Hvad Google faktisk udskød
Sidst i juni ændrede Google de data, der bruges til at træne Gemini, i et forsøg på at hæve dens kodningsscorer. Resultaterne kom skuffende tilbage, og flagskibet Gemini 3.5 Pro, som mange ventede på udviklerkonferencen i maj, blev i et begrænset virksomhedspreview. I denne uge berettede The Information og Bloomberg, at forsinkelsen løber op i måneder, ikke uger.
Google benægtede det ikke. Virksomheden sagde, at den tester Gemini 3.5 Pro, en forbedret Flash-model og andre systemer med partnere, og at den drøfter modellens evner og teststandarder med den amerikanske regering. Hvad den ikke gav, var en dato, og fraværet af en er den del der betyder noget.
Hvorfor en kodningsfejl gør mere ondt end en generel
En model kan være fremragende til ræsonnement, skrivning og analyse og alligevel svigte på kode, fordi kodning belønner en snæver, verificerbar slags korrekthed, der ikke udjævnes. Googles mangel sidder netop der, på kodning og lange opgaver i flere trin, og DeepMind-ansatte skal internt have påpeget, at virksomheden mangler et troværdigt kommercielt kodningsprodukt til de firmaer, der bygger AI-udviklerværktøjer.
Det er den evne, markedet køber lige nu. Det hurtigst voksende AI-forbrug er i kodningsassistenter, agenter og automatisering, og de købere vælger den model, der skriver og retter kode mest pålideligt. At svigte på kodning er ikke at svigte på en funktion; det er at svigte på den brugssag, der betaler i dag.
Tallet markedet satte på det
Alphabet-aktien faldt omkring 4,4 procent på nyhederne og udslettede i størrelsesordenen 225 milliarder dollar i markedsværdi på en enkelt handelsdag. Det er ikke en dom over Googles forskningsdybde, der forbliver blandt de bedst finansierede på jorden; det er markedet, der ompriser en tidsplan, det tog for givet.
Konkurrencerammen er det, der giver tallet bid. OpenAIs GPT-5.6 og xAIs Grok 4.5 er allerede på markedet som kodningsrettede modeller, så hver måned Gemini 3.5 Pro bliver i preview, er en måned, hvor rivaler forvandler udviklervaner til standardvalg. Forsinkelser hober sig op, når det forsinkede er netop det, kunderne vælger ud fra.
Hvad det ændrer for en europæisk køber
Hvis din plan antog en bestemt Gemini-kodningsevne inden for et bestemt kvartal, står der nu ingen dato bag den antagelse. For et europæisk team, der vejer Google, OpenAI, Mistral eller en model med åbne vægte til en intern udviklerplatform, blev det sikre valg lige det med det synlige gab på din kerneopgave.
Det taler også for ikke at gifte sig med en enkelt leverandør, før evnen er leveret. At bygge på en model, du kan teste i dag, mens integrationen holdes tynd nok til at skifte, koster lidt nu og sparer en ombygning senere. I euro er den dyre fejl at binde ingeniørkvartaler til en køreplan, som et laboratorium kan flytte uden at sige det til dig.
Disciplinen som forsinkelsen belønner
Behandl 'kommer snart' fra ethvert laboratorium som en evne, du ikke har endnu, og design omkring det, du kan køre i denne uge. Det er ikke kynisme over for Google; det er den samme regel, der beskytter dig, når den næste til at skride bliver OpenAI eller xAI.
Google kan stadig levere en stærk model og lukke gabet, og med sine ressourcer gør det det nok. De der kommer foran, er de ejere, der ikke omstrukturerede en produktlinje omkring en lanceringsdato, der aldrig var deres at love.
Læs videre: Den bedste stemme-AI er ikke den, du kan tage i brug | Google skrottede en næsten færdig AI-model
