Verwaltete Agenten
Antigravity Agent
Antigravity Agent: Text, Bild → Text. Für verwaltete Abläufe über die Interactions API.
Verwaltete AgentenDeep Research
Deep Research: Text, Bild, PDF, Audio, Video → Text, Bild. Für verwaltete Abläufe über die Interactions API.
Wie kannst du es nutzen?
Nutze den in den Quellen genannten Anbieterzugang für genau diese Version. Ein Produktabo enthält nicht automatisch API-Guthaben.
PreviewQuellenstand 2026-10-13
Google DeepMind im Verzeichnis
EingabeText, Bild, PDF, Audio, Video
AusgabeText, Bild
Kontext1.048.576 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Google DeepMind |
|---|---|
| Modellfamilie | Gemini |
| Modell-/API-ID | deep-research-preview-04-2026 |
| Status | Preview |
| Modellart | Verwaltete Agenten |
|---|---|
| Eingabe | Text, Bild, PDF, Audio, Video |
| Ausgabe | Text, Bild |
| Kontext | 1.048.576 Tokens |
|---|---|
| Maximaler Output / Horizont | 65.536 Tokens |
| Bereitstellung | Gehosteter Zugang |
|---|---|
| Gewichte | Gehosteter oder integrierter Zugang |
| Lizenz | Anbieterbedingungen |
Daten im Überblick
Die Grafik zeigt die im Profil dokumentierten Grenzen. Kontext und maximale Ausgabe sind keine addierbaren Budgets und keine Qualitätsbewertung. Zusätzliche Bedingungen stehen im Datenblatt.
- Kontext
- 1.048.576 Tokens
- Maximaler Output / Horizont
- 65.536 Tokens
Datenbasis: Herstellerangaben im Quellenstand 2026-10-13. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Ein verwalteter Agent kann Werkzeuge ausführen. Begrenze zunächst Zugriffe und Aufgaben, halte die Schritte fest und prüfe das Ergebnis gegen eindeutige Kriterien. Der Planungsleitfaden zur KI-Automatisierung hilft dir, erlaubte Aktionen und die menschliche Abnahme vor dem Werkzeugaufruf festzulegen.
Prüfe vor einem API-Aufruf, ob dein Konto Zugriff hat und welchen Endpunkt, Tarif und welche Region du verwenden musst. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Deep Research?
Bestätigter Tarif / PreisangabeKein bestätigter Einheitspreis im geprüften Quellenstand
Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen.
Zugang: Gehosteter Zugang. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Rechercheergebnisse vor der Freigabe prüfen
Praxisergänzung geprüft am 22. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Ein Recherchelauf kann technisch abgeschlossen sein, während die Prüfung der Aussagen noch offen ist. In dieser Offline-Aufgabe unterscheidest du Laufstatus, inhaltliche Kontrolle und Veröffentlichungsentscheidung. So wird aus einem allgemeinen Status fertig ein nachvollziehbarer Abnahmeschritt.
Vorbereitung
Google beschreibt deep-research-preview-04-2026 als Preview-Agenten über die Interactions API, getrennt von Deep Research Max. Die Dokumentation nennt kollaborative Planung und Hintergrundausführung. Ein abgeschlossener Laufstatus ist kein Beleg dafür, dass jede Quellenangabe korrekt ist. Für diese Trockenübung wird kein Lauf gestartet; echte Recherchen können eigenständige Kosten und zusätzliche Werkzeugzugriffe verursachen.
Bearbeite die fiktive Zuordnungs- oder Planungsaufgabe zuerst von Hand. Diese Trockenübung braucht keinen Anbieteraufruf.
Speichere deine Kontrollwerte als antwort.json. Das ist eine eigene Planungsantwort, kein behaupteter Modelloutput.
