niepotwierdzone
Na 17 września 2026 nie ma autorytatywnego ogłoszenia Google potwierdzającego:
| Atrybut Gemini 4 Pro | Obecny status |
|---|---|
| Trening Gemini 4 | Potwierdzone |
| Nazwa Gemini 4 Pro | Niepotwierdzone |
| Pierwszy checkpoint Pro | Wyciek/plotka |
| Wydanie w październiku | Wyciek/szacowanie |
| Wydanie XI–XII | Szacunki zewnętrzne |
| Kontekst 1.5M | Niezweryfikowane |
| Kontekst 10M | Niezweryfikowane |
| Konkretne wyniki benchmarków | Niezweryfikowane |
| Porównanie z GPT-6 Astra | Niezweryfikowane |
| Porównanie z Claude Fable 5.1 | Niezweryfikowane |
| Osiągnięcie RSI | Niezweryfikowane |
| Identyfikator modelu API | Nie ogłoszono |
| Oficjalne ceny | Nie ogłoszono |
Związek między Gemini 4 Pro a RSI
Recursive self-improvement (RSI) — systemy, które mogą w istotny sposób ulepszać własne możliwości lub procesy wytwarzania kolejnej generacji — stało się częstym tematem spekulacji wokół każdego dużego przebiegu treningu frontier.
- Twierdzenie, że „Google osiągnęło RSI, czyniąc nowy model potężniejszym”, pochodzi z postów na X, lecz nie zostało dotąd potwierdzone testami ani oficjalnymi raportami.
- Niezależnie od tego, badacze Google (z współautorami) opublikowali Dream-RSI we wrześniu 2026. System umożliwia agentowi rekurencyjne ulepszanie własnych strategii eksploracji i wyszukiwania poprzez „śnienie” alternatywnych polityk i zachowanie najlepszych, bez aktualizacji wag modelu bazowego. W eksperymentach użyto Gemini 3.1 Pro i Gemini 3.7 Flash. To usprawnienie na poziomie meta warstwy orkiestracji, a nie pełne RSI na poziomie wag, które automatycznie wytworzyłoby silniejsze Gemini 4 z Gemini 3.
- Szersze badania z 2026 (AIDE², różne prace o pętlach agentowych i analizy ekonomiczne) pokazują ograniczone lub komponentowe samodoskonalenie — lepsze promptowanie, umiejętności, pamięć/retrieval czy zestawy ewaluacyjne — ale nie pełne, zamknięte w pętli RSI na poziomie wag, które bez udziału człowieka tworzyłoby kolejno coraz mocniejsze modele bazowe.
Krótko: Google wyraźnie inwestuje w samo-ulepszające się systemy agentowe, a przebieg treningu Gemini 4 jest opisywany jako niezwykle ambitny. Mocne twierdzenia, że sam model ucieleśnia rozwiązane RSI, pozostają nieudowodnione i należy traktować je jako plotki.
Jakie funkcje są potwierdzone lub oczekiwane w Gemini 4 Pro?
Bazując na trajektorii od Gemini 1.5 → 2.5 → 3.x i szczegółach wycieku „argon”, poniższe obszary są najbardziej prawdopodobnymi miejscami istotnych postępów. Każdy ujęty jako oczekiwanie na poziomie H3, ugruntowane w danych z wycieku lub rozsądnej ekstrapolacji z wcześniejszych generacji.
Znacząco zwiększona pojemność wyjścia
Wyciekły limit 256 tys. tokenów wyjściowych pozwoliłby generować całe wieloplikowe bazy kodu, długie raporty badawcze czy złożone dokumenty strukturalne w jednym przebiegu. Poprzednie modele Gemini były bardziej ograniczone długością wyjścia, często wymagając iteracyjnych kontynuacji. Ta zmiana sama uprościłaby agentowe potoki kodowania.
Dłuższe okna kontekstu i lepsze odzyskiwanie
Doniesienia o możliwym kontekście 1.5M–2M (wciąż nierozstrzygnięte) wzmocniłyby tradycyjną mocną stronę Google w obsłudze długiego kontekstu. W połączeniu z ulepszonym retrieval i zredukowanymi efektami „lost-in-the-middle” przyniosłoby to korzyści w analizach prawnych, naukowych i dużych baz kodu.
Mocniejsze kodowanie i wydajność agentowa
Pichai wprost wskazał kodowanie i agentowe kodowanie jako obszary kluczowe. Gemini 2.5 i 3.x dostarczyły już duże skoki na SWE-bench, LiveCodeBench i WebDev Arena. Oczekuje się, że Gemini 4 Pro pójdzie dalej w refaktoryzacji wieloplikowej, autonomicznym naprawianiu błędów, niezawodności użycia narzędzi oraz planowaniu długohoryzontalnym.
Głębsze rozumowanie / adaptacyjny nakład obliczeń
Tryb „High” dla nakładu myślenia, który zużył 2,4 minuty na checkpointcie „argon”, sugeruje kontynuację inwestycji w skalowanie mocy obliczeniowej w czasie wnioskowania (podobnie do Deep Think czy rozszerzonych trybów „thinking” w serii 3.x). Oczekuj bardziej niezawodnej logiki wieloetapowej, niższych halucynacji w trudnych problemach oraz konfigurowalnych poziomów wysiłku.
Udoskonalenia multimodalne i natywne narzędzia
Gemini od dawna jest natywnie multimodalny. Dalsze zyski w rozumieniu wideo, czasie rzeczywistym rozumowania wizualnego oraz bezszwowym wywoływaniu narzędzi (narzędzia w tle bez przerywania rozmowy) są spójne z kierunkiem 3.8 Live i powiązanych wydań.
Efektywność i optymalizacje serwowania
Nawet przy większych modelach bazowych Google zazwyczaj łączy flagowe modele Pro z efektywnymi wariantami Flash i dekodowaniem spekulatywnym. Oczekuj dalszego postępu w tokenów-na-sekundę i koszt-na-jakość.
Jak może pomóc CometAPI w oczekiwaniu?
Do czasu wydania Gemini 4 Pro deweloperzy mogą już korzystać z aktualnych modeli najwyższej klasy poprzez ujednolicony, zgodny z OpenAI endpoint CometAPI. Warto wymienić:
- GPT-6 Astra – flagowy model OpenAI do złożonego rozumowania, kodowania, obsługi komputera i agentowych zadań długohoryzontalnych (kontekst 1,050,000 tokenów, do 128 tys. wyjścia). Dostępny na CometAPI z trwałym rabatem względem cen katalogowych.
Strona modelu: https://www.cometapi.com/models/openai/gpt-6-astra/
Przewodnik użytkowania: https://www.cometapi.com/how-to-use-gpt-6-astra-api/ - Najnowsze modele Gemini 3.x Flash i klasy Pro (w tym warianty 3.8) do obciążeń multimodalnych i agentowych.
- Płynne przełączanie między dostawcami za pomocą jednego klucza API i zgodności z SDK OpenAI.
- Dokumentacja integracji z Gemini CLI dla lokalnych agentowych przepływów kodowania.
Katalog CometAPI szybko udostępnia nowe modele, więc Gemini 4 Pro (po wydaniu) można spodziewać się obok istniejącej oferty pod tym samym endpointem.
Jak wypada Gemini 4 Pro (prognoza vs. obecne modele czołowe)
| Zdolność | Gemini 3.x / 2.5 Pro (publicznie) | GPT-6 Astra (publicznie) | Gemini 4 Pro (wyciek / oczekiwania) |
|---|---|---|---|
| Okno kontekstu | Do ~1–2M tokenów | 1,050,000 tokenów | Rzekomo 1.5M–2M |
| Maks. tokeny wyjściowe | ~64 tys. | 128,000 | Wyciek 256 tys. |
| Tryby rozumowania | Deep Think / Extended | poziomy wysiłku low → max | Wysoki wysiłek (zaobserw. 2,4 min) |
| Kodowanie / fokus agentowy | Silny (zyski na SWE-bench) | Flagowa moc | Wyraźny priorytet + doniesienia |
| Multimodalność | Natywna (tekst/obraz/wideo/audio) | Tekst + obraz wejściowy | Oczekiwana kontynuacja + poprawa |
| Status | Produkcyjny | Produkcyjny (wrz 2026) | Wewnętrzny checkpoint, nieudostępniony |
Uwagi do tabeli: Dane dla Gemini 4 Pro pochodzą z wycieku „argon” i raportów społeczności; nie są to oficjalne specyfikacje Google. Specyfikacje GPT-6 Astra pochodzą z dokumentacji publicznej.
Wnioski
Gemini 4 Pro reprezentuje zapowiedziany przez Google kolejny krok na froncie: większą skalę pre-treningu, wyraźnie ukierunkowaną na dotrzymanie kroku — a najlepiej wyprzedzenie — współczesnych modeli od OpenAI, Anthropic i innych. Wrześniowy 2026 checkpoint „argon” daje pierwszy konkretny (choć wciąż nieoficjalny) wgląd w rozszerzoną pojemność wyjściową i wnioskowanie o wysokim nakładzie obliczeń. Harmonogram wydania zdaje się zacieśniać wokół października 2026, choć post-trening i ewaluacja pozostają zmiennymi.
RSI pozostaje aktywnym kierunkiem badawczym, a nie potwierdzoną cechą modelu. W międzyczasie praktyczna ścieżka dla deweloperów jest jasna: kontynuować wdrażanie z najsilniejszymi dostępnymi dziś systemami — GPT-6 Astra, obecnymi modelami Gemini 3.x i ich odpowiednikami — monitorując jednocześnie oficjalne kanały Google w oczekiwaniu na zapowiedź Gemini 4. Platformy takie jak CometAPI już agregują te modele pod jednym kluczem i jedną rozliczalnością, redukując tarcie zarówno dziś, jak i gdy Gemini 4 Pro ostatecznie się pojawi.