Vergleiche mit dem Soll und verändere einen Grenzfall. Prüfe tatsächliche Modellantworten und produktive Abläufe später gesondert.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Offline-Abnahme dreier fiktiver Rechercheläufe. Eigene Regel: Veröffentlichen nur, wenn Laufstatus completed, alle Aussagen am Original geprüft und menschliche Freigabe vorhanden. A: completed, Quellen ungeprüft, keine Freigabe. B: completed, alle Aussagen geprüft, Freigabe vorhanden. C: running, Prüfung offen, keine Freigabe. JSON: veroeffentlichen (sortierte IDs), inhaltlich_pruefen (abgeschlossene, noch ungeprüfte IDs), laeuft_noch (IDs). Keine tatsächliche Veröffentlichung ausführen.Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- Nur B erfüllt alle drei ausdrücklich vorgegebenen Bedingungen.
- A ist technisch fertig, aber noch nicht inhaltlich geprüft.
- C bleibt im laufenden Zustand; es wird kein fertiger Bericht vorausgesetzt.
{
"veroeffentlichen": [
"B"
],
"inhaltlich_pruefen": [
"A"
],
"laeuft_noch": [
"C"
]
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| A gilt wegen completed als freigegeben | Trenne den API-Laufstatus von Prüfung und Veröffentlichungsentscheidung. |
| C wird bereits als fertiger Bericht bewertet | Der fiktive Lauf ist noch nicht abgeschlossen. |
| Die Aufgabe startet eine Webrecherche | Die Vorlage ist eine reine Offline-Abnahme ohne Web- oder Modellaufruf. |
Passende Anleitungen
Für die inhaltliche Kontrolle eines fertigen Berichts zeigt Aussagen am Original statt nur an Links prüfen einen gesonderten Ablauf.
Wie du Fundstelle, Aussage und Freigabe zusammenhältst, erläutert Recherchebelege bis zur Freigabe dokumentieren.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Deep Research preview | Gemini API | Google AI for Developers (Abruf 2026-10-22) · Gemini Deep Research agent | Gemini API | Google AI for Developers (Abruf 2026-10-22).
Quellen und Prüfstand
Quellenstand: 2026-10-13. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Deep Research?
Deep Research: Text, Bild, PDF, Audio, Video → Text, Bild. Für verwaltete Abläufe über die Interactions API. Hersteller: Google DeepMind. Dokumentierte ID: deep-research-preview-04-2026.
Was verarbeitet Deep Research?
Eingabe: Text, Bild, PDF, Audio, Video. Ausgabe: Text, Bild. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Deep Research lokal betreiben?
Der dokumentierte Zugang lautet: Gehosteter Zugang. Öffentlich verfügbare offene Gewichte werden damit nicht bestätigt. Ein integriertes On-Device-Modell kann besondere Hardware und Plattformvorgaben haben.
Was kostet Deep Research?
Kein bestätigter Einheitspreis im geprüften Quellenstand. Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-13. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Deep Research?
Im dokumentierten Quellenstand: 1.048.576 Tokens. Beachte die Bedingungen der konkreten Modellversion und des verwendeten Endpunkts. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Deep Research für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist Deep Research Preview ein gewöhnlicher Chat-Endpunkt?
Die Modellseite nennt einen Agent-Code für die Interactions API. Dieser Zugang und sein Ablauf sind von einer normalen Textgenerierung zu unterscheiden.
Bedeutet completed, dass alle Aussagen stimmen?
Nein. Der Status beschreibt den technischen Abschluss eines Laufs. Belege, Geltungsbereiche und Freigabe müssen gesondert geprüft werden.
Entstehen bei der dargestellten Probe Recherchekosten?
Die hier gezeigte Offline-Vorlage startet keinen Anbieteraufruf. Für einen eigenen echten Deep-Research-Lauf musst du Zugang, Werkzeuge und Kosten separat prüfen.
Weitere Google DeepMind-Modelle
Alle anzeigen →Verwaltete Agenten
Deep Research Max
Deep Research Max: Text, Bild, PDF, Audio, Video → Text, Bild. Für verwaltete Abläufe über die Interactions API.